कृत्रिम बुद्धिमत्तेद्वारे व्युत्पन्न केलेल्या प्रतिसादांवर विकासकांना मदत करण्यासाठी Google जेमिनी ॲप्लिकेशन प्रोग्रामिंग इंटरफेस (API) आणि AI स्टुडिओमध्ये एक नवीन वैशिष्ट्य जोडत आहे. गुरुवारी घोषित केलेले, Google Search सह ग्राउंडिंग डब केलेले वैशिष्ट्य विकसकांना इंटरनेटवर उपलब्ध असलेल्या समान माहितीच्या विरूद्ध AI-व्युत्पन्न प्रतिसाद तपासण्याची परवानगी देईल. अशा प्रकारे डेव्हलपर त्यांच्या AI ॲप्सला अधिक छान-ट्यून करण्यात सक्षम होतील आणि त्यांच्या वापरकर्त्यांना अधिक अचूक आणि अद्ययावत माहिती देऊ शकतील. Google ने हायलाइट केले की अशा ग्राउंडिंग पद्धती वेबवरून रिअल-टाइम माहिती व्युत्पन्न करणाऱ्या प्रॉम्प्टसाठी महत्त्वाच्या आहेत.
Google ने ‘Grounding with Google Search’ वैशिष्ट्य जारी केले
विकसकांसाठी Google AI समर्थन पृष्ठ जेमिनी एपीआय तसेच गुगल एआय स्टुडिओ या दोन्हींवर उपलब्ध असणाऱ्या नवीन वैशिष्ट्याची तपशीलवार माहिती दिली आहे. ही दोन्ही साधने मोठ्या प्रमाणावर विकसकांद्वारे वापरली जातात जे AI क्षमतेसह मोबाइल आणि डेस्कटॉप ॲप्स तयार करत आहेत.
तथापि, AI मॉडेल्सकडून प्रतिसाद निर्माण केल्याने अनेकदा भ्रम निर्माण होऊ शकतो, ज्यामुळे ॲप्सच्या विश्वासार्हतेवर नकारात्मक परिणाम होतो. जेव्हा ॲप चालू घडामोडींच्या विषयांचा शोध घेते, जेथे वेबवरील नवीनतम माहिती आवश्यक असते तेव्हा समस्या आणखी लक्षणीय असू शकते. विकासक मार्गदर्शक डेटासेटशिवाय, AI मॉडेल मॅन्युअली फाइन-ट्यून करू शकतात, तरीही त्रुटी असू शकतात.
याचे निराकरण करण्यासाठी, Google AI द्वारे व्युत्पन्न केलेले आउटपुट सत्यापित करण्यासाठी एक नवीन मार्ग ऑफर करत आहे. ग्राउंडिंग म्हणून ओळखली जाणारी, ही प्रक्रिया AI मॉडेलला माहितीच्या पडताळणीयोग्य स्रोतांशी जोडते. अशा स्त्रोतांमध्ये उच्च दर्जाची माहिती असते आणि माहितीमध्ये अधिक संदर्भ जोडतात. या स्त्रोतांच्या काही उदाहरणांमध्ये दस्तऐवज, प्रतिमा, स्थानिक डेटाबेस आणि इंटरनेट समाविष्ट आहे.
Google शोध सह ग्राउंडिंग सत्यापित करण्यायोग्य माहिती शोधण्यासाठी शेवटचा स्त्रोत वापरते. डेव्हलपर आता जेमिनी एआय मॉडेल्सद्वारे परत केलेल्या माहितीची तुलना करण्यासाठी Google शोध मधील शीर्ष परिणाम वापरू शकतात. माउंटन व्ह्यू-आधारित टेक जायंटचा दावा आहे की हा व्यायाम AI आउटपुटची “अचूकता, विश्वासार्हता आणि उपयुक्तता” सुधारेल.
ही पद्धत AI मॉडेल्सना थेट ग्राउंडिंग स्त्रोताकडून माहिती मिळवून त्यांच्या ज्ञानाची कट-ऑफ तारीख ओलांडण्यास मदत करते. तर, या प्रकरणात, मिथुन मॉडेल शोध अल्गोरिदमचे आउटपुट वापरून नवीनतम माहिती मिळवू शकतात.
Google ने ग्राउंड केलेल्या आउटपुटमधील फरकाचे उदाहरण देखील सामायिक केले जे ग्राउंड केलेले नाहीत. “या वर्षी सुपर बाउल कोणी जिंकला?” या प्रश्नाला आधारहीन प्रतिसाद. “कॅन्सास सिटी चीफ्सने यावर्षी (2023) सुपर बाउल LVII जिंकले.”
तथापि, Google शोध वैशिष्ट्यासह ग्राउंडिंग वापरल्यानंतर, परिष्कृत प्रतिसाद असा होता, “कॅन्सास सिटी चीफ्सने यावर्षी सुपर बाउल LVIII जिंकला, ओव्हरटाइममध्ये सॅन फ्रान्सिस्को 49ers ला २५ ते 22 गुणांसह पराभूत केले.” विशेष म्हणजे, वैशिष्ट्य केवळ मजकूर-आधारित आउटपुटचे समर्थन करते आणि मल्टीमोडल प्रतिसादांवर प्रक्रिया करू शकत नाही.
