(คลิกที่ภาพด้านบนเพื่อดูวิดีโอของบทเรียนนี้)
ตอนนี้ที่เราได้เห็นวิธีการสร้างแอปที่สร้างข้อความอัตโนมัติแล้ว มาดูแอปแชทกันบ้าง
แอปแชทได้กลายเป็นส่วนหนึ่งในชีวิตประจำวันของเรา ไม่ใช่แค่ช่องทางสำหรับการสนทนาแบบไม่เป็นทางการเท่านั้น แต่ยังเป็นส่วนสำคัญของการบริการลูกค้า การสนับสนุนทางเทคนิค และแม้แต่ระบบให้คำปรึกษาที่ซับซ้อน คุณอาจเพิ่งได้รับความช่วยเหลือจากแอปแชทเมื่อไม่นานมานี้ เมื่อเรานำเทคโนโลยีขั้นสูงอย่าง generative AI เข้ามาใช้ในแพลตฟอร์มเหล่านี้ ความซับซ้อนและความท้าทายก็เพิ่มขึ้นตามไปด้วย
คำถามบางอย่างที่เราต้องตอบคือ:
- การสร้างแอป เราจะสร้างและผสานรวมแอปที่ขับเคลื่อนด้วย AI เหล่านี้ให้เหมาะสมกับกรณีการใช้งานเฉพาะได้อย่างไร?
- การติดตามผล เมื่อแอปถูกนำไปใช้งานแล้ว เราจะติดตามและรับประกันได้อย่างไรว่าแอปทำงานได้อย่างมีคุณภาพสูงสุด ทั้งในแง่ของฟังก์ชันและการปฏิบัติตาม หลักการหกประการของ AI ที่รับผิดชอบ?
เมื่อเราก้าวเข้าสู่ยุคที่ถูกกำหนดด้วยระบบอัตโนมัติและการโต้ตอบระหว่างมนุษย์กับเครื่องจักรอย่างไร้รอยต่อ การเข้าใจว่า generative AI เปลี่ยนแปลงขอบเขต ความลึก และความยืดหยุ่นของแอปแชทอย่างไรจึงเป็นสิ่งจำเป็น บทเรียนนี้จะสำรวจองค์ประกอบของสถาปัตยกรรมที่สนับสนุนระบบซับซ้อนเหล่านี้ เจาะลึกวิธีการปรับแต่งให้เหมาะกับงานเฉพาะด้าน และประเมินตัวชี้วัดและข้อพิจารณาที่เกี่ยวข้องกับการนำ AI มาใช้ในทางที่รับผิดชอบ
บทเรียนนี้ครอบคลุม:
- เทคนิคการสร้างและผสานรวมแอปแชทอย่างมีประสิทธิภาพ
- วิธีการปรับแต่งและ fine-tuning แอปพลิเคชัน
- กลยุทธ์และข้อพิจารณาในการติดตามแอปแชทอย่างมีประสิทธิผล
เมื่อจบบทเรียนนี้ คุณจะสามารถ:
- อธิบายข้อควรพิจารณาในการสร้างและผสานรวมแอปแชทเข้ากับระบบที่มีอยู่
- ปรับแต่งแอปแชทให้เหมาะกับกรณีการใช้งานเฉพาะ
- ระบุตัวชี้วัดและข้อพิจารณาที่สำคัญเพื่อการติดตามและรักษาคุณภาพของแอปแชทที่ขับเคลื่อนด้วย AI อย่างมีประสิทธิภาพ
- รับประกันว่าแอปแชทใช้ AI อย่างรับผิดชอบ
การยกระดับแอปแชทด้วย generative AI ไม่ได้หมายถึงแค่ทำให้แอปฉลาดขึ้นเท่านั้น แต่ยังเกี่ยวข้องกับการปรับสถาปัตยกรรม ประสิทธิภาพ และส่วนติดต่อผู้ใช้เพื่อมอบประสบการณ์ที่มีคุณภาพ ซึ่งรวมถึงการสำรวจพื้นฐานสถาปัตยกรรม การผสานรวม API และข้อควรพิจารณาด้านส่วนติดต่อผู้ใช้ ส่วนนี้มีเป้าหมายเพื่อมอบแผนที่ทางที่ครอบคลุมสำหรับการนำทางในภูมิทัศน์ที่ซับซ้อนเหล่านี้ ไม่ว่าคุณจะเชื่อมต่อกับระบบที่มีอยู่หรือสร้างเป็นแพลตฟอร์มแยกต่างหาก
เมื่อจบส่วนนี้ คุณจะมีความเชี่ยวชาญในการสร้างและผสานรวมแอปแชทได้อย่างมีประสิทธิภาพ
ก่อนที่เราจะเริ่มสร้างแอปแชท มาดูความแตกต่างระหว่าง 'แชทบอท' กับ 'แอปแชทที่ขับเคลื่อนด้วย AI' ซึ่งมีบทบาทและฟังก์ชันที่แตกต่างกัน แชทบอทมีจุดประสงค์หลักเพื่อทำงานสนทนาอัตโนมัติในงานเฉพาะ เช่น ตอบคำถามที่พบบ่อย หรือการติดตามพัสดุ โดยมักจะถูกควบคุมด้วยตรรกะตามกฎหรืออัลกอริทึม AI ที่ซับซ้อน ในทางกลับกัน แอปแชทที่ขับเคลื่อนด้วย AI เป็นสภาพแวดล้อมที่กว้างขวางกว่า ออกแบบมาเพื่อสนับสนุนการสื่อสารดิจิทัลหลายรูปแบบ เช่น แชทข้อความ เสียง และวิดีโอระหว่างผู้ใช้มนุษย์ จุดเด่นคือการผสานรวมโมเดล generative AI ที่จำลองการสนทนาแบบมนุษย์อย่างละเอียดอ่อน สร้างคำตอบจากข้อมูลป้อนเข้าและบริบทที่หลากหลาย แอปแชทที่ขับเคลื่อนด้วย generative AI สามารถสนทนาในหัวข้อทั่วไป ปรับตัวตามบริบทที่เปลี่ยนแปลง และแม้แต่สร้างบทสนทนาที่สร้างสรรค์หรือซับซ้อนได้
ตารางด้านล่างแสดงความแตกต่างและความเหมือนที่สำคัญเพื่อช่วยให้เราเข้าใจบทบาทเฉพาะของแต่ละประเภทในการสื่อสารดิจิทัล
| แชทบอท | แอปแชทที่ขับเคลื่อนด้วย Generative AI |
|---|---|
| มุ่งเน้นงานเฉพาะและใช้กฎควบคุม | ตระหนักถึงบริบท |
| มักถูกรวมเข้ากับระบบขนาดใหญ่ | อาจรองรับแชทบอทหนึ่งหรือหลายตัว |
| จำกัดเฉพาะฟังก์ชันที่ตั้งโปรแกรมไว้ | ผสานรวมโมเดล generative AI |
| การโต้ตอบเฉพาะทางและมีโครงสร้าง | สามารถสนทนาในหัวข้อทั่วไปได้ |
เมื่อสร้างแอปแชท ขั้นตอนแรกที่ดีคือประเมินสิ่งที่มีอยู่แล้ว การใช้ SDK และ API ในการสร้างแอปแชทเป็นกลยุทธ์ที่ได้เปรียบด้วยเหตุผลหลายประการ การผสานรวม SDK และ API ที่มีเอกสารครบถ้วนช่วยวางตำแหน่งแอปของคุณให้ประสบความสำเร็จในระยะยาว พร้อมรองรับการขยายตัวและการบำรุงรักษา
- เร่งกระบวนการพัฒนาและลดภาระงาน: การใช้ฟังก์ชันที่สร้างไว้แล้วแทนการสร้างเองตั้งแต่ต้นช่วยให้คุณมุ่งเน้นไปที่ส่วนอื่นของแอปที่สำคัญกว่า เช่น ตรรกะทางธุรกิจ
- ประสิทธิภาพที่ดีกว่า: เมื่อสร้างฟังก์ชันเอง คุณอาจสงสัยว่า "ระบบจะรองรับผู้ใช้จำนวนมากได้อย่างไร?" SDK และ API ที่ดูแลอย่างดีมักมีวิธีแก้ปัญหาเหล่านี้ในตัว
- การบำรุงรักษาง่ายขึ้น: การอัปเดตและปรับปรุงทำได้ง่าย เพราะส่วนใหญ่แค่ต้องอัปเดตไลบรารีเมื่อมีเวอร์ชันใหม่
- เข้าถึงเทคโนโลยีล้ำสมัย: การใช้โมเดลที่ผ่านการปรับแต่งและฝึกฝนด้วยชุดข้อมูลขนาดใหญ่ช่วยให้แอปของคุณมีความสามารถด้านภาษาธรรมชาติ
การเข้าถึงฟังก์ชันของ SDK หรือ API มักต้องได้รับอนุญาตผ่านคีย์เฉพาะหรือโทเค็นยืนยันตัวตน เราจะใช้ OpenAI Python Library เพื่อดูตัวอย่าง คุณยังสามารถทดลองด้วยตัวเองใน 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."}])ตัวอย่างข้างต้นใช้โมเดล GPT-3.5 Turbo ในการตอบคำถาม แต่สังเกตว่าคีย์ API ต้องถูกตั้งค่าก่อน หากไม่ตั้งค่าคีย์จะเกิดข้อผิดพลาด
หลักการ UX ทั่วไปใช้กับแอปแชทได้ แต่มีข้อควรพิจารณาเพิ่มเติมที่สำคัญเนื่องจากส่วนประกอบของ machine learning ที่เกี่ยวข้อง
- กลไกจัดการความกำกวม: โมเดล generative AI บางครั้งสร้างคำตอบที่กำกวม ฟีเจอร์ที่ให้ผู้ใช้ขอคำชี้แจงจะช่วยได้เมื่อเจอปัญหานี้
- การเก็บบริบท: โมเดล generative AI ขั้นสูงสามารถจดจำบริบทในบทสนทนาได้ ซึ่งเป็นประโยชน์ต่อประสบการณ์ผู้ใช้ การให้ผู้ใช้ควบคุมและจัดการบริบทช่วยเพิ่มประสบการณ์ แต่ก็มีความเสี่ยงในการเก็บข้อมูลส่วนตัว ควรพิจารณาระยะเวลาการเก็บข้อมูล เช่น การกำหนดนโยบายการเก็บรักษา เพื่อสร้างสมดุลระหว่างบริบทและความเป็นส่วนตัว
- การปรับแต่งเฉพาะบุคคล: ด้วยความสามารถในการเรียนรู้และปรับตัว โมเดล AI มอบประสบการณ์ที่เหมาะกับแต่ละบุคคล การปรับแต่งผ่านฟีเจอร์อย่างโปรไฟล์ผู้ใช้ไม่เพียงทำให้ผู้ใช้รู้สึกว่าเข้าใจ แต่ยังช่วยให้ค้นหาคำตอบได้รวดเร็วและมีประสิทธิภาพมากขึ้น
ตัวอย่างหนึ่งของการปรับแต่งคือการตั้งค่า "Custom instructions" ใน ChatGPT ของ OpenAI ที่ให้คุณระบุข้อมูลเกี่ยวกับตัวเองซึ่งอาจเป็นบริบทสำคัญสำหรับคำถาม นี่คือตัวอย่างคำสั่งปรับแต่ง
โปรไฟล์นี้กระตุ้นให้ ChatGPT สร้างแผนการสอนเกี่ยวกับ linked lists สังเกตว่า ChatGPT พิจารณาว่าผู้ใช้ต้องการแผนการสอนที่ลึกซึ้งขึ้นตามประสบการณ์ของเธอ
Microsoft ได้ให้คำแนะนำ ในการเขียนข้อความระบบที่มีประสิทธิภาพสำหรับการสร้างคำตอบจาก LLMs โดยแบ่งออกเป็น 4 ด้าน:
- กำหนดว่าโมเดลนี้สำหรับใคร รวมถึงความสามารถและข้อจำกัด
- กำหนดรูปแบบผลลัพธ์ของโมเดล
- ให้ตัวอย่างเฉพาะที่แสดงพฤติกรรมที่ต้องการของโมเดล
- ให้แนวทางควบคุมพฤติกรรมเพิ่มเติม
ไม่ว่าผู้ใช้จะมีความบกพร่องทางสายตา การได้ยิน การเคลื่อนไหว หรือการรับรู้ แอปแชทที่ออกแบบมาอย่างดีควรใช้งานได้สำหรับทุกคน รายการต่อไปนี้แสดงฟีเจอร์เฉพาะที่ช่วยเพิ่มการเข้าถึงสำหรับความบกพร่องต่างๆ
- ฟีเจอร์สำหรับผู้บกพร่องทางสายตา: ธีมความคมชัดสูงและข้อความปรับขนาดได้, รองรับโปรแกรมอ่านหน้าจอ
- ฟีเจอร์สำหรับผู้บกพร่องทางการได้ยิน: ฟังก์ชันแปลงข้อความเป็นเสียงและเสียงเป็นข้อความ, สัญญาณภาพสำหรับการแจ้งเตือนเสียง
- ฟีเจอร์สำหรับผู้บกพร่องทางการเคลื่อนไหว: รองรับการนำทางด้วยคีย์บอร์ด, คำสั่งเสียง
- ฟีเจอร์สำหรับผู้บกพร่องทางการรับรู้: ตัวเลือกภาษาที่เรียบง่าย
ลองนึกภาพแอปแชทที่เข้าใจศัพท์เฉพาะของบริษัทคุณและคาดเดาคำถามที่ผู้ใช้มักถามได้ มีวิธีการหลักๆ ที่ควรกล่าวถึง:
- ใช้โมเดล DSL โมเดล DSL คือโมเดลภาษาที่เฉพาะเจาะจงกับโดเมน คุณสามารถใช้โมเดล DSL ที่ถูกฝึกฝนในโดเมนเฉพาะเพื่อเข้าใจแนวคิดและสถานการณ์นั้นๆ
- ปรับแต่งด้วย fine-tuning Fine-tuning คือกระบวนการฝึกโมเดลเพิ่มเติมด้วยข้อมูลเฉพาะ
การใช้โมเดลภาษาเฉพาะโดเมน (DSL Models) ช่วยเพิ่มการมีส่วนร่วมของผู้ใช้ด้วยการให้การโต้ตอบที่เฉพาะเจาะจงและเกี่ยวข้องกับบริบท โมเดลนี้ถูกฝึกหรือปรับแต่งให้เข้าใจและสร้างข้อความที่เกี่ยวข้องกับสาขา อุตสาหกรรม หรือหัวข้อเฉพาะ ตัวเลือกในการใช้โมเดล DSL มีตั้งแต่การฝึกใหม่ตั้งแต่ต้น ไปจนถึงการใช้โมเดลที่มีอยู่แล้วผ่าน SDK และ API อีกทางเลือกคือการ fine-tuning ซึ่งเป็นการนำโมเดลที่ผ่านการฝึกมาแล้วมาปรับให้เหมาะกับโดเมนเฉพาะ
การทำ fine-tuning มักถูกพิจารณาเมื่อโมเดลที่ผ่านการฝึกมาแล้วไม่เพียงพอในโดเมนเฉพาะหรือภารกิจเฉพาะ
ตัวอย่างเช่น คำถามทางการแพทย์มีความซับซ้อนและต้องการบริบทมาก เมื่อแพทย์วินิจฉัยผู้ป่วย จะพิจารณาปัจจัยหลายอย่าง เช่น ไลฟ์สไตล์ หรือโรคประจำตัว และอาจอ้างอิงวารสารทางการแพทย์ล่าสุด ในสถานการณ์ละเอียดอ่อนเช่นนี้ แอปแชท AI ทั่วไปไม่สามารถเป็นแหล่งข้อมูลที่เชื่อถือได้
ลองพิจารณาแอปแชทที่ออกแบบมาเพื่อช่วยแพทย์โดยให้ข้อมูลอ้างอิงอย่างรวดเร็วเกี่ยวกับแนวทางการรักษา ปฏิกิริยาระหว่างยา หรือผลการวิจัยล่าสุด
โมเดลทั่วไปอาจเพียงพอสำหรับตอบคำถามทางการแพทย์พื้นฐานหรือให้คำแนะนำทั่วไป แต่จะมีปัญหากับ:
- กรณีที่เฉพาะเจาะจงหรือซับซ้อนมาก เช่น แพทย์ระบบประสาทอาจถามว่า "แนวทางปัจจุบันที่ดีที่สุดในการจัดการโรคลมชักที่ดื้อต่อยาในเด็กคืออะไร?"
- ขาดความก้าวหน้าล่าสุด โมเดลทั่วไปอาจไม่สามารถให้คำตอบที่อัปเดตซึ่งรวมความก้าวหน้าล่าสุดในระบบประสาทวิทยาและเภสัชวิทยาได้
ในกรณีเช่นนี้ การทำ fine-tuning ด้วยชุดข้อมูลทางการแพทย์เฉพาะทางจะช่วยเพิ่มความแม่นยำและความน่าเชื่อถือในการตอบคำถามที่ซับซ้อนเหล่านี้อย่างมาก ซึ่งต้องการชุดข้อมูลขนาดใหญ่และเกี่ยวข้องที่สะท้อนความท้าทายและคำถามเฉพาะโดเมน
ส่วนนี้สรุปเกณฑ์สำหรับแอปแชท "คุณภาพสูง" ซึ่งรวมถึงการเก็บตัวชี้วัดที่นำไปใช้ได้จริงและการปฏิบัติตามกรอบการทำงานที่ใช้ AI อย่างรับผิดชอบ
เพื่อรักษาประสิทธิภาพที่มีคุณภาพสูงของแอป จำเป็นต้องติดตามตัวชี้วัดและข้อพิจารณาที่สำคัญ ตัวชี้วัดเหล่านี้ไม่เพียงแต่รับประกันการทำงานของแอป แต่ยังประเมินคุณภาพของโมเดล AI และประสบการณ์ผู้ใช้ด้วย ด้านล่างนี้เป็นรายการตัวชี้วัดพื้นฐาน AI และ UX ที่ควรพิจารณา
| ตัวชี้วัด | คำจำกัดความ | ข้อพิจารณาสำหรับนักพัฒนาแชท | | ----------------------------- | -------------------------------------------------------------------------------------------------------------------- | การตรวจจับความผิดปกติ | เครื่องมือและเทคนิคสำหรับการระบุรูปแบบที่ผิดปกติซึ่งไม่สอดคล้องกับพฤติกรรมที่คาดหวัง | คุณจะตอบสนองต่อความผิดปกติอย่างไร? |
แนวทางของ Microsoft ในการพัฒนา AI ที่รับผิดชอบได้กำหนดหลักการหกประการที่ควรใช้เป็นแนวทางในการพัฒนาและใช้งาน AI ด้านล่างนี้คือหลักการ ความหมาย และสิ่งที่นักพัฒนาแชทควรพิจารณา รวมถึงเหตุผลที่ควรให้ความสำคัญกับเรื่องเหล่านี้
| หลักการ | คำจำกัดความของ Microsoft | สิ่งที่นักพัฒนาแชทควรพิจารณา | เหตุใดจึงสำคัญ |
|---|---|---|---|
| ความเป็นธรรม | ระบบ AI ควรปฏิบัติต่อทุกคนอย่างเท่าเทียม | ตรวจสอบให้แน่ใจว่าแอปแชทไม่เลือกปฏิบัติตามข้อมูลผู้ใช้ | เพื่อสร้างความไว้วางใจและความครอบคลุมในกลุ่มผู้ใช้; ป้องกันปัญหาทางกฎหมาย |
| ความน่าเชื่อถือและความปลอดภัย | ระบบ AI ควรทำงานได้อย่างน่าเชื่อถือและปลอดภัย | ดำเนินการทดสอบและมาตรการป้องกันความผิดพลาดเพื่อลดความเสี่ยง | เพื่อให้ผู้ใช้พึงพอใจและป้องกันอันตรายที่อาจเกิดขึ้น |
| ความเป็นส่วนตัวและความปลอดภัย | ระบบ AI ควรมีความปลอดภัยและเคารพความเป็นส่วนตัว | ใช้มาตรการเข้ารหัสที่เข้มงวดและปกป้องข้อมูลอย่างเข้มงวด | เพื่อปกป้องข้อมูลที่ละเอียดอ่อนของผู้ใช้และปฏิบัติตามกฎหมายความเป็นส่วนตัว |
| ความครอบคลุม | ระบบ AI ควรเสริมพลังและมีส่วนร่วมกับทุกคน | ออกแบบ UI/UX ให้เข้าถึงง่ายและใช้งานสะดวกสำหรับกลุ่มผู้ใช้หลากหลาย | เพื่อให้ผู้คนจำนวนมากขึ้นสามารถใช้งานแอปได้อย่างมีประสิทธิภาพ |
| ความโปร่งใส | ระบบ AI ควรเข้าใจได้ง่าย | จัดทำเอกสารและอธิบายเหตุผลเบื้องหลังคำตอบของ AI อย่างชัดเจน | ผู้ใช้จะไว้วางใจระบบมากขึ้นหากเข้าใจวิธีการตัดสินใจของระบบ |
| ความรับผิดชอบ | ผู้คนควรรับผิดชอบต่อระบบ AI | กำหนดกระบวนการตรวจสอบและปรับปรุงการตัดสินใจของ AI อย่างชัดเจน | ช่วยให้สามารถปรับปรุงและแก้ไขข้อผิดพลาดได้อย่างต่อเนื่อง |
ดูที่ assignment ซึ่งจะพาคุณผ่านชุดแบบฝึกหัดตั้งแต่การรันคำสั่งแชทแรกของคุณ ไปจนถึงการจัดหมวดหมู่และสรุปข้อความ รวมถึงอื่นๆ สังเกตว่าแบบฝึกหัดมีให้เลือกในหลายภาษาโปรแกรม!
หลังจากเรียนบทนี้เสร็จแล้ว ลองดูที่ คอลเลกชันการเรียนรู้ Generative AI เพื่อพัฒนาความรู้ด้าน Generative AI ของคุณให้ก้าวหน้าขึ้น!
ไปที่บทเรียนที่ 8 เพื่อดูวิธีเริ่มต้น สร้างแอปค้นหา!
ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้เราจะพยายามให้ความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญมนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้