Інтеграція та використання штучного інтелекту для автоматизованого створення макросів

Автор(и)

  • Vladislav Antonyuk
  • Maryna Sydorova

DOI:

https://doi.org/10.34185/

Ключові слова:

automation and optimization of workflows, macro, human-machine interaction, artificial intelligence, LLMs, Prompt Engineering, computerized devices

Анотація

В сучасному світі, де час стає дедалі ціннішим ресурсом, автоматизація та оптимізація робочих процесів перетворюються на ключові фактори успіху. Системи, які дозволяють автоматизовувати рутинні завдання та організовувати роботу, значно підвищують продуктивність та ефективність. Прикладом такої системи є “Draw & GO” [1] – ефективне та гнучке кросплатформне програмне забезпечення автоматизації робочих процесів та взаємодії з комп’ютеризованими пристроями, яке забезпечує управління на основі графічних жестів та інтеграцію з будь-якими існуючими сторонніми службами.

Штучний інтелект (ШІ) має великий потенціал для революційних змін у багатьох сферах. Актуальним напрямом є дослідження можливостей його застосування у системах автоматизації та організації робочих процесів, зокрема інтеграція великих мовних моделей та донавчання їх за допомогою навчання з підказками.

Метою цієї роботи є дослідити поєднання систем автоматизації та ШІ та їх вплив на оптимізацію робочих процесів, провести огляд існуючих рішень, визначити ключові фактори, які впливають на успішне поєднання систем автоматизації та ШІ, запропонувати технологію інтеграції та навчання великої мовної моделі для автоматизованого створення макросів у системі автоматизації процесів, реалізувати практичну апробацію запропонованої технології у системі “Draw & GO”, розробити рекомендації щодо ефективного використання систем автоматизації та ШІ для оптимізації робочих процесів.

Дослідження показало, що поєднання систем автоматизації та ШІ має великий потенціал для оптимізації робочих процесів та підвищення продуктивності. ШІ може допомогти автоматизувати складні завдання, покращити прийняття рішень та створити персоналізований досвід для користувачів. Однак важливо правильно вибрати та впровадити системи автоматизації та ШІ, щоб отримати максимальну віддачу від інвестицій.

Посилання

Draw & GO, URL: https://drawgo.azurewebsites.net.

Antonyuk V., Sydorova M. (2021) Synthesis of software architectures for cross-platform appli- cation development. Actual problems of automation and information technology. Vol.25. PP. 3-12. DOI: 10.15421/432101

Antonyuk V., Sydorova M. (2022) A Cross-Platform Mobile Development for accelerating soft- ware development lifecycle. Actual problems of automation and information technology. Vol.26. PP. 3-8. DOI: 10.15421/432201

Antonyuk V., Sydorova M. (2023) The concept of associative graphical interface in the work- flow automation system. System technologies. Vol. 5 No. 148. PP. 133-140 DOI: 10.34185/1562- 9945-5-148-2023-12

Reynolds L, McDonell K. (2021) Prompt programming for large language models: beyond the few-shot paradigm. Extended Abstracts of the CHI Conference on Human Factors in Computing Systems P. 1–7. URL: doi.org/10.48550/arXiv.2102.07350

Kojima T, Gu SS, Reid M, Matsuo Y, Iwasawa Y. (2022) Large language models are zero-shot reasoners. Advances in Neural Information Processing Systems. 35:22199–22213. URL: doi.org/10.48550/arXiv.2205.11916

Prompt Engineering Guide, URL: https://www.promptingguide.ai/

B. Chen, Z. Zhang, N. Langrené, S. Zhu (2023) Unleashing the potential of prompt engineering in Large Language Models: a comprehensive review. URL: doi.org/10.48550/arXiv.2310.14735

P. Liu, W. Yuan, J. Fu, Z. Jiang, H. Hayashi, G. Neubig (2021) Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing. URL: doi.org/10.48550/arXiv.2107.13586

Brown T.B, Mann B, Ryder N, Subbiah M, Kaplan J, Dhariwal P, et al. (2020) Language mod- els Are Few-Shot Learners. Proceedings of the 34th International Conference on Neural Infor- mation Processing Systems. NIPS’20 URL: doi.org/10.48550/arXiv.2005.14165

C#/.NET SDK for accessing the OpenAI APIs URL: https://github.com/OkGoDoIt/OpenAI- API-dotnet

Завантаження

Опубліковано

2024-06-19