Tão onipresente quanto a IA parece ser nos dias de hoje, existe uma quantidade igual de confusão sobre como aproveitar melhor a tecnologia. Em artigos como Usando o ChatGPT para Analisar Seus Dados de Teste e Usando IA Generativa para Escrever e Executar Código Embarcado, vimos como a IA, como o ChatGPT, pode nos auxiliar não apenas na análise de dados, mas também na escrita de código para nós. Para engenheiros elétricos, os componentes de análise e escrita de código da IA Generativa podem ser úteis, mas nem sempre revolucionários. Neste artigo, vamos construir um GPT personalizado que nos permite "ter uma conversa com nosso design". Vamos criar um "Gêmeo Digital" da placa de avaliação Arty A7 no ChatGPT, nos dando a capacidade de projetar, solucionar problemas e trabalhar com a placa usando um assistente de IA.
Um gêmeo digital é um modelo virtual que espelha um objeto da vida real. Ao criar esse contraparte digital, podemos simular e testar o comportamento do objeto sem a necessidade do item físico. Para a placa de avaliação Arty A7, ter um gêmeo digital significa que você pode solucionar problemas, projetar e trabalhar com a placa virtualmente, sem ter que manusear o hardware real primeiro. Isso torna o processo mais eficiente, permitindo testes completos e ajustes de design. Obviamente, o céu é o limite em termos de quão preciso é o seu modelo e quão fácil é interagir com ele. Pelo bem da brevidade e simplicidade, vamos construir um gêmeo digital bastante primitivo do Arty A7 que pode nos auxiliar com questões de design e solução de problemas
Geração Aprimorada por Recuperação (RAG), mais conhecida pelo artigo intitulado Geração Aprimorada por Recuperação para Tarefas de PNL Intensivas em Conhecimento, é uma metodologia onde um modelo de linguagem de grande escala (LLM) é usado em conjunto com dados disponíveis (em vez de dados aprendidos dentro do modelo). Por exemplo, se eu perguntar a um LLM qual é o preço da minha casa, ele pode ou não ser capaz de responder a essa pergunta com precisão. Se eu fornecer a ele um "contexto", digamos, minha mais recente conta de imposto predial, ele deverá ser capaz de descobrir isso com bastante facilidade (já que, mais ou menos, está apenas usando processamento de linguagem natural). Em resumo, o RAG usa o mesmo conceito, fornecendo contexto ao LLM para gerar uma resposta de maior qualidade. Embora seja difícil saber exatamente quais sistemas proprietários estão usando como seu backend, é bastante seguro assumir que uma abordagem semelhante ao RAG é bastante comum para construir um gêmeo digital com IA.
Como vimos em Construindo um Assistente de Laboratório de IA e Usando IA Generativa para Escrever e Executar Código Embarcado, você pode escrever GPTs Personalizados para interagir com servidores web e controlar instrumentos, mas eles também podem conter contexto para atuar como gêmeos digitais. A configuração é na verdade muito simples. Usando a versão paga plus do ChatGPT, posso criar um GPT personalizado clicando em “Explorar GPTs” na barra lateral esquerda e depois clicando no botão “Criar” no canto superior direito. Nota: No momento da escrita deste artigo, a navegação para criar um GPT personalizado havia mudado quase 3 vezes nos últimos 6 meses. Você pode querer consultar a documentação da OpenAI sobre como criar um GPT personalizado se estas instruções estiverem desatualizadas.
Uma vez que naveguei para a página que me dá a opção de criar um GPT personalizado, estou pronto para inserir todos os meus parâmetros e fornecer meu “contexto”.
Figura 1: Configurando o GPT Personalizado
Você notará que dei ao meu GPT personalizado um nome, descrição, um conjunto de instruções básicas e um conjunto de “Conhecimento” de arquivos. Esses arquivos são compostos pelo meu Arty A7:
Claro, posso fornecer ainda mais dados, como a lista de materiais, outros documentos de design e até mais datasheets, mas isso pareceu suficiente para comprovar meu conceito.
Para realizar uma consulta rápida de referência a partir do nosso gêmeo digital, posso economizar alguns segundos aqui e ali, perguntando sobre os componentes na placa. Por exemplo:
Figura 2: Consultando um datasheet
E os dados que ele extraiu do datasheet parecem corresponder (embora às vezes possa interpretar tabelas em PDFs incorretamente):
Figura 3: Especificações retiradas do datasheet
Embora trivial, isso economiza algum tempo, especialmente se você estiver usando a versão de voz do ChatGPT. Também podemos dizer ao nosso GPT personalizado que o oscilador não está funcionando corretamente e pedir sugestões de solução de problemas adaptadas à peça específica:
Figura 4: Solucionando problemas do Oscilador
Dependendo do seu nível de habilidade, esta informação pode ou não ser útil para você. Podemos ir um pouco além e pedir ajuda, por exemplo, para solucionar por que a memória flash não está respondendo. Uma resposta mais complexa envolverá as especificações do datasheet (semelhante ao oscilador), mas também referências ao código e às restrições dos pinos. Fornecer ao prompt um contexto ainda mais detalhado, como o seu código modificado, dará a ele uma chance melhor de descobrir o seu problema. Esses exemplos, embora um tanto triviais, demonstram a capacidade e o poder de usar LLMs e RAG para construir muito rapidamente um gêmeo digital. O processo de configuração do GPT personalizado literalmente levou 5 minutos (e a maior parte disso foi devido aos tempos de upload). Este é apenas o começo da era do gêmeo digital e tenho certeza de que veremos muitos mais avanços nos próximos anos.
Neste artigo, exploramos o conceito de gêmeos digitais e como criar um GPT personalizado para trabalhar e solucionar problemas na placa de avaliação Arty A7. Ao aproveitar a IA, podemos interagir virtualmente com nossos projetos, economizando tempo e aumentando a eficiência. Os passos para configurar seu próprio GPT personalizado são diretos e podem ser feitos rapidamente. Agora que você entende o básico, é hora de experimentar e ver os benefícios por si mesmo. Mergulhe, crie seu gêmeo digital e comece a otimizar seu processo de design e inicialização hoje!