Gemini per Google Cloud e AI responsabile

Questo documento descrive come è stato progettato Gemini per Google Cloud in considerazione delle funzionalità, dei limiti e dei rischi associati all'AI generativa.

Funzionalità e rischi dei modelli linguistici di grandi dimensioni

I modelli linguistici di grandi dimensioni (LLM) possono svolgere molte attività utili, ad esempio:

  • Traduci lingua.
  • Riassumi il testo.
  • Genera codice e scrittura creativa.
  • Potenzia chatbot e assistenti virtuali.
  • Integrano i motori di ricerca e i sistemi di suggerimenti.

Allo stesso tempo, le capacità tecniche in evoluzione degli LLM creano il potenziale di applicazioni errate, usi impropri e conseguenze non volute o impreviste.

I modelli LLM possono generare output inaspettati, inclusi testi offensivi, insensibili o errati dal punto di vista dei fatti. Poiché gli LLM sono incredibilmente versatili, può essere difficile prevedere esattamente quali tipi di output indesiderati o imprevisti potrebbero produrre.

Dati questi rischi e queste complessità, Gemini per Google Cloud è progettato in base ai principi dell'AI di Google. Tuttavia, è importante che gli utenti comprendano alcuni limiti di Gemini per Google Cloud per lavorare in modo sicuro e responsabile.

Limitazioni di Gemini in Google Cloud

Alcuni dei limiti che potresti riscontrare utilizzando Gemini per Google Cloud includono, a titolo esemplificativo:

  • Casi limite.I casi limite si riferiscono a situazioni insolite, rare o eccezionali che non sono ben rappresentate nei dati di addestramento. Questi casi possono portare a limitazioni nell'output dei modelli Gemini, come eccessiva sicurezza del modello, interpretazione errata del contesto o output inappropriati.

  • Allucinazioni, fondatezza e veridicità del modello.I modelli Gemini potrebbero non avere fondatezza e veridicità nella conoscenza del mondo reale, nelle proprietà fisiche o nella comprensione accurata. Questa limitazione può portare ad allucinazioni del modello, in cui Gemini per Google Cloud potrebbe generare output che sembrano plausibili ma sono oggettivamente errati, irrilevanti, inappropriati o privi di senso. Le allucinazioni possono anche includere la creazione di link a pagine web che non esistono e non sono mai esistite. Per ulteriori informazioni, consulta Scrivere prompt migliori per Gemini in Google Cloud.

  • Qualità e ottimizzazione dei dati.La qualità, l'accuratezza e la distorsione dei dati dei prompt inseriti in Gemini per i prodotti Google Cloudpossono influire in modo significativo sulle sue prestazioni. Se gli utenti inseriscono prompt imprecisi o errati, Gemini per Google Cloudpotrebbe restituire risposte non ottimali o false.

  • Amplificazione dei pregiudizi. I modelli linguistici possono amplificare inavvertitamente i bias esistenti nei dati di addestramento, portando a risultati che potrebbero rafforzare ulteriormente i pregiudizi sociali e il trattamento iniquo di determinati gruppi.

  • Qualità della lingua.Anche se Gemini for Google Cloud offre funzionalità multilingue impressionanti nei benchmark che abbiamo valutato, la maggior parte dei nostri benchmark (incluse tutte le valutazioni di equità) sono in inglese americano.

    I modelli linguistici potrebbero fornire una qualità del servizio non uniforme a utenti diversi. Ad esempio, la generazione di testo potrebbe non essere efficace per alcuni dialetti o varianti linguistiche perché sono sottorappresentati nei dati di addestramento. Il rendimento potrebbe essere peggiore per le lingue diverse dall'inglese o per le varietà della lingua inglese con una rappresentazione minore.

  • Benchmark e sottogruppi di equità.Le analisi di equità di Google Research sui modelli Gemini non forniscono un resoconto esaustivo dei vari potenziali rischi. Ad esempio, ci concentriamo sui bias lungo gli assi di genere, razza, etnia e religione, ma eseguiamo l'analisi solo sui dati e sugli output del modello in inglese americano.

  • Competenze limitate nel dominio. I modelli Gemini sono stati addestrati sulla Google Cloud tecnologia, ma potrebbero non avere la profondità di conoscenza necessaria per fornire risposte accurate e dettagliate su argomenti altamente specializzati o tecnici, il che porta a informazioni superficiali o errate.

    Quando utilizzi il riquadro Gemini nella console Google Cloud , Gemini non è consapevole del contesto del tuo ambiente specifico, quindi non può rispondere a domande come "Quando ho creato l'ultima volta una VM?"

    In alcuni casi, Gemini for Google Cloud invia un segmento specifico del contesto al modello per ricevere una risposta specifica per il contesto, ad esempio quando fai clic sul pulsante Suggerimenti per la risoluzione dei problemi nella pagina del servizio Error Reporting.

Filtro per la sicurezza e la tossicità di Gemini

I prompt e le risposte di Gemini for Google Cloud vengono controllati in base a un elenco completo di attributi di sicurezza, a seconda dei casi d'uso. Questi attributi di sicurezza mirano a filtrare i contenuti che violano le nostre Norme di utilizzo accettabile. Se un output è considerato dannoso, la risposta verrà bloccata.

Passaggi successivi