HybridAGI
1.0.0
Lo que diferencia nuestro enfoque del Agente como Gráfico es el hecho de que nuestro sistema Agente no es un proceso representado por un gráfico, sino un intérprete que puede leer/escribir y ejecutar una estructura de datos gráficos (los programas gráficos) separada de ese proceso. Al hacer posible que el Agente aprenda ejecutando, leyendo y modificando los programas gráficos (como cualquier otro dato), en esencia HybridAGI pretende ser un sistema de autoprogramación centrado en el lenguaje Cypher. Es un proyecto de investigación listo para producción centrado en la programación neurosimbólica, la síntesis de programas y la IA simbólica.
Turing Complete DSL : El lenguaje específico de dominio (DSL) Turing Complete de HybridAGI ha sido diseñado específicamente para describir una cantidad infinita de algoritmos utilizando solo 4 tipos diferentes de nodos (Control, Acción, Decisión, Programa). El Agente intérprete puede realizar un bucle y llamar a subprogramas, de forma similar a un lenguaje de programación tradicional.
Búsqueda de programas gráficos y llamada dinámica : debido a que nuestro sistema de agente no es una máquina estática de estados finitos sino un intérprete que interpreta un DSL basado en gráficos nodo por nodo, puede buscar programas en la memoria y llamar dinámicamente al mejor para resolver la consulta del usuario.
Canalización y agente optimizables : con HybridAGI y DSPy, puede optimizar las canalizaciones de procesamiento de datos y el sistema de agentes según sus propias necesidades. Dado que cada módulo HybridAGI también es un módulo DSPy, puede utilizar optimizadores DSPy sin problemas con ellos.
Comportamiento del agente como software : con HybridAGI, puede enviar el comportamiento del agente como software Cypher, lo que permite a las empresas emergentes y a las empresas crear su propia IP basada en su lógica empresarial implementada en Cypher.
Sistema centrado en la memoria : HybridAGI es un sistema centrado en la memoria que utiliza en gran medida Knowledge Graphs, tanto para ejecutar programas como para almacenar conocimiento estructurado. Esto habilita las aplicaciones Knowledge Graph RAG para dominios críticos.
Seguro y protegido : se ha prestado especial atención a evitar las inyecciones de cifrado, pero también a evitar que el sistema del agente modifique su propio mecanismo de aviso principal mediante la introducción del concepto de programas protegidos.
Comportamiento predecible/determinista y número infinito de herramientas : debido a que no permitimos que el Agente elija la secuencia de herramientas a usar, podemos usar un número infinito de herramientas. Al seguir los programas Graph, garantizamos una metodología predecible y determinista para nuestro sistema de agentes. Podemos combinar cada sistema de memoria en un Agente único utilizando las herramientas correspondientes sin limitación.
HybridAGI es el primer agente programable basado en LLM que le permite definir su comportamiento utilizando un enfoque de programación rápida basado en gráficos . A diferencia de otros marcos que ven a los agentes como chatbots avanzados, hemos adoptado una metodología arraigada en la informática, las ciencias cognitivas y la IA simbólica.
Para nosotros, un sistema agente es un software cognitivo dirigido a objetivos que puede procesar el lenguaje natural y ejecutar las tareas para las que ha sido programado. Al igual que ocurre con el software tradicional, el desarrollador especifica el comportamiento de la aplicación y el sistema no es verdaderamente autónomo a menos que haya sido programado para serlo. Programar el sistema no sólo ayuda al agente a realizar sus tareas sino que también permite formalizar la intención del desarrollador .
HybridAGI está diseñado para científicos de datos, ingenieros rápidos, investigadores y entusiastas de la IA a quienes les encanta experimentar con la IA. Es un producto "Constrúyase usted mismo" que se centra en la creatividad humana en lugar de en la autonomía de la IA.
Para instalar HybridAGI fácilmente te recomendamos usar pip con el siguiente comando:
pip install hybridagi
Si desea explorar más en profundidad nuestro sistema o contribuir al proyecto, puede usar el siguiente comando para instalar HybridAGI desde las fuentes:
git clone https://github.com/SynaLinks/HybridAGI
cd HybridAGI
pip install .
Aquí no hay agentes React , el único sistema de agente que proporcionamos es nuestro agente intérprete de gráficos personalizado que sigue una metodología estricta ejecutando nodo por nodo los programas de gráficos que tiene en la memoria. Debido a que controlamos el comportamiento del Agente de un extremo a otro al descargar la planificación a componentes simbólicos, podemos corregir/mejorar el comportamiento del sistema fácilmente, eliminando la necesidad de ajustes pero también permitiendo que el sistema aprenda sobre la marcha.
HybridAGI se basa en años de experiencia en la fabricación de sistemas robóticos confiables. Hemos combinado nuestro conocimiento en Robótica, IA simbólica, LLM y Ciencias Cognitivas en un producto para programadores, científicos de datos e ingenieros de IA. La memoria a largo plazo de nuestro sistema Agent utiliza en gran medida gráficos para almacenar conocimiento estructurado y no estructurado, así como sus programas de gráficos.
Le proporcionamos todo lo necesario para que cree su aplicación LLM centrándose en las bases de datos Cypher Graph. También proporcionamos una base de datos local para la creación rápida de prototipos antes de escalar su aplicación con una de nuestras integraciones.
Con HybridAGI puede crear canales de extracción de datos, aplicaciones RAG o sistemas de agentes avanzados, cada uno de los cuales posiblemente esté optimizado mediante el uso de optimizadores DSPy. También proporcionamos módulos y métricas prediseñados para facilitar la creación de prototipos.
Cada módulo y tipo de datos está estrictamente tipificado y utiliza Pydantic como capa de validación de datos. Puede crear canalizaciones en poco tiempo apilando módulos secuencialmente como en Keras o HuggingFace.
Proporcionamos la siguiente lista de herramientas nativas para R/W en la memoria del sistema o modificar el estado del agente:
| Nombre de la herramienta | Uso |
|---|---|
Predict | Se utiliza para completar el contexto con información de razonamiento. |
ChainOfThought | Se utiliza para completar el contexto con información de razonamiento. |
Speak | Se utiliza para enviar un mensaje al Usuario y darle la respuesta final. |
AskUser | Se utiliza para hacer preguntas al usuario (puede simular la personalidad del usuario) |
UpdateObjective | Actualizar el objetivo a largo plazo del agente |
AddDocument | Guardar en la memoria un nuevo documento |
AddFact | Guardar en la memoria nuevos hechos |
AddGraphProgram | Guardar en la memoria el nuevo programa (anular si existe) |
DocumentSearch | Se utiliza para buscar información en la memoria de documentos. |
PastActionSearch | Se utiliza para buscar acciones pasadas en la memoria de seguimiento. |
EntitySearch | Se utiliza para buscar entidades en la memoria de hechos. |
FactSearch | Se utiliza para buscar hechos en la memoria de hechos. |
GraphProgramSearch | Se utiliza para buscar programas de gráficos en la memoria del programa. |
ReadGraphProgram | Se utiliza para leer un programa de gráficos desde la memoria por su nombre. |
CallGraphProgram | Se utiliza para llamar dinámicamente un programa gráfico desde la memoria por su nombre. |
Puede agregar más herramientas utilizando FunctionTool y funciones de Python como las llamadas a funciones actuales.
Aceptamos las contribuciones para más integraciones de bases de datos. ¡No dudes en unirte al canal de Discord para obtener más información!
No estamos satisfechos con la trayectoria actual de los sistemas basados en agentes que carecen de control y eficiencia. El enfoque actual implica construir agentes React/MKRL que operen de forma independiente sin control humano, lo que a menudo conduce a infinitos bucles sin sentido debido a su tendencia a permanecer dentro de su distribución de datos. Los sistemas multiagente intentan abordar este problema, pero a menudo resultan en más tonterías y costos prohibitivos debido a la charla de los agentes. Además, los agentes actuales a menudo requieren ajustes para mejorar o corregir su comportamiento, lo que puede ser un proceso complejo y que requiere mucho tiempo.
Con HybridAGI, lo único que hay que hacer es modificar el gráfico de comportamiento (los programas de gráficos). Creemos que el ajuste debería ser el último recurso cuando el aprendizaje en contexto no produce los resultados deseados. Al arraigar las ciencias cognitivas en conceptos de informática, empoderamos a los programadores para que construyan el sistema de agentes de sus sueños controlando la secuencia de acciones y decisiones. Nuestro objetivo es construir un sistema de agentes que pueda resolver problemas del mundo real mediante el uso de un lenguaje intermediario que sea interpretable tanto por humanos como por máquinas. Si queremos mantener a los humanos informados en los próximos años, necesitamos diseñar sistemas de agentes para ese propósito.
LangGraph está construido sobre LangChain, como también fue el caso de HybridAGI el año pasado. Sin embargo, dada la dirección del equipo de LangChain de alentar a los agentes ReACT que carecen de control y explicabilidad, cambiamos a DSPy, que proporciona un mejor valor al centrarse en la optimización de las canalizaciones. Recientemente, LangGraph surgió para compensar la mala toma de decisiones de LangChain, pero ya habíamos demostrado el valor de nuestro trabajo. Además, LangGraph, como muchos marcos agentes, describe una máquina de estados finitos estática. Nuestra visión de los sistemas AGI es que se requiere estar completo en Turing, como es el caso de muchos marcos agentes, pero también se requiere tener la capacidad de programarse sobre la marcha (es decir, aprendizaje continuo real) para comenzar verdaderamente el viaje AGI, que es falta en otros marcos.
Llama-Index lanzó recientemente un sistema de agente controlado por eventos, similar a LangGraph, es una máquina de estado estática y las mismas observaciones se aplican a su trabajo.
HybridAGI se basa en el excelente trabajo del equipo de DSPy y pretende ser una abstracción para simplificar la creación de programas DSPy complejos en el contexto de agentes LLM. DSPy es más general y también se utiliza para tareas más simples que no necesitan sistemas agentes. A diferencia de DSPy, nuestros programas no son estáticos sino dinámicos y pueden adaptarse a la consulta del usuario llamando dinámicamente a los programas almacenados en la memoria. Además, centramos nuestro trabajo en sistemas AGI neurosimbólicos explicables utilizando gráficos. Los programas de gráficos son más fáciles de construir que implementarlos desde cero usando DSPy. Si DSPy es el PyTorch de las aplicaciones LLM, piense en HybridAGI como Keras o HuggingFace de los agentes neurosimbólicos LLM.
OpenAI o1 y HybridAGI comparten muchos objetivos comunes, pero se construyen con paradigmas diferentes en mente. Al igual que OpenAI o1, HybridAGI utiliza inferencias de varios pasos y es un sistema de agentes orientado a objetivos. Sin embargo, a diferencia de OpenAI o1, guiamos el rastro CoT de nuestro sistema de agente en lugar de dejarlo explorar libremente su espacio de acción, un paradigma más similar a un A* donde el Agente navega en un gráfico definido en lugar de uno de Q-learning. Esto da como resultado un razonamiento más eficiente, ya que los expertos pueden programarlo para resolver un caso de uso particular. Podemos utilizar LLM más pequeños, reduciendo el impacto ambiental y aumentando el ROI. La desventaja de nuestra tecnología es que necesita conocimientos expertos en su dominio, así como en programación y sistemas de inteligencia artificial, para aprovechar mejor sus capacidades. Por esa razón, brindamos servicios de auditoría, consultoría y desarrollo a personas y empresas que carecen de las habilidades técnicas en IA para implementar su sistema.
No tenemos nuestra sede en Silicon Valley ni somos parte de una gran empresa; Somos un equipo pequeño y dedicado del sur de Francia. Nuestro objetivo es ofrecer un producto de IA en el que el usuario mantenga el control. No estamos satisfechos con la trayectoria actual de los productos basados en agentes. Somos expertos en interacciones humano-robot y en la construcción de sistemas interactivos que se comportan como se espera. Si bien nos inspiramos en las ciencias cognitivas y la IA simbólica, nuestro objetivo es mantener nuestros conceptos basados en la informática para un público más amplio.
Nuestra misión se extiende más allá de la seguridad y el rendimiento de la IA; se trata de dar forma al mundo en el que queremos vivir. Incluso si la programación se vuelve obsoleta en 5 o 10 años, reemplazada por algún mensaje mágico, creemos que los mensajes tradicionales son insuficientes para preservar los empleos. Son demasiado simplistas y no logran transmitir intenciones con precisión.
Por el contrario, programar cada paso del razonamiento exige conocimientos expertos en ingeniería y programación rápidas. Sorprendentemente, es divertido y no tan difícil para los programadores, ya que les permite obtener información sobre cómo funciona realmente la IA al controlarla. El lenguaje natural combinado con algoritmos abre infinitas posibilidades. No podemos imaginar un mundo sin él.
Brindamos servicios de auditoría, consultoría y desarrollo para empresas que desean implementar soluciones de inteligencia artificial neurosimbólica en diversos dominios, desde visión por computadora hasta razonamiento de alto nivel con sistemas de ontología/gráficos de conocimiento en dominios críticos como salud, biología, finanzas y aeroespacial. y muchos más.
HybridAGI es un proyecto de investigación para mostrar nuestras capacidades pero también para aportar nuestra visión de sistemas AGI seguros para el futuro. Somos una nueva empresa que busca casos de uso del mundo real en lugar de hacer afirmaciones pretenciosas para complacer a los capitalistas de riesgo y alimentar el revuelo.
Debido a que nuestra visión de las capacidades de los LLM es más moderada que otras, buscamos activamente combinar diferentes campos de la IA (evolutiva, simbólica y de aprendizaje profundo) para dar este salto hacia el futuro sin quemar el planeta dependiendo únicamente del escalamiento. Además de los impactos ambientales obvios, al confiar en modelos pequeños y medianos, tenemos una mejor comprensión y la capacidad de realizar investigaciones útiles sin centros de datos por valor de billones.
HybridAGI es nuestra manera de estar preparados para ese futuro y, al mismo tiempo, mostrar nuestra comprensión de los sistemas de IA modernos y tradicionales. HybridAGI es la prueba de que no se necesitan miles de millones de dólares para trabajar en sistemas AGI y que un pequeño equipo de personas apasionadas puede marcar la diferencia.
Lanzamos HybridAGI bajo GNU GPL por varias razones, la primera es que queremos proteger nuestro trabajo y el trabajo de nuestros colaboradores. La segunda razón es que queremos construir un futuro en el que viva la gente, sin depender de las grandes empresas tecnológicas de IA, queremos empoderar a las personas, no esclavizarlas destruyendo el mercado y dejando a las personas sin trabajo sin una forma de convertirse en propietarias de sus bienes. conocimiento. HybridAGI es un proyecto comunitario, por la comunidad y para la comunidad. Finalmente, HybridAGI es una forma de conectarse con personas talentosas y con ideas afines en todo el mundo y crear una comunidad en torno a un futuro deseable.
Algunos podrían argumentar que HybridAGI es sólo una caja de herramientas. Sin embargo, a diferencia de LangChain o Llama-Index, HybridAGI ha sido diseñado desde cero para trabajar en sinergia con un LLM de propósito especial capacitado en nuestra arquitectura/DSL. Hemos mejorado nuestro software gracias a la comunidad y como somos nosotros quienes creamos nuestro propio lenguaje de programación, también somos las mejores personas para programarlo. Hemos acumulado datos, aprendido muchas técnicas de aumento y limpiado nuestros conjuntos de datos durante el último año del proyecto para mantener nuestra ventaja competitiva. Podríamos publicar el LLM que estamos construyendo en algún momento cuando decidamos que es beneficioso para nosotros hacerlo.
Nuestro software se publica bajo licencia GNU GPL para protegernos a nosotros mismos y a las contribuciones de la comunidad. Al estar separada la lógica de su aplicación (los programas gráficos), no hay ningún problema de IP para que pueda usar HybridAGI. Además, cuando se utiliza en producción, seguramente querrá crear un servidor FastAPI para solicitar su agente y separar el backend y el frontend de su aplicación (como un sitio web), para que la licencia GPL no contamine las otras piezas de su software. También ofrecemos licencias duales para nuestros clientes si es necesario.
Conviértase en parte de nuestra comunidad de desarrolladores, investigadores y entusiastas de la IA. Contribuya al proyecto, comparta sus comentarios y ayude a dar forma al futuro de HybridAGI. ¡Damos la bienvenida y valoramos su participación!
