Czy kiedykolwiek spotkałeś/aś się z kodem zawierającym tak wiele warunków i ścieżek przetwarzania, że jego utrzymanie i rozszerzanie było niemal niemożliwe? A gdyby tak zastąpić go automatycznie generowanym, samodoskonalącym się algorytmem? W ostatnich latach uczenie maszynowe jako dziedzina sztucznej inteligencji stało się efektywnym narzędziem do tworzenia systemów i aplikacji. Dynamiczny rozwój modeli opartych na sztucznych sieciach neuronowych sprawił, że programowanie złożonych reguł biznesowych i usług opartych na sumaryzacji oraz ekstrakcji informacji można z powodzeniem zastąpić modelami uczenia maszynowego. W tej prezentacji zobaczysz case study obrazujące proces budowania prostej aplikacji opartej na RAG (Retrieval Augmented Generation) w PHP z wykorzystaniem dużego modelu tekstowego (LLM) do efektywnego znajdowania precyzyjnych odpowiedzi w bazie nieustrukturyzowanych danych tekstowych.

Comments

Comments are closed.