Google Cloud zwiększa możliwości w zakresie groundingu w Vertex AI

Niedawno Google Cloud ogłosił powszechną dostępność funkcji groundingu na podstawie wyszukiwarki Google w Vertex AI.

Vertex AI to środowisko chmurowe do wykonywania zadań uczenia maszynowego, od eksperymentowania, przez wdrażanie, po zarządzanie i monitorowanie modeli. Dzięki temu przedsiębiorstwa każdej wielkości mogą wzbogacać wyniki generowane przez modele Gemini o informacje pochodzące z wyszukiwarki Google, zapewniając modelom dostęp do aktualnych i wysokiej jakości danych.

Generatywna AI dla firm może zrewolucjonizować całe branże, ale do odpowiedzialnego wykorzystania tej technologii konieczne jest jej oparcie na informacjach biznesowych.

Grounding oznacza łączenie modeli AI z wiarygodnymi źródłami informacji, co zapewnia, że ich odpowiedzi będą zawsze opierać się na zweryfikowanych danych. Grounding odgrywa kluczową rolę w procesie zwiększania dokładności, wiarygodności i przydatności generatywnej AI w różnych zastosowaniach. Pomaga też wyeliminować różnice między wewnętrznymi informacjami modelu a światem rzeczywistym, co zwiększa wartość informacyjną i wiarygodność systemów AI.

W przypadku chatbotów grounding oznacza na przykład, że mogą one uzyskiwać dostęp do baz wiedzy lub dokumentacji produktów danej firmy w celu udzielania zgodnych z prawdą odpowiedzi na zapytania klientów. Firmy używające kreatywnych agentów AI do pisania tekstów marketingowych mogą również korzystać z modeli, które zapewniają, że tworzone przy ich pomocy materiały opierają się na danych rynkowych uzyskiwanych w czasie rzeczywistym lub na sprawdzonych źródłach.

Umożliwianie dostępu do danych w czasie rzeczywistym oraz dostosowywanie się do dynamicznie zmieniającego się otoczenia

Oparcie modeli AI na źródłach informacji uzyskiwanych w czasie rzeczywistym, takich jak kanały wiadomości lub dane finansowe, pozwoli im udzielać aktualnych i trafnych odpowiedzi na zapytania użytkowników. Jest to szczególnie cenne w przypadku aplikacji takich jak chatboty czy wirtualni asystenci.

Grounding umożliwia również modelom AI dostosowywanie się do zmieniających się okoliczności i informacji. Model używany do nawigacji może na przykład uwzględniać dane o natężeniu ruchu w czasie rzeczywistym, żeby proponować najlepsze trasy.

Kiedy klienci wybiorą dla swojego modelu Gemini grounding przy użyciu wyszukiwarki Google, Gemini będzie generować odpowiedzi na podstawie odpowiednich wyników w wyszukiwarce Google. To rozwiązanie jest proste w obsłudze i zapewnia Gemini dostęp do informacji z całego świata.

Te możliwości pozwalają wyeliminować największe przeszkody na drodze do wdrożenia generatywnej AI w biznesie: brak dostępu modeli do informacji wykraczających poza ich dane treningowe oraz tendencję modeli podstawowych do halucynowania, czyli do generowania przekonujących, ale niezgodnych z prawdą informacji. Retrieval-Augmented Generation (RAG), technika opracowana w celu rozwiązania tych problemów, najpierw odnajduje fakty dotyczące pytania, a następnie przekazuje je modelowi, zanim wygeneruje on odpowiedź.

Pomoc w podejmowaniu decyzji oraz większa niezawodność i wiarygodność

Modele połączone ze źródłami informacji częściej generują spójne i prawdziwe odpowiedzi. Dzięki temu są bardziej niezawodnym rozwiązaniem do ważnych zastosowań, gdzie nieprawdziwe informacje mogą wywołać poważne skutki. Większa niezawodność buduje z kolei zaufanie do tej technologii.

Odpowiedzi generowane przy użyciu aplikacji i agentów opartych na RAG zazwyczaj łączą kontekst wynikający z udostępnionych danych firmy z wewnętrznymi danymi treningowymi modelu. To rozwiązanie jest przydatne w wielu zastosowaniach, np. w przypadku asystentów podróży, ale w branżach takich jak usługi finansowe, opieka zdrowotna czy ubezpieczenia często konieczne jest ograniczenie źródeł wykorzystywanych do generowania odpowiedzi tylko do udostępnionego kontekstu.

Żeby ułatwić używanie zaufanych danych pochodzących od innych firm z RAG, Vertex AI udostępni nową usługę, która pozwoli klientom połączyć ich modele oraz agentów AI ze specjalistycznymi danymi zewnętrznymi z najlepszych źródeł, takich jak Moody’s, MSCI, Thomson Reuters czy Zoominfo. Pomoże to firmom zintegrować dane pochodzące od innych firm z własnymi agentami generatywnej AI, co umożliwi ich wyjątkowe zastosowania oraz pozwoli lepiej wykorzystać informacje biznesowe w rozwiązaniach AI.