Użycie ChataGPT to banał. Stworzyłem aplikację internetową z dodatkiem sztucznej inteligencji

Wiele mówi się na temat tego, jak to sztuczna inteligencja już teraz zmienia nasz świat. Jako że korzysta z niej już każdy w mniejszym lub większym stopniu, postanowiłem sprawdzić, jak to jest po drugiej stronie, a więc tej deweloperskiej. W tym celu przy tworzeniu aplikacji internetowej okiełznałem ChataGPT i zrobiłem z niego inteligentnego asystenta do polecania gier wideo.
Microsoft ChatGPT
Microsoft ChatGPT

Jak wykorzystać ChataGPT we własnej aplikacji? Podstawowa forma jest banalna

Dziś każdy może stworzyć swoją aplikację w formie strony internetowej. Niekoniecznie miłą dla oka, niekoniecznie oryginalną i utylizującą najpopularniejsze rozwiązania projektowe, ale przynajmniej taką, która będzie funkcjonalna. W czasach rozwiniętego ASP.NET i podejścia MVC (to podejście programowania, rozdzielające interfejs użytkownika od danych i logiki), w które łatwo wejść za sprawą poradników, to tylko kwestia poświęcenia kilkunastu godzin, aby wejść w świat programowania, nawet będąc całkowitym początkującym. Dziś jednak nie o tym, jak tworzy się strony internetowe, a o tym, jak proste jest użycie np. ChataGPT bezpośrednio w aplikacjach, aby zapewnić im unikalną funkcjonalność.

Czytaj też: Prace akademickie pisane z użyciem ChatGPT? Nowe narzędzie bezproblemowo je wykrywa

To już pewne, że ChatGPT zabiera ludziom pracę i proces ten będzie tylko postępował, choć szczerze wątpię, czy wszyscy powinni czuć się zagrożeni. Pisałem już o tym przy okazji tego, kiedy graficy pozwali sztuczną inteligencję i przy zapowiedzianej przez firmę Nvidia rewolucji, która potencjalnie może pozbawić pracy pisarzy właśnie przez wykorzystanie SI… ale mam co do tego ogromne wątpliwości. Trudno bowiem wyobrazić sobie, aby SI wygryzła wszystkich z jakiejkolwiek kreatywnej branży, choć możemy być pewni, że najlepsi z najlepszych będą z tego narzędzia korzystać na potęgę, bo to po prostu ma sens.

Przykładem tego może być nawet z pozoru prosta aplikacja do polecania gier użytkownikowi na podstawie gier, w które ostatnio grał. Aby ją zrobić od podstaw, musiałem dostać się do tytułów, w które ostatnio ktoś grał, a chcąc to zautomatyzować, mogłem postawić na jedyny słuszny wybór – Steama. Nie tylko przez jego popularność, ale też rozwinięte API, które w prosty sposób pozwala nam zebrać tytuły ostatnio włączonych gier.

Jedyne czego potrzebujemy, to klucza API i pojedynczego requesta, aby otrzymać odpowiedź na pytanie “w co tam ostatnio grał użytkownik XYZ”. Dane należy następnie sformatować do pożądanej struktury danych, którą w moim przypadku była lista ze strukturą zbierającą m.in. nazwę gry.

Mając już te dane, mogłem przejść do najważniejszego, czyli spytania ChataGPT, które to dokładnie gry poleca na podstawie tego trio. To również sprowadziło się do jedynie kilkudziesięciu linijek, w których najpierw należało stworzyć prompta, czyli to, na co model spróbuje odpowiedzieć, a następnie mając dostęp do API i klucza (z tym może być problem), wysłać żądanie odpowiedzi, które następnie trzeba stosownie przerobić, przerzucając z formatu Json na konkretne tytuły.

Czytaj też: Zaczęło się. ChatGPT zabiera ludziom pracę – czy możemy coś z tym zrobić?

Tak oto w prosty sposób uzyskałem dostęp do gier, które ChatGPT postanowił polecić na podstawie tego, w co wcześniej grałem. Nie byłoby jednak aplikacji polecającej gry bez stosownej otoczki informacyjnej i wizualnej, dlatego dwa kolejne API (tym razem firmy Google) posłużyły mi zarówno do wyszukania w sieci opisu gry, jak i związanego z nią zdjęcia. Finalnie męczarnia w widoku w formacie RazorSharp, czyli języku HTML, CSS oraz JavaScripcie pozwoliła wyświetlić te wszystkie dane w przyjemny dla oka sposób:

Czy tego typu narzędzie ma jakąkolwiek wartość? Patrząc na to, jak świetnie radzi sobie, zwłaszcza Steam, z polecaniem podobnych gier na podstawie aktywności użytkownika, najpewniej nie. Wiele poleceń podrzuconych przez ChataGPT nie miało większego sensu na tle danych wejściowych, bo okazjonalnie polecał nawet platformówki 2D, które nie mają nic wspólnego z Doomem, Elden Ringiem czy CS:GO i śmiem wątpić, że były to precyzyjne polecenia.

Samo podejście polecania gier w ten oto sposób ma jednak sens, bo np. zamiast ChataGPT, można wykorzystać do tego Chata Binga, zbierać podobne gry do każdego tytułu, które z pewnością model wyciągnąłby z licznych recenzji oraz artykułów, a następnie łączyć otrzymane zestawy w jedno i wybierać te produkcje, które wystąpiłyby najczęściej. Tak czy inaczej, kończąc ten projekt, byłem wręcz zaskoczony, jak łatwo można wprowadzić funkcjonalną sztuczną inteligencję do swojej aplikacji, a jeśli jest to możliwe już dziś, to za kilka lat będzie tylko lepiej.

Czytaj też: ChatGPT nie wie nic o aktualnym świecie, ale Opera One zadbała o to, żeby się z nim skomunikował

W gruncie rzeczy zastosowań ChataGPT w aplikacjach i usługach jest tak naprawdę nieskończona ilość. W mojej implementacji wykorzystałem go tylko i wyłącznie w formie “informatora”, zapewniającego mi dane, które następnie musiałem stosownie odfiltrować i wyświetlić na stronie. Użytkownik nie wie nawet, że polecone przez aplikacje gry zasugerował właśnie ChatGPT. Można więc wykorzystać to podejście we wszystkim, co obejmuje zapytania użytkownika, które są zwyczajnie nie do przewidzenia, przez co stworzenie odpowiedniej bazy danych dla nich jest niemożliwe. Bardziej oczywiste zastosowania tego narzędzia obejmują wprowadzenie do swojej aplikacji unikalnego chatbota, z którym użytkownicy będą mogli wchodzić w interakcję.

PS – po więcej materiałów najwyższej jakości zapraszamy na Focus Technologie. Subskrybuj nasz nowy kanał na YouTubie!