利用LLMs(自然语言处理计算机程序)的机遇与挑战:将AI融入产品设计解决方案
最近,我在做大量的人工智能原型,在这篇文章中,我想和大家分享我的学习成果。我们将讨论大型语言模型(LLM)释放了哪些设计机会,以及如何用AI进行设计。
聊天机器人
法律硕士无疑增加了聊天机器人的可能性。当用户只想得到问题的答案时,它们可以很方便。例如,聊天机器人可以向用户推荐产品并提供额外的相关信息。
但聊天机器人并不总是最好的互动类型:
- 它是被动的,用户必须主动进行互动
- 用户并不总是知道他们可以向聊天机器人提出什么问题
- 用户需要做提示工程
- 答案可能对用户没有用处
让我们看看法律硕士还有哪些其他类型的互动是可能的。
文字对文字
LLMs将文本作为输入,并提供文本作为输出。这可以通过许多方式创造性地实现。
用快捷方式增强用户体验
提示工程对于有效的LLM交互至关重要,但不能指望用户来设计他们的提示。考虑一下用户应该如何理解他们能用你的人工智能解决方案做什么。
识别正确的互动时机
识别用户何时需要帮助并提供及时的帮助可以极大地改善用户体验。
与其制造一个无所不知的聊天机器人,不如考虑一个可以在特定时刻调用的人工智能助手,执行帮助用户的狭窄任务。
例如,Robin AI使用LLM来评估合同的特定部分,并建议新的、对客户更友好的替代语言。当用户选择合同中的文本时,就会显示这些建议。
使用语境
大型语言模型可以使用上下文,这意味着它们可以利用你的数据来提供更好的用户体验。
例如,谷歌计划使用LLM与来自Drive的文件作为语境信息。
当上下文被使用时,你的数据就会被存储在你的空间里。LLM能够根据用户的要求,在矢量存储中找到相关的信息块。
更多细节,请阅读我关于技术见解和限制的文章:
将人工智能纳入企业需要知道的事情
技术见解和限制、数据隐私、安全提示等
pub.towardsai.net
增强搜索能力
大型语言模型可以增强搜索能力,使其对用户更有价值。它们可以提供后续问题来完善搜索,或者在搜索结果旁边提供有用的建议。
用人工智能实现个性化
有了人工智能,个性化可以更进一步。例如,搜索夏装可以根据用户的输入转化为一个个性化的、具有编辑质量的页面。
将自然语言映射到其他领域
LLMs目前只能理解文本,但这种文本可以采取各种形式,扩大了语言映射到其他领域的潜力。
LLM的内在灵活性源于其处理各种形式的文本输入的能力。这包括从直接的用户查询或一段代码到用户在网页上的当前位置等上下文信息。
心情对智能家居的指令
想象一下,一个用户与一个由LLM增强的智能家居助手进行互动。在用户表达了放松的愿望后,系统会建议进行适当的调整,以创造一个放松的氛围,如调暗灯光和播放一个平静的播放列表。
该系统能够做到这一点,因为它知道可用的智能家居命令,能够访问播放列表,并能够将用户请求映射到可用的命令。
自然语言到用户界面
伽利略人工智能将自然语言映射到Figma中的设计布局。
我不在伽利略工作,但可能的实施方式如下。LLM评估用户的需求,选择适当的设计元素,并组装一个布局。设计元素可以小到按钮、头像和卡片,大到预先设计好的移动屏幕。
回顾总结
了解LLM的潜力可以激发对日常挑战的创新解决方案。LLM不是唯一可用的人工智能技术,还有许多其他人工智能类型。
解决用例问题,人工智能只是一个工具
任何技术,包括人工智能,都是作为解决问题的工具,而不是本身就是目的。重点应始终放在确定特定用例的解决方案上,而不是寻求适合特定技术能力的问题。
在进行头脑风暴时,不要受制于预期的技术限制。完善一个雄心勃勃的概念往往比扩展一个受限的概念更简单。从本质上讲,技术知识应该被用来扩大可能的解决方案的范围,而不是缩小它。