1. আপনি শুরু করার আগে
এই কোডল্যাবে, আপনি পিপল + এআই রিসার্চ (PAIR) গাইডবুকের নতুন সংস্করণ থেকে AI এর সাথে একটি নতুন পণ্য ডিজাইন করার জন্য সর্বোত্তম অনুশীলনগুলি প্রয়োগ করবেন, যাতে মানব-কেন্দ্রিক ডেটা অনুশীলন এবং সঠিকভাবে ক্যালিব্রেট করা ব্যবহারকারীর বিশ্বাসের উপর ফোকাস থাকে।
পূর্বশর্ত
- AI কী সে সম্পর্কে প্রাথমিক ধারণা।
- পণ্য উন্নয়ন কর্মপ্রবাহের জ্ঞান।
আপনি কি শিখবেন
এই কোডল্যাবে, আপনি বিশ্বস্ত, ব্যবহারকারী-কেন্দ্রিক এআই পণ্য তৈরি করতে Google গবেষণার মানুষ + এআই গাইডবুক কীভাবে ব্যবহার করবেন তা শিখবেন।
বিশেষ করে, আপনি হবে:
- PAIR গাইডবুকের দ্বিতীয় সংস্করণে নতুন কী আছে তা জানুন।
- ডেটা এবং ব্যবহারকারীর মুখোমুখি ব্যাখ্যাযোগ্যতার উপর ফোকাস সহ ব্যবহারকারীর বিশ্বাসকে ক্রমাঙ্কন করার জন্য AI বিকাশ প্রক্রিয়ার সুযোগগুলিকে হাইলাইট করে এমন একটি সিরিজ অনুশীলনের মধ্য দিয়ে যান।
- আরও অন্বেষণের জন্য উপলব্ধ উপকরণ এবং সংস্থানগুলির একটি বিস্তৃত টুলকিটের একটি ভূমিকা পান।
আপনি কি প্রয়োজন হবে
- ব্রাউজার
- একটি Colaboratory নোটবুক দেখতে Google অ্যাকাউন্ট (যেমন, BERT-এর সাথে সেন্টিমেন্ট বিশ্লেষণ )
2. শুরু করুন
আমরা এই বছর Google I/O-তে পেয়ার গাইডবুকের দ্বিতীয় সংস্করণ চালু করছি! প্রথম সংস্করণটি দুই বছর আগে প্রকাশিত হয়েছিল, এবং তারপর থেকে এটি সারা বিশ্বে ভূমিকা (ডেভেলপার, ডিজাইনার, পণ্য পরিচালক, ছাত্র, ইত্যাদি) জুড়ে এক চতুর্থাংশ মিলিয়নেরও বেশি লোক ব্যবহার করেছে৷ আমরা এখন এটিকে আরও কার্যকর করার জন্য আপডেটের একটি সেট প্রবর্তন করতে আগ্রহী।
বিশেষ করে, এই দ্বিতীয় সংস্করণে, আমরা গাইডবুকের মাধ্যমে নেভিগেট করার এবং কাজের মাধ্যমে বিষয়বস্তু খোঁজার একটি নতুন উপায় প্রদান করছি। আমরা AI-তে ব্যবহারকারী-কেন্দ্রিক পদ্ধতির সাথে একটি পণ্য বিকাশ করার সময় আপনার এবং আপনার দলের মূল প্রশ্নগুলির একটি তালিকা নিয়ে এসেছি, এবং এটি আপনাকে আপনার প্রয়োজনীয় বিষয়বস্তু খুঁজে পেতে সাহায্য করবে, যখন আপনার প্রয়োজন হবে:
- কখন এবং কিভাবে আমার পণ্যে AI ব্যবহার করা উচিত?
- আমি কীভাবে দায়িত্বের সাথে আমার ডেটাসেট তৈরি করব?
- আমি কীভাবে ব্যবহারকারীদের আমার AI সিস্টেমে বিশ্বাস তৈরি এবং ক্যালিব্রেট করতে সাহায্য করব?
- আমি কীভাবে ব্যবহারকারীদের নতুন এআই বৈশিষ্ট্যগুলিতে অনবোর্ড করব?
- আমি কীভাবে ব্যবহারকারীদের কাছে আমার এআই সিস্টেম ব্যাখ্যা করব?
- ব্যবহারকারীর নিয়ন্ত্রণ এবং অটোমেশনের সঠিক ভারসাম্য কী?
- কিছু ভুল হলে আমি কিভাবে ব্যবহারকারীদের সমর্থন করব?
একবার আপনি একটি প্রশ্ন নির্বাচন করলে, আপনি ছোট, আরও কার্যকরী ইউনিটে প্রাসঙ্গিক সামগ্রী পাবেন।
আমরা নতুন বিষয়বস্তু সহ পেয়ার গাইডবুক আপডেট করেছি:
- এআই ডিজাইন প্যাটার্নের একটি সেট
- কেস স্টাডি
- আপডেট করা অধ্যায়
- নতুন ব্যায়াম এবং একটি ওয়ার্কশপ কিট
এই কোডল্যাবে, আপনি AI এর সাথে একটি নতুন বৈশিষ্ট্য বিকাশ করার সাথে সাথে আপনি একটি ওয়ার্কফ্লোতে এই ডিজাইনের কিছু নিদর্শন দেখতে পাবেন।
চলুন শুরু করা যাক!
3. অনুবাদক ব্যবহারকারীর একটি এআই সমস্যা প্রয়োজন
নিম্নলিখিত দৃশ্যকল্প কল্পনা করুন:
আপনি একটি মুভি দেখার অ্যাপ তৈরি করছেন, এবং আপনি ব্যবহারকারীদের একটি উন্নত এবং কাস্টমাইজড অভিজ্ঞতা প্রদান করতে চান, যাতে তারা উপভোগ করে এমন আরও সিনেমা খুঁজে পেতে সহায়তা করে৷
অ্যাপের ল্যান্ডিং পৃষ্ঠায় বর্তমানে নিম্নলিখিত বিভাগগুলি রয়েছে:
- মুক্তির তারিখ অনুসারে অর্ডার করা নতুন সিনেমার তালিকা
- সমস্ত সিনেমার একটি ক্যাটালগ, রীতি অনুসারে সংগঠিত৷
- একটি অনুসন্ধান বাক্স, যেখানে ব্যবহারকারীরা সিনেমার শিরোনাম, কাস্ট ইত্যাদি দ্বারা অনুসন্ধান করতে পারে।
ব্যক্তিগতকৃত সুপারিশ ছাড়া মুভি অ্যাপ্লিকেশন
আপনি ব্যবহারকারীর জন্য চলচ্চিত্রের সুপারিশ সহ একটি নতুন বিভাগ যোগ করতে চান এবং আপনি মনে করেন যে AI এই বৈশিষ্ট্যটি বাস্তবায়নের জন্য একটি ভাল বিকল্প হতে পারে। কোনো বাস্তবায়নে ডুব দেওয়ার আগে, আপনি নিম্নলিখিতগুলি করতে চাইবেন:
- বিদ্যমান কর্মপ্রবাহ পর্যালোচনা করুন : ব্যবহারকারীরা বর্তমানে অ্যাপের সাথে কীভাবে ইন্টারঅ্যাক্ট করেন এবং কীভাবে আপনি মনে করেন যে তাদের অভিজ্ঞতা উন্নত করা যেতে পারে?
- AI অনন্য মান যোগ করতে পারে কিনা তা নির্ধারণ করুন : আপনার সমস্যাটি কি এমন একটিতে মানচিত্র তৈরি করে যা AI দিয়ে ভালভাবে সমাধান করা যেতে পারে এবং AI কি আপনার পণ্যের ব্যবহারকারীর অভিজ্ঞতা উন্নত করতে পারে?
PAIR গাইডবুকের অধ্যায় ব্যবহার করে, ব্যবহারকারীর প্রয়োজন + সফলতার সংজ্ঞা , আপনি ব্যবহারের ক্ষেত্রের তালিকা পর্যালোচনা করেন যেখানে AI সম্ভবত একটি ভাল সমাধান, এবং দেখতে পান যে আপনার ব্যবহারকারীদের প্রয়োজন নিম্নলিখিত ধরণের সমস্যার মধ্যে পড়ে:
- বিভিন্ন ব্যবহারকারীদের বিভিন্ন বিষয়বস্তু সুপারিশ
- ব্যক্তিগতকরণ ব্যবহারকারীর অভিজ্ঞতা উন্নত করে
- গতিশীল বিষয়বস্তু দেখানো একটি অনুমানযোগ্য ইন্টারফেসের চেয়ে বেশি দক্ষ
যে ক্ষেত্রে AI সম্ভবত একটি ভাল সমাধান নয়, সেগুলির তালিকা পর্যালোচনা করতে ভুলবেন না।
এখন যেহেতু আপনি দেখতে পাচ্ছেন যে একটি AI-চালিত সমাধান এই ব্যবহারকারীর প্রয়োজন মেটাতে একটি ভাল প্রার্থীর মতো মনে হচ্ছে, আপনি এটি আসলে একটি ভাল ব্যবহারকারীর অভিজ্ঞতা প্রদান করবে কিনা তা মূল্যায়ন করতে চাইবেন।
প্যাটার্ন:
আপনি AI দিয়ে তৈরি করা শুরু করার আগে, নিশ্চিত করুন যে আপনার মনে থাকা পণ্য বা বৈশিষ্ট্যটির জন্য AI প্রয়োজন, বা এটি দ্বারা উন্নত করা হবে।
এআই যেমন অ্যাপ্লিকেশনের জন্য উপযুক্ত:
- বিভিন্ন ব্যবহারকারীদের কাছে বিভিন্ন বিষয়বস্তুর সুপারিশ করা, যেমন চলচ্চিত্রের পরামর্শ
- ভবিষ্যত ইভেন্টের ভবিষ্যদ্বাণী করা, যেমন আবহাওয়া ইভেন্ট বা ফ্লাইটের দামের পরিবর্তন
- প্রাকৃতিক ভাষা বোঝা
- ছবি স্বীকৃতি
একটি নিয়ম বা হিউরিস্টিক-ভিত্তিক সমাধান ভাল হতে পারে যখন:
- অনুমানযোগ্যতা বজায় রাখা গুরুত্বপূর্ণ
- ব্যবহারকারী, গ্রাহক বা বিকাশকারীদের সম্পূর্ণ স্বচ্ছতা প্রয়োজন
- মানুষ একটি কাজ স্বয়ংক্রিয় চান না
কখন AI ব্যবহার করতে হবে (বা 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 যে মুভিগুলি বিশেষভাবে উপভোগ করতে পারে সেগুলি হাইলাইট করে অ্যাপটিতে মূল্য যোগ করতে পারেন, তাদের শুধুমাত্র সর্বশেষ বা সামগ্রিক শীর্ষ-রেটেড মুভি দেখানোর চেয়ে আরও সমৃদ্ধ ব্যবহারকারীর অভিজ্ঞতা প্রদান করে৷ আপনি এও সন্দেহ করছেন যে আপনি এই বৈশিষ্ট্যটির সাথে দ্রুত ক্রমবর্ধমান চলচ্চিত্রগুলির ক্যাটালগ অন্বেষণ করে তাদের কিছু সময় বাঁচাতে সক্ষম হতে পারেন৷
এখন আপনি একটি AI-চালিত সমাধান নিয়ে এগিয়ে যাওয়ার সিদ্ধান্ত নিয়েছেন, আপনি আপনার পরবর্তী পদক্ষেপগুলির পরিকল্পনা শুরু করতে প্রস্তুত৷
4. টাস্কের জন্য একটি ডেটাসেট তৈরি করুন
ব্যবহারকারীদের চলচ্চিত্রের পরামর্শ প্রদানের জন্য একটি সুপারিশ সিস্টেমকে প্রশিক্ষণ দেওয়ার জন্য, আপনাকে একটি ডেটাসেট একত্রিত করতে হবে যা থেকে আপনার AI মডেল শিখবে।
আপনি যে প্রথম জিনিসটি করতে চান তা হল ব্যবহারকারীর চাহিদার সাথে ডেটার চাহিদা মেলে।
PAIR গাইডবুকের অধ্যায়, ডেটা সংগ্রহ + মূল্যায়ন থেকে ম্যাচিং অনুশীলন ব্যবহার করে আপনি নিম্নলিখিতগুলি নির্ধারণ করেন:
- ব্যবহারকারী : চলচ্চিত্র দর্শক (মুভি অ্যাপ ব্যবহারকারী)
- ব্যবহারকারীর প্রয়োজন : তাদের পছন্দের আরও সিনেমা খুঁজুন, সহজ এবং দ্রুত
- ব্যবহারকারীর ক্রিয়া : অ্যাপের মাধ্যমে সিনেমাগুলি নির্বাচন করুন এবং দেখুন
- এআই সিস্টেম আউটপুট : কোন সিনেমার পরামর্শ দিতে হবে এবং কেন (সেন্টিমেন্ট লেবেল বা ট্যাগ)
- এআই সিস্টেম লার্নিং : সিনেমার সুপারিশ গ্রহণ, সম্পূর্ণ সিনেমা দেখা, সিনেমার জন্য রিভিউ লেখা এবং এই সিনেমাগুলোকে উচ্চ রেটিং দেওয়ার চারপাশে আচরণের ধরণ
- ডেটাসেট প্রয়োজন : অ্যাপ থেকে মুভি দেখার ডেটা, মুভির তথ্য এবং মুভি রেটিং এবং রিভিউ
- ডেটাসেটে প্রয়োজনীয় মূল বৈশিষ্ট্যগুলি : দর্শকের মুভি পছন্দ এবং দেখার ইতিহাস, মুভির তথ্য (যেমন, জেনার, কাস্ট), মুভি স্টার রেটিং, মুভি রিভিউ
- ডেটাসেটে প্রয়োজনীয় মূল লেবেলগুলি : অ্যাপ সাজেশনের দর্শকের গ্রহণযোগ্যতা বা প্রত্যাখ্যানের হার, দর্শকের সিনেমার সমাপ্তির হার, দর্শকের রেটিং এবং পর্যালোচনা এবং কেন একটি প্রস্তাবনা প্রত্যাখ্যান করা হয়েছে সে সম্পর্কে দর্শকদের প্রতিক্রিয়া
এখন যেহেতু আপনি এই অনুশীলনটি সম্পন্ন করেছেন, আপনি বেশ কয়েকটি সম্ভাব্য ডেটা উত্স দেখতে শুরু করতে পারেন:
- অ্যাপ থেকে ব্যবহারকারীর ডেটা (নির্দিষ্ট পছন্দ এবং দেখার ইতিহাস)
- অ্যাপ থেকে মুভির তথ্য (শিরোনাম, বছর, সময়কাল, কাস্ট ইত্যাদি)
- অন্যান্য উত্স থেকে মুভি পর্যালোচনা এবং রেটিং তথ্য, যেমন IMDB এবং MovieLens
আপনার কী ধরনের ডেটার প্রয়োজন হবে সে সম্পর্কে আপনার ধারণা হয়ে গেলে, গোপনীয়তা (যেমন, "নোটিশ এবং সম্মতির সুযোগ দিন") এবং ন্যায্যতার মতো গুরুত্বপূর্ণ বিবেচনার মাধ্যমে কাজ করতে সহায়তা করার জন্য কাঠামোর উদাহরণ হিসাবে Google-এর AI নীতি এবং দায়িত্বশীল AI অনুশীলনগুলি বিবেচনা করুন। (উদাহরণস্বরূপ, "উন্নয়ন চক্রে ব্যবহারকারীদের চাহিদার বিভিন্ন সেট অন্তর্ভুক্ত করার জন্য পুনরাবৃত্তিমূলক ব্যবহারকারী পরীক্ষা পরিচালনা করুন।")
এবং পরিশেষে, আপনি যখন আপনার প্রশিক্ষণ ডেটাসেট প্রস্তুত করছেন, নিশ্চিত করুন যে ডেটা সংগ্রহ করা যা বাস্তবসম্মত এবং বিশ্বে যে "কোলাহলপূর্ণ" ডেটা প্রতিফলিত করে। উদাহরণ স্বরূপ, বানান ভুল, সংক্ষিপ্ত রূপ, ইমোজি এবং অস্বাভাবিক বা অপ্রত্যাশিত অক্ষর সহ মুভি রিভিউ অন্তর্ভুক্ত করা নিশ্চিত করুন, কারণ আপনার অ্যাপের ব্যবহারকারীরা সম্ভবত ভবিষ্যতে একই রকম বাস্তব এবং "কোলাহলপূর্ণ" রিভিউ দেবে, পুরোপুরি ফর্ম্যাট করা না হয়ে!
প্যাটার্ন:
আপনি আপনার প্রশিক্ষণ ডেটাসেট বিকাশ করার সাথে সাথে পুরোপুরি কিউরেট করা কিছুর জন্য চেষ্টা করবেন না। পরিবর্তে, আপনার ব্যবহারকারীদের কাছ থেকে আপনি যে বাস্তব-বিশ্বের ডেটা পাওয়ার আশা করেন তার সাথে যতটা সম্ভব ডেটা তৈরি করতে কিছু "গোলমাল" করার অনুমতি দিন। আপনি একবার আপনার মডেলকে বাস্তব জগতে প্রকাশ করলে এটি ত্রুটি এবং নিম্নমানের সুপারিশগুলি বন্ধ করতে সহায়তা করতে পারে।
এটি করার জন্য, আপনার ব্যবহারকারীদের কাছ থেকে আপনি যে ধরণের ডেটা পাওয়ার আশা করেন সে সম্পর্কে চিন্তা করুন এবং তারপরে নিশ্চিত করুন যে ডেটা আপনার প্রশিক্ষণ সেটে উপস্থাপন করা হয়েছে।
উদাহরণস্বরূপ, একটি চিত্র শনাক্তকরণ সিস্টেমের জন্য, আপনার ব্যবহারকারীদের কাছ থেকে আপনি যে ডেটা পেতে পারেন তা বিবেচনা করুন। যদি সম্ভবত তাদের কাছে উচ্চ-মানের ছবি তোলার সময় না থাকে এবং আপনার মডেলকে ঝাপসা স্মার্টফোনের ছবিগুলির সাথে কাজ করতে হবে, আপনার প্রশিক্ষণ ডেটাতে অস্পষ্ট ছবিগুলি অন্তর্ভুক্ত করুন৷
সম্পূর্ণ প্যাটার্নের লিঙ্ক: https://pair.withgoogle.com/guidebook/patterns#embrace-noisy-data
AI সমস্যা এবং ডেটাসেটের প্রয়োজনের সাথে ব্যবহারকারীর ম্যাপ করা প্রয়োজন, আপনি আপনার অ্যাপের ব্যবহারকারীদের জন্য সুপারিশ এবং লেবেল মুভিগুলি প্রদান করতে 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:
- Google Developers-এ সুপারিশ সিস্টেমের স্ব-অধ্যয়ন কোর্স
- TensorFlow.org-এ BERT টিউটোরিয়াল সহ সেন্টিমেন্ট বিশ্লেষণের জন্য পাঠ্য শ্রেণিবিন্যাস
5. সিস্টেম ক্ষমতা এবং সীমাবদ্ধতা যোগাযোগ
আপনি আপনার অ্যাপের জন্য ব্যবহারকারীর অভিজ্ঞতা ডিজাইন করার সময়, আপনি নতুন এআই-চালিত বৈশিষ্ট্যে ব্যবহারকারীদের অনবোর্ডিং করার পরিকল্পনা করতে এবং তাদের প্রত্যাশা যথাযথভাবে সেট করতে সহায়তা করতে চাইবেন। ব্যবহারকারীদের সমস্ত পরিস্থিতিতে আপনার AI সিস্টেমের উপর আস্থা রাখা উচিত নয়, বরং তাদের বিশ্বাস সঠিকভাবে ক্যালিব্রেট করা উচিত।
ব্যবহারকারীদের সাথে প্রত্যাশা সেট করা একটি ইচ্ছাকৃত প্রক্রিয়া যা আপনার পণ্যের সাথে তাদের প্রথম ইন্টারঅ্যাকশনের আগেই শুরু হবে। আপনি বিভিন্ন উপায়ে পণ্যের অভিজ্ঞতা জুড়ে এবং বাইরে ব্যাখ্যা প্রদান করতে চাইবেন:
- মুহূর্তের মধ্যে ব্যাখ্যা করুন। উপযুক্ত হলে, একটি প্রদত্ত অনুমান, সুপারিশ, পরামর্শ, ইত্যাদির কারণ প্রদান করুন।
- পণ্যে অতিরিক্ত ব্যাখ্যা প্রদান করুন । AI সিস্টেমগুলি ব্যাখ্যা করার জন্য অনবোর্ডিং-এর মতো অন্যান্য ইন-প্রোডাক্ট মুহূর্তগুলি ব্যবহার করুন।
- পণ্যের অভিজ্ঞতার বাইরে যান । ইন-প্রোডাক্ট তথ্য পর্যাপ্ত নাও হতে পারে, তবে আপনি এটিকে বিভিন্ন ধরনের অতিরিক্ত সংস্থান দিয়ে সমর্থন করতে পারেন, যেমন সচেতনতা বাড়াতে বিপণন প্রচারাভিযান, এবং মানসিক মডেল বিকাশের জন্য শিক্ষামূলক উপকরণ এবং সাক্ষরতা প্রচারণা।
একটি উদাহরণ নেওয়া যাক: একজন ব্যবহারকারী অ্যাপটিতে লগ ইন করেছেন এবং তাদের ল্যান্ডিং পৃষ্ঠায় যোগ করা নতুন তালিকা থেকে একটি প্রস্তাবিত চলচ্চিত্র নির্বাচন করেছেন৷ তারা সেখানে যে মুভিটি খুঁজে পাওয়ার আশা করতে পারে সে সম্পর্কে সাধারণ তথ্য ছাড়াও, আপনি তাদের প্রস্তাবিত তালিকায় কেন এই নির্দিষ্ট সিনেমাটি দেখছেন তার একটি ব্যাখ্যা অন্তর্ভুক্ত করতে চাইতে পারেন।
প্রশ্ন অনুসারে PAIR গাইডবুকের অনুসন্ধান ব্যবহার করে এবং "আমি কীভাবে ব্যবহারকারীদের কাছে আমার AI সিস্টেম ব্যাখ্যা করব?" নির্বাচন করে, আপনি নিম্নলিখিত প্যাটার্নটি খুঁজে পাবেন: বোঝার জন্য ব্যাখ্যা করুন, সম্পূর্ণতা নয়।
প্যাটার্ন:
আপনার AI সিস্টেম থেকে সুপারিশগুলি ব্যাখ্যা করার সময়, ব্যবহারকারীদের সিদ্ধান্ত নিতে এবং এগিয়ে যাওয়ার জন্য প্রয়োজনীয় তথ্য ভাগ করে নেওয়ার উপর ফোকাস করুন। সিস্টেমে যা ঘটছে তা ব্যাখ্যা করার চেষ্টা করবেন না।
প্রায়শই, একটি নির্দিষ্ট ভবিষ্যদ্বাণীর পিছনে যুক্তি অজানা বা খুব জটিল একটি সাধারণ বাক্যাংশ বা বাক্যে সংক্ষিপ্ত করা যায়। ব্যবহারকারীরা আপনার পণ্য ব্যবহার করার সময় অতিরিক্ত ব্যাখ্যা দ্বারা অভিভূত বা বিভ্রান্ত হতে চাইবেন না।
ব্যাখ্যাযোগ্যতা + ট্রাস্ট অধ্যায় সংক্ষিপ্ত, ব্যবহারকারী-বান্ধব ব্যাখ্যা তৈরির জন্য বিভিন্ন পদ্ধতির উদাহরণ দেয়, যার মধ্যে আংশিক ব্যাখ্যা, প্রগতিশীল প্রকাশ এবং মডেল আত্মবিশ্বাসের প্রদর্শন অন্তর্ভুক্ত রয়েছে।
আপনি যদি সামগ্রিক সিস্টেম কীভাবে কাজ করে তার দীর্ঘ বা আরও বিশদ ব্যাখ্যা শেয়ার করতে চান, তাহলে সক্রিয় ব্যবহারকারী প্রবাহের বাইরে এটি করুন, উদাহরণস্বরূপ বিপণন সামগ্রী বা অনবোর্ডিং সামগ্রীতে৷
সম্পূর্ণ প্যাটার্নের লিঙ্ক: https://pair.withgoogle.com/guidebook/patterns#explain-for-understanding
এই প্যাটার্নে বর্ণিত সর্বোত্তম অনুশীলনগুলি প্রয়োগ করে, আপনি এমন একটি ব্যাখ্যা প্রদর্শন করার সিদ্ধান্ত নেন যা দেখতে এইরকম:
সুপারিশের যৌক্তিকতা সহ চলচ্চিত্রের সুপারিশ
এই উদাহরণের ব্যাখ্যায়, আপনি ব্যাখ্যাযোগ্যতা + বিশ্বাসে PAIR গাইডবুকের নির্দেশিকা প্রয়োগ করছেন এবং তিনটি শীর্ষ ভোটপ্রাপ্ত ব্যবহারকারী পর্যালোচনা সহ ব্যবহারকারীকে একটি ব্যাখ্যা প্রদান করতে ডেটা উত্স ব্যবহার করছেন৷
উপরন্তু, আপনি নির্দিষ্ট শব্দগুলি হাইলাইট করেছেন যেগুলি এই মুভিটির জন্য ইতিবাচক অনুভূতিতে সবচেয়ে বেশি অবদান রেখেছে, যেগুলি ব্যবহারকারীর মুভি নির্বাচনের ক্ষেত্রে গুরুত্বপূর্ণ বিষয়। আপনি PAIR-এর ল্যাঙ্গুয়েজ ইন্টারপ্রিটেবিলিটি টুল (LIT) এর জন্য এই ডেমোতে একটি সেন্টিমেন্ট ক্লাসিফায়ার অন্বেষণ করার বিষয়ে আরও জানতে পারেন৷
লার্নিং ইন্টারপ্রিটেবিলিটি টুল (LIT) এর স্ক্রিনশট
LIT আপনাকে একটি ভিজ্যুয়াল, ইন্টারেক্টিভ এবং এক্সটেনসিবল টুলের মাধ্যমে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (NLP) মডেলের আচরণ পরিদর্শন করতে সাহায্য করতে পারে, যা আপনাকে অনুমানগুলি পরীক্ষা করতে এবং প্রাসঙ্গিক মেট্রিক্স এবং স্থানীয় ব্যাখ্যা সহ একটি ডেটাসেটের মাধ্যমে যাচাই করতে দেয় (যেমন, স্যালিয়েন্স ম্যাপ এবং ভবিষ্যদ্বাণী ভিজ্যুয়ালাইজেশন) . পণ্য দলগুলি নিম্নলিখিত উদাহরণ ব্যবহারের ক্ষেত্রে LIT ব্যবহার করতে পারে:
- একটি মডেল স্থাপন করার আগে
- ন্যায্যতার জন্য পরীক্ষা করার সময়
- স্বতন্ত্র পূর্বাভাস ডিবাগ করতে
- একটি পুরানো মডেলের সাথে একটি নতুন মডেলের তুলনা করার সময়
6. কীভাবে আত্মবিশ্বাস প্রদর্শন করবেন তা নির্ধারণ করুন
ব্যবহারকারীদের সাথে প্রত্যাশা সেট করার আরেকটি উপায় হল সুপারিশে মডেলের আস্থা প্রদর্শন করা। কেন বা কীভাবে এআই একটি নির্দিষ্ট সিদ্ধান্তে এসেছে তা বলার পরিবর্তে, মডেল আত্মবিশ্বাস প্রদর্শন করে যে এআই তার ভবিষ্যদ্বাণীতে কতটা নিশ্চিত এবং এটি যে বিকল্পগুলি বিবেচনা করেছে। যেহেতু বেশিরভাগ মডেল এন-সেরা শ্রেণীবিভাগ এবং আত্মবিশ্বাসের স্কোর আউটপুট করতে পারে, তাই মডেল আত্মবিশ্বাস প্রদর্শনগুলি প্রায়শই একটি সহজলভ্য ব্যাখ্যা।
ব্যবহারকারীকে দেখানো প্রস্তাবিত মুভি পৃষ্ঠাগুলিতে আত্মবিশ্বাস যোগ করার আগে, আপনি এই আস্থা ব্যবহারকারীর জন্য সহায়ক কিনা তা নির্ধারণ করতে চাইবেন, এবং যদি তাই হয়, তাহলে এটি প্রদর্শনের সর্বোত্তম উপায় কী হতে পারে৷
প্যাটার্ন:
কিছু পরিস্থিতিতে, আপনি ব্যবহারকারীদের AI আউটপুটে কতটা বিশ্বাস রাখতে হবে তা নির্ধারণ করতে সাহায্য করতে পারেন মডেল কনফিডেন্স ডিসপ্লে যা ব্যাখ্যা করে যে AI এর ভবিষ্যদ্বাণীতে কতটা নিশ্চিত, এবং বিকল্পগুলি বিবেচনা করা হয়েছে।
যাইহোক, অন্যান্য প্রসঙ্গে, আস্থা প্রদর্শন ব্যবহারকারীদের বোঝার জন্য চ্যালেঞ্জিং হতে পারে।
আপনি সেগুলি ব্যবহার করার সিদ্ধান্ত নিলে, আপনার ব্যবহারকারীদের জন্য কোনটি সবচেয়ে ভাল কাজ করে তা খুঁজে বের করতে পণ্য বিকাশ প্রক্রিয়ার শুরুতে বিভিন্ন ধরনের প্রদর্শন পরীক্ষা করুন।
সম্পূর্ণ প্যাটার্নের লিঙ্ক: https://pair.withgoogle.com/guidebook/patterns#how-to-show-model-confidence
PAIR গাইডবুকের ব্যাখ্যাযোগ্যতা + বিশ্বাসের অধ্যায়ে আস্থা প্রদর্শনের জন্য প্রস্তাবিত পদ্ধতির পর্যালোচনা করে, আপনি নিম্নলিখিত বিকল্পগুলি খুঁজে পাবেন:
- এন-সম্ভবত শ্রেণীবিভাগ
- সংখ্যাসূচক আত্মবিশ্বাসের স্তর
প্রদত্ত যে আপনি অ্যাপে ব্যবহারকারীদের তাদের ল্যান্ডিং পৃষ্ঠায় প্রস্তাবিত চলচ্চিত্রগুলির একটি তালিকা উপস্থাপন করছেন, আপনি একটি অর্ডার করা তালিকা বেছে নেবেন, যেখানে n-সম্ভবত চলচ্চিত্রগুলি ক্রমানুসারে দেখানো হবে৷
প্রস্তাবিত সিনেমাগুলির ক্যারাউজেল, সবচেয়ে সম্ভাব্য প্রস্তাবনাগুলি প্রথমে প্রদর্শিত হয়৷
7. ব্যবহারকারীকে ত্রুটি থেকে এগিয়ে যাওয়ার পথ দিন
শেষ কয়েক ধাপে, আপনি প্রত্যাশা সেট করার জন্য এবং ব্যবহারকারীদের ব্যাখ্যা প্রদানের জন্য কিছু সেরা অনুশীলন শিখেছেন, কারণ আপনি তাদের পণ্যের প্রতি তাদের বিশ্বাস তৈরি করতে এবং ক্যালিব্রেট করতে সাহায্য করেন।
আরেকটি গুরুত্বপূর্ণ প্রশ্ন যা আপনি উত্তর দিতে চাইবেন: একটি ত্রুটি ঘটলে ব্যবহারকারীর অভিজ্ঞতা কেমন দেখায়? ব্যবহারকারীরা কীভাবে এগিয়ে যায় তা সমান গুরুত্বপূর্ণ। সিস্টেম ব্যর্থ হওয়ার পরে আপনার ব্যবহারকারীরা কী করতে পারে তার উপর ফোকাস করা আপনার পণ্যের উপযোগিতা বজায় রেখে তাদের ক্ষমতায়ন করে।
পেয়ার গাইডবুকের ত্রুটি + গ্রেসফুল ব্যর্থতার অধ্যায়ে যেমন ব্যাখ্যা করা হয়েছে, আপনি আপনার পণ্যের জন্য একটি ত্রুটি কী এবং এটি কী ধরণের ত্রুটি (ব্যবহারকারী, সিস্টেম বা প্রসঙ্গ) তা নির্ধারণ করে শুরু করতে চাইবেন।
নিম্নলিখিত উদাহরণ নিন:
- ব্যবহারকারী একটি সিনেমার জন্য একটি সুপারিশ পায় যা তারা ইতিমধ্যেই সিনেমাগুলিতে দেখেছে। যদিও এই সুপারিশটি বন্ধ নাও হতে পারে, এটি ব্যবহারকারীর জন্য সত্যিই সহায়ক নয়।
- ব্যবহারকারী এমন একটি চলচ্চিত্রের জন্য একটি সুপারিশ পায় যা তারা ইতিমধ্যে সিনেমাগুলিতে দেখেছে এবং পছন্দ করেনি৷ মুভিতে তাদের পছন্দের উপর ভিত্তি করে এই সুপারিশটি ব্যবহারকারীর কাছে একটি ত্রুটি হিসাবে বিবেচিত হতে পারে।
- ব্যবহারকারী একটি ঘরানার একটি সিনেমার জন্য একটি সুপারিশ পায় যা তারা সাধারণত উপভোগ করে না। ব্যবহারকারী এটি একটি ত্রুটি খুঁজে পেতে পারে.
- ব্যবহারকারী এমন একটি চলচ্চিত্রের জন্য একটি সুপারিশ পায় যা অ্যাপে আর হোস্ট করা হয় না। এটি একটি পরিষ্কার সিস্টেম ত্রুটি।
উপরে তালিকাভুক্ত দ্বিতীয় এবং তৃতীয় উদাহরণে, AI একটি সুপারিশ প্রদান করেছে যা এই ব্যবহারকারীর জন্য সহায়ক নয়। এই ধরনের ত্রুটি ঘটলে, আপনি ব্যবহারকারীকে ভবিষ্যদ্বাণীতে প্রতিক্রিয়া দেওয়ার সুযোগ দিতে চাইবেন, এবং প্রতিক্রিয়া + নিয়ন্ত্রণের PAIR গাইডবুকের অধ্যায়ে প্রস্তাবিত হিসাবে আপনি প্রভাবের সময় সম্পর্কে যোগাযোগ করতে চাইবেন।
প্যাটার্ন:
যখন আপনার AI-সক্ষম সিস্টেম এমনভাবে আচরণ করে যা একজন ব্যবহারকারী আশা করে না বা চায় না, তখন নিশ্চিত করুন যে তাদের কাছে প্রতিক্রিয়া ভাগ করার বিকল্প আছে। এবং, যতটা সম্ভব, আপনার মডেল উন্নত করতে সেই প্রতিক্রিয়াটি ব্যবহার করুন।
এআই সিস্টেমে প্রতিক্রিয়া বিভিন্ন ধরনের রূপ নিতে পারে, যার মধ্যে রয়েছে,
- সুপারিশে থাম্বস আপ বা থাম্বস ডাউন দেওয়া
- অবাঞ্ছিত সুপারিশ লুকানো
- সমস্যাযুক্ত সুপারিশ ফ্ল্যাগ করা বা রিপোর্ট করা
- আরও প্রথাগত প্রতিক্রিয়া প্রবাহিত হয়, যেখানে একজন ব্যবহারকারী ম্যানুয়ালি একটি ফর্ম বা অন্যান্য প্রক্রিয়ার মাধ্যমে একটি সমস্যা রিপোর্ট করে
একবার একজন ব্যবহারকারী প্রতিক্রিয়া জানালে, আপনি এটি পেয়েছেন তা স্বীকার করুন। যদি সম্ভব হয়, তাদের জানান যে সিস্টেমটি কীভাবে প্রতিক্রিয়া জানাবে।
সম্পূর্ণ প্যাটার্নের লিঙ্ক: https://pair.withgoogle.com/guidebook/patterns#let-users-give-feedback
আপনার অ্যাপের ক্ষেত্রে, এটি এর মতো দেখতে পারে:
ব্যবহারকারীরা সুপারিশ সম্পর্কে প্রতিক্রিয়া জানাতে পারেন...
...এবং পরবর্তী কি ঘটবে সে সম্পর্কে তাদের অবহিত করা হয়
8. অভিনন্দন
অভিনন্দন! আপনি এইমাত্র একটি উদাহরণ কর্মপ্রবাহের মধ্য দিয়ে গেছেন যা আপনাকে দেখায় কিভাবে PAIR গাইডবুকের কিছু নতুন সংস্থান ব্যবহার করতে হয়৷
সারাংশ
এই কোডল্যাবে, আপনি শিখেছেন কিভাবে:
- অনুবাদক ব্যবহারকারীর একটি এআই সমস্যা প্রয়োজন
- টাস্কের জন্য একটি ডেটাসেট তৈরি করুন
- অনবোর্ড ব্যবহারকারীদের নতুন বৈশিষ্ট্য
- সিস্টেম ব্যাখ্যা করুন এবং ব্যবহারকারীর প্রত্যাশা সেট করুন
- ব্যবহারকারীকে ত্রুটি থেকে এগিয়ে যাওয়ার পথ দিন
- পণ্য উন্নত করতে প্রতিক্রিয়া সংগ্রহ করুন
এরপর কি?
আপনি নিম্নলিখিত লিঙ্কগুলিতে এই কোডল্যাবে হাইলাইট করা সমস্ত সংস্থান এবং আরও অনেক কিছু খুঁজে পেতে পারেন: