Nguồn thông tin chính xác cho nhiều thuật ngữ học máy (ML) là Thuật ngữ học máy. Thay vì sao chép công việc của họ, chúng tôi chỉ đưa vào những từ và thuật ngữ thường được trích dẫn nhưng không có trong Thuật ngữ học máy.
Bản thiết kế hệ thống AI
Khi xây dựng các tính năng hoặc sản phẩm AI mới, hãy xác định bản thiết kế hệ thống AI của bạn, lập bản đồ cơ hội cho AI để biết cách bạn sẽ xây dựng một giải pháp. Bạn nên xác định:
- Tại sao bạn lại xây dựng? Có những trường hợp sử dụng AI nào và chúng mang lại giá trị gì cho người dùng?
- Ứng dụng của bạn sẽ hoạt động như thế nào?
- Làm cách nào để đảm bảo mỗi phần trong hệ thống của bạn đều được phát triển một cách có trách nhiệm?
Đọc về bản thiết kế trong phần giới thiệu về AI trên web.
Cấu trúc AI kết hợp
Cấu trúc AI kết hợp, sự kết hợp của một hoặc nhiều mô hình và các thành phần khác như cơ sở dữ liệu, API và hàng rào bảo vệ hoạt động cùng nhau để mang lại hành vi mạnh mẽ, nhận biết ngữ cảnh
Kỹ thuật ngữ cảnh
Kỹ thuật bối cảnh là quy trình chọn thông tin (mã thông báo) phù hợp nhất một cách linh động cho một yêu cầu nhất định để tối đa hoá khả năng nhận được kết quả có giá trị.
Sai lệch dữ liệu
Sai lệch dữ liệu xảy ra khi dữ liệu huấn luyện không còn đại diện cho thực tế. Hành vi của người dùng, hoạt động thu thập dữ liệu và môi trường dữ liệu có thể thay đổi bất cứ lúc nào, và điều này có thể dẫn đến việc giảm hiệu suất của mô hình.
Phần mềm xác định
Khi nhận được một dữ liệu đầu vào cụ thể, phần mềm xác định luôn làm theo cùng một chuỗi các bước để dẫn đến một đầu ra giống hệt nhau. Đây là những loại phần mềm đáng tin cậy nhất, vì chúng có thể dự đoán được và chạy hiệu quả.
Trí tuệ nhân tạo không phải là yếu tố quyết định. Các đường dẫn và kết quả có thể khác nhau đáng kể, ngay cả khi bạn dùng các câu lệnh giống hệt nhau.
Phát triển dựa trên đánh giá (EDD)
Khung Phát triển dựa trên đánh giá (EDD) cung cấp một quy trình có thể lặp lại và kiểm thử để cải thiện kết quả theo các bước nhỏ và chắc chắn, phát hiện các trường hợp hồi quy và điều chỉnh hành vi của mô hình cho phù hợp với kỳ vọng của người dùng và sản phẩm theo thời gian.
Hãy xem đây là phát triển dựa trên thử nghiệm (TDD), được điều chỉnh cho phù hợp với sự không chắc chắn của AI. Không giống như kiểm thử đơn vị xác định, bạn không thể mã hoá cứng các quy trình đánh giá AI vì đầu ra (cả đầu ra có dạng thức đúng và đầu ra không thành công) có thể có nhiều dạng thức mà bạn không thể dự đoán.
AI tạo sinh
AI tạo sinh là một hệ thống học máy có thể tạo nội dung. Điều này có nghĩa là mô hình có thể viết văn bản, tạo hình ảnh, tạo mã hoặc thậm chí thiết kế toàn bộ giao diện người dùng.
Quản lý
Chúng tôi đề cập đến 3 khía cạnh của hoạt động quản trị AI:
- Quyền riêng tư: Xử lý dữ liệu có trách nhiệm, giải thích những dữ liệu được thu thập và giảm thiểu dữ liệu rời khỏi trình duyệt.
- Tính công bằng: Kiểm tra xem các mô hình của bạn có hành vi phân biệt đối xử (thiên kiến) hay không và xây dựng các vòng lặp cho phép người dùng gắn cờ vấn đề.
- Lòng tin và tính minh bạch: Thiết kế hệ thống của bạn sao cho minh bạch và có độ tin cậy đã được điều chỉnh, để người dùng tiếp tục hưởng lợi từ hệ thống đó bất chấp sự không chắc chắn và những sai sót tiềm ẩn.
Phương diện cuối cùng là bảo mật, đây là một phương diện quan trọng trong hoạt động quản trị AI. Chúng tôi dự định cung cấp thêm thông tin về bảo mật trong các mô-đun sau này.
Trong thời gian chờ đợi, bạn nên đọc Khung AI bảo mật (SAIF) của Google và Blog bảo mật của Google.
Mô hình
Mô hình là nền tảng quan trọng nhất của một hệ thống AI. Về cơ bản, mô hình là một tập hợp các tham số và cấu trúc hỗ trợ hệ thống đưa ra dự đoán. Cách thức hoạt động của mô hình có thể khác nhau tuỳ thuộc vào kiểu huấn luyện (có giám sát hoặc không giám sát) và mục đích của mô hình (dự đoán hoặc tạo sinh).
Thẻ mô hình
Thẻ mô hình là thông tin tổng quan có cấu trúc về cách thiết kế và đánh giá một mô hình. Đây là những cấu phần phần mềm chính hỗ trợ cách tiếp cận của Google đối với AI có trách nhiệm.
Trọng số mô hình
Trọng số mô hình là các giá trị bằng số xác định tầm quan trọng của một số thông tin nhất định. Các giá trị này liên tục được cập nhật trong quá trình huấn luyện mô hình cho đến khi đạt được trọng số lý tưởng. Bạn có thể sửa đổi trọng số của các mô hình mở, chẳng hạn như Gemma.
Cơ hội cho AI
Có một số danh mục để xây dựng các giải pháp AI:
- Thông tin chi tiết: Cải thiện việc ra quyết định.
- Tiện lợi: Loại bỏ mọi phiền hà.
- Tự động hoá: Thay thế công việc lặp lại.
- Tăng cường: Hỗ trợ người dùng thực hiện các tác vụ phức tạp hoặc mang tính sáng tạo.
- Cá nhân hoá: Điều chỉnh sản phẩm cho phù hợp với nhu cầu và lựa chọn ưu tiên của từng cá nhân.
Vấn đề này được đề cập chi tiết trong phần Khám phá các trường hợp sử dụng.
Nền tảng
AI phía máy khách chạy trực tiếp trong trình duyệt. Điều này có nghĩa là dữ liệu có thể ở chế độ riêng tư, trên thiết bị của người dùng và không có độ trễ mạng. Tuy nhiên, để hoạt động hiệu quả, AI phía máy khách cần có các trường hợp sử dụng được xác định rõ ràng và cụ thể.
AI phía máy chủ bao gồm các mô hình được lưu trữ và chạy suy luận trên đám mây. Đây là một giải pháp có khả năng cao và có thể mở rộng, nhưng có thể tốn kém hơn và cần có kết nối mạng.
AI dự đoán
AI dự đoán (hoặc phân tích) là một tập hợp các thuật toán giúp bạn hiểu rõ dữ liệu hiện có và dự đoán những gì có thể xảy ra tiếp theo. Dựa trên các quy luật trong quá khứ, các mô hình AI dự đoán học cách dự đoán kết quả, hiển thị thông tin chi tiết và thúc đẩy các quyết định sáng suốt hơn.
Thiết kế câu lệnh
Kỹ thuật tạo câu lệnh là quá trình viết và viết lại câu lệnh để tạo ra kết quả phù hợp với kỳ vọng của người dùng. Câu lệnh được viết rõ ràng:
- Nêu rõ cách LLM nên xây dựng câu trả lời.
- Bao gồm nhiều thành phần có thể được lập phiên bản, kiểm thử và cải thiện theo thời gian.
- Có thể đóng vai trò là một cấu phần phần mềm dùng chung để cộng tác giữa các nhóm.
Có một số kỹ thuật bạn có thể áp dụng trong kỹ thuật thiết kế câu lệnh, mà bạn có thể đọc trong mô-đun Kỹ thuật thiết kế câu lệnh.
Các loại câu lệnh
Hãy coi loại câu lệnh là đối tượng của câu lệnh. Bạn có thể đọc thêm về vấn đề này trong mô-đun Kỹ thuật tạo câu lệnh.
Câu lệnh hệ thống
Câu lệnh hệ thống do nhà phát triển ứng dụng cung cấp và xác định hành vi tổng thể của mô hình. Bạn có thể đặt vai trò của mô hình ("Bạn là một trợ lý viết"), giọng điệu dự kiến, định dạng đầu ra (chẳng hạn như giản đồ JSON nghiêm ngặt) và mọi ràng buộc chung. Câu lệnh này vẫn ổn định trong các yêu cầu.
Lời nhắc cho người dùng
Câu lệnh của người dùng chứa yêu cầu tức thì dẫn đến một kết quả. Người dùng cung cấp một số loại biến đầu vào (chẳng hạn như lựa chọn văn bản hoặc kiểu dự kiến) và yêu cầu một tác vụ cụ thể. Ví dụ: "Tạo 3 tiêu đề cho bài đăng này", "Tiếp tục đoạn văn này" hoặc "Làm cho nội dung trang trọng hơn".