Jednym z powodów, dla których zdecydowanie warto korzystać z OpenAI Playground, jest możliwość regulacji temperatury modelu GPT. To niezwykle ważne ustawienie, które ma wpływ na jakość generowanego przez model tekstu. Wielu z nas spotkało się z sytuacją, kiedy nasz model zaczyna halucynować, czyli generować dziwaczne i niezrozumiałe teksty. Często jest to spowodowane zbyt wysoką temperaturą.
Standardowo, w przypadku modelu ChatGPT, temperatura jest ustawiona na 1.0. Choć to domyślne ustawienie, to w moim przekonaniu jest to za dużo, szczególnie dla profesjonalnych zastosowań. Dlatego jestem zwolennikiem ustawiania niższych temperatur.
Jakie temperatury ustawić dla różnych zastosowań?
Jestem zwolennikiem praktyki nie teorii, dlatego zamieszczam poniżej swoje ustawienia wypracowane przez miesiące korzystania z GPT.
0-0.2 – Generowanie i modyfikowanie kodu
Dla zastosowań związanych z generowaniem lub modyfikowaniem kodu, zalecam ustawienie temperatury w zakresie 0-0.2. Dzięki temu zapobiegniemy błędom w kodzie, które mają większe szanse wystąpienia przy dużej temperaturze.
0.1-0.3 – Pisanie konkretnych i precyzyjnych tekstów
Jeśli chcemy, aby nasz model generował teksty naukowe, raporty czy inne materiały o charakterze stricte informacyjnym, powinniśmy ustawić temperaturę w zakresie 0.1-0.3. Teksty te powinny być suche, konkretne i precyzyjne, a zbyt duża temperatura mogłaby spowodować, że model zacznie odbiegać od tematu.
0.2-0.5 – Poprawianie, transformacja i tłumaczenie tekstów
Jeśli naszym celem jest poprawianie, transformacja czy tłumaczenie tekstów, temperatura powinna wynosić od 0.2 do 0.5. Dzięki temu model nie odbiegnie zbytnio od oryginalnego tekstu.
0.4-0.8 – Generowanie tekstów ogólnego użytku
Dla zastosowań związanych z generowaniem tekstów ogólnego użytku, takich jak maile, wpisy na blogu czy teksty na stronę internetową, zalecam ustawienie temperatury w zakresie 0.4-0.8. W tym przypadku dopuszczamy większą kreatywność modelu.
0.8-1.0 – Tworzenie tekstów kreatywnych
Jeśli chcemy, aby nasz model generował teksty kreatywne, które mogą uciekać w różne ścieżki myślowe, powinniśmy ustawić temperaturę w zakresie 0.8-1.0. Jest to też najlepsze ustawienie do generacji idei.
1.0-1.2 – Tworzenie tekstów żartobliwych i pełnych slangu
Dla tekstów żartobliwych, pełnych slangu i dowcipów, temperatura powinna wynosić od 1.0 do 1.2. Taka temperatura pozwoli na bardzo wysoką kreatywność i halucynacje modelu.
Powyżej 1.2 – Obszar ryzyka
Ustawienie temperatury powyżej 1.2 to obszar ryzyka, w którym może dojść do załamania działania modelu. W pewnym momencie model może zacząć produkować bezsensowne treści.
Podsumowując, regulacja temperatury modelu GPT to jedno z kluczowych ustawień, które wpływają na jakość generowanego przez model tekstu. Dlatego warto korzystać z OpenAI Playground, które umożliwia łatwe dostosowanie tego parametru do naszych potrzeb.
Jest to jedno z wielu zagadnień, które omawiamy dogłębnie na szkoleniach z ChatGPT. Jeśli jesteś zainteresowany edukacją w tym kierunku zapraszamy!
W świecie, gdzie konkurencja jest na tyle duża, że firmy muszą wykorzystywać każdą możliwą strategię, aby przyciągnąć i zatrzymać klientów, personalizacja stała się nie tylko opcją, ale wręcz koniecznością. Dlatego przedstawiamy jak można wykorzystać GPT do personalizacji emaili w branży wycieczkowej, na przykładzie firmy organizującej wyjazdy zimowe w Alpy.
Jak GPT może pomóc w personalizacji emaili?
GPT jest typem sztucznej inteligencji, która wykorzystuje model języka do generowania tekstu. Ale jak to się ma do personalizacji emaili? Wyobraź sobie, że tworzysz kampanię emailową dla klientów zainteresowanych wyjazdem na narty do Alp. Zamiast wysyłać jeden szablon do wszystkich, GPT może generować unikalne treści dla każdego klienta, biorąc pod uwagę ich poprzednie interakcje, preferencje i zainteresowania.
Korzyści personalizacji emaili przy użyciu GPT
Większa skuteczność komunikacji – Personalizowane wiadomości mają większą szansę na otwarcie i przeczytanie, co bardzo mocno zwiększa szanse na konwersję.
Zbudowanie silniejszych relacji z klientami. Gdy odbiorcy otrzymują e-maile, które odpowiadają ich indywidualnym zainteresowaniom, buduje to zaufanie i lojalność.
Oszczędność czasu i wysiłku. GPT automatycznie generuje treści, co znacząco zmniejsza czas i wysiłek poświęcony na tworzenie wielu różnych wersji tego samego e-maila.
Jak to wygląda w praktyce
Aktualnie realizujemy projekt dla firmy organizującej wyjazdy zimowe w Alpy, która korzysta z GPT do personalizacji swoich emaili. Pracujemy nad systemem, który dla klienta, zawsze wybierającego luksusowe hotele i będącego entuzjastą snowboardingu, generuje wiadomości z informacjami o ekskluzywnych ofertach na pobyty w luksusowych hotelach w Alpach oraz najnowszych trendach w snowboardingu. Natomiast dla rodziny z małymi dziećmi, system tworzy e-maile zawierające informacje o rodzinnych pakietach i atrakcjach dla dzieci:
Czy Twoja firma jest gotowa na personalizację emaili z GPT?
Jeśli jesteś gotowy przetestować moc personalizacji emaili przy użyciu GPT w swojej firmie, my, jako firma specjalizująca się w rozwiązaniach AI, jesteśmy gotowi Ci pomóc. Skontaktuj się z nami już dzisiaj, aby dowiedzieć się więcej o tym, jak możemy Ci pomóc personalizować Twoje e-maile i zwiększyć efektywność Twojej kampanii marketingowej.
Wszystko zaczyna się od kontaktu, więc czekamy na Twój ruch. Pamiętaj, że najlepsze rezultaty osiąga się, gdy łączy się wiedzę branżową z nowoczesnymi technologiami. My dostarczamy technologię. Ty dostarczasz wiedzę o swoim biznesie. Razem możemy osiągnąć niezwykłe rezultaty.
Na ostatnich warsztatach z ChatGPT mieliśmy okazję zobaczyć, jak potężne możliwości daje połączenie umiejętności programisty z siłą sztucznej inteligencji.
Programista Java, który na co dzień pracuje dla naszego klienta, postanowił wykorzystać ChatGPT do stworzenia pluginu WordPress. Nigdy wcześniej nie pisał w PHP ani nie miał styczności z WordPressem. Mimo to, dzięki wsparciu GPT udało mu się w ciągu zaledwie 2 godzin napisać działający plugin!
Krok 1: Analiza wymagań
Na początku programista przeanalizował wymagania biznesowe. Plugin miał wyświetlać okienko z wiadomościami dla użytkowników oraz komunikować się z zewnętrznym API za pomocą REST. Programista zadał ChatGPT szereg pytań pomocnych w zrozumieniu co będzie potrzebne do realizacji zadania.
Krok 2: Zaprojektowanie architektury pluginu
Następnie programista poprosił ChatGPT o zaproponowanie optymalnej architektury pluginu i podziału na komponenty. Dzięki temu od razu miał jasną wizję, w jaki sposób plugin będzie zbudowany i gdzie dokładnie powinien dodać konkretne komponenty. Jak okazało się w opisie wygenerowanym przez GPT-4, wcale nie jest to skomplikowane!
Krok 3: Implementacja kodu źródłowego
W kluczowym kroku programista zaczął implementować kod źródłowy pluginu w PHP i WordPress. Poprzednie kroki mocno ułatwiły tę pracę. Programista po prostu zadawał ChatGPT pytania na temat konkretnych fragmentów kodu, a AI dostarczało gotowe rozwiązania, które następnie były wklejane do projektu.
Krok 4: Testowanie i debugowanie
Na koniec programista przetestował działanie pluginu na lokalnej instalacji WordPress. Gdy natrafił na błędy, wykorzystał wiedzę ChatGPT do ich debugowania i naprawienia. Na uwagę zasługuje też niesamowita pomoc w stylowaniu css, co jest zwykle bardzo nieprzyjemnym zadaniem.
Podsumowanie
To zadanie pokazało, że programiści mogą w znaczący sposób przyspieszać tworzenie oprogramowania wykorzystując ChatGPT. Nawet w nowych technologiach i językach programowania, z którymi nie mieli wcześniej styczności.
Dzięki potędze sztucznej inteligencji zadania, które normalnie zajmowałyby tygodnie pracy, można zrealizować w zaledwie kilka godzin. To ogromna zmiana, z której warto skorzystać już dziś. Jeśli stoisz przed podobnym wyzwaniem, rozważ wsparcie naszych ekspertów w twoim projekcie!
Chciałbym przedstawić wyniki warsztatu w zespole zajmującym się produkcją oprogramowania. To success story jest inne niż pozostałe, bo nie polega na prezentacji jednego konkretnego przykładu, tylko na sukcesie automatyzacji pracy teamu w wielu aspektach pracy. Zaprezentuję, jak profesjonalne szkolenia z GPT przyczyniły się do niesamowitego wzrostu wydajności programowania.
Sytuacja w teamie przed warsztatami
Zespół programistyczny sam zaczynał powoli zajmować się AI. Były to jednak próby niepełne i chaotyczne. Tylko kilku pracowników samo zaczęło używać generatywnego AI w swojej pracy w ograniczonym zakresie. Bardzo szybko stało się dla nas oczywiste, że pokłady możliwości w zespole są ogromne.
Szkolenia i warsztaty
Podczas szkoleń spotkaliśmy się z niedowierzaniem odnośnie tego, co ChatGPT potrafi. Okazało się, że nawet programiści mają trudności w uświadomieniu sobie, jak duża jest potęga tego narzędzia. Prosta prezentacja poprawnych przykładów użycia przyniosła bardzo dobre rezultaty, a na warsztatach rozgryźliśmy dużo konkretnych problemów.
Generacja kodu
Zespół aktualnie używa ChatGPT do generacji kodu. Jest to oczywiste i najczęstszy przykład użycia. Zaoptymalizowaliśmy tą czynność, pokazując co daje openai playground i ulepszyliśmy umiejętności prompt engineeringu. Pokazaliśmy, jak poradzić sobie z dużą ilością kodu i co zrobić, by ograniczyć błędy i halucynacje:
Przykłady niedocenionych przypadków użycia:
Generacja danych testowych
Jest to przypadek opisany przez nas tutaj. Generacja dużej ilości przykładowych danych jest zaskakująco mozolnym i długim zadaniem. Absolutnie nikt nie chce się zajmować takim zadaniem, co powoduje dużymi opóźnieniami w pracy. Dzięki umiejętnemu zastosowaniu GPT, problem znika na dobre.
Dokumentacja i opisy kodu
Jeśli firma stawia duży nacisk na idealną jakość kodu, opisy i udokumentowanie ma kluczowe znaczenie. Nadrabianie takiej dokumentacji to wyjątkowo żmudne zadanie. Wymaga zrozumienia każdej funkcji i wymyślenia wyczerpującego opisu słownego:
Troubleshooting i generacja idei
Spotkaliśmy się z niedowierzaniem, że ChatGPT może mieć wiedzę na tyle obszerną, by pomóc w bardzo specyficznym problemie, lub zasugerować rozwiązanie danego zadania. Otworzyliśmy oczy programistom na nowe możliwości wykorzystania ChatGPT, co zaowocowało wieloma ciekawymi ideami i sugestiami odnośnie rozwiązania istniejących problemów:
Tworzenie wyrażeń regularnych
ChatGPT jest bardzo sprawny w tworzeniu różnego rodzaju zapytań w przeróżnych językach. Zwykle tworzenie i testowanie wyrażeń regularnych jest czasochłonnym zajęciem. Dzięki ChatGPT to zadanie jest wielokrotnie szybsze.
Pliki konfiguracyjne
ChatGPT doskonale rozumie strukturę i użycie plików konfiguracyjnych. Niezależnie, czy chodzi o konfigurację projektu, czy środowiska, może udzielić nam pomocy, lub wygenerować od początku konfigurację.
Podsumowanie
Jak widać, warsztaty z GPT przyniosły zespołowi programistycznemu niesamowite korzyści. Umożliwiły nam zrozumienie pełni możliwości, jakie oferuje ChatGPT, i skuteczne wykorzystanie ich w codziennej pracy. Dzięki temu zespół stał się znacznie bardziej wydajny, a proces programowania – o wiele bardziej zautomatyzowany.
Zachęcamy każdego, kto chce zwiększyć wydajność swojego zespołu programistycznego, do zapoznania się z możliwościami, jakie oferuje GPT. To niesamowite narzędzie, które może przynieść korzyści każdemu zespołowi, niezależnie od specyfiki jego pracy.
Chciałbym podzielić się ciekawym przypadkiem z firmy produkującej oprogramowanie, w której potrzeba było dużo dobrej jakości danych testowych. Specyficzne wymagania projektu sprawiały wiele trudności, tak by dane testowe były sensowne i dobrze testowały system. Zespół deweloperski był sfrustrowany ciągłą potrzebą ręcznego tworzenia danych, co było niesamowicie nudnym i powtarzalnym zadaniem.
Czemu ten problem jest zaskakująco trudny do rozwiązania
Jest to dość często występujący problem, który powoduje ogromne marnowanie czasu, jeśli wymagania co do danych testowych są duże. Możliwe jest napisanie programów lub skryptów pobierających dane z określonych źródeł, lecz zwykle wiąże się to z kupnem baz danych i utratą ogromnej ilości czasu na programowanie specyficznego rozwiązania dla danych testowych. Dodatkowo, dane zewnętrzne często nie odpowiadają dokładnie potrzebom testów, więc i tak trzeba je ręcznie dostosowywać.
Pierwsze próby rozwiązania
Naiwne próby zmuszenia ChatGPT do generowania danych testowych kończą się problematycznie. Model odmawia dostarczenia dużej ilości przykładów:
Jak widać ChatGPT nie lubi podawać dużo danych testowych. Zdaje się, że jest problem z dużą ilością danych i ich jakość jest wątpliwa. Żeby użycie GPT tutaj miało sens, musimy znaleźć sposób na rozwiązanie tych problemów.
Eksperymenty na warsztacie szkoleniowym
Postanowiliśmy zaadresować te problemy, przechodząc do OpenAI Playground i zaczęliśmy eksperymentować z ustawieniami. Przede wszystkim polepszyliśmy prompt, dodając przykłady poprawnych danych testowych. Zastosowaliśmy technikę „few-shot learning” połączoną z inicjalizacją poprawnej odpowiedzi. Skorzystaliśmy też z bardziej odpowiedniego do zadania modelu GPT-3.5 Turbo 16k. Pomogło również ustawienie mniejszej temperatury generowania i maksymalnej długości odpowiedzi:
Wyniki interwencji na warsztacie
Jak widać na przykładzie, po poprawnym zastosowaniu prompta model był w stanie wygenerować sensowne, bogate w szczegóły dane testowe. Dzięki temu firma zaoszczędziła bardzo dużo kosztów, problemów i czasu pracowników. Teraz dane testowe mogą być tworzone szybko, sprawnie i z zachowaniem idealnej jakości i dopasowania do potrzeb:
To pokazuje, że odpowiednie użycie AI pozwala na rozwiązanie wielu problemów w testowaniu oprogramowania. Kreatywne wykorzystanie takich narzędzi może przynieść znaczące oszczędności i usprawnić pracę zespołów developerskich. Szkolenia z użycia ChatGPT pozwalają na rozwiązanie wielu problemów, które zwykle zdają się nie do przeskoczenia.
