ข้อมูลเบื้องต้นเกี่ยวกับ AI บนเว็บ

เมื่อพัฒนาด้วย AI คุณอาจสับสนในการเลือกโมเดล โครงสร้างพื้นฐาน และโค้ด คุณอาจลืมภาพรวม

ในโมดูลนี้ เราจะแนะนำพิมพ์เขียวที่คุณใช้เพื่อแมปฟีเจอร์หรือผลิตภัณฑ์ AI ใหม่ๆ ได้

• ทำไมคุณจึงสร้าง กรณีการใช้งาน AI ของคุณให้คุณค่าอะไรแก่ผู้ใช้
• แอปพลิเคชันของคุณจะทำงานอย่างไร
• คุณจะมั่นใจได้อย่างไรว่าระบบแต่ละส่วนได้รับการพัฒนาอย่างมีความรับผิดชอบ

หากต้องการทำความเข้าใจวิธีการทำงานของพิมพ์เขียวนี้ ให้ลองนึกว่าคุณทำงานในเว็บไซต์อีคอมเมิร์ซ Example Shoppe คู่แข่งของคุณกำลังวุ่นอยู่กับการติดตั้งแชทบอททั่วไป แต่ ก็ไม่ค่อยได้รับความสนใจ คุณต้องการมอบประสบการณ์ที่ดีขึ้นให้แก่ผู้ใช้ และตัดสินใจที่จะปรับปรุงประสบการณ์การค้นหา โดยไม่รบกวนขั้นตอนหลักของผู้ใช้

การอัปเกรดที่ทำงานด้วยระบบ AI ช่วยให้ผู้เลือกซื้อพิมพ์วลีภาษาที่เป็นธรรมชาติได้ เช่น "รองเท้าวิ่งเทรลสีแดงสำหรับฤดูหนาว" และรับผลการค้นหาที่เกี่ยวข้องซึ่งอาจพลาดไปหากใช้การค้นหาตามคีย์เวิร์ด

โอกาส

โปรเจ็กต์ AI ทุกโปรเจ็กต์ควรเริ่มต้นด้วยกรณีการใช้งานที่ชัดเจน ซึ่งก็คือ งานหรือปัญหาของผู้ใช้ที่ คุ้มค่าที่จะแก้ไขด้วย AI AI ทำให้เกิดความไม่แน่นอนและความเสี่ยงอื่นๆ ในแอปพลิเคชันของคุณ ดังนั้นคุณควรใช้ AI เฉพาะในกรณีที่ไม่สามารถแก้ปัญหาด้วยวิธีที่แน่นอนแบบเดิมได้

กรณีการใช้งาน

สำหรับ Example Shoppe การค้นหาเป็นฟังก์ชันหลักที่เชื่อมต่อผู้ใช้กับผลิตภัณฑ์ที่ผู้ใช้กำลังมองหา ผู้ใช้มักจะละทิ้งการค้นหาเมื่อค้นหาไม่สำเร็จเนื่องจาก การพิมพ์ผิด คำพ้องความหมาย หรือคำค้นหาที่คลุมเครือ คุณทราบเรื่องนี้จากข้อมูลวิเคราะห์ของคุณเอง แต่ก็ทราบจากการวิจัยภายนอกด้วย การค้นหาที่ยืดหยุ่นและชาญฉลาดมากขึ้นจะช่วยให้เส้นทางของผู้ใช้มีประสิทธิภาพและน่าพึงพอใจมากขึ้น

ตัวอย่างอื่นๆ ของกรณีการใช้งาน AI ได้แก่

• ในเว็บไซต์ข่าว คุณสามารถลดภาระทางปัญญาได้โดยสรุปข่าวใน รูปแบบที่มีโครงสร้าง
• ในแพลตฟอร์มการเผยแพร่ คุณสามารถปรับปรุงการช่วยเหลือพิเศษได้โดยการ แนะนำข้อความแสดงแทนและคำบรรยายแทนเสียงโดยอัตโนมัติ
• ในฐานะผู้ให้บริการระบบคลาวด์ คุณสามารถลดคำขอรับการสนับสนุนได้ด้วยการค้นหาเอกสารที่ชาญฉลาดขึ้น

การค้นพบโอกาสที่มีมูลค่าสูงคือกุญแจสำคัญสู่ความสำเร็จด้วย AI ดังที่ระบุไว้ในรายงานของ RAND Corporation การเลือกโอกาสที่ไม่ถูกต้องเป็นสาเหตุหลักประการหนึ่งที่ทำให้โปรเจ็กต์ AI ล้มเหลว

ค่า

คุณค่ามี 2 ด้าน ได้แก่ ประโยชน์ต่อผู้ใช้ และประโยชน์ต่อผลิตภัณฑ์หรือธุรกิจ ในผลิตภัณฑ์ที่มีความรับผิดชอบและมีคุณภาพส่วนใหญ่ สิ่งเหล่านี้จะสอดคล้องกัน กล่าวคือ เมื่อผู้ใช้ประสบความสำเร็จ ธุรกิจก็จะเติบโตด้วย ตัวอย่างเช่น สำหรับ Shoppe การค้นหาที่ได้รับการปรับปรุงด้วย AI จะสร้างมูลค่า ด้วยการช่วยให้ผู้ใช้ค้นหาผลิตภัณฑ์ที่เหมาะสมได้เร็วขึ้นโดยมีอุปสรรคน้อยลง ซึ่งจะช่วย เพิ่มการค้นพบผลิตภัณฑ์ อัตรา Conversion และความพึงพอใจของลูกค้าในระยะยาว

บางครั้งคุณค่าอาจจับต้องไม่ได้ เช่น ความพึงพอใจและความไว้วางใจของผู้ใช้ โดยเฉพาะในช่วงแรก คุณควรหาวิธีวัดคุณค่าที่เสนอ ซึ่งจะช่วยให้คุณมีพื้นฐานที่มั่นคงในการจัดลำดับความสำคัญ สื่อสารผลกระทบ และ โน้มน้าวผู้มีส่วนเกี่ยวข้อง แม้จะเป็นค่าประมาณคร่าวๆ ก็ช่วยในการตัดสินใจและทำให้ วัดผลความสำเร็จได้

โซลูชัน

หลังจากอธิบายเหตุผลที่เพิ่ม AI ลงในผลิตภัณฑ์แล้ว ให้คิดถึงวิธี การใช้งาน มาดูองค์ประกอบสำคัญของโซลูชัน AI กัน

ข้อมูล

ข้อมูลคือเชื้อเพลิงของ AI ท้ายที่สุดแล้ว ระบบ AI จะขึ้นอยู่กับความสามารถในการ เรียนรู้จากข้อมูลของคุณ ข้อมูลที่ไม่ดี ไม่สมบูรณ์ หรือไม่สอดคล้องกันจะทำให้ผลลัพธ์ไม่ดี และผู้ใช้รู้สึกหงุดหงิด ไม่ว่าโมเดลหรือโครงสร้างพื้นฐานจะดีเพียงใดก็ตาม ในทางกลับกัน ข้อมูลคุณภาพสูงและวงจรข้อมูลที่ออกแบบมาอย่างดีเป็นตัวขับเคลื่อนคุณค่าที่สามารถเป็นส่วนหนึ่งของการสร้างความแตกต่างของผลิตภัณฑ์ได้ด้วย

ข้อมูลมีหลายรูปแบบและหลายรูปแบบ สำหรับตัวอย่างการค้นหาที่ทำงานด้วยระบบ AI ข้อมูลที่เป็นประโยชน์อาจรวมถึงข้อมูลต่อไปนี้

• Structured Data: ชื่อผลิตภัณฑ์ สี ขนาด หมวดหมู่ และความพร้อมจำหน่ายสินค้า
• ข้อมูลที่ไม่มีโครงสร้าง: รายละเอียดผลิตภัณฑ์ รีวิวของผู้ใช้ และคำถามที่พบบ่อย
• รายการคำพ้องความหมาย: ความสัมพันธ์ของคำ เช่น "รองเท้าผ้าใบ" เท่ากับ "รองเท้าวิ่ง"
• สัญญาณของผู้ใช้: การคลิก เวลาในการเข้าชม การกระทําการเพิ่มลงในรถเข็น และการซื้อเป็นสัญญาณทั้งหมดที่ช่วยให้โมเดลเรียนรู้สิ่งที่ผู้ใช้เห็นว่าเกี่ยวข้องจริงๆ
• ข้อมูลภาพ: รูปภาพผลิตภัณฑ์ที่ฝังลงในดัชนีความคล้ายคลึงกันของภาพได้ ซึ่งช่วยให้ผู้ใช้ค้นหาด้วยรูปภาพหรือค้นพบสินค้าที่มีลักษณะคล้ายกันได้ แม้จะไม่มีข้อความที่ตรงกันก็ตาม

แม้ว่าข้อมูลดังกล่าวอาจดูมีปริมาณมาก แต่ไม่ต้องกังวล เริ่มต้นจากแหล่งข้อมูลเพียงไม่กี่แหล่งที่มีอัตราส่วนสัญญาณต่อสัญญาณรบกวนที่แข็งแกร่งที่สุด แล้วจึงขยายเมื่อระบบของคุณพร้อม

ในกรณีส่วนใหญ่ ข้อมูลดิบของคุณอาจยังไม่พร้อมที่จะนำเข้าโดยโมเดล ต้องทำความสะอาด ประมวลผลล่วงหน้า และจัดระเบียบให้อยู่ในรูปแบบที่ AI ใช้งานได้ ตัวอย่างเช่น คุณสามารถเปลี่ยนสัญญาณของผู้ใช้เป็นลำดับการดำเนินการ ในขณะที่เข้ารหัสคำอธิบายผลิตภัณฑ์ที่ไม่มีโครงสร้างเป็น Embedding เชิงความหมายได้

คุณใช้ข้อมูลได้ในขั้นตอนต่างๆ ของวงจร AI ดังนี้

• ในการฝึกหรือการปรับแต่ง จะใช้เพื่อสอนรูปแบบและความสัมพันธ์ของโมเดล
• ในการประเมิน คุณสามารถใช้เพื่อทดสอบคุณภาพ ความถูกต้อง และความเกี่ยวข้องได้
• ในขั้นตอนการผลิต คุณสามารถใช้เพื่อติดตามการดริฟต์และรวบรวมความคิดเห็นจากการใช้งานจริงได้

กล่าวโดยย่อคือ ข้อมูลไม่ใช่แค่อินพุต แต่เป็นสินทรัพย์ที่มีชีวิต การจัดการข้อมูลที่ดีเป็น หนึ่งในทักษะที่มีค่าที่สุดที่นักพัฒนาเว็บสามารถสร้างขึ้นได้เมื่อทำงานร่วมกับ AI

การตรวจหา

เลเยอร์อัจฉริยะคือที่ที่ AI กลั่นกรองและสร้างคุณค่า โดยมักจะมี โมเดลเป็นแกนหลัก แต่ระบบส่วนใหญ่มีความซับซ้อนมากกว่า สําหรับ Example Shoppe เลเยอร์อัจฉริยะจะทําความเข้าใจคําค้นหาของผู้ใช้โดยใช้วิธีการต่างๆ ดังนี้

• การจดจำเอนทิตีที่มีชื่อและการแยกข้อมูลเพื่อดึงแอตทริบิวต์ เช่น color=red หรือ season=winter
• โมเดลการฝังประโยคเพื่อสร้างการแสดงความหมายของคำค้นหาของผู้ใช้ และผลิตภัณฑ์ที่มี
• การค้นหาเชิงความหมายเพื่อดึงผลการค้นหาที่เกี่ยวข้อง
• โมเดลการจัดอันดับใหม่ขนาดเล็กที่ปรับแต่งแล้วเพื่อจัดอันดับผลลัพธ์ตามความเกี่ยวข้องได้อย่างแม่นยำ

ความอัจฉริยะอาจเป็นส่วนที่น่าตื่นเต้นที่สุดของระบบ AI แต่ก็เป็นส่วนประกอบที่ได้รับการโฆษณามากที่สุดด้วย โดยมีการเปิดตัวโมเดลใหม่ทุกสัปดาห์ พร้อมด้วย การกล่าวอ้างทางการตลาดที่เกินจริง

โดยปัจจัยสำคัญ 2 ประการที่ควรพิจารณามีดังนี้

• AI ไม่ได้จำกัดอยู่แค่ Generative AI และโมเดลภาษาขนาดใหญ่ (LLM) โมเดลขนาดเล็กและเฉพาะทาง จะทำงานหลายอย่างได้ดีกว่า เนื่องจากใช้งานได้รวดเร็วและมีต้นทุนในการติดตั้งใช้งานและการบำรุงรักษาที่ถูกกว่า
• ระบบ AI ในชีวิตจริงมักไม่ได้อาศัยโมเดลแบบ Monolithic เพียงโมเดลเดียว แต่จะใช้สถาปัตยกรรม AI แบบผสม ซึ่งเป็นการรวมโมเดลอย่างน้อย 1 โมเดลเข้ากับคอมโพเนนต์เพิ่มเติม เช่น ฐานข้อมูล, API และการป้องกัน ซึ่งจะทำงานร่วมกันเพื่อมอบลักษณะการทำงานที่แข็งแกร่งและรับรู้บริบท

แทนที่จะไล่ตามเทรนด์ล่าสุดในลีดเดอร์บอร์ด ให้เลือกข้อมูลอัจฉริยะ ที่เหมาะกับปัญหาของคุณ ซึ่งจะช่วยให้คุณปรับตัวได้เมื่อผลิตภัณฑ์และ ธุรกิจของคุณพัฒนาขึ้น ในโมดูลต่อๆ ไป คุณจะได้เรียนรู้พื้นฐานเกี่ยวกับเทคนิค AI ที่พบบ่อยที่สุดในปัจจุบัน ได้แก่ Predictive AI และ Generative AI นอกจากนี้ คุณยังจะได้เรียนรู้วิธีประเมินและเลือก แนวทางด้านเทคนิคที่เหมาะสมสำหรับระบบของคุณ

ประสบการณ์ของผู้ใช้

อินเทอร์เฟซผู้ใช้คือช่องทางที่ส่งมอบคุณค่าของ AI ให้แก่ผู้ใช้ อินเทอร์เฟซซอฟต์แวร์ที่แน่นอนและคาดการณ์ได้: อินพุตเดียวกัน จะสร้างเอาต์พุตเดียวกันเสมอ AI ทำให้เกิดความไม่แน่นอน คำค้นหา 2 รายการที่เกือบจะเหมือนกัน อาจให้ผลลัพธ์ที่แตกต่างกันโดยสิ้นเชิง และแม้แต่โมเดล AI ที่ทรงพลังที่สุดก็ยังขึ้นชื่อเรื่องการหลอนและทำผิดพลาดประเภทอื่นๆ

คุณต้องพิจารณาการเปลี่ยนแปลงนี้อย่างรอบคอบ โดยเฉพาะอย่างยิ่งหากคุณเพิ่ม AI ลงในผลิตภัณฑ์ที่มีอยู่ แชทบอทแบบปลายเปิดนั้นสนุก แต่มีความซับซ้อนและมีความเสี่ยงในทางปฏิบัติ

ในช่วงแรก ให้พยายามลดความไม่แน่นอนและความเสี่ยงที่ผู้ใช้จะได้รับ ตัวอย่างเช่น ในกรณีของ Example Shoppe การค้นหาที่ทำงานด้วยระบบ AI สามารถผสานรวมเข้ากับอินเทอร์เฟซที่มีอยู่ได้อย่างราบรื่น ผู้ใช้จะพิมพ์คำค้นหาที่เป็นภาษาธรรมชาติต่อไปและได้รับผลการค้นหาที่มีคุณภาพดียิ่งขึ้น

แม้ว่าฟีเจอร์ AI จะทำงานในเบื้องหลัง แต่แนวทางปฏิบัติที่ดีคือการ เสริมความโปร่งใส เช่น คุณอาจเพิ่มประกาศและคำอธิบายสั้นๆ เกี่ยวกับวิธีที่ระบบคัดสรรผลการค้นหาเหล่านี้

ในรูปแบบ UX คุณจะได้เรียนรู้วิธีรักษาสมดุลระหว่างการเปิดเผย AI ความสามารถ และความเสี่ยงในประสบการณ์ของผู้ใช้ของผลิตภัณฑ์

การกำกับดูแล

คุณต้องสร้างระบบ AI อย่างมีความรับผิดชอบ คุณควรสร้างระบบที่ปกป้องความเป็นส่วนตัวของผู้ใช้ ลดอคติ ให้ความโปร่งใส และเป็นไปตามมาตรฐานทางกฎหมายที่เกี่ยวข้องทั้งหมด การกำกับดูแลที่ดีไม่ได้มีไว้เพื่อการปฏิบัติตามข้อกำหนดเท่านั้น แต่เป็นหลักการออกแบบที่สำคัญในการรักษาความไว้วางใจและการยอมรับของผู้ใช้

ในการค้นหาที่ทำงานด้วยระบบ AI ของ Example Shoppe การกำกับดูแลเริ่มต้นด้วย การป้องกันที่สร้างไว้ในผลิตภัณฑ์

• ความเป็นส่วนตัว: ข้อมูลการปรับเปลี่ยนในแบบของคุณจะยังคงอยู่ในเครื่อง เว้นแต่ผู้ใช้จะเลือกเข้าร่วมอย่างชัดเจน คุณเปิดหรือปิดฟีเจอร์นี้ได้ทุกเมื่อ
• ความเป็นธรรม: เราตรวจสอบผลการค้นหาเพื่อให้มั่นใจว่าผู้ขายทุกรายจะได้รับการมองเห็นอย่างเท่าเทียมกัน
• ความน่าเชื่อถือและความโปร่งใส: Example Shoppe เปิดโอกาสให้คุณได้ทราบว่าเหตุใดผลลัพธ์จึงปรากฏที่ด้านบนของคำค้นหาแต่ละคำ ซึ่งเป็น โอกาสในการสร้างความไว้วางใจกับผู้ใช้
• ความปลอดภัย: คำค้นหาที่ถูกจำกัดหรือไม่ปลอดภัย (เช่น รายการที่ถูกห้าม) จะได้รับการ กรองหรือบล็อกผ่านการควบคุม
• การขอความช่วยเหลือ: ผู้ใช้สามารถปิดคำแนะนำของ AI รายงานผลลัพธ์หรือการโต้ตอบที่ไม่ดีของ AI และกลับไปใช้การค้นหาด้วยคีย์เวิร์ดเท่านั้นได้อย่างรวดเร็ว หากการปรับปรุงของ AI ไม่เป็นประโยชน์

หากต้องการสร้าง AI อย่างมีความรับผิดชอบ คุณต้องเป็นเจ้าของกระบวนการติดตั้งใช้งาน ออกแบบขอบเขตและวงจรความคิดเห็นอย่างรอบคอบ คุณเป็นผู้กำหนดความปลอดภัยและความน่าเชื่อถือของประสบการณ์การใช้งาน พร้อมทั้งกำหนดความคาดหวังในการใช้งานและขีดจำกัด แม้ว่าคุณจะควบคุมเอาต์พุตได้อย่างไม่สมบูรณ์ แต่คุณก็ควรพร้อม ที่จะตอบข้อกังวลต่างๆ

ดูข้อมูลเพิ่มเติมเกี่ยวกับแง่มุมหลักของการกำกับดูแล AI ได้ใน สร้างอย่างมีความรับผิดชอบด้วย AI ซึ่งจะช่วยให้คุณมี เครื่องมือที่ใช้งานได้จริงเพื่อสร้างแอปพลิเคชัน AI ที่ยั่งยืนและเชื่อถือได้

สิ่งที่ได้เรียนรู้

พิมพ์เขียวระบบ AI จะช่วยให้คุณมีความชัดเจนและสอดคล้องกับโปรเจ็กต์ AI ที่คุณเข้าร่วม เราได้อธิบายองค์ประกอบแต่ละอย่างของพิมพ์เขียว ในภาพรวมไปแล้ว และเมื่ออ่านต่อ คุณจะได้เรียนรู้เพิ่มเติมเกี่ยวกับแต่ละขั้นตอน

คุณจะได้เห็นพิมพ์เขียวนี้อีกครั้งสำหรับตัวอย่างต่างๆ โดยจะมีการอธิบายเลเยอร์บางอย่างอย่างละเอียดมากขึ้น

ทดสอบความเข้าใจ