Semantik Arama + ChatGPT

ChatGPT yazıyor. Hebbia okur. Neden harika bir çiftler.

Üretken AI modelleri, trilyonlarca dolarlık ekonomik değer yaratmaya hazır görünüyor.

GPT-3, Kararlı Difüzyon, DALL-E ve son zamanlarda Chat-GPT , yapay zekanın yaratma yeteneğini ana akım haline getirdi.

Ancak kreasyonlar tek başına genellikle yardımcı olmaktan çok uzaktır - Chat-GPT'nin yanlış yanıtları ve Meta'nın Galactica'sının anında yayından kaldırılması , bariz bir kusuru paylaşır:

Üretken modeller yanıtlar yazabilir , ancak asla kaynakları okumazlar veya çalışmalarından "alıntı yapmazlar".

OpenAI'den , " ChatGPT bazen kulağa makul gelen ancak yanlış veya anlamsız cevaplar yazarken... şu anda gerçeğin kaynağı yok." Meta, "Dil modellerinden, Galactica gibi yüksek kaliteli verilerle eğitilmiş büyük modellerden bile doğru veya güvenilir çıktı alma garantisi olmadığını " ve kişinin "Doğrulama olmadan büyük bir dil modelinden gelen tavsiyelere asla uymaması" gerektiğini belirtiyor.

Örneğin, @AndrewYNg'nin ilk sorgusu ChatGPT'yi gerçeklere dayalı olarak yanlış gösteriyor:

ChatGPT'nin "arama" işlevi aslında arama yapmaz — yanıtlar, kısa vadeli kalıp eşleştirmeye dayalıdır ve genellikle yanlıştır.

Üretken yapay zekanın iş gücüne uygulanabilirlik konusundaki tam vaadini gerçekleştirmek için daha fazla şeffaflık, güvenilir ve güvenilir bir şekilde doğru sistemlere ihtiyaç vardır. Bu modelleri doğru bir şekilde besleyebilen teknoloji, ilgili gerçekleri çok önemlidir.

Semantik Arama — LLM'lerin kaynakları okuma ve alma yeteneği çok önemlidir .

Üretken yeteneklerine ek olarak, LLM'ler içeriği anlamlarına göre kodlama ve indeksleme konusunda benzersiz bir yeteneğe sahiptir.

Semantik veya "nöral" arama motorları, yanıtları yalnızca anahtar kelimelere değil (örn. Google, ElasticSearch) anlama dayalı olarak almak için yapay zekadan yararlanır. "Şirketin kültürel değerlerini" arayan bir analist, şirketin misyon ve vizyonuna 10-K'da ulaşmayı bekler. Yalnızca Hebbia gibi bir semantik arama motoru bu davranışı destekleyebilir. Anahtar kelime araması, şirket değerlemeleriyle ilgili sonuçlar verebilir.

Bu ayrımcı yapay zeka sistemleri, üretken yapay zekadan farklı olarak, gürültüdeki sinyali bulur.

Üretken modeller anlamsal arama "belleğinden" yararlanabilir ve yararlanmalıdır.

Semantik arama " okuyucuları " , üretici modellerin tüm eksikliklerini tek başına gidermek için üretken " yazarları " besleyebilir :

1. Daha doğru : Modelleri ilgili birincil kaynaklarla hazırlama
2. Daha güvenilir : Her neslin arkasındaki kaynakları alıntılayın
3. Daha kolay güncellenir : Bir dizini güncellemek, bir milyar (veya iki trilyon!) parametre modelini geçici olarak yeniden eğitmeye gerek kalmadan neredeyse anında gerçekleştirilebilir.

Bu teknolojiyi iş yerinizde kullanmakla ilgileniyorsanız, Hebbia ile iletişime geçin ve yaptıklarımız hakkında daha fazla bilgi edinin.