• 正文
  • 推薦器件
  • 相關(guān)推薦
申請(qǐng)入駐 產(chǎn)業(yè)圖譜

基于智能搜索和LLM,亞馬遜云科技可為制造/金融等行業(yè)場(chǎng)景構(gòu)建GAI應(yīng)用

2023/11/24
1281
加入交流群
掃碼加入
獲取工程師必備禮包
參與熱點(diǎn)資訊討論

背景

?本篇將為大家闡述亞馬遜云科技大語(yǔ)言模型下沉到具體行業(yè)進(jìn)行場(chǎng)景以及實(shí)施案例的介紹,是亞馬遜云科技官方《基于智能搜索和大模型打造企業(yè)下一代知識(shí)庫(kù)》系列的第四篇博客。感興趣的小伙伴可以進(jìn)入官網(wǎng)深入了解其核心組件、快速部署指南以及LangChain集成及其在電商的應(yīng)用場(chǎng)景。

  • 通用場(chǎng)景:基于企業(yè)內(nèi)部知識(shí)庫(kù)例如IT/HR信息的問(wèn)答
  • 制造行業(yè):裝備維保知識(shí)庫(kù)問(wèn)答和售后客服
  • 金融行業(yè):智能客服和智能報(bào)告生成
  • 教育行業(yè):面向?qū)W生和面向?qū)W校的智能問(wèn)答機(jī)器人
  • 醫(yī)療行業(yè):醫(yī)療論文論文信息檢索

?方案架構(gòu)圖如下:

?通用場(chǎng)景:基于企業(yè)內(nèi)部知識(shí)庫(kù)例如IT/HR信息的問(wèn)答

?在該場(chǎng)景下,企業(yè)可利用IT手冊(cè),員工手冊(cè),銷(xiāo)售手冊(cè)等構(gòu)建企業(yè)知識(shí)庫(kù)。使用人員為所有的內(nèi)部員工,幫助員工提升信息獲取的效率,從而提升工作效率。

?提問(wèn)與員工手冊(cè)相關(guān)的問(wèn)題,搜索引擎會(huì)首先獲得相關(guān)的預(yù)料,然后使用LLM對(duì)預(yù)料進(jìn)行信息抽取,過(guò)濾和總結(jié),然后直接給出問(wèn)題答案。

?例1:查詢(xún)年假時(shí)間

?例2:查詢(xún)上下班時(shí)間

?制造行業(yè)

?行業(yè)場(chǎng)景

?制造行業(yè)中相對(duì)來(lái)說(shuō)是一個(gè)傳統(tǒng)的行業(yè),因?yàn)闅v史積累,擁有眾多的原始文檔,但是由于大部分企業(yè)處于數(shù)字化轉(zhuǎn)型的初期,無(wú)法有效利用這些文檔。因此,其主要訴求為建立一個(gè)企業(yè)級(jí)的知識(shí)庫(kù)平臺(tái),利用散落各處的文檔提升企業(yè)運(yùn)行效率。例如隨著制造業(yè)的發(fā)展,企業(yè)對(duì)裝備的維護(hù)和保養(yǎng)變得更加重視。裝備維保知識(shí)庫(kù)問(wèn)答系統(tǒng)可以提供實(shí)時(shí)的維護(hù)指導(dǎo),幫助操作員和維修人員解決各種故障和技術(shù)問(wèn)題。售后客服對(duì)于提供優(yōu)質(zhì)的客戶支持至關(guān)重要。裝備的故障和技術(shù)問(wèn)題可能會(huì)對(duì)客戶的生產(chǎn)線造成重大影響,因此快速響應(yīng)和解決問(wèn)題是必要的。

?客戶選擇此方案出于三個(gè)考慮:

  • 制造行業(yè)中,許多文檔描述都是比較專(zhuān)業(yè)的知識(shí),所有的描述都需要嚴(yán)謹(jǐn),因此大語(yǔ)言模型的幻覺(jué)問(wèn)題會(huì)導(dǎo)致內(nèi)容輸出不可信,反而出現(xiàn)更多不可控的風(fēng)險(xiǎn);
  • 所有的回答必須精確到具體出處,避免大語(yǔ)言模型生成內(nèi)容出現(xiàn)偏差;
  • 存在大量敏感數(shù)據(jù),包括維保記錄,機(jī)械設(shè)計(jì)圖紙等,使用第三方API調(diào)用的大語(yǔ)言模型有可能存在數(shù)據(jù)泄漏,造成違規(guī)和安全隱患。

?典型的使用場(chǎng)景為裝備維保知識(shí)庫(kù)問(wèn)答和售后客服。

??行業(yè)場(chǎng)景實(shí)踐

?裝備維保知識(shí)庫(kù)問(wèn)答和售后客服

?在該場(chǎng)景下,企業(yè)可利用歷史維保記錄,例如故障現(xiàn)象、故障原因、維修手冊(cè)、用戶手冊(cè)等構(gòu)建企業(yè)知識(shí)庫(kù)。使用人員為一線維保工程師或者售后客服,結(jié)合檢索和大語(yǔ)言模型,可以直接針對(duì)用戶的故障現(xiàn)象,給出具體的原因分析。

?例1:裝備維保場(chǎng)景——提問(wèn)某零件生銹的原因(中文場(chǎng)景)

?例2:產(chǎn)品售后場(chǎng)景-提問(wèn)某指示燈狀態(tài)意義(英文場(chǎng)景)

?金融行業(yè)

?行業(yè)場(chǎng)景

?金融行業(yè)分為銀行、保險(xiǎn)、資本市場(chǎng)以及支付多個(gè)子垂直行業(yè),基于智能搜索和大模型的知識(shí)庫(kù),銀行可以快速準(zhǔn)確地回答客戶的各類(lèi)問(wèn)題,提供個(gè)性化的金融產(chǎn)品推薦和投資建議;保險(xiǎn)機(jī)構(gòu)可以賦能用戶快速找到適合自己需求的保險(xiǎn)產(chǎn)品,并了解保險(xiǎn)條款和理賠流程;資本市場(chǎng)成員可以借助其幫助投資者快速獲取和理解市場(chǎng)動(dòng)態(tài)、公司財(cái)務(wù)數(shù)據(jù)和分析報(bào)告等信息;支付機(jī)構(gòu)則建立智能客服系統(tǒng),幫助用戶快速解決支付相關(guān)的問(wèn)題。

?客戶選擇此方案出于三個(gè)考慮:

  • 金融行業(yè)中所有的描述都需要嚴(yán)謹(jǐn),數(shù)據(jù)需要精確,因此大語(yǔ)言模型的幻覺(jué)問(wèn)題會(huì)導(dǎo)致內(nèi)容輸出不可信,嚴(yán)重則損壞企業(yè)形象以及客戶流失;
  • 金融機(jī)構(gòu)(如銀行、保險(xiǎn))會(huì)提供相關(guān)的咨詢(xún)服務(wù),所涉及到的回復(fù)必須精確到具體出處,尤其法律法規(guī)相關(guān)內(nèi)容需要和法規(guī)文件完全一致;
  • 金融數(shù)據(jù)存在大量敏感數(shù)據(jù),包括交易、企業(yè)營(yíng)收、內(nèi)部資產(chǎn)以及個(gè)人信息,使用公開(kāi)的大語(yǔ)言模型有可能在不經(jīng)意間泄漏相關(guān)數(shù)據(jù),造成違規(guī)和安全隱患。

?典型的使用場(chǎng)景為智能客服與智能報(bào)告生成。

?

?行業(yè)場(chǎng)景實(shí)踐

?智能客服

?智能客服在金融行業(yè)中具有廣泛的應(yīng)用和場(chǎng)景,包括:

  • 產(chǎn)品和服務(wù)咨詢(xún):幫助客戶查詢(xún)和了解金融機(jī)構(gòu)提供的各類(lèi)產(chǎn)品和服務(wù)。通過(guò)自然語(yǔ)言處理和機(jī)器學(xué)習(xí)技術(shù),智能客服可以回答關(guān)于金融產(chǎn)品特性、利率、費(fèi)用等方面的問(wèn)題,為客戶提供個(gè)性化的產(chǎn)品咨詢(xún)。
  • 交易指導(dǎo)和操作支持:智能客服可以指導(dǎo)客戶進(jìn)行各類(lèi)金融交易操作,如轉(zhuǎn)賬、存款、理財(cái)產(chǎn)品購(gòu)買(mǎi)等。客戶可以通過(guò)與智能客服進(jìn)行交互,獲取操作步驟和操作指導(dǎo),提高交易的便捷性和準(zhǔn)確性。
  • 投訴和問(wèn)題解決:智能客服可以處理客戶的投訴和問(wèn)題,并提供相應(yīng)的解決方案。通過(guò)對(duì)客戶問(wèn)題的分析和分類(lèi),智能客服可以快速回答常見(jiàn)問(wèn)題,同時(shí)也可以轉(zhuǎn)接給人工客服處理更復(fù)雜的問(wèn)題,提高問(wèn)題解決的效率和客戶滿意度。

?例 1:金融產(chǎn)品的咨詢(xún)

?通過(guò)提問(wèn)(如下例)關(guān)于金融產(chǎn)品營(yíng)收數(shù)據(jù)的分析,搜索引擎會(huì)搜索獲得相關(guān)語(yǔ)料,并作為大語(yǔ)言模型的輸入,進(jìn)行匯總和總結(jié)。

?例2:金融專(zhuān)業(yè)知識(shí)的咨詢(xún)

?對(duì)于某些金融知識(shí)(如GDR,存托憑證等)存在專(zhuān)業(yè)性強(qiáng)、不易理解的特點(diǎn),傳統(tǒng)客服無(wú)法快速理解、整理并得出相關(guān)的結(jié)論來(lái)回應(yīng)該類(lèi)型的客戶咨詢(xún),造成用戶體驗(yàn)差。同時(shí)對(duì)于專(zhuān)業(yè)知識(shí)的回應(yīng),需要準(zhǔn)確且嚴(yán)謹(jǐn)?shù)牟牧现蝎@得,因此參考資料的出處也是本場(chǎng)景重要的指標(biāo)。使用智能搜索和大模型方案可以有效提高內(nèi)容總結(jié)的效果,同時(shí)列舉出清晰的數(shù)據(jù)出處,精確到文檔的句和段。

?智能報(bào)告生成

?金融行業(yè)中尤其是資本市場(chǎng),無(wú)論是券商還是二級(jí)市場(chǎng)機(jī)構(gòu)分析員,均需要對(duì)大量的數(shù)據(jù)和報(bào)告進(jìn)行閱讀和分析,同時(shí)需要對(duì)外輸出各類(lèi)型的報(bào)告,如行研、個(gè)股分析、市場(chǎng)分析和展望、投資建議分析等。他們會(huì)遇到以下痛點(diǎn):

  • 時(shí)間壓力:分析員通常需要在短時(shí)間內(nèi)完成大量的報(bào)告撰寫(xiě)工作,以滿足客戶和市場(chǎng)對(duì)即時(shí)信息的需求。這給他們帶來(lái)了時(shí)間上的壓力,可能導(dǎo)致報(bào)告的質(zhì)量和深度受到影響。
  • 數(shù)據(jù)整理和處理:撰寫(xiě)報(bào)告需要分析員從各種來(lái)源收集、整理和處理大量的市場(chǎng)數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)和新聞資訊等信息。手動(dòng)處理和整理這些數(shù)據(jù)可能耗費(fèi)大量時(shí)間和精力,并且容易出現(xiàn)錯(cuò)誤。
  • 分析和解釋復(fù)雜數(shù)據(jù):分析員需要深入理解和解釋復(fù)雜的金融數(shù)據(jù)、財(cái)務(wù)指標(biāo)和市場(chǎng)趨勢(shì)。這需要投入大量的研究和分析工作,以便提供準(zhǔn)確、全面的分析和評(píng)估。
  • 信息獲取和更新:分析員需要不斷跟蹤和獲取最新的市場(chǎng)信息、行業(yè)動(dòng)態(tài)和公司公告等。信息的獲取和更新可能比較困難和耗時(shí),尤其是當(dāng)信息來(lái)源龐雜且分散時(shí)。
  • 語(yǔ)言表達(dá)和報(bào)告風(fēng)格:撰寫(xiě)高質(zhì)量的報(bào)告需要良好的語(yǔ)言表達(dá)能力和清晰的報(bào)告風(fēng)格。然而,分析員可能面臨語(yǔ)言表達(dá)的挑戰(zhàn),以及如何將復(fù)雜的金融概念和數(shù)據(jù)以簡(jiǎn)潔明了的方式傳達(dá)給讀者。

?通過(guò)使用智能搜索和大模型方案,可以在資訊整理理解以及基礎(chǔ)報(bào)告生成兩個(gè)方面減輕上述問(wèn)題帶來(lái)的成本。

?以下例子以大宗商品中的原油為例子,需要寫(xiě)一篇“關(guān)于原油上漲帶來(lái)的風(fēng)險(xiǎn)“的報(bào)告:

?通過(guò)提交相關(guān)的任務(wù)指引,包括(但不僅限于):1)任務(wù)描述;2)文章規(guī)定的格式、標(biāo)題和段落;3)文章規(guī)定的分段內(nèi)容和主旨。智能搜索引擎會(huì)先進(jìn)行從已經(jīng)加載的數(shù)據(jù)中獲得相關(guān)內(nèi)容,并將內(nèi)容傳遞到大語(yǔ)言模型,并要求大語(yǔ)言模型按照指引進(jìn)行內(nèi)容生成和輸出。輸出的報(bào)告可以作為基礎(chǔ)內(nèi)容提供給報(bào)告撰寫(xiě)和分析團(tuán)隊(duì)進(jìn)行二次加工,從而提高生成效率。

?教育行業(yè)

?行業(yè)場(chǎng)景

?針對(duì)教育領(lǐng)域和智能教育產(chǎn)品的行業(yè)場(chǎng)景,可以從以下兩個(gè)角度來(lái)說(shuō)明,包括學(xué)校/老師角度、學(xué)生/家長(zhǎng)角度。

?學(xué)校/老師:本方案為基礎(chǔ)來(lái)提供創(chuàng)新的在線教育工具,例如AI Class Bot,助力學(xué)校和培訓(xùn)機(jī)構(gòu)快速建立在線學(xué)習(xí)課程,幫助學(xué)校提高教學(xué)質(zhì)量和效率,也能夠節(jié)省教學(xué)資源和成本,減輕老師課程設(shè)計(jì)和輔導(dǎo)的負(fù)擔(dān),拓展教學(xué)內(nèi)容和形式,增強(qiáng)教學(xué)創(chuàng)新和競(jìng)爭(zhēng)力。

?學(xué)生/家長(zhǎng):以本方案為基礎(chǔ)來(lái)構(gòu)建智能輔導(dǎo)系統(tǒng),根據(jù)每個(gè)學(xué)生的水平和進(jìn)度,生成適合他們的學(xué)習(xí)內(nèi)容和方法,自適應(yīng)地生成不同難度和類(lèi)型的問(wèn)題和解析,做到實(shí)現(xiàn)因材施教和自適應(yīng)教育。同時(shí)還可以構(gòu)建學(xué)校與家長(zhǎng)之間的智能問(wèn)答系統(tǒng),可以幫助家長(zhǎng)了解孩子的學(xué)習(xí)情況和需求,提供更多的學(xué)習(xí)支持和指導(dǎo)。

?在教育行業(yè)中,客戶選擇此方案出于三個(gè)考慮:

  • 通過(guò)本方案可以快速、方便的將課程內(nèi)容導(dǎo)入到知識(shí)庫(kù),利用大語(yǔ)言模型形成課程問(wèn)答機(jī)器人。結(jié)合數(shù)字人技術(shù)還可以提供多輪對(duì)話的功能,讓教育過(guò)程增加更多的趣味性。
  • 通過(guò)本方案利用AI/ML技術(shù)實(shí)現(xiàn)的用戶正向反饋功能,可以幫助每個(gè)學(xué)生實(shí)時(shí)反饋搜索結(jié)果的權(quán)重,從而優(yōu)化自己的知識(shí)庫(kù)模型,以便實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)的目標(biāo)。
  • 通過(guò)本方案可以把學(xué)校已知的資料以及散落在互聯(lián)網(wǎng)的資料統(tǒng)一匯集到知識(shí)庫(kù),包括各種非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù),讓家長(zhǎng)更加快捷的查找所要的信息。

?典型場(chǎng)景為面向?qū)W生的問(wèn)答機(jī)器人和面向?qū)W校的問(wèn)答機(jī)器人。

??行業(yè)場(chǎng)景實(shí)踐

?例1:學(xué)生場(chǎng)景的問(wèn)答機(jī)器人(AI Class Bot)-英文單詞學(xué)習(xí)的AI客服機(jī)器人

?針對(duì)英文單詞學(xué)習(xí)領(lǐng)域,將現(xiàn)有英文單詞學(xué)習(xí)過(guò)程中的相關(guān)FAQ知識(shí)庫(kù)導(dǎo)入現(xiàn)有方案中,該知識(shí)庫(kù)文件中包含了眾多在英文單詞學(xué)習(xí)過(guò)程中的客戶問(wèn)題以及處理辦法,通過(guò)本方案的知識(shí)庫(kù)上傳功能,將數(shù)據(jù)導(dǎo)入到知識(shí)庫(kù)系統(tǒng)中。

?本例中,我們希望客服機(jī)器人的答案一定是要基于知識(shí)庫(kù)的范圍內(nèi)進(jìn)行作答,如果不在知識(shí)庫(kù)的范圍,要回答“根據(jù)已知知識(shí)無(wú)法回答該問(wèn)題”,也就是說(shuō)我們要避免大語(yǔ)言模型的幻覺(jué)問(wèn)題?;谶@個(gè)要求,普通的大預(yù)言模型在回答用戶問(wèn)題時(shí)可以有一定的創(chuàng)新性,也就是模型可以設(shè)置temperature值,以控制大語(yǔ)言模型的創(chuàng)新性。但是就算設(shè)置非常低的值,也不能保證大語(yǔ)言模型不自己創(chuàng)新的回答用戶問(wèn)題。

?本方案針對(duì)該需求增加了置信度(evidence)的判斷,對(duì)于大語(yǔ)言模型給出的答案與用戶的問(wèn)題、知識(shí)庫(kù)的搜索結(jié)果都做了相似度計(jì)算,低于某個(gè)值就返回用戶“無(wú)法回答該問(wèn)題”。如下圖所示:

?有一些問(wèn)題在知識(shí)庫(kù)的范疇內(nèi),問(wèn)答機(jī)器人就可以回答,如下圖:

?例2:學(xué)校場(chǎng)景的問(wèn)答機(jī)器人(AI School Bot)–報(bào)考志愿問(wèn)答機(jī)器人

?面臨中考、高考的考生家長(zhǎng)相對(duì)比較焦慮,他們需要掌握更多的學(xué)校信息以便和自己孩子的學(xué)習(xí)情況做比較,選擇更加適合自身的學(xué)校和未來(lái)的報(bào)考專(zhuān)業(yè)。以下是一個(gè)詢(xún)問(wèn)中學(xué)信息的問(wèn)答場(chǎng)景,我們僅僅導(dǎo)入了幾個(gè)國(guó)際學(xué)校的數(shù)據(jù)到知識(shí)庫(kù),希望問(wèn)答機(jī)器人在知識(shí)庫(kù)的范疇內(nèi)回答問(wèn)題,同時(shí)需要給出答案的置信度。如下圖所示:

?當(dāng)問(wèn)詢(xún)某個(gè)國(guó)際學(xué)校的課程信息時(shí),問(wèn)答機(jī)器人將做如下回答:

?醫(yī)療行業(yè)

?行業(yè)場(chǎng)景

?醫(yī)療行業(yè)有大量文檔,其中既包括敏感資料如藥物臨床研究數(shù)據(jù),患者健康數(shù)據(jù),藥研實(shí)驗(yàn)數(shù)據(jù),也包括大量的公開(kāi)數(shù)據(jù)集如基因數(shù)據(jù),醫(yī)學(xué)論文等。然而,作為一個(gè)歷史悠久等行業(yè),很多醫(yī)院與企業(yè)仍然處于數(shù)字化轉(zhuǎn)型的初期,存在數(shù)據(jù)量大,格式不統(tǒng)一,閱讀理解難等問(wèn)題。醫(yī)療健康領(lǐng)域數(shù)字化轉(zhuǎn)型,降低醫(yī)學(xué)數(shù)據(jù)的使用門(mén)檻一直是該領(lǐng)域的重要方向。具體來(lái)看:

  • 藥物研發(fā):通過(guò)整合藥物設(shè)計(jì)的公開(kāi)論文與內(nèi)部文檔為藥企提供藥物設(shè)計(jì)的知識(shí)庫(kù),通過(guò)關(guān)鍵詞快速了解藥理活性,作用位點(diǎn),毒理,適用病理等信息,幫助企業(yè)提高研發(fā)迭代速度、提升研發(fā)效率、降低研發(fā)成本和提升項(xiàng)目整體成功率。
  • 就醫(yī)知識(shí)庫(kù):整合FAQ咨詢(xún)數(shù)據(jù)、藥品說(shuō)明書(shū)、患者病歷、醫(yī)學(xué)指南、醫(yī)學(xué)書(shū)籍、醫(yī)學(xué)論文、專(zhuān)業(yè)網(wǎng)站、專(zhuān)家錄入數(shù)據(jù)等數(shù)據(jù)源,構(gòu)建“疾病-癥狀-藥品-診斷-人群”的私有知識(shí)庫(kù)以及基于知識(shí)庫(kù)的醫(yī)藥大健康智能專(zhuān)家虛擬助理。

?典型場(chǎng)景是醫(yī)療論文信息檢索。

??行業(yè)場(chǎng)景實(shí)踐

?醫(yī)療論文信息檢索

?本次場(chǎng)景演示中,我們從亞馬遜云科技的公開(kāi)數(shù)據(jù)集中選取大家非常最常使用的NCBI數(shù)據(jù)集,并選擇2023年度的一個(gè)子數(shù)據(jù)集作為樣本數(shù)據(jù),供測(cè)試。

?為了方便測(cè)試,我們清洗一部分血液病相關(guān)的論文作為測(cè)試數(shù)據(jù)集,使用一些常見(jiàn)的血液病問(wèn)題進(jìn)行提問(wèn),平臺(tái)將會(huì)從相應(yīng)的數(shù)據(jù)集中進(jìn)行召回,并根據(jù)prompt來(lái)生成相應(yīng)的內(nèi)容??紤]到醫(yī)療相關(guān)的論文都為英文,我們本次測(cè)試中,都使用的是擅長(zhǎng)英文的開(kāi)源大模型進(jìn)行測(cè)試。

?由于論文數(shù)據(jù)多樣、還會(huì)有歷史等不同信息等,所以在實(shí)際使用中,有可能需要通過(guò)不同的關(guān)鍵詞、句來(lái)召回最適合您使用場(chǎng)景的結(jié)果。

?而對(duì)于知識(shí)庫(kù)沒(méi)有的數(shù)據(jù),平臺(tái)將會(huì)召回“Not found answer” 或者“I don’t know”。這是確保在醫(yī)療、生命科學(xué)場(chǎng)景,對(duì)于不確認(rèn)的信息,規(guī)避無(wú)效數(shù)據(jù)的回復(fù)。

?由于論文數(shù)據(jù)的龐大,新舊數(shù)據(jù)的沖突等各種原因,在實(shí)際使用過(guò)程,我們建議用戶您根據(jù)自己的實(shí)際情況、使用場(chǎng)景的需求,對(duì)于論文、內(nèi)部科研數(shù)據(jù)、任何您需要使用的數(shù)據(jù)做一次提前的清理,比如,最保留最新數(shù)據(jù)等。這樣保證數(shù)據(jù)在召回時(shí)候更符合您的需求。

??總結(jié)

?在日常使用大語(yǔ)言模型的過(guò)程中,兩個(gè)比較突出的問(wèn)題是不能被忽視的。它們分別是:

  • 幻覺(jué)問(wèn)題(Hallucination)
  • 數(shù)據(jù)泄露(Data Leakage)

?幻覺(jué)問(wèn)題是自然語(yǔ)言處理領(lǐng)域中的基礎(chǔ)問(wèn)題之一,指文本生成模型的生成結(jié)果中含有與輸入事實(shí)上沖突的內(nèi)容,即結(jié)果可能出現(xiàn)虛構(gòu)和捏造事實(shí)的情況。數(shù)據(jù)泄露問(wèn)題是指用戶在使用市面上大語(yǔ)言模型過(guò)程中,會(huì)主動(dòng)或不經(jīng)意間傳入的可能涉及到商業(yè)機(jī)密、個(gè)人隱私、企業(yè)管理等敏感數(shù)據(jù),造成數(shù)據(jù)泄露的問(wèn)題。本方案的架構(gòu)設(shè)計(jì)能夠有效解決上述兩個(gè)問(wèn)題。

?綜上所述,基于智能搜索和大語(yǔ)言模型結(jié)合方案為不同行業(yè)場(chǎng)景構(gòu)建GAI應(yīng)用,達(dá)到:

  • 制造行業(yè):通過(guò)構(gòu)建智能企業(yè)知識(shí)庫(kù),有效整合制造業(yè)中的各類(lèi)資料,并應(yīng)用AI技術(shù),將其快速轉(zhuǎn)化為可信、準(zhǔn)確的知識(shí)資源,提供給內(nèi)部員工,從而極大地提升他們獲取專(zhuān)業(yè)信息的效率。
  • 金融行業(yè):精準(zhǔn)的命中金融行業(yè)中多種過(guò)去只能依靠人工處理的場(chǎng)景,使用AI/ML的技術(shù)為金融客戶降本增效,并助力客戶主動(dòng)挖掘更多業(yè)務(wù)場(chǎng)景,在保證數(shù)據(jù)安全可控的前提下加速AI/ML對(duì)業(yè)務(wù)創(chuàng)新的效率;
  • 教育行業(yè):通過(guò)GAI技術(shù),我們可以根據(jù)每個(gè)學(xué)生的水平和進(jìn)度,生成適合他們的學(xué)習(xí)內(nèi)容和方法,自適應(yīng)地生成不同難度和類(lèi)型的問(wèn)題和解析,做到實(shí)現(xiàn)因材施教和自適應(yīng)教育。
  • 醫(yī)療行業(yè):通過(guò)生成式AI技術(shù),我們可以讓更多生命科學(xué)的工作者,可以從海量的知識(shí)信息中,更容易獲取、提取所需要的臨床、科研等信息,更好的為我們每個(gè)人的身體健康保駕護(hù)航。

推薦器件

更多器件
器件型號(hào) 數(shù)量 器件廠商 器件描述 數(shù)據(jù)手冊(cè) ECAD模型 風(fēng)險(xiǎn)等級(jí) 參考價(jià)格 更多信息
XC7Z010-1CLG400C 1 AMD Xilinx Multifunction Peripheral, CMOS, PBGA400, BGA-400

ECAD模型

下載ECAD模型
$62.79 查看
STM32H743IIT6 1 STMicroelectronics High-performance and DSP with DP-FPU, Arm Cortex-M7 MCU with 2MBytes of Flash memory, 1MB RAM, 480 MHz CPU, Art Accelerator, L1 cache, external memory interface, large set of peripherals

ECAD模型

下載ECAD模型
$17.38 查看
DS3234S# 1 Maxim Integrated Products Real Time Clock, Non-Volatile, 1 Timer(s), CMOS, PDSO20, 0.300 INCH, ROHS COMPLIANT, SOP-20
$8.75 查看

相關(guān)推薦