Op 24 Oktober het die uitvoerende hoof van Clevi, Lee Hwan-ho, ’n keynote-toespraak gelewer nadat hy op uitnodiging van die Koreaanse Vereniging vir Nywerheidsintelligensie (KOIIA) aan die “2025 Akademie vir die Ontwikkeling van Kern人才 in Middelgrootte Ondernemings, Seminaar oor Strategieë vir die Toekomstige Nywerheid” deelgeneem het.
Ons het aan die sessie “Voorbeelde van AI-tegnologie-implementering en praktiese DX-strategieë” deelgeneem met die onderwerp “Voorbeelde van die gebruik van Physical AI, mislukkingsfaktore en verbeteringstrategieë tydens die bekendstelling van RAG-agente”.
Namate belangstelling in AI-agente onlangs toegeneem het, neem die aantal maatskappye wat die bekendstelling van baie AI-stelsels oorweeg ook toe. Daar word verstaan dat baie instellings en ondernemings reeds AI op ’n proefbasis bekendgestel en bedryf.
Ongelukkig het ondersoeke getoon dat baie ondernemings en instellings nie die verlangde ROI behaal nie, of dat funksies wat tydens die PoC gewerk het, in die werklike projek of op die terrein nie behoorlike antwoorde lewer nie of glad nie werk nie.
Weens hierdie inligting is baie ondernemings huiwerig om AI oorhaastig bekend te stel.
Tydens hierdie lesing het Clevi se uitvoerende hoof, Lee Hwan-ho, die beperkings van RAG-stelsels, wat een van die vernaamste oorsake van mislukking by oorhaastige AI-implementering is, asook oopbronmodelle en klein LLM’s (SLM’s) breedvoerig verduidelik en toegelig waarom vorige implementeringsgevalle misluk het.
Die rede waarom AI uiteindelik gebruik word, is dat daar verwag word dat dit mense se werk sal oorneem of beter prestasie as mense sal lewer.
Omdat praktisyns by ondernemings wat tans AI geïmplementeer het, nie die gehalte van AI-antwoorde vertrou nie, kla hulle dat hul werkslading eerder toeneem omdat hulle die inhoud van AI-antwoorde een vir een moet nagaan.
Die rede hiervoor is dat die meeste ondernemings oopbron-SLM-modelle verfyn en dit as oplossings gebruik.
Intuïtief dink ’n mens dat AI slimmer sal word wanneer dit nuwe kennis aanleer, maar wanneer nuwe kennis aan AI geleer word, verloor dit eerder herinneringe uit die verlede, oftewel arbitrêre parametergewigte.
Die ernstiger probleem is dat niemand weet watter inligting of kennis verlore gegaan het nie.
Aangesien die bekendstelling van KI nie iets is wat min hulpbronne vereis nie, het u waarskynlik reeds vanaf die PoC-fase baie validasies uitgevoer.
Waarom het so ’n probleem nie hierdie keer na vore gekom nie? Dit is natuurlik omdat dit met teikeninligting heropgelei is.
U het ’n KI wat net syfers geken het, die alfabet geleer en daarna slegs vrae oor die alfabet gevra, dus is dit vanselfsprekend dat dit goed sou antwoord. Maar het die praktyk werklik net modelle nodig wat in sulke spesifieke domeine gespesialiseer is?
Ons praktyk word elke dag met nuwe omgewings en nuwe data gekonfronteer. KI wat opgelei is deur bestaande kennis lukraak te vernietig, kan egter nie net algemeen toepaslikheid nie, maar ook akkuraatheid waarborg.
Daarom is dit nodig om ’n From-scratch Foundation-groottaalmodel te besit of oor die tegnologie te beskik om so ’n model te skep.
Omdat hierdie modelle byna al die kennis in die wêreld bevat, is nie net die gehalte van hul antwoorde hoog nie, maar ook hul akkuraatheid.
In die geval van gespesialiseerde domeine kan die nadele van ’n fynverstelde SLM oorkom word deur ’n tegnologie genaamd SFT(Supervised Fine-Tuning) te gebruik, of, vir klein hoeveelhede data, ’n RAG-stelsel of Clevi se eie ontwikkelde intelligensie-databasestelsel, naamlik semantiese databasistegnologie.
Die regering besef ook die belangrikheid van hierdie Foundation-modelle en spaar daarom geen ondersteuning nie.
Dit is juis die Nasionale KI-projek. Die grootste doel van hierdie projek sal waarskynlik wees om digitale soewereiniteit te verseker.
Omdat ons by Clevi ook bewus was van die kritieke nadele van die gebruik van oopbronmodelle, het ons Clevi se modelle opgelei deur alles onafhanklik te ontwikkel, van data-insameling tot argitektuurontwerp.
Clevi-modelle beskik tans oor prestasie wat geensins agterbly wanneer dit met die wêreld se voorste KI-stelsels meeding nie.
Omdat ons veral ons eie modelle besit, het Clevi ook niks te doen met die afhanklikheidsprobleme wat kan ontstaan wanneer eksterne modelle gebruik word nie.
Die bekendstelling van KI word nou ’n noodsaaklikheid eerder as ’n keuse. Dit is egter moeilik om die gewenste resultate te behaal bloot deur die nuutste tegnologie in te stel.
Ware innovasie begin eers wanneer ons die beperkings van tegnologie presies verstaan en die optimale strategie volgens ons organisasie se omgewing en doelwitte opstel.
Met gedifferensieerde tegnologiese vermoëns, soos Clevi se eie groottaalmodel en semantiese databasis, verminder Clevi die proefneming, foute en risiko’s wat ondernemings tydens die bekendstelling van KI ervaar.
Ons sal voortgaan om na die stemme uit die praktyk te luister en ons bes te doen om ’n betroubare KI-vennoot vir nog meer ondernemings te wees. Mag u saam met Clevi die ware sukses van KI-implementering skep.