GENERATYWNA SZTUCZNA INTELIGENCJA Z LANGCHAIN

Generatywna sztuczna inteligencja z LangChain. Budowanie aplikacji AI opartych na LLM z użyciem Pythona, ChatGPT i innych modeli językowych

SPIS TREŚCI

Wstęp

Rozdział 1. Czym jest generatywna sztuczna inteligencja?

Wprowadzenie do generatywnej sztucznej inteligencji
Czym są modele generatywne?
Dlaczego teraz?
Zrozumienie modeli LLM
Co to jest GPT?
Inne modele LLM
Główni gracze na rynku modeli LLM
Jak działają modele GPT?
Jak wypróbować generatywne modele językowe?
Czym są modele przekładające tekst na obraz?
Co sztuczna inteligencja może zrobić w innych dziedzinach?
Podsumowanie
Pytania

Rozdział 2. LangChain dla aplikacji opartych a modelach LLM

Wykraczanie poza papugę stochastyczną
Ograniczenia modeli LLM
Jak można łagodzić ograniczenia modeli LLM?
Czym jest aplikacja oparta na modelu językowym?
Co to jest LangChain?
Kluczowe komponenty LangChain
Czym są łańcuchy?
Czym są agenty?
Czym jest pamięć?
Dostępne narzędzia
Jak działa LangChain?
Porównanie LangChain z innymi frameworkami
Podsumowanie
Pytania

Rozdział 3. Rozpoczęcie pracy z LangChain

Ustawienie środowiska na potrzeby przykładów z tej książki
pip
Poetry
Conda
Docker
Integracja API modelu
Model LLM atrapa
OpenAI
Hugging Face
Platforma Google Cloud
Jina AI
Replicate
Pozostali dostawcy
Modele lokalne
Transformery Hugging Face
llama.cpp
GPT4All
Budowanie aplikacji dla działu obsługi klienta
Podsumowanie
Pytania

Rozdział 4. Budowanie skutecznych agentów

Łagodzenie zjawiska halucynacji przez sprawdzanie faktów
Streszczanie informacji
Podstawowe monity
Szablony monitów
Łańcuch zagęszczania
Potoki „mapuj-redukuj”
Monitorowanie liczby tokenów
Wyciąganie informacji z dokumentów
Odpowiadanie na pytania z użyciem narzędzi
Pozyskiwanie informacji z użyciem narzędzi
Budowanie interfejsu wizualnego
Strategie rozumowania
Podsumowanie
Pytania

Rozdział 5. Tworzenie robota konwersacyjnego na kształt ChatGPT

Co to jest chatbot?
Pobieranie i wektory
Osadzenia
Przechowywanie wektorów
Wczytywanie i pobieranie w LangChain
Moduły wczytujące dokumenty
Moduły pobierające w LangChain
Implementacja chatbota
Moduł wczytujący dokumenty w chatbocie
Wektorowa baza danych dla chatbota
Pamięć
Moderowanie odpowiedzi
Podsumowanie
Pytania

Rozdział 6. Tworzenie oprogramowania z pomocą generatywnej sztucznej inteligencji

Wytwarzanie oprogramowania a sztuczna inteligencja
Modele LLM dla kodu
Pisanie kodu za pomocą modeli LLM
StarCoder
StarChat
Llama 2
Mały lokalny model
Zautomatyzowane tworzenie oprogramowania
Podsumowanie
Pytania

Rozdział 7. Modele LLM w analizie danych

Wpływ generatywnych modeli na analizy danych
Automatyzacje w danologii
Zbieranie danych
Wizualizacje oraz badania eksploracyjne
Wstępne przetwarzanie danych i wyciąganie cech
AutoML
Odpowiadanie na pytania o dane za pomocą agentów
Odkrywanie danych za pomocą modeli LLM
Podsumowanie
Pytania

Rozdział 8. Niestandardowe modele LLM i zwracane przez nie rezultaty

Warunkowanie modeli LLM
Metody warunkowania
Dostrajanie
Przygotowanie do dostrajania
Modele z otwartym źródłem
Modele komercyjne
Inżynieria monitu
Techniki tworzenia monitów
Podsumowanie
Pytania

Rozdział 9. Generatywna sztuczna inteligencja w produkcji

Przygotowanie aplikacji LLM do wdrożenia do produkcji
Terminologia
Ocena aplikacji LLM
Porównywanie dwóch wyników
Porównywanie z kryteriami
Porównania ciągów znaków i porównania znaczeniowe
Przeprowadzanie oceny na zestawach danych
Wdrażanie aplikacji LLM
Serwer webowy FastAPI
Ray
Obserwacja aplikacji LLM
Śledzenie odpowiedzi
Narzędzia do obserwacji
LangSmith
PromptWatch
Podsumowanie
Pytania

Rozdział 10. Przyszłość modeli generatywnych

Obecny stan generatywnej sztucznej inteligencji
Wyzwania
Trendy w tworzeniu i rozwijaniu modeli
Giganci technologiczni vs małe przedsiębiorstwa
Ogólna sztuczna inteligencja
Konsekwencje ekonomiczne
Branże kreatywne i marketing
Edukacja
Prawo
Przemysł wytwórczy
Medycyna
Wojsko
Wpływ na społeczeństwo
Dezinformacja i bezpieczeństwo cyfrowe
Regulacje i wyzwania związane z wdrażaniem przepisów
Przyszłość