.png){kind=small}
GPT는 Engineering의 기본적인 정보와 지식을 이미 학습하고 있다. 생각보다 많이...
GPT는 Engineering의 새로운 정보와 지식을 계속 학습할 것이다.
GPT는 Engineering tools의 맥락을 이해하고 사용자의 프롬프트에 따라 자율적으로 실행, 분석, 요약, 가시화할 수 있다.
Expert는 GPT에게 지속적으로 데이터, 정보, 지식을 제공할 것이다. 어떻게? 온톨로지적 접근이 필요하다.
Expert는 전문가들이 연구 개발한 기존 tools를 GPT 시스템에 제공할 것이다.
Tool은 Experts와 GPT 사이의 블랙박스 형태로 가교 역할을 담당할 수 있다.
하지만, GPT는 점점 스스로 Tools를 프로그래밍하고 (전문가 요청에 의해) 스스로 할당한다.
GPT는 기존 지식과 그 대상(도시/건물/프로덕트/프로젝트/시스템)에서의 관측(측정 또는 분석) 행위를 바탕으로 더욱 정교한 의사결정 지원을 담당할 수 있다. Bayesian 접근?
이러한 과정에서 LLM이라도 혼자는 힘들다.
Multi GPT Agent 접근이 필요하다. 프로세스 내 Tasks에 따라, 구조에 따라, 목적에 따라, 서비스에 따라, 동일한, 유사한, 서로 다른 GPT agents가 협업할 수 있다.
GPT 협업은, 중앙적으로, 분산적으로, 협력적으로, 논쟁적으로 등의 다양한 형태가 가능하다.
Expert는 GPT Agents를 할당하고 최적화 하고자 할 것이다.
Expert는 이 과정에서 GPT의 도움을 받을 것이다.
결국 GPT는 Multi Agent System을 모델링하고 최적하는 Meta과정으로 진입한다: Meta-engineering
GPT has already learned a significant amount of basic information and knowledge in engineering — more than expected. GPT will continue to learn new information and knowledge in engineering. GPT understands the context of engineering tools and can autonomously execute, analyze, summarize, and visualize tasks based on user prompts. Experts will continuously provide GPT with data, information, and knowledge. How? An ontological approach is needed. Experts will provide GPT systems with existing tools developed by researchers and professionals. Tools can act as a bridge in a black-box form between experts and GPT. However, GPT will gradually start programming tools by itself and autonomously assign them (upon expert request). Based on existing knowledge and observations (measurements or analyses) from the target (urban/building/product/project/system), GPT can provide more sophisticated decision-making support. Bayesian approach, perhaps? Even with a large language model (LLM), it cannot work alone. A multi-GPT agent approach is needed. Depending on tasks within the process, the structure, the purpose, and the service, the same, similar, or different GPT agents can collaborate. GPT collaboration can take various forms — centralized, distributed, cooperative, or even competitive. Experts will want to assign and optimize GPT agents. In this process, experts will receive assistance from GPT. Ultimately, GPT will enter a meta-process of modeling and optimizing a multi-agent system: Meta-engineering.
Comments