(คลิกที่ภาพด้านบนเพื่อดูวิดีโอของบทเรียนนี้)
หลังจากที่เราได้เห็นวิธีการสร้างแอปพลิเคชันที่สร้างข้อความแล้ว มาดูแอปพลิเคชันแชทกันบ้าง
แอปพลิเคชันแชทได้กลายเป็นส่วนหนึ่งในชีวิตประจำวันของเรา ไม่เพียงแค่เป็นช่องทางสำหรับการสนทนาแบบสบาย ๆ เท่านั้น แต่ยังเป็นส่วนสำคัญของการบริการลูกค้า การสนับสนุนทางเทคนิค และแม้กระทั่งระบบให้คำปรึกษาที่ซับซ้อน เป็นไปได้ว่าคุณอาจเคยได้รับความช่วยเหลือจากแอปพลิเคชันแชทไม่นานมานี้ เมื่อเราเริ่มผสมผสานเทคโนโลยีขั้นสูงอย่าง Generative AI เข้ากับแพลตฟอร์มเหล่านี้ ความซับซ้อนก็เพิ่มขึ้น รวมถึงความท้าทายต่าง ๆ ด้วย
คำถามบางข้อที่เราต้องตอบคือ:
- การสร้างแอปพลิเคชัน เราจะสร้างและผสมผสานแอปพลิเคชันที่ขับเคลื่อนด้วย AI เหล่านี้ให้เหมาะสมกับกรณีการใช้งานเฉพาะได้อย่างไร?
- การตรวจสอบ เมื่อแอปพลิเคชันถูกใช้งานแล้ว เราจะตรวจสอบและรับรองว่าแอปพลิเคชันทำงานด้วยคุณภาพสูงสุด ทั้งในแง่ของการทำงานและการปฏิบัติตาม หลักการ 6 ข้อของ AI ที่มีความรับผิดชอบ ได้อย่างไร?
เมื่อเราเข้าสู่ยุคที่ถูกกำหนดโดยระบบอัตโนมัติและการโต้ตอบระหว่างมนุษย์กับเครื่องจักรที่ไร้รอยต่อ การทำความเข้าใจว่า Generative AI เปลี่ยนแปลงขอบเขต ความลึก และความสามารถในการปรับตัวของแอปพลิเคชันแชทอย่างไรนั้นกลายเป็นสิ่งสำคัญ บทเรียนนี้จะสำรวจแง่มุมของสถาปัตยกรรมที่สนับสนุนระบบที่ซับซ้อนเหล่านี้ เจาะลึกวิธีการปรับแต่งให้เหมาะสมกับงานเฉพาะด้าน และประเมินตัวชี้วัดและข้อพิจารณาที่เกี่ยวข้องเพื่อรับรองการใช้งาน AI อย่างมีความรับผิดชอบ
บทเรียนนี้ครอบคลุม:
- เทคนิคในการสร้างและผสมผสานแอปพลิเคชันแชทอย่างมีประสิทธิภาพ
- วิธีการปรับแต่งและปรับปรุงแอปพลิเคชัน
- กลยุทธ์และข้อพิจารณาในการตรวจสอบแอปพลิเคชันแชทอย่างมีประสิทธิภาพ
เมื่อจบบทเรียนนี้ คุณจะสามารถ:
- อธิบายข้อพิจารณาในการสร้างและผสมผสานแอปพลิเคชันแชทเข้ากับระบบที่มีอยู่
- ปรับแต่งแอปพลิเคชันแชทให้เหมาะสมกับกรณีการใช้งานเฉพาะ
- ระบุตัวชี้วัดสำคัญและข้อพิจารณาในการตรวจสอบและรักษาคุณภาพของแอปพลิเคชันแชทที่ขับเคลื่อนด้วย AI
- รับรองว่าแอปพลิเคชันแชทใช้ AI อย่างมีความรับผิดชอบ
การยกระดับแอปพลิเคชันแชทด้วย Generative AI ไม่ได้มุ่งเน้นแค่การทำให้ฉลาดขึ้นเท่านั้น แต่ยังเกี่ยวกับการปรับปรุงสถาปัตยกรรม ประสิทธิภาพ และส่วนติดต่อผู้ใช้เพื่อมอบประสบการณ์ที่มีคุณภาพแก่ผู้ใช้ สิ่งนี้เกี่ยวข้องกับการสำรวจพื้นฐานของสถาปัตยกรรม การผสมผสาน API และข้อพิจารณาเกี่ยวกับส่วนติดต่อผู้ใช้ ส่วนนี้มีเป้าหมายเพื่อให้คุณมีแผนที่นำทางที่ครอบคลุมสำหรับการนำทางในภูมิทัศน์ที่ซับซ้อนเหล่านี้ ไม่ว่าคุณจะผสมผสานเข้ากับระบบที่มีอยู่หรือสร้างเป็นแพลตฟอร์มแบบสแตนด์อโลน
เมื่อจบส่วนนี้ คุณจะมีความเชี่ยวชาญที่จำเป็นในการสร้างและผสมผสานแอปพลิเคชันแชทอย่างมีประสิทธิภาพ
ก่อนที่เราจะลงมือสร้างแอปพลิเคชันแชท มาดูความแตกต่างระหว่าง 'Chatbot' กับ 'แอปพลิเคชันแชทที่ขับเคลื่อนด้วย AI' ซึ่งมีบทบาทและฟังก์ชันที่แตกต่างกัน Chatbot มีวัตถุประสงค์หลักในการทำงานอัตโนมัติในงานสนทนาเฉพาะ เช่น การตอบคำถามที่พบบ่อยหรือการติดตามพัสดุ โดยมักจะถูกควบคุมด้วยตรรกะที่ตั้งกฎหรืออัลกอริทึม AI ที่ซับซ้อน ในทางกลับกัน แอปพลิเคชันแชทที่ขับเคลื่อนด้วย AI เป็นสภาพแวดล้อมที่กว้างขวางกว่า ซึ่งออกแบบมาเพื่ออำนวยความสะดวกในการสื่อสารดิจิทัลในรูปแบบต่าง ๆ เช่น การแชทด้วยข้อความ เสียง และวิดีโอระหว่างผู้ใช้มนุษย์ จุดเด่นของมันคือการผสมผสานโมเดล Generative AI ที่จำลองการสนทนาแบบมนุษย์ที่ละเอียดอ่อน สร้างคำตอบตามข้อมูลและบริบทที่หลากหลาย แอปพลิเคชันแชทที่ขับเคลื่อนด้วย Generative AI สามารถมีส่วนร่วมในการสนทนาแบบเปิด ปรับตัวให้เข้ากับบริบทการสนทนาที่เปลี่ยนแปลง และแม้กระทั่งสร้างบทสนทนาที่สร้างสรรค์หรือซับซ้อน
ตารางด้านล่างแสดงความแตกต่างและความคล้ายคลึงกันเพื่อช่วยให้เราเข้าใจบทบาทเฉพาะของพวกมันในโลกดิจิทัล
| Chatbot | แอปพลิเคชันแชทที่ขับเคลื่อนด้วย Generative AI |
|---|---|
| เน้นงานเฉพาะและใช้ตรรกะที่ตั้งกฎ | รับรู้บริบท |
| มักจะผสมผสานเข้ากับระบบขนาดใหญ่ | อาจมี Chatbot หนึ่งตัวหรือหลายตัว |
| จำกัดเฉพาะฟังก์ชันที่ตั้งโปรแกรมไว้ | ผสมผสานโมเดล Generative AI |
| การโต้ตอบที่มีโครงสร้างและเฉพาะเจาะจง | สามารถสนทนาแบบเปิดได้ |
เมื่อสร้างแอปพลิเคชันแชท ขั้นตอนแรกที่ดีคือการประเมินสิ่งที่มีอยู่แล้ว การใช้ SDKs และ APIs ในการสร้างแอปพลิเคชันแชทเป็นกลยุทธ์ที่มีข้อดีหลายประการ การผสมผสาน SDKs และ APIs ที่มีเอกสารประกอบดีช่วยให้คุณวางตำแหน่งแอปพลิเคชันของคุณสำหรับความสำเร็จในระยะยาว และแก้ไขปัญหาเกี่ยวกับการขยายตัวและการบำรุงรักษา
- เร่งกระบวนการพัฒนาและลดค่าใช้จ่าย: การใช้ฟังก์ชันที่สร้างไว้ล่วงหน้าแทนที่จะสร้างเองช่วยให้คุณสามารถมุ่งเน้นไปที่ส่วนอื่น ๆ ของแอปพลิเคชันที่สำคัญกว่า เช่น ตรรกะทางธุรกิจ
- ประสิทธิภาพที่ดีขึ้น: เมื่อสร้างฟังก์ชันจากศูนย์ คุณจะต้องถามตัวเองว่า "มันจะขยายตัวได้อย่างไร? แอปพลิเคชันนี้สามารถรองรับการเพิ่มขึ้นของผู้ใช้ได้หรือไม่?" SDK และ API ที่ได้รับการดูแลรักษาอย่างดีมักมีโซลูชันในตัวสำหรับข้อกังวลเหล่านี้
- การบำรุงรักษาที่ง่ายขึ้น: การอัปเดตและปรับปรุงทำได้ง่ายขึ้น เนื่องจาก API และ SDK ส่วนใหญ่เพียงแค่ต้องอัปเดตไลบรารีเมื่อมีเวอร์ชันใหม่ออกมา
- การเข้าถึงเทคโนโลยีล้ำสมัย: การใช้โมเดลที่ได้รับการปรับแต่งและฝึกฝนด้วยชุดข้อมูลที่ครอบคลุมช่วยให้แอปพลิเคชันของคุณมีความสามารถด้านภาษาธรรมชาติ
การเข้าถึงฟังก์ชันของ SDK หรือ API มักเกี่ยวข้องกับการขออนุญาตใช้บริการที่มีให้ ซึ่งมักจะผ่านการใช้คีย์หรือโทเค็นการตรวจสอบสิทธิ์เฉพาะ เราจะใช้ OpenAI Python Library เพื่อสำรวจว่ามันเป็นอย่างไร คุณสามารถลองใช้ด้วยตัวเองใน notebook สำหรับ OpenAI หรือ notebook สำหรับ Azure OpenAI Services สำหรับบทเรียนนี้
import os
from openai import OpenAI
API_KEY = os.getenv("OPENAI_API_KEY","")
client = OpenAI(
api_key=API_KEY
)
chat_completion = client.chat.completions.create(model="gpt-3.5-turbo", messages=[{"role": "user", "content": "Suggest two titles for an instructional lesson on chat applications for generative AI."}])ตัวอย่างด้านบนใช้โมเดล GPT-3.5 Turbo เพื่อทำการเติมข้อความใน prompt แต่สังเกตว่าคีย์ API ถูกตั้งค่าก่อนที่จะทำเช่นนั้น คุณจะได้รับข้อผิดพลาดหากไม่ได้ตั้งค่าคีย์
หลักการ UX ทั่วไปสามารถนำไปใช้กับแอปพลิเคชันแชทได้ แต่มีข้อพิจารณาเพิ่มเติมที่สำคัญเนื่องจากส่วนประกอบการเรียนรู้ของเครื่องที่เกี่ยวข้อง
- กลไกสำหรับการแก้ไขความคลุมเครือ: โมเดล Generative AI บางครั้งสร้างคำตอบที่คลุมเครือ ฟีเจอร์ที่ช่วยให้ผู้ใช้สามารถขอคำชี้แจงได้อาจมีประโยชน์หากพวกเขาพบปัญหานี้
- การเก็บบริบท: โมเดล Generative AI ขั้นสูงมีความสามารถในการจดจำบริบทภายในการสนทนา ซึ่งอาจเป็นทรัพย์สินที่จำเป็นต่อประสบการณ์ผู้ใช้ การให้ผู้ใช้สามารถควบคุมและจัดการบริบทช่วยปรับปรุงประสบการณ์ผู้ใช้ แต่ก็เพิ่มความเสี่ยงในการเก็บข้อมูลที่ละเอียดอ่อนของผู้ใช้ ข้อพิจารณาเกี่ยวกับระยะเวลาที่ข้อมูลนี้ถูกเก็บไว้ เช่น การแนะนำการเก็บรักษาข้อมูล สามารถสร้างสมดุลระหว่างความต้องการบริบทกับความเป็นส่วนตัว
- การปรับแต่ง: ด้วยความสามารถในการเรียนรู้และปรับตัว โมเดล AI เสนอประสบการณ์ที่ปรับแต่งเฉพาะสำหรับผู้ใช้ การปรับแต่งประสบการณ์ผู้ใช้ผ่านฟีเจอร์อย่างโปรไฟล์ผู้ใช้ไม่เพียงแต่ทำให้ผู้ใช้รู้สึกว่าได้รับการเข้าใจ แต่ยังช่วยให้พวกเขาค้นหาคำตอบเฉพาะได้อย่างมีประสิทธิภาพและน่าพึงพอใจมากขึ้น
ตัวอย่างหนึ่งของการปรับแต่งคือการตั้งค่า "Custom instructions" ใน ChatGPT ของ OpenAI ซึ่งช่วยให้คุณสามารถให้ข้อมูลเกี่ยวกับตัวคุณเองที่อาจเป็นบริบทสำคัญสำหรับ prompt ของคุณ นี่คือตัวอย่างของการตั้งค่า custom instruction
โปรไฟล์นี้ช่วยให้ ChatGPT สร้างแผนการสอนเกี่ยวกับ linked lists สังเกตว่า ChatGPT คำนึงถึงว่าผู้ใช้อาจต้องการแผนการสอนที่ลึกซึ้งขึ้นตามประสบการณ์ของเธอ
Microsoft ได้ให้คำแนะนำ สำหรับการเขียนข้อความระบบที่มีประสิทธิภาพเมื่อสร้างคำตอบจาก LLM โดยแบ่งออกเป็น 4 ด้าน:
- กำหนดว่าโมเดลนี้สำหรับใคร รวมถึงความสามารถและข้อจำกัดของมัน
- กำหนดรูปแบบผลลัพธ์ของโมเดล
- ให้ตัวอย่างเฉพาะที่แสดงพฤติกรรมที่ตั้งใจของโมเดล
- ให้ข้อจำกัดเพิ่มเติมเกี่ยวกับพฤติกรรม
ไม่ว่าผู้ใช้จะมีความบกพร่องทางการมองเห็น การได้ยิน การเคลื่อนไหว หรือการรับรู้ แอปพลิเคชันแชทที่ออกแบบมาอย่างดีควรใช้งานได้สำหรับทุกคน รายการต่อไปนี้แบ่งฟีเจอร์เฉพาะที่มุ่งเน้นการเพิ่มการเข้าถึงสำหรับผู้ใช้ที่มีความบกพร่องต่าง ๆ
- ฟีเจอร์สำหรับผู้ที่มีความบกพร่องทางการมองเห็น: ธีมที่มีความคมชัดสูงและข้อความที่ปรับขนาดได้ ความเข้ากันได้กับโปรแกรมอ่านหน้าจอ
- ฟีเจอร์สำหรับผู้ที่มีความบกพร่องทางการได้ยิน: ฟังก์ชันแปลงข้อความเป็นเสียงและเสียงเป็นข้อความ สัญญาณภาพสำหรับการแจ้งเตือนเสียง
- ฟีเจอร์สำหรับผู้ที่มีความบกพร่องทางการเคลื่อนไหว: การสนับสนุนการนำทางด้วยแป้นพิมพ์ คำสั่งเสียง
- ฟีเจอร์สำหรับผู้ที่มีความบกพร่องทางการรับรู้: ตัวเลือกภาษาที่เรียบง่าย
ลองจินตนาการถึงแอปพลิเคชันแชทที่เข้าใจศัพท์เฉพาะของบริษัทของคุณและคาดการณ์คำถามเฉพาะที่ฐานผู้ใช้ของมันมักมี มีวิธีการสองสามอย่างที่ควรกล่าวถึง:
- การใช้โมเดล DSL DSL ย่อมาจาก domain specific language คุณสามารถใช้โมเดล DSL ที่ได้รับการฝึกฝนในโดเมนเฉพาะเพื่อเข้าใจแนวคิดและสถานการณ์ของมัน
- การปรับปรุงโมเดล การปรับปรุงโมเดลคือกระบวนการฝึกฝนเพิ่มเติมด้วยข้อมูลเฉพาะ
การใช้โมเดลภาษาที่เฉพาะเจาะจงในโดเมน (DSL Models) สามารถเพิ่มการมีส่วนร่วมของผู้ใช้โดยการให้การโต้ตอบที่มีความเชี่ยวชาญและเกี่ยวข้องกับบริบท เป็นโมเดลที่ได้รับการฝึกฝนหรือปรับปรุงเพื่อเข้าใจและสร้างข้อความที่เกี่ยวข้องกับสาขา อุตสาหกรรม หรือหัวข้อเฉพาะ ตัวเลือกสำหรับการใช้โมเดล DSL อาจแตกต่างกันไปตั้งแต่การฝึกฝนใหม่ไปจนถึงการใช้โมเดลที่มีอยู่ผ่าน SDKs และ APIs อีกตัวเลือกหนึ่งคือการปรับปรุงโมเดล ซึ่งเกี่ยวข้องกับการนำโมเดลที่ได้รับการฝึกฝนล่วงหน้าและปรับให้เหมาะสมกับโดเมนเฉพาะ
การปรับปรุงโมเดลมักถูกพิจารณาเมื่อโมเดลที่ได้รับการฝึกฝนล่วงหน้าขาดความสามารถในโดเมนเฉพาะหรือภารกิจเฉพาะ
ตัวอย่างเช่น คำถามทางการแพทย์มีความซับซ้อนและต้องการบริบทมากมาย เมื่อผู้เชี่ยวชาญทางการแพทย์วินิจฉัยผู้ป่วย พวกเขาจะพิจารณาปัจจัยหลากหลาย เช่น วิถีชีวิตหรือโรคประจำตัว และอาจต้องพึ่งพาวารสารทางการแพทย์ล่าสุดเพื่อยืนยันการวินิจฉัยของพวกเขา ในสถานการณ์ที่ละเอียดอ่อนเช่นนี้ แอปพลิเคชันแชท AI ทั่วไปไม่สามารถเป็นแหล่งข้อมูลที่เชื่อถือได้
ลองพิจารณาแอปพลิเคชันแชทที่ออกแบบมาเพื่อช่วยผู้ปฏิบัติงานทางการแพทย์โดยให้ข้อมูลอ้างอิงอย่างรวดเร็วเกี่ยวกับแนวทางการรักษา ปฏิกิริยายา หรือผลการวิจัยล่าสุด
โมเดลทั่วไปอาจเพียงพอสำหรับการตอบคำถามทางการแพทย์ | การตรวจจับความผิดปกติ | เครื่องมือและเทคนิคสำหรับการระบุรูปแบบที่ผิดปกติซึ่งไม่สอดคล้องกับพฤติกรรมที่คาดหวัง | คุณจะตอบสนองต่อความผิดปกติอย่างไร? |
แนวทางของ Microsoft ในการพัฒนา AI ที่รับผิดชอบได้ระบุหลักการ 6 ข้อที่ควรใช้เป็นแนวทางในการพัฒนาและใช้งาน AI ด้านล่างนี้คือหลักการ คำจำกัดความ และสิ่งที่นักพัฒนาแอปแชทควรพิจารณา รวมถึงเหตุผลที่ควรให้ความสำคัญ
| หลักการ | คำจำกัดความของ Microsoft | สิ่งที่นักพัฒนาแอปแชทควรพิจารณา | เหตุผลที่สำคัญ |
|---|---|---|---|
| ความเป็นธรรม | ระบบ AI ควรปฏิบัติต่อทุกคนอย่างเป็นธรรม. | ตรวจสอบให้แน่ใจว่าแอปแชทไม่เลือกปฏิบัติตามข้อมูลผู้ใช้. | เพื่อสร้างความไว้วางใจและความครอบคลุมในหมู่ผู้ใช้; หลีกเลี่ยงผลกระทบทางกฎหมาย. |
| ความน่าเชื่อถือและความปลอดภัย | ระบบ AI ควรทำงานอย่างน่าเชื่อถือและปลอดภัย. | ใช้การทดสอบและมาตรการป้องกันเพื่อลดข้อผิดพลาดและความเสี่ยง. | เพื่อให้ผู้ใช้พึงพอใจและป้องกันอันตรายที่อาจเกิดขึ้น. |
| ความเป็นส่วนตัวและความปลอดภัย | ระบบ AI ควรมีความปลอดภัยและเคารพความเป็นส่วนตัว. | ใช้มาตรการเข้ารหัสและการปกป้องข้อมูลที่แข็งแกร่ง. | เพื่อปกป้องข้อมูลที่ละเอียดอ่อนของผู้ใช้และปฏิบัติตามกฎหมายความเป็นส่วนตัว. |
| ความครอบคลุม | ระบบ AI ควรส่งเสริมและมีส่วนร่วมกับทุกคน. | ออกแบบ UI/UX ที่เข้าถึงได้และใช้งานง่ายสำหรับกลุ่มผู้ใช้ที่หลากหลาย. | เพื่อให้คนหลากหลายสามารถใช้งานแอปพลิเคชันได้อย่างมีประสิทธิภาพ. |
| ความโปร่งใส | ระบบ AI ควรเข้าใจได้ง่าย. | จัดทำเอกสารและเหตุผลที่ชัดเจนสำหรับการตอบสนองของ AI. | ผู้ใช้มีแนวโน้มที่จะไว้วางใจระบบมากขึ้นหากพวกเขาเข้าใจวิธีการตัดสินใจ. |
| ความรับผิดชอบ | คนควรรับผิดชอบต่อระบบ AI. | สร้างกระบวนการที่ชัดเจนสำหรับการตรวจสอบและปรับปรุงการตัดสินใจของ AI. | ช่วยให้มีการปรับปรุงอย่างต่อเนื่องและแก้ไขข้อผิดพลาดในกรณีที่เกิดปัญหา. |
ดู งานที่ได้รับมอบหมาย. งานนี้จะนำคุณผ่านชุดของแบบฝึกหัดตั้งแต่การเริ่มต้นใช้งานคำสั่งแชทแรกของคุณ ไปจนถึงการจัดประเภทและสรุปข้อความ และอื่นๆ อีกมากมาย โปรดทราบว่าแบบฝึกหัดมีให้ในภาษาการเขียนโปรแกรมที่หลากหลาย!
หลังจากจบบทเรียนนี้ ลองดู คอลเลกชันการเรียนรู้ Generative AI เพื่อเพิ่มพูนความรู้เกี่ยวกับ Generative AI ของคุณ!
ไปที่บทเรียนที่ 8 เพื่อดูวิธีที่คุณสามารถเริ่มต้น สร้างแอปพลิเคชันการค้นหา!
ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้