Wprowadzenie do AI w internecie

Podczas tworzenia aplikacji z AI można się pogubić w wyborze modelu, infrastruktury i kodu. Możesz zapomnieć o szerszej perspektywie.

W tym module przedstawiamy plan, którego możesz użyć do mapowania dowolnej nowej funkcji lub produktu opartego na AI:

• Dlaczego budujesz? Jaką wartość dla użytkowników ma Twój przypadek użycia AI?
• Jak będzie działać Twoja aplikacja?
• Jak zadbać o odpowiedzialne opracowanie każdej części systemu?

Aby zrozumieć, jak działa ten plan, wyobraź sobie, że pracujesz nad witryną e-commerce Example Shoppe. Twoi konkurenci intensywnie wdrażają ogólne chatboty, ale nie przynosi to większych efektów. Chcesz zapewnić użytkownikom lepsze wrażenia i ulepszyć wyszukiwanie bez zakłócania podstawowych procesów użytkownika.

Dzięki ulepszeniu opartemu na AI kupujący mogą wpisywać frazy w języku naturalnym, np. „czerwone buty do biegania w terenie na zimę”, i uzyskiwać trafne wyniki, które mogliby pominąć w przypadku wyszukiwania opartego na słowach kluczowych.

Możliwość

Każdy projekt AI powinien zaczynać się od jasnego przypadku użycia: zadania użytkownika lub problemu, który warto rozwiązać za pomocą AI. AI wprowadza do aplikacji niepewność i inne zagrożenia, dlatego należy jej używać tylko wtedy, gdy problemu nie można rozwiązać w konwencjonalny, deterministyczny sposób.

Przypadek użycia

W przypadku Example Shoppe wyszukiwanie jest główną funkcją, która łączy użytkowników z produktami, których szukają. Użytkownicy często rezygnują z wyszukiwania, gdy nie przynosi ono rezultatów z powodu błędów w pisowni, synonimów lub niejasnych zapytań. Wiesz to z własnych analiz, ale też z badań zewnętrznych. Dzięki bardziej elastycznemu i inteligentnemu wyszukiwaniu ścieżki użytkowników mogą być bardziej wydajne i przyjemne.

Inne przykłady zastosowań AI:

• W witrynie z wiadomościami możesz zmniejszyć obciążenie poznawcze, podsumowując wiadomości w uporządkowany sposób.
• Na platformie publikacyjnej możesz zwiększyć dostępność, automatycznie sugerując tekst alternatywny i napisy.
• Jako dostawca usług w chmurze możesz zmniejszyć liczbę zgłoszeń dzięki inteligentniejszemu wyszukiwaniu dokumentacji.

Odkrywanie wartościowych możliwości jest kluczem do sukcesu w przypadku AI. Jak wynika z raportu RAND Corporation, wybór niewłaściwej możliwości jest jednym z głównych powodów niepowodzeń projektów związanych ze sztuczną inteligencją.

Wartość

Wartość ma 2 aspekty: korzyści dla użytkowników oraz korzyści dla produktu lub firmy. W większości zdrowych i odpowiedzialnych produktów te kwestie są ze sobą powiązane: gdy użytkownicy osiągają sukces, firma też się rozwija. W przypadku sklepu For Example Shoppe wyszukiwanie ulepszone przez AI tworzy wartość, pomagając użytkownikom szybciej i łatwiej znajdować odpowiednie produkty. Zwiększa to odkrywalność produktów, współczynniki konwersji i długoterminową satysfakcję klientów.

Czasami wartość może być niematerialna, np. zadowolenie i zaufanie użytkowników. Zwłaszcza na początku warto znaleźć sposób na określenie wartości oferty. Dzięki temu będziesz mieć solidne podstawy do ustalania priorytetów, informowania o wpływie i przekonywania kluczowych osób. Nawet przybliżone szacunki mogą pomóc w podejmowaniu decyzji i umożliwić pomiar sukcesu.

Rozwiązanie

Po wyjaśnieniu, dlaczego dodajesz AI do swojego produktu, zastanów się, jak ją wdrożysz. Poznaj główne elementy składowe rozwiązania AI.

Dane

Dane są paliwem AI. Ostatecznie system AI jest ograniczony przez to, jak dobrze potrafi uczyć się na podstawie Twoich danych. Niedokładne, niekompletne lub nieprawidłowo dopasowane dane prowadzą do słabych wyników i frustracji użytkowników, niezależnie od tego, jak zaawansowany jest model lub infrastruktura. Z kolei wysokiej jakości dane i dobrze zaprojektowany mechanizm danych to czynniki, które mogą zwiększyć wartość produktu i stać się częścią jego wyróżnika.

Dane mogą mieć różne formy i rodzaje. W przypadku wyszukiwania opartego na AI przydatne dane mogą obejmować:

• Dane strukturalne: tytuły produktów, kolory, rozmiary, kategorie i dostępność.
• Dane nieustrukturyzowane: opisy produktów, opinie użytkowników i najczęstsze pytania.
• Listy synonimów: relacje między hasłami, np. „trampki” to „buty do biegania”.
• Sygnały użytkowników: kliknięcia, czas spędzony w witrynie, dodania do koszyka i zakupy to sygnały, które pomagają modelom określić, co użytkownicy uważają za istotne.
• Dane wizualne: obrazy produktów, które można osadzić w indeksie podobieństwa wizualnego, co umożliwia użytkownikom wyszukiwanie według zdjęcia lub odkrywanie podobnych wizualnie produktów, nawet bez pasującego tekstu.

Może się to wydawać dużą ilością danych, ale nie martw się. Zacznij od kilku źródeł danych, które zapewniają najlepszy stosunek sygnału do szumu, a potem rozszerzaj ich zakres w miarę rozwoju systemu.

W większości przypadków dane pierwotne nie są gotowe do przetworzenia przez model. Muszą one zostać oczyszczone, wstępnie przetworzone i uporządkowane w formacie odpowiednim dla AI. Na przykład sygnały użytkownika można przekształcać w sekwencje działań, a nieustrukturyzowane opisy produktów można kodować jako osadzenia semantyczne.

Dane mogą być używane na różnych etapach cyklu życia AI:

• Podczas trenowania lub dostrajania służy do uczenia modelu wzorców i relacji.
• Podczas oceny możesz używać go do testowania jakości, dokładności i trafności.
• W środowisku produkcyjnym możesz używać tego narzędzia do śledzenia odchyleń i zbierania opinii na podstawie rzeczywistego użytkowania.

Krótko mówiąc, dane to nie tylko dane wejściowe, ale żywe zasoby. Dobre zarządzanie danymi to jedna z najcenniejszych umiejętności, jaką może zdobyć programista stron internetowych pracujący z AI.

Analiza

Warstwa inteligencji to miejsce, w którym AI wyodrębnia i tworzy wartość. Często u podstaw systemu znajduje się model, ale większość systemów jest bardziej złożona. W przypadku sklepu Example Shoppe warstwa analizy interpretuje zapytania użytkowników za pomocą różnych metod:

• Rozpoznawanie nazw własnych i wydobywanie informacji w celu wyodrębniania atrybutów takich jak color=red lub season=winter.
• Model osadzania zdań do tworzenia reprezentacji semantycznych zapytań użytkowników i dostępnych produktów.
• Wyszukiwanie semantyczne, aby pobierać trafne wyniki.
• Mały, dostosowany model ponownego rankingu, który dokładnie ocenia wyniki pod kątem trafności.

Inteligencja to prawdopodobnie najbardziej ekscytująca część systemu AI, ale jest też najbardziej rozreklamowanym komponentem. Co tydzień pojawiają się nowe modele, często z przesadnymi twierdzeniami marketingowymi.

Oto 2 kluczowe czynniki, które warto wziąć pod uwagę:

• AI nie ogranicza się do generatywnej AI i dużych modeli językowych (LLM). Wiele zadań lepiej wykonują mniejsze, wyspecjalizowane modele, które są szybsze i tańsze we wdrożeniu i utrzymaniu.
• Systemy AI w rzeczywistości rzadko opierają się na jednym monolitycznym modelu. Zamiast tego korzystają z złożonych architektur AI, czyli kombinacji co najmniej 1 modelu z dodatkowymi komponentami, takimi jak bazy danych, interfejsy API i zabezpieczenia. Działają one razem, aby zapewnić solidne działanie uwzględniające kontekst.

Zamiast gonić za najnowszymi hitami na listach wyników wybierz technologię, która dobrze pasuje do Twojego problemu i pozwala dostosowywać się do rozwoju produktu i firmy. W przyszłych modułach poznasz podstawy najpopularniejszych obecnie technik AI: predykcyjnej AI i generatywnej AI. Dowiesz się też, jak oceniać i wybierać odpowiednie podejście techniczne do swojego systemu.

Interfejs użytkownika

Interfejs użytkownika to kanał, który dostarcza użytkownikom wartość AI. Deterministyczne interfejsy oprogramowania są pewne i przewidywalne: to samo wejście zawsze daje to samo wyjście. Wprowadzasz niepewność związaną z AI. Dwa niemal identyczne zapytania mogą dać zupełnie różne wyniki, a nawet najbardziej zaawansowane modele AI mogą mieć halucynacje i popełniać inne rodzaje błędów.

Musisz bardzo rozważnie podejść do tej zmiany, zwłaszcza jeśli dodajesz AI do istniejącego produktu. Chatboty otwarte są zabawne, ale w praktyce złożone i ryzykowne.

Na początku staraj się zminimalizować niepewność i ryzyko, na które są narażeni użytkownicy. Na przykład w przypadku sklepu Example Shoppe wyszukiwarkę opartą na AI można dyskretnie zintegrować z istniejącym interfejsem. Użytkownicy nadal wpisują zapytania w języku naturalnym i otrzymują lepszej jakości wyniki wyszukiwania.

Chociaż funkcja AI działa w tle, warto zadbać o przejrzystość. Możesz na przykład dodać powiadomienie i krótkie wyjaśnienie, w jaki sposób system wybiera te wyniki.

W module Wzorce UX dowiesz się, jak zachować równowagę między widocznością AI, jej możliwościami i ryzykiem w środowisku użytkownika Twojej usługi.

Zarządzanie

Systemy AI muszą być tworzone w odpowiedzialny sposób. Musisz stworzyć system, który chroni prywatność użytkowników, ogranicza stronniczość, zapewnia przejrzystość i spełnia wszystkie odpowiednie standardy prawne. Dobre zarządzanie nie służy tylko zapewnieniu zgodności z przepisami. Jest to zasada projektowania, która ma kluczowe znaczenie dla zdobycia zaufania użytkowników i zachęcenia ich do korzystania z usługi.

W wyszukiwarce opartej na AI w Example Shoppe zarządzanie zaczyna się od zabezpieczeń wbudowanych w usługę:

• Prywatność: dane personalizacji pozostają lokalne, chyba że użytkownicy wyraźnie się na to zgodzą. Możesz ją w każdej chwili włączyć lub wyłączyć.
• Sprawiedliwość: wyniki wyszukiwania są sprawdzane pod kątem zapewnienia zrównoważonej ekspozycji sprzedawców.
• Zaufanie i przejrzystość: Example Shoppe umożliwia sprawdzenie, dlaczego dany wynik został wyświetlony na początku każdego zapytania. Daje to możliwość budowania zaufania użytkowników.
• Bezpieczeństwo: zapytania z ograniczeniami lub niebezpieczne (np. dotyczące zakazanych produktów) są filtrowane lub blokowane przez mechanizmy ochronne.
• Możliwość odwołania: użytkownicy mogą szybko odrzucać sugestie AI, zgłaszać nieprawidłowe wyniki lub interakcje z AI oraz wracać do wyszukiwania tylko za pomocą słów kluczowych, jeśli ulepszenia AI nie są pomocne.

Aby tworzyć AI w odpowiedzialny sposób, musisz wziąć odpowiedzialność za proces wdrażania. Zaprojektuj przemyślane zabezpieczenia i pętle informacji zwrotnych. Wpływasz na bezpieczeństwo i niezawodność usługi, a także określasz oczekiwania dotyczące jej użytkowania i ograniczenia. Nie masz pełnej kontroli nad wynikami, ale musisz być gotowy(-a) na rozwiązanie wszelkich problemów.

Więcej informacji o najważniejszych aspektach zarządzania AI znajdziesz w artykule Odpowiedzialne tworzenie z wykorzystaniem AI. Znajdziesz w nim praktyczne narzędzia do tworzenia zrównoważonych i godnych zaufania aplikacji AI.

Wnioski

Plan systemu AI pomoże Ci uzyskać jasność i zgodność w przypadku każdego projektu AI, w którym uczestniczysz. Omówiliśmy każdy element planu na wysokim poziomie. Czytając dalej, dowiesz się więcej o poszczególnych krokach.

Ten schemat będzie się pojawiać w przypadku różnych przykładów, a niektóre warstwy zostaną omówione bardziej szczegółowo.

Sprawdź swoją wiedzę