Ģeneratīvais mākslīgais intelekts (MI) ir MI veids, kas var jums palīdzēt veidot saturu. Tas jums var palīdzēt strādāt radošāk, produktīvāk un ar plašāku zināšanu bāzi.
Šajā rakstā ir sniegta informācija par ģeneratīvo MI. Tostarp varat uzzināt:
- kas ir ģeneratīvais MI un kā tas darbojas;
- kā izmantot ģeneratīvo MI un kā novērtēt tā atbilžu precizitāti;
- kā uzņēmums Google izstrādā MI.
Kas ir ģeneratīvais MI?
Ģeneratīvais MI ir mašīnmācīšanās modeļu veids. Ģeneratīvais MI nav cilvēks. Tas nevar ne patstāvīgi domāt, ne izjust emocijas. Tas tikai lieliski spēj atrast sakarības.
Iepriekš MI tika izmantots, lai analizētu un ieteiktu informāciju. Tagad ģeneratīvais MI var arī palīdzēt veidot jaunu saturu, piemēram, attēlus, mūziku un kodu.
Kā mašīnmācīšanās modeļi tiek apmācītiMašīnmācīšanās modeļi, tostarp ģeneratīvais MI, tiek pielāgoti, veicot novērošanu un paraugu atbilstības noteikšanu, un šis process tiek dēvēts par apmācību. Lai modelis spētu atpazīt, kas ir sporta apavi, tas tiek apmācīts, izmantojot miljoniem sporta apavu fotoattēlu. Un tā ar laiku tas iegūst informāciju, ka sporta apavi ir priekšmeti, ko cilvēki valkā uz pēdām, tiem ir šņores, zoles un logotipi.
Izmantojot apmācību, modelis var veikt šāda veida darbības:
- interpretēt ievadītu uzvedni, piemēram, “Izveidot attēlu, kurā redzami sporta apavi ar kazas formas piekariņu”;
- savienot tā rīcībā esošo informāciju par sporta apaviem, kazām un piekariņiem;
- ģenerēt attēlu, pat ja tas nav apmācīts ar līdzīgu attēlu.
Ģeneratīvais MI un lielie valodas modeļi (LVM) ir vienas un tās pašas tehnoloģijas daļa. Ģeneratīvo MI var apmācīt, izmantojot jebkādu veidu datus, taču LVM kā galveno apmācības datu avotu izmanto vārdus.
Pakalpojumos, ko nodrošina LVM, piemēram, Gemini un meklēšanas ģeneratīvajās pieredzēs, var prognozēt, kāds vārds varētu tikt ievadīts nākamais, pamatojoties uz jūsu ievadīto uzvedni un tekstu, kas tiktāl ir ticis ģenerēts. Modeļiem ir iespējas izvēlēties iespējamos nākamos vārdus, kas atbilst apmācībā apgūtajām sakritībām. Šīs pielāgojamās iespējas ļauj ģenerēt radošas atbildes.
Ja jūs liksiet pabeigt frāzi “Harijs [tukšs]”, modelis var prognozēt, ka nākamais vārds būs “Poters” vai “Spanovskis”.
Kā izmantot ģeneratīvo MI
Svarīgi! Google pakalpojumi un funkcijas, ko nodrošina ģeneratīvais MI, var būt labs iesākums jūsu radošajam procesam. Tie nav paredzēti, lai paveiktu visu darbu jūsu vietā vai būtu darba autori.
Piedāvājam trīs veidus, kā varat izmantot ģeneratīvo MI.
- Atrodiet radošas idejas. Piemēram, varat saņemt palīdzību, lai uzrakstītu scenāriju savas mīļākās filmas priekšstāstam.
- Uzdodiet jautājumus, uz kuriem, jūsuprāt, atbilžu nav. Piemēram: “Kurš bija pirmais, vista vai ola?”
- Saņemiet papildu palīdzību. Palūdziet ieteikt nosaukumu jūsu uzrakstītam stāstam vai identificēt attēlā redzama kukaiņa vai cita dzīvnieka sugu.
Ir svarīgi atbildīgi izmantot ģeneratīvo MI, izpētot, radot un apgūstot jaunas lietas. Detalizētu informāciju skatiet mūsu ģeneratīvā MI aizliegtas izmantošanas politikā.
MI var kļūdīties, un tas noteikti notiksTā kā ģeneratīvais MI ir eksperimentāls rīks un vēl ir izstrādes procesā, tas noteikti pieļaus kļūdas.
- Tas var sagudrot kaut ko no zila gaisa. Ja ģeneratīvais MI sagudro atbildi, to sauc par halucināciju. Halucinācijas rodas tāpēc, ka (atšķirībā no Google meklēšanas, kas iegūst informāciju no tīmekļa) LVM nemaz neievāc informāciju. Tā vietā LVM prognozē, kuri vārdi varētu būt nākamie, pamatojoties uz lietotāju ievadītajām uzvednēm.
- Piemēram, jūs varat jautāt: “Kas 2032. gada Brisbenas vasaras olimpiskajās spēlēs uzvarēs vingrošanā sievietēm?” un saņemt atbildi, pat ja pasākums vēl nav noticis.
- Modelis var kaut ko pārprast. Dažkārt ģeneratīvā MI produktos tiek nepareizi interpretēts teksts, tāpēc mainās nozīme.
- Piemēram, varbūt jūs vēlaties uzzināt vairāk par spārēm — kukaiņiem, kas dzīvo pie ūdeņiem. Taču, ja palūdzat, lai jums pastāsta par spārēm, modelis var jums piedāvāt informāciju par jumtu konstrukcijām un celtniecību.
Kritiski apdomājiet atbildes, ko saņemat no ģeneratīvā MI rīkiem. Izmantojiet meklētājprogrammu Google un citus resursus, lai pārbaudītu informāciju, kas tiek pasniegta kā fakti.
Ja atrodat kaut ko, kas nav pareizi, ziņojiet par to. Daudzos mūsu ģeneratīvā MI produktos ir ziņošanas rīki. Jūsu atsauksmes palīdz mums uzlabot modeļus un tādējādi sniegt labāku ģeneratīvā MI lietošanas pieredzi visiem.
Mūsu ģeneratīvā koda funkcijas joprojām ir eksperimentālas, un jūs esat atbildīgs par ieteiktā koda vai ieteikto kodēšanas skaidrojumu izmantošanu. Lūdzu, ievērojiet piesardzību un rūpīgi testējiet kodu, kā arī viscaur pārskatiet, vai tajā nav kļūdu un ievainojamību, pirms uz to paļaujaties. Jūs esat atbildīgs par visu licences prasību izpildi, piemēram, ja kā avots tiek norādīta atklāto pirmkodu krātuve. Uzzināt vairāk
Kā uzņēmums Google izstrādā MI
Lai veidotu rīkus, kas padara pasauli labāku, 2018. gadā mēs formulējām MI principu kopu. Šie principi raksturo mūsu mērķus izstrādāt novatoriskas tehnoloģijas, kas atbildīgā veidā varētu pārvarēt daļu no sabiedrības lielākajiem izaicinājumiem.
Lūk, daži no nolūkiem, kam mēs izmantojam MI:
- atbalsts centieniem ierobežot klimata pārmaiņas, piemēram, uzlabojot satiksmi, lai samazinātu apstāšanās biežumu un tādējādi mazinātu transportlīdzekļu radītās emisijas;
- dabas katastrofu prognozēšana vai uzraudzība, piemēram, prognozējot plūdus vairāk nekā 20 valstīs un reāllaikā izsekojot savvaļas ugunsgrēku robežām;
- atbalsts inovācijām veselības aprūpes jomā, piemēram, padarot tuberkulozes skrīningu pieejamāku un palīdzot agrīni noteikt krūts vēzi.
Mūsu principos ir arī minētas jomas, kurās neizmantosim MI, piemēram, tehnoloģijas, kas nodara vispārēju kaitējumu vai pārkāpj starptautiskos tiesību aktus un cilvēktiesības.
Skatiet pilnu MI principu sarakstu.
To develop and improve generative AI experiences on Search and the machine learning technologies that power them, Google uses people's interactions with Search and those experiences. This can include interactions like what they search for and feedback they give, like thumbs up or thumbs down. Human review is one of many ways that 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.