1. ก่อนเริ่มต้น
MakerSuite คือชุดเครื่องมือที่ช่วยให้คุณสร้างต้นแบบด้วยโมเดลภาษาขนาดใหญ่ได้โดยตรงจากเบราว์เซอร์โดยไม่ต้องตั้งค่าใดๆ เมื่อใช้ MakerSuite คุณจะลองใช้พรอมต์ได้อย่างรวดเร็วและสร้าง API ที่แอปเข้าถึงได้โดยตรง ซึ่งช่วยให้ทีมส่งมอบแอปพลิเคชันที่ยอดเยี่ยมได้อย่างรวดเร็วโดยอิงตาม Generative AI คู่มือการวิจัยเกี่ยวกับผู้คนและ AI (PAIR) มีคำแนะนำเกี่ยวกับวิธีออกแบบผลิตภัณฑ์ใหม่ด้วย AI โดยมุ่งเน้นที่แนวทางปฏิบัติด้านข้อมูลที่มุ่งเน้นมนุษย์และการสร้างความไว้วางใจของผู้ใช้ ซึ่งเป็นคำแนะนำที่นำไปใช้ได้กับการใช้ MakerSuite
ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้ประโยชน์จากทรัพยากรทั้ง 2 รายการนี้ร่วมกันเพื่อสร้างประสบการณ์การใช้งาน AI อย่างมีความรับผิดชอบ เป้าหมายของ Codelab คือการสร้างต้นแบบอย่างมีความรับผิดชอบด้วย Generative AI ไม่ใช่เวิร์กโฟลว์จากต้นจนจบของทรัพยากรที่เฉพาะเจาะจงเหล่านี้ ดูข้อมูลเกี่ยวกับเวิร์กโฟลว์ทั่วไปของ MakerSuite ได้ที่บทแนะนำพื้นฐานสำหรับ MakerSuite และดูคำแนะนำที่ครอบคลุมมากขึ้นเกี่ยวกับการออกแบบผลิตภัณฑ์ AI ได้ในคู่มือ PAIR
ข้อกำหนดเบื้องต้น
- ความเข้าใจพื้นฐานเกี่ยวกับ AI
- มีความรู้เกี่ยวกับเวิร์กโฟลว์การพัฒนาผลิตภัณฑ์บ้าง
สิ่งที่คุณจะได้เรียนรู้
- วิธีใช้คู่มือ PAIR เพื่อตรวจสอบว่าประสบการณ์ AI ของคุณทำงานได้ดีเพียงใดสำหรับกลุ่มเป้าหมายต่างๆ และวิธีดูว่างานใดควรหรือไม่ควรใช้ AI
- วิธีสร้างประสบการณ์ Generative AI ที่ดึงมาจากความหลากหลายของการปฏิบัติทางวัฒนธรรมของผู้ใช้
- วิธีผสานรวมโอกาสในกระบวนการพัฒนา AI ที่จะสร้างความไว้วางใจให้แก่ผู้ใช้โดยมุ่งเน้นที่ความสามารถในการอธิบายต่อผู้ใช้
- วิธีใช้ชุดเครื่องมือที่ครอบคลุมมากขึ้นของเนื้อหา Generative AI และแหล่งข้อมูล AI ที่มุ่งเน้นมนุษย์เพื่อการสำรวจเพิ่มเติม
สิ่งที่คุณจะสร้าง
โค้ดแล็บนี้จะแนะนำขั้นตอนการสร้างต้นแบบด้วยตนเองสำหรับ Generative AI ที่มีความรับผิดชอบขณะที่คุณออกแบบเครื่องมือการเขียนเชิงสร้างสรรค์ หากสนใจ คุณยังผสานรวมพรอมต์ที่ออกแบบเหล่านี้ลงใน Wordcraft ซึ่งเป็นเครื่องมือแก้ไขข้อความที่ทำงานด้วยระบบ AI แบบโอเพนซอร์สที่ Google เปิดตัวเป็นโปรโตไทป์การวิจัยได้ด้วย
สิ่งที่ต้องมี
- เบราว์เซอร์
- บัญชี Google เพื่อเข้าถึง MakerSuite
2. ตั้งค่า
MakerSuite
MakerSuite คือชุดเครื่องมือของ Google ที่ช่วยให้คุณสร้างต้นแบบด้วยโมเดลภาษาขนาดใหญ่ได้โดยตรงจากเบราว์เซอร์โดยไม่ต้องตั้งค่าใดๆ ซึ่งช่วยให้คุณลองใช้โมเดลและทดลองใช้พรอมต์ต่างๆ ได้อย่างรวดเร็ว เมื่อสร้างสิ่งที่ชอบแล้ว คุณสามารถส่งออกเป็นโค้ด Python ได้อย่างง่ายดาย จากนั้นเรียกใช้โมเดลเดียวกันโดยใช้ Generative Language API
หากต้องการทดสอบโมเดลภาษาขนาดใหญ่โดยใช้ MakerSuite ให้ลงชื่อสมัครใช้เพื่อรอรับการแจ้งเตือน
คู่มือการวิจัย People + AI
คู่มือ People + AI Research (PAIR) เป็นทรัพยากรที่ช่วยให้นักพัฒนาซอฟต์แวร์ นักออกแบบ ผู้จัดการผลิตภัณฑ์ นักเรียน และคนอื่นๆ อีกมากมายใช้ AI อย่างมีความรับผิดชอบ
คู่มือ PAIR จะช่วยให้คุณและทีมพัฒนารายการคําถามสําคัญที่เกี่ยวข้องกับ AI รวมถึง Generative AI ในผลิตภัณฑ์ได้
- ฉันควรใช้ AI ในผลิตภัณฑ์เมื่อใดและอย่างไร
- ฉันจะช่วยผู้ใช้สร้างความไว้วางใจให้กับระบบ AI ของฉันได้อย่างไร
- ฉันจะอธิบายระบบ AI แก่ผู้ใช้ได้อย่างไร
- ประสบการณ์ AI จะมีความหลากหลายทางวัฒนธรรมและมุ่งเน้นความเท่าเทียมได้อย่างไร
คุณใช้คู่มือ PAIR ตลอดทั้งโค้ดแล็บนี้เพื่อพัฒนาคําถามสําหรับการสร้างต้นแบบและเลือกตัวเลือกการออกแบบต่างๆ
รับรหัสสําหรับ Wordcraft (ไม่บังคับ)
Wordcraft เป็นเครื่องมือแก้ไขข้อความที่ทำงานด้วยระบบ AI ซึ่งพัฒนาขึ้นที่ Google Research เพื่อสำรวจการเขียนเรื่องราวร่วมกันระหว่างมนุษย์และ AI โค้ด Wordcraft เป็นโอเพนซอร์ส คุณจึงทดสอบพรอมต์ใน Codelab นี้ด้วยตนเองได้
- หากต้องการรับรหัสสำหรับ Wordcraft ให้ใช้คำสั่งต่อไปนี้
git clone https://github.com/pair-code/wordcraft
หรือจะดาวน์โหลดไฟล์ ZIP ก็ได้ โดยทำดังนี้
จะแจ้งภายหลัง
3. ใช้ Generative AI ในการเขียนเรื่องราว
โมเดลภาษาขนาดใหญ่ (LLM) คือโมเดล AI ที่ได้รับการฝึกด้วยข้อความจำนวนมากจากหนังสือ บทความ และเว็บไซต์ต่างๆ เพื่อเรียนรู้ไวยากรณ์ วลีทั่วไป และข้อมูลอื่นๆ LLM อย่าง PaLM สามารถใช้ข้อมูลนี้และการปรับแต่งเพิ่มเติมเล็กน้อยเพื่อทำงานด้านปัญญาประดิษฐ์ (AI) หลายอย่างให้เสร็จสมบูรณ์ตามคำสั่งง่ายๆ โดยไม่ต้องใช้การเขียนโปรแกรมแมชชีนเลิร์นนิงที่ซับซ้อน และยังตอบคําถาม สรุปข้อมูล แปลภาษา และทำสิ่งอื่นๆ อีกมากมายได้ด้วย
ใน Codelab นี้ คุณจะใช้ LLM เพื่อสร้างต้นแบบแอปที่ช่วยให้นักเขียนเขียนเรื่องราวได้ นอกจากจะมีข้อมูลทั่วไปเกี่ยวกับโลก ไวยากรณ์ และอื่นๆ แล้ว PaLM LLM ของ Google ยังออกแบบมาให้ทำตามคำสั่งหรือพรอมต์ของผู้ใช้ ดังนั้น หากต้องการสร้างต้นแบบเครื่องมือใน MakerSuite คุณต้องสอนโมเดลให้เขียนคำตอบตามพรอมต์ของผู้ใช้
เขียนเรื่องราวที่ AI ช่วยเขียนโดยใช้พรอมต์ข้อความใน MakerSuite
- หากต้องการสร้างพรอมต์ ให้คลิกสร้างใหม่ในแผงด้านซ้าย แล้วเลือกพรอมต์ข้อความ เริ่มต้นด้วยพรอมต์นี้
You are a talented fiction author. Write a story about a given topic.
Topic: {{topic}}
เมื่อป้อนพรอมต์นี้ MakerSuite จะตรวจพบว่า {{topic}} เป็นอินพุตของพรอมต์และเปิดแผงทดสอบพรอมต์เพื่อให้คุณเห็นว่าพรอมต์ทำงานอย่างไรกับอินพุตที่หลากหลาย
- ป้อน
A boy discovers a lost cat in his yardแล้วคลิกแผงรูปแบบ (ทางด้านขวาของปุ่มเรียกใช้) แล้วเลือกอุณหภูมิเป็น0.8 - สุดท้าย ให้คลิกเรียกใช้เพื่อเรียกใช้พรอมต์ คุณควรเห็นเอาต์พุตพรอมต์ในตารางในไม่ช้า
การเลือกการตั้งค่าอุณหภูมิเป็น 0.8 บอกให้โมเดลทราบว่าคุณต้องการเอาต์พุตที่หลากหลาย ซึ่งจะส่งผลให้ได้เรื่องราวที่สร้างสรรค์มากขึ้น แต่จะให้ผลลัพธ์ที่แตกต่างกันทุกครั้งที่เรียกใช้ หากต้องการให้เอาต์พุตเหมือนกันทุกครั้ง ให้ตั้งอุณหภูมิเป็น 0
ผลลัพธ์ที่เป็นไปได้อย่างหนึ่งมีดังนี้
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.
- ลองใช้พรอมต์หลายครั้งและสังเกตเรื่องราวต่างๆ ที่สร้างขึ้น
ดังที่คุณเห็น โมเดลเขียนเรื่องราวที่มีโครงสร้างซึ่งดำเนินไปอย่างมีเหตุผล แต่ก็มีการคาดเดาหลายอย่างด้วย ตัวอย่างเช่น เรื่องราวนี้เน้นไปที่เด็กชายชื่อ Henry คุณเปลี่ยนการคาดคะเนเหล่านี้ได้โดยระบุชื่อตัวละครเอก หรือแม้แต่ระบุว่าต้องการให้เรื่องราวมุ่งเน้นไปที่แมวหรือคน
- อัปเดตพรอมต์ แล้วคลิกเรียกใช้เพื่อดูวิธีการทํางานกับอินพุตการทดสอบทั้งหมด
ระบุงานที่เหมาะกับความช่วยเหลือจาก AI มากที่สุดโดยใช้คู่มือ PAIR
จนถึงตอนนี้ สมมติฐานคือโมเดล AI จะเขียนเรื่องราวที่สมบูรณ์จากคำอธิบายสั้นๆ แต่นี่เป็นการตัดสินใจด้านการออกแบบที่ถูกต้องสำหรับเครื่องมือครีเอทีฟโฆษณาของคุณหรือไม่ ตัวอย่างเช่น ลองจินตนาการว่าผู้ช่วยที่ช่วยให้นักเขียนเขียนบางส่วนของเรื่องราวตามที่ต้องการใหม่ คุณสามารถสร้างต้นแบบของการโต้ตอบนี้ใน MakerSuite ได้ เช่น ทำให้ตัวอย่างเรื่องราวน่าตื่นเต้นยิ่งขึ้น
วิธีนี้ให้ความช่วยเหลือที่มุ่งเน้นมากขึ้น โดยจะเขียนย่อหน้าใหม่ทีละย่อหน้า ในระดับที่สูงขึ้น คุณสามารถทําโปรโตไทป์เครื่องมือการเพิ่มประสิทธิภาพของผู้ใช้แทนเครื่องมือการทำงานอัตโนมัติได้ด้วยการทําการเปลี่ยนแปลงพรอมต์เพียงไม่กี่อย่าง
คู่มือ PAIR มีแนวทางในการถามและตอบคําถามเหล่านี้ในกระบวนการพัฒนา AI ขณะที่ MakerSuite ช่วยให้คุณสร้างต้นแบบแนวคิดได้อย่างรวดเร็ว คู่มือ PAIR จะช่วยให้คุณเลือกตัวเลือกการออกแบบที่ตรงกับวัตถุประสงค์และกลุ่มเป้าหมายที่ต้องการมีส่วนร่วมมากที่สุดได้ ใช้คู่มือเพื่อทําความเข้าใจว่าการเพิ่มประสิทธิภาพหรือระบบอัตโนมัติเป็นแนวทางที่เหมาะสมสําหรับการเป็นพาร์ทเนอร์กับ AI เพื่อสร้างแอปหรือไม่
เริ่มต้นด้วยคําถามแนะนํา ฉันควรใช้ AI อย่างไร ในคู่มือ ดังที่รูปแบบคู่มือนี้ระบุไว้ว่าควรใช้ AI เมื่อเพิ่มมูลค่าที่ไม่ซ้ำกัน ในกรณีนี้ เนื่องจาก LLM ได้รับการฝึกด้วยข้อมูลจำนวนมากเกี่ยวกับไวยากรณ์ วลีทั่วไป และข้อมูลอื่นๆ จากอินเทอร์เน็ต คุณจึงอาจใช้ประโยชน์จากความสามารถของโมเดลในการทําความเข้าใจโลกของเรื่องราวที่คุณต้องการอธิบายในเอาต์พุตของแอปการเขียน และแนะนําวิธีเขียนใหม่ รูปแบบนี้อิงตามรูปแบบคําแนะนําที่ปรับเปลี่ยนในแบบของคุณในคู่มือ
มาดูตัวอย่างเพิ่มเติมกัน คู่มือ PAIR มีบทเกี่ยวกับความต้องการของผู้ใช้พร้อมคำแนะนำว่าควรทำให้งานเป็นแบบอัตโนมัติหรือเสริมการทำงาน
เมื่อพิจารณาการเพิ่มประสิทธิภาพหรือการทำงานอัตโนมัติ โปรดทราบว่าโปรโตไทป์ของคุณควรเป็นแอปที่มีประโยชน์สำหรับนักเขียน ดังนั้น ดูเหมือนว่าผู้ใช้จะชอบการเขียน ต้องการเป็นเจ้าของการเขียนของตนเอง และมีค่ากําหนดซึ่งสร้างขึ้นจากการเขียนตลอดชีวิตซึ่งอาจสื่อสารได้ยาก เมื่อพิจารณาข้อมูลทั้งหมดแล้ว แนวทางการเพิ่มประสิทธิภาพจึงอาจเป็นตัวเลือกที่น่าเชื่อถือมากกว่า
จากคู่มือ PAIR เราอาจมองว่าแอปที่คุณสร้างต้นแบบไม่ใช่เครื่องมือสำหรับเขียน แต่สำหรับการเขียนใหม่ เช่น คุณเปลี่ยนพรอมต์เพื่อให้เขียนได้หลายสไตล์
- สร้างพรอมต์ข้อความใหม่
Edit the paragraph below. Make it \{\{rewrite style\}\}. Only respond with the updated text. Do not include any explanation.
Paragraph: {{paragraph}}
ในกรณีนี้ทั้ง \{\{rewrite style\}\} และ {{paragraph}} เป็นการป้อนข้อความ
- ในแผงทดสอบ ให้ลองใช้รูปแบบการเขียนใหม่หลายรูปแบบ เช่น สั้นลง น่าตื่นเต้นมากขึ้น มีไหวพริบมากขึ้น ใช้ไวยากรณ์ได้เหมาะสมมากขึ้น เป็นบทกวี เป็นต้น
การออกแบบสำหรับเรื่องราวทั่วโลก
จนถึงตอนนี้ คุณได้ทดสอบพรอมต์เขียนย่อหน้าใหม่กับเรื่องราวที่ไม่มีบริบททางวัฒนธรรมที่ชัดเจน เมื่อออกแบบประสบการณ์การใช้งาน AI อย่างมีความรับผิดชอบ การใช้อินพุตที่หลากหลายมักจะมีประโยชน์
ลองป้อนข้อมูลทดสอบหลายรายการ เช่น
- ในมุมเงียบๆ ของคาเฟ่เก่าแก่ในปารีส ลูกค้าผู้โดดเดี่ยวกำลังสูดกลิ่นหอมของกาแฟสด ความคิดของเขาล่องลอยไปยังช่วงเวลาที่ลืมเลือนไปแล้วซึ่งได้เปลี่ยนเส้นทางชีวิตของเขาไปตลอดกาล
- ท่ามกลางความวุ่นวายของรถไฟท้องถิ่นในมุมไบ หญิงวัยกลางคนคนหนึ่งเริ่มการสนทนากับคนแปลกหน้า เธอคิดว่ามันน่าทึ่งมากที่ได้อาศัยอยู่ในเมืองเดียวกันแต่มีชีวิตที่แตกต่างกันมาก
- ท่ามกลางความวุ่นวายของตลาดข้างทางที่ครึกคักในเซี่ยงไฮ้ พ่อค้าขายอาหารข้างทางคนหนึ่งหยุดพักเพื่อสังเกตดูความหนาแน่นของผู้คน
ทดสอบบริบททางวัฒนธรรมและภูมิศาสตร์อื่นๆ อย่างมีความรับผิดชอบ โดยระมัดระวังไม่ให้มีอคติที่ไม่ยุติธรรมและการเหมารวมทางประวัติศาสตร์ โปรดทราบว่าแม้ LLM จะมีข้อมูลเกี่ยวกับส่วนต่างๆ ของโลกตามข้อมูลที่พบทางออนไลน์ แต่อาจให้รายละเอียดที่ไม่ถูกต้องเกี่ยวกับสถานที่ทางภูมิศาสตร์ที่เฉพาะเจาะจง คู่มือ PAIR แนะนำว่าการให้ผู้ใช้ควบคุมงานเสริมเป็นสิ่งสำคัญ เช่น คุณสามารถขยายความสามารถในการเขียนใหม่ของโปรโตไทป์เพื่อให้ควบคุมพล็อตและรายละเอียดของเรื่องราวได้ดียิ่งขึ้น
โมเดล Generative จำนวนมากยังแสดงการคาดการณ์เริ่มต้นในบางครั้งด้วย ส่วนหนึ่งเป็นเพราะรูปแบบที่พบบ่อยในชุดข้อมูลการฝึกขนาดใหญ่ของข้อมูลออนไลน์ โปรดทราบว่ารูปแบบสามารถควบคุมเพื่อให้ได้สมมติฐานอื่นๆ ที่ถูกต้องเท่าๆ กัน ตัวอย่างเช่น สำหรับพรอมต์เขียนย่อหน้าใหม่ด้านบน คุณสามารถระบุเพศของคนแปลกหน้าบนรถไฟได้โดยเปลี่ยนรูปแบบการเขียนใหม่ โดยเขียนว่า "สั้นลง อย่าลืมว่าคนแปลกหน้าเป็นผู้หญิง"
4. สร้างความไว้วางใจ
หากผู้ใช้ไม่ไว้วางใจ แม้แต่ความสามารถ AI ที่ล้ำสมัยที่สุดก็อาจไม่มีการใช้งาน ความน่าเชื่อถือเป็นผลมาจากการที่ผู้ใช้รู้สึกว่า AI มีประสิทธิภาพ เชื่อถือได้ และมีประโยชน์ การช่วยให้ผู้ใช้เกิดความไว้วางใจอาจกระตุ้นให้ผู้ใช้เรียนรู้วิธีและเวลาในการใช้ฟีเจอร์หนึ่งๆ และอาจทําให้ผู้ใช้ได้รับประสบการณ์การใช้งานโดยรวมที่ดีขึ้น
คู่มือ PAIR มีแนวคิดบางส่วนที่จะช่วยให้ผู้ใช้ตัดสินใจได้ว่าควรไว้วางใจระบบ AI มากน้อยเพียงใด
สร้างความไว้วางใจตั้งแต่เนิ่นๆ
การใช้ Generative AI จะมีประโยชน์อย่างยิ่งในการสื่อถึงวัตถุประสงค์ของฟีเจอร์และช่วยให้ผู้ใช้เข้าใจข้อจำกัดของ AI ตัวอย่างเช่น เนื่องจากโมเดลภาษาออกแบบมาเพื่อคาดเดาสิ่งที่จะเกิดขึ้นถัดไปในข้อความเป็นหลัก ผลลัพธ์ที่ได้จึงอาจไม่ถูกต้องตามข้อเท็จจริงเสมอไป ดังนั้น คุณจึงควรช่วยให้ผู้ใช้เข้าใจว่าโปรโตไทป์นี้เป็นตัวช่วยสำหรับการเขียนเชิงสร้างสรรค์และไม่ได้มีไว้เขียนข้อเท็จจริง หากผู้ใช้ต้องการตรวจสอบข้อเท็จจริงของรายละเอียดที่ต้องการทราบ ผู้ใช้ควรค้นหาทางออนไลน์ผ่านแหล่งข้อมูลที่เชื่อถือได้
ลองหาวิธีต่างๆ ที่คุณอาจใช้เพื่อช่วยให้ผู้ใช้เข้าใจว่าโปรโตไทป์นี้ไม่ได้มีไว้สำหรับเขียนข้อมูลข้อเท็จจริง แต่มีไว้สำหรับเขียนนิยายโดยเฉพาะ
รักษาความไว้วางใจ
ในทํานองเดียวกัน แม้ว่าโมเดล Generative AI จะมีประสิทธิภาพสูง แต่ผู้ใช้ก็ไม่สามารถยืนยันได้ว่างานเสร็จสมบูรณ์อย่างถูกต้องเสมอไปสำหรับกรณีการใช้งานที่เฉพาะเจาะจงหลายรายการ ตัวอย่างเช่น โปรโตไทป์นี้ออกแบบมาเพื่อเติมข้อความให้สมบูรณ์ตามที่ต้องการและเขียนนิยายใหม่ตามที่ต้องการ ซึ่งเป็นความสามารถที่ผู้ใช้ยืนยันได้อย่างง่ายดาย ในทางตรงกันข้าม แม้ว่าโมเดล Generative จะแจ้งให้เขียนข้อความส่วนมากใหม่ได้ง่ายๆ แต่ผู้ใช้อาจพลาดข้อผิดพลาดเล็กๆ น้อยๆ ที่อาจเกิดขึ้น โดยทั่วไปแล้ว การใช้ฟีเจอร์ Generative AI แบบอินเทอร์แอกทีฟกับงานที่ผู้ใช้ยืนยันได้ทันทีจะช่วยสร้างความไว้วางใจ
โอกาสสุดท้ายในการรักษาความน่าเชื่อถือคือใช้ประโยชน์จากความสามารถในการควบคุมของโมเดล Generative ผลลัพธ์ของโมเดล Generative ช่วยให้ผู้ใช้ปลายทางปรับแต่งได้ง่ายกว่ามาก (ดังที่แสดงให้เห็นด้วยการขอให้เขียนให้น่าสนใจยิ่งขึ้น สั้นลง หรือเขียนใหม่ให้คล้ายกัน) ซึ่งแตกต่างจากโมเดล AI ก่อนหน้านี้ที่ออกแบบมาเพื่องานที่เฉพาะเจาะจงแคบๆ แม้ว่าความสามารถในการควบคุมดังกล่าวอาจทําให้ผู้ใช้ได้รับประสบการณ์การใช้งานที่ดีขึ้น แต่ควรใช้ความระมัดระวังเพื่อจำกัดความสามารถในการควบคุมนี้ให้อยู่ภายในความสามารถของโมเดล เช่น ในโปรโตไทป์นี้ คุณอาจแสดงรายการวิธีการเขียนข้อความใหม่ซึ่งพบว่าได้ผลดีเป็นคำแนะนำแก่ผู้ใช้ปลายทางแทนที่จะถามผู้ใช้ถึงวิธีเขียนข้อความใหม่
กู้คืนความไว้วางใจที่เสียไป
แม้ว่าคุณจะพยายามอย่างเต็มที่แล้ว แต่ก็อาจมีบางกรณีที่โมเดลให้ผลลัพธ์ที่ไม่ดีที่สุด ในกรณีเช่นนี้ คุณต้องอนุญาตให้ผู้ใช้เลิกทำการดำเนินการใดๆ ของ AI ในทํานองเดียวกัน บ่อยครั้งที่คุณควรระบุฟีเจอร์ที่มีประสิทธิภาพแตกต่างกันไปและทริกเกอร์ฟีเจอร์ดังกล่าวเฉพาะเมื่อผู้ใช้ขอความช่วยเหลือจาก AI อย่างชัดเจน
- ลองหาวิธีต่างๆ ที่คุณอาจสร้างฟีเจอร์undoหรือวิธีอื่นๆ ในการกู้คืนความไว้วางใจของผู้ใช้
คุณดูวิธีแก้ปัญหาเหล่านี้ได้ในโซลูชันของ Codelab
5. นำข้อมูลทุกอย่างมารวมกัน
จนถึงตอนนี้คุณได้ทดลองใช้พรอมต์ใน MakerSuite แล้ว เมื่อพอใจกับพรอมต์เหล่านี้แล้ว ให้นำไปใช้ในโปรโตไทป์โดยตรง
- ก่อนอื่น ให้บันทึกพรอมต์ แล้วคลิกรับรหัสที่มุมขวาบน นอกจากนี้ คุณยังต้องเปิดใช้คีย์ API โดยคลิกเปิดใช้คีย์ API ในกล่องโต้ตอบรับรหัสที่แสดงขึ้นด้วย หากยังไม่ได้ดำเนินการ
MakerSuite จะสร้างโค้ดที่คุณใช้ในแอปพลิเคชันโดยตรงได้ เช่น เลือกโค้ด JavaScript เพื่อใช้กับเว็บแอปพลิเคชัน คุณสามารถคัดลอกโค้ดจากกล่องโต้ตอบโดยตรงและวางลงในเว็บแอปได้ หากอัปเดตพรอมต์ใน MakerSuite อย่าลืมอัปเดตในโค้ดโดยใช้ตัวแปรพรอมต์ในโค้ดที่รวมมาด้วย
หากต้องการผสานรวม API นี้ลงในแอปที่สร้างไว้ล่วงหน้าสำหรับการเขียนเชิงสร้างสรรค์ คุณสามารถดาวน์โหลดโค้ด Wordcraft
โซลูชัน Codelab
คุณดาวน์โหลดโค้ดของ Wordcraft ได้จาก GitHub
git clone https://github.com/pair-code/wordcraft
หรือจะดาวน์โหลดที่เก็บเป็นไฟล์ ZIP ก็ได้ โดยทำดังนี้
6. ขอแสดงความยินดี
คุณได้ทํา Codelab เรียนรู้วิธีสร้างต้นแบบ AI อย่างมีความรับผิดชอบด้วยคู่มือ PAIR และ MakerSuite จนเสร็จสมบูรณ์ และเรียนรู้วิธีสร้างต้นแบบประสบการณ์การใช้งาน AI อย่างมีความรับผิดชอบ (ในกรณีนี้สําหรับแอปการเขียนเชิงสร้างสรรค์) โดยใช้เครื่องมือของ Google 2-3 อย่าง เราอดใจรอดูผลงานที่คุณสร้างไม่ไหวแล้ว
อ่านเพิ่มเติม
- คู่มือผู้ใช้ MakerSuite
- คู่มือ PAIR
- หลักการเกี่ยวกับ AI ของ Google