Gemini untuk Google Cloud dan responsible AI

Dokumen ini menjelaskan cara Gemini for Google Cloud dirancang berdasarkan kemampuan, batasan, dan risiko yang terkait dengan AI generatif.

Kemampuan dan risiko model bahasa besar

Model bahasa besar (LLM) dapat melakukan banyak tugas yang berguna seperti berikut:

  • Menerjemahkan bahasa.
  • Meringkas teks.
  • Membuat kode dan tulisan kreatif.
  • Mengoperasikan chatbot dan asisten virtual.
  • Melengkapi mesin telusur dan sistem rekomendasi.

Pada saat yang sama, kemampuan teknis LLM yang terus berkembang menciptakan potensi penyelewengan, penyalahgunaan, dan konsekuensi yang tidak diinginkan atau tidak terduga.

LLM dapat menghasilkan output yang tidak Anda harapkan, termasuk teks yang menyinggung, tidak sensitif, atau salah secara faktual. Karena LLM sangat serbaguna, sulit untuk memprediksi dengan tepat jenis output yang tidak diinginkan atau tidak terduga yang mungkin dihasilkan.

Dengan adanya risiko dan kompleksitas ini, Gemini for Google Cloud dirancang dengan mempertimbangkan prinsip AI Google in mind. Namun, pengguna harus memahami beberapa batasan Gemini for Google Cloud agar dapat menggunakannya dengan aman dan bertanggung jawab.

Batasan Gemini for Google Cloud

Beberapa batasan yang mungkin Anda temui saat menggunakan Gemini for Google Cloud mencakup (tetapi tidak terbatas pada) hal berikut:

  • Kasus ekstrem. Kasus ekstrem mengacu pada situasi yang tidak biasa, jarang, atau luar biasa yang tidak terwakili dengan baik dalam data pelatihan. Kasus-kasus ini dapat menyebabkan batasan dalam output model Gemini, seperti model memiliki keyakinan berlebihan, salah tafsir konteks, atau output yang tidak sesuai.

  • Halusinasi, grounding, dan faktualitas model. Model Gemini mungkin tidak memiliki grounding dan faktualitas dalam pengetahuan dunia nyata, properti fisik, atau pemahaman yang akurat. Batasan ini dapat menyebabkan model halusinasi, yang mungkin menghasilkan output yang terdengar masuk akal tetapi salah secara faktual, tidak relevan, tidak pantas, atau tidak masuk akal. Google Cloud Halusinasi juga dapat mencakup pembuatan link ke halaman web yang tidak ada dan tidak pernah ada. Untuk mengetahui informasi selengkapnya, lihat Menulis perintah yang lebih baik untuk Gemini for Google Cloud.

  • Kualitas dan penyesuaian data. Kualitas, akurasi, dan bias data perintah yang dimasukkan ke dalam produk Gemini for Google Cloud dapat berdampak signifikan pada performanya. Jika pengguna memasukkan perintah yang tidak akurat atau salah, Gemini for Google Cloud mungkin akan menampilkan respons yang tidak optimal atau salah.

  • Amplifikasi bias. Model bahasa dapat secara tidak sengaja memperkuat bias yang sudah ada dalam data pelatihannya, sehingga menghasilkan output yang mungkin semakin memperkuat prasangka sosial dan perlakuan yang tidak setara terhadap kelompok tertentu.

  • Kualitas bahasa. Meskipun Gemini for Google Cloud menghasilkan kemampuan multibahasa yang mengesankan pada tolok ukur yang kami evaluasi, sebagian besar tolok ukur kami (termasuk semua evaluasi keadilan) menggunakan bahasa Inggris Amerika.

    Model bahasa mungkin memberikan kualitas layanan yang tidak konsisten kepada pengguna yang berbeda. Misalnya, pembuatan teks mungkin tidak efektif untuk beberapa dialek atau varietas bahasa karena kurang terwakili dalam data pelatihan. Performa mungkin lebih buruk untuk bahasa non-Inggris atau variasi bahasa Inggris dengan representasi yang lebih sedikit.

  • Tolok ukur keadilan dan subgrup. Analisis keadilan Tim Riset Google terhadap model Gemini tidak memberikan informasi lengkap mengenai berbagai potensi risiko. Misalnya, kami berfokus pada bias terkait sumbu gender, ras, etnis, dan agama, tetapi hanya melakukan analisis pada output model dan data berbahasa Inggris Amerika.

  • Keahlian domain terbatas. Model Gemini telah dilatih dengan Google Cloud teknologi, tetapi mungkin tidak memiliki pengetahuan mendalam yang diperlukan untuk memberikan respons yang akurat dan mendetail tentang topik yang sangat khusus atau teknis, sehingga menghasilkan informasi yang bersifat dangkal atau salah.

    Saat Anda menggunakan panel Gemini di Google Cloud konsol, Gemini tidak mengetahui konteks lingkungan spesifik Anda, sehingga tidak dapat menjawab pertanyaan seperti "Kapan terakhir kali saya membuat VM?"

    Terkadang, Gemini for Google Cloud mengirim segmen konteks tertentu ke model untuk menerima respons khusus konteks —misalnya, saat Anda mengklik tombol Saran pemecahan masalah di halaman layanan Pelaporan Error.

Pemfilteran keamanan dan toksisitas Gemini

Perintah dan respons Gemini for Google Cloud diperiksa berdasarkan daftar atribut keamanan yang komprehensif sebagaimana berlaku untuk setiap kasus penggunaan. Atribut keamanan ini bertujuan untuk memfilter konten yang melanggar Kebijakan Penggunaan yang Dapat Diterima. Jika output dianggap berbahaya, respons akan diblokir.

Langkah berikutnya