+86-315-6196865

Kako se suočiti s izazovima generativnog AI u industrijskim primjenama

Aug 19, 2023

Veliki jezični modeli (LLMS) sposobni su razumjeti, tumačiti i generirati ljudski jezik, revolucionirajući sve slojeve života. Međutim, oni se također suočavaju s vlastitim izazovima, uključujući stvaranje netočnih ili pogrešnih informacija (halucinacije), brige o privatnosti i sigurnosnih ranjivosti.

 

Veliki jezični modeli imaju pristup velikim količinama tekstualnih podataka, ali njihovi podaci o treningu mogu biti zastarjeli i potječu samo iz javne domene. Veliki jezični modeli trebaju pristup industrijskim podacima poduzeća kako bi se generativna umjetna inteligencija (AI) radila u industriji. "Obukom" velikih jezičnih modela o uspoređenim, relevantnim podacima možemo poboljšati pouzdanost i točnost njihovih odgovora u industrijskim primjenama.

 

Da bi uključili generativni AI u digitalnu strategiju, proizvodne tvrtke mogu započeti s tri osnovne arhitekture:

Kontekstualizacija podataka

Kontekstualizacija podataka presudno je za osiguravanje da veliki jezični modeli daju relevantne i smislene odgovore. Na primjer, kada tražite informacije o operativnoj industrijskoj imovini, postaje presudno pružiti podatke i dokumentaciju u vezi s tim imovinom i njihovim eksplicitnim i implicitnim semantičkim odnosima. Ova kontekstualizacija omogućuje velikim jezičnim modelima da razumiju zadatke i generiraju kontekstualno odgovarajuće odgovore.

Karta industrijskog znanja

Stvaranje karata industrijskih znanja potrebno je za poboljšanje kvalitete podataka velikih jezičnih modela. Ovaj grafikon obrađuje podatke normalizacijom, skaliranjem i poboljšanjem kako bi se osiguralo točne i pouzdane odgovore. Stara izreka "smeće u → smeće" također se odnosi na generiranje AI, naglašavajući važnost obogaćivanja podataka za poboljšanje performansi velikih jezičnih modela.

Generacija poboljšanja pretraživanja

Potraživanje povećane generacije (RAG) napredni je uzorak dizajna koji omogućava velikim jezičnim modelima da iskoriste određene podatke u industriji u izravnom odgovoru na upute. Uključivanjem kontekstualnog učenja, RAG omogućava velikim jezičnim modelima na temelju podataka iz privatnih konteksta, pružajući determinirane odgovore, a ne vjerojatne odgovore na temelju postojećih javnih podataka.

Osim toga, RAG nam omogućuje održavanje ekskluzivnosti i sigurnosti industrijskih podataka u poduzeću. Kao i svaka napredna tehnologija, veliki jezični modeli mogu biti osjetljivi na protivničke napade i curenje podataka. U industrijskom okruženju, ova pitanja zahtijevaju još veću pažnju zbog osjetljivih podataka poput vlasničkih dizajna i informacija o kupcima.

Osiguravanje pravilne anonimizacije, zaštita infrastrukture velikog jezika, osiguravanje sigurnosti prijenosa podataka i provođenja snažnih mehanizama provjere autentičnosti su važni koraci za smanjenje rizika od kibernetičke sigurnosti i zaštitu osjetljivih informacija. RAG omogućuje održavanje kontrole pristupa, izgradnju povjerenja s velikim poduzećima i ispunjavanje strogih sigurnosnih i revizijskih zahtjeva.

Korištenjem kontekstualizacije podataka, grafikonom industrijskog znanja i RAG tehnologijama u generativnim AI rješenjima, ne možemo se baviti samo izazovima kao što su curenje podataka, kontrola povjerenja i pristupa i iluzije, već također utječe na ukupnu učinkovitost i troškove rješenja.

Veliki jezični modeli imaju ograničenja konteksta prozora koja ograničavaju raspon tokena koje mogu uzeti u obzir prilikom reagiranja na prompt. Osim toga, svaki token povećava ukupne troškove svakog upita. Ako ove upite smatrate Google pretraživanjem, možete vidjeti kako je lako dodati troškove.

Za rješavanje ovog problema, kontekstualiziranje vlasničkih industrijskih podataka, stvaranje karata industrijskih znanja i optimizaciju upita s RAG -om postali su kritični. Ovi koraci osiguravaju da menadžeri laboratorija imaju pristup pretraživanju i semantički smislenom ulaznom izvoru kako bi učinkovitije koristili ogromne količine industrijskih podataka.

Zaključno, iako veliki jezični modeli nude veliki potencijal za razne industrije, također je presudno za rješavanje izazova poput netočnosti, sigurnosnih ranjivosti i rizika od privatnosti. Kockacijom i kontekstualizacijom podataka, mapama znanja u građevinskoj industriji i korištenjem vrhunskih tehnologija poput RAG-a, modela velikog jezika može biti dragocjena imovina u pojednostavljivanju operacija, automatizaciji zadataka i pružanju djelotvornih uvida za tvrtke u različitim industrijama.

 

Mogli biste i voljeti

Pošaljite upit