Bảng tỷ giá 
Bạn đang ở:
74 
Câu trả lời theo ngữ cảnh được thiết kế cho doanh nghiệp nhưng có thể có ý nghĩa sâu rộng đối với lĩnh vực AI sáng tạo.
AI21 Labs gần đây đã ra mắt Câu trả lời theo ngữ cảnh, một công cụ trả lời câu hỏi dành cho các mô hình ngôn ngữ lớn (LLM).
Khi được kết nối với LLM, công cụ mới cho phép người dùng tải lên thư viện dữ liệu của riêng họ để hạn chế kết quả đầu ra của mô hình đối với thông tin cụ thể.
Việc ra mắt ChatGPT và các sản phẩm trí tuệ nhân tạo (AI) tương tự đã và đang thay đổi mô hình cho ngành công nghiệp AI, nhưng việc thiếu độ tin cậy khiến việc áp dụng trở thành một triển vọng khó khăn đối với nhiều doanh nghiệp.
Theo nghiên cứu, nhân viên dành gần một nửa thời gian trong ngày làm việc để tìm kiếm thông tin. Điều này mang đến cơ hội lớn cho các chatbot có khả năng thực hiện các chức năng tìm kiếm; tuy nhiên, hầu hết các chatbot không hướng đến doanh nghiệp.
AI21 đã phát triển Câu trả lời theo ngữ cảnh để giải quyết khoảng cách giữa các chatbot được thiết kế cho mục đích sử dụng chung và các dịch vụ trả lời câu hỏi cấp doanh nghiệp bằng cách cung cấp cho người dùng khả năng sắp xếp thư viện tài liệu và dữ liệu của riêng họ.
Theo một bài đăng trên blog từ AI21, Câu trả lời theo ngữ cảnh cho phép người dùng điều khiển các câu trả lời của AI mà không cần đào tạo lại các mô hình, do đó giảm thiểu một số trở ngại lớn nhất đối với việc áp dụng:
Hầu hết các doanh nghiệp gặp khó khăn trong việc áp dụng [AI], với lý do chi phí, độ phức tạp và sự thiếu chuyên môn hóa của các mô hình trong dữ liệu tổ chức của họ, dẫn đến phản hồi không chính xác, 'ảo giác' hoặc không phù hợp với bối cảnh.
Một trong những thách thức nổi bật liên quan đến việc phát triển các LLM hữu ích, chẳng hạn như OpenAI ChatGPT hoặc Google Bard, là dạy họ thể hiện sự thiếu tự tin.
Thông thường, khi người dùng truy vấn chatbot, nó sẽ đưa ra phản hồi ngay cả khi không có đủ thông tin trong bộ dữ liệu của nó để cung cấp thông tin thực tế. Trong những tình huống này, thay vì đưa ra câu trả lời có độ tin cậy thấp chẳng hạn như tôi không biết, LLM thường sẽ bịa đặt thông tin mà không có bất kỳ cơ sở thực tế nào.
Các nhà nghiên cứu gọi những kết quả này là ảo giác vì máy móc tạo ra thông tin dường như không tồn tại trong bộ dữ liệu của chúng, giống như con người nhìn thấy những thứ không thực sự tồn tại.
We're excited to introduce Contextual Answers, an API solution where answers are based on organizational knowledge, leaving no room for AI hallucinations.
— AI21 Labs (@AI21Labs) July 19, 2023
➡️ https://t.co/LqlyBz6TYZ pic.twitter.com/uBrXrngXhW
Theo A121, Câu trả lời theo ngữ cảnh sẽ giảm thiểu hoàn toàn vấn đề ảo giác bằng cách chỉ xuất thông tin khi nó liên quan đến tài liệu do người dùng cung cấp hoặc không xuất ra gì cả.
Trong các lĩnh vực mà độ chính xác quan trọng hơn tự động hóa, chẳng hạn như tài chính và luật, sự ra đời của các hệ thống biến áp được huấn luyện trước tổng quát (GPT) đã mang lại nhiều kết quả khác nhau.
Các chuyên gia tiếp tục khuyến nghị thận trọng về tài chính khi sử dụng hệ thống GPT do chúng có xu hướng ảo giác hoặc bóp méo thông tin, ngay cả khi được kết nối với internet và có khả năng liên kết với các nguồn. Và trong lĩnh vực pháp lý, một luật sư hiện phải đối mặt với các khoản phạt và xử phạt sau khi dựa vào kết quả do ChatGPT tạo ra trong một tình huống.
Bằng cách tải trước các hệ thống AI với dữ liệu liên quan và can thiệp trước khi hệ thống có thể tạo ảo giác về thông tin không thực tế, AI21 dường như đã chứng minh được khả năng giảm thiểu vấn đề ảo giác.
Điều này có thể dẫn đến việc áp dụng hàng loạt, đặc biệt là trong lĩnh vực fintech, nơi các tổ chức tài chính truyền thống đã miễn cưỡng nắm lấy công nghệ GPT và cộng đồng tiền điện tử và blockchain đã đạt được thành công hỗn hợp khi sử dụng tốt nhất các chatbot.
Theo CoinTelegraph
|
|
Tags: Trí tuệ nhân tạo, Máy học, Trò chuyệnGPT,
