企業はLLMにより多くのことを求めている：一貫性と知識の違い

AIチャットボットと質問応答システムは何十年も前から存在していますが、このような嵐によって世界の注目を集めたことはかつてありませんでした。このブームの主犯であるChatGPTは、 百万人のユーザー 利用可能になってから最初の 1 週間以内にやり取りしてください。マイクロソフト、今は 100億ドル チャットボットの投資家は、消費者検索業界をひっくり返すために、GPTを活用した機能を搭載した新しいBingおよびEdgeブラウザを発表しました。Googleはその後まもなく、検索用の独自のAIコンパニオン「Bard」を発表しました。ただし、Bardが搭載されているため、評価はまちまちです 事実上の誤り そのグランド公開中。

では、最近の騒動の原因は何でしょうか？

ついに首尾一貫した

最近のジェネレーティブAIにおける最も重要なブレークスルーの1つは、モデル出力の一貫性です。以前のChatGPT（GPT-2など）や古い生成モデルでは、理解しやすくわかりやすいテキストを流暢に生成するのに苦労することが多く、その出力を実際のアプリケーションで使用するのが困難でした。

ここ数ヶ月で、状況は変わりました。ChatGPT/GPT-3+の現在のイテレーションでは、ほぼ首尾一貫した流暢な応答を生成し、その回答に信憑性を持たせることができることが実証されています。また、合成能力、つまり複雑な情報や会話を解析して要約する能力もはるかに向上しました。

このような応答コヒーレンスと合成の組み合わせにより、これらのモデル内に保存されている膨大な量の暗黙の世界知識へのインターフェースが公開されます。過去数週間にわたってChatGPTを一般的に使用してきたことで、私たちの発見、学習、仕事の方法に革命を起こす可能性を一般の人々に完全に納得させることができました。

{{リッチテキストバナーコンポーネント}}

知識への自信

モデルが特定のデータでトレーニングされていない、またはデータにさらされていないとき ドメインただし、モデルに含まれる暗黙の世界知識は逆効果になる可能性があります。ドメインの例としては、医療、法律、職場で使う社内用語などがあります。現代のLLMで使用されている膨大なトレーニングデータでカバーされている分野もいくつかありますが（ChatGPTに法的アドバイスを求めてみてください！）、ほとんどの企業データはウォールドガーデンにあります。つまり、企業環境では、一貫性と知識の混同のデメリットがはっきりとわかるということです。

たとえば、「スコラスティック」の一般的な定義は、教育と学校教育（および/または教育会社）に関するものを指します。Glean の従業員にとって、「Scholastic」（人気の検索エンジンスタック「Elastic」を駆使したもの）とは、学習済みのベクターベースの検索および採点システムを指します。

最良のモデルは、ドメイン適応の問題を解くモデルです。ドメイン適応とは、ドメイン固有の情報から学習し、その基礎知識を補強して、曖昧性解消による言語の混乱を克服できるように設定されているシステムです。

これらのタイプのLLMは、企業環境に合わせて十分に洗練された、より優れた検索および知識発見システムを提供するために不可欠です。このような質の高い検索エクスペリエンスは、新しい知識があっても一貫性を維持できるため、ジェネレーティブAIの可能性を解き放ち、複雑なデジタル環境で共同作業を行うナレッジワーカーにその価値を最大限に引き出すための鍵となります。

企業固有のジェネレーティブモデルの未来

ジェネレーティブ・モデルを企業の質問回答に活用することは、氷山の一角に過ぎません。将来的には、貴社の知識を組み込んだジェネレーティブ・モデルが、はるかに多くのことを可能にするようになるでしょう。これらのモデルをドメイン内でトレーニングすることで、微調整してワークフローを強化し、働き方を完全に変えることができます。これらのシステムが技術設計文書を作成したり、RFP に自動的に記入したり、毎週の受信トレイをレビュー用に要約したりしている世界を想像してみてください。

私たちは、情報へのアクセスと発見を容易にするためにジェネレーティブAI体験を拡大することが、企業環境におけるその可能性を最大限に引き出すための第一歩であると考えています。Glean は、その進歩を促進するために、ドメイン内でのモデルのトレーニングとLLMの微調整の最前線に立っています。ナレッジディスカバリーとエンタープライズサーチの変革をどのように支援しているかについて詳しく知りたい場合は、ぜひご登録ください。 デモ 今日。