Всем привет! и, как и вы, я очарован недавним прогрессом в области искусственного интеллекта. Понимая, что мне нужно быть в курсе всех происходящих событий, я решил отправиться в личный путь обучения, так родились ! В этой серии я буду узнавать о LLM и делиться идеями, экспериментами, мнениями, тенденциями и знаниями в своих сообщениях в блоге. Вы можете следить за этим путешествием на HackerNoon или на моем личном сайте . В сегодняшней статье мы рассмотрим создание семантического ядра с помощью GPT-4. , Я Натарадж 100 дней ИИ здесь здесь В этом посте мы рассмотрим, как использовать ИИ для дизайнерского мышления для решения конкретной бизнес-задачи. Ради этого примера мы определяем дизайн-мышление как серию шагов, показанных ниже. Вы также можете расширить эту идею, добавив больше шагов и написав для них логику. Чтобы задать контекст, давайте возьмем пример , которая недавно получила отзывы клиентов, и воспользуемся ею, чтобы применить дизайнерское мышление ИИ и найти способы улучшения бизнеса. кофейни Мы будем использовать модель gpt-4 Open AI и семантическое ядро Microsoft для дизайнерского мышления. Попутно мы также рассмотрим, как можно использовать концепцию плагинов в ядре, которая упрощает повторное использование семантических функций. Итак, давайте перейдем к делу. : Шаг 1 – Настройка ядра Первый шаг — загрузить секретный ключ Open AI из локального файла .env, а затем создать новый экземпляр ядра. Затем добавьте в ядро службу . OpenAICchatCompletion : Шаг 2. Добавьте отзывы об использовании и SWOT-анализ бизнеса кофеен # SWOT questions strength_questions = ["What unique recipes or ingredients does the coffee shop use?","What are the skills and experience of the staff?","Does the coffee shop have a strong reputation in the local area?","Are there any unique features of the shop or its location that attract customers?", "Does the coffee shop have a strong reputation in the local area?", "Are there any unique features of the shop or its location that attract customers?"] weakness_questions = ["What are the operational challenges of the coffee shop? (eg, slow service, high staff turnover, not having wifi)","Are there financial constraints that limit growth or improvements?","Are there any gaps in the product offering?","Are there customer complaints or negative reviews that need to be addressed?"] opportunities_questions = ["Is there potential for new products or services (eg, delivery, food along with coffee)?","Are there under-served customer segments or market areas?","Can new technologies or systems enhance the business operations?","Are there partnerships or local events that can be leveraged for marketing?"] threats_questions = ["Who are the major competitors and what are they offering?","Are there potential negative impacts due to changes in the local area (eg, construction, closure of nearby businesses)?","Are there economic or industry trends that could impact the business negatively (eg, increased ingredient costs)?","Is there any risk due to changes in regulations or legislation (eg, health and safety, employment)?"] # SWOT answers strengths = [ "Unique coffee recipe that wins top awards","Owner trained in Sicily","Strong local reputation","Prime location on university campus" ] weaknesses = [ "High staff turnover","Floods in the area damaged the seating areas that are in need of repair","Absence of popular mocha latte from menu","Negative reviews from younger demographic for lack of hip ingredients" ] opportunities = [ "Untapped work from anywhere potential as they dont have wifi","Growing local tech startup community","Unexplored online presence and order capabilities","Upcoming annual food fair" ] threats = [ "Competition from big coffee chains nearby","There's nearby street construction that will impact foot traffic","Rising cost of coffee beans will increase the cost of coffee","No immediate local regulatory changes but it's election season" ] # Customer comments some positive some negative customer_comments = """ Customer 1: The seats look really raggedy. Customer 2: The americano is the best on this earth. Customer 3: I've noticed that there's a new server every time I visit, and they're clueless. Customer 4: Why aren't there any snacks? Customer 5: I love the coffe blend they use and can't get it anywhere else. Customer 6: The dark roast they have is exceptional. Customer 7: why is there no wifi? Customer 8: Why is the regular coffee so expensive? Customer 9: There's no way to do online ordering. Customer 10: Why is the seating so uncomfortable and dirty? """ : Шаг 3 – Создание плагинов для дизайнерского мышления Что такое плагин? В семантическом ядре есть функция под названием «Плагины», где вы можете определять семантические функции на их входах и повторно использовать их. Плагин состоит из двух файлов: .json (содержит информацию о конфигурации для LLM и входных параметрах) и .txt (содержит пользовательскую подсказку). Для варианта использования дизайн-мышления мы собираемся создать 4 плагина. Код всех 4 плагинов вы можете найти . здесь : принимает отзывы клиентов, изолирует их настроения и дает краткое изложение каждого чувства, выраженного клиентом. Сочувствовать : принимает выходные данные этапа эмпатии, классифицирует анализ в таблице уценок. Определяет проблемы и их возможные источники. Определить : берет результаты предыдущего шага и генерирует идеи в виде таблицы уценок с двумя столбцами: «Низко висящие плоды» и «Высоко висящие плоды». Идея : этот плагин использует идеи, созданные на предыдущем шаге, и создает прототип с низким разрешением, чтобы можно было протестировать решение. PrototypeWithPaper Шаг 4 – Собираем все вместе: Обратите внимание: хотя на предыдущих шагах я дал код для четырех плагинов, я объяснил, что они делают в контексте дизайн-мышления. Я также показал результат, который они сгенерируют. Но на самом деле мы не вызывали эти плагины из нашего кода. Давайте сделаем это сейчас, как показано ниже. ## access design thiking plugin pluginsDirectory = "./plugins-sk" pluginDT = kernel.import_semantic_skill_from_directory(pluginsDirectory, "DesignThinking"); async def run_designthinking_async(): my_result = await kernel.run_async(pluginDT["Empathize"], pluginDT["Define"], pluginDT["Ideate"], pluginDT["PrototypeWithPaper"], input_str=customer_comments) display(my_result) asyncio.run(run_designthinking_async()) Вы уже видели результат, который генерируют все 4 шага на предыдущем шаге. Обратите внимание, насколько просто ядро позволяет вызывать один плагин за другим за один вызов. В заключение, вот что мы сделали. Мы написали собственные подсказки, сделали их плагинами и поместили их в папку под названием . А затем использовал Kernel, чтобы позвонить им, используя SWOT-анализ и отзывы клиентов о кофейне. Теперь, изменив SWOT-анализ и приняв отзывы клиентов по другой бизнес-проблеме, вы можете заняться дизайнерским мышлением и найти MVP-решение для решения вашей проблемы. «plugins-sk» Несмотря на то, что в основе этого метода лежат четыре настраиваемых запроса, этот метод показывает, как Kernel делает разработку сложных целей с помощью ИИ простой и управляемой с помощью плагинов. Вот и все, что касается 10-го дня из 100 дней ИИ. Я пишу информационный бюллетень под названием «Выше среднего», в котором рассказываю об идеях второго порядка, стоящих за всем, что происходит в больших технологиях. Если вы разбираетесь в технологиях и не хотите быть средним, . подпишитесь на него Следуйте за мной в , или ** **, чтобы получать последние новости о 100 днях ИИ. Если вы работаете в сфере технологий, возможно, вам будет интересно присоединиться к моему сообществу технических специалистов . Twitter LinkedIn HackerNoon здесь Предыдущий 100 дней ИИ, день 9: Может ли ИИ провести SWOT-анализ вашей бизнес-идеи?
