Newyddion

Seminar strategaeth ymateb i ddiwydiannau'r dyfodol - Cymdeithas Deallusrwydd Diwydiannol Corea

Ar 24 Hydref diwethaf, gwahoddwyd ni gan Gymdeithas Deallusrwydd Diwydiannol Corea (KOIIA) i gymryd rhan yn 'Academi Datblygu Talentau Craidd Mentrau Canolig 2025, Seminar Strategaeth Ymateb i Ddiwydiannau'r Dyfodol', lle traddododd Lee Hwan-ho, Prif Swyddog Gweithredol CLEVI, brif araith.

Delwedd y prif gorff

Ar 24 Hydref diwethaf, gwahoddwyd ni gan Gymdeithas Deallusrwydd Diwydiannol Corea (KOIIA) i gymryd rhan yn 'Academi Datblygu Talentau Craidd Mentrau Canolig 2025, Seminar Strategaeth Ymateb i Ddiwydiannau'r Dyfodol', lle traddododd Lee Hwan-ho, Prif Swyddog Gweithredol CLEVI, brif araith.

Cymerom ran yn y sesiwn 'Astudiaethau achos o fabwysiadu technoleg AI a strategaethau ymarferol DX' ar y pwnc 'Astudiaethau achos o ddefnyddio Physical AI a ffactorau methiant a strategaethau gwella wrth gyflwyno asiantau RAG'.

Delwedd y prif gorff

Wrth i ddiddordeb mewn asiantau AI gynyddu'n ddiweddar, mae tuedd gynyddol i fwy o gwmnïau ystyried cyflwyno AI. Deallwn fod llawer o sefydliadau a chwmnïau eisoes wedi treialu AI ac yn ei weithredu.

Fodd bynnag, yn anffodus, dangosodd yr ymchwil fod llawer iawn o gwmnïau a sefydliadau naill ai'n methu â chyflawni'r ROI disgwyliedig, neu fod nodweddion a weithiodd yn y PoC yn methu â darparu atebion priodol neu'n methu â gweithredu yn y prif brosiect neu ar y safle.

Oherwydd y wybodaeth hon, mae llawer o gwmnïau'n amharod i gyflwyno AI ar frys.

Delwedd y prif gorff

Yn y ddarlith hon, eglurodd Lee Hwan-ho, Prif Swyddog Gweithredol CLEVI, yn fanwl gyfyngiadau systemau RAG, un o brif achosion methiant cyflwyno AI ar frys, yn ogystal â modelau ffynhonnell agored a modelau Small LLM (SLM), gan egluro pam y methodd yr achosion cyflwyno blaenorol.

Yn y pen draw, y rheswm dros ddefnyddio AI yw disgwyl iddo wneud gwaith pobl yn eu lle neu ddangos perfformiad gwell na phobl.

Gan nad yw ymarferwyr mewn cwmnïau sydd wedi cyflwyno AI bellach yn ymddiried yn ansawdd atebion AI, mae cwynion yn cynyddu bod eu llwyth gwaith wedi cynyddu yn hytrach, gan fod yn rhaid iddynt wirio cynnwys atebion AI fesul un.

Delwedd y prif gorff

Y rheswm yw bod y rhan fwyaf o gwmnïau'n defnyddio modelau SLM ffynhonnell agored wedi'u mireinio fel atebion.

Yn reddfol, gallem feddwl y bydd AI yn dod yn ddoethach os bydd yn dysgu rhywbeth newydd, ond pan fydd AI yn dysgu gwybodaeth newydd, mae'n colli atgofion o'r gorffennol—hynny yw, bwysoliadau paramedrau mympwyol.

Problem fwy difrifol yw nad oes neb yn gwybod pa wybodaeth neu wybodaeth arbenigol a gollwyd.

Delwedd y prif gorff

Gan nad yw cyflwyno AI yn dasg sy’n gofyn am ychydig o adnoddau yn unig, mae’n debyg eich bod wedi cynnal llawer o ddilysiadau ers cam y PoC.

Pam na ddaeth problem o’r fath i’r amlwg bryd hynny? Y rheswm, wrth gwrs, yw iddo gael ei ailhyfforddi â gwybodaeth darged.

Fe wnaethoch ddysgu’r wyddor i AI a oedd ond yn gwybod am rifau, ac yna gofyn cwestiynau iddo am yr wyddor yn unig, felly mae’n naturiol iddo roi atebion da. Ond yn y maes, a oes angen modelau sy’n arbenigo mewn parthau penodol fel hyn yn unig?

Mae ein gweithle yn wynebu amgylcheddau a data newydd bob dydd. Fodd bynnag, ni all AI a ddysgwyd drwy ddinistrio gwybodaeth bresennol ar hap warantu cyffredinolrwydd na chywirdeb.

Delwedd y prif gorff

Felly, mae angen meddu ar fodel iaith mawr sylfaenol From-scratch Foundation, neu’r dechnoleg i greu model o’r fath.

Gan fod gan y modelau hyn bron holl wybodaeth y byd, mae ansawdd yr atebion yn ogystal â’u cywirdeb yn uchel.

Yn achos parthau arbenigol, gellir goresgyn anfanteision SLM a fireiniwyd drwy ddefnyddio technoleg o’r enw SFT(Supervised Fine-Tuning), neu, ar gyfer symiau bach o ddata, system RAG neu dechnoleg cronfa ddata semantig, sef system cronfa ddata gudd-wybodaeth a ddatblygwyd gan CLEVI ei hun.

Delwedd y prif gorff

Gan fod y llywodraeth hefyd yn gwybod pa mor bwysig yw modelau sylfaenol o’r fath, mae’n darparu cryn dipyn o gymorth.

Dyma brosiect AI cenedlaethol blaenllaw. Prif nod y prosiect hwn, mae’n debyg, yw sicrhau sofraniaeth ddigidol.

Roedd CLEVI hefyd yn ymwybodol o anfanteision difrifol defnyddio modelau ffynhonnell agored, felly fe wnaethom ddatblygu popeth yn annibynnol, o gasglu data i ddylunio’r bensaernïaeth, a hyfforddi modelau CLEVI.

Ar hyn o bryd, mae gan fodelau CLEVI berfformiad nad yw’n llusgo ar ôl o gwbl, hyd yn oed wrth gystadlu yn erbyn AI blaenllaw’r byd.

Yn benodol, gan fod gennym ein modelau ein hunain, nid yw CLEVI yn wynebu’r materion dibyniaeth a all godi wrth ddefnyddio modelau allanol.

Delwedd y prif gorff

Mae cyflwyno AI bellach yn dod yn anghenraid, nid yn ddewis. Fodd bynnag, mae’n anodd sicrhau’r canlyniadau dymunol drwy gyflwyno’r dechnoleg ddiweddaraf yn unig.

Dim ond pan fyddwn yn deall cyfyngiadau technoleg yn gywir ac yn llunio’r strategaeth orau sy’n cyd-fynd ag amgylchedd a nodau ein sefydliad y mae gwir arloesedd yn dechrau.

Mae CLEVI yn lleihau’r treialon a’r gwallau a’r risgiau y mae busnesau’n eu hwynebu yn ystod y broses o gyflwyno AI, drwy ei alluoedd technolegol gwahaniaethol, gan gynnwys ei fodel iaith mawr unigryw a’i gronfa ddata semantig.

Byddwn yn parhau i wrando ar leisiau’r rhai sydd ar y rheng flaen ac yn gwneud ein gorau i ddod yn bartner AI y gall mwy o gwmnïau ymddiried ynddo. Gobeithiwn y byddwch yn creu gwir lwyddiant wrth fabwysiadu AI, ynghyd â CLEVI.

Delwedd y prif destun
Yn ôl i'r ystafell newyddion
CLEVI

Iaith a rhanbarth

Mae ieithoedd a gyfieithwyd gan beiriant wedi’u marcio. Mae argaeledd yn dilyn y bwndel gwefan cyhoeddedig.

136 iaith

Argymhellir

1

Dwyrain Asia

7

De-Ddwyrain Asia

11

De Asia

18

Canol Asia

5

Y Dwyrain Canol a’r Cawcasws

10

Gorllewin Ewrop a(c) De Ewrop

16

Y Deyrnas Unedig a(c) Iwerddon

4

Gogledd Ewrop

10

Canolbarth Ewrop a’r Balcanau

14

Dwyrain Ewrop

5

Dwyrain Affrica

8

Gorllewin Affrica a(c) Canol Affrica

9

Deheudir Affrica

8

Yr Amerig

5

Oceania

5