En este documento, se describe cómo se diseñó Gemini para Google Cloud en función de las capacidades, limitaciones y riesgos asociados con la IA generativa.
Capacidades y riesgos de los modelos de lenguaje grandes
Los modelos de lenguaje grandes (LLM) pueden realizar muchas tareas útiles, como las siguientes:
- Idioma de traducción.
- Resumir texto
- Generar código y escritura creativa
- Potencia chatbots y asistentes virtuales.
- Complementan los motores de búsqueda y los sistemas de recomendación.
Al mismo tiempo, las capacidades técnicas en evolución de los LLMs generan el potencial de aplicación incorrecta, uso inadecuado y consecuencias no deseadas o imprevistas.
Los LLMs pueden generar resultados que no se esperan, incluido un texto que sea ofensivo, insensible o incorrecto desde el punto de vista fáctico. Debido a que los LLMs son increíblemente versátiles, puede ser difícil predecir exactamente los tipos de resultados no deseados o imprevistos que podrían producir.
Debido a estos riesgos y complejidades, Gemini para Google Cloud se diseñó teniendo en cuenta los principios de la IA de Google. Sin embargo, es importante que los usuarios comprendan algunas de las limitaciones de Gemini para que Google Cloud funcione de manera segura y responsable.
Limitaciones de Gemini para Google Cloud
Estas son algunas de las limitaciones que podrías encontrar al usar Gemini para Google Cloud :
Casos extremos: Los casos extremos se refieren a situaciones inusuales, excepcionales o excepcionales que no están bien representadas en los datos de entrenamiento. Estos casos pueden generar limitaciones en el resultado de los modelos de Gemini, como un exceso de confianza, una interpretación errónea del contexto o resultados inapropiados.
Alucinaciones, fundamentación y facticidad del modelo. Es posible que los modelos de Gemini no tengan conocimientos básicos y un hecho en lo que respecta a los conocimientos, las propiedades físicas o la comprensión precisa en el mundo real. Esta limitación puede generar alucinaciones del modelo, en las que Gemini para Google Cloud podría generar resultados que suenan posibles, pero que son incorrectos, irrelevantes, inapropiados o sin sentido. Las alucinaciones también pueden incluir la fabricación de vínculos a páginas web que no existen y nunca existieron. Para obtener más información, consulta Escribe mejores instrucciones para Gemini en Google Cloud.
Calidad y ajuste de los datos: La calidad, la precisión y el sesgo de los datos de la instrucción que se ingresan en los productos de Gemini para Google Cloudpueden tener un impacto significativo en su rendimiento. Si los usuarios ingresan instrucciones incorrectas o inexactas, Gemini para Google Cloudpodría devolver respuestas deficientes o falsas.
Amplificación del sesgo Los modelos de lenguaje pueden amplificar de forma involuntaria el sesgo existente en los datos de entrenamiento, lo que genera resultados que pueden reforzar aún más los prejuicios sociales y el tratamiento desigual de ciertos grupos.
Calidad del lenguaje: Si bien Gemini para Google Cloudproduce capacidades impresionantes de multilingües en las comparativas con las que evaluamos, la mayoría de nuestras comparativas (incluidas todas las evaluaciones de equidad) están en inglés estadounidense.
Los modelos de lenguaje pueden proporcionar una calidad de servicio incoherente a diferentes usuarios. Por ejemplo, es posible que la generación de texto no sea tan eficaz para algunos dialectos o variedades de idioma porque están subrepresentados en los datos de entrenamiento. El rendimiento puede ser peor para los idiomas que no son inglés o las variedades de idioma inglés con menos representación.
Subgrupos y comparativas de la equidad. Los análisis de equidad de Google Research de los modelos de Gemini no proporcionan una cuenta exhaustiva de los diversos riesgos potenciales. Por ejemplo, nos enfocamos en los sesgos de género, raza, etnia y religión, pero realizamos el análisis solo en los datos de inglés estadounidense y las salidas de modelos.
Experiencia limitada en el dominio Los modelos de Gemini se entrenaron en Google Cloud tecnología, pero es posible que no tengan la profundidad de conocimiento necesaria para proporcionar respuestas precisas y detalladas sobre temas altamente especializados o técnicos, lo que lleva a información superficial o incorrecta.
Cuando usas el panel de Gemini en la consola de Google Cloud , Gemini no tiene contexto sobre tu entorno específico, por lo que no puede responder preguntas como "¿Cuándo fue la última vez que creé una VM?".
En algunos casos, Gemini para Google Cloud envía un segmento específico de tu contexto al modelo para recibir una respuesta específica del contexto, por ejemplo, cuando haces clic en el botón Sugerencias para solucionar problemas en la página del servicio de Error Reporting.
Filtros de seguridad y toxicidad de Gemini
Las instrucciones y respuestas de Gemini se verifican en función de una lista integral de atributos de seguridad, según corresponda a cada caso de uso. Estos atributos de seguridad tienen como objetivo filtrar el contenido que incumple nuestra Política de Uso Aceptable. Si se considera que una respuesta es dañina, se bloqueará. Google Cloud
¿Qué sigue?
- Obtén más información sobre cómo Gemini cita fuentes cuando te ayuda a generar código.