[ad_1]
जैसे-जैसे अधिक संगठन भारी मात्रा में असंरचित डेटा और अन्य संपत्तियों को उपयोगी जानकारी में बदलने के लिए जेनरेटिव आर्टिफिशियल इंटेलिजेंस (जेनएआई) टूल की ओर रुख करते हैं, एआई पीढ़ी प्रक्रिया के दौरान सबसे अधिक प्रासंगिक सामग्री ढूंढने में सक्षम होना महत्वपूर्ण है।
पुनर्प्राप्ति संवर्धित पीढ़ी या संक्षेप में “आरएजी”, एक ऐसी तकनीक है जो एक अधिक अनुकूलित जेनएआई मॉडल बनाकर ऐसा कर सकती है जो प्रश्नों के लिए अधिक सटीक और विशिष्ट प्रतिक्रिया सक्षम करती है।
बड़े भाषा मॉडल (एलएलएम), जिन्हें डीप-लर्निंग मॉडल भी कहा जाता है, जेनएआई तकनीक का आधार हैं; वे बड़ी मात्रा में बिना लेबल वाले या असंरचित डेटा पर पूर्व-प्रशिक्षित होते हैं, जो कि जब तक कोई मॉडल उपयोग के लिए उपलब्ध होता है, तब तक वह पुराना हो चुका होता है और किसी कार्य के लिए विशिष्ट नहीं होता है।
एलएलएम में अरबों या यहां तक कि एक ट्रिलियन या अधिक मापदंडों वाला एक तंत्रिका नेटवर्क शामिल हो सकता है। RAG एलएलएम के आउटपुट को अनुकूलित करता है किसी बाहरी ज्ञान आधार को संदर्भित करना (पहुंचना)। उस जानकारी से बाहर जिस पर उसे प्रशिक्षित किया गया था। दूसरे शब्दों में, आरएजी जेनएआई को प्रासंगिक बाहरी जानकारी खोजने और उपयोग करने में सक्षम बनाता है, अक्सर किसी संगठन के मालिकाना डेटा स्रोतों या अन्य सामग्री से जिसे वह निर्देशित करता है।
यह न केवल एलएलएम के ज्ञान आधार को बढ़ाता है “बल्कि इसके आउटपुट की सटीकता और प्रासंगिकता में भी उल्लेखनीय सुधार करता है।” माइक्रोसॉफ्ट ने एक ब्लॉग में बताया.
आरएजी मूल रूप से एक डिज़ाइन पैटर्न है जो प्रासंगिक डेटा को पुनः प्राप्त करने के लिए खोज कार्यक्षमता का उपयोग करता है और तथ्यात्मक और नई जानकारी के साथ जेनरेटर आउटपुट को बेहतर ढंग से ग्राउंड करने के लिए इसे जेनएआई मॉडल के प्रॉम्प्ट में जोड़ता है।
गार्टनर रिसर्च के अनुसार, “आरएजी का उपयोग सार्वजनिक इंटरनेट डेटा प्राप्त करने के साथ-साथ निजी ज्ञान आधारों से डेटा पुनर्प्राप्त करने के लिए भी किया जा सकता है।”
पैट्रिक लुईस, एक प्राकृतिक भाषा प्रसंस्करण अनुसंधान वैज्ञानिक स्टार्ट-अप कोहेयरमूल रूप से आरएजी शब्द को 2020 में प्रकाशित एक पेपर में गढ़ा गया था। लुईस ने बताया कि एलएलएम आसानी से अपनी मेमोरी का विस्तार या संशोधन नहीं कर सकते हैं, और वे सीधे अपनी भविष्यवाणियों में अंतर्दृष्टि प्रदान नहीं कर सकते हैं, जिससे “मतिभ्रम” होता है।
पिछले हफ्ते ही, स्लैक ने व्यवसायों के लिए एआई-आधारित टूल का अनावरण किया और आरएजी का हवाला देते हुए कंपनी को जेनएआई परिणामों में मतिभ्रम को कम करने की उम्मीद है।
कोहेरे के अलावा और भी आधा दर्जन विक्रेता एलएलएम के लिए आरएजी-आधारित एप्लिकेशन बनाने के लिए डेवलपर्स को देशी या स्टैंड-अलोन समाधान प्रदान करें। वे सम्मिलित करते हैं वेक्टारा, ओपनएआई, माइक्रोसॉफ्ट Azure खोज, गूगल वर्टेक्स एआई, लैंगचेन, लामाइंडेक्स और डेटाब्रिक्स.
आईडीसी समूह के उपाध्यक्ष रिक विलार्स ने कहा, “आरएजी के आसपास अधिक से अधिक समाधान – और लोगों को इसे अधिक प्रभावी ढंग से उपयोग करने में सक्षम बनाना – सही डेटा में शामिल होने पर ध्यान केंद्रित करने जा रहे हैं, जिसमें केवल कच्चे उत्पादकता सुधारों के विपरीत व्यावसायिक मूल्य है।” विश्वव्यापी अनुसंधान का.
गार्टनर के प्रतिष्ठित उपाध्यक्ष विश्लेषक अविवा लिटन ने कहा, आरएजी के साथ, संगठन तथ्यात्मक इनपुट के आधार पर सटीक परिणाम देने की संभावनाओं को अधिकतम कर सकते हैं। यह मतिभ्रम की संभावना को भी कम करता है, क्योंकि आउटपुट पुनर्प्राप्त डेटा के साथ ग्राउंडेड होते हैं।
आरएजी किसी संगठन के स्वयं के डेटा पर लागू तृतीय-पक्ष एलएलएम की शक्ति का उपयोग करके श्रमिकों को उन सूचनाओं को तेजी से ढूंढने, सारांशित करने और उपयोग करने की अनुमति देता है जिन्हें वे ढूंढ रहे हैं। यह संगठन को कॉपीराइट या अन्य आईपी संरक्षित सामग्रियों को एलएलएम प्रतिक्रियाओं में शामिल किए जाने पर होने वाले दायित्व से बचाने में भी मदद करता है।
“यह संभावना बहुत कम हो गई है, क्योंकि त्वरित प्रतिक्रियाएँ एंटरप्राइज़ डेटा पर आधारित हो सकती हैं,” लिटन ने कहा।
विलार्स ने कहा, आरएजी का उपयोग करके व्यावसायिक जानकारी तक बेहतर पहुंच प्राप्त करने का एक तरीका वेक्टर डेटाबेस और ग्राफ़ तकनीक है जो मालिकाना डेटा में टैप कर सकता है और किसी संगठन को वास्तव में व्यावसायिक मूल्य में खोदने की अनुमति दे सकता है।
एक वेक्टर डेटाबेस बड़ी मात्रा में उच्च-आयामी वेक्टर डेटा को कुशलतापूर्वक संग्रहीत, अनुक्रमित और प्रबंधित करता है; परिणामस्वरूप, कंपनियाँ उन्हें विकसित करने या अपने मौजूदा SQL या NoSQL डेटाबेस और genAI उपयोग मामलों और अनुप्रयोगों में वेक्टर खोज क्षमताओं को जोड़ने के लिए पैसा खर्च कर रही हैं।
गार्टनर रिसर्च के अनुसार, 2026 तक, 30% से अधिक उद्यमों द्वारा प्रासंगिक व्यावसायिक डेटा के साथ अपने फाउंडेशन मॉडल को ग्राउंड करने के लिए वेक्टर डेटाबेस को अपनाने की उम्मीद है। गार्टनर ने 2024 के लिए वेक्टर डेटाबेस को “क्रिटिकल एनेबलर” एंटरप्राइज़ तकनीक के रूप में सूचीबद्ध किया है।
गार्टनर के अनुसार, वेक्टर डेटाबेस के लोकप्रिय उपयोगों में उत्पाद सिफारिशें, समानता खोज, धोखाधड़ी का पता लगाना और जेनरेटिव-एआई-संचालित, प्रश्न-उत्तर एप्लिकेशन शामिल हैं।
वेक्टर डेटाबेस ऐसा कर सकते हैं और अक्सर करते हैं RAG सिस्टम की रीढ़ के रूप में कार्य करें. डेटाबेस आमतौर पर पाठ, छवियों या ध्वनियों से प्राप्त डेटा को संग्रहीत और प्रबंधित करते हैं, जिन्हें गणितीय वैक्टर में परिवर्तित किया जाता है।
“इसका दूसरा हिस्सा ऐप आधुनिकीकरण पर वापस आ गया है, ”विल्लार्स ने कहा। “कंपनियों के पास आज के सबसे बड़े इंस्टॉल बेस में से एक पुराने क्लाइंट-सर्वर ऐप्स और यहां तक कि जावा पर बने शुरुआती मोबाइल और क्लाउड ऐप्स भी हैं। हमें उन्हें इस एआई कहानी का हिस्सा बनाने के लिए आधुनिकीकरण करना होगा।”
कॉपीराइट © 2024 आईडीजी कम्युनिकेशंस, इंक.
[ad_2]
Source link
