Otonom Ajanlar ile çalışma fırsatını paylaşıyor ve onların gücüne ilk elden tanık oluyoruz. Yapay zeka destekli otonom aracılar endüstrilerde devrim yaratma ve yaşama şeklimizi değiştirme potansiyeline sahip. Ancak her teknolojide olduğu gibi iyiye de kötüye de kullanılabilirler. Öyleyse, canlı örnekler ve sonundaki ilgi çekici bir eğitim aracılığıyla bunları nasıl kullanabileceğimizi keşfedelim.  Uzun lafın kısası  Özetle, Otonom Acenteler   tarafından depolarında malları almak ve paketlemek için kullanılıyor. Coca-Cola, üretim tesislerini güvenlik ve bakım açısından kontrol etmek için otonom dronları kullanıyor, Tesla ise ulaşım için araçlarında otonom sürüş teknolojisini kullanıyor. Amazon  Geçen ay GitHub'da 2 büyük depo ortaya çıktı: Auto GPT ve Baby AGI.  Temel olarak, farklı türdeki görevleri özerk bir şekilde geliştirmek ve yönetmek için   gibi Yüksek Lisans'ları kullanıyorlar. Başka bir deyişle, yönetmeniz için SİZE ihtiyaçları yok! Sizden herhangi bir katkı almadan, bundan sonra ne yapacaklarını kendi başlarına belirleyebilirler. Böylece sizin için görevleri yerine getirecek akıllı aracıları görevlendirebilir ve rahatlayabilirsiniz 🙂 GPT-4  Hackathon'lar Sorunları Düzeltmeye Nasıl Yardımcı Olur?  İnsanlara daha fazla iyi şey gösterirseniz, bu iyi kısım hayatlarının çoğunu alacaktır. Bir kişinin seçimlerini bu şekilde yönetebilirsiniz. Bir sır değil - Seçimlerimiz pazarlamacılar tarafından kontrol ediliyor, her zaman iyilik adına değil ama gerçek şu ki, Yapay Zekayı İyilik için kullanmalıyız!    düzenlediği hackathon'da Mentorlar, modern teknolojinin nasıl kullanılabileceğini anlattı. Hayatımı nasıl değiştirdi? Artık geleceğin gidişatını görebiliyorum, geleceğin mesleklerini biliyorum, meraklıların yeni dönem neslinin bir sonraki Steve Jobs'u olacağı alanları biliyorum. Drone gösterisini gördünüz mü? Markalar zaten reklamlarını doğrudan havada yayınlıyor. Lablab.ai'nin  Şimdi gelişim için kaç tane vektör olduğunu hayal edin. 0 rekabet ile kendi reklam şirketinizi oluşturmak ister misiniz? Modern teknolojiyle öne çıkan bir tıp merkezi mi yaratmak istiyorsunuz? Rutininizi otomatikleştirmek ve ailenizle daha fazla zaman geçirmek ister misiniz? Şaşırtıcı olan şey, hepsini tek bir yerde bulmamdı: bir ekip, yeni bir girişim, fikirler, yenilikler, tarihe iz bırakma arzusu. Bu arada, her şey 48 saat içinde oldu; az önce bir reklama rastladım.   Ama şimdi…   AI Aracıları eğitimi: AI Aracıları nasıl kullanılır ve oluşturulur?  giriiş  Yapay Zeka Aracıları, belirli bir görevi kendi başlarına çözme yetenekleri sayesinde hızla popülerlik kazanıyor. Sanırım   ,   veya   gibi projeleri duymuşsunuzdur. Bugün en azından kısmen nasıl çalıştıklarını öğreneceksiniz! AutoGPT BabyAGI CAMEL  Yapay Zeka Aracısı nedir?  AI Agent, belirli, genellikle önceden tanımlanmış bir hedefe veya hedefler dizisine ulaşmak için kararlar almak, araçları seçmek ve eylemlerde bulunmak üzere tasarlanmış bir bilgisayar sistemidir. Temsilci otonom olarak çalışır ve operasyonlarında nadiren insan müdahalesine ihtiyaç duyar.  Şu anda Yapay Zeka Ajanlarının bu kadar çok ilgi odağı olmasını sağlayan şey, doğru güçlü araçların yanı sıra kendine güvendir. Onlar kesinlikle bizim geleceğimiz ve bu teknolojiye aşina olmaya değer.  AI Aracıları nasıl kullanılır?  Şu anda Agent'ları denemek için çeşitli seçenekler bulunmaktadır.   gibi kullanıma hazır çözümleri seçebilirsiniz. Ekibimiz zaten onlarla çalışmış olabilir, platformumuzda eğitimler bulabilirsiniz. AutoGPT  Diğer bir seçenek de Aracıyı kendiniz oluşturmaktır. Ben de bu yolu seçeceğim. Bunun için   kullanacak. Büyük Dil Modellerine dayalı uygulamalar oluşturmak için oluşturulmuş bir çerçevedir. Çok güçlüdür ve Modeller ve Temsilcilerle çalışmayı önemli ölçüde kolaylaştırır! LangChain'i  Kodlama kısmı  Ajanları neden öğrenmeye değer olduğunu zaten biliyoruz. Şimdi çalışmaya başlayalım ve kendimize ait bir şey yaratmaya çalışalım!  Proje yapısı  Yeni bir dizin oluşturarak ve Python ortamını başlatarak başlayalım.   mkdir ai-agents cd ai-agents python3 -m venv venv # Linux / MacOS source venv/bin/activate # Windows .\venv\Scripts\activate  Bağımlılıklar  Gerekli araçları yükleyerek başlayalım. LLM ve Agent'larla çalışmak için   , harici API'lere istekte bulunmak için   , OpenAI modellerinin daha kolay kullanımı için   SDK'ya ve web araması için   ihtiyacımız olacak. langchain requests openai duckduckgo-search   !pip install langchain !pip install openai !pip install requests !pip install duckduckgo-search  Artık kütüphaneleri içe aktarabiliriz.   import requests from langchain import OpenAI from langchain.agents import initialize_agent, load_tools, Tool from langchain.chains import LLMChain from langchain.prompts import PromptTemplate from langchain.tools import DuckDuckGoSearchRun  Bu noktada LLM'yi OpenAI'den tanımlamak istiyorum. Bu eğitim için GPT-3 kullanacağım. Diğer modellerle oynayabilirsiniz. Ayrıca bu model için başlangıç istemini tanımlayıp bir zincir oluşturacağım.   OPENAI_API_KEY = "sk-..." llm = OpenAI( openai_api_key=OPENAI_API_KEY, temperature=0.8, model_name="text-davinci-003" ) prompt = PromptTemplate( input_variables=["query"], template="You are New Native Internal Bot. Help users with their important tasks, like a professor in a particular field. Query: {query}" ) llm_chain = LLMChain(llm=llm, prompt=prompt)  Modeli Herhangi Bir Alet Olmadan Test Edin  Şimdi modelimizin sorularımızla karşılaştığımızda nasıl davrandığını görelim. Bakalım lablab.ai'nin ne olduğunu ve integrali nasıl halledeceğini biliyor mu?   llm_chain.run("What is lablab.ai")  Lablab.ai, işletmelere operasyonlarını kolaylaştırmaya ve daha verimli hale getirmeye yardımcı olmak için yapay zeka ve Makine Öğrenimi destekli çözümler sunan bir teknoloji platformudur. Doğal Dil İşleme, Makine Görme, Otomasyon ve diğer sektöre özel çözümler gibi bir dizi yapay zeka hizmeti sunar. İşletmelerin müşteri deneyimlerini iyileştirmelerine, maliyetleri azaltmalarına ve üretkenliği artırmalarına yardımcı olmak için tasarlanmıştır.   llm_chain.run("Integral of x * (log(x)^2)")  Cevap x^2 log(x)^3 / 3 + C'dir; burada C isteğe bağlı bir entegrasyon sabitidir.  Gördüğünüz gibi her iki cevap da yanlış. İntegralin doğru değeri:   . Öte yandan lablab.ai'nin ne olduğunu kimseye açıklamama gerek yok sanırım 😉. 1/4 x^2 (1 - 2 log(x) + 2 log^2(x))  Yanlış yanıtlar, Yüksek Lisans'ın aritmetik becerilerindeki eksiklikten ve güncel bilgi eksikliğinden kaynaklanmaktadır.  Kullandığımız modelin Eylül 2021'e kadar bilgileri var. Lablab.ai platformu daha sonra oluşturuldu. Ancak her iki sorun için de çözümlerimiz var!  Aracı için Araçlar Hazırlayın  Sorunlarımızla başa çıkmak için Aracı ve Araçlar'ı kullanmak iyi bir fikir olacaktır. Bir İnternet arama aracı kullanabiliriz; bu, güncel bilgileri aramamıza olanak tanır. Bu, modelimizin bilgi kapsamını günümüze kadar genişletecektir! Zaten sadece LangChain'den ithal edeceğimiz hazır bir araç var! Sayma sorununun çözümü   API'sidir. Matematik problemlerini çok iyi halledebilir! Şiddetle tavsiye ederim. Wolfram Alpha'nın  Bir arama aracı oluşturarak başlayalım. Adı   ve daha önce import etmiştik. DuckDuckGoSearchRun   search = DuckDuckGoSearchRun() # Web Search Tool search_tool = Tool( name = "Web Search", func=search.run, description="A useful tool for searching the Internet to find information on world events, issues, etc. Worth using for general topics. Use precise questions." )  Bu kadar basit! Şimdi matematik problemlerini çözmek için bir araç oluşturalım. Bunun için özel bir sınıf oluşturacağız.   tarafından oluşturulan birçok API var, ancak ben en basitlerinden birini kullanacağım. Wolfram Alpha   class WA: """ Wolfram|Alpha API """ def __init__(self, app_id): self.url = f"http://api.wolframalpha.com/v1/result?appid={app_id}&i=" def run(self, query): query = query.replace("+", " plus ").replace("-", " minus ") # '+' and '-' are used in URI and cannot be used in request result = requests.post(f"{self.url}{query}") if not result.ok: raise Exception("Cannot call WA API.") return result.text  Bu API, isteği doğal dilde ele alacak ve sonucu döndürecektir. Bizim için mükemmel olacak!   yöntemi bunu halledecektir! Şimdi aracımızı tanımlayalım. run   WA_API_KEY = "<WA_API_KEY>" # You can get it here: https://products.wolframalpha.com/api/ wa = WA(app_id=WA_API_KEY) wa_tool = Tool( name="Wolfram|Alpha API", func=wa.run, description="Wolfram|Alpha API. It's super powerful Math tool. Use it for simple & complex math tasks." )  Aracı oluşturun ve performansı test edin  Tamam, son adım bir Aracı oluşturmak, ona Araçlar vermek ve sonuçları kontrol etmek olacaktır. Hadi yapalım!   agent = initialize_agent( agent="zero-shot-react-description", tools=[wa_tool, search_tool], llm=llm, verbose=True, # I will use verbose=True to check process of choosing tool by Agent max_iterations=3 )  Önceki istemlere göz atalım!   r_1 = agent("What is lablab.ai?") print(f"Final answer: {r_1['output']}") r_2 = agent("Integral of x * (log(x)^2)") print(f"Final answer: {r_2['output']}")   Önceki Yanıtlar:  Lablab.ai, işletmelere operasyonlarını kolaylaştırmaya ve daha verimli hale getirmeye yardımcı olmak için yapay zeka ve Makine Öğrenimi destekli çözümler sunan bir teknoloji platformudur. Doğal Dil İşleme, Makine Görme, Otomasyon ve diğer sektöre özel çözümler gibi bir dizi yapay zeka hizmeti sunar. İşletmelerin müşteri deneyimlerini iyileştirmelerine, maliyetleri azaltmalarına ve üretkenliği artırmalarına yardımcı olmak için tasarlanmıştır.  Cevap x^2 log(x)^3 / 3 + C'dir; burada C isteğe bağlı bir entegrasyon sabitidir.   Yeni Yanıtlar:    , yapay zeka araçlarına ve teknolojilerine adanmış bir platformdur. Yapay zeka eğitimleri, hackathon'lar, en son teknolojiye sahip dil modellerine erişim ve daha fazlasını sunar. lablab.ai  x^2/4 + 1/2 x^2 log^2(x) - 1/2 x^2 log(x)  Çözüm  Araçlar ile görebileceğiniz gibi sonuçlar çok daha iyi! İntegral doğru sayılırken, lablab.ai platformuyla ilgili sorunun cevabı da daha kaliteli. Bu, basit araçların eklenmesinin yanıtların doğruluğunu artırmaya nasıl yardımcı olduğunu gösteriyor. Sanırım bu yüzden şimdi zaman ayırmaya değer, böylece gelecekte LLM ile çalışmalarımıza daha da iyi bir şekilde yardımcı olabiliriz!  Neler geliştirilebilir?  Uygulamaları geliştirmek için diğer   türlerini denemenizi önerir, onlar için hafızayı kullanmak da faydalı olacaktır, burada   kullanışlı olabilir. Neyse ki   de onları destekliyor! Ajan Vektör Veritabanları LangChain

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

This writer has a vested interested be it monetary, business, or otherwise, with 1 or more of the products or companies mentioned within.

Build with AI!

Win $$$ on AI Hackathon 

Hire Me

Bu ses hikayenin orijinal dilinde üretilmiştir!

Yapay Zeka Odaklı Otonom Aracılar - Yapay Zekanın Geleceği

About Author

YORUMLAR

ETİKETLERİ ASIN

BU YAZI

Related Stories

HackerNoon Kendi Ana Dilinizde 🆕 ‼️ Teknoloji Blog Yazıları için 77 Dil Ana Sayfası

Dijital Göçebeler Dinleyin: Tayland'ın Yeni DTV Vizesi Hakkında Bilmeniz Gerekenler

Kullanıcı Odaklı Kripto Ürünleri Oluşturma: Müşteri Geri Bildiriminin Önemi

Benzersiz Bir Ekosistemi Güçlendiren Bitcoin UTXO Modeli

HackerNoon Kendi Ana Dilinizde 🆕 ‼️ Teknoloji Blog Yazıları için 77 Dil Ana Sayfası

Dijital Göçebeler Dinleyin: Tayland'ın Yeni DTV Vizesi Hakkında Bilmeniz Gerekenler

Kullanıcı Odaklı Kripto Ürünleri Oluşturma: Müşteri Geri Bildiriminin Önemi

Benzersiz Bir Ekosistemi Güçlendiren Bitcoin UTXO Modeli

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps