Périphériques technologiques
IA
Pourquoi la gestion des connaissances est-elle essentielle au succès de l'IA ?
Pourquoi la gestion des connaissances est-elle essentielle au succès de l'IA ?
Une façon d'améliorer la précision est de fournir à l'IA le bon contexte
et de réduire les hallucinations.
Avec toutes les discussions sur la façon dont l’IA va révolutionner le travail (en rendant les tâches quotidiennes plus efficaces, plus reproductibles et en augmentant l’effort personnel), il est facile de se laisser emporter : que ne peut pas faire l’IA ?
Bien que son nom soit intelligence artificielle générative, l'intelligence artificielle capable de créer des images, des codes, du texte, de la musique, etc. n'est pas créée de toutes pièces. Les modèles d'intelligence artificielle sont formés sur la base des informations fournies, en particulier pour les grands modèles de langage (LLM), qui nécessitent généralement une grande quantité de texte comme données de formation. Si l’IA est formée sur des informations précises, à jour et bien organisées, elle aura tendance à donner des réponses exactes, à jour et pertinentes. Des recherches du MIT montrent que l'intégration de bases de connaissances dans le LLM améliore souvent la qualité des résultats et réduit les erreurs. Cela signifie que les progrès de l'intelligence artificielle et de l'apprentissage automatique n'ont pas remplacé le besoin de gestion des connaissances, au contraire, ils ont rendu la gestion des connaissances encore plus importante. sujet aux « hallucinations », c’est-à-dire à des résultats incorrects, allant de légèrement hors de propos à complètement incohérents. Les hallucinations comprennent des réponses incorrectes aux questions et de fausses informations sur des personnes et des événements.
L'IA générative s'applique également à la règle informatique classique du « garbage in, garbage out ». Les données d’entraînement de votre modèle d’IA y sont essentielles. Si ces données sont obsolètes, mal structurées ou présentent des failles, l'IA commencera à produire des réponses qui induiront les utilisateurs en erreur, provoquant des problèmes, voire le chaos, pour votre organisation.Éviter les illusions nécessite un ensemble de connaissances qui sont : Qualité de l'information fiable et vérifiée par des utilisateurs avertis
Reste à jour et facile à actualiser à mesure que de nouvelles données/cas extrêmes émergent
Contextuel, ce qui signifie qu'il capture le contexte dans lequel les solutions sont recherchées et fourniesAmélioration continue et autonome
- Une approche de gestion des connaissances (KM) qui prend en charge la discussion et la collaboration peut améliorer la qualité de votre base de connaissances, car elle vous permet de collaborer avec des collègues pour examiner les réponses de l'IA et améliorer la structure des invites pour améliorer la qualité des réponses. Cette interaction est une forme d'apprentissage par renforcement dans l'IA : les humains appliquent leur jugement sur la qualité et la précision du résultat généré par l'IA, et aident l'IA (et les humains) à s'améliorer.
- Posez les bonnes questions
- Lors de l'utilisation de LLM, la structure de la requête affecte la qualité des résultats. C’est pourquoi l’ingénierie rapide (savoir comment structurer les requêtes pour obtenir les meilleurs résultats de l’IA) devient une compétence essentielle et un domaine dans lequel l’IA générative peut aider les deux côtés de la conversation : les invites et les réponses.
Selon le rapport Gartner de juin 2023 « Solution Pathways for Knowledge Management », l'ingénierie rapide, l'acte de formuler des instructions ou des problèmes pour l'intelligence artificielle, devient rapidement une compétence critique en soi. Interagir avec des assistants intelligents de manière itérative et conversationnelle améliorera la capacité des travailleurs du savoir à guider l'intelligence artificielle pour accomplir des tâches de gestion des connaissances et partager les connaissances acquises avec des collègues humains
Tirer parti de l'IA pour centraliser le partage des connaissances
Acquérir et partager les connaissances Essentiel pour que les pratiques de gestion des connaissances prospèrent. La capture des connaissances basée sur l'IA, l'enrichissement du contenu et les assistants IA peuvent vous aider à introduire des pratiques d'apprentissage et de partage des connaissances dans l'ensemble de votre organisation et à les intégrer dans les flux de travail quotidiens.
Selon le Knowledge Management Solution Path de Gartner, des produits tels que Stack Overflow for Teams peuvent être intégrés à Microsoft Teams ou Slack pour fournir aux forums de questions-réponses un stockage persistant des connaissances. Les utilisateurs peuvent poster des questions directement dans la communauté. Les réponses sont votées pour ou contre, et la meilleure réponse est épinglée comme première réponse. Toutes les questions auxquelles on a répondu sont consultables et peuvent être organisées comme n'importe quelle autre source de connaissances. Cette approche présente l'avantage supplémentaire de placer le partage des connaissances au cœur du flux de travail
Selon un autre rapport Gartner « Évaluer comment l'IA générative améliore l'expérience des développeurs » (juin 2023), il est recommandé aux organisations de collecter et de diffuser des pratiques matures pour l'utilisation des outils d'IA générative en établissant une communauté de pratique de développement amélioré de l'IA générative, telle que Quick conseils d'ingénierie et méthodes de vérification du code. Le rapport recommande en outre que les organisations veillent à acquérir les compétences et les connaissances nécessaires pour utiliser avec succès l'IA générative en apprenant et en appliquant des outils, des cas d'utilisation et des processus approuvés par l'organisation.
Soyez conscient de la falaise de complexité
Les outils d'IA générative sont idéaux pour du nouveau personnel de développement et des développeurs expérimentés cherchant à acquérir de nouvelles compétences ou à développer celles existantes. Mais il existe une falaise de complexité : après un certain point, la capacité de l'IA à gérer les nuances, les interdépendances et le contexte complet d'un problème et sa solution diminue
Dans un épisode récent du podcast Stack Overflow, Marcos Grappeggia, chef de produit pour Google Cloud Duet, a déclaré: "LLM est très efficace pour permettre aux développeurs de faire plus et d'avancer plus rapidement." Cela inclut le test et l'essai de langages et de technologies en dehors de leur zone de confort, a-t-il noté. Mais Grappeggia prévient également que le LLM n'est pas un bon remplacement pour les développeurs de tous les jours... si vous ne comprenez pas votre code, c'est toujours la recette de l'échec
Cette falaise de complexité est ce dont vous avez besoin Là où les êtres humains ont la capacité pour une pensée originale et la capacité d’exercer un jugement empirique. Votre objectif est de développer une stratégie de gestion des connaissances qui exploite l’immense puissance de l’intelligence artificielle en l’affinant et en la validant sur la base des connaissances créées par l’homme.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées
Jul 15, 2024 pm 12:21 PM
Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
