১. শুরু করার আগে
এই কোডল্যাবে, আপনি পিপল + এআই রিসার্চ (PAIR) গাইডবুকের নতুন সংস্করণ থেকে সেরা অনুশীলনগুলি প্রয়োগ করবেন যাতে AI ব্যবহার করে একটি নতুন পণ্য ডিজাইন করা যায়, যেখানে মানব-কেন্দ্রিক ডেটা অনুশীলন এবং সঠিকভাবে ক্যালিব্রেটেড ব্যবহারকারীর আস্থা থাকবে।
পূর্বশর্ত
- AI কী তার প্রাথমিক ধারণা।
- পণ্য উন্নয়ন কর্মপ্রবাহ সম্পর্কে জ্ঞান।
তুমি কি শিখবে
এই কোডল্যাবে, আপনি শিখবেন কিভাবে গুগল রিসার্চের পিপল + এআই গাইডবুক ব্যবহার করে বিশ্বস্ত, ব্যবহারকারী-কেন্দ্রিক এআই পণ্য তৈরি করতে হয়।
বিশেষ করে, আপনি:
- PAIR গাইডবুকের দ্বিতীয় সংস্করণে নতুন কী আছে তা জানুন।
- ব্যবহারকারীর আস্থা অর্জনের জন্য AI উন্নয়ন প্রক্রিয়ার সুযোগগুলি তুলে ধরে এমন কয়েকটি অনুশীলনের মধ্য দিয়ে যান, যেখানে ডেটা এবং ব্যবহারকারী-মুখোমুখি ব্যাখ্যাযোগ্যতার উপর জোর দেওয়া হয়।
- আরও অনুসন্ধানের জন্য উপলব্ধ উপকরণ এবং সম্পদের একটি বিস্তৃত টুলকিটের সাথে পরিচিত হন।
তোমার যা লাগবে
- ব্রাউজার
- একটি Colaboratory নোটবুক দেখার জন্য Google অ্যাকাউন্ট (যেমন, BERT এর সাথে অনুভূতি বিশ্লেষণ )
2. শুরু করুন
আমরা এই বছর গুগল আই/ও-তে PAIR গাইডবুকের দ্বিতীয় সংস্করণটি চালু করছি! প্রথম সংস্করণটি দুই বছর আগে প্রকাশিত হয়েছিল, এবং তারপর থেকে এটি বিশ্বজুড়ে বিভিন্ন ভূমিকায় (ডেভেলপার, ডিজাইনার, পণ্য ব্যবস্থাপক, শিক্ষার্থী ইত্যাদি) আড়াই মিলিয়নেরও বেশি মানুষ ব্যবহার করেছেন। এটিকে আরও কার্যকর করার জন্য আমরা এখন কিছু আপডেটের সেট চালু করতে পেরে আনন্দিত।
বিশেষ করে, এই দ্বিতীয় সংস্করণে, আমরা গাইডবুকটি নেভিগেট করার এবং কাজ অনুসারে বিষয়বস্তু খুঁজে বের করার একটি নতুন উপায় প্রদান করছি। আমরা AI-এর ব্যবহারকারী-কেন্দ্রিক পদ্ধতির সাথে একটি পণ্য তৈরি করার সময় আপনার এবং আপনার দলের মনে যে গুরুত্বপূর্ণ প্রশ্নগুলি আসতে পারে তার একটি তালিকা নিয়ে এসেছি এবং এটি আপনাকে আপনার প্রয়োজনীয় বিষয়বস্তু খুঁজে পেতে সাহায্য করবে, যখন আপনার প্রয়োজন হবে:
- আমার পণ্যে কখন এবং কীভাবে AI ব্যবহার করা উচিত?
- আমি কীভাবে দায়িত্বের সাথে আমার ডেটাসেট তৈরি করব?
- আমার এআই সিস্টেমের উপর ব্যবহারকারীদের আস্থা তৈরি এবং ক্যালিব্রেট করতে আমি কীভাবে সাহায্য করব?
- নতুন এআই বৈশিষ্ট্যগুলিতে ব্যবহারকারীদের কীভাবে যুক্ত করব?
- আমি কীভাবে আমার এআই সিস্টেম ব্যবহারকারীদের কাছে ব্যাখ্যা করব?
- ব্যবহারকারী নিয়ন্ত্রণ এবং অটোমেশনের সঠিক ভারসাম্য কী?
- কিছু ভুল হলে আমি কীভাবে ব্যবহারকারীদের সহায়তা করব?
একবার আপনি একটি প্রশ্ন নির্বাচন করলে, আপনি ছোট, আরও কার্যকর ইউনিটে প্রাসঙ্গিক বিষয়বস্তু পাবেন।
আমরা নতুন বিষয়বস্তু সহ PAIR গাইডবুকটিও আপডেট করেছি:
- এআই ডিজাইন প্যাটার্নের একটি সেট
- কেস স্টাডি
- আপডেট করা অধ্যায়গুলি
- নতুন ব্যায়াম এবং একটি কর্মশালার কিট
এই কোডল্যাবে, আপনি AI এর সাথে একটি নতুন বৈশিষ্ট্য তৈরি করার সাথে সাথে একটি কর্মপ্রবাহে এই নকশার কিছু ধরণ দেখতে পাবেন।
চল শুরু করি!
৩. ব্যবহারকারীর চাহিদাগুলি একটি AI সমস্যার সাথে অনুবাদ করুন
নিম্নলিখিত দৃশ্যকল্পটি কল্পনা করুন:
আপনি একটি সিনেমা দেখার অ্যাপ তৈরি করছেন, এবং আপনি ব্যবহারকারীদের একটি উন্নত এবং কাস্টমাইজড অভিজ্ঞতা প্রদান করতে চান, যাতে তারা তাদের পছন্দের আরও সিনেমা খুঁজে পেতে পারে।
অ্যাপটির ল্যান্ডিং পৃষ্ঠায় বর্তমানে নিম্নলিখিত বিভাগগুলি রয়েছে:
- মুক্তির তারিখ অনুসারে সাজানো নতুন সিনেমার তালিকা
- ধারা অনুসারে সাজানো সমস্ত সিনেমার একটি ক্যাটালগ
- একটি অনুসন্ধান বাক্স, যেখানে ব্যবহারকারীরা সিনেমার শিরোনাম, অভিনেতা-অভিনেত্রী ইত্যাদি অনুসারে অনুসন্ধান করতে পারবেন।
ব্যক্তিগতকৃত সুপারিশ ছাড়াই সিনেমা অ্যাপ
আপনি ব্যবহারকারীর জন্য সিনেমার সুপারিশ সহ একটি নতুন বিভাগ যুক্ত করতে চান এবং আপনার মনে হয় এই বৈশিষ্ট্যটি বাস্তবায়নের জন্য AI একটি ভাল বিকল্প হতে পারে। যেকোনো বাস্তবায়নে ডুব দেওয়ার আগে, আপনাকে নিম্নলিখিতগুলি করতে হবে:
- বিদ্যমান কর্মপ্রবাহ পর্যালোচনা করুন : ব্যবহারকারীরা বর্তমানে অ্যাপটির সাথে কীভাবে ইন্টারঅ্যাক্ট করেন এবং আপনার কী মনে হয় তাদের অভিজ্ঞতা কীভাবে উন্নত করা যেতে পারে?
- AI অনন্য মান যোগ করতে পারে কিনা তা নির্ধারণ করুন : আপনার সমস্যা কি এমন একটির সাথে ম্যাপ করে যা AI দিয়ে ভালোভাবে সমাধান করা যায়, এবং AI কি আপনার পণ্যের ব্যবহারকারীর অভিজ্ঞতা উন্নত করতে পারে?
PAIR গাইডবুকের অধ্যায়, ব্যবহারকারীর প্রয়োজন + সাফল্য নির্ধারণ , ব্যবহার করে আপনি এমন ব্যবহারের তালিকা পর্যালোচনা করেন যেখানে AI সম্ভবত একটি ভাল সমাধান, এবং দেখতে পান যে আপনার ব্যবহারকারীদের চাহিদা নিম্নলিখিত ধরণের সমস্যার মধ্যে পড়ে:
- বিভিন্ন ব্যবহারকারীর কাছে বিভিন্ন কন্টেন্ট সুপারিশ করা
- ব্যক্তিগতকরণ ব্যবহারকারীর অভিজ্ঞতা উন্নত করে
- গতিশীল কন্টেন্ট দেখানো একটি অনুমানযোগ্য ইন্টারফেসের চেয়ে বেশি দক্ষ
যেসব ক্ষেত্রে AI সম্ভবত এর চেয়ে ভালো সমাধান নয়, সেই তালিকাটিও পর্যালোচনা করতে ভুলবেন না।
এখন যেহেতু আপনি দেখতে পাচ্ছেন যে একটি AI-চালিত সমাধান ব্যবহারকারীর এই চাহিদা পূরণের জন্য একটি ভালো প্রার্থী বলে মনে হচ্ছে, আপনি মূল্যায়ন করতে চাইবেন যে এটি আসলে আরও ভালো ব্যবহারকারীর অভিজ্ঞতা প্রদান করবে কিনা।
প্যাটার্ন:
AI দিয়ে তৈরি শুরু করার আগে, নিশ্চিত করুন যে আপনার মনে থাকা পণ্য বা বৈশিষ্ট্যটির জন্য AI প্রয়োজন, অথবা এটি দ্বারা উন্নত করা যাবে।
এআই নিম্নলিখিত অ্যাপ্লিকেশনগুলির জন্য উপযুক্ত:
- বিভিন্ন ব্যবহারকারীর কাছে বিভিন্ন কন্টেন্ট সুপারিশ করা, যেমন সিনেমার পরামর্শ
- ভবিষ্যতের ঘটনাগুলির পূর্বাভাস দেওয়া, যেমন আবহাওয়ার ঘটনা বা বিমানের ভাড়ার পরিবর্তন
- স্বাভাবিক ভাষা বোধগম্যতা
- চিত্র স্বীকৃতি
একটি নিয়ম বা হিউরিস্টিক-ভিত্তিক সমাধান আরও ভালো হতে পারে যখন:
- ভবিষ্যদ্বাণীযোগ্যতা বজায় রাখা গুরুত্বপূর্ণ
- ব্যবহারকারী, গ্রাহক বা ডেভেলপারদের সম্পূর্ণ স্বচ্ছতা প্রয়োজন
- মানুষ স্বয়ংক্রিয়ভাবে কাজ করতে চায় না।
কখন AI ব্যবহার করবেন (বা করবেন না) সে সম্পর্কে আরও জানতে ব্যবহারকারীর প্রয়োজন অধ্যায়টি দেখুন ।
সম্পূর্ণ প্যাটার্নের লিঙ্ক: https://pair.withgoogle.com/guidebook/patterns#determine-if-ai-adds-value
আপনি প্রতিটি ব্যবহারকারীর কাছে বিশেষভাবে উপভোগ করা সম্ভব এমন সিনেমাগুলি হাইলাইট করে অ্যাপটিতে মূল্য যোগ করতে পারেন, যা তাদের কেবলমাত্র সর্বশেষ বা সামগ্রিকভাবে শীর্ষ-রেটেড সিনেমাগুলি দেখানোর চেয়ে আরও সমৃদ্ধ ব্যবহারকারীর অভিজ্ঞতা প্রদান করে। আপনি আরও সন্দেহ করেন যে এই বৈশিষ্ট্যটি ব্যবহার করে আপনি দ্রুত বর্ধনশীল সিনেমার ক্যাটালগ অন্বেষণ করে তাদের কিছুটা সময় বাঁচাতে সক্ষম হতে পারেন।
এখন যেহেতু আপনি একটি AI-চালিত সমাধান নিয়ে এগিয়ে যাওয়ার সিদ্ধান্ত নিয়েছেন, আপনি আপনার পরবর্তী পদক্ষেপের পরিকল্পনা শুরু করতে প্রস্তুত।
৪. কাজের জন্য একটি ডেটাসেট তৈরি করুন
ব্যবহারকারীদের সিনেমার পরামর্শ প্রদানের জন্য একটি সুপারিশ ব্যবস্থা প্রশিক্ষিত করার জন্য, আপনাকে এমন একটি ডেটাসেট তৈরি করতে হবে যা থেকে আপনার AI মডেল শিখবে।
আপনাকে প্রথমেই যা করতে হবে তা হল ব্যবহারকারীর চাহিদার সাথে ডেটা চাহিদার মিল খুঁজে বের করা।
PAIR গাইডবুকের অধ্যায়, তথ্য সংগ্রহ + মূল্যায়ন থেকে মিলিত অনুশীলন ব্যবহার করে, আপনি নিম্নলিখিতগুলি নির্ধারণ করতে পারেন:
- ব্যবহারকারী : সিনেমা দর্শক (সিনেমা অ্যাপ ব্যবহারকারী)
- ব্যবহারকারীর প্রয়োজন : তাদের পছন্দের আরও সিনেমা খুঁজে বের করা, সহজে এবং দ্রুত
- ব্যবহারকারীর ক্রিয়া : অ্যাপের মাধ্যমে সিনেমা নির্বাচন করুন এবং দেখুন
- এআই সিস্টেম আউটপুট : কোন সিনেমাগুলি সুপারিশ করতে হবে এবং কেন (অনুভূতির লেবেল, বা ট্যাগ)
- এআই সিস্টেম লার্নিং : সিনেমার সুপারিশ গ্রহণ, সম্পূর্ণ সিনেমা দেখা, সিনেমার পর্যালোচনা লেখা এবং এই সিনেমাগুলিকে উচ্চ রেটিং দেওয়ার চারপাশে আচরণের ধরণ
- প্রয়োজনীয় ডেটাসেট : অ্যাপ থেকে সিনেমা দেখার ডেটা, সিনেমার তথ্য এবং সিনেমার রেটিং এবং পর্যালোচনা
- ডেটাসেটে প্রয়োজনীয় মূল বৈশিষ্ট্য : দর্শকদের সিনেমার পছন্দ এবং দেখার ইতিহাস, সিনেমার তথ্য (যেমন, ধরণ, কাস্ট), সিনেমার তারকা রেটিং, সিনেমার পর্যালোচনা
- ডেটাসেটে প্রয়োজনীয় মূল লেবেল : অ্যাপের পরামর্শের দর্শকদের গ্রহণযোগ্যতা বা প্রত্যাখ্যানের হার, দর্শকদের সিনেমা সমাপ্তির হার, দর্শকদের রেটিং এবং পর্যালোচনা, এবং কেন কোনও পরামর্শ প্রত্যাখ্যান করা হয়েছে সে সম্পর্কে দর্শকদের প্রতিক্রিয়া।
এখন আপনি এই অনুশীলনটি সম্পন্ন করেছেন, আপনি বেশ কয়েকটি সম্ভাব্য তথ্য উৎসের উত্থান দেখতে শুরু করতে পারেন:
- অ্যাপ থেকে ব্যবহারকারীর ডেটা (নির্দিষ্ট পছন্দ এবং দেখার ইতিহাস)
- অ্যাপ থেকে সিনেমার তথ্য (শিরোনাম, বছর, সময়কাল, অভিনেতা, ইত্যাদি)
- IMDB এবং MovieLens এর মতো অন্যান্য উৎস থেকে প্রাপ্ত সিনেমা পর্যালোচনা এবং রেটিং তথ্য
আপনার কী ধরণের ডেটার প্রয়োজন হবে সে সম্পর্কে ধারণা পাওয়ার পর, গোপনীয়তা (যেমন, "নোটিশ এবং সম্মতির সুযোগ দেওয়া") এবং ন্যায্যতার মতো গুরুত্বপূর্ণ বিষয়গুলির মধ্য দিয়ে কাজ করতে সাহায্য করার জন্য কাঠামোর উদাহরণ হিসেবে Google-এর AI নীতিমালা এবং দায়িত্বশীল AI অনুশীলনগুলি বিবেচনা করুন (যেমন, "উন্নয়ন চক্রে ব্যবহারকারীদের চাহিদার একটি বৈচিত্র্যপূর্ণ সেট অন্তর্ভুক্ত করার জন্য পুনরাবৃত্তিমূলক ব্যবহারকারী পরীক্ষা পরিচালনা করা।")।
এবং পরিশেষে, আপনার প্রশিক্ষণ ডেটাসেট প্রস্তুত করার সময়, এমন তথ্য সংগ্রহ করতে ভুলবেন না যা বাস্তবসম্মত এবং বিশ্বজুড়ে প্রচলিত "কোলাহলপূর্ণ" তথ্য প্রতিফলিত করে। উদাহরণস্বরূপ, বানান ভুল, সংক্ষিপ্ত রূপ, ইমোজি এবং অস্বাভাবিক বা অপ্রত্যাশিত অক্ষর সহ সিনেমার পর্যালোচনাগুলি অন্তর্ভুক্ত করতে ভুলবেন না, কারণ আপনার অ্যাপের ব্যবহারকারীরা সম্ভবত ভবিষ্যতে নিখুঁতভাবে ফর্ম্যাট করা পর্যালোচনাগুলির পরিবর্তে একইভাবে বাস্তব এবং "কোলাহলপূর্ণ" পর্যালোচনাগুলি অবদান রাখবেন!
প্যাটার্ন:
আপনার প্রশিক্ষণ ডেটাসেট তৈরি করার সময়, নিখুঁতভাবে তৈরি কিছুর জন্য চেষ্টা করবেন না। পরিবর্তে, কিছু "গোলমাল" ব্যবহার করুন যাতে ডেটা আপনার ব্যবহারকারীদের কাছ থেকে বাস্তব-বিশ্বের ডেটার সাথে যতটা সম্ভব মিল থাকে। এটি আপনার মডেলটি বাস্তব জগতে প্রকাশ করার পরে ত্রুটি এবং নিম্নমানের সুপারিশগুলি এড়াতে সাহায্য করতে পারে।
এটি করার জন্য, আপনার ব্যবহারকারীদের কাছ থেকে আপনি কী ধরণের ডেটা আশা করেন তা ভেবে দেখুন এবং তারপরে নিশ্চিত করুন যে ডেটা আপনার প্রশিক্ষণ সেটে উপস্থাপন করা হয়েছে।
উদাহরণস্বরূপ, একটি চিত্র স্বীকৃতি সিস্টেমের জন্য, আপনার ব্যবহারকারীদের কাছ থেকে আপনি কী ডেটা পেতে পারেন তা বিবেচনা করুন। যদি সম্ভবত তাদের উচ্চমানের ছবি তোলার সময় না থাকে এবং আপনার মডেলকে ঝাপসা স্মার্টফোনের ছবি নিয়ে কাজ করতে হয়, তাহলে আপনার প্রশিক্ষণ ডেটাতে ঝাপসা ছবি অন্তর্ভুক্ত করুন।
সম্পূর্ণ প্যাটার্নের লিঙ্ক: https://pair.withgoogle.com/guidebook/patterns#embrace-noisy-data
ব্যবহারকারীর চাহিদাগুলি একটি AI সমস্যা এবং ডেটাসেটের চাহিদার সাথে ম্যাপ করা হলে, আপনি আপনার অ্যাপের ব্যবহারকারীদের জন্য সুপারিশ প্রদান এবং চলচ্চিত্র লেবেল করার জন্য AI-কে প্রশিক্ষণ দিতে প্রস্তুত। যদিও আমরা এই কোডল্যাবে প্রক্রিয়াটির এই অংশটি কভার করব না, আপনি নিম্নলিখিত সংস্থানগুলিতে সুপারিশ সিস্টেম এবং অনুভূতি বিশ্লেষণ সম্পর্কে আরও জানতে পারেন:
- গুগল ডেভেলপারদের উপর সুপারিশ সিস্টেম স্ব-অধ্যয়ন কোর্স
- TensorFlow.org-এ BERT টিউটোরিয়ালের মাধ্যমে অনুভূতি বিশ্লেষণের জন্য পাঠ্য শ্রেণীবিভাগ
৫. সিস্টেমের ক্ষমতা এবং সীমাবদ্ধতাগুলি জানান
আপনার অ্যাপের জন্য ব্যবহারকারীর অভিজ্ঞতা ডিজাইন করার সময়, আপনাকে নতুন AI-চালিত বৈশিষ্ট্যে ব্যবহারকারীদের অন্তর্ভুক্ত করার এবং তাদের প্রত্যাশা যথাযথভাবে নির্ধারণ করতে সহায়তা করার পরিকল্পনা করতে হবে। ব্যবহারকারীদের সকল পরিস্থিতিতে আপনার AI সিস্টেমের উপর পরোক্ষভাবে বিশ্বাস করা উচিত নয়, বরং তাদের বিশ্বাস সঠিকভাবে ক্যালিব্রেট করা উচিত।
ব্যবহারকারীদের কাছ থেকে প্রত্যাশা নির্ধারণ করা একটি সুচিন্তিত প্রক্রিয়া যা আপনার পণ্যের সাথে তাদের প্রথম মিথস্ক্রিয়ার আগেই শুরু হয়ে যাবে। আপনাকে পণ্য অভিজ্ঞতার সর্বত্র এবং বাইরে বিভিন্ন উপায়ে ব্যাখ্যা প্রদান করতে হবে:
- মুহূর্তের মধ্যে ব্যাখ্যা করুন। উপযুক্ত হলে, প্রদত্ত অনুমান, সুপারিশ, পরামর্শ ইত্যাদির কারণ উল্লেখ করুন।
- পণ্যের অতিরিক্ত ব্যাখ্যা প্রদান করুন । AI সিস্টেম ব্যাখ্যা করার জন্য অন্যান্য পণ্যের মধ্যে থাকা মুহূর্তগুলি, যেমন অনবোর্ডিং, ব্যবহার করুন।
- পণ্য অভিজ্ঞতার বাইরে যান । পণ্যের মধ্যে তথ্য যথেষ্ট নাও হতে পারে, তবে আপনি বিভিন্ন অতিরিক্ত সংস্থান দিয়ে এটিকে সমর্থন করতে পারেন, যেমন সচেতনতা বৃদ্ধির জন্য বিপণন প্রচারণা, এবং মানসিক মডেল তৈরির জন্য শিক্ষামূলক উপকরণ এবং সাক্ষরতা প্রচারণা।
একটা উদাহরণ দেওয়া যাক: একজন ব্যবহারকারী অ্যাপটিতে লগ ইন করেছেন এবং তাদের ল্যান্ডিং পেজে যোগ করা নতুন তালিকা থেকে একটি প্রস্তাবিত সিনেমা নির্বাচন করেছেন। সেখানে তারা যে সিনেমাটি পাবেন বলে আশা করতে পারেন তার পাশাপাশি, আপনি তাদের প্রস্তাবিত তালিকায় কেন এই নির্দিষ্ট সিনেমাটি দেখছেন তার একটি ব্যাখ্যা অন্তর্ভুক্ত করতে পারেন।
PAIR গাইডবুকের প্রশ্ন অনুসারে অনুসন্ধান ব্যবহার করে এবং "ব্যবহারকারীদের কাছে আমার AI সিস্টেম কীভাবে ব্যাখ্যা করব?" নির্বাচন করে, আপনি নিম্নলিখিত প্যাটার্নটি পাবেন: সম্পূর্ণতার জন্য নয়, বোঝার জন্য ব্যাখ্যা করুন।
প্যাটার্ন:
আপনার AI সিস্টেম থেকে সুপারিশগুলি ব্যাখ্যা করার সময়, ব্যবহারকারীদের সিদ্ধান্ত নিতে এবং এগিয়ে যাওয়ার জন্য প্রয়োজনীয় তথ্য ভাগ করে নেওয়ার উপর মনোযোগ দিন। সিস্টেমে যা ঘটছে তার সবকিছু ব্যাখ্যা করার চেষ্টা করবেন না।
প্রায়শই, একটি নির্দিষ্ট ভবিষ্যদ্বাণীর পিছনের যুক্তি অজানা বা এত জটিল যে একটি সহজ বাক্যাংশ বা বাক্যে সংক্ষিপ্ত করা যায় না। ব্যবহারকারীরা আপনার পণ্য ব্যবহার করার সময় অতিরিক্ত ব্যাখ্যা দ্বারা অভিভূত বা বিভ্রান্ত হতে চাইবেন না।
ব্যাখ্যাযোগ্যতা + বিশ্বাস অধ্যায়টি সংক্ষিপ্ত, ব্যবহারকারী-বান্ধব ব্যাখ্যা তৈরির জন্য বিভিন্ন পদ্ধতির উদাহরণ প্রদান করে, যার মধ্যে রয়েছে আংশিক ব্যাখ্যা, প্রগতিশীল প্রকাশ এবং মডেল আত্মবিশ্বাস প্রদর্শন।
যদি আপনি সামগ্রিক সিস্টেমটি কীভাবে কাজ করে তার দীর্ঘ বা আরও বিস্তারিত ব্যাখ্যা শেয়ার করতে চান, তাহলে সক্রিয় ব্যবহারকারী প্রবাহের বাইরে এটি করুন, উদাহরণস্বরূপ বিপণন উপকরণ বা অনবোর্ডিং সামগ্রীতে।
সম্পূর্ণ প্যাটার্নের লিঙ্ক: https://pair.withgoogle.com/guidebook/patterns#explain-for-understanding
এই প্যাটার্নে বর্ণিত সেরা অনুশীলনগুলি প্রয়োগ করে, আপনি এমন একটি ব্যাখ্যা প্রদর্শন করার সিদ্ধান্ত নেন যা দেখতে এরকম:
সিনেমার সুপারিশ, সুপারিশের যুক্তি সহ
এই উদাহরণ ব্যাখ্যায়, আপনি Explainability + Trust- এ PAIR গাইডবুকের নির্দেশিকা প্রয়োগ করছেন এবং তিনটি শীর্ষ ভোটপ্রাপ্ত ব্যবহারকারীর পর্যালোচনার মাধ্যমে ব্যবহারকারীকে ব্যাখ্যা প্রদানের জন্য ডেটা উৎস ব্যবহার করছেন।
তাছাড়া, আপনি এই সিনেমার ইতিবাচক অনুভূতিতে সবচেয়ে বেশি অবদান রাখে এমন নির্দিষ্ট শব্দগুলি তুলে ধরেছেন, যেগুলি ব্যবহারকারীর সিনেমা নির্বাচনে গুরুত্বপূর্ণ বিষয়। PAIR-এর ভাষা ব্যাখ্যাযোগ্যতা টুল (LIT)- এর এই ডেমোতে আপনি একটি অনুভূতি শ্রেণীবদ্ধকারী অন্বেষণ সম্পর্কে আরও জানতে পারবেন।
লার্নিং ইন্টারপ্রেটেবিলিটি টুল (LIT) এর স্ক্রিনশট
LIT আপনাকে একটি ভিজ্যুয়াল, ইন্টারেক্টিভ এবং এক্সটেনসিবল টুলের মাধ্যমে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (NLP) মডেল আচরণ পরীক্ষা করতে সাহায্য করতে পারে, যা আপনাকে অনুমান পরীক্ষা করতে এবং প্রাসঙ্গিক মেট্রিক্স এবং স্থানীয় ব্যাখ্যা (যেমন, স্যালিয়েন্স ম্যাপ এবং ভবিষ্যদ্বাণী ভিজ্যুয়ালাইজেশন) সহ একটি ডেটাসেটের মাধ্যমে সেগুলি যাচাই করতে দেয়। পণ্য দলগুলি নিম্নলিখিত উদাহরণ ব্যবহারের ক্ষেত্রে LIT ব্যবহার করতে পারে:
- একটি মডেল স্থাপনের আগে
- ন্যায্যতার পরীক্ষা করার সময়
- পৃথক ভবিষ্যদ্বাণী ডিবাগ করতে
- একটি নতুন মডেলের সাথে একটি পুরানো মডেলের তুলনা করার সময়
৬. আত্মবিশ্বাস কীভাবে প্রদর্শন করবেন তা নির্ধারণ করুন
ব্যবহারকারীদের কাছ থেকে প্রত্যাশা নির্ধারণের আরেকটি উপায় হল সুপারিশের প্রতি মডেল আস্থা প্রদর্শন করা। কেন বা কীভাবে AI একটি নির্দিষ্ট সিদ্ধান্তে পৌঁছেছে তা বলার পরিবর্তে, মডেল আস্থা প্রদর্শনগুলি দেখায় যে AI তার ভবিষ্যদ্বাণীতে কতটা নিশ্চিত, এবং এটি যে বিকল্পগুলি বিবেচনা করেছে। যেহেতু বেশিরভাগ মডেল n-সেরা শ্রেণীবিভাগ এবং আত্মবিশ্বাসের স্কোর আউটপুট করতে পারে, মডেল আস্থা প্রদর্শনগুলি প্রায়শই একটি সহজেই উপলব্ধ ব্যাখ্যা।
ব্যবহারকারীকে দেখানো প্রস্তাবিত সিনেমার পৃষ্ঠাগুলিতে আত্মবিশ্বাস যোগ করার আগে, আপনাকে নির্ধারণ করতে হবে যে এই আত্মবিশ্বাস ব্যবহারকারীর জন্য সহায়ক কিনা, এবং যদি তাই হয়, তাহলে এটি প্রদর্শনের সর্বোত্তম উপায় কী হতে পারে।
প্যাটার্ন:
কিছু পরিস্থিতিতে, আপনি ব্যবহারকারীদের AI আউটপুটের উপর কতটা আস্থা রাখতে হবে তা পরিমাপ করতে সাহায্য করতে পারেন মডেল কনফিডেন্স ডিসপ্লে দিয়ে যা ব্যাখ্যা করে যে AI তার ভবিষ্যদ্বাণী এবং বিবেচনা করা বিকল্পগুলিতে কতটা নিশ্চিত।
তবে, অন্যান্য প্রেক্ষাপটে, আত্মবিশ্বাসের প্রদর্শন ব্যবহারকারীদের পক্ষে বোঝা কঠিন হতে পারে।
যদি আপনি এগুলি ব্যবহার করার সিদ্ধান্ত নেন, তাহলে পণ্য বিকাশ প্রক্রিয়ার শুরুতে বিভিন্ন ধরণের ডিসপ্লে পরীক্ষা করে দেখুন আপনার ব্যবহারকারীদের জন্য কোনটি সবচেয়ে ভালো কাজ করে তা খুঁজে বের করার জন্য।
সম্পূর্ণ প্যাটার্নের লিঙ্ক: https://pair.withgoogle.com/guidebook/patterns#how-to-show-model-confidence
PAIR গাইডবুকের Explainability + Trust অধ্যায়ে আস্থা প্রদর্শনের জন্য প্রস্তাবিত পদ্ধতিগুলি পর্যালোচনা করলে, আপনি নিম্নলিখিত বিকল্পগুলি খুঁজে পাবেন:
- N-সম্ভবত শ্রেণীবিভাগ
- সংখ্যাসূচক আত্মবিশ্বাসের স্তর
যেহেতু আপনি অ্যাপের ল্যান্ডিং পৃষ্ঠায় ব্যবহারকারীর কাছে প্রস্তাবিত সিনেমার একটি তালিকা উপস্থাপন করছেন, তাই আপনি একটি ক্রমযুক্ত তালিকা বেছে নেবেন, যেখানে n-সম্ভবত সিনেমাগুলি ক্রমানুসারে দেখানো হবে।
প্রস্তাবিত সিনেমার ক্যারোজেল, যেখানে সবচেয়ে সম্ভাব্য সুপারিশগুলি প্রথমে প্রদর্শিত হবে
৭. ব্যবহারকারীকে ত্রুটি থেকে মুক্তির পথ দেখান
শেষ কয়েকটি ধাপে, আপনি প্রত্যাশা নির্ধারণ এবং ব্যবহারকারীদের ব্যাখ্যা প্রদানের জন্য কিছু সেরা অনুশীলন শিখেছেন, কারণ আপনি তাদের পণ্যের প্রতি আস্থা তৈরি এবং ক্যালিব্রেট করতে সাহায্য করেন।
আরেকটি গুরুত্বপূর্ণ প্রশ্নের উত্তর দিতে হবে: যখন কোনও ত্রুটি ঘটে তখন ব্যবহারকারীর অভিজ্ঞতা কেমন দেখায়? ব্যবহারকারীরা কীভাবে এগিয়ে যায় তাও সমানভাবে গুরুত্বপূর্ণ। সিস্টেম ব্যর্থ হওয়ার পরে আপনার ব্যবহারকারীরা কী করতে পারে তার উপর ফোকাস করা আপনার পণ্যের উপযোগিতা বজায় রেখে তাদের ক্ষমতায়ন করে।
PAIR গাইডবুকের Errors + Graceful Failure অধ্যায়ে যেমন ব্যাখ্যা করা হয়েছে, আপনার পণ্যের জন্য ত্রুটি কী এবং এটি কী ধরণের ত্রুটি (ব্যবহারকারী, সিস্টেম, বা প্রসঙ্গ) তা সংজ্ঞায়িত করে শুরু করতে হবে।
নিম্নলিখিত উদাহরণগুলি নিন:
- ব্যবহারকারীরা সিনেমায় ইতিমধ্যেই দেখা একটি সিনেমার জন্য সুপারিশ পান। যদিও এই সুপারিশটি বন্ধ নাও হতে পারে, তবে এটি ব্যবহারকারীর জন্য আসলে সহায়কও নয়।
- ব্যবহারকারী এমন একটি সিনেমার জন্য সুপারিশ পান যা তিনি ইতিমধ্যেই সিনেমায় দেখেছেন এবং পছন্দ করেননি। সিনেমার প্রতি তাদের পছন্দের উপর ভিত্তি করে, এই সুপারিশটিকে ব্যবহারকারীর কাছে একটি ত্রুটি হিসেবে বিবেচনা করা যেতে পারে।
- ব্যবহারকারী এমন একটি ঘরানার সিনেমার জন্য সুপারিশ পান যা তিনি সাধারণত পছন্দ করেন না। ব্যবহারকারী এটিকে একটি ত্রুটি বলে মনে করতে পারেন।
- ব্যবহারকারী এমন একটি সিনেমার সুপারিশ পান যা আর অ্যাপে হোস্ট করা নেই। এটি একটি স্পষ্ট সিস্টেম ত্রুটি।
উপরে তালিকাভুক্ত দ্বিতীয় এবং তৃতীয় উদাহরণে, AI এমন একটি সুপারিশ প্রদান করেছে যা এই ব্যবহারকারীর জন্য সহায়ক নয়। যদি এই ধরনের ত্রুটি দেখা দেয়, তাহলে আপনাকে ব্যবহারকারীকে ভবিষ্যদ্বাণী সম্পর্কে প্রতিক্রিয়া জানানোর সুযোগ প্রদান করতে হবে এবং প্রভাবের সময় সম্পর্কেও জানাতে হবে, যেমনটি PAIR গাইডবুকের প্রতিক্রিয়া + নিয়ন্ত্রণ অধ্যায়ে সুপারিশ করা হয়েছে।
প্যাটার্ন:
যখন আপনার AI-সক্ষম সিস্টেম এমনভাবে আচরণ করে যা একজন ব্যবহারকারী আশা করেন না বা চান না, তখন নিশ্চিত করুন যে তাদের কাছে প্রতিক্রিয়া ভাগ করে নেওয়ার বিকল্প আছে। এবং, যতটা সম্ভব, আপনার মডেল উন্নত করার জন্য সেই প্রতিক্রিয়াটি ব্যবহার করুন।
এআই সিস্টেমে প্রতিক্রিয়া বিভিন্ন রূপ নিতে পারে, যার মধ্যে রয়েছে,
- কোনও সুপারিশে থাম্বস আপ বা থাম্বস ডাউন দেখানো
- অবাঞ্ছিত সুপারিশ লুকানো
- সমস্যাযুক্ত সুপারিশগুলিকে চিহ্নিত করা বা রিপোর্ট করা
- আরও ঐতিহ্যবাহী প্রতিক্রিয়া প্রবাহ, যেখানে একজন ব্যবহারকারী ম্যানুয়ালি একটি ফর্ম বা অন্য পদ্ধতির মাধ্যমে একটি সমস্যা রিপোর্ট করে।
ব্যবহারকারী যখন প্রতিক্রিয়া জানাবেন, তখন স্বীকার করুন যে আপনি এটি পেয়েছেন। যদি সম্ভব হয়, তাহলে তাদের জানান যে সিস্টেম প্রতিক্রিয়ার প্রতি কীভাবে প্রতিক্রিয়া জানাবে।
সম্পূর্ণ প্যাটার্নের লিঙ্ক: https://pair.withgoogle.com/guidebook/patterns#let-users-give-feedback
আপনার অ্যাপের ক্ষেত্রে, এটি দেখতে এরকম হতে পারে:
ব্যবহারকারীরা সুপারিশের উপর প্রতিক্রিয়া জানাতে পারেন...
...এবং পরবর্তীতে কী ঘটবে সে সম্পর্কে তাদের অবহিত করা হয়
৮. অভিনন্দন
অভিনন্দন! আপনি এইমাত্র একটি উদাহরণ কর্মপ্রবাহের মধ্য দিয়ে গেছেন যা আপনাকে PAIR গাইডবুকের কিছু নতুন সম্পদ কীভাবে ব্যবহার করতে হয় তা দেখায়।
সারাংশ
এই কোডল্যাবে, আপনি শিখেছেন কিভাবে:
- ব্যবহারকারীর প্রয়োজন অনুবাদ করুন একটি AI সমস্যায়
- কাজের জন্য একটি ডেটাসেট তৈরি করুন
- নতুন বৈশিষ্ট্য ব্যবহারকারীদের সাথে সংযুক্ত করুন
- সিস্টেমটি ব্যাখ্যা করুন এবং ব্যবহারকারীর প্রত্যাশা নির্ধারণ করুন
- ব্যবহারকারীকে ত্রুটি থেকে মুক্তির পথ দেখান
- পণ্যটি উন্নত করতে প্রতিক্রিয়া সংগ্রহ করুন
এরপর কী?
এই কোডল্যাবে হাইলাইট করা সমস্ত রিসোর্স এবং আরও অনেক কিছু আপনি নিম্নলিখিত লিঙ্কগুলিতে পাবেন: