So entfesseln Sie die Leistung von ChatGPT mit Ihrem Mendix Datum

Die Integration von ChatGPT in Mendix ist unglaublich einfach. Capgemini zum Beispiel einen Connector erstellt Dadurch kann der Vorgang auf unter fünf Minuten verkürzen.

Wie im obigen Video gezeigt, können Sie ChatGPT nach ihrem erfolgreichsten Produkt und den Gründen für seinen Erfolg fragen. ChatGPT kennt die Produkte jedoch nicht und kann daher keine gültigen Antworten geben. Die Antwort liegt darin, Ihre Mendix Daten an ChatGPT, was davon abhängt, wie viele Daten Sie bereitstellen möchten.

Optimieren Sie ChatGPT nach Ihren Wünschen

Der empfohlene Ansatz für eine unternehmensweite Lösung mit großen Datensätzen ist das „Modelltraining“, auch bekannt als „Feintuning.“ Dieser Ansatz erfordert jedoch erhebliche Ressourcen und Arbeitskräfte, darunter GPU-Ressourcen und ein Team aus Datenwissenschaftlern und Ingenieuren. Die Feinabstimmung kann Wochen oder Monate dauern, und das resultierende Modell muss kontinuierlich ausgewertet und aktualisiert werden.

Um den Prozess der Kontextbereitstellung für ChatGPT zu vereinfachen, besteht ein direkterer Ansatz darin, Eingabeaufforderungen und Fragen mit relevanten Kontextdaten zu erweitern. Diese Methode ist zwar einfacher zu implementieren, weist jedoch Einschränkungen auf, die wir später untersuchen werden.

Um diesen Ansatz zu demonstrieren in Mendix Für den im Video gezeigten Anwendungsfall wurde ein Export-Mapping erstellt, um Marken und die zugehörigen Produktdetails in einen JSON-String zu exportieren. Der resultierende JSON-String mit den Marken- und Produktdaten wurde der Eingabeaufforderung/den Fragen als Kontext hinzugefügt:

Da der betreffende Datensatz relativ klein war, funktionierte das oben genannte Verfahren gut. Allerdings sind mit diesem Ansatz mehrere temporäre Einschränkungen verbunden, wie zum Beispiel:

• Für jede Frage müssen Kontextdaten bereitgestellt werden.
• Die Größe der Kontextdaten ist begrenzt.
• Datenschutz- und Sicherheitsbedenken, da OpenAI-APIs in diesen Bereichen nur eingeschränkte Funktionalität aufweisen.

Diese Technologie hat zwar vorübergehende Einschränkungen, aber die Microsoft Azure OpenAI-API, derzeit als Vorschau mit eingeschränktem Zugriff verfügbar, wird die meisten dieser Probleme lösen.

Azure OpenAI läuft auf denselben Modellen wie OpenAI und verfügt über flexiblere Grenzen, private Netzwerke, regionale Verfügbarkeit und verantwortungsvolle KI-Inhaltsfilterung. Auch andere Service-Cloud-Dienstanbieter arbeiten rund um die Uhr daran, ähnliche KI-Funktionen anzubieten.

TL; DR

Integration von ChatGPT in Mendix kann für Unternehmen ein entscheidender Faktor sein, da es ihren Anwendungen verbesserte Konversationsfunktionen bietet. Um die Leistungsfähigkeit von ChatGPT zu entfalten, müssen Unternehmen relevante Daten an die KI-Modell.

Der empfohlene Ansatz für eine unternehmensweite Lösung mit großen Datensätzen ist das Trainieren oder Feinabstimmen des Modells, was erhebliche Ressourcen und Arbeit erfordert. Ein einfacherer Ansatz besteht darin, Eingabeaufforderungen und Fragen mit relevanten Kontextdaten zu ergänzen. Dieser Ansatz hat jedoch Einschränkungen, z. B. die Notwendigkeit, für jede Frage Kontextdaten bereitzustellen, die begrenzte Kontextdatengröße sowie Datenschutz- und Sicherheitsbedenken.

Die Microsoft Azure OpenAI API kann mithilfe verbesserter API-Funktionen, privater Netzwerke, regionaler Verfügbarkeit und verantwortungsvoller KI-Inhaltsfilterung dazu beitragen, die meisten dieser Bedenken auszuräumen.