Naucz się prototypować odpowiedzialną AI dzięki przewodnikowi PAIR i MakerSuite

1. Zanim zaczniesz

MakerSuite to zestaw narzędzi, które umożliwiają prototypowanie przy użyciu dużych modeli językowych bezpośrednio w przeglądarce – bez konieczności konfiguracji. Dzięki MakerSuite możesz szybko wypróbować prompty i utworzyć interfejs API, do którego Twoja aplikacja będzie mieć bezpośredni dostęp. Pomoże to zespołom szybko dostarczać świetne aplikacje oparte na generatywnej AI. Przewodnik People + AI Research (PAIR) zawiera wskazówki dotyczące projektowania nowego produktu z wykorzystaniem AI, z uwzględnieniem praktyk związanych z danymi skoncentrowanych na człowieku i zbierania zaufania użytkowników. Te wskazówki są przydatne przy korzystaniu z MakerSuite.

Z tego ćwiczenia dowiesz się, jak wykorzystać te 2 zasoby, aby tworzyć rozwiązania oparte na odpowiedzialnej AI. Codelab koncentruje się na odpowiedzialnym tworzeniu prototypów za pomocą generatywnej AI, a nie na pełnym procesie pracy z tymi konkretnymi zasobami. Aby dowiedzieć się więcej o ogólnym procesie pracy w MakerSuite, zapoznaj się z tym podstawowym samouczkiem dotyczącym tej usługi. Aby uzyskać bardziej kompleksowe wskazówki dotyczące projektowania produktów AI, przeczytaj przewodnik PAIR.

Wymagania wstępne

  • podstawowa znajomość AI;
  • podstawową znajomość procesu tworzenia produktów;

Czego się nauczysz

  • Jak korzystać z Przewodnika PAIR, aby sprawdzić, jak dobrze AI sprawdza się w przypadku różnych odbiorców, i jak określić, do których zadań nie warto stosować AI.
  • Jak tworzyć rozwiązania oparte na generatywnej AI, które wykorzystują bogactwo praktyk kulturowych użytkowników.
  • Jak zintegrować możliwości w procesie tworzenia AI, aby zdobyć zaufanie użytkowników, skupiając się na przejrzystości dla użytkownika.
  • Jak korzystać z szerszego zestawu narzędzi do tworzenia generatywnej AI i materiałów dotyczących AI skoncentrowanej na człowieku, aby pogłębić swoją wiedzę.

Co utworzysz

W tym laboratorium programistycznym przeprowadzisz praktyczny proces prototypowania generatywnej AI w ramach projektowania narzędzia do tworzenia kreatywnych tekstów. Możesz nawet zintegrować te prompty z Wordcraft, czyli edytorem tekstu opartym na AI, który jest udostępniany przez Google jako prototyp do celów badawczych.

Czego potrzebujesz

  • Przeglądarka
  • konto Google, aby uzyskać dostęp do MakerSuite;

2. Konfiguracja

MakerSuite

MakerSuite to zestaw narzędzi Google, które umożliwiają tworzenie prototypów 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 łatwo wyeksportować go jako kod Pythona, 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 dotyczących Ludzie + 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 może pomóc Tobie i Twojemu zespołom stworzyć listę kluczowych pytań dotyczących AI, w tym generatywnej AI, w Twoim produkcie.

  • Kiedy i jak używać AI w produkcie?
  • Jak pomóc użytkownikom w budowaniu zaufania do systemu AI?
  • Jak wyjaśnić użytkownikom działanie systemu AI?
  • Jak można zadbać o kulturową integrację i równość w przypadku rozwiązań AI?

W tym ćwiczeniu będziesz korzystać z Przewodnika PAIR, aby tworzyć pytania na potrzeby prototypowania i wybierać spośród różnych opcji projektowych.

Pobierz kod Wordcraft (opcjonalnie)

Wordcraft to edytor tekstu oparty na AI, który został opracowany przez zespół Google Research. Pozwala na tworzenie historii we współpracy człowieka z AI. Kod Wordcraft jest dostępny jako oprogramowanie open source, więc możesz samodzielnie eksperymentować z promptami w tym ćwiczeniu.

  • Aby uzyskać kod Wordcraft, użyj tego polecenia:
git clone https://github.com/pair-code/wordcraft

Możesz też pobrać plik ZIP:

Do ustalenia

3. Używanie generatywnej AI do pisania opowiadań

Duży model językowy (LLM) to model AI trenowany na podstawie ogromnych ilości tekstu z książek, artykułów i stron internetowych, aby uczyć się gramatyki, typowych wyrażeń i innych informacji. Na podstawie tych danych i po dodatkowym dostrajaniu model LLM, taki jak PaLM, może wykonywać wiele zadań związanych ze sztuczną inteligencją na podstawie prostych instrukcji, zamiast wymagać zaawansowanego programowania systemów uczących się. Może też odpowiadać na pytania, streszczać informacje, tłumaczyć języki i wykonywać wiele innych zadań AI.

W tym ćwiczeniu z programowania użyjesz LLM do stworzenia prototypu aplikacji, która pomaga autorom pisać teksty. Oprócz ogólnych informacji o świecie, gramatyce itp. LLM PaLM od Google jest zaprojektowany tak, aby wykonywać instrukcje lub prompty użytkownika. Aby stworzyć prototyp narzędzia w MakerSuite, uczysz model, co ma pisać w odpowiedzi na prompt użytkownika.

Tworzenie opowieści wspomaganych przez AI za pomocą promptów tekstowych w MakerSuite

  1. Aby utworzyć prompt, 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 danymi wejściowymi promptu, i otworzy panel Testuj prompt, aby można było sprawdzić, jak prompt działa z różnymi danymi wejściowymi.

  1. Wpisz A boy discovers a lost cat in his yard, a następnie kliknij panel modelu (po prawej stronie przycisku Uruchom) i wybierz temperaturę 0.8.
  2. Na koniec kliknij Uruchom, aby uruchomić prompt. Wynik promptu powinien się wkrótce pojawić w tabeli.

Wybranie ustawienia temperatury 0.8 informuje model, że preferujesz różnorodność wyników. Dzięki temu możesz tworzyć więcej twórczych historii, ale za każdym razem, gdy uruchomisz model, otrzymasz inne wyniki. Jeśli chcesz, aby za każdym razem uzyskiwać ten sam wynik, ustaw temperaturę na 0.

Przykładowe dane wyjściowe:

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.
  1. Wypróbuj uruchomienie prompta kilka razy i zwróć uwagę na różne historie, które powstają.

Zrzut ekranu z edytorem Makersuite Widok zawiera prompt u góry i tabelę Test prompta z danymi wejściowymi testu poniżej.

Jak widać, model pisze uporządkowaną historię, która jest logiczna, ale też zawiera pewne założenia. Fabuła skupia się na chłopcu o imieniu Henryk. Możesz zmienić te założenia, określając imię głównego bohatera lub nawet wskazując, czy historia ma się skupiać na kocie czy na człowieku.

  1. Zaktualizuj prompt, a potem kliknij Uruchom, aby sprawdzić, jak działa z wszystkimi testowanymi danymi wejściowymi.

Określanie zadań, które najlepiej nadają się do wykonania przez AI, za pomocą przewodnika PAIR

Dotychczas zakładaliśmy, że model AI pisze pełną historię, korzystając tylko z krótkiego opisu. Czy jednak jest to właściwa decyzja projektowa w przypadku Twojego narzędzia do tworzenia kreacji? Wyobraź sobie na przykład asystenta, który pomaga autorom w przepisywanie wybranych fragmentów tekstu. Możesz np. utworzyć prototyp tej interakcji w MakerSuite, aby uczynić fragment historii bardziej dramatycznym.

Dzięki temu możesz uzyskać bardziej ukierunkowaną pomoc, ponieważ usługa będzie przepisywać poszczególne akapity. Na wyższym poziomie, po wprowadzeniu kilku zmian w promptach, możesz tworzyć prototypy narzędzi do wspomagania użytkowników, a nie do automatyzacji zadań.

Przewodnik PAIR zawiera zasady zadawania i odpowiedzi na tego typu pytania w procesie tworzenia AI. MakerSuite pomaga szybko tworzyć prototypy, a Przewodnik PAIR pozwala zawęzić wybór opcji projektowych do tych, które są najbardziej obiecujące pod kątem Twoich celów i grupy odbiorców, którą chcesz zainteresować. W tym przewodniku dowiesz się, czy wzbogacanie czy automatyzacja to właściwe podejście do współpracy z AI na potrzeby tworzenia aplikacji.

Zacznij od pytania przewodniego „Jak korzystać z AI?” w przewodniku. Jak zaznaczono w tym przewodniku, AI warto stosować, gdy przynosi ona unikalną wartość. W tym przypadku, ponieważ modele LLM są trenowane na podstawie wielu danych dotyczących gramatyki, typowych wyrażeń i innych informacji z Internetu, warto wykorzystać ich zdolność do zrozumienia świata opowieści, którą chcesz opisać w wyniku działania aplikacji do pisania, oraz do sugerowania sposobów jej przepisania. Jest to element spersonalizowanych rekomendacji w Przewodniku.

Idź o krok dalej. Przewodnik PAIR zawiera rozdział poświęcony potrzebom użytkowników, w którym znajdziesz wskazania, czy zadania powinny być zautomatyzowane, czy wzbogacone.

Rozważając rozszerzenie lub automatyzację, pamiętaj, że prototyp ma być przydatną aplikacją dla pisarzy. Wygląda więc na to, że Twoi użytkownicy lubią pisać, chcą mieć osobisty udział w swoich tekstach i mają preferencje wypracowane przez lata pisania, które mogą być trudne do przekazania. Wszystko to wskazuje, że podejście polegające na rozszerzaniu może być bardziej obiecujące.

Zgodnie z podręcznikiem PAIR warto rozpatrywać prototyp aplikacji nie jako narzędzie do pisania, ale do przepisywania. Możesz na przykład zmienić prompt, aby umożliwić stosowanie różnych stylów pisania.

  1. 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 przykładzie zarówno \{\{rewrite style\}\}, jak i {{paragraph}} są danymi tekstowymi.

  1. W panelu testowania wypróbuj różne style przepisywania, np. krótsze, bardziej dramatyczne, bardziej dowcipne, mniej niezręczne pod względem gramatycznym, poetyckie itp.

Projektowanie dla historii z całego świata

Do tej pory testy promptu przepisywania akapitu były przeprowadzane z użyciem historii, które nie mają wyraźnego kontekstu kulturowego. Podczas projektowania rozwiązań z użyciem odpowiedzialnej AI warto wypróbować różne dane wejściowe.

Wypróbuj kilka danych wejściowych testowych, takich jak:

  • W cichym kącie uroczej paryskiej kawiarni samotny klient delektował się aromatem świeżo zaparzonej kawy, a jego myśli wracały do dawno zapomnianego momentu, który na zawsze odmienił bieg jego życia.
  • Wśród chaotycznej energii panującej w miejskim pociągu w Mumbaju pewna kobieta w średnim wieku nawiązała rozmowę z nieznajomym. Pomyślała, że to fascynujące, że można mieszkać w tym samym mieście i prowadzić tak różne życie.
  • W tętniącym życiem chaosie tłocznego szanghajskiego targu ulicznego sprzedawca jedzenia ulicznego przez chwilę obserwował natężenie tłumu.

Eksperymentuj z innymi kontekstami kulturowymi i geograficznymi, ale pamiętaj, aby unikać niesprawiedliwych uprzedzeń i historycznych stereotypów. Pamiętaj, że model LLM ma wiedzę o wielu częściach świata na podstawie istniejących danych znalezionych w internecie, ale może nie mieć wszystkich informacji o konkretnym miejscu geograficznym. Jak sugeruje Przewodnik PAIR, w przypadku zadań związanych z rozszerzeniem możliwości ważne jest, aby użytkownicy mieli kontrolę nad tymi zadaniami. Możesz na przykład rozszerzyć możliwości przekształcania prototypu, aby uzyskać większą kontrolę nad fabułą i szczegółami opowiadanej historii.

Wiele modeli generatywnych czasami stosuje też założenia domyślne, co częściowo wynika z wzorców, które są bardziej rozpowszechnione w ich ogromnych zbiorach treningowych informacji online. Pamiętaj, że modele można kierować tak, aby tworzyły inne, równie wiarygodne założenia. Na przykład w przypadku promptu przepisz ten akapit możesz określić płeć nieznajomej osoby w pociągu, zmieniając styl przepisywania, pisząc „krótszy. Pamiętaj, że obca osoba to kobieta”.

4. Wzbudzanie zaufania

Bez zaufania użytkowników nawet najbardziej innowacyjne możliwości AI mogą pozostać niewykorzystane. Zaufanie wynika z przekonania użytkowników, że AI jest zdolna, niezawodna i pomocna. Pomaganie użytkownikom w budowaniu zaufania może zachęcić ich do zapoznania się z tym, jak i kiedy korzystać z konkretnych funkcji, a to z kolei może przełożyć się na lepsze wrażenia użytkowników.

Przewodnik PAIR zawiera kilka wskazówek, które pomogą użytkownikom określić, na ile powinni ufać systemom AI:

Zdobywaj zaufanie klientów na wczesnym etapie

W przypadku generatywnej AI szczególnie przydatne jest informowanie o zamierzeniach funkcji i ułatwianie użytkownikom zrozumienia ograniczeń AI. Przykładowo, ponieważ modele językowe są zaprojektowane głównie do przewidywania, co będzie dalej w tekście, nie zawsze są one w stanie zapewnić rzetelności w wynikach. Dlatego ważne jest, aby poinformować użytkowników, że ten prototyp jest narzędziem wspomagającym kreatywne pisanie i nie jest wolny od błędów. Jeśli użytkownik chce zweryfikować informacje, które chce przedstawić jako prawdziwe, powinien wyszukać je w internecie, korzystając z zaufanych źródeł.

Zastanów się, jak w różne sposoby możesz pomóc użytkownikom zrozumieć, że ten prototyp nie służy do pisania informacji opartych na faktach, ale do tworzenia fikcji.

Budowanie zaufania

Podobnie, choć modele generatywne AI są bardzo wydajne, użytkownicy nie zawsze mogą sprawdzić, czy zadania zostały wykonane prawidłowo w przypadku wielu konkretnych zastosowań. Ten prototyp został zaprojektowany z myślą o dokonywaniu celowych uzupełnień tekstu i celowym przekształcaniu fikcji. Użytkownicy mogą łatwo zweryfikować te funkcje. Modele generatywne mogą natomiast łatwo przekształcać duże fragmenty tekstu, ale użytkownicy mogą nie zauważyć drobnych błędów, które mogą się w nich pojawić. Ogólnie rzecz biorąc, skupienie się na funkcjach generatywnej AI, które użytkownicy mogą łatwo zweryfikować, pomaga zdobyć ich zaufanie.

Ostatnią możliwością utrzymania zaufania jest wykorzystanie możliwości sterowania modelami generatywnymi. W odróżnieniu od poprzednich modeli AI, które są przeznaczone do wykonywania ściśle określonych zadań, wyniki generowane przez modele generatywne są znacznie łatwiejsze do dostosowania przez użytkowników (jak pokazano w przypadku prośby o bardziej dramatyczne, krótsze lub podobne przeredagowania). Chociaż taka możliwość może zwiększyć komfort użytkowników, należy pamiętać, aby była ona ograniczona do możliwości modelu. Na przykład w tym prototypie zamiast prosić użytkowników o sposób przepisania tekstu możesz zaoferować listę instrukcji, które dobrze sprawdzają się jako sugestie dla użytkownika.

Odzyskiwanie zaufania

Mimo wszelkich starań mogą wystąpić przypadki, w których model daje nieoptymalne wyniki. W takich przypadkach ważne jest, aby umożliwić użytkownikom cofnięcie działań AI. Podobnie często lepiej jest zidentyfikować funkcje o zmiennej skuteczności i uruchamiać je tylko wtedy, gdy użytkownicy wyraźnie poproszą o pomoc AI.

  • Zastanów się, jak możesz stworzyć kilka różnych funkcji undo lub inne sposoby odzyskania zaufania użytkowników.

Rozwiązania tych wyzwań znajdziesz w rozwiązaniu w Codelab.

5. Połącz wszystkie elementy

Do tej pory eksperymentowałaś/eksperymentowałeś z promptami w MakerSuite. Gdy będziesz zadowolony/zadowolona z tych promptów, użyj ich bezpośrednio w prototypie.

  • Najpierw zapisz prompt, a potem w prawym górnym rogu kliknij Get code (Uzyskaj kod). Jeśli jeszcze tego nie zrobiono, musisz też włączyć klucz interfejsu API, klikając Włącz klucz interfejsu API w oknie Pobierz kod.

Pasek narzędzi MakerSuite W prawym górnym rogu znajduje się przycisk Pobierz kod.

MakerSuite generuje kod, którego możesz użyć bezpośrednio w aplikacji. Jeśli na przykład chcesz użyć tagu w aplikacji internetowej, wybierz kod JavaScript. Możesz skopiować kod bezpośrednio z okna dialogowego i wklej go w aplikacji internetowej. Jeśli zaktualizujesz prompt w MakerSuite, pamiętaj, aby zaktualizować go w kodzie za pomocą zmiennej promptu w załączonym kodzie.

Okno z kodem wygenerowanym przez Makersuite Użytkownicy mogą wybrać użycie cURL, bibliotek JavaScript lub Pythona albo pobranie informacji o prośbie w formacie JSON.

Jeśli chcesz zintegrować ten interfejs API z gotową aplikacją do tworzenia kreacji, możesz pobrać kod Wordcraft.

Rozwiązanie w Codelab

Kod Wordcraft możesz pobrać z GitHuba:

git clone https://github.com/pair-code/wordcraft

Możesz też pobrać repozytorium jako plik zip:

6. Gratulacje

Ukończyłeś/ukończyłaś zajęcia Tworzenie prototypów rozwiązań z odpowiedzialną AI za pomocą przewodnika PAIR i MakerSuite i poznałeś/poznałaś sposób tworzenia prototypów rozwiązań z odpowiedzialną AI (w tym przypadku aplikacji do kreatywnego pisania) za pomocą kilku narzędzi Google. Nie możemy się doczekać, co stworzysz.

Więcej informacji