+86-315-6196865

Kaip patenkinti generatyvinės AI iššūkius pramoninėse programose

Aug 19, 2023

Didelių kalbos modeliai (LLM) gali suprasti, aiškinti ir generuoti žmonių kalbą, revoliuciją visais gyvenimo sritimis. Tačiau jie taip pat susiduria su savo iššūkiais, įskaitant netikslios ar klaidinančios informacijos generavimą (haliucinacijas), privatumo problemas ir saugumo pažeidžiamumą.

 

Didelės kalbos modeliai turi prieigą prie didelių teksto duomenų kiekių, tačiau jų mokymo duomenys gali būti pasenę ir kyla tik iš viešosios srities. Dideliems kalbų modeliams reikia prieigos prie įmonės pramoninių duomenų, kad būtų sukurta generatyvinis dirbtinis intelektas (AI) dirbti pramonėje. „Mokydami“ didelius kalbų modelius, susijusius su surinktais, svarbiais duomenimis, galime pagerinti jų atsakymų patikimumą ir tikslumą pramoninėse programose.

 

Norėdami įtraukti generatyvinę AI į skaitmeninę strategiją, gamybos įmonės gali pradėti nuo trijų pagrindinių architektūrų:

Duomenų kontekstualizavimas

Duomenų kontekstualizavimas yra labai svarbus užtikrinant, kad didelių kalbų modeliai pateiktų svarbius ir reikšmingus atsakymus. Pvz., Ieškant informacijos apie pramoninio turto veiklą, tampa labai svarbu pateikti duomenis ir dokumentus, susijusius su tais turtu ir jų aiškiais bei netiesioginiais semantiniais ryšiais. Šis kontekstualizavimas suteikia galimybę dideliems kalbų modeliams suprasti užduotis ir generuoti kontekstinius atsakymus.

Pramoninės žinių žemėlapis

Norint pagerinti didelių kalbos modelių duomenų kokybę, būtina sukurti pramoninių žinių žemėlapius. Šis grafikas apdoroja duomenis normalizuodamas, mastelio keitimą ir patobulinimą, kad būtų užtikrintas tikslus ir patikimas atsakas. Senasis posakis „šiukšlės → šiukšles“ taip pat taikoma kuriant AI, pabrėžiant praturtinančių duomenų svarbą siekiant pagerinti didelių kalbų modelių veikimą.

Paieškos patobulinimo generavimas

Papildytos kartos (RAG) gavimas yra patobulintas dizaino modelis, leidžiantis dideliems kalbų modeliams panaudoti konkrečius pramonės duomenis tiesiogiai reaguojant į raginimus. Įtraukus kontekstinį mokymąsi, RAG leidžia dideliems kalbų modeliams pagrįsti, pagrįstus privačių kontekstų duomenimis, pateikdami deterministinius atsakymus, o ne tikimybinius atsakymus, pagrįstus esama vieša informacija.

Be to, RAG leidžia mums išlaikyti pramonės duomenų išskirtinumą ir saugumą įmonėje. Kaip ir bet kuri pažangi technologija, didelių kalbų modeliai gali būti pažeidžiami dėl prieštaringų atakų ir duomenų nutekėjimo. Pramoninėje aplinkoje šie klausimai reikalauja dar daugiau dėmesio dėl neskelbtinų duomenų, tokių kaip patentuotas dizainas ir informacija apie klientus.

Tinkamos anonimizacijos, didelės kalbos modelio infrastruktūros apsaugos užtikrinimas, duomenų perdavimo saugumo užtikrinimas ir stiprių autentifikavimo mechanizmų įgyvendinimas yra svarbūs žingsniai siekiant sumažinti kibernetinio saugumo riziką ir apsaugoti neskelbtiną informaciją. RAG leidžia išlaikyti prieigos kontrolę, kurti pasitikėjimą didelėmis įmonėmis ir atitikti griežtus saugumo ir audito reikalavimus.

Pasinaudodami duomenų kontekstualizavimu, pramoninių žinių grafiku ir skudurų technologijomis generuojamuose AI sprendimuose, mes galime ne tik spręsti tokius iššūkius kaip duomenų nutekėjimas, pasitikėjimo ir prieigos kontrolė ir iliuzija, bet ir paveikti bendrą sprendimo efektyvumą ir sąnaudas.

Didelių kalbų modeliai turi konteksto langų apribojimus, kurie riboja žetonų diapazoną, į kurį jie gali atsižvelgti reaguodami į raginimą. Be to, kiekvienas prieigos raktas padidina bendrą kiekvienos užklausos kainą. Jei galvojate apie šias užklausas kaip „Google“ paieškas, galite pamatyti, kaip lengva pridėti išlaidas.

Norint išspręsti šią problemą, kritiška kontekstualizuoti patentuotus pramoninius duomenis, sukurti pramoninių žinių žemėlapius ir optimizuoti užklausas su RAG. Šie veiksmai užtikrina, kad laboratorijos vadovai turėtų prieigą prie ieškomos ir semantiškai prasmingo įvesties šaltinio, kad būtų galima efektyviau naudoti didžiulį pramoninių duomenų kiekį.

Apibendrinant galima pasakyti, kad nors dideli kalbų modeliai suteikia didelį potencialą įvairioms pramonės šakoms, taip pat labai svarbu spręsti tokius iššūkius kaip netikslumai, saugumo pažeidžiamumas ir privatumo rizika. Suderinant ir kontekstualizuodami duomenis, kūrimo pramonės žinių žemėlapius ir panaudojant pažangiausias technologijas, tokias kaip „Rag“, didelių kalbų modeliai, gali būti vertingas turtas racionalizuojant operacijas, automatizuodamas užduotis ir pateikiant įvairių pramonės šakų verslą.

 

Tau taip pat gali patikti

Siųsti užklausą