Pagājušā gada 24. oktobrī pēc Korejas Rūpniecības inteliģentās digitalizācijas asociācijas (KOIIA) uzaicinājuma CLEVI izpilddirektors Hvanho Ī piedalījās pasākumā “2025. gada galveno talantu attīstības akadēmija vidējiem uzņēmumiem, seminārs par stratēģijām nākotnes nozaru izaicinājumu risināšanai” un uzstājās ar galveno runu.
Mēs piedalījāmies sesijā “AI tehnoloģiju ieviešanas piemēri un praktiskās DX stratēģijas” ar tēmu “Physical AI izmantošanas piemēri, kā arī neveiksmju faktori un uzlabošanas stratēģijas RAG aģentu ieviešanas procesā”.
Pēdējā laikā, pieaugot interesei par AI aģentiem, arvien vairāk uzņēmumu apsver iespēju ieviest AI. Ir zināms, ka daudzas iestādes un uzņēmumi jau ir izmēģinājuma kārtā ieviesuši un ekspluatē AI.
Tomēr pētījumi liecina, ka diemžēl daudzos uzņēmumos un iestādēs netiek sasniegts vēlamais ROI vai arī funkcijas, kas darbojās PoC posmā, pamatprojektā vai faktiskajā darba vidē nesniedz atbilstošas atbildes vai nedarbojas.
Šādas informācijas dēļ daudzi uzņēmumi vilcinās ar pārsteidzīgu AI ieviešanu.
Šajā lekcijā CLEVI izpilddirektors Hvanho Ī detalizēti skaidroja RAG sistēmu ierobežojumus, kas ir viens no tipiskajiem pārsteidzīgas AI ieviešanas neveiksmes iemesliem, kā arī atvērtā pirmkoda modeļus un mazos LLM (SLM), izskaidrojot, kāpēc iepriekšējie ieviešanas piemēri cieta neveiksmi.
Galu galā AI izmantošanas iemesls ir cerība, ka tas paveiks cilvēku darbu viņu vietā vai demonstrēs labāku veiktspēju nekā cilvēki.
Uzņēmumos, kuros AI jau ir ieviests, praktiskā darba veicēji neuzticas AI atbilžu kvalitātei, tāpēc viņiem nākas pārbaudīt katru AI atbildi, un arvien biežāk izskan sūdzības, ka darba apjoms tādējādi faktiski palielinās.
Iemesls ir tas, ka lielākā daļa uzņēmumu izmanto risinājumus, kas balstīti uz precīzi pielāgotiem atvērtā pirmkoda SLM modeļiem.
Intuitīvi šķiet, ka AI kļūs gudrāks, ja apgūs jaunas zināšanas, taču, mācot AI jaunas zināšanas, tas drīzāk zaudē iepriekšējās atmiņas, proti, nejauši izvēlētus parametru svarus.
Vēl nopietnāka problēma ir tā, ka neviens nezina, kāda informācija vai zināšanas ir zaudētas.
Tā kā AI ieviešana nav process, kas prasa maz resursu, jūs, visticamāk, jau no PoC posma veicāt plašu validāciju.
Kāpēc šādas problēmas šoreiz neparādījās? Protams, tāpēc, ka modelis tika atkārtoti apmācīts, izmantojot mērķa informāciju.
AI, kas iepriekš zināja tikai ciparus, tika apmācīts ar alfabētu, un pēc tam tam tika uzdoti tikai jautājumi par alfabētu, tāpēc ir dabiski, ka tas atbildēja labi. Taču vai reālajā vidē mums ir nepieciešami tikai šādi konkrētai jomai specializēti modeļi?
Mūsu darba vide katru dienu saskaras ar jaunu vidi un jauniem datiem. Tomēr AI, kas apmācīts, nejauši iznīcinot iepriekšējās zināšanas, nespēj garantēt ne vispārīgumu, ne precizitāti.
Tāpēc ir nepieciešama tehnoloģija, kas ļauj izmantot vai izveidot From-scratch Foundation lielo valodu modeli.
Tas ir tāpēc, ka šiem modeļiem ir gandrīz visas pasaules zināšanas, tādēļ tie nodrošina ne tikai augstu atbilžu kvalitāti, bet arī augstu precizitāti.
Specializētās jomās var izmantot SFT(Supervised Fine-Tuning) tehnoloģiju, savukārt nelielam datu apjomam — RAG sistēmu vai CLEVI pašu izstrādāto intelektisko datubāzes sistēmu Semantic Database, tādējādi pārvarot precīzi pielāgota SLM trūkumus.
Arī valdība apzinās šo Foundation modeļu nozīmi, tāpēc tā sniedz plašu atbalstu.
Tas ir tieši National Representative AI projekts. Šī projekta lielākais mērķis, visticamāk, ir digitālās suverenitātes nodrošināšana.
Arī CLEVI apzinājās atvērtā pirmkoda modeļu izmantošanas kritiskos trūkumus, tāpēc mēs patstāvīgi izstrādājām visu — no datu vākšanas līdz arhitektūras izstrādei — un apmācījām CLEVI modeļus.
Pašlaik CLEVI modeļiem ir veiktspēja, kas, konkurējot ar pasaules vadošajiem AI, nekādā ziņā neatpaliek no tiem.
Īpaši svarīgi ir tas, ka mums ir pašu modeļi, tāpēc CLEVI neskar arī atkarības problēmas, kas var rasties, izmantojot ārējos modeļus.
AI ieviešana kļūst nevis par izvēli, bet par nepieciešamību. Tomēr vēlamo rezultātu ir grūti sasniegt, vienkārši ieviešot jaunākās tehnoloģijas.
Patiesa inovācija sākas tikai tad, kad precīzi izprotam tehnoloģiju ierobežojumus un izstrādājam optimālu stratēģiju, kas atbilst mūsu organizācijas videi un mērķiem.
Izmantojot tādas atšķirīgas tehnoloģijas kā pašu izstrādātais lielais valodas modelis un Semantic Database, CLEVI samazina izmēģinājumu un kļūdu, kā arī riskus, ar kuriem uzņēmumi saskaras AI ieviešanas procesā.
Arī turpmāk mēs uzklausīsim nozares pārstāvju viedokli un darīsim visu iespējamo, lai kļūtu par uzticamu AI partneri arvien lielākam skaitam uzņēmumu. Ceram, ka patiesus panākumus AI ieviešanā veidosiet kopā ar CLEVI.