Hallo Welt mit GenAI

GenAI ist ein leistungsstarkes Toolset, mit dem Sie große Sprachmodelle (LLMs) wie OpenAI, Claude, Google Gemini und andere innerhalb Ihrer eigenen Datenpipelines auf der SnapLogic-Plattform entwickeln und optimieren können. Mithilfe von SnapLogic Designer können Sie LLMs nahtlos in Ihre Datenpipeline integrieren und die Antworten auf verschiedenen von SnapLogic unterstützten Datenplattformen speichern.

Los geht's

Dieser Abschnitt führt Sie durch die ersten Schritte mit LLM-Modellen auf der SnapLogic-Plattform. Befolgen Sie diese Schritte, um sich mit GenAI vertraut zu machen.

1. Öffnen Sie die Designer-Seite in SnapLogic und erstellen Sie eine neue, leere Pipeline.

2. Führen Sie den neuen Snap namens„Chat Completion” ein. Mit diesem Snap können Sie Eingabeaufforderungen an LLM-Modelle senden. Suchen Sie ihn in der Snap-Liste, indem Sie nach „Chat Completion” suchen.

3. Ziehen Sie das Chat-Vervollständigungs-Snap auf den Canvas-Bildschirm (wir verwenden OpenAI als Beispiel).

4. Konfigurieren des Chat-Vervollständigungs-Snaps

a. Klicken Sie auf „Snap“, um das Konfigurationsmodal zu öffnen.

b. Wählen Sie auf der Registerkarte„Konto“das Konto aus, das für die Verbindung mit dem LLM-Modell verwendet werden soll.

i. (Optional) Bei Bedarf können Sie ein neues Konto erstellen, indem Sie „Neues Konto hinzufügen“ auswählen, den Standort auswählen und Ihre Anmeldedaten eingeben. Sie können Ihren API-Schlüssel unter OpenAI API Keys abrufen.

5. Wechseln Sie zur Registerkarte „Einstellungen “.

a. Wählen Sie ein Modell aus der Liste der verfügbaren Optionen aus, indem Sie darauf klicken.  die verfügbaren Modelle aufzulisten.

b. Passen Sie das Feld „Prompt“ an, indem Sie beispielsweise „Hallo GenAI“ eingeben.

6. Speichern und schließen Sie die Einstellungen. Die Pipeline sollte automatisch validiert werden. Ist dies nicht der Fall, können Sie sie manuell validieren, indem Sie auf die Schaltfläche „Validieren“ klicken. .

7. Um das Ergebnis zu überprüfen, klicken Sie auf den Kreis rechts neben dem Snap. Die Antwort des LLM-Modells wird im Feld „Inhalt“ angezeigt. Beispielsweise könnte die Antwort lauten: „Hallo! Wie kann ich Ihnen heute helfen?“ Im Feld „finish_reason“ wird „stop“ angezeigt, was bedeutet, dass der gesamte Chat abgeschlossen ist.

Verwendung des Prompt-Generators

In realen Szenarien sind Eingabeaufforderungen oft komplexer als ein einzelner Satz. Um dies zu bewältigen, haben wir den Snap „Prompt Generator“ eingeführt, mit dessen Hilfe Sie Eingabeaufforderungen anhand voreingestellter Vorlagen wie Kontext-Fragen und Antworten erstellen können. Sehen wir uns einmal an, wie diese Funktion verwendet wird.

1. Suchen Sie im Seitenbereich nach „Prompt Generator“ und ziehen Sie ihn auf den Bildschirm. In diesem Beispiel verwenden wir den OpenAI Prompt Generator.

2. Um eine Scheineingabe zu simulieren, ziehen Sie den „JSON Generator” Snap auf den Canvas-Bildschirm.

3. Verbinden Sie die beiden Snaps wie unten gezeigt:

4. Konfigurieren Sie den JSON-Generator so, dass er die folgenden Daten ausgibt:

[
 {
   "occupation": "astronaut",
   "situation": "On a distant planet, exploring uncharted terrain."
 }
]

Die Einstellung sollte wie folgt aussehen:

5. Speichern und schließen Sie die Konfiguration.

6. Konfigurieren Sie als Nächstes den Prompt Generator:

a. Klicken Sie auf „Bearbeiten“ und löschen Sie den vorhandenen Text.

b. Paste the following text into the prompt box: “You are a {{occupation}}. {{situation}}. What action do you take?”

7. Speichern und schließen Sie die Konfiguration.

8. Um die Eingabeaufforderung zu testen, validieren Sie die Pipeline, indem Sie auf die Schaltfläche „Validieren“ klicken. Das Ergebnis wird in der auffordern Feld, das zeigt, wie der Text der Vorlage durch Werte aus der Eingabe ersetzt wird.

Beispiel

• Eingabe:

{
  "occupation": "astronaut",
  "situation": "On a distant planet, exploring uncharted terrain."
}

• Vorlage:

„Sie sind {{Beruf}}. {{Situation}}. Wie reagieren Sie?“

• Ausgabe:

„Du bist Astronaut. Auf einem fernen Planeten erkundest du unbekanntes Terrain. Wie handelst du?“

Beispiel-Anwendungsfälle

Im Folgenden finden Sie einige Beispiele dafür, wie Sie Eingabeaufforderungen zur Erledigung realer Aufgaben verwenden können. Sie können diese Vorlagen an Ihre Bedürfnisse anpassen.

Textzusammenfassung

Aufforderung:

Erklären Sie KI

A:

Ausgabe:

Künstliche Intelligenz (KI) bezeichnet die Simulation menschlicher Denkprozesse durch Computersysteme. Zu diesen Prozessen gehören Lernen (das Erfassen von Informationen und Regeln für deren Verwendung), Schlussfolgern (das Anwenden von Regeln, um zu ungefähren oder eindeutigen Schlussfolgerungen zu gelangen) und Selbstkorrektur. KI lässt sich in mehrere Kategorien einteilen:

1. **Schmale KI**: Diese Art der KI, auch als schwache KI bekannt, ist für bestimmte Aufgaben konzipiert. Beispiele hierfür sind virtuelle Assistenten wie Siri und Alexa, Empfehlungssysteme und Bilderkennungssoftware. Schmale KI verfügt nicht über allgemeine Intelligenz – sie arbeitet innerhalb eines begrenzten Kontexts.
2. **Allgemeine KI**: Auch bekannt als starke KI oder AGI (Artificial General Intelligence), bezieht sich dieser Typ auf eine hypothetische KI, die ähnlich wie ein Mensch Wissen verstehen, lernen und auf eine Vielzahl von Aufgaben anwenden kann. Derzeit ist AGI noch ein theoretisches Konzept und wurde noch nicht realisiert.
3. **Maschinelles Lernen (ML)**: Ein Teilbereich der KI, der die Entwicklung von Algorithmen umfasst, die es Computern ermöglichen, aus Daten zu lernen und auf deren Grundlage Vorhersagen oder Entscheidungen zu treffen. ML lässt sich weiter unterteilen in überwachtes Lernen, unüberwachtes Lernen und bestärkendes Lernen.
4. **Deep Learning**: Eine spezielle Form des maschinellen Lernens, bei der neuronale Netze mit vielen Schichten (daher „deep“) verwendet werden, sodass das System aus riesigen Datenmengen lernen kann. Es ist besonders effektiv in Bereichen wie der Bild- und Spracherkennung.
5. **Natürliche Sprachverarbeitung (Natural Language Processing, NLP)**: Dieser Bereich der KI konzentriert sich auf die Interaktion zwischen Computern und Menschen mittels natürlicher Sprache. Er ermöglicht es Maschinen, menschliche Sprache auf sinnvolle und nützliche Weise zu verstehen, zu interpretieren und darauf zu reagieren.

KI findet in verschiedenen Branchen zahlreiche Anwendungsmöglichkeiten, darunter im Gesundheitswesen (Diagnose von Krankheiten), im Finanzwesen (Betrugserkennung), im Transportwesen (selbstfahrende Autos) und in der Unterhaltungsbranche (Empfehlungssysteme). Die potenziellen Vorteile von KI sind zwar enorm, doch gibt es auch Bedenken hinsichtlich Ethik, Datenschutz, Arbeitsplatzverlust und der Notwendigkeit von Vorschriften, um einen verantwortungsvollen Umgang zu gewährleisten.

Um die Erklärung in einem Satz zusammenzufassen:

Aufforderung:

Künstliche Intelligenz (KI) bezeichnet die Simulation menschlicher Denkprozesse durch Computersysteme. Zu diesen Prozessen gehören Lernen (das Erfassen von Informationen und Regeln für deren Verwendung), Schlussfolgern (das Anwenden von Regeln, um zu ungefähren oder eindeutigen Schlussfolgerungen zu gelangen) und Selbstkorrektur. KI lässt sich in mehrere Kategorien einteilen:

1. **Schmale KI**: Diese Art der KI, auch als schwache KI bekannt, ist für bestimmte Aufgaben konzipiert. Beispiele hierfür sind virtuelle Assistenten wie Siri und Alexa, Empfehlungssysteme und Bilderkennungssoftware. Schmale KI verfügt nicht über allgemeine Intelligenz – sie arbeitet innerhalb eines begrenzten Kontexts.
2. **Allgemeine KI**: Auch bekannt als starke KI oder AGI (Artificial General Intelligence), bezieht sich dieser Typ auf eine hypothetische KI, die ähnlich wie ein Mensch Wissen verstehen, lernen und auf eine Vielzahl von Aufgaben anwenden kann. Derzeit ist AGI noch ein theoretisches Konzept und wurde noch nicht realisiert.
3. **Maschinelles Lernen (ML)**: Ein Teilbereich der KI, der die Entwicklung von Algorithmen umfasst, die es Computern ermöglichen, aus Daten zu lernen und auf deren Grundlage Vorhersagen oder Entscheidungen zu treffen. ML lässt sich weiter unterteilen in überwachtes Lernen, unüberwachtes Lernen und bestärkendes Lernen.
4. **Deep Learning**: Eine spezielle Form des maschinellen Lernens, bei der neuronale Netze mit vielen Schichten (daher „deep“) verwendet werden, sodass das System aus riesigen Datenmengen lernen kann. Es ist besonders effektiv in Bereichen wie der Bild- und Spracherkennung.
5. **Natürliche Sprachverarbeitung (Natural Language Processing, NLP)**: Dieser Bereich der KI konzentriert sich auf die Interaktion zwischen Computern und Menschen mittels natürlicher Sprache. Er ermöglicht es Maschinen, menschliche Sprache auf sinnvolle und nützliche Weise zu verstehen, zu interpretieren und darauf zu reagieren.

KI findet in verschiedenen Branchen zahlreiche Anwendungsmöglichkeiten, darunter im Gesundheitswesen (Diagnose von Krankheiten), im Finanzwesen (Betrugserkennung), im Transportwesen (selbstfahrende Autos) und in der Unterhaltungsbranche (Empfehlungssysteme). Die potenziellen Vorteile von KI sind zwar enorm, doch gibt es auch Bedenken hinsichtlich Ethik, Datenschutz, Arbeitsplatzverlust und der Notwendigkeit von Vorschriften, um einen verantwortungsvollen Umgang zu gewährleisten.

Erklären Sie das oben Genannte in einem Satz:

Ausgabe:

Künstliche Intelligenz (KI) umfasst die Simulation menschlicher kognitiver Prozesse durch Computersysteme und wird in Kategorien wie „schmale KI” für spezifische Aufgaben, „allgemeine KI” für ein umfassendes Verständnis, „maschinelles Lernen” (ML) für datengesteuertes Lernen, „Deep Learning” für die Verarbeitung großer Datensätze mit neuronalen Netzen und „natürliche Sprachverarbeitung” (NLP) für die Sprachinteraktion zwischen Mensch und Computer unterteilt, mit Anwendungen in verschiedenen Branchen sowie ethischen und regulatorischen Fragen.

Informationsgewinnung

Aufforderung:

In den Autorenbeiträgen und Danksagungen in Forschungsarbeiten sollte klar und konkret angegeben werden, ob und in welchem Umfang die Autoren bei der Erstellung ihres Manuskripts und ihrer Analyse KI-Technologien wie ChatGPT verwendet haben. Außerdem sollte angegeben werden, welche LLMs verwendet wurden. Dadurch werden Herausgeber und Gutachter darauf aufmerksam gemacht, Manuskripte sorgfältiger auf mögliche Verzerrungen, Ungenauigkeiten und unsachgemäße Quellenangaben zu überprüfen. Ebenso sollten wissenschaftliche Zeitschriften transparent über ihre Verwendung von LLMs informieren, beispielsweise bei der Auswahl eingereichter Manuskripte.

Erwähnen Sie das im obigen Absatz erwähnte Produkt, das auf einem großen Sprachmodell basiert:

Ausgabe:

Das im obigen Absatz erwähnte Produkt, das auf einem großen Sprachmodell basiert, ist ChatGPT.

Fragen beantworten

Aufforderung:

Beantworten Sie die Frage anhand des folgenden Kontexts. Halten Sie die Antwort kurz und prägnant. Antworten Sie mit „Unsicher bezüglich der Antwort“, wenn Sie sich nicht sicher sind.

Hintergrund: Teplizumab hat seinen Ursprung in einem Pharmaunternehmen namens Ortho Pharmaceutical aus New Jersey. Dort entwickelten Wissenschaftler eine frühe Version des Antikörpers mit der Bezeichnung OKT3. Das ursprünglich aus Mäusen gewonnene Molekül war in der Lage, sich an die Oberfläche von T-Zellen zu binden und deren zellabtötendes Potenzial zu begrenzen. 1986 wurde es zur Vorbeugung von Organabstoßungen nach Nierentransplantationen zugelassen und war damit der erste therapeutische Antikörper, der für die Anwendung am Menschen zugelassen wurde.

Frage: Woher stammte OKT3 ursprünglich?

Antwort:

Ausgabe:

Mäuse.

Textklassifizierung

Aufforderung:

Klassifizieren Sie den Text als neutral, negativ oder positiv. 

Text: Ich finde, das Essen war okay. 

Stimmung:

Ausgabe:

Neutral

Gespräch

Aufforderung:

Das Folgende ist ein Gespräch mit einem KI-Forschungsassistenten. Der Tonfall des Assistenten ist technisch und wissenschaftlich.

Mensch: Hallo, wer bist du?

KI: Hallo! Ich bin ein KI-Forschungsassistent. Wie kann ich Ihnen heute helfen?

Mensch: Können Sie mir etwas über die Entstehung von Schwarzen Löchern erzählen?

KI:

Ausgabe:

Sicher! Schwarze Löcher sind Regionen der Raumzeit, in denen die Gravitationskraft so stark ist, dass nichts, nicht einmal Licht, ihnen entkommen kann. Sie entstehen, wenn ein sehr massereicher Stern stirbt und sein Kern in sich zusammenfällt, wodurch eine Singularität von unendlicher Dichte entsteht. Die intensive Schwerkraft der Singularität zieht alle Materie und Strahlung in ihrer Umgebung an und bildet so das Schwarze Loch.

Codegenerierung

Aufforderung:

„““

Tabelle „Abteilungen“, Spalten = [Abteilungs-ID, Abteilungsname]

Tabelle „Studierende“, Spalten = [Fachbereichs-ID, Studierenden-ID, Name des Studierenden]

Erstellen Sie eine MySQL-Abfrage für alle Studierenden im Fachbereich Informatik.

„““

Ausgabe:

SELECT StudentId, StudentName 

VON Studierenden 

WHERE DepartmentId IN (SELECT DepartmentId FROM departments WHERE DepartmentName = 'Informatik');

Begründung

Aufforderung:

Die ungeraden Zahlen in dieser Gruppe ergeben zusammen eine gerade Zahl: 15, 32, 5, 13, 82, 7, 1. 

Lösen Sie das Problem, indem Sie es in einzelne Schritte unterteilen. Identifizieren Sie zunächst die ungeraden Zahlen, addieren Sie sie und geben Sie an, ob das Ergebnis ungerade oder gerade ist. 

Ausgabe:

Ungerade Zahlen: 15, 5, 13, 7, 1

Summe: 41 

41 ist eine ungerade Zahl.