通往 AGI 的路究竟怎麽走，微軟有了新想法——
基于 ChatGPT 這類大模型的強大理解能力，将輸入的任何信号拆解成一個個可完成的任務，交給其他的 AI 和程序完成。
簡單來說，就像是建了一座司令塔，每個大模型都能成爲其中的 " 大腦 " 指揮官，其他專門解決某類任務的模型，則聽它調令——
這樣一來，不限定某個 AI，所有大模型都能使用這套方法。
能解決什麽問題？
人類隻需要提需求，AI 從自動做 PPT、Word 和 Excel 三件套（Office 自動化），到驅動機器人完成各種智能任務，都能搞定。
這個最新的研究名叫TaskMatrix，據微軟表示，它能直接驅動數百萬個用于完成任務的 AI 和 API。
論文還引用了 OpenAI CEO 奧特曼那句 AI 版摩爾定律：
宇宙中的智能數量每 18 個月翻一番。
一起來看看 TaskMatrix 是怎樣工作的。
AI" 司令塔 " 如何工作？
這是 TaskMatrix 的整體工作流程：
從架構圖來看，TaskMatrix 可以被分爲四部分：
多模态對話基礎模型（MCFM）：與用戶對話并了解需求，從而生成 API 可執行代碼以完成特定任務
API 平台：提供統一 API 格式，存儲數百萬個不同功能的 API，允許擴展和删除 API
API 選擇器：負責根據 MCFM 生成的内容推薦 API
API 執行器：調用 API 并執行生成代碼，給出結果
簡單來說，MCFM 負責生成解決方案，API 選擇器從 API 平台中選取 API，随後 API 執行器基于 MCFM 生成的代碼調用 API，并解決任務。
其中，爲了統一 API 管理，API 平台又給 API 統一了文檔格式，包含以下五個部分：
API 名稱（提供 API 摘要，避免與其他 API 混淆），參數列表（包含輸入參數和返回值等），API 描述（功能描述），組合指令（如何組合多個 API 完成複雜用戶指令）
例如這是 " 打開本地文件 "API 的文檔格式：
據微軟介紹，搭建 TaskMatrix 的原因，從學術角度來說主要有兩點。
其一，擴大 AI 适用範圍，如通過擴展 API 來提升可完成任務的類型和數量；其二，便于進一步提升 AI可解釋性，通過觀察 AI 分配任務的方式就能理解它的 " 思路 "。
能完成什麽任務了？
目前從已經搭建好的 TaskMatrix 部分來看，它能完成的任務已經非常廣泛。
小到文字、圖像信息的基礎信息處理，大到控制機器人平台、接入物聯網這種通用平台任務，TaskMatrix 都能搞定。
先來看看圖像處理任務。
TaskMatrix 解讀用戶想要完成的任務後，就能通過對話的方式，搞定 PS（把老人背景 P 成白的）、解讀圖像、文生圖、草圖轉真實圖像、摳圖等一系列現實生活中常見的圖像處理操作：
如果說這些都還太常見，基于 TextMatrix 還能搞定真 · 圖像擴展，基于一小角擴展到一整張圖的那種，而不僅僅是采用平鋪的方式。例如輸入一朵花：
輸出一片花田：
再來看看文字處理任務。
以往需要手動改 AI 寫過的方案，如今直接将問題抛給 AI，它就能完成，例如具體修改某個特定的步驟。
（像不像被甲方一點點催改文件的樣子？隻是如今你變成了甲方）
以後生成文章，就是連插圖都配好的那種：
當然，既然是微軟的研究，少不了調用 Office 系列的 API，包括做 PPT 這種活，如今交給 AI 來做就行：
再進一步到通用任務上，之前一直存在瓶頸的機器人和物聯網等平台，如今 TaskMatrix 也給出了解決通用任務的方案。
家裏接入 AI 後，和它對話就能完成你想要的各種瑣碎任務，包括定鬧鍾、查看天氣等：
屬實是解放人類生産力了。
你想好把它用在哪裏了嗎？
論文地址：
https://arxiv.org/abs/2303.16434
