Ģeneratīvais mākslīgais intelekts (MI) ir MI veids, kas var palīdzēt jums veidot saturu. Tas var palīdzēt jums būt radošākam, produktīvākam un zinošākam.
Šajā rakstā ir sniegta informācija par ģeneratīvo MI, tostarp:
- kas ir ģeneratīvais MI un kā tas darbojas;
- kā izmantot ģeneratīvo MI un kā izvērtēt tā atbilžu precizitāti;
- kā uzņēmums Google attīsta MI.
Kas ir ģeneratīvais MI
Ģeneratīvais MI ir mašīnmācīšanās modeļu veids. Ģeneratīvais MI nav cilvēks. Tas nevar ne patstāvīgi domāt, ne just emocijas. Tas tikai lieliski spēj atrast sakarības.
Iepriekš mākslīgais intelekts tika izmantots, lai izprastu informāciju un ieteiktu atbildes. Tagad ģeneratīvais MI var arī palīdzēt veidot jaunu saturu, piemēram, attēlus vai mūziku, kā arī rakstīt kodu.
Kā tiek apmācīti mašīnmācīšanās modeļiMašīnmācīšanās modeļi, tostarp ģeneratīvais MI, mācās, novērojot un meklējot sakarības. Šis process tiek dēvēts par apmācību. Lai modelis spētu izprast, kas ir sporta apavi, tas tiek apmācīts, izmantojot miljoniem sporta apavu fotoattēlu. Laika gaitā modelis sāk atpazīt, ka sporta apavi ir priekšmeti, ko cilvēki valkā uz pēdām, tiem ir šņores, zoles un logotipi.
Izmantojot apmācības laikā iegūto informāciju, modelis var veikt tālāk norādītās darbības.
- Interpretēt ievadītās komandas, piemēram, “Izveidot attēlu, kurā redzami sporta apavi ar kazas piekariņu”.
- Apkopot tā rīcībā esošo informāciju par sporta apaviem, kazām un piekariņiem.
- Ģenerēt attēlu, pat ja tas nav ticis apmācīts, izmantojot līdzīgu attēlu.
Ģeneratīvais MI un lielie valodas modeļi (LVM) ietilpst vienā tehnoloģijas grupā. Ģeneratīvo MI ir iespējams apmācīt, izmantojot jebkādu veidu datus, taču LVM izmanto vārdus kā galveno apmācības datu avotu.
Iespējas, kuru darbību nodrošina LVM, piemēram, Gemini vai MI meklēšanas apkopojums, spēj prognozēt, kādi vārdi varētu būt nākamie, ņemot vērā jūsu ievadi un līdz šim ģenerēto tekstu. Modeļi var elastīgi izvēlēties nākamos iespējamos vārdus, kas atbilst apmācībā apgūtajām sakarībām. Šī elastība ļauj tiem ģenerēt radošas atbildes.
Ja jūs lūgsiet pabeigt frāzi “Harijs [tukšs]”, iespējams, modelis prognozēs, ka nākamais vārds ir “Poters” vai “Spanovskis”.
Kā izmantot ģeneratīvo MI
Svarīgi! Google iespējas, ko nodrošina ģeneratīvais MI, var palīdzēt jums uzsākt radošo procesu. Tās nav paredzētas, lai paveiktu visu darbu jūsu vietā vai lai tās būtu jūsu satura veidotājas.
Tālāk ir norādīti trīs veidi, kā varat izmantot ģeneratīvo MI.
- Ģenerējiet jaunas radošās idejas. Piemēram, varat saņemt palīdzību savas iecienītākās filmas priekšstāsta uzrakstīšanā.
- Uzdodiet jautājumus, uz kuriem, jūsuprāt, nepastāv atbildes. Piemēram, “kas bija pirmais — vista vai ola?”
- Saņemiet papildu palīdzību. Lūdziet modelim ieteikt nosaukumu jūsu sarakstītajam stāstam vai identificēt attēlā redzamā 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 arī kļūdāsTā kā ģeneratīvais MI ir eksperimentāls rīks un vēl notiek tā izstrāde, tas var kļūdīties, un tas arī kļūdās.
- Tas var radīt nepatiesu saturu. Ja ģeneratīvais MI izgudro atbildi, to sauc par halucināciju. Halucinācijas rodas tāpēc, ka atšķirībā no Google meklēšanas, kad informācija tiek iegūta no tīmekļa, LVM nemaz neievāc informāciju. Tā vietā LVM prognozē, kādi vārdi varētu būt nākamie, ņemot vērā lietotāju ievadi.
- Piemēram, jautājot “Kurš 2032. gada Brisbenas vasaras olimpiskajās spēlēs uzvarēs vingrošanā sievietēm?”, iespējams, saņemsiet atbildi, pat ja pasākums vēl nav noticis.
- Modelis var pārprast ievadi. Dažkārt ģeneratīvā MI produkti nepareizi interpretē ievadītā teksta formulējumu, tāpēc mainās nozīme.
- Piemēram, varbūt jūs vēlaties uzzināt vairāk par spārēm — kukaiņiem, kas dzīvo pie ūdeņiem. Taču, ja modelim lūgsiet, lai tas jums pastāsta par spārēm, tas 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 attēlota kā fakts.
Ja atrodat informāciju, kas nav pareiza, ziņojiet par to. Daudzos mūsu ģeneratīvā MI produktos ir iestrādāti 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 attīsta MI
Lai nodrošinātu, ka veidojam rīkus, kas padara pasauli labāku visiem, 2018. gadā mēs noformulējām MI principu kopumu. Šajos principos ir izklāstīti mūsu mērķi izstrādāt novatorisku tehnoloģiju, kas atbildīgā veidā varētu pārvarēt daļu no sabiedrības lielākajiem izaicinājumiem.
Tālāk ir minēti daži mērķi, kuru īstenošanai mēs izmantojam MI.
- Atbalsts centieniem ierobežot klimata pārmaiņas, piemēram, uzlabojot satiksmi, lai samazinātu apstāšanās biežumu un tādējādi samazinātu transportlīdzekļu radītās emisijas.
- Dabas katastrofu prognozēšana vai pārraudzība, piemēram, prognozējot plūdus vairāk nekā 20 valstīs un reāllaikā izsekojot savvaļas ugunsgrēku robežām.
- Atbalsts veselības aprūpes inovāciju izstrādē, piemēram, padarot pieejamāku tuberkulozes skrīningu un palīdzot agrīni konstatēt krūts vēzi.
Mūsu principos ir arī minētas jomas, kurās mēs neizmantosim MI, piemēram, tādu tehnoloģiju izstrāde, kas nodara vispārēju kaitējumu vai pārkāpj starptautiskos tiesību aktus un cilvēktiesības.
Skatiet visu MI principu sarakstu.
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.