Generating Books with LLMs

Libro generado por LLM sobre la filosofía de la IA

Introducción

Este repositorio explora la aplicación de modelos de lenguaje grandes (LLM) para generar libros filosóficos, utilizando modelos de IA avanzados como GPT-4 (gpt-4-0125-preview), GPT-3 de OpenAI (gpt-3.5-turbo-16k), y Gemma de Google (gemma:7b). Los títulos de los libros generados son los siguientes:

• GPT-4: Mente, máquina y moralidad: navegando por las fronteras filosóficas de la inteligencia artificial (PDF)

• GPT-3: El nexo ético: exploración de las fronteras filosóficas de la IA (PDF)

• Gemma-7b: El legado de Turing: intersecciones filosóficas con la inteligencia artificial (PDF)

Además, intenté utilizar el modelo Anthropic Claude 3 Opus . Sin embargo, a pesar de múltiples intentos y experiencias con su servicio, incluidos errores en el servidor y límites de tokens por día, obtener un libro del modelo Anthropic no tuvo éxito. A pesar de estos desafíos, este repositorio muestra las capacidades y los conocimientos adquiridos mediante la utilización de varios LLM en exploración filosófica.

Modelos utilizados

• GPT-3 de OpenAI: accesible a través de la API de OpenAI.

• GPT-4 de OpenAI: se accede a través de la API de OpenAI.

• Google Gemma: Acceso vía OLLAMA (https://ollama.com/). Para acceder al modelo Gemma, ejecute el siguiente comando en su terminal:

  ollama pull gemma:2b

Descripción de archivos Python

• app.py: el archivo principal que organiza toda la aplicación y genera el libro.
• utils.py: Contiene funciones para crear instancias de los modelos LLM.
• Structure.py: genera un título, un marco y una lista de capítulos según el tema, el género, el estilo y el perfil del libro proporcionados.
• ideas.py: genera una lista de ideas que se discutirán en cada capítulo según el título generado, el marco, la lista de capítulos, el tema, el género, el estilo y el perfil del libro.
• Writing.py: escribe cada capítulo según el tema, el perfil, el género, el estilo, las listas de capítulos y las ideas. Escribe secuencialmente sobre ideas generadas, argumentos de apoyo y hechos históricos.
• Publishing.py: utiliza la biblioteca docx de Python para generar el archivo ".docx" del libro.

Archivos incluidos

• .env: Contiene información sobre claves API.

• requisitos.txt: enumera las bibliotecas necesarias para instalar. Para instalarlos ejecute:

  pip install -r requirements.txt

Recursos adicionales

Para obtener más detalles sobre Langchain, recuperación-generación aumentada (RAG) y generación de texto con IA, considere inscribirse en este curso de Udemy: Introducción a Langchain.