1. Zanim zaczniesz
MakerSuite to zestaw narzędzi, które umożliwiają prototypowanie przy użyciu dużych modeli językowych bezpośrednio w przeglądarce – nie musisz niczego konfigurować. Dzięki MakerSuite możesz szybko wypróbować prompty i utworzyć interfejs API, do którego Twoja aplikacja będzie mieć bezpośredni dostęp. Pomaga to zespołom szybko dostarczać świetne aplikacje oparte na generatywnej AI. Przewodnik People + AI Research (PAIR) zawiera wskazówki dotyczące projektowania nowych produktów z AI, ze szczególnym uwzględnieniem praktyk związanych z danymi, które są zorientowane na użytkownika, oraz zdobywania zaufania użytkowników. Wskazówki te można stosować podczas korzystania z MakerSuite.
Z tego ćwiczenia dowiesz się, jak korzystać z tych 2 zasobów, aby tworzyć funkcje oparte na odpowiedzialnej AI. To ćwiczenie skupia się na odpowiedzialnym prototypowaniu z użyciem generatywnej AI, a nie na kompleksowym przepływie pracy związanym z tymi konkretnymi zasobami. Ogólny przepływ pracy w MakerSuite znajdziesz w tym podstawowym samouczku. Bardziej szczegółowe wskazówki dotyczące projektowania produktów AI znajdziesz w przewodniku PAIR.
Wymagania wstępne
- Podstawowa wiedza o AI.
- Znajomość przepływu pracy związanego z opracowywaniem produktów.
Czego się nauczysz
- Jak korzystać z przewodnika PAIR, aby sprawdzić, jak dobrze Twoje rozwiązania oparte na AI sprawdzają się w przypadku różnych odbiorców, oraz jak określić, w których zadaniach warto, a w których nie warto korzystać z AI.
- Jak tworzyć funkcje generatywnej AI, które czerpią z bogactwa praktyk kulturowych użytkowników.
- Jak włączyć do procesu tworzenia AI możliwości budowania zaufania użytkowników poprzez skupienie się na wyjaśnialności skierowanej do użytkowników.
- Jak korzystać z szerszego zestawu materiałów dotyczących generatywnej AI i zasobów AI skoncentrowanych na człowieku, aby dowiedzieć się więcej.
Co utworzysz
To ćwiczenie przeprowadzi Cię przez praktyczny proces tworzenia prototypu odpowiedzialnej generatywnej AI podczas projektowania narzędzia do kreatywnego pisania. Jeśli chcesz, możesz nawet zintegrować zaprojektowane przez siebie prompty z Wordcraft, edytorem tekstu opartym na AI o otwartym kodzie źródłowym, który Google udostępniło jako prototyp badawczy.
Czego potrzebujesz
- Przeglądarka
- konto Google, aby uzyskać dostęp do MakerSuite;
2. Konfiguracja
MakerSuite
MakerSuite to zestaw narzędzi Google, które umożliwiają prototypowanie przy użyciu dużych modeli językowych bezpośrednio w przeglądarce – bez konieczności konfiguracji. Możesz szybko testować modele i eksperymentować z różnymi promptami. Gdy skończysz tworzyć model, możesz go łatwo wyeksportować jako kod w Pythonie, a potem wywoływać te same modele za pomocą interfejsu Generative Language API.
Aby eksperymentować z dużymi modelami językowymi za pomocą MakerSuite, zarejestruj się na liście oczekujących.
Przewodnik po badaniach nad relacją między ludźmi a AI
Przewodnik People + AI Research (PAIR) to materiał, który pomaga programistom, projektantom, menedżerom produktów, studentom i wielu innym osobom odpowiedzialnie korzystać z AI.
Przewodnik PAIR pomoże Tobie i Twojemu zespołowi opracować listę kluczowych pytań związanych z AI, w tym z generatywną AI, w Twojej usłudze.
- Kiedy i jak używać AI w swoim produkcie?
- Jak pomóc użytkownikom w budowaniu zaufania do mojego systemu AI?
- Jak wyjaśnić użytkownikom działanie mojego systemu AI?
- Jak sprawić, aby rozwiązania oparte na AI były uwzględniały różnice kulturowe i promowały równość?
W trakcie tego ćwiczenia będziesz korzystać z przewodnika PAIR, aby opracowywać pytania do prototypowania i wybierać spośród różnych opcji projektowania.
Pobierz kod Wordcraft (opcjonalnie)
Wordcraft to oparty na AI edytor tekstu opracowany w zespole ds. badań Google, który umożliwia wspólną pracę nad pisaniem historii przez ludzi i AI. Kod Wordcraft jest dostępny jako oprogramowanie open source, więc możesz samodzielnie eksperymentować z promptami w tym ćwiczeniu.
- Aby pobrać kod Wordcraft, użyj tego polecenia:
git clone https://github.com/pair-code/wordcraft
Możesz też pobrać plik ZIP:
Do ustalenia
3. Korzystanie z generatywnej AI do pisania opowiadań
Duży model językowy (LLM) to model AI trenowany na ogromnych ilościach tekstu z książek, artykułów i stron internetowych, aby nauczyć się gramatyki, popularnych zwrotów i innych informacji. Na podstawie tych danych i po dodatkowym dostrojeniu model LLM, taki jak PaLM, może wykonywać wiele zadań związanych ze sztuczną inteligencją na podstawie prostych instrukcji, a nie zaawansowanego programowania uczenia maszynowego. Może też odpowiadać na pytania, podsumowywać informacje, tłumaczyć języki i wykonywać wiele innych zadań związanych ze sztuczną inteligencją.
W tym ćwiczeniu użyjesz dużego modelu językowego do prototypowania aplikacji, która pomaga autorom pisać opowiadania. Oprócz ogólnych informacji o świecie, gramatyce itp. model PaLM LLM od Google jest zaprojektowany tak, aby wykonywać instrukcje użytkownika, czyli prompty. Aby stworzyć prototyp narzędzia w MakerSuite, musisz nauczyć model, co ma pisać w odpowiedzi na prompta użytkownika.
Pisanie historii wspomaganych przez AI za pomocą promptów tekstowych w MakerSuite
- Aby utworzyć prompta, w panelu po lewej stronie kliknij Utwórz nowy i wybierz Prompt tekstowy. Zacznij od tego prompta:
You are a talented fiction author. Write a story about a given topic.
Topic: {{topic}}
Gdy wpiszesz ten prompt, MakerSuite wykryje, że {{topic}} jest daną wejściową promptu, i otworzy panel Przetestuj prompt, aby umożliwić Ci sprawdzenie, jak prompt działa z różnymi danymi wejściowymi.
- Wpisz
A boy discovers a lost cat in his yard, a potem kliknij panel modelu (po prawej stronie przycisku Uruchom) i ustaw temperaturę na0.8. - Na koniec kliknij Uruchom, aby uruchomić prompt. W tabeli powinny się za chwilę pojawić wyniki promptu.
Ustawienie temperatury na 0.8 informuje model, że wolisz różnorodność w jego wynikach. Dzięki temu powstają bardziej kreatywne historie, ale za każdym razem, gdy uruchamiasz tę funkcję, otrzymujesz inne wyniki. Jeśli chcesz, aby za każdym razem otrzymywać dokładnie te same wyniki, ustaw temperaturę na 0.
Jednym z możliwych wyników jest:
Henry sat on the edge of his porch and swung his legs back and forth. A small cat ran in front of him. Henry petted the cat. The cat began to purr. Henry picked up the cat and placed it on his lap. The cat began to snuggle close to him. Henry decided to keep the cat.
- Uruchom prompt kilka razy i zwróć uwagę na różne historie, które zostaną utworzone.
Jak widać, model pisze uporządkowaną historię, która jest logiczna, ale zakłada też kilka rzeczy. Historia skupia się na przykład na chłopcu o imieniu Henry. Możesz zmienić te założenia, podając imię głównego bohatera lub określając, czy historia ma się skupiać na kociaku, czy na człowieku.
- Zaktualizuj prompt, a potem kliknij Uruchom, aby zobaczyć, jak działa on w przypadku wszystkich danych wejściowych testu.
Określanie zadań, w których pomoc AI jest najbardziej przydatna, przy użyciu przewodnika PAIR
Do tej pory zakładaliśmy, że model AI pisze całą historię na podstawie krótkiego opisu. Czy to jednak właściwa decyzja projektowa w przypadku Twojego narzędzia do tworzenia kreacji? Wyobraź sobie na przykład asystenta, który pomaga autorom przeredagować wybrane fragmenty historii. Możesz na przykład stworzyć prototyp tej interakcji w MakerSuite, aby fragment historii był bardziej dramatyczny.
Dzięki temu możesz uzyskać bardziej precyzyjną pomoc, ponieważ funkcja będzie przepisywać całe akapity. Na wyższym poziomie, wprowadzając kilka zmian w prompcie, możesz stworzyć prototyp narzędzia wspomagającego użytkownika, a nie narzędzia do automatyzacji zadań.
Przewodnik PAIR oferuje oparte na zasadach podejście do zadawania i odpowiadania na takie pytania w procesie tworzenia AI. MakerSuite pomaga szybko tworzyć prototypy pomysłów, a przewodnik PAIR umożliwia zawężenie wyboru projektów do tych, które są najbardziej obiecujące w Twoim przypadku i w przypadku odbiorców, do których chcesz dotrzeć. Z przewodnika dowiesz się, czy w przypadku współpracy z AI przy tworzeniu aplikacji lepszym rozwiązaniem będzie rozszerzenie czy automatyzacja.
Zacznij od pytania przewodniego Jak korzystać z AI? w Przewodniku. Zgodnie z tym wzorcem z Przewodnika lepiej jest używać AI, gdy dodaje ona unikalną wartość. W tym przypadku, ponieważ duże modele językowe są trenowane na podstawie wielu danych dotyczących gramatyki, popularnych zwrotów i innych informacji z internetu, warto wykorzystać ich zdolność do rozumienia świata opisywanego w historii, którą chcesz przedstawić w wyniku działania aplikacji do pisania, i sugerować sposoby jej przepisania. Jest to rozwinięcie wzorca spersonalizowanej rekomendacji z przewodnika.
Pójdźmy o krok dalej. W Przewodniku PAIR znajduje się rozdział poświęcony potrzebom użytkowników, w którym znajdziesz wskazówki dotyczące tego, czy zadania powinny być zautomatyzowane czy wspomagane.
Rozważając rozszerzenie lub automatyzację, pamiętaj, że Twój prototyp ma być przydatną aplikacją dla pisarzy. Wydaje się więc, że Twoi użytkownicy lubią pisać, chcą mieć osobisty wkład w swoje teksty i mają preferencje wypracowane przez całe życie, które mogą być trudne do przekazania. Łącznie sugeruje to, że podejście oparte na rozszerzaniu może być bardziej obiecujące.
Zgodnie z przewodnikiem PAIR warto myśleć o prototypowanej aplikacji nie jako o narzędziu do pisania, ale do przerabiania tekstu. Możesz na przykład zmienić prompt, aby umożliwić różne style pisania.
- Utwórz nowy prompt tekstowy:
Edit the paragraph below. Make it \{\{rewrite style\}\}. Only respond with the updated text. Do not include any explanation.
Paragraph: {{paragraph}}
W tym przypadku zarówno \{\{rewrite style\}\}, jak i {{paragraph}} to pola tekstowe.
- W panelu testowym wypróbuj różne style pisania, np. krótszy, bardziej dramatyczny, bardziej dowcipny, mniej niezgrabny pod względem gramatycznym, poetycki itp.
Projektowanie historii z całego świata
Do tej pory testowaliśmy prompt rewrite a paragraph (przekształć akapit) na opowiadaniach, które nie mają silnego kontekstu kulturowego. Podczas projektowania rozwiązań opartych na odpowiedzialnej AI często warto wypróbować różne dane wejściowe.
Wypróbuj kilka danych wejściowych testu, np.:
- W cichym kącie uroczej paryskiej kawiarni samotny gość delektował się aromatem świeżo zaparzonej kawy, a jego myśli powędrowały do dawno zapomnianej chwili, która na zawsze zmieniła bieg jego życia.
- W chaotycznej atmosferze lokalnego pociągu w Bombaju kobieta w średnim wieku nawiązała rozmowę z nieznajomym. Jakie to fascynujące, pomyślała, mieszkać w tym samym mieście i prowadzić tak różne życia.
- Wśród tętniącego życiem chaosu ruchliwego targu ulicznego w Szanghaju sprzedawca jedzenia ulicznego zatrzymał się na chwilę, aby obserwować przepływ tłumu.
Eksperymentuj z innymi kontekstami kulturowymi i geograficznymi w odpowiedzialny sposób, unikając nieuczciwych uprzedzeń i stereotypów historycznych. Pamiętaj, że chociaż model LLM ma wiedzę o wielu częściach świata na podstawie istniejących danych znalezionych w internecie, może nie znać wszystkich szczegółów dotyczących konkretnego miejsca geograficznego. Zgodnie z sugestiami zawartymi w przewodniku PAIR w przypadku zadań związanych z rozszerzaniem ważne jest, aby zapewnić użytkownikom kontrolę. Możesz na przykład rozszerzyć możliwości przepisywania prototypu, aby uzyskać większą kontrolę nad fabułą i szczegółami historii.
Wiele modeli generatywnych wykazuje też czasami domyślne założenia, co wynika częściowo z wzorców, które są bardziej rozpowszechnione w ich ogromnych zbiorach danych treningowych zawierających informacje online. Pamiętaj, że modele można tak skonfigurować, aby przyjmowały inne, równie trafne założenia. Na przykład w przypadku powyższego promptu przepisz akapit możesz określić płeć nieznajomego w pociągu, zmieniając styl przepisywania i wpisując „krótszy. Pamiętaj, że ta nieznajoma to kobieta”.
4. Wzbudzanie zaufania
Bez zaufania użytkowników nawet najbardziej innowacyjne funkcje AI mogą pozostać niewykorzystane. Zaufanie wynika z przekonania użytkowników, że AI jest kompetentna, niezawodna i pomocna. Pomaganie użytkownikom w budowaniu zaufania może zachęcić ich do poznania sposobu i czasu korzystania z określonych funkcji, a także poprawić ogólne wrażenia użytkownika.
Przewodnik PAIR zawiera kilka pomysłów, które pomogą użytkownikom określić, w jakim stopniu powinni ufać systemom AI:
Budowanie zaufania od samego początku
W przypadku generatywnej AI szczególnie ważne jest przekazywanie informacji o intencjach funkcji i pomaganie użytkownikom w zrozumieniu ograniczeń AI. Na przykład modele językowe są zaprojektowane przede wszystkim do przewidywania, co będzie następne w tekście, więc ich dane wyjściowe nie zawsze muszą być zgodne z faktami. Dlatego ważne jest, aby pomóc użytkownikom zrozumieć, że ten prototyp jest narzędziem wspomagającym kreatywne pisanie i nie ma na celu przedstawiania faktów. Jeśli użytkownik chce sprawdzić szczegóły, które mają być zgodne z prawdą, powinien wyszukać je w internecie w zaufanych źródłach.
Przeprowadź burzę mózgów na temat kilku różnych sposobów, w jakie możesz pomóc użytkownikom zrozumieć, że ten prototyp nie jest przeznaczony do pisania informacji zgodnych z prawdą, ale do tworzenia fikcji.
Utrzymanie zaufania
Podobnie, chociaż modele generatywnej AI mają duże możliwości, w wielu konkretnych przypadkach użytkownicy nie zawsze mogą sprawdzić, czy zadania zostały wykonane prawidłowo. Ten prototyp został na przykład zaprojektowany z myślą o ukierunkowanym uzupełnianiu tekstu i ukierunkowanym przepisywaniu fikcji – możliwościach, które użytkownicy mogą łatwo zweryfikować. Modele generatywne można łatwo poprosić o przeredagowanie dużych fragmentów tekstu, ale użytkownicy mogą przeoczyć drobne błędy, które mogły się wkraść. Ogólnie rzecz biorąc, skupienie się na interaktywnych funkcjach generatywnej AI w przypadku zadań, które użytkownicy mogą łatwo zweryfikować, pomaga zdobyć ich zaufanie.
Ostatnią szansą na utrzymanie zaufania jest wykorzystanie możliwości sterowania modelami generatywnymi. W przeciwieństwie do poprzednich modeli AI, które są przeznaczone do ściśle określonego zadania, wyniki modeli generatywnych są znacznie łatwiejsze do dostosowania przez użytkowników końcowych (co widać na przykładzie próśb o bardziej dramatyczne, krótsze lub podobne zmiany). Chociaż taka sterowalność może poprawić wygodę użytkowników, należy zadbać o to, aby mieściła się w zakresie możliwości modelu. Na przykład w tym prototypie zamiast pytać użytkowników, jak chcieliby zmienić tekst, możesz zaproponować listę instrukcji dotyczących zmiany tekstu, które sprawdziły się jako sugestie dla użytkownika.
Odzyskiwanie utraconego zaufania
Pomimo Twoich starań mogą wystąpić sytuacje, w których model da nieoptymalne wyniki. W takich przypadkach ważne jest, aby umożliwić użytkownikom cofnięcie działań wykonanych przez AI. Podobnie często lepiej jest identyfikować funkcje o zmiennej skuteczności i uruchamiać je tylko wtedy, gdy użytkownicy wyraźnie poproszą o pomoc AI.
- Zastanów się nad kilkoma różnymi sposobami tworzenia funkcji cofania lub innymi sposobami odzyskiwania zaufania użytkowników.
Rozwiązania tych problemów znajdziesz w rozwiązaniu codelabu.
5. Połącz wszystkie elementy
Do tej pory eksperymentowałeś(-aś) z promptami w MakerSuite. Gdy uznasz, że te prompty są odpowiednie, użyj ich bezpośrednio w prototypie.
- Najpierw zapisz prompt, a potem w prawym górnym rogu kliknij Pobierz kod. Jeśli jeszcze tego nie zrobiono, musisz też włączyć klucz interfejsu API. W tym celu w wyświetlonym oknie Pobierz kod kliknij Włącz klucz interfejsu API.
MakerSuite generuje kod, którego możesz użyć bezpośrednio w aplikacji. Jeśli na przykład chcesz użyć kodu w aplikacji internetowej, wybierz kod JavaScript. Możesz skopiować kod bezpośrednio z okna i wkleić go w aplikacji internetowej. Jeśli zaktualizujesz prompt w MakerSuite, pamiętaj, aby zaktualizować go w kodzie za pomocą zmiennej prompt w dołączonym kodzie.
Jeśli chcesz zintegrować ten interfejs API z gotową aplikacją do kreatywnego pisania, możesz pobrać kod Wordcraft.
Rozwiązanie ćwiczenia z programowania
Kod Wordcraft możesz pobrać z GitHuba:
git clone https://github.com/pair-code/wordcraft
Możesz też pobrać repozytorium jako plik ZIP:
6. Gratulacje
Ukończono ćwiczenie Prototypowanie odpowiedzialnej AI z użyciem przewodnika PAIR i MakerSuite i dowiedziano się, jak prototypować rozwiązania oparte na odpowiedzialnej AI (w tym przypadku aplikację do kreatywnego pisania) przy użyciu kilku narzędzi Google. Nie możemy się doczekać, co stworzysz.
Więcej informacji
- Przewodnik użytkownika MakerSuite
- Przewodnik PAIR
- Zasady Google dotyczące AI