Основным источником достоверной информации по многим терминам машинного обучения является глоссарий ML . Вместо того чтобы дублировать их работу, мы включаем только часто цитируемые слова и термины, которых нет в глоссарии ML.
Схема системы искусственного интеллекта
При разработке новых функций или продуктов на основе ИИ определите план вашей системы ИИ, сопоставив возможности ИИ с тем, как вы будете создавать решение. Вам следует определить:
- Зачем вы занимаетесь разработкой? Какие варианты использования ИИ доступны и какую пользу они приносят пользователям?
- Как будет работать ваше приложение?
- Как можно обеспечить ответственную разработку каждой части вашей системы?
Подробнее о плане действий можно прочитать во введении к теме использования ИИ в интернете .
Составная архитектура ИИ
Составные архитектуры ИИ — это комбинации одной или нескольких моделей и других компонентов, таких как базы данных, API и механизмы защиты, которые работают вместе для обеспечения надежного поведения с учетом контекста.
Контекстная инженерия
Контекстная инженерия — это процесс динамического выбора наиболее релевантной информации (токенов) для данного запроса с целью максимизации вероятности получения ценного результата.
дрейф данных
Дрейф данных происходит, когда обучающие данные перестают отражать реальность. Поведение пользователей, сбор данных и среда обработки данных могут меняться в любой момент, что может привести к снижению производительности модели.
Детерминированное программное обеспечение
При заданных входных данных детерминированное программное обеспечение всегда следует одной и той же последовательности шагов, что приводит к идентичному результату. Это наиболее надежные типы программного обеспечения, поскольку они предсказуемы и работают эффективно.
Искусственный интеллект не является детерминированным. Пути развития событий и результаты могут сильно различаться даже при одинаковых запросах.
Разработка, основанная на оценке (EDD)
Методология разработки, основанная на оценке (Evaluation-driven development, EDD), предлагает повторяемый и проверяемый процесс улучшения результатов небольшими и уверенными шагами, выявления регрессий и приведения поведения модели в соответствие с ожиданиями пользователей и продукта с течением времени.
Рассматривайте это как разработку через тестирование (TDD) , адаптированную к неопределенности, присущей искусственному интеллекту. В отличие от детерминированных модульных тестов, оценки ИИ нельзя жестко запрограммировать, поскольку результаты, как корректные, так и некорректные, могут принимать множество различных форм, которые невозможно предвидеть.
Генеративный ИИ
Генеративный ИИ представляет собой систему машинного обучения, способную создавать контент. Это означает, что модель может писать текст, генерировать изображения, создавать код или даже разрабатывать полноценные пользовательские интерфейсы.
Управление
Мы рассматриваем три аспекта управления ИИ:
- Конфиденциальность : ответственно обращайтесь с данными, объясняйте, какие данные собираются, и сводите к минимуму информацию, покидающую браузер.
- Справедливость : Проверьте свои модели на наличие дискриминационного поведения (предвзятости) и создайте циклы, позволяющие пользователям сообщать о проблемах.
- Доверие и прозрачность : Разрабатывайте свою систему с учетом прозрачности и сбалансированного уровня доверия, чтобы пользователи продолжали получать от нее выгоду, несмотря на неопределенность и потенциальные ошибки.
Последний аспект, безопасность, является важным аспектом управления ИИ. Мы планируем подробнее рассказать о безопасности в будущих модулях.
Тем временем мы рекомендуем вам ознакомиться с документом Google Secure AI Framework (SAIF) и блогом Google по вопросам безопасности .
Модель
Модели — это важнейшая основа системы искусственного интеллекта. В своей основе модель представляет собой набор параметров и структуры, которые поддерживают систему в процессе прогнозирования. Принцип работы модели может различаться в зависимости от стиля обучения (контролируемое или неконтролируемое) и назначения модели (прогностическое или генеративное).
Модель карты
Карточки моделей представляют собой структурированные обзоры того, как была разработана и оценена модель. Они служат ключевыми артефактами, поддерживающими подход Google к ответственному использованию ИИ .
Весовые коэффициенты модели
Веса модели — это числовые значения, определяющие важность определенной информации. Эти значения постоянно обновляются в процессе обучения модели до тех пор, пока не будет установлен оптимальный вес. Вы можете изменять веса открытых моделей, таких как Gemma .
Возможности для ИИ
Существует несколько категорий для классификации решений в области искусственного интеллекта:
- Аналитические выводы : Улучшение процесса принятия решений.
- Удобство : Устранение трения.
- Автоматизация : замена повторяющейся работы.
- Расширение возможностей : Оказание помощи пользователям в выполнении сложных или творческих задач.
- Персонализация : адаптация продукта к индивидуальным потребностям и предпочтениям пользователя.
Этот вопрос подробно рассмотрен в разделе «Изучите примеры использования» .
Платформы
Искусственный интеллект на стороне клиента работает непосредственно в браузере. Это означает, что данные остаются конфиденциальными, хранятся на устройстве пользователя, и отсутствует задержка в сети. Однако для эффективной работы ИИ на стороне клиента необходимы узкоспециализированные и четко определенные сценарии использования.
Искусственный интеллект на стороне сервера включает в себя модели, размещенные в облаке и выполняющие вывод результатов. Это высокопроизводительный и масштабируемый подход, но он может быть дороже и требует подключения к сети.
Прогностический ИИ
Прогностический (или аналитический) ИИ — это набор алгоритмов, которые помогают понимать существующие данные и предсказывать, что, вероятно, произойдет дальше. Основываясь на исторических закономерностях, модели прогностического ИИ учатся прогнозировать результаты, выявлять закономерности и принимать более взвешенные решения.
Оперативное проектирование
Разработка подсказок — это процесс написания и переписывания подсказок для получения результатов, соответствующих ожиданиям пользователей. Хорошо написанная подсказка:
- В документе указано, как магистрант должен подготовить свой ответ.
- Состоит из множества компонентов, которые можно версионировать, тестировать и улучшать с течением времени.
- Может служить общим ресурсом для совместной работы между командами.
В рамках оперативного проектирования существует ряд методов, о которых вы узнаете из модуля «Оперативное проектирование» .
Типы подсказок
Представьте себе тип запроса как целевую аудиторию запроса. Подробнее об этом можно прочитать в модуле «Разработка запросов» .
Системная подсказка
Системная подсказка предоставляется разработчиками приложения и определяет общее поведение модели. Она может задавать роль модели («Вы — помощник по написанию»), ожидаемый тон, формат вывода (например, строгая схема JSON) и любые глобальные ограничения. Эта подсказка остается неизменной при каждом запросе.
Запрос пользователя
Запрос пользователя содержит непосредственный запрос, который приводит к результату. Пользователь предоставляет некоторые входные переменные (например, выделенный текст или ожидаемый стиль) и запрашивает выполнение конкретной задачи. Например, «Сгенерировать три заголовка для этого сообщения», «Продолжить этот абзац» или «Сделать это более формальным».