Geeta GPT

Geeta Gpt

Geeta GPTは、検索された生成（RAG）を使用して構築された高度なAIアプリケーションです。大規模な言語モデルの強力な機能を活用して、バガヴァッドギタの豊富な内容に基づいて洞察に満ちた正確な応答を提供します。

大規模な言語モデル（LLM）は、教えられていることを模倣する学生のようなものです。彼らのトレーニングデータは教科書であり、そこに見られるパターンに従うのが非常に得意になります。ただし、これは彼らの理解を制限する可能性があります。彼らは、彼らがさらされたもの以外に知識を真に推論したり、適用することはできません。

だからこそ、検索された世代（RAG）などのテクニックを使用して知識を拡大しています。それは彼らに巨大な図書館へのアクセスを与えるようなものです！ RAGは、LLMが応答するときに外部文書を参照し、現実世界の情報で回答を接地し、構成された事実を減らすのを手伝うことができます。

パイプライン

デモ

はじめる

1. リポジトリをクローンします

 git clone https://github.com/rushidarge/Geeta-GPT.git
cd Geeta-GPT

2. 依存関係をインストールします

 pip install -r requirements.txt

3. api.pyファイルにAPIキーを追加するには、Gemini APIキーが必要です。これは自由に利用できます。ここをクリックして入手してください。

 os.environ["GOOGLE_API_KEY"] = "Your API key"

4. アプリケーションを実行します

 streamlit run app.py

使用法

• 質問する：Bhagavad Gitaについての質問を入力し、洞察に満ちた回答を受け取ります。
• 教えを探る：ギータの特定の教えと詩をより深く掘り下げてください。
• 個人的なガイダンス：Gitaの知恵に基づいた個人的な反省とガイダンスのためにアプリを使用します。

制限

検索された生成（RAG）アプリケーションは、強力ですが、いくつかの制限があります

• 限られた推論：RAGは反復的な推論に苦労しています。類似性に基づいて情報を取得しますが、タスクに本当に関連しているかどうかを評価することはできません。
• スケーラビリティの問題：大規模なデータセットは、特にK-Nearest Neighbors（KNN）などの手法でRagの検索方法を圧倒することができます。
• データの依存：取得された情報の品質は、RAGの出力に直接影響します。データのバイアスまたは不正確さは、信頼できない応答につながる可能性があります。
• 大規模なデータセットを使用した課題：大規模なデータセットの保存と処理は、ぼろきれにとって難しい場合があり、検索速度と精度に影響を与えます。

将来の範囲

Geeta GPTの機能は、Bhagavad Gitaに限定されません。アーキテクチャは、テキストベースのドキュメントまたはPDFで動作するように拡張でき、さまざまな可能性を開きます。

1. 他の宗教的なテキストに拡張する：システムを適応させて、他の宗教的または哲学的なテキストからの洞察を提供します。
2. アカデミックペーパー：アカデミックペーパーや研究文書の理解と要約を支援します。
3. 技術マニュアル：技術文書とマニュアルのサポートを提供し、特定の情報を簡単に見つけることができます。
4. 法的文書：法的テキストと契約の理解とアクセシビリティを強化します。

ライセンスこのプロジェクトは、MITライセンスに基づいてライセンスされています - 詳細については、ライセンスファイルを参照してください。

書誌

• LLMモデル：https：//gemini.google.com/
• チュートリアル：https：//medium.com/