Gemini pour Google Cloud et l'IA responsable

Ce document explique comment Gemini pour Google Cloud est conçu dans le cadre des les fonctionnalités, les limites et les risques associés à l'IA générative.

Capacités et risques des grands modèles de langage

Les grands modèles de langage (LLM) peuvent effectuer de nombreuses tâches utiles, comme suivantes:

  • Traduire la langue.
  • Résumer du texte
  • Générer du code et rédiger des textes créatifs
  • Boostez des chatbots et des assistants virtuels.
  • Complétez les moteurs de recherche et les systèmes de recommandation.

Dans le même temps, l'évolution des capacités techniques des LLM crée un usage abusif, une mauvaise application et des conséquences inattendues ou imprévues.

Les LLM peuvent générer des résultats inattendus, y compris du texte offensant, insensible ou incorrect. Les LLM étant incroyablement polyvalents, peut s'avérer difficile de prédire avec exactitude les types d'événements imprévus qu'ils peuvent produire.

Compte tenu de ces risques et de ces complexités, Gemini pour Google Cloud est conçu en tenant compte des principes de l'IA de Google. Toutefois, il est important que les utilisateurs comprennent certaines des limites de Gemini pour Google Cloud afin de travailler de manière sécurisée et responsable.

Limites de Gemini pour Google Cloud

Certaines limites que vous pouvez rencontrer en utilisant Gemini pour Google Cloud incluent, sans s'y limiter, les éléments suivants:

  • Cas limites : Les cas limites désignent des situations inhabituelles, rares ou exceptionnelles. qui ne sont pas bien représentées dans les données d'entraînement. Ces cas peuvent entraîner des limites dans la sortie des modèles Gemini, telles que la confiance excessive du modèle, une mauvaise interprétation du contexte ou des sorties inappropriées.

  • Modéliser les hallucinations, l'ancrage et la factualité Gemini les modèles peuvent manquer d'ancrage et de factualité en connaissances réelles, des propriétés ou une compréhension précise. Cette limitation peut entraîner des hallucinations, où Gemini pour Google Cloud pourrait générer des sorties qui semblent plausibles, mais qui sont en fait incorrectes, non pertinentes, inappropriées ou absurdes. Les hallucinations peuvent également inclure fabriquer des liens vers des pages Web qui n’existent pas et n’ont jamais existé. Pour en savoir plus, consultez la section Rédiger de meilleures requêtes pour Gemini pour Google Cloud.

  • Qualité et réglage des données : La qualité, la précision et le biais des données de requête saisies dans les produits Gemini pour Google Cloud peuvent avoir un impact significatif sur ses performances. Si les utilisateurs saisissent des requêtes inexactes ou incorrectes, Gemini pour Google Cloud peut renvoyer des réponses non optimales ou fausses.

  • Amplification des biais : Les modèles de langage peuvent amplifier par inadvertance les biais existants dans leurs données d'entraînement, ce qui peut se traduire par un renforcement supplémentaire des préjugés sociétaux et du traitement inégal de certains groupes.

  • Qualité de la langue : Bien que Gemini pour Google Cloud offre des fonctionnalités multilingues impressionnantes sur les benchmarks que nous avons évalués, la majorité de nos benchmarks (y compris toutes les évaluations de l'équité) sont en anglais américain.

    Les modèles de langage peuvent fournir une qualité de service incohérente à différents utilisateurs. Par exemple, la génération de texte peut ne pas être aussi efficace pour certains dialectes ou variantes de langues, car ils sont sous-représentés dans les données d'entraînement. Les performances peuvent être inférieures pour les langues autres que l'anglais ou pour les langues anglaises moins représentées.

  • Benchmarks et sous-groupes d'équité Les analyses d'équité des modèles Gemini de Google Research ne fournissent pas un compte exhaustif des différents risques potentiels. Par exemple, nous nous concentrons sur les préjugés tels que le genre, l’origine ethnique, les origines ethniques et les religions, mais vous ne devez analyser Données et résultats du modèle en anglais.

  • Expertise limitée dans le domaine. Les modèles Gemini ont été entraînés sur la technologie Google Cloud, mais ne maîtrise peut-être pas qui est nécessaire pour fournir des réponses précises et détaillées sur des sujets spécialisés ou techniques, conduisant à des problèmes des informations.

    Lorsque vous utilisez le volet Gemini de la console Google Cloud, Gemini ne connaît pas le contexte de votre environnement spécifique. il ne peut pas répondre à des questions telles que : "Quand avez-vous créé une VM pour la dernière fois ?".

    Dans certains cas, Gemini pour Google Cloud envoie un un segment de votre contexte au modèle pour recevoir une réponse par exemple, lorsque vous cliquez sur le bouton Dépannage des suggestions sur la page du service Error Reporting.

Filtrage de la sécurité et de la toxicité dans Gemini

Les requêtes et les réponses Gemini pour Google Cloud sont vérifiées en fonction d'une liste complète d'attributs de sécurité applicables à chaque utilisation . Ces attributs de sécurité visent à filtrer les contenus qui enfreignent notre Politique d'utilisation autorisée. Si une sortie est comme nuisible, la réponse sera bloquée.

Étape suivante