გასული წლის 24 ოქტომბერს, კორეის სამრეწველო ინტელექტუალიზაციის ასოციაციის (KOIIA) მიწვევით, CLEVI-ის აღმასრულებელმა დირექტორმა ლი ჰვანჰომ მონაწილეობა მიიღო „2025 წლის საშუალო ზომის საწარმოების ძირითადი ტალანტების განვითარების აკადემიისა და მომავლის ინდუსტრიებისთვის მზადების სტრატეგიის სემინარში“ და მთავარი მოხსენება წაიკითხა.
ჩვენ მონაწილეობა მივიღეთ სესიაში „AI ტექნოლოგიების დანერგვის შემთხვევები და DX-ის პრაქტიკული სტრატეგიები“ თემით: „Physical AI-ის გამოყენების შემთხვევები, RAG აგენტების დანერგვის პროცესში წარუმატებლობის ფაქტორები და გაუმჯობესების სტრატეგიები“.
AI აგენტების მიმართ ბოლო დროს გაზრდილი ინტერესის ფონზე, სულ უფრო მეტი კომპანია განიხილავს AI-ის დანერგვას. როგორც ვიცით, ბევრმა დაწესებულებამ და კომპანიამ უკვე დაიწყო AI-ის საპილოტე დანერგვა და გამოყენება.
თუმცა, სამწუხაროდ, კვლევების თანახმად, ბევრ კომპანიასა და დაწესებულებაში სასურველი ROI ვერ მიიღეს, ან ფუნქციები, რომლებიც PoC-ის ეტაპზე მუშაობდა, ძირითად პროექტში ან რეალურ სამუშაო გარემოში სათანადო პასუხებს ვეღარ იძლევა ან საერთოდ აღარ მუშაობს.
ამგვარი ინფორმაციის გამო ბევრი კომპანია AI-ის ნაჩქარევად დანერგვას ერიდება.
ამ ლექციაზე CLEVI-ის აღმასრულებელმა დირექტორმა ლი ჰვანჰომ დეტალურად ახსნა RAG სისტემების შეზღუდვები, რომლებიც AI-ის ნაჩქარევი დანერგვის ერთ-ერთი მთავარი მიზეზია, ასევე ღია კოდის მოდელებისა და მცირე LLM-ების (SLM) საკითხები და განმარტა, რატომ წარუმატებელი აღმოჩნდა დანერგვის ადრინდელი შემთხვევები.
საბოლოოდ, AI-ის გამოყენების მიზეზი ის არის, რომ მისგან ველით ადამიანების სამუშაოს ჩანაცვლებას ან ადამიანებზე უკეთესი შედეგების ჩვენებას.
ამჟამად AI-ის დამნერგავი კომპანიების პრაქტიკული თანამშრომლები უკმაყოფილებას გამოხატავენ, რადგან AI-ის პასუხების ხარისხს ვერ ენდობიან და პასუხების სათითაოდ შემოწმება უწევთ, რის გამოც მათი სამუშაო, პირიქით, იზრდება.
ამის მიზეზი ის არის, რომ კომპანიების უმეტესობა ღია კოდის SLM მოდელებს ფაინ-თიუნინგს უტარებს და შემდეგ მათ სოლუციის სახით იყენებს.
ინტუიციურად შეიძლება ვიფიქროთ, რომ ახალი ცოდნის სწავლით AI უფრო ჭკვიანი გახდება, თუმცა, როდესაც AI-ს ახალ ცოდნას ვასწავლით, ის კარგავს წარსულ მოგონებებს, ანუ შემთხვევით პარამეტრულ წონებს.
კიდევ უფრო სერიოზული პრობლემა ის არის, რომ არავინ იცის, კონკრეტულად რომელი ინფორმაცია ან ცოდნა დაიკარგა.
ვინაიდან AI-ის დანერგვა მცირე რესურსებს არ მოითხოვს, სავარაუდოდ, PoC-ის ეტაპიდანვე მრავალი შემოწმება ჩაატარეთ.
რატომ არ გამოვლინდა მსგავსი პრობლემა ამ დროს? ეს, რა თქმა უნდა, იმიტომ მოხდა, რომ მოდელი სამიზნე ინფორმაციაზე ხელახლა გადამზადდა.
AI-ს, რომელმაც მხოლოდ რიცხვები იცოდა, ასოები ასწავლეს და შემდეგ მხოლოდ ასოებთან დაკავშირებული ამოცანები დაუსვეს, ამიტომ ბუნებრივია, რომ ის კარგად პასუხობდა. მაგრამ რეალურ სამუშაო გარემოში მხოლოდ კონკრეტულ დომენზე სპეციალიზებული ასეთი მოდელი გვჭირდება?
ჩვენი სამუშაო გარემო ყოველდღიურად ახალ გარემოებებსა და ახალ მონაცემებს აწყდება. თუმცა AI, რომელიც წინა ცოდნის შემთხვევითი განადგურების ფონზეა ნასწავლი, ვერ უზრუნველყოფს ვერც ზოგად გამოყენებადობას და ვერც სიზუსტეს.
ამიტომ საჭიროა From-scratch Foundation ზემსხვილი ენობრივი მოდელის ფლობა ან მისი შექმნის ტექნოლოგია.
რადგან ასეთ მოდელებს მსოფლიოში არსებული ცოდნის თითქმის სრული მოცულობა აქვთ, ისინი გამოირჩევიან არა მხოლოდ პასუხების მაღალი ხარისხით, არამედ მაღალი სიზუსტითაც.
სპეციალიზებული დომენებისთვის შესაძლებელია SFT(Supervised Fine-Tuning) ტექნოლოგიის გამოყენება, ხოლო მცირე მოცულობის მონაცემებისთვის — RAG სისტემის ან CLEVI-ის მიერ დამოუკიდებლად შემუშავებული ინტელექტუალური მონაცემთა ბაზის სისტემის, სემანტიკური მონაცემთა ბაზის ტექნოლოგიის გამოყენება, რაც საშუალებას გვაძლევს, გადავლახოთ fine-tuning-ით მიღებული SLM-ის ნაკლოვანებები.
რადგან მთავრობაც აცნობიერებს ასეთი ფუნდამენტური მოდელების მნიშვნელობას, ის მნიშვნელოვან მხარდაჭერას უწევს ამ მიმართულებას.
ეს არის ეროვნული AI პროექტი. ამ პროექტის უმთავრესი მიზანი, სავარაუდოდ, ციფრული სუვერენიტეტის უზრუნველყოფაა.
ჩვენ, CLEVI-შიც, ვიცოდით ღია კოდის მოდელების გამოყენებისას წარმოქმნილი კრიტიკული ნაკლოვანებების შესახებ, ამიტომ მონაცემთა შეგროვებიდან არქიტექტურის დიზაინამდე ყველაფერი დამოუკიდებლად შევიმუშავეთ და CLEVI-ის მოდელები თავად გავწვრთენით.
ამჟამად CLEVI-ის მოდელებს ისეთი წარმადობა აქვთ, რომ მსოფლიოს წამყვან AI სისტემებს კონკურენციას სრულიად წარმატებით უწევენ.
განსაკუთრებით იმის გამო, რომ საკუთარი მოდელები გვაქვს, CLEVI-ს არ ეხება დამოკიდებულების პრობლემა, რომელიც შესაძლოა გარე მოდელების გამოყენებისას წარმოიშვას.
AI-ის დანერგვა უკვე არჩევანი კი არა, აუცილებლობა ხდება. თუმცა მხოლოდ უახლესი ტექნოლოგიის დანერგვით სასურველი შედეგის მიღება რთულია.
ნამდვილი ინოვაცია მაშინ იწყება, როცა ზუსტად გვესმის ტექნოლოგიის შეზღუდვები და ჩვენი ორგანიზაციის გარემოსა და მიზნებზე მორგებულ ოპტიმალურ სტრატეგიას ვაყალიბებთ.
CLEVI დიფერენცირებული ტექნოლოგიური შესაძლებლობებით, მათ შორის საკუთარი ზემსხვილი ენობრივი მოდელითა და სემანტიკური მონაცემთა ბაზით, მინიმუმამდე ამცირებს იმ ცდებს, შეცდომებსა და რისკებს, რომლებსაც კომპანიები AI-ის დანერგვის პროცესში აწყდებიან.
ჩვენ კვლავაც მოვუსმენთ სამუშაო ადგილებზე მომუშავე ადამიანების ხმას და ყველაფერს გავაკეთებთ, რომ კიდევ უფრო მეტი კომპანიისთვის სანდო AI პარტნიორი გავხდეთ. გისურვებთ, AI-ის დანერგვის ნამდვილი წარმატება CLEVI-სთან ერთად შექმნათ.