100 jours d'IA Jour 3 : Tirer parti de l'IA pour une ingénierie et une inférence rapides

J'écris une newsletter intitulée Above Average, dans laquelle je parle des idées de second ordre derrière tout ce qui se passe dans la grande technologie. Si vous aimez la technologie et que vous ne voulez pas être dans la moyenne, abonnez-vous .

L'inférence est essentiellement un moyen d'extraire des informations, des sentiments et des tendances à l'aide d'invites intelligentes tout en interagissant avec les LLM.

Auparavant, avant les LLM, chacune de ces tâches nécessitait ses propres modèles, formation, déploiement et maintenance. Mais avec l'explosion d'OpenAI et d'autres LLM, l'inférence vous permet d'améliorer vos produits en tirant parti des LLM, et vous n'avez pas besoin d'être un data scientist ou un ingénieur en apprentissage automatique pour le faire.

Exemple 1 : Disons que vous exploitez un site Web de commerce électronique et que vous souhaitez extraire le sentiment des avis des clients. Vous pouvez le faire en utilisant l'invite suivante. Dans ce cas, je fournis le texte de révision et l'invite que vous pouvez utiliser. Vous pouvez utiliser votre méthode préférée pour l'exécuter sur l'API d'Open AI. J'ai pris une vraie critique d'Amazon pour une boîte à lumière que j'ai achetée pour cet exemple.

 from openai import OpenAI client = OpenAI() client.api_key = 'YOUR_SECRET_KEY' amazon_review = f""" This softbox lighting system is a great value for the price. They were super easy to set and offer multiple types of lighting, with dimmer and remotes for each light. They are lightweight which means they can topple over if bumped. But that was an easy problem to solve. I just created some weights out of an old pair of socks and some dried beans. You could use rice or sand also. Or just buy sandbags. I like to DIY. Anywho, I highly recommend this lighting system. """ story = """ prompt = f""" Identify the following items from the review text: - Sentiment (positive or negative) - Is the reviewer expressing anger? (true or false) - Item purchased by reviewer - Company that made the item The review is delimited with triple backticks. \ Format your response as a JSON object with \ "Sentiment", "Anger", "Item" and "Brand" as the keys. If the information isn't present, use "unknown" \ as the value. Make your response as short as possible. Format the Anger value as a boolean. Review text: '''{amazon_review}''' """ response = client.chat.completions.create( model="gpt-4", messages=[ { "role": "user", "content": prompt } ], temperature=0, #max_tokens=64, #top_p=1 ) print(response.choices[0].message.content)

Le résultat que j'ai obtenu est le suivant :

{« Sentiment » : « positif », « Colère » : faux, « Objet » : « système d'éclairage softbox », « Marque » : « inconnu »}

Il s'agit d'un exemple intéressant montrant la puissance de la déduction à l'aide de l'API d'Open AI. Aujourd'hui, Amazon est une grande entreprise qui utilise déjà l'IA pour proposer des fonctionnalités, et l'une des récentes mises à jour de la page semble viser à résumer toutes les critiques sous le produit. Voici à quoi cela ressemble pour le même produit.

Pensez-vous qu'il peut être recréé en utilisant la déduction à partir d'un ensemble d'avis clients ? Je pense que oui. Si vous parvenez à comprendre cela, contactez-moi sur Twitter et faites-le moi savoir.

Exemple 2 : disons que vous gérez un site Web d'actualités et que vous souhaitez trouver les sujets sur lesquels porte un article sans le lire réellement. Pouvez-vous le faire à l'aide d'une invite et le déduire ? Oui, vous pouvez. Voici un exemple d'article à partir duquel je déduis les sujets mentionnés dans cet article.

 from openai import OpenAI client = OpenAI() client.api_key = 'YOUR_SECRET_KEY' article = """ It hasn't been the best start to 2024 for Elon Musk. The owner of X, formerly known as Twitter, appealed to YouTube's biggest star MrBeast to post his videos on the platform, and was promptly rejected. On Dec. 30, 2023, MrBeast, whose real name is Jimmy Donaldson, posted on X to announce his latest video release was available on YouTube: "I uploaded, go watch or I'll drop kick you." Donaldson had uploaded a 20-minute long video to YouTube, in which he chronicled spending a week in solitary confinement. These types of videos, in which Donaldson challenges either himself or an individual with an extreme task, have earned him worldwide notoriety. The social media mastermind earned an estimated $82 million in 2023, and with more than 225 million subscribers on his main channel alone, is the platform's biggest name. After Donaldson posted the appeal to head to YouTube on X, one fan replied: "Upload on this platform too," which is when Elon Musk chimed in with: "Yeah." Musk, the CEO of Tesla and owner of X, has been trying to drum up interest from video viewers since taking over the social media platform in 2022. Schemes have included launching a media partnership with heiress Paris Hilton—which has since been axed—as well as streaming shows from the likes of former Fox star Tucker Carlson. Musk, now with the help of CEO Linda Yaccarino, has also attempted to drum up revenue by launching premium subscription services on the site, which—among other things—allow for users to appear as "verified" and send DMs to other accounts. The moves have been necessary after droves of advertisers left the site over fears their branding would appear beside unregulated content. Musk, a fierce proponent of free speech, has refused to cow to concern from advertisers about how X will prevent their messages from reportedly appearing beside Nazi propaganda, for example. But Musk's attempt to get MrBeast's content on his site—not even exclusively—was rebuffed by the creator. Donaldson replied to Musk directly: "My videos cost millions to make and even if they got a billion views on X it wouldn't fund a fraction of it :/ I'm down though to test stuff once monetization is really cranking!" The polite rebuttal contrasts with the firm interest Donaldson had previously taken in Twitter. Indeed, Donaldson's bio still reads "X Super Official CEO," harking back to the times when speculation was rife about who would take over the day-to-day running of the platform from the ever-busy Musk. """ prompt = f""" Determine five topics that are being discussed in the \ following text, which is delimited by triple backticks. Make each item one or two words long. Format your response as a list of items separated by commas. Text sample: '''{article}''' """ response = client.chat.completions.create( model="gpt-4", messages=[ { "role": "user", "content": prompt } ], temperature=0, #max_tokens=64, #top_p=1 ) print(response.choices[0].message.content)

La sortie est :

 Elon Musk, Social Media Platforms, YouTube Content, Advertising Concerns, Monetization Strategies

Assez précis, non ?

ALERTE D'IDÉE DE PRODUIT AI : application Shopify pour résumer et extraire des informations à partir des avis des clients. Cette application doit être lancée dans la boutique d'applications Shopify. Je ne serais pas surpris si Shopify le lançait nativement. En utilisant simplement une ingénierie rapide avec une API IA ouverte, ce serait une application qui pourrait être lancée en quelques jours.

Voilà pour le jour 3.

Suivez-moi sur Twitter pour les dernières mises à jour sur 100 jours d'IA, ou ajoutez cette page à vos favoris .

Également publié ici .