더 나은 결과와 안전을위한 AI 사용을 향상시키기위한 5 가지 빠른 팁

오늘날의 세계에서 인공 지능 (AI)을 피하는 것은 하루 종일 힘들어지고 있습니다. 예를 들어 Google 검색 (예 : AI 생성 응답이 포함되어 있습니다. AI가 우리의 삶에서 그런 필수품이되면서 안전한 사용이 그 어느 때보 다 중요합니다. 그렇다면 AI 사용자로서 어떻게 생성 AI (Gen AI)의 세계를 안전하게 탐색 할 수 있습니까?

또한 : AI 도구의 99%를 무시 해야하는 이유는 다음과 같습니다. 매일 사용하는 4 명

SXSW, Maarten SAP 및 Carnegie Mellon 's Computer Science School의 조교수 인 Sherry Tongshuang Wu는 Chatgpt와 같은 인기있는 Gen AI 도구의 기술인 LLM (Lange Language Models)의 한계를 밝혔습니다. 또한 이러한 기술을보다 효과적으로 사용하는 방법에 대한 팁을 공유했습니다.

"그들은 훌륭하고, 어디에나 있지만 실제로는 완벽하지 않습니다."라고 Sap은 지적했습니다.

매일 AI 상호 작용에 대한 조정은 간단합니다. 그들은 AI의 결함에서 당신을 보호하고 AI 챗봇에서보다 정확한 응답을 추출하는 데 도움이됩니다. 다음은 AI 사용을 최적화하기위한 5 가지 전문가 권장 전략입니다.

1. AI에게 더 나은 지침을 제공하십시오

AI의 대화 능력은 종종 사용자가 친구와 채팅하는 것과 비슷한 모호하고 간단한 프롬프트를 제공하게합니다. 여기서 문제는 이러한 최소한의 지침으로 AI가 텍스트를 잘못 해석하여 인간의 선을 읽는 능력이 부족하다는 것입니다.

SAP와 WU는 세션 동안 챗봇에게 백만 권의 책을 읽고 있다고 말함으로써 이것을 시연했습니다. SAP의 연구에 따르면 현대의 LLM은 시간의 50% 이상이 아닌 언론 참조로 어려움을 겪고 있습니다.

또한 : AI는 예술가들로부터 훔치지 않고 창의성을 초래할 수 있습니까?

이것을 회피하기 위해, 당신의 프롬프트에서 더 명확하게 말하면서 오해의 여지가 줄어 듭니다. Wu는 챗봇을 조수처럼 취급하여 명확하고 자세한 지침을 제공 할 것을 제안합니다. 프롬프트를 만들려면 조금 더 노력할 수 있지만 결과는 귀하의 요구에 더 잘 맞습니다.

2. 응답을 다시 확인하십시오

AI 챗봇을 사용한 경우 AI가 잘못된 정보를 뿌릴 때 "환각"에 익숙합니다. 이는 사실상 잘못된 답변에서 주어진 정보가 잘못 표현되거나 사용자의 허위 진술에 동의하는 것까지 다양합니다.

SAP는 환각이 일상 시나리오에서 시간의 1%에서 25% 사이에서 발생하며 법률 및 의학과 같은 전문 분야에서 50% 이상이 치 솟고 있다고 지적했습니다. 이러한 오류는 마크에서 벗어날 때에도 그럴듯하게 들리기 때문에 발견하기가 까다 롭습니다.

또한 : AI 요원은 단순한 조수가 아니라 오늘날의 미래를 어떻게 변화 시키는가

AI 모델은 종종 잘못된 경우에도 "내가 확신합니다"와 같은 문구로 응답을 강화합니다. 인용 된 연구 논문에 따르면 AI 모델은 47%의 시간이 자신있게 잘못되었습니다.

환각을 지키기 위해 항상 AI의 응답을 다시 확인하십시오. 신뢰할 수있는 외부 소스와의 교차 참조 또는 AI의 응답이 일관성이 유지되는지 확인하기 위해 쿼리를 다시 표현합니다. 전문 지식 내에서 주제를 고수하면 오류를 잡는 것이 더 쉽습니다.

3. 비공개에 관심이있는 데이터를 유지하십시오

Gen AI 도구는 방대한 데이터 세트에 대한 교육을 받고 새로운 데이터를 계속 배우기 위해 계속 학습합니다. 문제는 이러한 모델이 응답으로 교육 데이터를 역류시켜 개인 정보를 다른 사람에게 노출시킬 수 있다는 것입니다. 웹 기반 애플리케이션을 사용할 때는 데이터가 클라우드로 전송되므로 보안 위험이 있습니다.

또한 :이 새로운 AI 벤치 마크는 모델의 양을 측정합니다.

좋은 AI 위생을 유지하려면 LLM과 민감하거나 개인 데이터를 공유하지 마십시오. 개인 데이터를 사용해야하는 경우 수정을 고려하십시오. ChatGpt를 포함한 많은 AI 도구는 민감한 정보를 사용하지 않더라도 현명한 선택입니다.

4. LLM에 대해 이야기하는 방법을보십시오

AI의 대화 특성으로 인해 사용자는 기능을 과대 평가할 수 있으며 때로는 이러한 시스템에 인간의 특성이 발생합니다. 이 인체 감소는 사람들이 AI를 더 많은 책임과 데이터보다 신뢰하게 만들 수 있기 때문에 위험 할 수 있습니다.

또한 : OpenAI의 새로운 AI 에이전트 도구가 코드를 변경할 수있는 이유

이에 대응하기 위해 SAP는 AI 모델을 사람의 용어로 설명하지 말라고 권고합니다. "모델은 균형 잡힌 응답을 원한다고 생각하는 대신"이 모델은 교육 데이터에 따라 균형 잡힌 응답을 생성하도록 설계되었습니다 "라고 말합니다.

5. LLM을 사용하는시기에 대해 신중하게 생각하십시오

LLM은 다재다능 해 보이지만 모든 작업에 항상 최상의 솔루션은 아닙니다. 사용 가능한 벤치 마크는 LLM과의 사용자 상호 작용의 일부만 포괄합니다.

또한 : 프리미엄 AI 도구조차도 뉴스를 왜곡하고 링크를 제작합니다 - 이것들은 최악입니다.

또한 LLM은 인종 차별 또는 서구 중심의 견해와 같은 편견을 나타낼 수있어 특정 응용 프로그램에 적합하지 않습니다.

LLM을 효과적으로 사용하려면 응용 프로그램에 대해 사려 깊게하십시오. LLM이 필요에 맞는 도구인지 평가하고 특정 작업에 가장 적합한 모델을 선택하십시오.

• AI에 대한 더 많은 이야기를 원하십니까? 주간 뉴스 레터 인 Innovation에 가입하십시오.