12

5 apps de IA que puedes crear con LangChain

44371Puntos

hace un año

LangChain es un framework que utiliza LLMs para crear aplicaciones de inteligencia artificial, tales como chatbots similares al famoso ChatGPT, sistemas de preguntas sobre documentos, análisis automatizado de datos, sistemas de recomendación, asistentes virtuales personalizados y más.

¿Cómo funciona LangChain? 🔗🐦

Para crear apps con LLM se requiere integrar estos modelos de IA con bases de datos, y otros elementos. LangChain simplifica la integración de estos utilizándolos en forma de cadenas y otros componentes.

Dentro de las cadenas y componentes, encontrarás las siguientes “piezas de LEGO” con las que crearás tus aplicaciones:

  • Integraciones con LLM y modelos de chat.
  • Integraciones con modelos de embeddings.
  • Integraciones con bases de datos vectoriales.
  • Inputs y outputs con prompts.
  • Carga de documentos e índices.
  • Memoria para que la app conservé un historial, estado o contexto.
  • Agentes autónomos y más.
LLM app.png

Con este repertorio de herramientas construirás apps que serán de utilidad en muchas áreas de la industria, como las siguientes.

Chatbots inteligentes 📲

Imagina que ChatGPT o Bard pudieran resolver cualquier duda que tengas. Parece que pueden hacerlo, pero recordemos que los LLM y modelos de chat con los que funcionan tienen un contexto limitado por los datos (y la fecha de esos datos) con los que fueron entrenados.

Entonces, si queremos que un chatbot responda a dudas sobre documentos que usemos para trabajar o responda a preguntas de clientes sobre diferentes productos, se usaría LangChain para construir esta aplicación. Se integrarían modelos de chat y una base de datos vectorial que contenga información adicional para que el modelo la consulte.

pexels-andrew-neel-15863066.jpg
Foto de Andrew Neel

Este es el proyecto que creamos en el Curso de Desarrollo de Aplicaciones de IA con LangChain: Chatbots.

QA sobre documentos 🗃️

Antes de crear un chatbot, se puede desarrollar una aplicación más sencilla para consultar información y buscar documentos. De manera similar a como se haría en un chatbot, podríamos preguntarle a la aplicación sobre información específica que se quiera utilizar en ese momento. Esto se lograría compartiendo esa información adicional con el LLM, cargando los documentos en una base de datos de vectores con LangChain.

Los resultados podrás obtenerlos de manera resumida y con las especificaciones que le pidas al LLM. 🤯

Asistente virtuales 👾

Existen varios asistentes virtuales que puedes utilizar, pero esto puede tener un mayor impacto en una organización si se desarrolla un asistente virtual con mayor contexto de la organización y de sus tareas y herramientas, para automatizar de manera hiperpersonalizada.

Esto se desarrolla con LangChain y sus agentes. Un agente es un envoltorio alrededor de un modelo que recibe la entrada de un usuario y responde con una “acción” a tomar y una correspondiente “entrada de acción”, por lo que es capaz de "moverse” a través de diferentes herramientas para ejecutar tareas de forma automática.

Análisis de datos automatizado 📊

Nuevamente, gracias a los agentes de LangChain, es posible interactuar con archivos CSV, Excel, DataFrames y otras formas de datos tabulares para generar análisis y gráficas preliminares que permitan responder preguntas de forma más ágil.

Esto no reemplaza a una analista de datos, ya que el trabajo de estas personas no es simplemente generar métricas ni visualizaciones, sino indagar en los datos con las herramientas que tengan a mano. Construir una aplicación que utilice LLM para agilizar el análisis de datos aumentará la productividad de los analistas y también de otras personas que tengan suficiente contexto de la información para saber que están obteniendo resultados de valor.

Sistemas de recomendación 🗣️

Los sistemas de recomendación están presentes en cualquier producto de software que te muestre contenidos, desde cursos como en Platzi, videos y películas en Netflix y YouTube, hasta publicaciones en diferentes redes sociales. Sirven para generar interés y hacer que los usuarios aprovechen al máximo dichas plataformas.

sistemas de recomendacion ai.png

Para crearlos, tenemos como base información en embeddings almacenada en bases de datos de vectores, donde los elementos etiquetados con ciertos textos son recomendados en función del comportamiento que detecte un modelo de machine learning.


¿Por qué desarrollar mi propia app de IA?

Crear tus propias apps con LLM, en lugar de solo usar las que existen en el mercado, te da una mayor personalización basada en tus necesidades. Además, optimiza la implementación de requisitos específicos, como mantener la privacidad de los datos de tu organización.

Desarrolla aplicaciones poderosas aprendiendo en el Curso de Desarrollo de Aplicaciones de IA con LangChain: Chatbots. 🐦🔗🧠

Miguel
Miguel
datormx

44371Puntos

hace un año

Todas sus entradas
Escribe tu comentario
+ 2
1
33219Puntos

No sabía que para eso servía, que poder.