GenAI è un potente set di strumenti progettato per aiutarti a sviluppare e ottimizzare modelli linguistici di grandi dimensioni (LLM) come OpenAI, Claude, Google Gemini e altri, all'interno delle tue pipeline di dati sulla piattaforma SnapLogic. Sfruttando SnapLogic Designer, puoi integrare perfettamente gli LLM con la tua pipeline di dati e archiviare le risposte su varie piattaforme di dati supportate da SnapLogic.
Iniziare
Questa sezione ti guiderà nell'avvio della tua prima interazione con i modelli LLM sulla piattaforma SnapLogic. Segui questi passaggi per familiarizzare con GenAI.
1. Apri la pagina Designer su SnapLogic e crea una nuova pipeline vuota.
2. Introduci il nuovo Snap chiamato "Chat Completion". Questo Snap ti consente di inviare prompt ai modelli LLM. Trovalo nell'elenco degli Snap cercando "Chat Completion".
3. Trascina lo Snap Chat Completion sulla schermata della tela (useremo OpenAI come esempio).
4. Configurazione dello Snap di completamento chat
a. Fare clic su Snap per aprire la finestra modale di configurazione.
b. Nella scheda "Account", seleziona l'account che verrà utilizzato per connettersi al modello LLM.
i. (Facoltativo) Se necessario, è possibile creare un nuovo account selezionando "Aggiungi nuovo account", scegliendo la posizione e inserendo le proprie credenziali. È possibile recuperare la chiave API da OpenAI API Keys.
5. Passa alla scheda "Impostazioni".
a. Selezionare un modello dall'elenco delle opzioni disponibili facendo clic su 
per elencare i modelli disponibili.
b. Personalizza il campo "prompt", ad esempio inserendo "Ciao GenAI".
6. Salva e chiudi le impostazioni. La pipeline dovrebbe essere convalidata automaticamente, ma se così non fosse, puoi convalidarla manualmente cliccando sul pulsante "Convalida". 
.
7. Per verificare il risultato, clicca sul cerchio a destra dello Snap. La risposta del modello LLM apparirà nel campo "contenuto". Ad esempio, potrebbe restituire "Ciao! Come posso aiutarti oggi?". Il campo "finish_reason" indicherà "stop", a significare che è stata generata la chat completa.
Utilizzo del generatore di prompt
Negli scenari reali, i prompt sono spesso più complessi di una singola frase. Per gestire questa situazione, abbiamo introdotto lo Snap "Prompt Generator", che aiuta a creare prompt utilizzando modelli predefiniti come domande e risposte contestuali. Vediamo come utilizzare questa funzione.
1. Cerca "Prompt Generator" nel pannello laterale e trascinalo sullo schermo della tela. In questo esempio utilizzeremo OpenAI Prompt Generator.
2. Per simulare un input fittizio, trascinare lo Snap "JSON Generator" sulla schermata della tela.
3. Collegare i due Snaps come mostrato di seguito:
4. Configurare il generatore JSON per produrre i seguenti dati:
[
{
"occupation": "astronaut",
"situation": "On a distant planet, exploring uncharted terrain."
}
]L'impostazione dovrebbe essere simile alla seguente:
5. Salvare e chiudere la configurazione.
6. Successivamente, configurare il generatore di prompt:
a. Fare clic su Modifica prompt e rimuovere il testo esistente.
b. Paste the following text into the prompt box: “You are a {{occupation}}. {{situation}}. What action do you take?”
7. Salvare e chiudere la configurazione.
8. Per testare il prompt, convalidare la pipeline facendo clic sul pulsante Convalida. 
. Il risultato apparirà nel prompt campo, mostrando come il testo del modello viene sostituito con i valori dell'input.
Esempio
- Ingresso:
{
"occupation": "astronaut",
"situation": "On a distant planet, exploring uncharted terrain."
}- Modello:
"Sei un {{occupazione}}. {{situazione}}. Quale azione intraprendi?"
- Uscita:
"Sei un astronauta. Ti trovi su un pianeta lontano, alla scoperta di territori inesplorati... Quale azione intraprendi?"
Esempi di casi d'uso
Di seguito sono riportati alcuni esempi di come utilizzare i prompt per svolgere attività reali. È possibile modificare questi modelli in base alle proprie esigenze.
Riassunto del testo
Suggerimento:
Spiega l'IA
A:
Uscita:
L'intelligenza artificiale (IA) si riferisce alla simulazione dei processi dell'intelligenza umana da parte dei sistemi informatici. Questi processi includono l'apprendimento (l'acquisizione di informazioni e regole per il loro utilizzo), il ragionamento (l'utilizzo di regole per giungere a conclusioni approssimative o definitive) e l'autocorrezione. L'IA può essere classificata in diverse categorie:
- **IA ristretta**: nota anche come IA debole, questo tipo di IA è progettato per compiti specifici. Ne sono un esempio gli assistenti virtuali come Siri e Alexa, i sistemi di raccomandazione e i software di riconoscimento delle immagini. L'IA ristretta non possiede un'intelligenza generale, ma opera in un contesto limitato.
- **Intelligenza artificiale generale**: nota anche come intelligenza artificiale forte o AGI (Artificial General Intelligence), questo tipo di intelligenza artificiale si riferisce a un'ipotetica intelligenza artificiale in grado di comprendere, apprendere e applicare le conoscenze in un'ampia gamma di compiti, proprio come un essere umano. Al momento, l'AGI rimane un concetto teorico e non è stata ancora realizzata.
- **Machine Learning (ML)**: un sottoinsieme dell'IA che prevede lo sviluppo di algoritmi che consentono ai computer di apprendere dai dati e di formulare previsioni o prendere decisioni sulla base di essi. Il ML può essere ulteriormente suddiviso in apprendimento supervisionato, apprendimento non supervisionato e apprendimento per rinforzo.
- **Deep Learning**: una forma specializzata di apprendimento automatico che utilizza reti neurali con molti livelli (da cui il termine "deep", profondo), consentendo al sistema di apprendere da grandi quantità di dati. È particolarmente efficace in settori quali il riconoscimento delle immagini e del parlato.
- **Elaborazione del linguaggio naturale (NLP)**: quest'area dell'IA si concentra sull'interazione tra computer e esseri umani attraverso il linguaggio naturale. Consente alle macchine di comprendere, interpretare e rispondere al linguaggio umano in modo significativo e utile.
L'intelligenza artificiale ha numerose applicazioni in vari settori, tra cui la sanità (diagnosi delle malattie), la finanza (rilevamento delle frodi), i trasporti (auto a guida autonoma) e l'intrattenimento (sistemi di raccomandazione). Sebbene i potenziali vantaggi dell'intelligenza artificiale siano enormi, esistono anche preoccupazioni relative all'etica, alla privacy, alla sostituzione dei posti di lavoro e alla necessità di una regolamentazione che ne garantisca un uso responsabile.
Per riassumere la spiegazione in una sola frase:
Suggerimento:
L'intelligenza artificiale (IA) si riferisce alla simulazione dei processi dell'intelligenza umana da parte dei sistemi informatici. Questi processi includono l'apprendimento (l'acquisizione di informazioni e regole per il loro utilizzo), il ragionamento (l'utilizzo di regole per giungere a conclusioni approssimative o definitive) e l'autocorrezione. L'IA può essere classificata in diverse categorie:
- **IA ristretta**: nota anche come IA debole, questo tipo di IA è progettato per compiti specifici. Ne sono un esempio gli assistenti virtuali come Siri e Alexa, i sistemi di raccomandazione e i software di riconoscimento delle immagini. L'IA ristretta non possiede un'intelligenza generale, ma opera in un contesto limitato.
- **Intelligenza artificiale generale**: nota anche come intelligenza artificiale forte o AGI (Artificial General Intelligence), questo tipo di intelligenza artificiale si riferisce a un'ipotetica intelligenza artificiale in grado di comprendere, apprendere e applicare le conoscenze in un'ampia gamma di compiti, proprio come un essere umano. Al momento, l'AGI rimane un concetto teorico e non è stata ancora realizzata.
- **Machine Learning (ML)**: un sottoinsieme dell'IA che prevede lo sviluppo di algoritmi che consentono ai computer di apprendere dai dati e di formulare previsioni o prendere decisioni sulla base di essi. Il ML può essere ulteriormente suddiviso in apprendimento supervisionato, apprendimento non supervisionato e apprendimento per rinforzo.
- **Deep Learning**: una forma specializzata di apprendimento automatico che utilizza reti neurali con molti livelli (da cui il termine "deep", profondo), consentendo al sistema di apprendere da grandi quantità di dati. È particolarmente efficace in settori quali il riconoscimento delle immagini e del parlato.
- **Elaborazione del linguaggio naturale (NLP)**: quest'area dell'IA si concentra sull'interazione tra computer e esseri umani attraverso il linguaggio naturale. Consente alle macchine di comprendere, interpretare e rispondere al linguaggio umano in modo significativo e utile.
L'intelligenza artificiale ha numerose applicazioni in vari settori, tra cui la sanità (diagnosi delle malattie), la finanza (rilevamento delle frodi), i trasporti (auto a guida autonoma) e l'intrattenimento (sistemi di raccomandazione). Sebbene i potenziali vantaggi dell'intelligenza artificiale siano enormi, esistono anche preoccupazioni relative all'etica, alla privacy, alla sostituzione dei posti di lavoro e alla necessità di una regolamentazione che ne garantisca un uso responsabile.
Spiega quanto sopra in una sola frase:
Uscita:
L'intelligenza artificiale (IA) comprende la simulazione dei processi cognitivi umani da parte dei sistemi informatici, classificati in categorie quali IA ristretta per compiti specifici, IA generale per una comprensione ampia, apprendimento automatico (ML) per l'apprendimento basato sui dati, apprendimento profondo per l'elaborazione di grandi set di dati con reti neurali e elaborazione del linguaggio naturale (NLP) per l'interazione linguistica uomo-macchina, con applicazioni in vari settori industriali e relative questioni etiche e normative.
Estrazione delle informazioni
Suggerimento:
Le dichiarazioni di contributo degli autori e i ringraziamenti nei documenti di ricerca dovrebbero indicare in modo chiaro e specifico se, e in che misura, gli autori hanno utilizzato tecnologie di intelligenza artificiale come ChatGPT nella preparazione del loro manoscritto e nella loro analisi. Dovrebbero inoltre indicare quali LLM sono stati utilizzati. Ciò consentirà agli editori e ai revisori di esaminare più attentamente i manoscritti alla ricerca di potenziali pregiudizi, inesattezze e citazioni improprie delle fonti. Allo stesso modo, le riviste scientifiche dovrebbero essere trasparenti riguardo al loro utilizzo degli LLM, ad esempio nella selezione dei manoscritti inviati.
Cita il prodotto basato su un modello linguistico di grandi dimensioni menzionato nel paragrafo precedente:
Uscita:
Il prodotto basato su un modello linguistico di grandi dimensioni citato nel paragrafo precedente è ChatGPT.
Risposte alle domande
Suggerimento:
Rispondi alla domanda in base al contesto riportato di seguito. La risposta deve essere breve e concisa. Se non sei sicuro della risposta, rispondi "Non sono sicuro della risposta".
Contesto: Teplizumab affonda le sue radici in un'azienda farmaceutica del New Jersey chiamata Ortho Pharmaceutical. Qui, gli scienziati hanno generato una prima versione dell'anticorpo, denominata OKT3. Originariamente ricavata dai topi, la molecola era in grado di legarsi alla superficie dei linfociti T e limitarne il potenziale di distruzione cellulare. Nel 1986 è stata approvata per aiutare a prevenire il rigetto degli organi dopo i trapianti di rene, diventando il primo anticorpo terapeutico consentito per l'uso umano.
Domanda: Da dove proveniva originariamente l'OKT3?
Risposta:
Uscita:
Topi.
Classificazione del testo
Suggerimento:
Classifica il testo in neutro, negativo o positivo.
Testo: Penso che il cibo fosse buono.
Sentimento:
Uscita:
Neutro
Conversazione
Suggerimento:
Quella che segue è una conversazione con un assistente di ricerca nel campo dell'intelligenza artificiale. Il tono dell'assistente è tecnico e scientifico.
Umano: Ciao, chi sei?
AI: Salve! Sono un assistente di ricerca nel campo dell'intelligenza artificiale. Come posso aiutarla oggi?
Umano: Puoi parlarmi della creazione dei buchi neri?
AI:
Uscita:
Certo! I buchi neri sono regioni dello spazio-tempo in cui la forza gravitazionale è così forte che nulla, nemmeno la luce, può sfuggirvi. Si formano quando una stella molto massiccia muore e il suo nucleo collassa su se stesso, formando una singolarità di densità infinita. L'intensa gravità della singolarità attira tutta la materia e le radiazioni che la circondano, creando il buco nero.
Generazione di codice
Suggerimento:
“””
Tabella reparti, colonne = [ID reparto, Nome reparto]
Tabella studenti, colonne = [ID dipartimento, ID studente, Nome studente]
Crea una query MySQL per tutti gli studenti del Dipartimento di Informatica.
“””
Uscita:
SELEZIONA StudentId, StudentName
DAGLI studenti
DOVE DepartmentId IN (SELEZIONA DepartmentId DA dipartimenti DOVE DepartmentName = 'Informatica');
Ragionamento
Suggerimento:
I numeri dispari in questo gruppo sommati danno un numero pari: 15, 32, 5, 13, 82, 7, 1.
Risolvi suddividendo il problema in passaggi. Innanzitutto, identifica i numeri dispari, sommalo e indica se il risultato è pari o dispari.
Uscita:
Numeri dispari: 15, 5, 13, 7, 1
Totale: 41
41 è un numero dispari.
