一个AI驱动百万个API！微软提出多任务处理模型TaskMatrix

萧箫 发自 凹非寺
量子位 | 公众号 QbitAI

通往AGI的路究竟怎么走，微软有了新想法——

基于ChatGPT这类大模型的强大理解能力，将输入的任何信号拆解成一个个可完成的任务，交给其他的AI和程序完成。

简单来说，就像是建了一座司令塔，每个大模型都能成为其中的“大脑”指挥官，其他专门解决某类任务的模型，则听它调令——

这样一来，不限定某个AI，所有大模型都能使用这套方法。

能解决什么问题？

人类只需要提需求，AI从自动做PPT、Word和Excel三件套（Office自动化），到驱动机器人完成各种智能任务，都能搞定。

这个最新的研究名叫TaskMatrix，据微软表示，它能直接驱动数百万个用于完成任务的AI和API。

论文还引用了OpenAI CEO奥特曼那句AI版摩尔定律：

宇宙中的智能数量每18个月翻一番。

一起来看看TaskMatrix是怎样工作的。

AI“司令塔”如何工作？

这是TaskMatrix的整体工作流程：

从架构图来看，TaskMatrix可以被分为四部分：

• 多模态对话基础模型（MCFM）：与用户对话并了解需求，从而生成API可执行代码以完成特定任务
• API平台：提供统一API格式，存储数百万个不同功能的API，允许扩展和删除API
• API选择器：负责根据MCFM生成的内容推荐API
• API执行器：调用API并执行生成代码，给出结果

简单来说，MCFM负责生成解决方案，API选择器从API平台中选取API，随后API执行器基于MCFM生成的代码调用API，并解决任务。

其中，为了统一API管理，API平台又给API统一了文档格式，包含以下五个部分：

API名称（提供API摘要，避免与其他API混淆），参数列表（包含输入参数和返回值等），API描述（功能描述），组合指令（如何组合多个API完成复杂用户指令）

例如这是“打开本地文件”API的文档格式：

据微软介绍，搭建TaskMatrix的原因，从学术角度来说主要有两点。

其一，扩大AI适用范围，如通过扩展API来提升可完成任务的类型和数量；其二，便于进一步提升AI可解释性，通过观察AI分配任务的方式就能理解它的“思路”。

能完成什么任务了？

目前从已经搭建好的TaskMatrix部分来看，它能完成的任务已经非常广泛。

小到文字、图像信息的基础信息处理，大到控制机器人平台、接入物联网这种通用平台任务，TaskMatrix都能搞定。

先来看看图像处理任务。

TaskMatrix解读用户想要完成的任务后，就能通过对话的方式，搞定PS（把老人背景P成白的）、解读图像、文生图、草图转真实图像、抠图等一系列现实生活中常见的图像处理操作：

如果说这些都还太常见，基于TextMatrix还能搞定真·图像扩展，基于一小角扩展到一整张图的那种，而不仅仅是采用平铺的方式。例如输入一朵花：

输出一片花田：

再来看看文字处理任务。

以往需要手动改AI写过的方案，如今直接将问题抛给AI，它就能完成，例如具体修改某个特定的步骤。

（像不像被甲方一点点催改文件的样子？只是如今你变成了甲方）

以后生成文章，就是连插图都配好的那种：

当然，既然是微软的研究，少不了调用Office系列的API，包括做PPT这种活，如今交给AI来做就行：

再进一步到通用任务上，之前一直存在瓶颈的机器人和物联网等平台，如今TaskMatrix也给出了解决通用任务的方案。

家里接入AI后，和它对话就能完成你想要的各种琐碎任务，包括定闹钟、查看天气等：

属实是解放人类生产力了。

你想好把它用在哪里了吗？

论文地址：
https://arxiv.org/abs/2303.16434