Hinzufügen einer generativen AI-Aufgabe zu einem Dienstablauf
Generative KI-Aufgaben produzieren Text, der auf Ihren spezifischen Eingaben basiert, und ermöglichen so die Erstellung einer breiten Palette von Inhalten. Sie können zum Beispiel bei der Erstellung von Produktbeschreibungen, Blogbeiträgen oder Aktualisierungen in den sozialen Medien helfen. Diese Funktion verbessert die Effizienz durch die Automatisierung der Inhaltserstellung, so dass Ihr Team mehr Zeit für andere wichtige Aufgaben aufwenden kann.
Wie funktionieren generative KI-Aufgaben?
- Sie geben Eingaben ein, z. B. eine Aufforderung oder eine Beschreibung dessen, was Sie erstellen möchten.
- Die KI nutzt ihre Algorithmen für maschinelles Lernen, um die Eingaben zu analysieren und die wichtigsten Konzepte und Muster zu erkennen.
- Die KI nutzt dann ihre NLP-Fähigkeiten, um den Ausgabetext auf der Grundlage der Eingabe und der erkannten Muster zu erstellen.
- AI verfeinert das Ergebnis, bis es den erforderlichen Spezifikationen entspricht und verwendet werden kann.
Um menschenähnlichen Text zu verstehen und zu generieren, verwendet die generative KI große Sprachmodelle (LLMs) oder Basismodelle, die auf umfangreichen Textdaten wie Büchern, Artikeln und Websites trainiert werden. Diese Modelle generieren Antworten, die in Stil und Inhalt den Eingaben, die sie erhalten, oder den Anweisungen der Eingabeaufforderung entsprechen, wobei die verschiedenen Modelle unterschiedliche Spezialisierungen bieten.
Je nach watsonx.ai ist die Liste der unterstützten Stiftungsmodelle und deren Lebenszyklen unterschiedlich.
Die Liste der Basismodelle, die Sie in Ihren generativen KI-Aufgaben verwenden können, umfasst:- Textgenerierungs-Grundlagenmodelle, die bereitgestellt werden von watsonx.ai
- Einsatz von On-Demand-Gründungsmodellen
- Angepasste Basismodelle
.Weitere Informationen über den Lebenszyklus der Foundation-Modelle finden Sie unter Lebenszyklus der Foundation-Modelle der zeigt, wann aktuelle Modelle veraltet sind, welche Modelle zurückgezogen wurden und welche Alternativen zu verwenden sind.
- Textgenerierungs-Grundlagenmodelle, bereitgestellt von watsonx.ai
- Angepasste Basismodelle
Welche Möglichkeiten bieten generative KI-Aufgaben?
- Klassifizierung
Beispiel: Klassifizieren Sie eine Kundenbewertung als positiv, neutral oder negativ. - Extraktion
Beispiel: Extrahieren von Details aus der Beschwerde eines Kunden. - Generation
Beispiel: Verfassen Sie eine professionelle E-Mail. - Beantwortung der Fragen
Beispiel: Was ist der Wert von PI? - Zusammenfassen von
Beispiel: Eine Besprechungsmitschrift zusammenfassen. - Codegenerierung und Konvertierung
Beispiele: Umrechnung von 70 Grad Fahrenheit in Celsius. Schreiben Sie eine Java™-Methode, die den Wert von PI berechnet. - Übersetzung
Beispiel: Übersetzen Sie einen Text aus dem Französischen, Deutschen, Italienischen oder Spanischen ins Englische.
Die Anwendungsmöglichkeiten der generativen KI sind vielfältig und gehen weit über diese Beispiele hinaus. Es gibt zahlreiche Möglichkeiten, die sich an Ihren spezifischen Bedürfnissen orientieren.
Welche Schritte sind erforderlich, um eine generative KI-Aufgabe zu implementieren?
Die folgenden Schritte skizzieren den Prozess zur Erstellung einer generativen KI-Aufgabe:
- Erstellen Sie eine Eingabeaufforderung, die an den watsonx.ai gesendet wird und ein bestimmtes großes Sprachmodell (LLM) verwendet.
- Enthalten Sie Anweisungen und Eingaben, die der LLM analysieren soll.
- Verwenden Sie Variablen aus dem Dienstablauf, um den Prompt in Ihrer Bibliothek wiederverwendbar zu machen.
- Steuern Sie die Menge der Daten, die in der generierten Ausgabe zurückgegeben werden.
- Trainieren Sie die Eingabeaufforderung, um bessere Ergebnisse zu erzielen, die Ihrer beabsichtigten Aufgabe entsprechen.
Ist das Ergebnis einer generativen KI-Aufgabe zuverlässig?
Die Qualität der Antwort bei einer generativen KI-Aufgabe hängt vom Training des großen Sprachmodells und von der Konstruktion des Prompts, einschließlich der bereitgestellten Beispiele, ab. Ohne menschliche Aufsicht besteht die Gefahr von KI-Halluzinationen: Ausgaben, die nicht auf Trainingsdaten beruhen, vom Transformator falsch decodiert werden oder keinem erkennbaren Muster folgen. Weitere Informationen finden Sie unter Was sind KI-Halluzinationen? .