Da quando è uscito ChatGPT e gli altri assistenti AI è chiaro che si possono usare per fare… un sacco di cose.

Anche se per molti compiti NON sono ancora abbastanza affidabili o robusti, e in genere la loro capacità di “ragionamento” è limitata e poco controllabile.

Tuttavia, nell’eseguire compiti semplici e ben definiti, le AI come ChatGPT e Gemini sono già abbastanza efficaci!

Io le chiamo “*Automazioni Casalinghe*”, ovvero semplici automazioni che CHIUNQUE può fare nel suo lavoro.

Alcuni esempi da cui iniziare:

• Traduzione testo
• Estrazione entità
• Inserimento entità
• Match differenze
• Analisi feedback
• Etichettare i dati

Questi task sono semplici per l’AI perchè sono una semplice “*Data Transformation*”, che è un termine che uso per dire che il contenuto non cambia, ma cambia solo la sua forma!

In pratica fornisco un input all’AI (un documento, degli appunti, una mail) e gli chiedo di… trasformarla in qualcos’altro!

ESEMPIO: Documento → Sintesi → Presentazione → Deck di sales → Mail

Questi sono i primi casi d’uso che dovresti esplorare 👌🏼

Ma perchè hanno senso ❓

Beh intanto sono spesso “semplici” da provare e sei fortemente motivato a provarli, perchè spesso sono i task più time intensive (e noiosi).

Inoltre, più frequente il task più risulterà d’impatto l’automazione!

Un esempio pratico potrebbe essere il seguente:

Possono anche essere una catena di prompt per elaborare un file, tipo:

• “Prendi un \< file PDF > in input”
• “Estrai le variabili X Y Z”
• “Mettile in una tabella”
• “Calcola le colonne A B C”
• ”Esporta tutto in Excel”

Però ci sono alcune cose a cui [stare attenti](https://libguides.usc.edu/generative-AI/limitations#:~:text=Known%20Limitations%20Of%20Generative%20AI\&text=Large%20language%20models%20\(LLMs\)%20are,in%20research%20and%20academic%20papers.) ❗

Solo chi “possiede” il processo è in grado di dire se il risultato dato dall’AI è abbastanza buono, sia che si tratti di un “semilavorato” o del risultato finale.

Occhio se usi le API dei modelli commerciali, spesso cambiano i modelli e li riaddestrano in continuazione. Quindi?

Quindi può cambiare la performance o il comportamento in modo non dipendente da te.

Valuta modelli open source (stanno diventando una scelta viabile).

Infine alcuni consigli sparsi, dati dalla mia esperienza degli ultimi mesi:

1. Inizia SEMPRE testando dentro ChatGPT (4)
2. O nel playground di OpenAI (meglio)
3. Se funziona, è ottimo
4. Se non funziona, riprova tra… 3 mesi (?)

In generale: non fare overthinking, non c’è bisogno di costruire chissà che per iniziare a fare piccole automazioni in azienda!

Infine, quando hai trovato “qualcosa che funziona” hai due scelte:

• Continuare a farlo dentro ChatGPT o un altro tool “manuale”
• Chiedere al tuo team IT di creare un’integrazione con le API

Spero che questi consigli ti siano stati utili, ma in realtà il tema è vastissimo e ci vorrebbe almeno un’ora di video Youtube per spiegarla bene… 👀

A proposito, *iscriviti assolutamente al nostro canale!*

Abbiamo in piano di fare tantissimo materiale gratuito di formazione su AI generativa nei prossimi mesi 🙂

Io uso questi strumenti tutti i giorni, spesso GPT4… ma vorrei conoscere anche la tua esperienza!

Se usi i tool AI, mi dici quali sono i 2-3 casi d’uso per cui ti risparmia più tempo?

Vieni a raccontarceli sul nostro Discord, trovi tutti i membri del team e migliaia di professionisti e appassionati di Tech, Data Science e AI! 🍕

*Entra nel Discord!*

***

By Giacomo Ciarlini - Head of Content & Education - Datapizza

***

Altre news interessanti

• Google entra in una bufera a causa di “bias forzati” nelle sue immagini AI
• OpenAI ha aggiunto al GPTStore alcune funzioni (è ancora un “boh?” per me)
• Google ha lanciato Gemma, 2 nuovi modelli piccoli ed efficienti
• Lindy, un tool per creare agenti AI, è ora disponibile per tutti

🍕 Datapizza Selection 🍕

Il progetto Open Source

Ieri su X ho visto questo nuovo progetto che in pratica crea una “interfaccia grafica” (GUI) per interagire con i modelli di generazione immagine.

In pratica ti permette di creare una immagine controllando le REGIONI dell’immagine dove si possono posizionare le varie generazioni. 🎨

Poi aggiungi un prompt descrittivo del tipo di scena e dello stile, et voilà, avrai creato un’immagine controllata!

Che figata è?

Nota: questa tecnica di generazione condizionata alla zona è nuovissima e risale ad appena un mese fa…

Questo vuol dire che da ricerca → applicazione è passato meno di un mese!

Ovvio è una semplice GUI “fatta a mano”, però fa intuire il potenziale rivoluzionario dell’AI nella creatività.

Link al progetto 👇

GitHub - mut-ex/gligen-gui: An intuitive GUI for GLIGEN that uses ComfyUI in the backend

Salvati questa risorsa

Hai mai sentito parlare di *Reinforcement Learning**?*

Il reinforcement learning (RL) è un tipo di apprendimento automatico in cui un agente impara a prendere decisioni ottimizzando le proprie azioni per massimizzare una ricompensa cumulativa in un ambiente.

In pratica l'agente esplora attivamente l'ambiente, prova diverse strategie e apprende dalle conseguenze delle proprie azioni.

Le applicazioni del reinforcement learning sono molteplici e variegate, includendo:

1. Controllo autonomo di veicoli: Per sviluppare sistemi di guida autonoma che imparano a navigare in ambienti complessi.
2. Giochi: Per creare intelligenze artificiali capaci di competere e superare il livello umano in giochi complessi come Go, scacchi o videogiochi.
3. Robotica: Per insegnare ai robot compiti come camminare, manipolare oggetti o eseguire operazioni complesse in modo autonomo.

Ti lascio la risorse DEFINITIVA per metterti al passo su tutto questo mondo, penso sia la migliore che ho mai trovato sul tema 🙂

GitHub - mikeroyal/Reinforcement-Learning-Guide: Reinforcement Learning Guide