Giới thiệu về AI trên web

Khi phát triển bằng AI, bạn có thể bị lạc lối trong việc lựa chọn mô hình, cơ sở hạ tầng và mã. Bạn có thể quên mất bức tranh tổng thể.

Trong mô-đun này, chúng tôi giới thiệu một bản kế hoạch mà bạn có thể dùng để lập bản đồ cho mọi tính năng hoặc sản phẩm mới dựa trên AI:

• Tại sao bạn lại xây dựng? Trường hợp sử dụng AI của bạn 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?

Để hiểu cách hoạt động của bản thiết kế này, hãy tưởng tượng bạn làm việc trên một trang web thương mại điện tử, Example Shoppe. Các đối thủ cạnh tranh của bạn đang bận rộn tích hợp các chatbot chung chung, nhưng họ không đạt được nhiều tiến bộ. Bạn muốn mang đến trải nghiệm tốt hơn cho người dùng và quyết định nâng cao trải nghiệm tìm kiếm mà không làm gián đoạn các luồng chính của người dùng.

Nhờ bản nâng cấp dựa trên AI, người mua sắm có thể nhập các cụm từ bằng ngôn ngữ tự nhiên, chẳng hạn như "giày chạy đường mòn màu đỏ cho mùa đông" và nhận được kết quả phù hợp mà họ có thể đã bỏ lỡ khi tìm kiếm dựa trên từ khoá.

Cơ hội

Mọi dự án AI đều phải bắt đầu bằng một trường hợp sử dụng rõ ràng: một vấn đề hoặc nhiệm vụ của người dùng đáng để giải quyết bằng AI. AI mang đến sự không chắc chắn và các rủi ro khác cho ứng dụng của bạn, vì vậy, bạn chỉ nên sử dụng AI nếu không thể giải quyết vấn đề theo cách thông thường và xác định.

Trường hợp sử dụng

Đối với Example Shoppe, tính năng tìm kiếm là một chức năng chính giúp kết nối người dùng với các sản phẩm mà họ đang tìm kiếm. Người dùng thường bỏ qua các lượt tìm kiếm khi họ không tìm thấy kết quả do lỗi chính tả, từ đồng nghĩa hoặc cụm từ tìm kiếm không rõ ràng. Bạn biết điều này qua số liệu phân tích của riêng mình, nhưng cũng qua nghiên cứu bên ngoài. Với tính năng tìm kiếm linh hoạt và thông minh hơn, hành trình của người dùng có thể trở nên hiệu quả và thú vị hơn.

Các ví dụ khác về trường hợp sử dụng AI bao gồm:

• Trên một trang web tin tức, bạn có thể giảm tải nhận thức bằng cách tóm tắt tin tức theo cách có cấu trúc.
• Trên nền tảng xuất bản, bạn có thể cải thiện khả năng tiếp cận bằng cách tự động đề xuất văn bản thay thế và phụ đề.
• Là một nhà cung cấp dịch vụ đám mây, bạn có thể giảm số lượng yêu cầu hỗ trợ thông qua tính năng tìm kiếm tài liệu thông minh hơn.

Việc khám phá các cơ hội có giá trị cao là yếu tố then chốt để thành công với AI. Theo báo cáo của RAND Corporation, việc chọn sai cơ hội là một trong những lý do chính khiến các dự án AI thất bại.

Giá trị

Giá trị có hai mặt: lợi ích cho người dùng và lợi ích cho sản phẩm hoặc doanh nghiệp. Trong hầu hết các sản phẩm lành mạnh và có trách nhiệm, những yếu tố này đều được điều chỉnh: khi người dùng thành công, doanh nghiệp cũng phát triển. Ví dụ: Đối với Shoppe, tính năng tìm kiếm dựa trên AI tạo ra giá trị bằng cách giúp người dùng tìm thấy sản phẩm phù hợp nhanh hơn, với ít trở ngại hơn. Điều này giúp tăng khả năng tìm thấy sản phẩm, tỷ lệ chuyển đổi và mức độ hài lòng của khách hàng trong dài hạn.

Đôi khi, giá trị có thể là vô hình, chẳng hạn như sự hài lòng và niềm tin của người dùng. Đặc biệt là khi bắt đầu, tốt nhất là bạn nên tìm cách định lượng đề xuất giá trị. Điều này giúp bạn có cơ sở vững chắc để ưu tiên, truyền đạt tác động và thuyết phục các bên liên quan. Ngay cả những số liệu ước tính sơ bộ cũng có thể định hướng cho các quyết định và giúp bạn đo lường được thành công.

Giải pháp

Sau khi làm rõ lý do bạn thêm AI vào sản phẩm của mình, hãy nghĩ về cách bạn sẽ triển khai AI. Hãy xem các thành phần chính của một giải pháp AI.

Dữ liệu

Dữ liệu là nguồn nhiên liệu của AI. Cuối cùng, hệ thống AI của bạn sẽ bị giới hạn bởi khả năng học hỏi từ dữ liệu của bạn. Dữ liệu kém chất lượng, không đầy đủ hoặc không phù hợp sẽ dẫn đến kết quả kém và người dùng thất vọng, bất kể mô hình hoặc cơ sở hạ tầng có hiện đại đến đâu. Ngược lại, dữ liệu chất lượng cao và vòng quay dữ liệu được thiết kế hợp lý là những yếu tố thúc đẩy giá trị, đồng thời cũng có thể trở thành một phần trong điểm khác biệt của sản phẩm.

Dữ liệu có nhiều hình dạng và phương thức. Đối với ví dụ về tính năng tìm kiếm dựa trên AI, dữ liệu hữu ích có thể bao gồm:

• Dữ liệu có cấu trúc: tiêu đề, màu sắc, kích thước, danh mục và tình trạng còn hàng của sản phẩm.
• Dữ liệu không có cấu trúc: nội dung mô tả sản phẩm, bài đánh giá của người dùng và câu hỏi thường gặp.
• Danh sách từ đồng nghĩa: mối quan hệ giữa các từ, chẳng hạn như "giày thể thao" bằng "giày chạy bộ".
• Tín hiệu của người dùng: lượt nhấp, thời gian lưu trú, hành động thêm vào giỏ hàng và lượt mua hàng đều là những tín hiệu giúp các mô hình tìm hiểu những gì người dùng thực sự thấy có liên quan.
• Dữ liệu trực quan: hình ảnh sản phẩm có thể được nhúng vào một chỉ mục tương đồng về hình ảnh, cho phép người dùng tìm kiếm theo ảnh hoặc khám phá các mặt hàng tương tự về hình ảnh, ngay cả khi không có văn bản trùng khớp.

Có thể bạn sẽ cảm thấy như được giao thêm thử thách, nhưng đừng lo lắng! Bắt đầu với một vài nguồn dữ liệu có tỷ lệ tín hiệu trên nhiễu cao nhất, sau đó mở rộng khi hệ thống của bạn hoàn thiện.

Trong hầu hết các trường hợp, dữ liệu thô của bạn có thể chưa sẵn sàng để được một mô hình tiếp nhận. Dữ liệu cần được làm sạch, xử lý trước và sắp xếp theo định dạng phù hợp với AI. Ví dụ: tín hiệu người dùng có thể được chuyển đổi thành chuỗi hành động, trong khi nội dung mô tả sản phẩm không có cấu trúc có thể được mã hoá dưới dạng các mục nhúng ngữ nghĩa.

Bạn có thể sử dụng dữ liệu ở nhiều giai đoạn trong vòng đời của AI:

• Trong quá trình huấn luyện hoặc điều chỉnh, dữ liệu này được dùng để dạy cho mô hình các mẫu và mối quan hệ.
• Trong quá trình đánh giá, bạn có thể sử dụng chỉ số này để kiểm thử chất lượng, độ chính xác và mức độ liên quan.
• Trong quá trình sản xuất, bạn có thể sử dụng tính năng này để theo dõi độ lệch và thu thập ý kiến phản hồi từ việc sử dụng trong thực tế.

Nói tóm lại, dữ liệu không chỉ là một đầu vào mà còn là một tài sản sống. Quản lý dữ liệu hiệu quả là một trong những kỹ năng có giá trị nhất mà nhà phát triển web có thể xây dựng khi làm việc với AI.

Phân tích thông tin

Lớp thông tin là nơi AI tinh chỉnh và tạo ra giá trị. Thường thì có một mô hình ở cốt lõi, nhưng hầu hết các hệ thống đều phức tạp hơn. Đối với Example Shoppe, lớp thông tin chi tiết sẽ hiểu được các truy vấn của người dùng bằng một tập hợp các phương thức:

• Nhận dạng thực thể có tên và trích xuất thông tin để trích xuất các thuộc tính như color=red hoặc season=winter.
• Một mô hình nhúng câu để tạo biểu diễn ngữ nghĩa cho các cụm từ tìm kiếm của người dùng và các sản phẩm hiện có.
• Tìm kiếm ngữ nghĩa để truy xuất kết quả phù hợp.
• Một mô hình sắp xếp lại nhỏ, tuỳ chỉnh để xếp hạng kết quả một cách chính xác theo mức độ liên quan.

Trí tuệ nhân tạo có lẽ là phần thú vị nhất trong hệ thống AI của bạn, nhưng đây cũng là thành phần được thổi phồng nhất. Các mẫu mới được ra mắt hằng tuần, thường đi kèm với những tuyên bố tiếp thị mang tính tuyệt đối.

Sau đây là 2 yếu tố chính cần cân nhắc:

• AI không chỉ có AI tạo sinh và các mô hình ngôn ngữ lớn (LLM). Nhiều tác vụ sẽ được phục vụ tốt hơn bằng các mô hình chuyên biệt, nhỏ hơn, triển khai và duy trì nhanh hơn và rẻ hơn.
• Các hệ thống AI trong đời thực hiếm khi dựa vào một mô hình đơn lẻ. Thay vào đó, các tác nhân này sử dụng cấu trúc AI kết hợp, là sự kết hợp của một hoặc nhiều mô hình với các thành phần bổ sung, chẳng hạn như cơ sở dữ liệu, API và hàng rào bảo vệ. Các thành phần này phối hợp với nhau để mang lại hành vi mạnh mẽ, nhận biết được bối cảnh.

Thay vì chạy theo những chỉ số mới nhất trên bảng xếp hạng, hãy chọn chỉ số phù hợp với vấn đề của bạn. Điều này giúp bạn thích ứng khi sản phẩm và doanh nghiệp của bạn phát triển. Trong các mô-đun sau này, bạn sẽ được tìm hiểu những kiến thức cơ bản về các kỹ thuật AI phổ biến nhất hiện nay: AI dự đoán và AI tạo sinh. Bạn cũng sẽ học cách đánh giá và chọn phương pháp kỹ thuật phù hợp cho hệ thống của mình.

Trải nghiệm người dùng

Giao diện người dùng là kênh mang lại giá trị của AI cho người dùng. Các giao diện phần mềm xác định là chắc chắn và có thể dự đoán: cùng một đầu vào luôn tạo ra cùng một đầu ra. Với AI, bạn sẽ gặp phải sự không chắc chắn. Hai cụm từ tìm kiếm gần như giống hệt nhau có thể mang lại kết quả hoàn toàn khác nhau, và ngay cả những mô hình AI mạnh mẽ nhất cũng được biết đến là có thể tạo ra thông tin sai lệch và mắc các loại lỗi khác.

Bạn phải hết sức thận trọng khi thực hiện sự thay đổi này, đặc biệt là nếu bạn thêm AI vào một sản phẩm hiện có. Các chatbot có khả năng trò chuyện tự do rất thú vị, nhưng phức tạp và tiềm ẩn nhiều rủi ro khi sử dụng.

Ban đầu, hãy cố gắng giảm thiểu sự không chắc chắn và rủi ro mà người dùng gặp phải. Ví dụ: trong trường hợp của Example Shoppe, tính năng tìm kiếm dựa trên AI có thể được tích hợp một cách âm thầm vào giao diện hiện có. Người dùng tiếp tục nhập các cụm từ tìm kiếm bằng ngôn ngữ tự nhiên và nhận được kết quả tìm kiếm có chất lượng cao hơn.

Mặc dù tính năng AI hoạt động ở chế độ nền, nhưng bạn nên tăng cường tính minh bạch. Ví dụ: bạn có thể thêm một thông báo và lời giải thích ngắn gọn về cách hệ thống tuyển chọn những kết quả này.

Trong phần Mẫu trải nghiệm người dùng, bạn sẽ tìm hiểu cách cân bằng mức độ hiển thị, khả năng và rủi ro của AI trong trải nghiệm người dùng của sản phẩm.

Quản lý

Bạn phải xây dựng hệ thống AI một cách có trách nhiệm. Bạn nên xây dựng một hệ thống bảo vệ quyền riêng tư của người dùng, giảm thiểu sự thiên vị, đảm bảo tính minh bạch và đáp ứng tất cả các tiêu chuẩn pháp lý có liên quan. Quản trị hiệu quả không chỉ để tuân thủ mà còn là một nguyên tắc thiết kế quan trọng để đảm bảo người dùng tin tưởng và áp dụng.

Trong tính năng tìm kiếm dựa trên AI của Example Shoppe, hoạt động quản trị bắt đầu bằng các biện pháp bảo vệ được tích hợp vào sản phẩm:

• Quyền riêng tư: Dữ liệu cá nhân hoá vẫn ở trên thiết bị trừ phi người dùng chọn tham gia một cách rõ ràng. Bạn có thể bật hoặc tắt chế độ này bất cứ lúc nào.
• Tính công bằng: Kết quả tìm kiếm được kiểm tra để đảm bảo mức độ hiển thị cân bằng giữa các người bán.
• Độ tin cậy và tính minh bạch: Example Shoppe mang đến cơ hội tìm hiểu lý do một kết quả được đưa ra ở đầu mỗi cụm từ tìm kiếm. Điều này mang đến cơ hội xây dựng niềm tin với người dùng.
• An toàn: Các cụm từ tìm kiếm bị hạn chế hoặc không an toàn (ví dụ: mặt hàng bị cấm) sẽ được lọc hoặc chặn thông qua các biện pháp bảo vệ.
• Biện pháp khắc phục: Người dùng có thể nhanh chóng loại bỏ các đề xuất của AI, báo cáo kết quả hoặc lượt tương tác không phù hợp của AI và quay lại tìm kiếm chỉ bằng từ khoá nếu các tính năng nâng cao dựa trên AI không hữu ích.

Để xây dựng AI có trách nhiệm, bạn phải chịu trách nhiệm về quy trình triển khai của mình. Thiết kế các biện pháp bảo vệ và vòng phản hồi chu đáo. Bạn định hình sự an toàn và độ tin cậy của trải nghiệm, đồng thời đặt ra kỳ vọng về việc sử dụng và giới hạn của trải nghiệm đó. Mặc dù không thể kiểm soát hoàn toàn kết quả, nhưng bạn nên chuẩn bị sẵn sàng để giải quyết mọi mối lo ngại.

Bạn sẽ tìm hiểu thêm về các khía cạnh cốt lõi của hoạt động quản trị AI trong khoá học Xây dựng AI có trách nhiệm, trang bị cho bạn các công cụ thiết thực để xây dựng các ứng dụng AI bền vững và đáng tin cậy.

Điểm cần nhớ

Bản thiết kế hệ thống AI có thể giúp bạn hiểu rõ và thống nhất về mọi dự án AI mà bạn tham gia. Chúng ta đã xem xét từng phần tử của bản thiết kế ở cấp độ cao và khi tiếp tục đọc, bạn sẽ tìm hiểu thêm về từng bước.

Bạn có thể thấy bản thiết kế này một lần nữa cho các ví dụ khác, trong đó một số lớp được giải thích chi tiết hơn.

Kiểm tra mức độ hiểu biết của bạn