企業用生成式AI
2022年底,OpenAI推出對話機器人ChatGPT,將AI的自然語言處理能力帶到了前所未有的境界,更結合了語音、影像、動畫等生成技術,開啟了生成式AI的新時代。自此,AI開始廣泛地進入人類的工作與生活中,對任何領域的企業而言,AI化將不再是獨特的競爭力,而成為企業生存發展的必備條件。
ChatGPT的底層演算法為GPT-3.5及GPT-4,通稱為大型語言模型。在2023短短的一年間,幾家科技公司陸續推出了各自的大型語言模型,較為矚目的有Meta的Llama 2、新創公司Mistral 的Mixtral 8×7、及Google 的Gemini。其中Llama 2及Mixtral 8×7為開源模型,讓AI開發者得以下載、調校,並整合到各種應用軟體中;開源模型可部署於雲端,也可部署於企業機房中,足以滿足企業對資安、運算成本、客製化彈性等需求。
前述大型語言模型都經過相當完整的預訓練,動用了龐大的運算資源及訓練語料。在應用場域中,使用者輸入一段文字提示(prompt),模型根據使用者的提示,經逐字預測而產生一段新內容;這個提示、生成的步驟可以重複調整,直到產出滿意的內容。然而,由於生成式模型只作預測而不判斷內容的正確性,生成的內容即使語句通順流暢,有時卻與事實不符,此現象被稱為人工幻覺(artificial hallucinations),是生成式大型語言模型的共通問題。此外,由於模型的預訓練語料多為公開資料,原始的大型語言模型並不適用於個別企業特定內容的生成。
要能有效地利用大型語言模型來生成內容,企業可採用客製化模型微調(fine-tuning)或檢索增強生成(retrieval-augmented generation, 簡稱RAG)兩種方法。模型微調需動用相當的運算資源,RAG則可使用現成的大型語言模型,較易於執行,因此大型語言模型的企業應用(如問答、搜尋)中,RAG會是個基本的配備。
上圖顯示RAG的架構概念,在輸入使用者提示到大型語言模型前,先經由一個語意搜尋系統,從使用者提供的文件中、或是企業的知識庫中,尋找相關的資訊片段;再將搜尋的結果連同使用者提示輸入大型語言模型,以生成回應,如此可提升生成內容的相關性與正確性。
RAG的執行包含許多技術細節,並沒有統一的作法,因此市場上有各種RAG解決方案,展現出不同的效能。八維智能提供的RAG解決方案具有以下特色:
- 使用者可選擇大型語言模型(如Mixtral 8×7、Llama 2、ChatGPT);
- 它的語意搜尋系統是由八維智能基於深度學習(BERT衍生模型)自主開發而成;
- 兼顧準確度、演算效率、使用彈性;
- 可客製、可持續更新及擴充,並可與八維智能其他的AI服務結合;
- 提供雲端版及落地版,並可提供硬體支援。
此外,八維智能也協助企業執行客製化模型微調。
如同之前的動力機械、電力、電腦、網際網路,AI正快速地推動人類的科技文明,而生成式AI在此過程中促成了革命性的進展。我們可以預見,無論大小企業都將接收到此波AI浪潮帶來的正面或負面的衝擊。
![檢索增強生成 (RAG) 概念圖](http://d8ai.com/wp-content/uploads/2024/03/%E6%AA%A2%E7%B4%A2%E5%A2%9E%E5%BC%B7%E7%94%9F%E6%88%90-RAG-%E6%A6%82%E5%BF%B5%E5%9C%96-2.png)