به راحتی می توان LLM ها (مدل های زبان بزرگ) را فقط به عنوان “توهم کننده” یا تولید کننده متن در نظر گرفت. به اصطلاح یک LSTM تجلیل شده. در حالی که محدودیت‌هایی برای LLM وجود دارد (و در واقع آنها در حال تکامل هستند)، یک سوال بسیار جالب‌تر برای بررسی این است: چگونه می‌توان از LLM در برنامه‌های کاربردی سازمانی استفاده کرد؟
از بسیاری جهات، برنامه های کاربردی سازمانی LLM می تواند بر برخی از مشکلات غلبه کند. یکی از راه حل های ممکن ترکیبی از جستجوی شناختی Azure و سرویس OpenAI Azure است. با در نظر گرفتن دیدگاه B2B، راه حل شامل “چت با داده های خود” است.
چگونه با داده های خود چت کنیم؟
بیایید این فرآیند را تجزیه کنیم: چگونه می توانید با داده های خود چت کنید؟
جستجوی شناختی Azure از قابلیت‌های هوش مصنوعی داخلی استفاده می‌کند که اطلاعات را غنی می‌کند تا به شما در شناسایی و کاوش محتوای مرتبط در مقیاس کمک کند. جستجوی شناختی بینایی، زبان و گفتار یا مدل‌های یادگیری ماشینی سفارشی از جمله جستجوی معنایی را پوشش می‌دهد. این نتایج با قابلیت‌های GPT-3 برای پردازش زبان طبیعی برای پاسخ به سؤالات ترکیب شده‌اند. بنابراین می توانید قابلیت های استدلال و درک جدیدی را برای عوامل مکالمه خود ایجاد کنید.
بنابراین، Azure OpenAI Services به شما امکان دسترسی به ChatGPT را می دهد و به شما امکان می دهد برنامه های سازمانی خود را با استفاده از مدل های بزرگ هوش مصنوعی از پیش آموزش دیده توسعه دهید. علاوه بر این، Azure OpenAI عملکردهای حیاتی مانند هوش مصنوعی مسئول، امنیت و استقرار API REST را ارائه می دهد. همچنین می‌توانید محتوای درخواست‌ها و پاسخ‌های کاربران خود را فیلتر و تعدیل کنید تا مطمئن شوید که مدل‌های هوش مصنوعی کدنویسی و زبان به طور مسئولانه برای هدف مورد نظر خود استفاده می‌شوند.
اجرای “چت با داده های خود” همچنین شامل عناصر دیگری مانند مهندسی سریع است. استنادها و محتوای پشتیبانی برای پشتیبانی از نتایج؛ الگوهای تعامل در حال ظهور (مثلاً: شکستن یک پرس و جو و ارجاع به منابع خارجی در صورت لزوم). رتبه بندی معنایی، خلاصه پاسخ ها و غیره
من معتقدم که چنین برنامه هایی نشان دهنده آینده LLMها هستند، یعنی به جای برنامه های کاربردی برای مصرف کننده، احتمالاً شاهد گسترش خدمات کاربردی و مفیدتر خواهیم بود.
منبع تصویر: مایکروسافت
منابع: مایکروسافت
