Khi nào nên tin LLMs
Large Language Models for Business
Iason Prassides
Content Developer, DataCamp
Tối ưu Duolingo
Duolingo Max
Dùng ChatGPT cho hội thoại như người thật
1
https://blog.duolingo.com/duolingo-max/
Tối ưu Duolingo
Duolingo Max
Dùng ChatGPT cho hội thoại như người thật
Người học luyện ngôn ngữ
GPT đóng nhiều vai
Phản hồi tức thì
1
https://blog.duolingo.com/duolingo-max/
Hiểu về LLMs
Lãnh đạo doanh nghiệp phải hiểu rõ LLMs
LLMs không phải phép màu!
Thường chỉ dự đoán phần tiếp theo của chuỗi
Không hiểu ngôn ngữ như con người
Lẽ thường trong LLMs?
LLMs không có khái niệm về "sự thật"
Thiếu lẽ thường
Cần giám sát của con người cho mọi trường hợp dùng
Chỉ dựa vào LLMs có thể gây hệ quả không mong muốn
Giám sát khi huấn luyện
LLMs phụ thuộc dữ liệu huấn luyện
Thiên kiến hoặc bất công xã hội có thể bị khuếch đại
Kiểm tra phản hồi để phát hiện nội dung gây hại
Có thiên kiến không?
LLMs có thể học từ bình luận thù ghét
Phản hồi cũng có thể độc hại
Tập dữ liệu có thiên kiến
Tạo LLMs với thiên lệch hệ thống
Dẫn tới duy trì định kiến, khuôn mẫu, hoặc thông tin sai lệch
Nhà phát triển đã bổ sung biện pháp phòng tránh
Doanh nghiệp phải nhận thức và đảm bảo biện pháp bảo vệ
Tính linh hoạt và hệ quả
Cùng prompt -> phản hồi khác nhau
Hữu ích cho sáng tạo, rủi ro cho mục đích khác
Đội marketing tạo mô tả sản phẩm bằng LLMs:
Khách hàng thấy mô tả khác nhau
Có thể hại hình ảnh thương hiệu
Cảnh báo bảo mật!
LLMs phức tạp nhưng vẫn có thể bị đánh lừa
Kẻ tấn công nhúng prompt độc hại trên website
Có thể làm sai lệch đầu ra LLMs
Gọi là
prompt injection
Có thể gây tổn hại danh tiếng
Thách thức với LLMs
Nhiều thách thức theo ngành
Open Worldwide Application Security Project (OWASP)
Định lượng thách thức
Doanh nghiệp phải nhận diện rủi ro
Hiểu rõ đặc thù của LLMs
Bảo đảm có giám sát của con người
Đầu tư đào tạo và an ninh
1
https://owasp.org/
Ayo berlatih!
Large Language Models for Business
Preparing Video For Download...