AIGC:让生成式AI成为自己的外脑_成生辉_AZW3_MOBI_EPUB_PDF_电子书(无页码)_成生辉
内容节选
第二节AI文本生成的垂直应用 纵观2022年,在AI文本生成领域最火爆的话题莫过于ChatGPT。或许ChatGPT现在仅仅是大家茶余饭后讨论的新热点,或者是大家心血来潮时尝试的玩具,但我们不可否认它确实展现了无穷的潜力。相关从业者如今不仅努力研发更智能的大语言模型以及类ChatGPT应用,他们还在思考如何对类ChatGPT应用进行二次开发,进一步激发它的潜力。举例来说,OpenAI公司推出了基于ChatGPT的Plugin插件,让ChatGPT可以接入到各种应用中,帮助用户完成日常琐事,让ChatGPT成为更全面的“Siri”或是“小度”。无独有偶,微软公司也尝试将ChatGPT集合进自家的搜索引擎“必应搜索”(Bing),并借助ChatGPT的优势一度将自家的搜索引擎推到最受欢迎排行榜的第一位。 图4.4呈现了类ChatGPT应用可能适用的实际场景与相应领域。类ChatGPT应用经过二次开发可以应用于专业客服、智能搜索、智能创作这三个场景中,涵盖金融、医疗、政务、银行、互联网、教育、科学研究、文娱、广告、动画和设计等领域。下面,我们深入到这三个具体的应用场景中,介绍如何对类ChatGPT应用进行二次开发,以满足各种垂直领域需求;讨论在二次开发过程中可能会遇到哪些问题;了解类ChatGPT应用在这些应用场景中具备什么优点。 图4.4 类ChatGPT应用场景概览 一、专业客服 作为一个用户,你是否因客服不能提供24小时服务而烦恼?你是否因为客服的失误造成损失?你是否因为事情紧急、态度不好导致咨询困难?反过来,作为一名客服人员,你是否因为被要求24小时坚守岗位而情绪崩溃?你是否因为工作时间过长而产生失误?你是否因为客户的误解而感到委屈?好消息是,现在类ChatGPT产品可以同时解决用户和客服人员的烦恼! 当然,类ChatGPT产品不可能完全替代人工,因为算法即使再强大,它也不会像人类一样可以灵活变通。因此,让类ChatGPT产品辅助客服人员开展日常工作是一种有效的方法。一个已经落地的辅助方式是让类ChatGPT产品完成一些简单的客服任务,为客服人员减轻工作压力,使其有更充沛的精力去完成复杂的任务。比如,过去在餐饮行业中,智能算法可帮助客人完成在线预订、开发票等简单的任务;对于比较困难的任务,比如介绍餐厅特色、为客人规划就餐时间等可能需要人工完成。现在,类ChatGPT可以完成这些任务,但是依旧可以为客人提供人工服务的选项,让客人自由选择。毕竟对于餐饮行业来说,门店或许不会专门设置客服岗位,所以此时类ChatGPT产品提供的服务可以大大减轻门店工作人员的负担。 如今,类ChatGPT应用的智能对话能力已经足够强大。对于其他传统领域的客户服务,如金融领域的各种产品咨询、医疗领域的健康咨询或者网上问诊、政务网站的咨询服务、银行理财咨询等,采用类ChatGPT应用完成客服咨询任务,并且给用户提供有时限的人工服务依旧是一个很好的选择。此时,客服人员可以从电话一端暂且退到二线,凭借专业知识去监督算法的表现,并且在算法可能出错时,及时更正。CHASE H. LangChain[EB/OL]. https://github.com/hwchase17/langchain. 这种咨询服务对类ChatGPT回复的准确性提出了较高的要求,人们不希望算法自由发挥,而是希望算法基于已有的知识库,提供可靠的答案,甚至标记出答案的来源。如今,一个有效结合类ChatGPT应用和知识库的框架已经被提出,它就是LangChain 。图4.5呈现了借助LangChain进行咨询服务的流程。 图4.5 智能咨询服务流程 在图4.5中,咨询服务分成两步。第一步是构建相关领域的数据库。这一步是一个线下流程,不需要实时更新数据库,隔一段时间更新一次就可以。在构建数据库时,可以把各种形式的资料(比如文件、图片、音频)用不同的方法转变成向量形式,然后存储在向量数据库中。第二步是在线咨询反馈。这一步需要对用户的问题进行实时反馈。具体来说,当用户提出一个问题时,可以用和第一步相同的算法将问题转变成向量,然后计算该向量与数据库中向量的相似度,从数据库中选出最相关的几条信息,再将这几条信息作为阅读材料,让类ChatGPT应用结合用户的提问,从这几条信息中获得答案,并反馈给用户。当然,除了向量数据库,我们还可以选择传统的关系型数据库作为知识库,此时让类ChatGPT应用将用户的问题变成SQL查询语句是一个难点。综上所述,通过这种结合数据库的方式,类ChatGPT可结合不同领域的专业知识,变成专业的智能客服。 释义4.4:LangChain LangChain是一个开源的应用开发框架,目前支持Python和TypeScript两种编程语言。它赋予大语言模型两大核心能力:一是数据感知,即将......
- 信息
- 内容简介
- 致谢
- 前言
- 第一章 AIGC:智造时代来临
- 第一节 从UGC、PGC到AIGC
- 第二节 AIGC的分类
- 第三节 AIGC的发展历史
- 第二章 AIGC的基础技术栈
- 第一节 识别的技术
- 第二节 理解与输出
- 第三节 从输出到可视
- 第四节 从可视到创作
- 第三章 AIGC的拓展技术栈
- 第一节 模块化设计
- 第二节 Seq2Seq模型
- 第三节 多模态模型
- 第四节 一切的一切:ChatGPT
- 第四章 AIGC与文本生成
- 第一节 AI文本生成与发展
- 第二节 AI文本生成的垂直应用
- 第三节 关于AI文本生成的一些讨论
- 第五章 AIGC与图像生成
- 第一节 AI绘画的兴起
- 第二节 AI辅助美术设计
- 第三节 AI辅助海报设计
- 第四节 AI辅助专业图像生成
- 第六章 AIGC的应用升级
- 第一节 内容生成赋能数字化转型
- 第二节 代码生成掀起科技浪潮
- 第三节 策略生成引领游戏革新
- 第七章 AIGC的生态构建
- 第一节 上游产业的发展
- 第二节 中游产业的带动
- 第三节 下游产业的繁荣
- 第八章 AIGC的挑战与监管
- 第一节 AIGC的阿喀琉斯之踵
- 第二节 法律监管与问题
- 第三节 产业影响与人员转型
- 第九章 AIGC引领未来的变革
- 第一节 探索无限可能性
- 第二节 人与AI智慧共生
- 第三节 探索下一代数字世界的无限潜力
- 参考文献