¿Cómo pueden las empresas enviar sus datos de Mendix a ChatGPT para liberar su poder?

ChatGPT, la tecnología inteligente de vanguardia desarrollada por OpenAI , tiene el potencial de mejorar las soluciones de Mendix en varias industrias, incluido el servicio al cliente, la educación y la atención médica. ChatGPT puede comprender conversaciones humanas utilizando técnicas de aprendizaje profundo y proporcionar respuestas significativas.

La integración de ChatGPT en Mendix es increíblemente sencilla.

Como se muestra en el video anterior, uno puede preguntarle a ChatGPT sobre su producto más exitoso y por qué tiene éxito. Sin embargo, ChatGPT no conoce los productos, por lo que no puede proporcionar respuestas válidas. La respuesta radica en enviar sus datos de Mendix a ChatGPT, que depende de la cantidad de datos que desee proporcionar.

Adaptando ChatGPT a sus necesidades

El enfoque recomendado para una solución de nivel empresarial que utiliza grandes conjuntos de datos es el «entrenamiento de modelos», también conocido como » ajuste fino «. Sin embargo, este enfoque requiere recursos y mano de obra significativos, incluidos recursos de GPU y un equipo de científicos e ingenieros de datos. El ajuste fino puede llevar semanas o meses, y el modelo resultante debe evaluarse y actualizarse continuamente.

Para simplificar el proceso de proporcionar contexto a ChatGPT, un enfoque más sencillo consiste en aumentar las indicaciones y preguntas con datos de contexto relevantes. Si bien este método es más fácil de implementar, tiene limitaciones, que exploraremos más adelante.

Para demostrar este enfoque en Mendix para el caso de uso que se muestra en el video, se creó un Mapeo de exportación para exportar marcas y los detalles de sus productos relacionados a una cadena JSON. La cadena JSON resultante que contiene los datos de las marcas y los productos se agregó al aviso/preguntas como contexto:

Dado que el conjunto de datos en cuestión era relativamente pequeño, lo anterior funcionó bien. Sin embargo, existen varias limitaciones temporales asociadas con este enfoque, tales como:

-Se deben proporcionar datos de contexto para cada pregunta.

-Los datos de contexto tienen un tamaño limitado.

-Problemas de privacidad y seguridad, ya que las API de OpenAI tienen una funcionalidad limitada en estas áreas.

Si bien esta tecnología tiene limitaciones temporales, la API OpenAI de Microsoft Azure , actualmente disponible como versión preliminar de acceso limitado, ayudará con la mayoría de estas inquietudes. Azure OpenAI se ejecuta en los mismos modelos que OpenAI y tiene límites más flexibles, redes privadas, disponibilidad regional y filtrado de contenido de IA responsable. Otros proveedores de servicios en la nube también están trabajando las 24 horas para ofrecer capacidades de IA similares.

TL;RD

La integración de ChatGPT en Mendix puede cambiar las reglas del juego para las empresas, ya que proporciona capacidades de conversación mejoradas a sus aplicaciones. Para liberar el poder de ChatGPT, las empresas deben proporcionar datos relevantes al modelo de IA.

El enfoque recomendado para una solución de nivel empresarial que utiliza grandes conjuntos de datos es la capacitación o el ajuste fino del modelo, lo que requiere recursos y mano de obra significativos. Un enfoque más sencillo consiste en aumentar las indicaciones y preguntas con datos de contexto relevantes. Aún así, este enfoque tiene limitaciones, como la necesidad de proporcionar datos de contexto para cada pregunta, el tamaño limitado de los datos de contexto y las preocupaciones de privacidad y seguridad.

La API de Microsoft Azure OpenAI puede ayudar a aliviar la mayoría de estas preocupaciones con capacidades de API mejoradas, redes privadas, disponibilidad regional y filtrado de contenido de IA responsable.

Escríbenos para solicitar más información de Mendix.

    Post a comment

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

    a

    Magazine made for you.

    Featured:

    No posts were found for provided query parameters.

    Elsewhere:
    es_ESES