Generatyvinis dirbtinis intelektas (DI) – tai toks DI, kuris gali jums padėti kurti turinį. Jis padeda būti kūrybiškesniems, produktyvesniems ir sužinoti daugiau.
Šiame straipsnyje pristatome generatyvinį DI, įskaitant toliau nurodytas temas.
- Kas yra generatyvinis DI ir kaip jis veikia
- Kaip naudoti generatyvinį DI ir įvertinti jo atsakymų tikslumą
- Kaip „Google“ kuria DI
Kas yra generatyvinis DI
Generatyvinis DI – tai mašininio mokymosi modelio tipas. Generatyvinis DI nėra žmogus. Jis negali pats mąstyti ir jausti emocijų. Jis tiesiog puikiai randa šablonus.
Anksčiau DI buvo naudojamas informacijai suprasti ir rekomenduoti. Dabar generatyvinis DI taip pat padeda kurti naują turinį, pvz., vaizdus, muziką ir kodus.
Kaip mokomi mašininio mokymosi modeliaiMašininio mokymosi modeliai, įskaitant generatyvinį DI, mokosi per stebėjimo ir šablonų lyginimo procesą. Kad modelis suprastų, kas yra sportiniai bateliai, jis mokomas rodant milijonus sportinių batelių nuotraukų. Laikui bėgant jis supranta, kad sportiniai bateliai yra objektai, kuriuos žmonės avi ant kojų, su raišteliais, padais ir logotipu.
Tai, ko išmoko, modelis gali naudoti, toliau nurodytais tikslais.
- Suprasti įvestį, pvz., „Sugeneruok sportinių batelių su ožkos pavidalo aksesuaru vaizdą“.
- Susieti tai, ką žino apie sportinius batelius, ožkas ir aksesuarus.
- Sugeneruoti vaizdą, net jei tokio vaizdo nėra.
Generatyvinis DI ir didelės apimties kalbos modeliai (angl. „Large Language Models“, LLM) yra tos pačios technologijos dalis. Generatyvinį DI galima mokyti iš bet kokio tipo duomenų, bet LLM kaip pagrindinį mokymo duomenų šaltinį naudoja žodžius.
LLM, pvz., „Gemini“ ir DI apžvalgos, pagal jūsų užklausą ir iki šiol sugeneruotą tekstą gali numatyti žodžius, kurie gali būti pateikiami toliau. Tokie modeliai gali lanksčiai pasirinkti tikėtinus kitus žodžius, atitinkančius mokantis gautus šablonus. Toks lankstumas leidžia generuoti kūrybiškus atsakymus.
Jei pateiksite užklausą užpildyti frazę „Haris [tuščia]“, modelis gali numatyti, kad kitas žodis bus „Stailsas“ arba „Poteris“.
Kaip naudoti generatyvinį DI
Svarbu: „Google“ funkcijos, pagrįstos generatyviniu DI, gali padėti pradėti kūrybinį procesą. Jos neatliks viso darbo už jus ir nebus kūrėjas.
Toliau pateikti trys generatyvinio DI naudojimo būdai.
- Generuokite kūrybines idėjas. Pavyzdžiui, gaukite pagalbos kurdami mėgstamo filmo priešistorę.
- Užduokite klausimų, į kuriuos, jūsų manymu, neįmanoma atsakyti. Pavyzdžiui, „Kas atsirado pirmiau: višta ar kiaušinis?“.
- Gaukite papildomos pagalbos. Paprašykite pasiūlyti pavadinimą jūsų sukurtai istorijai arba gaukite pagalbos, prireikus iš vaizdo atpažinti gyvūno ar vabzdžio rūšį.
Naršant, kuriant ir mokantis naujų dalykų su generatyviniu DI, svarbu jį naudoti atsakingai. Jei reikia išsamios informacijos, peržiūrėkite generatyvinio DI draudžiamo naudojimo politiką.
DI gali daryti (ir daro) klaidųKadangi generatyvinis DI yra vis dar kuriama eksperimentinė paslauga, jis gali daryti (ir daro) klaidų.
- Jis gal išgalvoti dalykų. Kai generatyvinis DI pats sukuria atsakymą, tai vadinama haliucinacija. Haliucinacijų pasitaiko, nes, priešingai nei „Google“ paieška, informaciją gaunanti iš žiniatinklio, LLM visiškai nerenka informacijos. Vietoje to LLM nuspėja, kurie žodžiai pateikiami toliau, atsižvelgdami į naudotojų įvestis.
- Pavyzdžiui, galite paklausti „Kas laimės moterų gimnastikos rungtį 2032 m. Brisbano vasaros olimpinėse žaidynėse?“ ir gausite atsakymą, nors renginys dar neįvyko.
- Jis gali klaidingai suprasti dalykus. Kartais generatyvinio DI produktai klaidingai interpretuoja kalbą ir dėl to pasikeičia atsakymo reikšmė.
- Pavyzdžiui, galbūt norėsite daugiau sužinoti apie barą – slėgio matavimo vienetą. Jei paprašysite informacijos apie barą, generatyvinis DI gali pateikti atsakymą apie nedidelį restoraną, kuriame užsakymai priimami prie bufeto.
Kritiškai vertinkite atsakymus, kuriuos gaunate iš generatyvinio DI įrankių. Kaip faktą pateiktą informaciją patikrinkite „Google“ ir kituose ištekliuose.
Jei pastebėsite ką nors netinkamo, praneškite. Daugelyje mūsų generatyvinio DI produktų yra pranešimų teikimo įrankių. Jūsų atsiliepimai mums padeda patikslinti modelius, kad galėtume tobulinti visiems teikiamas generatyvinio DI funkcijas.
Generatyvinio kodo funkcijos vis dar eksperimentinės ir jūs esate atsakingi už siūlomų kodų ar kodavimo paaiškinimų naudojimą. Savo nuožiūra atidžiai išbandykite ir peržiūrėkite visą kodą, ar nėra klaidų, riktų ir pažeidimų, prieš juo pasikliaudami. Jūs esate atsakingi už bet kokių licencijos reikalavimų laikymąsi, pvz., kai cituojame atvirojo šaltinio kodo saugyklas. Sužinokite daugiau.
Kaip „Google“ kuria DI
Siekdami kurti įrankius, darančius pasaulį geresnį visiems, 2018 m. parengėme DI principų rinkinį. Šie principai apibūdina mūsų tikslus kurti drąsias technologijas, kurios padėtų atsakingai įveikti didžiausius visuomenės iššūkius.
Pavyzdžiui, naudojame DI toliau nurodytiems tikslams.
- Prisidėti prie pastangų pažaboti klimato kaitą, pvz., sumažinti dėl spūsčių lėtai judančio eismo, kad sumažėtų transporto priemonių išmetalų kiekis.
- Numatyti ar stebėti stichines nelaimes, pvz., numatyti potvynius daugiau kaip 20 šalių ir stebėti laukinių gaisrų zonų ribas realiuoju laiku.
- Palaikyti sveikatos priežiūros naujoves, pvz., padaryti lengviau prieinamas patikras dėl tuberkuliozės ir padėti anksti nustatyti krūties vėžį.
Principuose taip pat išvardijamos sritys, kuriose nenaudosime DI, pvz., technologijos, sukeliančios didelę žalą ar pažeidžiančios tarptautinius įstatymus bei žmogaus teises.
Peržiūrėkite visą DI principų sąrašą.
To develop and improve generative AI experiences in Search and the related machine learning technologies, Google uses people's interactions with Search and these AI experiences. This can include interactions like what people search for and what feedback they provide to Google. With user feedback and human reviews, we evaluate and improve the quality of our results and products responsibly.
When trained reviewers work to improve the quality of Search’s machine learning models, we take a number of precautions to protect users’ privacy:
- Data that reviewers see and annotate are disconnected from users’ accounts.
- Automated tools help recognize and remove a broad range of identifying info and sensitive personal information.