Pada 24 Oktober lalu, atas jemputan Persatuan Perindustrian Pintar Korea (KOIIA), kami menyertai 'Akademi Pembangunan Bakat Utama untuk Perusahaan Sederhana 2025, Seminar Strategi Menghadapi Industri Masa Depan', dan Ketua Pegawai Eksekutif CLEVI, Lee Hwan-ho, menyampaikan ucaptama.
Kami menyertai sesi 'Kes Penggunaan Teknologi AI dan Strategi Praktikal 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 yang mempertimbangkan untuk memperkenalkan AI. Kami difahamkan bahawa banyak institusi dan syarikat telah memperkenalkan AI secara perintis dan mengendalikannya.
Namun, malangnya, tinjauan 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 dalam projek sebenar dan di lapangan.
Disebabkan maklumat ini, banyak syarikat berasa enggan untuk memperkenalkan AI secara tergesa-gesa.
Dalam kuliah ini, Ketua Pegawai Eksekutif CLEVI, Lee Hwan-ho, menerangkan secara terperinci batasan sistem RAG, yang merupakan salah satu punca utama kegagalan pengenalan AI secara tergesa-gesa, serta model sumber terbuka dan Small LLM (SLM), lalu menjelaskan sebab kes pengenalan terdahulu gagal.
Sebabnya, kita menggunakan AI dengan harapan AI dapat menggantikan tugas manusia atau menunjukkan prestasi yang lebih baik daripada manusia.
Oleh sebab kakitangan praktikal di syarikat yang telah memperkenalkan AI pada masa ini tidak mempercayai kualiti jawapan AI, semakin banyak rungutan timbul bahawa beban kerja mereka sebenarnya meningkat kerana perlu menyemak setiap kandungan jawapan AI satu per satu.
Sebabnya terletak pada kebanyakan syarikat yang memperhalus model SLM sumber terbuka dan menggunakannya sebagai penyelesaian.
Secara intuitif, kita beranggapan bahawa AI akan menjadi lebih pintar apabila mempelajari perkara baharu. Namun, apabila AI mempelajari pengetahuan baharu, AI sebaliknya kehilangan ingatan lalu, iaitu pemberat parameter yang sewenang-wenangnya.
Masalah yang lebih serius ialah tiada siapa yang mengetahui maklumat atau pengetahuan yang telah hilang.
Memandangkan penerapan AI bukanlah usaha yang memerlukan sumber yang kecil, anda mungkin telah menjalankan banyak pengesahan sejak peringkat PoC.
Mengapa masalah sedemikian tidak muncul pada masa itu? Hal ini tentunya kerana model tersebut dilatih semula menggunakan maklumat sasaran.
Jika AI yang hanya mengetahui nombor diajar abjad, kemudian hanya diberikan soalan berkaitan abjad, sudah tentu AI itu dapat memberikan jawapan yang baik. Namun, adakah situasi sebenar hanya memerlukan model yang dikhususkan untuk domain tertentu seperti ini?
Situasi di tempat kerja kita berdepan dengan persekitaran dan data baharu setiap hari. Namun, AI yang dilatih dengan memusnahkan pengetahuan sedia ada secara rawak tidak dapat menjamin bukan sahaja kebolehgunaan umum, malah ketepatan.
Oleh itu, anda memerlukan model bahasa besar asas From-scratch Foundation, atau teknologi yang mampu membina model ini.
Hal ini kerana model-model tersebut memiliki hampir semua pengetahuan di dunia, lalu menghasilkan jawapan yang berkualiti tinggi dan tepat.
Bagi domain khusus, anda boleh menggunakan teknologi yang dipanggil SFT(Supervised Fine-Tuning), atau jika jumlah data sedikit, menggunakan sistem RAG atau teknologi pangkalan data semantik, iaitu sistem pangkalan data kecerdasan yang dibangunkan sendiri oleh CLEVI, untuk mengatasi kelemahan SLM yang ditala halus.
Kerajaan juga menyedari kepentingan model asas ini, lalu terus memberikan sokongan yang besar.
Inilah projek AI kebangsaan. Matlamat terbesar projek ini adalah untuk memastikan kedaulatan digital.
CLEVI juga menyedari kelemahan kritikal yang boleh berlaku apabila menggunakan model sumber terbuka. Oleh itu, kami membangunkan segala-galanya secara kendiri, daripada pengumpulan data hingga reka bentuk seni bina, lalu melatih model-model CLEVI.
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, penerapan AI semakin menjadi satu keperluan, bukan lagi pilihan. Namun, sukar untuk mencapai hasil yang diinginkan hanya dengan mengguna pakai 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 teknologi tersendiri yang berbeza, seperti model bahasa besar dan pangkalan data semantik, CLEVI meminimumkan percubaan, kesilapan dan risiko yang dihadapi oleh perusahaan dalam proses penerapan AI.
Kami akan terus mendengar suara daripada lapangan dan berusaha sedaya upaya untuk menjadi rakan kongsi AI yang dipercayai oleh lebih banyak syarikat. Semoga anda dapat merealisasikan kejayaan sebenar dalam penerapan AI bersama CLEVI.