Nè mọi người! và cũng giống như bạn, tôi rất thích thú với những tiến bộ gần đây của trí tuệ nhân tạo. Nhận thấy rằng tôi cần phải theo kịp mọi sự phát triển đang diễn ra, tôi quyết định bắt tay vào hành trình học tập cá nhân, thế là đã ra đời! Với loạt bài này, tôi sẽ tìm hiểu về LLM và chia sẻ ý tưởng, thử nghiệm, ý kiến, xu hướng và bài học thông qua các bài đăng trên blog của mình. Bạn có thể theo dõi hành trình trên HackerNoon hoặc trang web cá nhân của tôi . Trong bài viết hôm nay, chúng ta sẽ tìm cách xây dựng Hạt nhân ngữ nghĩa với sự trợ giúp của GPT-4. , Tôi là Nataraj 100 ngày AI tại đây tại đây Trong bài đăng này, chúng ta sẽ xem xét cách sử dụng AI để tư duy thiết kế cho một vấn đề kinh doanh nhất định. Vì lợi ích của ví dụ này, chúng tôi định nghĩa tư duy thiết kế như một loạt các bước được trình bày bên dưới. Bạn cũng có thể mở rộng ý tưởng này để thêm nhiều bước hơn và viết logic cho chúng. Để đặt bối cảnh, hãy lấy ví dụ về một gần đây đã nhận được một số phản hồi của khách hàng và sử dụng nó để áp dụng tư duy thiết kế AI và đưa ra các cách cải thiện hoạt động kinh doanh. Quán cà phê Chúng tôi sẽ sử dụng mô hình gpt-4 của Open AI và sử dụng Semantic Kernel của Microsoft để thực hiện tư duy thiết kế. Trong quá trình này, chúng ta cũng sẽ khám phá cách chúng ta có thể sử dụng khái niệm Plugin trong Kernel để dễ dàng sử dụng lại các Hàm ngữ nghĩa. Vì vậy, hãy đi sâu vào nó. : Bước 1 - Thiết lập hạt nhân Bước đầu tiên là tải khóa bí mật của Open AI từ tệp .env cục bộ, sau đó tạo phiên bản Kernel mới. Sau đó thêm dịch vụ vào Kernel. OpenAIChatCompletion : Bước 2 – Thêm phản hồi sử dụng & phân tích SWOT của doanh nghiệp Quán Cà Phê # 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? """ : Bước 3 – Tạo plugin cho tư duy thiết kế Plugin là gì? Hạt nhân ngữ nghĩa có tính năng này được gọi là Plugin nơi bạn có thể xác định các Hàm ngữ nghĩa đầu vào của chúng và có thể sử dụng lại chúng nhiều lần. Một plugin được tạo thành từ hai tệp a.json (chứa thông tin cấu hình cho LLM và các thông số đầu vào) & .txt (chứa lời nhắc tùy chỉnh). Đối với trường hợp sử dụng tư duy thiết kế, chúng tôi sẽ tạo 4 plugin. Bạn có thể tìm thấy mã cho cả 4 plugin . tại đây : Ghi nhận phản hồi của khách hàng và tách biệt cảm xúc, đồng thời đưa ra bản tóm tắt ngắn gọn cho từng cảm xúc mà khách hàng bày tỏ. Đồng cảm : Lấy đầu ra từ bước đồng cảm, phân loại phân tích trong bảng đánh dấu. Xác định các vấn đề và nguồn có thể của nó. Xác định : Lấy đầu ra từ bước trên và tạo ra các ý tưởng dưới dạng bảng đánh dấu có hai cột gọi là Quả treo thấp & Quả treo cao hơn. Ideate : Plugin này lấy các ý tưởng được tạo ở bước trước và đưa ra nguyên mẫu có độ phân giải thấp, do đó giải pháp có thể được thử nghiệm. PrototypeWithPaper Bước 4 – Kết hợp tất cả lại với nhau: Lưu ý rằng ở các bước trước, mặc dù tôi đã đưa ra mã cho bốn plugin, nhưng tôi vẫn giải thích những gì chúng làm trong bối cảnh Tư duy thiết kế. Tôi cũng đã hiển thị đầu ra mà họ sẽ tạo ra. Nhưng chúng tôi chưa thực sự gọi các plugin đó từ mã của mình. Hãy làm điều đó bây giờ như hình dưới đây. ## 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()) Bạn đã thấy kết quả mà cả 4 bước tạo ra ở bước trước. Lưu ý cách Kernel thực hiện cuộc gọi hết lần này đến lần cắm khác chỉ trong một cuộc gọi. Để kết luận, đây là những gì chúng tôi đã làm. Chúng tôi đã viết lời nhắc tùy chỉnh và tạo plugin rồi đặt chúng vào thư mục có tên . Và sau đó sử dụng Kernel để gọi cho họ bằng cách sử dụng phân tích SWOT & Phản hồi của khách hàng dành cho Quán cà phê. Giờ đây, bằng cách thay đổi phân tích SWOT và lấy phản hồi của khách hàng về một vấn đề kinh doanh khác, bạn có thể tư duy thiết kế và đưa ra giải pháp MVP để khắc phục vấn đề của mình. plugin-sk Mặc dù cốt lõi của nó là 4 lời nhắc tùy chỉnh, nhưng phương pháp này nêu bật cách Kernel giúp việc phát triển các mục tiêu phức tạp bằng AI trở nên dễ dàng và có thể quản lý được bằng các plugin. Vậy là xong Ngày thứ 10 trong 100 ngày của AI. Tôi viết một bản tin có tên Trên mức trung bình, nơi tôi nói về những hiểu biết sâu sắc thứ hai đằng sau mọi thứ đang diễn ra trong ngành công nghệ lớn. Nếu bạn làm trong lĩnh vực công nghệ và không muốn ở mức trung bình, . hãy đăng ký theo dõi Theo dõi tôi trên , hoặc ** ** để biết thông tin cập nhật mới nhất về 100 ngày của AI. Nếu bạn làm trong lĩnh vực công nghệ, bạn có thể muốn tham gia cộng đồng các chuyên gia công nghệ của tôi . Twitter LinkedIn HackerNoon tại đây Trước 100 ngày sử dụng AI, Ngày 9: AI có thể tạo ra phân tích SWOT cho ý tưởng kinh doanh của bạn không?
