Pokročilá funkcionalita chatbotů aneb když chcete víc, než si povídat

V předchozím článku o AI a jejím využití v praxi jsme probrali rozdíl mezi umělou a lidskou inteligencí, vysvětlili jsme, jak AI začíná ovlivňovat náš každodenní život a uvedli pár příkladů, jak správně komunikovat s chatboty.

Bezplatné verze mají svá omezení – např. ChatGPT 3.5 pracuje s omezeným kontextem a uživatel nemá přístup k aktualizacím obsahující nové funkce, které se dosud pravidelně objevovaly. V posledních dvou měsících GPT4 přidalo podporu obrázků a zvukových souborů, možnost prohlížení internetu, nový generátor obrázků Dall-E 3, novou verzi GPT4.5 a možnost vytváření vlastních chatbotů přímo v prohlížeči. Cílem tohoto článku je přiblížit funkcionality, které prémiová licence ChatGPT nabízí a ukázat možnosti jejich využití.

Jak chatboty fungují

Aby člověk mohl využívat chatboty naplno, je dobré pochopit, jakým způsobem jsou dotazy vyhodnocovány. Prvním krokem je tokenizace textu, což znamená rozdělení textu na tokeny, které mohou reprezentovat celá slova nebo významové celky na základě předdefinované slovní zásoby. Tyto tokeny jsou následně převedeny na číselné indexy. Zaindexované tokeny pak procházejí různými vrstvami neuronové sítě s cílem zachytit vztahy mezi nimi. Na základě těchto výpočtů pak chatbot vrací řadu indexů – tedy odpověď. Co to v praxi znamená? Tokenizace umožňuje chatbotům porozumět novým slovům na základě analýzy jejich struktury. Např. slovo "přepythonovaný" ve slovníku nejspíš nenajdeme, ale známe význam předpony pře a slova python, což nám umožňuje chápat jeho význam.

Slovníky pro tokenizaci bývají často optimalizované pro konkrétní jazyk. Například když zadáme stejnou větu v angličtině, v češtině s diakritikou a v češtině bez diakritiky, algoritmus v angličtině rozdělí text na 5 tokenů, kde každý udává srozumitelný významový celek. V češtině s diakritikou je rozdělení na tokeny horší. Zatímco v angličtině algoritmus správně určil "kód" i "python" jako samostatné významové celky, v češtině to tak není.

Z tokenizace plynou i obecné limitace chatbotů – nejsou schopni pracovat s menšími celky, než jsou tokeny. Rozdělení textu po znacích nebo anagramy tedy chatbot nezvládá. Co to v praxi znamená? S dotazem, jaké zvíře se skrývá pod anagramem obří klik (kolibřík) chatbot odpoví, že "kobylka". Ze stejného důvodu nejsou chatboty vhodné na matematické úlohy – díky tokenizaci se jedná pouze o odhadování výsledků.

Tokenizace textu; dostupné z https://platform.openai.com/tokenizer

• Pro co nejširší kontext se ptejte se ideálně v angličtině.

• Pokud se ptáte v češtině, nepoužívejte diakritiku.

• Uvědomte si limitace technologie – např. nezadávejte chatbotu matematické úlohy.

Analyzujte svoje dokumenty a soubory

ChatGPT4 umí přímo v prohlížeči pracovat se soubory. Podle typu souboru, který je zadán, ChatGPT4 spustí jeden z modulů na analýzu dokumentů. Tento modul převede dokument na textový formát, který je následně analyzován. Alternativně může ChatGPT4 spustit modul na datovou analýzu – v takovém případě spustí virtuální prostředí v pythonu, které provádí analýzu dat pomocí spouštění skriptů. S výstupy je pak možné dále pracovat.

Analýza textového pdf; zdroj: chat.openai.com

Virtuální prostředí pythonu nabízí prakticky neomezené možnosti využití. Pokud Chat GPT požádám, aby mi pomohl s exploratorní datovou analýzou, sám spočítá popisné statistiky, vyčistí data i vizualizuje výstupy. Např. pro dataset gapminder, který obsahuje demografické údaje o jednotlivých zemích v čase, ChatGPT automaticky vizualizoval grafy naděje na dožití, HDP na osobu a populace v závislosti na čase. Zároveň i vygeneroval a vypsal kód, který pro to použil. Díky tomu můžeme v jeho analýze snadno pokračovat a opravit cokoliv, co se nám nelíbilo.

Analýza souboru s využitím místního pythonovského prostředí

Vylepšení dotazu pomocí PromptPerfect