Многие веб-сайты предлагают свои системы рекомендаций, но они не всегда дают то, что вы ожидаете. Т.е. после прослушивания определенных песен на Spotify он продолжит воспроизводить «похожие» песни. Но по моему опыту, я никогда не хочу их слушать. В других случаях вам может понадобиться что-то индивидуальное, чего не предоставляет механизм рекомендаций. Возможно, я хотел бы объединить несколько вариантов выбора или отфильтровать результаты по определенным критериям.

В 2023 году большие языковые модели (LLM) стали обычным явлением. Когда я привык к ChatGPT OpenAI и Bard от Google, я заметил на разных примерах, что они очень хороши в предоставлении персонализированных результатов. В этом сообщении блога я решил использовать Bard вместо ChatGPT главным образом потому, что:

  1. бесплатная версия ChatGPT ограничена информацией до 2021 года.
  2. Бард может предоставить фотографии со ссылками.

Чтобы использовать Bard, все, что вам нужно, это посетить эту ссылку и войти в систему под своей учетной записью Google. Теперь мы готовы погрузиться в несколько разных областей и проанализировать рекомендации.

Кино

Вопрос 1: Какие недавние фильмы (2017 года) получили отличный отклик и похожи на стиль Вуди Аллена?

Google Bard вернул список из 5 фильмов со ссылками на IMDB. Могу сказать, что я очень впечатлен этим результатом, потому что я видел и любил их все.

Несмотря на то, что мне понравились предложения, я не хочу их пересматривать. Я попросил Барда предоставить еще несколько фильмов и получил еще несколько фильмов, таких как «Пицца со вкусом лакрицы», «Фрэнсис Ха», «Остров Бергмана». После второй попытки я добавил несколько фильмов в свой список просмотра, но заметил, что Бард забыл требование предоставить последние фильмы.

Музыка

Вопрос 2: Дайте несколько рекомендаций по хип-хопу на основе следующих альбомов:
1. INI — Center of Attention
2. Guru — Jazzmatazz, Vol. 2: The New Reality
3. A Tribe Called Quest — The Low End Theory
И что общего между этими альбомами?

На этот раз я получил интересные результаты, которые, похоже, связаны с моими вкладами. Я знаком с некоторыми из этих альбомов и посмотрю и другие.

Вторая часть этого вопроса просит описать, что общего между перечисленными мной альбомами. И ответ богат. Бард правильно определяет джазовость как общий знаменатель и даже описывает, как эти артисты относятся к джазу.

A2: «Все эти альбомы имеют некоторые общие элементы, в том числе:
- Джазовые сэмплы: во многих песнях на этих альбомах используются джазовые семплы, что придает им плавное, непринужденное звучание.
- Сознательные тексты. : Тексты на этих альбомах часто затрагивают социальные и политические проблемы и часто несут позитивный посыл.
- Эклектичное сочетание стилей: в этих альбомах часто смешиваются разные стили хип-хопа, такие как джаз, фанк и соул. .
- Инновационное производство: продюсеры этих альбомов часто используют инновационные методы, такие как сэмплирование и скретчинг, для создания уникального звука.
- Сильная музыкальность: все артисты этих альбомов - талантливые музыканты и они хорошо играют на своих инструментах.
Помимо этих общих элементов, все упомянутые вами альбомы имеют сильное джазовое влияние. Гуру был одним из основателей дуэта Gang Starr и был известен своей любовью к джазу. Он даже выпустил серию альбомов под названием Jazzmatazz, в которых хип-хоп сочетается с джазом. INI также находился под влиянием джаза, и в их альбоме Center of Attention представлены сэмплы таких джазовых исполнителей, как Майлз Дэвис и Джон Колтрейн. A Tribe Called Quest также были известны своим джазовым звучанием, а их альбом The Low End Theory считается одним из величайших джаз-хоп-альбомов всех времен».

Вопрос 3. Мне нравятся подкасты по Data Science, такие как Data Skeptic и Linear Diwards. Что бы вы порекомендовали дальше?

Опять же, рекомендации кажутся точными. То есть «Не такие стандартные отклонения», похоже, сродни названию «Линейные отклонения». Еще одним предложением было «Мастерство машинного обучения» Джейсона Браунли. Раньше я читал его посты в блоге и был удивлен, что у него еще есть подкаст. За исключением того, что я проверил. И он этого не делает. Так что Бард подошёл к этому творчески.

Вопрос 4: Мне понравились следующие две книги
1. «Масштаб: универсальные законы роста, инноваций, устойчивости и темпа жизни в организмах, городах, экономиках и компаниях», написанные Джеффри Уэстом 2. «Черный лебедь»: Влияние крайне невероятного Нассим Николас Талеб.
Что мне читать дальше? Возвращайте предложения и указывайте их рейтинги на Amazon и Goodreads для контекста. Ограничивайте результаты только теми, у которых рейтинг Goodreads 4 или выше.

Это возвращает предложения, с которыми я отчасти знаком. Я уже прочитал одно из предложений, а некоторые другие видел на Amazon, Goodreads среди похожих книг. Так что можно с уверенностью сказать, что рекомендации полезны.

Я также запросил оценки. По какой-то причине Бард предоставляет рейтинги только отдельно, и я проверил, что рейтинги не обязательно точны. Я ожидаю улучшения в будущих итерациях модели.

Рецепты

Наконец, все эти эксперименты заставили меня проголодаться! А что, если вы хотите сделать что-то новое на основе продуктов, которые есть у вас дома? Я захотела миску и попросила дополнительные ингредиенты:

Вопрос 5: Я хочу приготовить тарелку гречки, тунца и лука-шалота. Какие еще овощи следует готовить вместе?

Как и в случае с предыдущими рекомендациями, я получил несколько общих предложений:

Рекомендации по ингредиентам также сопровождаются инструкциями по приготовлению:

Я не использовала все ингредиенты, а взяла те, что были у меня в холодильнике, например, болгарский перец, горошек, грибы. Мне понравилась эта еда, и я обязательно повторю ее. А эта картинка для скептиков, которые не верят, что я действительно воспользовался рецептом, рекомендованным Бардом:

Выводы

Я пишу это в сентябре 2023 года, и это всего лишь несколько вариантов использования того, что может порекомендовать LLM. Вы также можете использовать его для генерации идей для достопримечательностей, ресторанов, подарков и многого другого. Но у LLM есть много возможностей для совершенствования. В некоторых разговорах Bard забывал предыдущие требования, предоставлял неточные результаты, проявлял чрезмерную креативность или ограничивал способ подачи информации. Тем не менее, вы уже можете начать экспериментировать с персонализированными рекомендациями. Каждый отдельный случай может быть адаптирован индивидуально, в результате чего результаты обогащаются дополнительным контекстом.

Спасибо за прочтение. Если вам нравится этот контент, подпишитесь на меня на Medium и оставьте свои мысли в комментариях. А еще я с удовольствием подключаюсь к LinkedIn!