控制 AI

定制你自己的知识机器人 A U T H O R S 尼古拉斯·约翰逊，迈克尔·帕帕佐普洛斯，福沃斯·克里斯托拉基斯，格雷戈里·布朗、阿纳斯塔西亚·蒂科诺娃、艾斯泰因·坦尼施 几十年来，组织一直在挣扎 将员工与内部 他们需要的知识和见解 做得更好，更知情，更及时 决定。找到正确的信息， 在正确的时间，在不断增加的 结构化和非结构化的卷 公司数据，并在 正确的格式是关键的业务。然而， 它通常就像在寻找针 干草堆. AI最终可以克服这一挑战。从本质上讲，大型语言模型(LLM)，如ChatGPT，用于创建定制当与自然语言结合时，内容会改变游戏规则处理(NLP)查找、处理和格式化信息的能力。然而，使用完全开放的LLM作为关键的引擎企业知识管理等业务流程可能让高管停下来思考。 本文在第一手研究和实际飞行员的基础上，设置了公司如何利用人工智能的巨大优势来管理整个企业的知识，而不必承担风险完全依赖开放获取LLM所固有的。 T H E D R AW B A C K S O F L A R G E L A N G U A G E M O D E L S ChatGPT和其他LLM的使用激增改变商业和社会。更好地分享知识和信息是业务的关键用例，具有明显的优势companies and employees. However, simply introducing a third - party诸如ChatGPT之类的工具进入组织以支持智能通过AI机器人进行知识共享有多个缺点： –它向您的LLM提供商公开您的公司数据(OpenAIin the case of ChatGPT). While this is acceptable for generic data,它有可能向世界泄露专有知识。在最近的例如，三星禁止员工在敏感后使用LLM数据上传到ChatGPT平台。 –由于它们的规模，更大的LLM有一个培训截止期，也不“知道”从那以后发生的任何事情。例如，ChatGPT只知道2021年9月之前的数据。 –LLM已经被证明患有“幻觉”，自信地提供从根本上不准确的答案。而且，给定他们在互联网上接受培训，他们提供的信息可能基于不真实的数据，这种风险可能会随着时间的推移而增加，因为AI机器人本身会产生越来越多的数据。 –在一个快速发展的市场中，监管机构正在努力追赶与技术。这引入了风险，如果你嵌入第三-将LLM加入您的组织，监管机构随后可能会decide to apply conditions on its use. For example, the Italian政府在2023年4月暂时禁止ChatGPT，理由是隐私问题。许多国家正在走向监管某种格式的AI。 T A K I N G C O N T R O L O F A I 组织可以不依赖第三方工具而不是实现自己的LLM。这应该建立在众多可商业开发的基础模型和重点并对组织自己的内部数据进行培训。这提供了在隐私和安全方面的显著优势，因为数据是保留在组织的基础设施中。 它还避免了突然强加 监管限制。例如，由于组织完全意识到数据被用来微调其模型，它可以满足任何“忘记的权利”义务，通过完全删除模型，然后在没有侵权数据集的情况下重新训练它。 较小的基础模型也克服了训练截止期。他们 可以通过添加来自 组织本身使用各种技术，如低排名自适应(LoRA)或量化LoRA (QLoRA)。这提供了足够的深度，因为信息集中在组织本身-更确切地说而不是与正常情况无关的无关的一般知识业务运营。 这些因素都意味着局部内部模型最适合企业需求。它们可以用来创造强大的知识机器人，智能助手，帮助特定领域的员工。从本质上讲，这些机器人应该是T形的，具有深入的知识和单一学科的专业知识。这意味着你可能需要多个机器人，每个机器人都专门研究一个特定的主题。 这些本地运行的模型不需要广泛的知识库和可以专注于特定的任务，不像需要大量的大型模型知识。这不仅提高了他们的性能，而且使它们更易于培训、维护和更新，有效地提供较小的模型，能够执行特定的任务你训练过他们. 通过在包含组织的特定数据集上接受培训专有知识和行业特定信息，知识 机器人将获得更深入和更快的理解相关术语、行话和概念。这增强了他们的搜索功能，并提供更准确和相关的结果。它也使它们不太可能产生误导性或不正确的信息，在准确性是最重要的是，如医疗诊断和法律咨询。 A P E R S O N A L I Z E D A P P R O A C H 定制训练的知识机器人还可以提供定制的满足每个用户独特要求的响应通用LLM不能的方式。这种个性化增强了用户满意，并鼓励更大的参与，培养强大的 “个人”伙伴关系员工和知识管理系统。用户可以交互使用自然的机器人语言查询,创建对话式互动这改善了体验并消除了需要对于复杂的搜索查询，技术命令，或 定 制 培 训 知 识 机 器 人 可 以还 定 制 了 交 付Th e r e s p o n s e s t h a t C A T E R t o独 特 的 要 求每 个 用 户 的 方 式一般的LLMS不能。 详细的培训。如果用户不理解初始答案，他们可以要求以更好的方式解释它他们的要求。 随着机器人建立他们对用户偏好和以前的知识交互，以及它们运行的上下文，它们可以充当智能信息过滤器，以确保时间和注意力不仅针对最高效的任务，而且针对最重要的。例如，一个知识机器人集成到一个项目管理系统可以很好地识别潜在的障碍提前提供积极的建议，以保持项目在轨道上。 D E M O N S T R AT I N G T H E P R O D U C T I V I T YG A I N S F R O M A I B O T S 一个有效的知识机器人的主要好处之一应该因为它通过提供正确的信息来提高生产率比传统方法更快。然而，鉴于快速生成人工智能的兴起，很少有发表的材料来量化在组织内部使用时的好处。 因此，在ADL这里，我们进行了为期六周的试点，以确定内部使用的AI的潜在生产力改进一个组织。我们创建了一个专注于亚特兰蒂斯的知识机器人Terraform自动化工具，一个需要非常专业的解决方案 操作的特定知识。机器人接受了所有公开培训可用数据(如供应商产品手册)，以及内部数据来自用户的故障排除知识。 然后，该机器人被释放供18个服务团队的飞行员使用可靠性工程师，他们都在他们的roles. The following methodology was used: –团队成员将机器人的答案标记为完整，不完整，或者错了。 –然后，他们将答案标记为有用或无用。 –在有用的答案的情况下，工程师估计节省的时间以五分钟为增量。 –对于无用的答案，从时间中减去15分钟-saving total. This was an estimate of the time wasted accessing thebot，形成问题，等待答复。 平均而言，机器人每周被问到300个问题。大约45％的响应被标记为完成，而其余的were marked as Incomplete. Only a single answer was marked as整个实验都错了。 在工程环境中，即使不完整的答案也可能有用-如他们可以帮助人们解决问题。这导致 70%的答案被标记为有用，表明总体节省时间。 汇总结果显示，平均而言，大约每周节省40个小时的努力-近10％生产力提高或相当于雇佣一个额外的团队成员。除了提供即时的投资回报，这种生产率的提高可能会随着时间的推移而增加，因为: –该系统是新的，不需要工程师使用它。 –没有更改流程以合并bot。–用户接受了最少的培训-他们只是被要求键入他们的向机器人提问。–员工仍然习惯了机器人，并找到了自己的机器人让它为他们工作的方法。 此外，飞行员还包括一个由18人组成的小型专家团队。随着知识机器人的使用，生产率的提高将变得更大是按比例放大的。例如，它将在一个180人的团队，导致重新分配资源的潜力更少的人。 U N D E R S TA N D I N G T H E B E N E F I T S B E YO N DP R O D U C T I V I T Y 除了它们带来的生产力优势，知识机器人还可以在其他领域提供优势： –They促进协作通过提供跨组织来自不同部门的员工通过公司范围的知识库。这推动了跨学科协作，导致开发新的想法和解决方案这可能不会出现在孤立的团队中。 –多语言知识机器人可以克服语言障碍and通过允许促进组织内部的多样性和包容性来自不同国家和文化的员工交流平等的知识。 –机器人可以作为虚拟教练或导师，提供对员工的个性化指导和支持专业发展之旅。 T H E C H A L L E N G E S T O N G O I N G S U C C E S S S 定制训练的知识机器人带来的所有好处组织，他们也带来了需要的挑战理解和克服，特别是围绕道德含义依靠人工智能来产生和传播知识。例如，与所有AI一样，组织需要意识到起源和训练数据的准确性，即使是在内部生成的，以及随之而来的错误信息和偏见的可能性。 因此，透明度必须是一个优先事项，特别是在敏感的必须记录机器人辅助决策的领域和合理的。这意味着人类需要在循环中提供问责制，并确保组织在道德范围内运作边界并遵守法律法规。 知识产权和所有权问题生成的内容也必须考虑。作为bots聚合综合信息、来源和对知识的尊重属性必须基于明确的、既定的准则和程序。 此外，员工最初可能会因为担心而抵制使用机器人失去地位甚至失去工作。介绍定制训练的机器人 因此，将需要一口井-深思熟虑的变革管理战略。让员工参与早期，明确沟通使用机器人的好处，以及提供如何获得的培训他们能做的最好的可以减少很多关注，因为可以鼓励员工 的 问 题 知 识 产 权权 利 和 所 有 权生 成 的 内 容 必 须也 要 考 虑. 不断探索和试验他们的新私人助理。 最后，企业知识变化迅速。如果定制培训知识机器人是为了保持它们的长期有用性，它们需要定期提供新的数据和见解，以便它们不断发展根据组织的需要。诸如迁移学习之类的技术，领域适应，主动学习可以用来提高机器人学习和适应新信息的能力。组织还应建立连续监测和反馈循环，以帮助识别和纠正其产出。质量保证过程，包括人力监督和验证，确保生成可靠准确的信息。 I N S I G H T S F O R T H E E X E C U T I V E -A C H I E V I N G C O M P E T I T I V E A D VA N TA G ET H R O U G H C U S T O M I Z E D A I B O T S 人工智能机器人有望改变知识管理在组织内部，提供更高的效率、生产力，和客户满意度，以及超个性化学习员工的经验。 因此，投资定制训练的知识机器人具有创造显著竞争优势的潜力一家公司通过简化流程、改善运营效率，自动化耗时的活动，并加速workflows, as shown by our initial research. As technology continues 谢 谢A I我 们 也 会 查 看 大 协 作组织访问和使用人 类 专 家 之 间和 知 识 机 器 人,导 致C O -知 识 的 创 造 。 知识。 这些生产力改进可以帮助创建一个重要的竞争在动态中的优势商业环境，也是如此 知识越快、越准确的决策能力 bots underpin. However, in the future, the greatest difference可能来自机器人产生见解和发现的能力来自不同和高质量数据的有价值的模式。 多亏了AI，我们还将看到人类专家和知识机器人，导致共同创造知识。这将机器人的数据分析能力与独特的见解、创造力和上下文理解人类专家。 随着知识机器人的发展，我们可以