Come l’IA generativa può supportare le aziende del settore alimentare

Il supporto dell'IA generativa nel settore alimentare

Imparare dagli errori del passato e utilizzare ChatGPT per costruire modelli di apprendimento automatico migliori per le aziende del settore alimentare

Introduzione

Il percorso che sto per intraprendere è importante per due ragioni.

1. Mostrerà come è possibile utilizzare ChatGPT per aiutare le aziende del settore alimentare.
2. Argomento forse più importante, andrò a rivedere un post che ho scritto quasi due anni fa, indicherò i problemi di quell’articolo e cercherò di correggerli.

Sì, sostengo che la seconda ragione sia più importante. Perché? Guardare indietro alle modalità e ai processi con cui si analizzano i dati è importante perché consente di imparare come correggere i propri errori, il che porta in ultima analisi al successo. Non sono affatto perfetto e personalmente cerco gli errori che ho commesso in passato nella speranza di imparare dai miei errori e sviluppare modelli più solidi per i clienti che supporto.

La pubblicazione originale

Ho pubblicato per la prima volta “Machine Learning non è solo per le grandi aziende tech” nel luglio 2021.

Machine Learning non è solo per le grandi aziende tech

Utilizzo dell’Elaborazione del Linguaggio Naturale per supportare le piccole imprese.

towardsdatascience.com

• Python Lists La Guida Definitiva per Lavorare con Collezioni di Dati Ordinate
• Generative AI con ampi modelli di linguaggio formazione pratica
• Incontra RoboPianist Una nuova suite di benchmarking per il controllo ad alta dimensionalità nella padronanza del pianoforte con mani di robot simulate

Lo scopo dell’articolo era mostrare come un’azienda del settore alimentare potesse beneficiare dei vari utilizzi del machine learning (ML). Ho utilizzato tecniche di Elaborazione del Linguaggio Naturale (NLP) per lavorare con le recensioni su Internet riguardanti l’azienda. Alcuni dei metodi che ho utilizzato dal NLP erano l’Analisi del Modello di Argomento per comprendere meglio di cosa parlavano i clienti e l’Analisi del Sentimento per creare un modello in grado di predire il sentiment delle future recensioni e fornire un feedback all’azienda. L’analisi ha dimostrato che entrambi i metodi potevano essere eseguiti su un piccolo corpus di dati.

AH! L’errore più grande.

I miei dati non erano ottimali. Non solo il dataset era piccolo, ma era anche <strong'inclinato verso recensioni positive. Ciò ha portato i modelli a predire quasi sempre una recensione come positiva…