+86-315-6196865

Cum să faci față provocărilor AI generative în aplicațiile industriale

Aug 19, 2023

Modelele de limbaj mare (LLM) sunt capabile să înțeleagă, să interpreteze și să genereze limbaj uman, revoluționând toate punctele de viață. Cu toate acestea, se confruntă și cu propriile provocări, inclusiv generarea de informații inexacte sau înșelătoare (halucinații), probleme de confidențialitate și vulnerabilități de securitate.

 

Modelele de limbi mari au acces la cantități mari de date text, dar datele lor de instruire pot fi depășite și provin doar din domeniul public. Modelele de limbaj mare au nevoie de acces la datele industriale ale unei întreprinderi pentru ca inteligența artificială generativă (AI) să lucreze pentru industrie. Prin „formarea” modele de limbaj mare pe datele colectate, relevante, putem îmbunătăți fiabilitatea și exactitatea răspunsurilor lor în aplicațiile industriale.

 

Pentru a încorpora AI generativ într -o strategie digitală, companiile producătoare pot începe cu trei arhitecturi de bază:

Contextualizarea datelor

Contextualizarea datelor este esențială pentru a se asigura că modelele mari de limbaj oferă răspunsuri relevante și semnificative. De exemplu, atunci când căutați informații despre operarea activelor industriale, devine esențial să furnizați date și documentații legate de aceste active și relațiile lor semantice explicite și implicite. Această contextualizare permite modelelor mari de limbaj să înțeleagă sarcinile și să genereze răspunsuri adecvate contextual.

Harta cunoștințelor industriale

Crearea hărților de cunoștințe industriale este necesară pentru a îmbunătăți calitatea datelor modelelor de limbaj mare. Acest grafic procesează datele prin normalizare, scalare și îmbunătățire pentru a asigura răspunsuri precise și de încredere. Vechiul „gunoi de gunoi în → gunoi” se aplică, de asemenea, generarii AI, subliniind importanța îmbogățirii datelor pentru îmbunătățirea performanței modelelor de limbaj mare.

Generarea de îmbunătățire a căutării

Recuperarea generației augmentate (RAG) este un model avansat de proiectare care permite modelelor de limbaj mari să utilizeze datele specifice ale industriei în răspuns direct la solicitări. Prin încorporarea învățării contextuale, RAG permite modelelor de limbă mari să fie rațiune pe baza datelor din contexte private, oferind răspunsuri deterministe, mai degrabă decât răspunsuri probabilistice bazate pe informațiile publice existente.

În plus, RAG ne permite să menținem exclusivitatea și securitatea datelor industriale din întreprindere. Ca orice tehnologie avansată, modelele de limbaj mare pot fi vulnerabile la atacurile adverse și la scurgerile de date. Într -un mediu industrial, aceste probleme necesită și mai multă atenție datorită datelor sensibile, cum ar fi proiectele proprii și informațiile despre clienți.

Asigurarea anonimizării adecvate, protejarea infrastructurii de modele de limbaj mare, asigurarea securității transferului de date și implementarea unor mecanisme puternice de autentificare sunt pași importanți pentru a reduce riscurile de securitate cibernetică și pentru a proteja informațiile sensibile. RAG permite menținerea controlului accesului, crearea încrederii cu întreprinderi mari și îndepliniți cerințele stricte de securitate și audit.

Utilizând contextualizarea datelor, graficul de cunoștințe industriale și tehnologiile RAG în soluții AI generative, nu numai că putem aborda provocări precum scurgerea de date, controlul de încredere și acces și iluzie, ci și impact asupra eficienței generale și a costului soluției.

Modelele de limbaj mare au restricții de ferestre de context care limitează gama de jetoane pe care le pot lua în considerare atunci când răspund la un prompt. În plus, fiecare simbol crește costul total al fiecărei interogări. Dacă vă gândiți la aceste întrebări ca la căutări Google, puteți vedea cât de ușor este să adăugați costuri.

Pentru a rezolva această problemă, contextualizarea datelor industriale proprii, crearea de hărți de cunoștințe industriale și optimizarea întrebărilor cu RAG a devenit critică. Acești pași asigură că managerii de laborator au acces la o sursă de intrare căutabilă și semantic semnificativă pentru a folosi mai eficient cantități vaste de date industriale.

În concluzie, în timp ce modelele mari de limbaj oferă un potențial mare pentru diverse industrii, este esențial, de asemenea, să abordăm provocări precum inexactități, vulnerabilități de securitate și riscuri de confidențialitate. Prin colectarea și contextualizarea datelor, hărțile de cunoștințe ale industriei de construcții și utilizarea tehnologiilor de ultimă oră, cum ar fi Rag, modelele de limbaj mare pot fi un atu valoros în eficientizarea operațiunilor, automatizarea sarcinilor și furnizarea de informații acționabile pentru întreprinderile din diferite industrii.

 

S-ar putea sa-ti placa si

Trimite anchetă