Pada 24 Oktober lalu, atas jemputan Persatuan Pendigitalan Industri Korea (KOIIA), kami menyertai 'Akademi Pembangunan Bakat Utama Perusahaan Sederhana 2025, Seminar Strategi Tindak Balas terhadap Industri Masa Depan', dan Ketua Pegawai Eksekutif Clevi, Lee Hwan-ho, telah menyampaikan ucapan dasar.
Kami mengambil bahagian dalam sesi 'Kes Penggunaan Teknologi AI dan Strategi Amali DX' dengan topik 'Kes Penggunaan Physical AI serta Faktor Kegagalan dan Strategi Penambahbaikan dalam Proses Pengenalan Ejen RAG'.
Seiring dengan peningkatan minat terhadap ejen AI baru-baru ini, semakin banyak syarikat sedang mempertimbangkan untuk memperkenalkan AI. Kami difahamkan bahawa banyak institusi dan syarikat telah menjalankan operasi selepas memperkenalkan AI secara percubaan.
Namun begitu, malangnya, hasil kajian mendapati bahawa dalam banyak syarikat dan institusi, ROI yang diharapkan tidak tercapai, atau fungsi yang beroperasi dalam PoC tidak memberikan jawapan yang sewajarnya atau tidak berfungsi dengan baik dalam projek sebenar dan di lapangan.
Disebabkan maklumat sebegini, banyak syarikat berasa keberatan untuk memperkenalkan AI secara tergesa-gesa.
Dalam syarahan ini, Ketua Pegawai Eksekutif Clevi, Lee Hwan-ho, menerangkan secara terperinci tentang batasan sistem RAG serta model sumber terbuka atau Small LLM (SLM), yang merupakan antara punca utama kegagalan pengenalan AI secara tergesa-gesa, dan menjelaskan mengapa kes-kes pengenalan terdahulu gagal.
Pada akhirnya, sebab AI digunakan adalah kerana kita mengharapkan AI mengambil alih tugas manusia atau menunjukkan prestasi yang lebih baik daripada manusia.
Oleh sebab kakitangan operasi di syarikat yang telah memperkenalkan AI pada masa kini tidak mempercayai kualiti jawapan AI, terdapat banyak rungutan bahawa beban kerja mereka bertambah kerana perlu menyemak kandungan jawapan AI satu per satu.
Puncanya ialah kebanyakan syarikat menggunakan model SLM sumber terbuka yang telah ditala halus sebagai penyelesaian.
Secara intuitif, kita mungkin menganggap bahawa AI akan menjadi lebih pintar jika mempelajari perkara baharu, tetapi apabila AI mempelajari pengetahuan baharu, ia sebenarnya kehilangan ingatan masa lalu, iaitu pemberat parameter yang terbentuk secara sewenang-wenangnya.
Masalah yang lebih serius ialah tiada siapa yang mengetahui maklumat atau pengetahuan yang telah hilang.
Pengenalan AI bukanlah sesuatu yang memerlukan sumber yang kecil, jadi anda mungkin telah menjalankan banyak pengesahan sejak peringkat PoC.
Mengapakah masalah sedemikian tidak muncul pada masa itu? Sudah tentu, ini kerana model tersebut telah dilatih semula menggunakan maklumat sasaran.
AI yang hanya mengetahui angka telah diajar abjad, kemudian hanya diberikan soalan berkaitan abjad, jadi sudah tentu ia dapat memberikan jawapan yang baik. Namun, adakah di lapangan kita hanya memerlukan model yang dikhususkan untuk domain tertentu seperti ini?
Lapangan kita berdepan dengan persekitaran baharu dan data baharu setiap hari. Namun, AI yang dilatih sambil memusnahkan pengetahuan sedia ada secara rawak tidak dapat menjamin bukan sahaja kebolehgunaan umum, malah ketepatan juga.
Oleh itu, kita memerlukan teknologi untuk memiliki atau membina From-scratch Foundation model bahasa berskala ultra besar.
Hal ini kerana model-model tersebut memiliki hampir semua pengetahuan di dunia, justeru bukan sahaja kualiti jawapannya tinggi, malah ketepatannya juga tinggi.
Bagi domain khusus, kita boleh mengatasi kelemahan SLM yang ditala halus dengan menggunakan teknologi yang dipanggil SFT(Supervised Fine-Tuning), atau bagi jumlah data yang kecil, menggunakan sistem RAG ataupun teknologi pangkalan data semantik, iaitu sistem pangkalan data kecerdasan yang dibangunkan sendiri oleh Clevi.
Kerajaan juga menyedari kepentingan model asas sedemikian, maka banyak sokongan sedang diberikan tanpa berkira.
Itulah projek AI kebangsaan. Matlamat terbesar projek ini pastinya adalah untuk mendapatkan kedaulatan digital.
Clevi juga menyedari kelemahan kritikal yang boleh berlaku apabila menggunakan model sumber terbuka. Oleh itu, kami melatih model-model Clevi yang dibangunkan secara bebas, daripada pengumpulan data hingga reka bentuk seni bina.
Pada masa ini, model-model Clevi mempunyai prestasi yang sama sekali tidak ketinggalan walaupun bersaing dengan AI terkemuka dunia.
Khususnya, kerana kami memiliki model sendiri, Clevi tidak terjejas oleh isu kebergantungan yang boleh timbul apabila menggunakan model luaran.
Kini, penerimagunaan AI semakin menjadi satu keperluan, bukan lagi pilihan. Namun, sukar untuk memperoleh hasil yang diingini hanya dengan memperkenalkan teknologi terkini.
Inovasi sebenar hanya bermula apabila kita memahami batasan teknologi dengan tepat dan merangka strategi optimum yang selaras dengan persekitaran serta matlamat organisasi kita.
Dengan keupayaan teknologi yang berbeza seperti model bahasa berskala ultra besar milik sendiri dan pangkalan data semantik, Clevi meminimumkan percubaan, kesilapan serta risiko yang dihadapi oleh syarikat dalam proses penerimagunaan AI.
Kami akan terus mendengar suara di lapangan dan berusaha sedaya upaya untuk menjadi rakan kongsi AI yang boleh dipercayai oleh lebih banyak syarikat. Semoga kejayaan sebenar dalam penerapan AI dapat dibina bersama Clevi.