随着所有关于聊天机器人(如ChatGPT)的讨论，很容易忘记基于文本的聊天只是众多AI功能之一。理想的生成式人工智能将能够根据需要跨不同的模型工作，解释和生成图像、音频和视频。

进入Jarvis，这是微软的一个新项目，它承诺一个机器人来统治所有项目。Jarvis使用ChatGPT作为系统的控制器，它可以根据需要使用各种其他模型来响应您的提示。在一篇论文中(在新选项卡中打开)由康奈尔大学出版的微软研究人员(沈永亮、宋开涛、徐谭、李东升、卢伟明和庄跃婷)解释了这个框架是如何工作的。用户向机器人发出请求，计划任务，选择所需的模型，让这些模型执行任务，然后生成并发出响应。

研究论文中提供的下图显示了这个过程在现实世界中是如何工作的。用户要求机器人创建一个图像，其中女孩正在阅读书籍，并且她的位置与示例图像中的男孩相同。机器人计划任务，使用模型解释原始图像中男孩的姿势，然后部署另一个模型来绘制输出。

微软有一个Github页面(在新选项卡中打开)您可以在基于Linux的PC上下载并试用Jarvis。该公司建议您使用Ubuntu(特别是过时的16LTS)，但我能够获得它的主要功能-基于终端的聊天机器人-在Ubuntu22.04LTS和Linux的Windows子系统上工作。

但是，除非您真的喜欢弄乱配置文件的想法，否则查看Jarvis的最佳方法是使用HuggingGPT(在新选项卡中打开)，微软研究人员在HuggingFace建立的基于Web的聊天机器人，这是一个在线AI社区，拥有数千个开源模型。

如果您按照以下步骤操作，您将拥有一个有效的聊天机器人，您可以向其显示图像或其他媒体，并要求它也输出图像。我应该指出，就像我尝试过的其他机器人一样，结果非常复杂。

如何设置和尝试微软贾维斯/拥抱GPT

1.获取OpenAPIAPI密钥(如果您还没有)。你可以在OpenAPI的网站上获得它(在新选项卡中打开)登录并单击“创建新密钥”。注册是免费的，您将获得免费的信用额度，但如果用完，则必须支付更多费用。将密钥存储在文本文件中等位置，以便轻松访问。一旦复制它，您将永远无法再次获得它。