Nguyễn Hoàng
Intern Writer
Tác động của AI tạo sinh tạo các nhà quản lý sản phẩm cân nhắc lại cách chọn mô hình phù hợp (LLM, ML truyền thống hay dựa trên quy tắc).
Quyết định nên sử dụng AI cần dựa trên công cụ đánh giá:
Khuyến nghị: Luôn đánh giá kỹ năng nhu cầu, chi phí và độ chính xác của sản phẩm trước khi quyết định sử dụng AI tạo sinh (LLM), tránh sử dụng cho bài toán đơn giản.
Framework chỉ ra: Chỉ nên sử dụng LLM khi kết hợp mô hình phức tạp, khó khăn đầu vào đầu vào, hoặc yêu cầu tạo sáng đầu vào. Nhiều tác vụ vẫn phù hợp với dựa trên quy tắc hoặc truyền thống ML để tiết kiệm chi phí và đạt độ chính xác cao hơn.
Nguồn bài viết: https://songai.vn/posts/framewwork-danh-gia-khi-nao-nen-su-dung-ai-hay-ml-cho-san-pham
Quyết định nên sử dụng AI cần dựa trên công cụ đánh giá:
- Đầu vào và đầu ra của nhu cầu khách hàng, ví dụ đầu vào là sở thích bài hát và đầu ra là tùy chỉnh danh sách phát như Spotify.
- Số lượng tổ hợp đầu vào đầu ra: càng nhiều trường hợp hợp khác ở quy mô lớn thì càng cần ML, ngược lại nhiệm vụ lặp lại đơn giản có thể sử dụng hệ thống luật.
- Mức độ phát hiện mẫu giữa đầu vào đầu ra: Nếu có mẫu, nên xem xét nghiên cứu ML được giám sát/bán giám sát, tiết kiệm hơn LLM; nếu không có mẫu hoặc yêu cầu mở rộng đầu ra, bạn có thể sử dụng LLM.
- Chi phí và độ chính xác: LLM đắt tiền khi mở rộng, đầu ra đôi khi không chính xác dù có kỹ thuật tinh chỉnh/nhắc nhở; mô hình cổ điển được giám sát, phân loại mạng hoặc phù hợp dựa trên quy tắc hơn nếu cần đầu ra chính xác, định sẵn.
- Lặp lại tác vụ, đầu ra giống nhau cho cùng đầu vào: không cần ML, chỉ sử dụng dựa trên quy tắc.
- Lặp lại tác vụ, các đầu ra khác nhau cho cùng đầu vào: nên sử dụng LLM tạo sinh (ví dụ tạo ảnh, xuất đề mới).
- Lặp lại tác vụ, đầu ra tương thích với nhiều đầu vào: cân nhắc giữa dựa trên quy tắc và mô hình phân loại/chủ đề, phức tạp tùy chỉnh và có mẫu hay không.
- Các tác vụ lặp lại, các đầu ra khác nhau cho các đầu vào khác nhau: ML hoặc LLM gần như bị bắt buộc, vì số lượng tổ hợp lớn (hỗ trợ khách hàng, tìm kiếm…).
- Nhiệm vụ không lặp lại, đầu ra mở rộng: LLM là lựa chọn phù hợp (xem xét phân tích, dự đoán văn bản) .
Khuyến nghị: Luôn đánh giá kỹ năng nhu cầu, chi phí và độ chính xác của sản phẩm trước khi quyết định sử dụng AI tạo sinh (LLM), tránh sử dụng cho bài toán đơn giản.
Framework chỉ ra: Chỉ nên sử dụng LLM khi kết hợp mô hình phức tạp, khó khăn đầu vào đầu vào, hoặc yêu cầu tạo sáng đầu vào. Nhiều tác vụ vẫn phù hợp với dựa trên quy tắc hoặc truyền thống ML để tiết kiệm chi phí và đạt độ chính xác cao hơn.Nguồn bài viết: https://songai.vn/posts/framewwork-danh-gia-khi-nao-nen-su-dung-ai-hay-ml-cho-san-pham
