Presentado por DataRoot Labs
A medida que OpenAI invita a los desarrolladores a salir de la lista de espera, los complementos de ChatGPT se están implementando lentamente y están cambiando el juego. Los modelos de lenguaje extenso son potencialmente transformadores, pero también están limitados a la información en sus datos de entrenamiento, pueden estar desactualizados y también pueden ser bastante generales. Además, están limitados a la salida de texto. Pero con los complementos de OpenAI, los desarrolladores pueden conectar ChatGPT a aplicaciones de terceros para eliminar estas restricciones y desbloquear una amplia gama de posibles casos de uso.
Los desarrolladores pueden crear API que recuperan información en tiempo real, como precios de acciones, resultados deportivos y titulares principales. El complemento Wolfram le brinda a ChatGPT acceso a computación, matemáticas, conocimiento curado y visualización y datos en tiempo real a través de Wolfram|Alpha y Wolfram Language. Otros complementos pueden sumergirse en las bases de conocimiento o realizar tareas como reservar un vuelo (consulte los complementos creados por Kayak y Expedia), hacer reservas (entrada de OpenTable), comprar comestibles (complemento de Instacart) y más, sin que un usuario abandone la ventana de chat. .
ChatGPT ha desarrollado dos de sus propios complementos: un complemento de navegador web que puede recuperar información actualizada de la web y un complemento de interpretación de código, que prueba el código que escribe ChatGPT en un entorno en vivo, para minimizar errores
A medida que se invita a más desarrolladores a crear complementos y crece el interés de los usuarios, el mercado se dispara. La creación de un complemento que mejore o personalice la funcionalidad de GPT brinda a las empresas una oportunidad importante para llegar a una amplia base de usuarios, aumentando la visibilidad y el compromiso potencial del cliente. Y si ese complemento es innovador y resuelve una necesidad específica del usuario o un problema, puede generar mucho interés y uso, lo que lleva el tráfico indirecto a las ofertas principales de la empresa.
¿Cómo aprovecha el aumento en el tráfico de GPT y la valiosa plataforma que ofrece un complemento para que las empresas muestren la innovación, mejoren el conocimiento de la marca y estimulen el crecimiento? Aquí hay una guía de principio a fin.
Construyendo un complemento de ChatGPT
Para probar un complemento de ChatGPT, primero debe obtener acceso de desarrollador de OpenAI. Este proceso implica visitar la página de complementos de ChatGPT, completar un formulario de registro con sus datos personales y una descripción del complemento que desea crear y, opcionalmente, proporcionar detalles adicionales sobre su empresa. Una vez que haya completado el formulario, simplemente envíe su información.
La creación de un complemento de ChatGPT con Python implica varios pasos, desde configurar el entorno hasta definir el comportamiento del complemento. Aquí hay una descripción general de alto nivel del proceso:
- Configurar el entorno
Primero, asegúrese de tener Python (3.6 o posterior) instalado en su sistema. También necesitará una cuenta de OpenAI para acceder a la API de ChatGPT. - Instalar dependencias
Deberá instalar algunas bibliotecas de Python, lo más importante es el paquete openai para interactuar con la API de OpenAI. Puedes hacer esto usando pip: `pip install openai.’ - Crear el esquema del complemento Un complemento de ChatGPT requiere un esquema, que define la entrada y la salida del complemento. Esto podría ser un archivo JSON. Incluye el nombre del complemento, la versión y las entradas y salidas de API requeridas.
- Definir el comportamiento del complemento. El comportamiento del complemento se define en una función de Python. Esta función toma el mensaje del usuario como entrada y genera una respuesta. Aquí es donde incorporará la lógica para su complemento.
- Crear el punto final de la API Debe crear un punto final HTTP para su complemento. Puede usar un marco web de Python como Flask o FastAPI para hacer esto. El punto final recibe la entrada del usuario de la API de OpenAI, la pasa a su función de Python y luego envía la respuesta a la API de OpenAI.
- Probar e implementar el complemento
Antes de implementar, debe probar a fondo su complemento para asegurarse de que se comporta como se espera. Después de la prueba, puede implementar su complemento en un servidor. Puede usar una plataforma como Heroku, AWS o Google Cloud para esto. - Registre el complemento con OpenAI
Después de la implementación, debe proporcionar la URL de su punto final de API a OpenAI. Utilizará esta URL para enviar entradas de usuario a su complemento y recibir respuestas.
En caso de que no tenga acceso a la API de desarrollador para complementos, puede probar el mismo proceso usando LangChain. El complemento no estará presente en la interfaz, pero puede preparar todo el backend del complemento con anticipación.
Desafíos y riesgos a tener en cuenta
Hay varios riesgos que debe tener en cuenta al diseñar y crear su complemento, incluidas las vulnerabilidades de seguridad, el control de calidad y los desafíos de compatibilidad, entre otros. Los complementos mal desarrollados o mantenidos pueden afectar la experiencia del usuario e introducir errores o bloqueos.
Además, las consideraciones éticas son esenciales para evitar sesgos, comportamientos discriminatorios o contenido inapropiado en los complementos.
Los complementos también podrían aumentar los desafíos de seguridad, con acciones dañinas o no intencionadas que los malos actores pueden aprovechar para defraudar, engañar o abusar de otros. Y al aumentar la gama de posibles aplicaciones, los complementos pueden aumentar el riesgo de consecuencias negativas por acciones erróneas o desalineadas realizadas por el modelo en nuevos dominios.
OpenAI está trabajando para desarrollar mitigaciones de seguridad por diseño que restringen los comportamientos riesgosos de los complementos y mejoran la transparencia en la experiencia del usuario al exponer cómo y cuándo funciona un complemento. Los desarrolladores también pueden ayudar a mitigar los riesgos mediante el establecimiento de un sólido proceso de desarrollo de complementos, la realización de auditorías de seguridad, la aplicación de prácticas de control de calidad y la verificación y supervisión cuidadosas de los complementos antes de la integración.
En resumen, los complementos aceleran ChatGPT al aumentar sus capacidades más allá de proporcionar información y resúmenes para realizar tareas. También abren nuevas posibilidades para su producto, lo que permite a los usuarios interactuar con su producto y servicio de una manera más eficiente e impactante.
Pero nunca pierda de vista esto: el complemento debe desarrollarse bien teniendo en cuenta la usabilidad, la seguridad, la privacidad y las preocupaciones éticas.
Ivan Didur es cofundador y CTO de DataRoot Labs. Como jefe de tecnología, Ivan administra todo el equipo técnico, diseña proyectos de arquitectura y toma decisiones tecnológicas críticas. Con experiencia práctica en tecnologías básicas de IA como Computer Vision, NLP y Deep Reinforcement Learning, Ivan prueba con entusiasmo nuevos métodos de IA en nuestro laboratorio de investigación. Si cumplen con sus altos estándares, se integran rápidamente en la producción. Ivan también es mentor de aspirantes a científicos de datos en la Universidad DataRoot.
Los artículos patrocinados son contenido producido por una empresa que paga por la publicación o tiene una relación comercial con VentureBeat, y siempre están claramente marcados. Para obtener más información, comuníquese con sales@venturebeat.com.