本文展示了自然語言處理的下一步發展——模組化推理、知識和語言（ the Modular Reasoning, Knowledge and Language，簡稱為MRKL）系統以及LangChain和Semantic Kernel的實現。 MRKL 系統包括一個或多個語言模型，並透過外部知識源和符號推理專家來增強它們，這些專家可以處理神經模型無法處理的任務。
什麼是 MRKL 系統？
ChatGPT、GPT-4 等超級模型確實令人驚歎，並開啟了令人興奮的機會。 但這些模型也有內在的侷限性。 例如無法訪問公司的資料庫，無法訪問當前資訊（例如，最新的 天氣 或美元兌歐元匯率），無法推理（例如，他們的算術能力無法與之媲美1970 年代的 HP 計算器），更新成本高得令人望而卻步。
像 LangChain的Agent （https://github.com/hwchase17/langchain/tree/master/langchain/agents/mrkl） 和Semantic Kernel的 Planner（https://github.com/kaza/sk-iterative-planner）這樣的 MRKL 系統享有大型語言模型的所有優點。 以下是它的工作原理，參見：https://learnprompting.org/zh-Hans/docs/advanced_applications/mrkl。
當然，要完成所有這些工作還有很多細節和挑戰 ，比如訓練離散專家、平滑他們與神經網路之間的介面、在不同模組之間進行路由等等。 要更深入地瞭解 MRKL 系統、它們如何適應技術領域以及實施它們時遇到的一些技術挑戰，請參閱MRKL 論文。論文地址：https://arxiv.org/pdf/2204.10019.pdf
以下是它提供的一些功能。
- 以自由語言閱讀和更新您的資料庫
- 人工智慧輔助時事內容生成
- 執行簡單和複雜的數學運算。
- 分解多步問題
- 訪問不斷變化的資訊（天氣、貨幣匯率）
- 透明度和信任