Visa pateikta informacija nereikalauja jokių investicijų pradėti naudotis pažangiu dirbtinio intelekto įrankiu
Dibtinio intelekto algoritmo programavimas PAPRASTAI
Trumpa įžanga
Šiame trumpame tekste bus pristatytas būdas, kurio pagalba įdiegsite mokslinikų naudojamą programinę įrangą, prisijungiste prie Google paskyros ir vedami instrukcijų sukonfigūruosite dirbtinį intelektą mastyti taip, kaip mąstote Jūs. Sukonfigūruotas dirbtinis intlektas geba spręsti sudėtingas užduotis skaidydamas jas į etapus. Sukūrus modelį pagal savo mąstyseną, dirbtinis intelektas tikrinamas užduodant klausimą su jau žinomu teisingu atsakymą - taip tikrinamas jo efektyvumas. Visa ką sukūrėte šios pamokos metu lieka Jums, tai reiškia, jog galite naudoti, tobulinti savo AI algoritmą. Mano rekomandacija tobulinimui - Google dirbinio intelekto algoritmo naujesnės versijos parinkimas- šiuo metu naudojama gemini-2.0-flash (gali būti aktualu po kažkurio laiko).
Prieš pradedant
Viskas ko Jums reikės, jog įvykdytumėte pamokos etapus
1 scenarijus
Apie 30 min.
Kompiuterio
Jupiter Notebook programinės įrangos (nemokama)
Gmail paskyros
2 scenarijus
Apie 1h 30 min.
Kompiuterio
Jupiter Notebook programinės įrangos (nemokama)
Gmail paskyros
Pirmas etapas
Kompiuterio paruošimas dirbtinio intelekto algoritmui paleisti
Prgraminės įranogos parsisiuntimas ir Google rakto gavimas
Šiame etape parsisiųsime programinę įrango ir prisijungę prie Google paskyros sugneruosime slaptą raktą, jog galėtume naudotis dirbtinio intelekto įrankiu savo paieškoms
1. Apsilankykite tinklapyje Anaconda (https://www.anaconda.com/) ir ten spauskite ant "Free Download" mygtuko (žr. nuotraukoje). Dabar Jūs esate puslapyje, kuriame galima pradėti parsisiuntimą. Spauskite "Skip registration" (žr nuotraukoje), jei nedomina atnaujinimai, pasiūlymai ir kitas turinys iš prgraminės įrangos kūrėjų ir pradėkite parsisiuntimą.
2. Sekite žingsnius, jog įdiegtumėte programą pas save kompiuteryje ir sėkmngai įrašius programą, atidarykite ją, jog įsitikintumėte, jog viskas veikia.
* Programinė įranga yra nemokama, nes šią bendrovę remia gigantas Nividia (vaizdo plokščių gamintojas)
3. Apsilankykite Google AI studio sekant šią nuoroda (https://aistudio.google.com/apikey) ir spauskite mygtuką, jog Jums sugeneruotų AI raktą. Visas procesas gauti slaptiems kodams pavaizduotas nuotraukose. Slapto rakto mums reikės sekančiame etape, paleidžiant AI savo kompiuteryje. Jei Google prašo papildomų veiksmų, pavyzdžiui sukurti projektą, sukurkite jį.
Antras etapas
Programos parametrų nustatymas, Jūsų lokalioje aplikoje - kompiuteryje
Įdiegsite reikalingus parametrus, jog dirbtinis intelektas generuotų atsakymus
Jau turite visą reiklaingą programinę įrangą, tad dabar Jums trūksta tik atlikti reiklaingus veiksmus, jog dirbtinis intelektas veiktų taip kaip Jūs norite ir atsakynėtų į sudėtingus klausimus tiksliai. Sukūrus šį sukonfiguruotą dirbtinio intelekto modulį, Jūs galėsite juo naudotis atsakant į bet kokius klausimus, taip pad galėsite jį konfiguruoti pridedant papildomą logiką, jog dirbtinis intelektas reprezenduotų Jus.
1. Įsijungiame užrašinę, kurioje bus jūsų komandos, pavadiname failą taip, jog žinotume, jog jį visada bus galima rasti savo kompiuteryje. Tai galime padaryti išsaugant tuščią failą, atleikant šį procesą, yra prašoma pasirinkti failo pavadinimą. Išsaugojus, liekame tame pačiame faile ir iki darbo pabaigos galime naudotis juo neišsaugodami.
2. Sekite komandomis ir veskite instrukcijas, jog kompiuteris paleistų Google dirtinio intelekto aloritmą.
2.1. Instaliuekite reikalingas bibliotekas. Jose yra visos komandos, kurias galite naudoti dirbtiniui intelektui veikti
!pip uninstall -qqy jupyterlab !pip install "google-genai" 2.2. Atliekami veiksmai susieti įvairias bibliotekos dalis su Jūsų programoje naudojamais kintamaisiais
from google import genai from google.genai import types from IPython.display import HTML, Markdown, display 2.3. Įvedamas google raktas, kuris susieja Jūsų programą su Google. Jei rakto neišsaugojote, jį galite vėl pasiekti sekadmi tą pačią nuorodą ir sekdami nuotraukose esančiais žingsniais.
GOOGLE_API_KEY = "*************************" 2.4. Nustome vartotoją Jūsų sukurtoje sistemoje ir paleidžiate testinę užklausą, kuri atsako į klausimą, kas yra dirbtinis intelektas. Tekstą, esantį kabutėse "Explain AI to me like I'm a kid." galima redaguoti, pavyzdžiui įvesti lietuvišką klausimą "Kas yra dirbtinis intelektas".
* Paleisti testinę užklausą reikia taip: užvedate palytę ant stačiakampio (kodo bloko), kuriame yra sisteminiai nurodymai ir paspaudžiate. Kvadratas su sisteminiais nurodymais yra nuspalvinamas kita spalva - tampa aktyvus. Tuomet spaudžiamas viršutinėje juostoje esantis mygtukas Play, taip kaip pav. Procedūra kartojama su kiekvienu sisteminiu nurodymu/ais pradedant nuo pirmo blokelio viršuje. Jei įsižiebė žvaigžtutė žr. pav. reiškias, jog Jūsų sistema atlieka skaičiavimus ir turite palaukti. Nepavykus bandote dar kartą. Jei su sistema jau dirbate, iš naujo nereikia paliedinėti pirmų trijų elmentų su kodu, nes ten yra pirminių parametrų įvedimas Jūsų sistemai veikti, o tolimesni kodo elmentai yra dirbtiniui intelektui paduodamų nustatymų atlikimas
client = genai.Client(api_key=GOOGLE_API_KEY) response = client.models.generate_content( model="gemini-2.0-flash", contents="Explain AI to me like I'm a kid.") print(response.text) * Turėtumėte turėti panašią konfigūraciją, kaip žemiau esančiame paveikslėlyje
2.5. Įvedame tekstą, kuris naudojamas apmokyti dirbtinį intlektą veikti taip, jog klausimai būtų skaidomi į dalis ir ieškomi daliniai atsakymi, vėliau naudojami generuoti galutinį atsakymą
model_instructions = """ Solve a question answering task with interleaving Thought, Action, Observation steps. Thought can reason about the current situation, Observation is understanding relevant information from an Action's output and Action can be one of three types: (1) , which searches the exact entity on Wikipedia and returns the first paragraph if it exists. If not, it will return some similar entities to search and you can try to search the information from those topics. (2) , which returns the next sentence containing keyword in the current context. This only does exact matches, so keep your searches short. (3) , which returns the answer and finishes the task. """ example1 = """Question Musician and satirist Allie Goertz wrote a song about the "The Simpsons" character Milhouse, who Matt Groening named after who? Thought 1 The question simplifies to "The Simpsons" character Milhouse is named after who. I only need to search Milhouse and find who it is named after. Action 1 Observation 1 Milhouse Mussolini Van Houten is a recurring character in the Fox animated television series The Simpsons voiced by Pamela Hayden and created by Matt Groening. Thought 2 The paragraph does not tell who Milhouse is named after, maybe I can look up "named after". Action 2 Observation 2 Milhouse was named after U.S. president Richard Nixon, whose middle name was Milhous. Thought 3 Milhouse was named after U.S. president Richard Nixon, so the answer is Richard Nixon. Action 3 """ example2 = """Question What is the elevation range for the area that the eastern sector of the Colorado orogeny extends into? Thought 1 I need to search Colorado orogeny, find the area that the eastern sector of the Colorado orogeny extends into, then find the elevation range of the area. Action 1 Observation 1 The Colorado orogeny was an episode of mountain building (an orogeny) in Colorado and surrounding areas. Thought 2 It does not mention the eastern sector. So I need to look up eastern sector. Action 2 Observation 2 The eastern sector extends into the High Plains and is called the Central Plains orogeny. Thought 3 The eastern sector of Colorado orogeny extends into the High Plains. So I need to search High Plains and find its elevation range. Action 3 Observation 3 High Plains refers to one of two distinct land regions Thought 4 I need to instead search High Plains (United States). Action 4 Observation 4 The High Plains are a subregion of the Great Plains. From east to west, the High Plains rise in elevation from around 1,800 to 7,000 ft (550 to 2,130m). Thought 5 High Plains rise in elevation from around 1,800 to 7,000 ft, so the answer is 1,800 to 7,000 ft. Action 5 """ 2.6. Įvedamas procesinis fragmentas, generuojantis atsakymą. Paleidus sistemą gausite testinio klausimo - atsakymo rezultatą.
question = """Question Who was the youngest author listed on the transformers NLP paper? """ react_config = types.GenerateContentConfig( stop_sequences=["\nObservation"], system_instruction=model_instructions + example1 + example2, ) react_chat = client.chats.create( model='gemini-2.0-flash', config=react_config, ) resp = react_chat.send_message(question) print(resp.text) 3. Atlikus visus veiksmus, jūs turite gauti dirbtinio intelekto sugeneruotą atsakymą, panašų kaip iliustracijoje (žr iliustraciją). Jei napvyksta patikrinkite ar Jūsų versijoje nėra sukurta papildomų tarpų ir kiekviena kodo eilutė prasideda paraštės pradžioje, taip kaip pavyzdyje. Iki dabar Jūs turte pilnai veikianti dirbtinio intelkto algoritmą, veikiantį pagal ReAct konfigūraciją. Buvo užduotas klausimas "Who was the youngest author listed on the transformers NLP paper?" ir gautas atsakymas "Aidan N. Gomez".
Trečias etapas
Savo klausimų uždavimas ReAct principu veikiančiam dirbtiniam intelektui
1 scenarijaus pabaga. Dirbtinio itelekto naudojimas
Dirbtinis intelektas yra pilnai sukonfigūruotas veikti, bet atliksime vieną papildomą veiksmą, jog sekanti kartą prisijungus būtų lengva įvesti norimą atsakyti klausimą. Apibendrinant, jungiantis antrą kartą Jums reikės dviejų parametrų - naujo google rakto, kurį galite gauti sekdmi ankstensnius žingsniu (Google raktas dėl saugumo veikia ribotą laik) ir klausimo, kurį norite užduoti dirbtiniui intelektui.
1. Įveskite parametrą, jog sekantį kartą galėtumėte užduoti šiam paramtrui reikšmę ir paspaudus veikti Jūsų sukurtas dirbtinis intelektas gražintų atsakymą.
question = "kiek dabar valandų?" start = '"""Question' end = '"""' question_code = start + question + end react_config = types.GenerateContentConfig( system_instruction=model_instructions + example1 + example2, ) react_chat = client.chats.create( model='gemini-2.0-flash', config=react_config, ) resp = react_chat.send_message(question_code) print(resp.text) 
Ketvirtas etapas
Dirbtinio intelekto konfigūravimas pagal Jūsų mąstymą
Dirbtinio intelekto apmokymas veikti pagal Jūsų mąstymą ir sukonfigūruoto Dirbtinio inetekto tikslumo testavimas
Dibtinis intelektas jau veikia, tačiau mes norime, jog jis mąstytų panašiai kaip mes. Šiame žinsnyje mes apmokysime dirbtinį intelektą veikti mūsų būdu ir patikrinsime ar gaunamas atsakymas į šabloninį klausimą toks pat tikslus kaip ir anksteniame pavyzdyje. Atsakymas turi būti toks pat kaip google pavyzdyje, kurį Jums pristačiau trečiąjame etape.
1. Atliekamos korekcijos teksto, kurį naudojote apmokyti dirbtinį intlektą, blokeliui. Šis blokelis bus redaguojamas dabar ir pilnai sugeneravus klausimų - atsakymų grandinėlę. Dabar atliekama korekcija pirmam parametrui "model_instructions" - jis pakeičiamas atnaijintu parametru, todėl nukopijuojame visą tekstą susijusi su šiuo parametru ir pakeičiame jį atnaujintu tekstu:
model_instructions = """ Solve a question answering task with interleaving Thought, Action, Observation steps. Thought can reason about the current situation, Observation is understanding relevant information from an Action's output and Action can be one of three types: (1) , which searches the exact entity on web, databases and all possible sources then returns content if it exists. If not, it will return some similar entities to search and you can try to search the information from those topics. (2) , which returns the next sentence containing keyword in the current context. This only does exact matches, so keep your searches short. (3) , which returns the answer and finishes the task. """ 2. Keičiamas dirbtinį intelektą paleidžianti komanda, įvedamas naujas nustatymas, kuris pakeičia algoritmo veikimą ir stabdo jį po pirmo klausimo. Taip nekuriama pilna grandinėlė, o tik jos dalis.
question = "How to connect with more potential clients?" start = '"""Question' end = '"""' question_code = start + question + end react_config = types.GenerateContentConfig( stop_sequences=["\nObservation"], system_instruction=model_instructions + example1 + example2, ) react_chat = client.chats.create( model='gemini-2.0-flash', config=react_config, ) resp = react_chat.send_message(question_code) print(resp.text) * Gautas atsakymas žr. pav. yra pirmoji grandinėlės dalis. Įvertinus šį dirbtinio intelekto sprendima siekti atsakimo einant tiesiausiu keliu, aš nusprendžiau patobulinti grandinėlės formavimą ir pradėti spręsti problemą abstraktesniu keliu. Kadangi mano planas yra pažvelgti į šį klausimą abstrakčiau, aš perrašysiu ir sukursiu juodraštį, kuriame yra skirtingas nei dirbtinio intelekto rekomenduojamas grandinėlės formavimas. Todėl pirmiausia į juodraštį rašau Thought 1 ir apibendrinu tai į Action 1. Galutiniame rezultate mano pirma grandinėlės dalis atrodo taip kaip paveikslėlyje. Turėdamas pirmą paieškos tekstą (promtą), atlieku standartinę paiešką Gemini nustatęs naujausią jų algoritmą ir pasirašau rezultatą kaip Observation. Žr pav.
3. Gautas atsakymas yra pridedamas prie Observation. Tuomet formuojama mintis, kuri bus pridėta kaip antros grandinėlės pradžia. Atrenku aktualią informaciją iš prieš tai sugeneruotos Observation ir užrašau klausimą, vedanti link atsakymo į pagrindinį klausimą. Mano gautas atsakymas, ypač paskutinė eilutė, atsako į klausimą, kuo žmonės tiki labiausiai, todėl nukopijuoju šį tekstą ir pridedu sekantį klausimą, kuris man kilo. Galutinis tekstas, kurį rašau prie Tought, atrodo taip kaip paveikslėlyje.
4. Norėdamas tęsti grandinėlės formavimą, turiu suformuoti aiškų paieškos terminą, tokį, kuris apibendrintų prieš tai parašytą Tought. Rašau apibendrintą teiginį į juodraštį šalia Action, pažymiu šį teiginį specialiu žymėjimu lookup prieš ir po teiginio, jog algoritmas suprastų šią paiešką kaip besitesiančią ir susietų su prieš tai generuotais atsakymais. Tuomet naudodamas šį teiginį atlieku paiešką Gemini AI, jog gaučiau Observation. Įprastinėje paieškoje naudoti specialaus ženklinimo nereikia.
5. Vedamas naujas klausimas, kuris dalinai yra susijęs su prieš tai gauta Observation reikšme. Kuriama grandinėlė, vis kartojant veiksmą ir artėjant prie atsakymo. Kai Observation gražina atsakymui artimą reikšmę, rašome šią reikšmę į prieš tai generuotą Action su ženklinimu. Mano atveju grandinėlė turi septynias gijas (pridedamas failas)
Parsisiųsti failą "Jezaus pardavimo strategija"6. Sukurtą grandinėlę įvedame kaip pavyzdį, kurio pagrindu dirbtinis intelektas generuos Jums analize grįstą atsakymą į klausimą. Pirmą pavyzdį paliekame, keičiame antrą pavyzdį. Vėliau galima pakeisti ir pirmą pavyzdį, kurį šiuo metu paliekame, tik atlikus šią korekciją būtina patikrinti ar sukurtas dirbtinis intelektas gražina teisingą atsakymą į pirminį klausimą. Įkėlus savo pavyzdį, kurio pagrindu dirbtinis intelektas generuos atsakymus į klausimus, būtina jį teisingai išlygiuoti, paliekant tarpus tarp Tought, Action ir Observation taip kaip pavyzdyje.
* Algoritmo kodas turi būti toks kaip 3 etape, be papildomo parametro, kuris gražina tik pirmą grandinėlės dalį.
7. Atliekate testą užduodami prieš tai naudotą klausimą (Who was the youngest author listed on the transformers NLP paper?) ir tikitės, jog atsakymas bus toks kaip antrajame etape buvo (Aidan N. Gomez) - toks koks pateiktas Google ReAct algoritmo metodo pavyzdyje. Mano atveju atsakymas toks pat, o sprendimo metu buvo surasta daugiau tikslios informacijos apie autorius, bei pateikti šaltiniai.
Visi žingsniai atlikti
Pabaiga
Sukurtas dirbtinis intelektas gali būti tobulinamas
Norėdami toliau tobulinti dirbtinį intlektą ir pritaikyti jį atitinkam mąstymo tipui, tęskite darbą ir pridėkite daugiau savo sugeneruotų pavyzdžių.
Orginalų tekstą rasite paspaudę ant nuorodos: gemini