デジタル時代では、大型モデルに代表される新世代の人工知能は主要な国家戦略要件であり、より高いレベルの人間と機械の知能コラボレーションをサポートおよび強化するための重要な技術的方向性です。特に、大規模モデルは、データ、情報、知識、知恵のクロスチェーン付加価値における「インテリジェント創発」のスケールメリットを示しており、これらの機能は人間の知識ベースの利益を支援し、強化することができます。仕事。大規模モデルに基づくナレッジ アシスタントは、ビジネス価値を最大化し、潜在的なリスクを最小限に抑える大規模モデルの実装シナリオであり、人々と AI アプリケーションが連携して作業するエクスペリエンスと効率を大幅に向上させ、作業効率の実質的な変化を実現できます。
北京中関村科進科技有限公司（略称「中関村科進」）は、エンタープライズサービストラックにおける大規模なナレッジアシスタントへの参入に成功したことがわかった。Zhongguancun Kejin は、大規模ドメイン モデル、ビッグデータ インテリジェント検索、マルチモーダル ドキュメント分析などの自社開発の主要テクノロジーを通じて、知識質問応答、知識構築、知識誘導、知識推奨などのコア シナリオで高効率、低コスト、スケールを実現します。強力な人工知能の革新的なアプリケーションは、エンタープライズ ナレッジ アプリケーションの「ラスト マイル」を開きます。
1. 大型モデル時代の新しいタイプの人間と機械のコラボレーション、ナレッジアシスタントがビジネスのブルーオーシャンを切り開くことに成功
現在、大規模モデルに代表される一般的な人工知能は急速に進化しており、データ要素リソースを再編成し、マンマシンコラボレーションの新しい生産関係を再形成するための重要な力になりつつあります。比較的短期間に、基礎的な大型モデルの研究とリリースが精力的に発展しており、商業上陸に向けた競争はさらに激しくなるでしょう。
ただし、大型モデルの着陸スケジュールは、特定のシーンの要件とも密接に関係しています。大規模モデルの商用化には、幻覚傾向、データの偏り、精度不足などの課題が依然として残されており、具体的な商用シナリオに応じて実際のリスクを特定し、関連する技術的ルートや制度的規範体系を策定する必要がある。
着陸シーンの耐障害性と汎用性の要件に従って、大規模モデルのナレッジ アシスタントがビジネスのブルー オーシャンを切り開く先頭に立ちます。具体的には、アプリケーション シナリオは、耐障害性と汎用性の 2 つの側面に応じて、次の 4 つの象限に分割できます (図 1 を参照)。その中でも、企業の内部従業員にサービスを提供するナレッジ アシスタントは、プロフェッショナルであるだけでなく、高い耐障害性も備えており、大規模なモデル テクノロジを短期間で適用するための最良の入り口となります。
図 1: アプリケーション シナリオの分割
2. 効率と経験を重視し、大規模なナレッジアシスタントが 3 つの主要なアプリケーションモードになりました
大規模なモデルに基づくナレッジ アシスタントは、正確な検索指向の質問と回答を提供できるため、エンタープライズ ナレッジ アプリケーションの新しいパラダイムを生み出すことができます。特に、従来のエンタープライズナレッジベースやQAロボットなどの従来のナレッジマネジメント手法と比較して、大規模なナレッジアシスタントは、知識の誘導、構築、質疑応答、推奨などのプロセス全体の効率化と経験の変化をもたらすことができます。一方で、知識の誘導と構築のプロセス、特に既存の情報抽出モデル技術における多数の注釈、開発モデルのカスタマイズにかかる長い時間、および大規模なプライベート ドメイン データのコストが削減されます。純粋に手動で要約されますが、その一方で、サービスの Q&A が改善され、レコメンデーション リンクの問題カバレッジにより、意味理解リンクでの一致度の低さやロングテールのカバーの失敗などの問題が回避されます。
図 2: 従来のナレッジベースのアーキテクチャ
図 3 に示すように、大規模モデルのナレッジ アシスタントは、浅いものから深いものまで 3 つのアプリケーション モードに分類できます。
1つ目は「汎用大型モデル＋迅速なエンジニアリング」です。知識量が限られており、専門的要件が低い企業の場合は、一般的な大規模モデルを直接使用することができ、企業の特定のシナリオのニーズに応じて、ビジネスの専門家がプロンプトの言葉を探索します。は、柔軟で使いやすいプロンプト ワード管理ツールのセットです。
2つ目は「汎用大型モデル＋ドメインナレッジベース＋プロンプトエンジニアリング」です。多くのロングテールの断片化された知識 (SKU など) を持つ企業の場合、一般的な大規模モデルに基づいてドメイン ナレッジ ベースを組み込む必要があります。特定のシナリオや企業固有の問題については、大規模モデルを使用できます。ナレッジ ベースで答えを見つけるために使用され、最終的にはプロンプトの単語のガイドと制約に従って出力結果が返されます。
3つ目は「ドメインラージモデル＋ドメインナレッジベース＋プロンプトエンジニアリング」です。多くのドメイン知識を有する企業の場合、企業専用の大規模ドメインモデルを構築し、一般常識を維持するだけでなく、その大規模モデルの「頭脳」にドメインの一般知識をインプットする必要がある。推論だけでなく、大規模なモデルを学部生から専門分野の専門家に変える専門的な知識とスキルも持っています。
図 3: ビッグ モデル ナレッジ アシスタントの 3 つのモデルと 4 つの課題
現在、大規模ドメインモデルに基づく中関村科金のナレッジアシスタント製品は、ノアウェルスマネジメントと協力して適用されています。中関村科金は、金融分野で自社開発した大規模モデル、インテリジェントな顧客サービス、その他の人工知能テクノロジーを統合することにより、ノア・ウェルス向けのインテリジェントな知識ベースを構築しました。Noah Wealth の企業 WeChat と資産管理プラットフォーム iNoah APP を統合することにより、企業ナレッジ ドキュメントに基づいたインテリジェントな質疑応答クエリ機能を従業員とユーザーに提供します。大規模モデル技術によるインテリジェント接客製品の強化により、接客システムにおける質疑応答の意図認識精度と応答精度が大幅に向上し、後段のシステム運用業務の70％以上の削減が見込まれます、企業のコスト削減と効率の向上を効果的に支援します。
3. リスクと価値の双方向バランス、および主要な問題に取り組むための 4 つのコア技術力
中関村科金は、最先端の AI テクノロジーの強み、体系的なソリューション能力、深い業界サービス経験を活用して、企業ユースケースの全体的なリスク許容度に適合するナレッジ アシスタントを開発し、関連する技術ルートを改善し、共同建設に参加します。業界システムの標準に従って、対応するリスクを軽減します。ナレッジアシスタントに基づいて、同社は「大規模言語モデルに基づくマーケティングアシスタント」を開発し、中国情報通信技術院の2023年信頼できるAIケース大規模モデル研究開発アプリケーションおよびツールプラットフォーム優秀ケースを受賞しました。 「Enterprise Super Staff」のデザインが「2023 WAIC Global Innovation Project Roadshow TOP20 List」に選出されました。現在、中関村科金は企業にすぐに使えるシームレスなシステム接続と手頃な価格の大規模モデルサービスを提供できます。
図 4: ナレッジ アシスタント製品の概略図
中関村科金は、大型モデルのリスク防止と価値創造のバランスをとるための 4 つのコア技術能力の形成に重点を置いています。
1 つは、幻覚を引き起こす傾向があるプラグインのナレッジ ベース テクノロジを避けることです。幻覚傾向とは、大規模なモデルが、事実と一致しない一見合理的な記述を生成することが多いことを意味します。捏造された情報は、一目で真実を伝えることもあれば、しばらく事実を区別できなくなることもあります。錯覚は現在の大規模モデルに固有の特性ですが、Zhongguancun Kejin はプラグインのナレッジ ベースを通じてこの現象を大幅に排除しました。
2 つ目は、最先端のマルチモーダル文書分析テクノロジーです。企業内の高頻度の事実知識 (KnowWhat) は構造化データベースに保存されることが多く、プロセス ナレッジ (KnowHow) と一部の低頻度の事実知識は、製品マニュアル、運用規定、トレーニング ビデオなどの非構造化ドキュメントに存在することがよくあります。等。以前は、この種のデータには粗粒度のラベルしか付けることができませんでしたが、中関村科金は自社開発の ASR と OCR による前処理を行った後、構造化された分析と表現を行い、それを大規模モデルに入力して粒度の細かいラベルを実現できます。意味理解とプロセスマイニング。
3つ目は、ビッグデータインテリジェンスに基づく思考連鎖誘導技術です。企業内外の実際の質疑応答の場面では、手続き的知識の質疑応答が比較的高い割合を占めることが多く、中関村科仁氏は文書内の明示的なテキスト記述から自己を通してこの種の知識を理解しています。 -開発された大規模なドメインモデルや、ログに隠されたイベントからこの種の知識をマイニングすることで、従来の技術を上回る付加価値を実現します。
4つ目は、壊滅的な忘れを回避するためのドメインモデルトレーニング技術です。ドメイン知識を汎用の大規模モデルに注入するプロセスは、大規模モデルの汎用機能の低下につながることがよくありますが、中関村科金は、トレーニング データやトレーニング タスクなどの一連の手法を使用して、特定のモデルでのパフォーマンスを大幅に向上させます。多用途性を維持しながらタスクを実行できます。
大規模モデルが一般的な傾向であり、あらゆるビジネスやシナリオが関係します。現時点では、ナレッジ アシスタントがエンタープライズ サービス トラックの最良のエントリ ポイントです。将来的には、コンプライアンス、セキュリティ、解釈可能性が保証され、ユーザーのデジタル信頼が得られた後、マーケティング、顧客サービス、運営などのチェーンビジネスエコロジー全体をさらにレイアウトし、新しい人間の価値解放を実現することができます。 -マシンのコラボレーション。