Semantische Suche + ChatGPT

ChatGPT schreibt. Hebbia liest. Warum sie ein tolles Paar sind.

Generative KI-Modelle scheinen bereit zu sein, Billionen von Dollar an wirtschaftlichem Wert zu schaffen.

GPT-3, Stable Diffusion, DALL-E und zuletzt Chat-GPT haben die Fähigkeit der KI zur Schaffung in den Mainstream gebracht.

Aber Kreationen allein sind oft weit davon entfernt, hilfreich zu sein – die falschen Antworten von Chat-GPT und die sofortige Deaktivierung von Metas Galactica haben einen eklatanten Fehler gemeinsam:

Generative Modelle können Antworten schreiben , aber sie lesen niemals Quellen oder „zitieren“ ihre Arbeit.

Von OpenAI , während „ ChatGPT manchmal plausibel klingende, aber falsche oder unsinnige Antworten schreibt … es gibt derzeit keine Quelle der Wahrheit.“ Meta erwähnt „es gibt keine Garantien für eine wahrheitsgemäße oder zuverlässige Ausgabe von Sprachmodellen, selbst große, die auf hochwertigen Daten wie Galactica trainiert wurden “ und dass man „niemals den Ratschlägen eines großen Sprachmodells ohne Überprüfung folgen sollte“.

Zum Beispiel macht die erste Abfrage von @AndrewYNg ChatGPT sachlich falsch:

Die „Suchfunktion“ von ChatGPT sucht nicht wirklich – Antworten basieren auf kurzfristigem Musterabgleich und sind oft falsch.

Um das volle Versprechen der generativen KI für die Anwendbarkeit in der Belegschaft zu verwirklichen, sind mehr transparente, vertrauenswürdige und zuverlässig genaue Systeme erforderlich. Technologie, die diese Modelle mit relevanten Fakten korrekt füttern kann, ist von größter Bedeutung.

Semantische Suche – die Fähigkeit für LLMs, Quellen zu lesen und abzurufen , ist der Schlüssel.

Zusätzlich zu ihrer generativen Fähigkeit haben LLMs die einzigartige Fähigkeit, Inhalte auch nach ihrer Bedeutung zu kodieren und zu indizieren.

Semantische oder „neuronale“ Suchmaschinen nutzen KI, um Antworten basierend auf der Bedeutung und nicht nur auf Schlüsselwörtern abzurufen (z. B. Google, ElasticSearch). Ein Analyst, der nach „unternehmenskulturellen Werten“ sucht, würde erwarten, in einem 10-K auf die Mission und Vision des Unternehmens zu stoßen. Nur eine semantische Suchmaschine wie Hebbia könnte dieses Verhalten unterstützen. Die Stichwortsuche kann Ergebnisse zu Unternehmensbewertungen liefern.

Diese diskriminativen KI-Systeme finden im Gegensatz zur generativen KI das Signal im Rauschen.

Generative Modelle können und sollten ein semantisches Such-„Gedächtnis“ nutzen.

„ Leser “ der semantischen Suche können generative „ Schreiber “ füttern, um alle Mängel von generativen Modellen allein zu beheben:

1. Genauer : Priming-Modelle mit relevanten Primärquellen
2. Vertrauenswürdiger : Zitieren Sie Quellen hinter jeder Generation
3. Einfachere Aktualisierung : Die Aktualisierung eines Index kann fast augenblicklich erfolgen, ohne dass eine Milliarde (oder zwei Billionen!) Parametermodelle ad hoc neu trainiert werden müssen.

Wenn Sie daran interessiert sind, diese Technologie an Ihrem Arbeitsplatz einzusetzen, wenden Sie sich an Hebbia und erfahren Sie mehr darüber, was wir tun.