На 24 октомври, на покана од Корејската асоцијација за индустриска интелигенција (KOIIA), учествувавме на „Академија за развој на клучни кадри во средните претпријатија за 2025 година, семинар за стратегии за одговор на идните индустрии“, каде што извршниот директор на CLEVI, Ли Хван-хо, одржа воведен говор.
Учествувавме на сесијата „Примери на воведување AI технологии и практични стратегии за DX“ со темата „Примери на примена на Physical AI, фактори за неуспех во процесот на воведување RAG агенти и стратегии за подобрување“.
Со зголемувањето на интересот за AI агенти во последно време, сè повеќе компании размислуваат за воведување AI. Познато е дека многу институции и компании веќе вовеле AI на пробна основа и го користат во работењето.
Сепак, истражувањата покажуваат дека, за жал, во многу компании и институции не се постигнува посакуваниот ROI, или функциите што работеле во PoC не даваат соодветни одговори или не функционираат во главниот проект и на терен.
Поради овие информации, многу компании се воздржуваат од избрзано воведување AI.
На ова предавање, извршниот директор на CLEVI, Ли Хван-хо, детално ги објасни ограничувањата на RAG системите, една од главните причини за неуспех при избрзано воведување AI, како и моделите со отворен код и малите LLM модели (SLM), објаснувајќи зошто претходните случаи на воведување биле неуспешни.
На крајот, причината за користење AI е очекувањето дека ќе ја извршува работата на луѓето или ќе покаже подобри перформанси од нив.
Меѓу практичарите во компаниите што веќе вовеле AI се зголемува незадоволството, бидејќи немаат доверба во квалитетот на одговорите на AI и, наместо да им се намали работата, мораат еден по еден да ги проверуваат одговорите на AI, што дополнително им го зголемува обемот на работа.
Причината е тоа што повеќето компании користат модели со отворен код SLM, фино подесени за решението.
Интуитивно, се смета дека AI ќе стане попаметен ако научи нешто ново, но кога AI ќе научи нови знаења, тој всушност ги губи сеќавањата од минатото, односно произволно ги губи тежините на параметрите.
Уште посериозен проблем е тоа што никој не знае кои информации или знаења се изгубени.
Бидејќи воведувањето AI не е нешто што бара малку ресурси, веројатно сте спровеле многу проверки уште од фазата на PoC.
Зошто тогаш не се појавија такви проблеми? Причината, секако, е што моделот бил повторно обучен со целните информации.
На AI кој знаел само броеви му ја предавале азбуката, а потоа му поставувале само прашања поврзани со азбуката, па сосема е очекувано да дава добри одговори. Но, дали на теренот ни се потребни само модели специјализирани за вакви специфични домени?
Нашето работно опкружување секојдневно се соочува со нови услови и нови податоци. Но, AI обучуван со случајно уништување на постојното знаење не може да гарантира ниту општа применливост ниту точност.
Затоа е потребно да поседувате From-scratch Foundation голем јазичен модел или технологија со која може да се создаде таков модел.
Бидејќи овие модели го поседуваат речиси целото знаење на светот, тие нудат не само висок квалитет на одговорите, туку и висока точност.
Во случај на специјализиран домен, недостатоците на фино подесениот SLM може да се надминат со користење на технологијата SFT(Supervised Fine-Tuning), или, за мали количини податоци, со RAG систем или со технологијата на семантичка база на податоци, интелигентен систем на база на податоци развиен од CLEVI.
Бидејќи и владата ја препознава важноста на ваквите foundation модели, таа обезбедува значителна поддршка.
Тоа е проектот National AI. Најголемата цел на овој проект веројатно е обезбедување дигитален суверенитет.
И ние во CLEVI бевме свесни за критичните недостатоци при користење модели со отворен код, па ги обучивме моделите на CLEVI преку независен развој, од собирањето податоци до дизајнирањето на архитектурата.
Моделите на CLEVI во моментов имаат перформанси кои воопшто не заостануваат дури ни во конкуренција со водечките светски AI системи.
Особено затоа што поседуваме сопствени модели, CLEVI не е засегнат од проблемите со зависност кои можат да настанат при користење надворешни модели.
Воведувањето AI станува неопходност, а не избор. Сепак, тешко е да се постигнат посакуваните резултати само со воведување на најновата технологија.
Вистинската иновација започнува дури кога прецизно ќе ги разбереме ограничувањата на технологијата и ќе воспоставиме оптимална стратегија усогласена со средината и целите на нашата организација.
Со диференцирани технолошки способности, како што се сопствениот голем јазичен модел и семантичката база на податоци, CLEVI ги минимизира обидите и грешките и ризиците со кои компаниите се соочуваат во процесот на воведување AI.
И понатаму внимателно ќе ги слушаме гласовите од теренот и ќе дадеме сè од себе за да станеме доверлив AI партнер за уште повеќе компании. Се надеваме дека заедно со CLEVI ќе го создадеме вистинскиот успех на воведувањето на AI.