Intelliġenza Artifiċjali
Negħlbu l-alluċinazzjonijiet LLM bl-użu tal-Ġenerazzjoni Augmented Retrieval (RAG)
Mudelli Kbar tal-Lingwa (LLMs) qed jirrivoluzzjonaw kif nipproċessaw u niġġeneraw il-lingwa, iżda huma imperfetti. L-istess bħalma l-bnedmin jistgħu jaraw forom fis-sħab jew uċuħ fuq il-qamar, l-LLMs jistgħu wkoll 'jalluċinaw', u joħolqu informazzjoni li mhix preċiża. Dan il-fenomenu, magħruf bħala Alluċinazzjonijiet LLM, joħloq tħassib dejjem jikber hekk kif l-użu tal-LLMs jespandi.
L-iżbalji jistgħu jħawdu lill-utenti u, f'xi każijiet, saħansitra jwasslu għal problemi legali għall-kumpaniji. Pereżempju, fl-2023, Jeffery Battle veteran tal-Forza tal-Ajru (magħruf bħala The Aerospace Professor) fetaħ kawża kontra Microsoft meta sab li t-tfittxija tal-Bing li taħdem bil-ChatGPT tal-Microsoft kultant tagħti informazzjoni fattwalment mhux preċiża u ta’ ħsara dwar it-tfittxija ta’ ismu. Il-magna tat-tiftix tħawwadlu ma’ kriminal kkundannat Jeffery Leon Battle.
Biex tindirizza l-alluċinazzjonijiet, Ġenerazzjoni tal-Irkupru-Agmentata (RAG) ħareġ bħala soluzzjoni promettenti. Jinkorpora għarfien minn databases esterni biex ittejjeb il-preċiżjoni tar-riżultat u l-kredibbiltà tal-LLMs. Ejja nagħtu ħarsa aktar mill-qrib lejn kif RAG jagħmel l-LLMs aktar preċiżi u affidabbli. Aħna ser niddiskutu wkoll jekk RAG jistax effettivament jikkontrobatti l-kwistjoni tal-alluċinazzjoni LLM.
Nifhmu Alluċinazzjonijiet LLM: Kawżi u Eżempji
LLMs, inklużi mudelli rinomati bħal Chat GPT, ChatGLM, u Claude, huma mħarrġa fuq settijiet ta' dejta testwali estensivi iżda mhumiex immuni milli jipproduċu outputs fattwalment mhux korretti, fenomenu msejjaħ 'alluċinazzjonijiet.' L-alluċinazzjonijiet iseħħu minħabba li l-LLMs huma mħarrġa biex joħolqu reazzjonijiet sinifikanti bbażati fuq regoli tal-lingwa sottostanti, irrispettivament mill-eżattezza fattwali tagħhom.
A Studju Tidio sabet li filwaqt li 72% tal-utenti jemmnu li l-LLMs huma affidabbli, 75% irċevew informazzjoni mhux korretta mill-AI tal-inqas darba. Anki l-mudelli LLM l-aktar promettenti bħal GPT-3.5 u GPT-4 kultant jistgħu jipproduċu kontenut mhux preċiż jew bla sens.
Hawn ħarsa ġenerali qasira tat-tipi komuni ta' alluċinazzjonijiet LLM:
Tipi Komuni ta' Alluċinazzjoni AI:
- Tagħqid tas-Sors: Dan iseħħ meta mudell jingħaqad dettalji minn sorsi varji, li jwassal għal kontradizzjonijiet jew saħansitra sorsi fabbrikati.
- Żbalji fattwali: LLMs jistgħu jiġġeneraw kontenut b'bażi fattwali mhux preċiża, speċjalment minħabba l-ineżattezzi inerenti tal-internet
- Informazzjoni bla sens: LLMs ibassru l-kelma li jmiss ibbażata fuq il-probabbiltà. Jista' jirriżulta f'test grammatikament korrett iżda bla sens, li jqarraq bl-utenti dwar l-awtorità tal-kontenut.
Sena li għaddiet, żewġ avukati ffaċċjaw sanzjonijiet possibbli talli rreferenzjaw sitt każijiet ineżistenti fid-dokumenti legali tagħhom, imqarrqa minn informazzjoni ġġenerata minn ChatGPT. Dan l-eżempju jenfasizza l-importanza li l-kontenut iġġenerat mill-LLM jiġi avviċinat b'għajn kritika, u jenfasizza l-ħtieġa għal verifika biex tiġi żgurata l-affidabbiltà. Filwaqt li l-kapaċità kreattiva tagħha tibbenefika applikazzjonijiet bħall-istejjer, hija toħloq sfidi għal kompiti li jeħtieġu aderenza stretta mal-fatti, bħat-twettiq ta’ riċerka akkademika, il-kitba ta’ rapporti ta’ analiżi medika u finanzjarja, u l-għoti ta’ pariri legali.
Nesploraw is-Soluzzjoni għal Alluċinazzjonijiet LLM: Kif Taħdem Ġenerazzjoni Augmented Retrieval (RAG)
Fl 2020, riċerkaturi LLM introduċa teknika msejħa Ġenerazzjoni Augmentata ta' Rkupru (RAG) biex itaffu l-alluċinazzjonijiet LLM billi jintegra sors ta' dejta estern. B'differenza mill-LLMs tradizzjonali li jiddependu biss fuq l-għarfien imħarreġ minn qabel tagħhom, il-mudelli tal-LLM ibbażati fuq RAG jiġġeneraw tweġibiet fattwalment preċiżi billi jġibu dinamikament informazzjoni rilevanti minn database esterna qabel ma jwieġbu mistoqsijiet jew jiġġeneraw test.
Tqassim tal-Proċess RAG:
Passi tal-Proċess RAG: sors
Pass 1: Irkupru
Is-sistema tfittex bażi ta' għarfien speċifika għal informazzjoni relatata mal-mistoqsija tal-utent. Pereżempju, jekk xi ħadd jistaqsi dwar l-aħħar rebbieħ tat-Tazza tad-Dinja tal-futbol, ifittex l-aktar informazzjoni rilevanti dwar il-futbol.
Pass 2: Żieda
Il-mistoqsija oriġinali mbagħad tissaħħaħ bl-informazzjoni misjuba. Bl-użu tal-eżempju tal-futbol, il-mistoqsija "Min rebaħ it-tazza tad-dinja tal-futbol?" hija aġġornata b'dettalji speċifiċi bħal "L-Arġentina rebħet it-tazza tad-dinja tal-futbol."
Pass 3: Ġenerazzjoni
Bil-mistoqsija arrikkita, l-LLM jiġġenera rispons dettaljat u preċiż. Fil-każ tagħna, se jfassal rispons ibbażat fuq l-informazzjoni miżjuda dwar ir-rebħ tal-Arġentina tat-Tazza tad-Dinja.
Dan il-metodu jgħin biex jitnaqqsu l-ineżattezzi u jiżgura li t-tweġibiet tal-LLM huma aktar affidabbli u bbażati fuq data preċiża.
Vantaġġi u Żvantaġġi ta 'RAG fit-Tnaqqis ta' Alluċinazzjonijiet
RAG wera wegħda fit-tnaqqis tal-alluċinazzjonijiet billi jiffissa l-proċess tal-ġenerazzjoni. Dan il-mekkaniżmu jippermetti lill-mudelli RAG jipprovdu informazzjoni aktar preċiża, aġġornata u rilevanti għall-kuntest.
Ċertament, id-diskussjoni tal-Ġenerazzjoni Augmented Retrieval (RAG) f'sens aktar ġenerali tippermetti fehim usa' tal-vantaġġi u l-limitazzjonijiet tagħha f'diversi implimentazzjonijiet.
Vantaġġi tar-RAG:
- Tiftix ta' Informazzjoni Aħjar: RAG malajr isib informazzjoni preċiża minn sorsi ta’ data kbira.
- Kontenut Imtejjeb: Joħloq kontenut ċar u imqabbel sew għal dak li għandhom bżonn l-utenti.
- Użu Flessibbli: L-utenti jistgħu jaġġustaw ir-RAG biex taqdi r-rekwiżiti speċifiċi tagħhom, bħall-użu tas-sorsi tad-dejta proprjetarji tagħhom, u jżidu l-effettività.
Sfidi tar-RAG:
- Jeħtieġ Data Speċifika: Jista' jkun diffiċli li tifhem b'mod preċiż il-kuntest tal-mistoqsija biex tipprovdi informazzjoni rilevanti u preċiża.
- Skalabbiltà: L-espansjoni tal-mudell biex timmaniġġja settijiet ta' dejta u mistoqsijiet kbar filwaqt li tinżamm il-prestazzjoni hija diffiċli.
- Aġġornament Kontinwu: L-aġġornament awtomatiku tad-dataset tal-għarfien bl-aħħar informazzjoni huwa intensiv fir-riżorsi.
Nesploraw Alternattivi għar-RAG
Minbarra RAG, hawn ftit metodi promettenti oħra li jippermettu lir-riċerkaturi tal-LLM inaqqsu l-alluċinazzjonijiet:
- G-EVAL: Jivverifika b'mod inkroċjat l-eżattezza tal-kontenut iġġenerat b'sett ta' dejta fdat, u jsaħħaħ l-affidabbiltà.
- SelfCheckGPT: Awtomatikament jikkontrolla u jiffissa l-iżbalji tiegħu stess biex iżomm l-outputs preċiżi u konsistenti.
- Inġinerija fil-pront: Jgħin lill-utenti jiddisinjaw inputs preċiżi biex jiggwidaw mudelli lejn tweġibiet preċiżi u rilevanti.
- Irfinar: Jaġġusta l-mudell għal settijiet ta' dejta speċifiċi għall-kompitu għal prestazzjoni mtejba speċifika għad-dominju.
- LoRA (Adattament ta' grad baxx): Dan il-metodu jimmodifika parti żgħira mill-parametri tal-mudell għal adattament speċifiku għall-kompitu, u jsaħħaħ l-effiċjenza.
L-esplorazzjoni tar-RAG u l-alternattivi tagħha tenfasizza l-approċċ dinamiku u multidimensjonali għat-titjib tal-preċiżjoni u l-affidabbiltà tal-LLM. Hekk kif navvanzaw, l-innovazzjoni kontinwa f'teknoloġiji bħal RAG hija essenzjali biex jiġu indirizzati l-isfidi inerenti tal-alluċinazzjonijiet LLM.
Biex tibqa' aġġornata bl-aħħar żviluppi fl-AI u t-tagħlim tal-magni, inklużi analiżi u aħbarijiet fil-fond, żur jgħaqqdu.ai.