Как известно, LLM - это машина, которая “видела” “весь Интернет” и много чего запомнила. Задавая ей правильные вопросы можно получать “правильные” ответы (где “правильные” стоит понимать в статистическом смысле). Широта и универсальность таких способностей дает возможность ставить новые универсальные задачи и получать общее решение таких задач.

Например, рассмотрим универсальную задачу “обоснованного выбора лучшего решения из двух вариантов”. В этой задаче требуется описать контекст, в котором требуется сделать выбор (observer_context_description) и два понятия (a_concept и b_concept), каждое из которых описывает альтернативное решение. Для этой задачи в фреймворке core-kbt есть решение: ИИ-функция concept_aspect_comparison

Реализация ИИ-функции concept_aspect_comparison работает примерно так:

  • определяется “общее вышестоящее понятие” для понятий a_concept и b_concept: по этому промпту и этой JSON Schema результата

  • для общего вышестоящего понятия запрашиваются аспектные признаки и все остальные существенные признаки для этой задачи: промпт, JSON Schema результата

  • запрашивается сравнение для понятий a_concept и b_concept, для каждого аспекта: промпт, JSON Schema результата

  • т.е. LLM модель определяет общее вышестоящее понятие (и все остальные существенные признаки для этой задачи), аспектные признаки, значения весов для аспектов и признаков, и отдельно определяет “победителя” по каждому аспектному признаку

  • готово: итоговый результат cравнения точно вычисляется (в том числе результат сравнения нормируется, чтобы получить значения в процентах).

ИИ-функцию concept_aspect_comparison функцию можно также вызывать из Google Colab ноутбука и мы можем продемонстрировать пример ноутбука с решением этой задачи для 5 примеров в совершенно разных областях:

  • 1. Выбор оптимального фреймворка для разработки нового микросервиса:

  • 2. Выбор лучшего метода хранения данных для долгосрочного архива:

  • 3. Выбор лучшей стратегии для снижения углеродных выбросов в крупном городе:

  • 4. Выбор антисептика для бытовой обработки небольшой раны у ребёнка:

  • 5. Выбор смартфона для фрилансера-дизайнера:

С другими деталями о core-kbt мини-фреймворке можно ознакомиться в этой статье.

Итого, что можно было узнать в этой статье:

  • описание логики ИИ-функции concept_aspect_comparison

  • пример как ИИ-функцию concept_aspect_comparison можно вызывать из среды Google Colab

  • 5 примеров решения задачи “обоснованного выбора лучшего решения из двух вариантов” в совершенно разных областях, от проблемы выбора антисептика для бытовой обработки небольшой раны у ребёнка до выбора лучшей стратегии для снижения углеродных выбросов в крупном городе

Отзывы, предложения и любая обратная связь приветствуется.