Gemini para IA responsable y Google Cloud

En este documento, se describe cómo se diseñó Gemini para Google Cloud teniendo en cuenta los limitaciones y riesgos asociados a la IA generativa.

Capacidades y riesgos de los modelos grandes de lenguaje

Los modelos grandes de lenguaje (LLM) pueden realizar muchas tareas útiles, como el lo siguiente:

  • Idioma de traducción.
  • Resume texto.
  • Generar código y escritura creativa
  • Potenciar chatbots y asistentes virtuales
  • Complementa los motores de búsqueda y los sistemas de recomendación.

Al mismo tiempo, las capacidades técnicas en constante evolución de los LLM crean la aplicaciones inadecuadas, usos inadecuados y consecuencias no deseadas o imprevistas.

Los LLM pueden generar resultados inesperados, como texto ofensivo, insensibles o incorrectos. Como los LLM son increíblemente versátiles, puede ser difícil predecir exactamente qué tipos de eventos los resultados que pueden producir.

Debido a estos riesgos y complejidades, Gemini para Google Cloud se diseñó con Principios de la IA de Google en en la mente. 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

Algunas de las limitaciones que puedes encontrar si usas Gemini para Google Cloud incluyen, entre otros, los siguientes:

  • Casos extremos. Los casos extremos hacen referencia a situaciones inusuales, raras 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 de modelos, fundamentación y facticidad. Gemini es posible que los modelos carezcan de fundamento y facticidad en el conocimiento del mundo real, los conocimientos físicos, propiedades o una comprensión precisa. 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 no tienen sentido. Las alucinaciones también pueden incluir fabricar vínculos a páginas web que no existen y que nunca han existido. Para más información, consulta Escribe mejores instrucciones para Gemini para Google Cloud.

  • Calidad y ajuste de los datos. La calidad, la precisión y el sesgo de la instrucción los datos que se ingresan en Gemini para Google Cloud pueden tener un impacto significativo en su rendimiento. Si los usuarios ingresan instrucciones imprecisas o incorrectas, Gemini para Google Cloud podría mostrar respuestas falsas o subóptimas.

  • 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 podrían reforzar aún más los prejuicios sociales y el tratamiento desigual de ciertos grupos.

  • Calidad del idioma. Si bien Gemini para Google Cloud ofrece capacidades multilingües impresionantes en las comparativas con las que evaluamos, la mayoría de nuestras comparativas (incluidas todas las evaluaciones de equidad) están en inglés americano.

    Los modelos de lenguaje podrían 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 los variedades de idioma inglés con menos representación.

  • Comparativas y subgrupos de equidad. Los análisis de equidad de Google Research de Los modelos de Gemini no ofrecen una explicación detallada de los diversos los riesgos potenciales. Por ejemplo, nos enfocamos en los sesgos de género, origen étnico, ejes de etnia y religión, pero realizar el análisis solo a partir del Datos en inglés y resultados del modelo.

  • Experiencia limitada en el área. Los modelos de Gemini se entrenaron sobre la tecnología de Google Cloud, pero es posible que carezca de los conocimientos que se requiere para proporcionar respuestas precisas y detalladas a temas especializados o técnicos que llevan a resultados superficiales o incorrectos información.

    Cuando usas el panel Gemini en la consola de Google Cloud, Gemini no tiene en cuenta el contexto de 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 de solución de problemas en la página del servicio de Error Reporting.

Filtrado de seguridad y toxicidad de Gemini

Las instrucciones y respuestas de Gemini para Google Cloud se comparan con una lista exhaustiva de atributos de seguridad según corresponda para cada caso de uso. El objetivo de estos atributos de seguridad es filtrar el contenido que infringe nuestras Política de Uso Aceptable. Si una salida es considerada perjudicial, la respuesta se bloqueará.

¿Qué sigue?