Чат-боты стали очень популярными для предприятий всех размеров и отраслей, поскольку они предлагают экономичный и эффективный способ улучшить качество обслуживания клиентов и оптимизировать операции.
Знаете ли вы, что в 2018 году рынок чат-ботов стоил около 435,2 миллиона долларов? Эксперты прогнозируют, что к 2025 году рынок чат-ботов достигнет 2,3 миллиарда долларов. Это совокупный годовой темп роста (CAGR) в размере 26,9% за прогнозируемый период. Удивительно видеть, как быстро растет рынок чат-ботов.
Неудивительно, что чат-боты все чаще используются в электронной коммерции, банковском деле, финансах, здравоохранении и обслуживании клиентов. Его использование помогло предприятиям сэкономить более 8 миллиардов долларов в год на электронной коммерции и сократить расходы на обслуживание клиентов до 30%.
Так что, если вы еще не присоединились к популярному чат-боту, возможно, пришло время изучить его возможности.
Реальные проблемы при взаимодействии с чат-ботами, такими как ChatGPT
Чат-боты, такие как ChatGPT, играют динамичную роль в пространстве Web3 (которое имеет постоянный спрос на распределенные вычисления данных). В этом контексте крайне важно понимать ценность использования языковой модели ИИ для улучшения и оптимизации операций разработки Web3.
Однако без предопределенной модели обучения Web3 ChatGPT столкнулся бы с рядом серьезных проблем. Например, рассмотрим сценарий, в котором разработчик Web3 отправляет ChatGPT приглашение, требующее сложного преобразования текста в SQL.
Проблема 1: Отсутствие моделей обучения
ChatGPT плохо разбирается в базе данных проекта разработчика и не может сопоставить логику NQL с ответом SQL. Он дает неточный ответ SQL на приглашение разработчика Web3. Это происходит потому, что он не знает о частоте схемы, первичных и внешних ключах базы данных проекта разработчика.
В преобразовании NQL-to-SQL участвуют два основных набора данных. Одним из них является WikiSQL (большой аннотированный корпус для создания языковых интерфейсов), а другим — Spider (крупномасштабный аннотированный семантический анализ и набор данных преобразования текста в SQL).
Присоединяйтесь к сообществу, где вы можете изменить будущее. Инновационный круг объединяет лидеров технологий блокчейна для подключения, совместной работы и публикации. Подать заявку сегодня
Теперь чат-бот, такой как ChatGPT, должен понимать ритм базовой схемы базы данных и привыкать к новым схемам. В настоящее время для этого разработчик Web3 вводит всю базу данных в подсказки для обучения ChatGPT. Для обучения моделей данных с помощью подсказок требуется определенное количество токенов, что приводит к огромным затратам на обработку запросов для ChatGPT.
Проблема 2: Высокая стоимость обработки запросов
Еще одной серьезной проблемой является расчет стоимости последней версии GPT 4 ChatGPT. За каждые 3-4 слова, которые разработчик вводит в свой текстовый запрос в обмен на SQL, ChatGPT взимает токен.
Таким образом, учитывая размер полной базы данных проекта Web3, разработка одного полнофункционального приложения может стоить более 1000 токенов (также может достигать 8 192–32 768 токенов).
Как заявил соучредитель Mobula (крипто-агрегатор) Джулиан, ChatGPT — революционный инструмент для инноваций в Web3. Однако ему не хватает технического потенциала для создания и развития конкретного проекта Web3.
Возможные шаги для смягчения этих проблем
Создание огромных языковых моделей, которые уже обучены и могут преобразовывать текст в SQL, — это то, на что разработчики ИИ должны обратить пристальное внимание.
С практической точки зрения, создание предварительно обученных моделей остается важным шагом в изобретении чат-ботов. Вместо этого, чтобы чат-боты развивались сами по себе, нам придется научить их использовать базу данных проекта и бизнес-аналитику (BI). Это обучение облегчит чат-ботам понимание ритма схемы базы данных и ускорит создание кода Web3.
Чат-бот, такой как ChatGPT, может снизить стоимость токена, если он адаптирован и связан со структурой базы данных, первичным ключом, внешним ключом и последовательностью схемы проекта Web3.
Избегайте повторного ввода кода базы данных и схемы и оплаты токена за три-четыре слова. Вместо этого используйте совокупную стоимость токенов для финансирования разового обучения чат-бота для разработки Web3.
Сноска
Чат-боты, такие как ChatGPT, появляются как неотъемлемая платформа для разработки dApp с развивающейся технологией Web3. Однако разработчики сталкиваются с некоторыми наземными препятствиями при интеграции чат-ботов в эти системы.
Мы можем продемонстрировать способность модели распознавать и создавать соответствующие шаблоны кода Web3 и dApp, обновив архитектуру ChatGPT. Он также поддерживает многоязычные языки программирования для разработки dApp.
Таким образом, решая прагматические проблемы ChatGPT, мы можем создавать бесшовные и адаптивные модели генеративного ИИ, которые предлагают новый потенциал для будущих достижений dApp и Web3.
Винита Рати — основатель и главный исполнительный директор Systango, специализирующаяся на Web3, данных и блокчейне.
Эта статья была опубликована через Innovation Circle, проверенную организацию, состоящую из руководителей высшего звена и экспертов в области технологий блокчейна, которые строят будущее благодаря силе связей, сотрудничеству и интеллектуальному лидерству. Высказанные мнения не обязательно отражают точку зрения .
Узнайте больше об инновационном круге и посмотрите, имеете ли вы право присоединиться
Источник: Сointеlеgrаph
