Kluczowe wnioski z ostatniego rozwoju AI

    WiedzaAI5 min

    Kluczowe wnioski z ostatniego rozwoju AI

    Kluczowe wnioski z ostatniego rozwoju AI

    W skrócie

    Dołącz do nas, gdy zgłębiamy ekscytującą granicę sztucznej inteligencji

    Odkryj, jak przełomowe narzędzie AI Perplexity, pionierska otwartoźródłowa konwersacyjna AI Kyutai Moshi oraz zaawansowane narzędzie do strukturyzacji danych Microsoftu rewolucjonizują możliwości sztucznej inteligencji. Chcesz dowiedzieć się więcej? Zanurzmy się w poniższy artykuł.

    Ulepszenie Pro Search Perplexity poprawia zdolności w matematyce i badaniach.

    Startup zajmujący się wyszukiwaniem AI, któremu stawiane są pytania o etykę, twierdzi, że jego Pro Search jest wystarczająco zaawansowany, by „wyszczególniać precedensy prawne dla prawników”.

    Perplexity wprowadził duże ulepszenie do swojego narzędzia AI Pro Search, które według firmy „rozumie, kiedy pytanie wymaga planowania, realizuje cele krok po kroku i syntetyzuje dogłębne odpowiedzi z większą wydajnością”.

    Przykłady na stronie Perplexity pokazujące, co potrafi Pro Search, obejmują zapytanie o najlepszy czas na zobaczenie zorzy polarnej w Islandii lub Finlandii. Narzędzie rozbija proces badań na trzy wyszukiwania: najlepsze czasy na zobaczenie zorzy polarnej w Islandii i Finlandii; najlepsze miejsca obserwacji w Islandii; oraz najlepsze miejsca obserwacji w Finlandii. Następnie dostarcza szczegółową odpowiedź obejmującą wszystkie aspekty pytania, w tym kiedy i gdzie oglądać zorzę polarną w każdym z tych krajów.

    Narzędzie wyszukiwania AI Perplexity potrafi także wygenerować szczegółowy raport na podstawie polecenia za pomocą funkcji o nazwie Pages. Jednak ostatnie raporty z Wired i Forbes oskarżyły Perplexity o plagiat, a raport Wired nazwał samoopisujące się „answer engine” „Bullshit Machine”, wskazując na animacje, które mylnie przedstawiają działania narzędzia oraz na roboty indeksujące dane, które omijają zasady w plikach robots.txt.

    Kluczowe wnioski:

    • Ulepszone możliwości: Perplexity znacząco zaktualizował swoje narzędzie Pro Search, poprawiając jego zdolności w matematyce, badaniach oraz podkreślając możliwość wyszczególniania precedensów prawnych dla prawników.

    • Funkcjonalności: AI teraz doskonale rozumie złożone zapytania, planuje, realizuje cele krok po kroku i syntetyzuje szczegółowe odpowiedzi efektywnie. Na przykład potrafi dostarczyć kompleksowe informacje o optymalnych czasach i miejscach do obserwacji zorzy polarnej.

    • Kwestie etyczne: Ostatnie raporty podniosły wątpliwości etyczne wobec praktyk Perplexity, w tym oskarżenia o plagiat i wprowadzające w błąd przedstawienia w animacjach. Krytyka została nagłośniona przez media takie jak Wired, które określiło AI jako „Bullshit Machine”.

    Moshi: Otwartoźródłowy konwersacyjny asystent AI z non-profitowego laboratorium AI Kyutai

    Francuskie laboratorium AI Kyutai wprowadziło Moshi, asystenta AI zdolnego do naturalnych rozmów, z planowanym wkrótce wydaniem otwartoźródłowym. Opracowany przez zespół ośmiu osób w ciągu sześciu miesięcy, Moshi wyróżnia się dzięki możliwościom mowy w czasie rzeczywistym i niskim opóźnieniom, mieszczącym się w przedziale od 200 do 240 milisekund. W przeciwieństwie do typowych modeli, które konwertują mowę na tekst, Moshi używa „Audio Language Model”, kompresując dane audio i przetwarzając je jako pseudo-słowa, co czyni go z natury multimodalnym. Proces szkolenia obejmował różnorodne źródła danych, a aktorka głosowa Alice dostarczyła nagrania zapewniające spójność syntezy głosu.

    Kyutai przewiduje, że Moshi zrewolucjonizuje komunikację maszynową, szczególnie wspierając dostępność dla osób z niepełnosprawnościami. Demo jest dostępne online, z linkiem specyficznym dla USA zapewniającym lepsze opóźnienia. Kyutai planuje udostępnić technologię jako open source, pozwalając deweloperom na jej eksplorację i ulepszanie. Firma, założona w 2023 roku, przyciągnęła znaczące inwestycje i uznanych badaczy AI dzięki zaangażowaniu w otwartą naukę i transparentność.

    Kluczowe wnioski:

    • Innowacyjna technologia: Moshi używa unikalnego „Audio Language Model”, który przetwarza skompresowane dane audio jako pseudo-słowa, umożliwiając rozmowy w czasie rzeczywistym i naturalną interakcję.

    • Skupienie na dostępności: Kyutai dąży do poprawy komunikacji, szczególnie przynosząc korzyści osobom z niepełnosprawnościami, dzięki zaawansowanym możliwościom Moshi.

    • Zobowiązanie do otwartości: Kyutai planuje udostępnić Moshi jako open source, wspierając dalszy rozwój i transparentność badań nad AI.

    Odkryj złożone dane dzięki GraphRAG

    Microsoft z radością przedstawia GraphRAG, rewolucyjne narzędzie do odpowiadania na pytania dotyczące prywatnych lub wcześniej nieznanych zbiorów danych. Teraz dostępny na GitHub, GraphRAG oferuje bardziej ustrukturyzowane i kompleksowe podejście do pozyskiwania informacji niż tradycyjne metody RAG. Dzięki rozwiązaniu accelerator użytkownicy mogą wdrożyć GraphRAG na Azure w zaledwie kilka kliknięć, bez pisania kodu.

    Co wyróżnia GraphRAG?

    GraphRAG wykorzystuje potężny model dużego języka (LLM) do stworzenia złożonego grafu wiedzy z dokumentów tekstowych. Ten graf uwypukla semantyczną strukturę danych, jeszcze zanim zadane zostanie jakiekolwiek pytanie. Poprzez wykrywanie „społeczności” ściśle powiązanych węzłów, GraphRAG dzieli graf na wysokopoziomowe tematy aż po konkretne zagadnienia, dostarczając jasne hierarchiczne podsumowanie danych. Oznacza to, że użytkownicy uzyskują przegląd bez potrzeby wiedzy, jakie pytania zadać w pierwszej kolejności.

    Odpowiadanie na duże pytania

    Jedną z wyróżniających cech GraphRAG jest jego zdolność do rozwiązywania pytań globalnych — tych, które odnoszą się do całego zbioru danych, a nie tylko jego części. Tradycyjne systemy RAG mają z tym problem, ponieważ pobierają jedynie fragmenty tekstu podobne do zapytania, co często prowadzi do mylących odpowiedzi. GraphRAG natomiast używa podsumowań społeczności, rozważając wszystkie teksty wejściowe, by dostarczyć dokładne, kompleksowe odpowiedzi.

    Oto jak to działa:

    1. Grupuj raporty społeczności w kontekście okna kontekstowego LLM.

    2. Mapuj pytanie naprzeciw tych grup, aby wygenerować odpowiedzi społeczności.

    3. Redukuj te odpowiedzi do finalnej, globalnej odpowiedzi.

    Udowodniona wydajnośćMicrosoft przetestował GraphRAG w porównaniu z tradycyjnym RAG i hierarchicznym streszczaniem tekstu przy użyciu GPT-4. Ocieniając odpowiedzi na podstawie wszechstronności, różnorodności i przydatności, GraphRAG konsekwentnie wypadał lepiej, oferując szczegółowe i zróżnicowane perspektywy przy użyciu mniejszej liczby tokenów. Był szczególnie efektywny w dostarczaniu wysokopoziomowych podsumowań społeczności przy ułamku kosztu tokenów.

    Innowacyjne wnioski i przyszłe rozwój

    Badania pokazują, że LLM potrafią tworzyć bogate grafy wiedzy z nieustrukturyzowanego tekstu, wspierając nową klasę zapytań globalnych, z którymi tradycyjne metody RAG i kosztowne hierarchiczne streszczenia mają trudności. Chociaż utworzenie indeksu grafowego wymaga początkowych nakładów, korzyści z ustrukturyzowanej wiedzy i podsumowań społeczności sprawiają, że warto to rozważyć dla wielu przypadków użycia.

    Kluczowe wnioski: GraphRAG na GitHub

    • Zaawansowane wglądy w dane: GraphRAG, teraz dostępny na GitHub, używa LLM do tworzenia szczegółowych grafów wiedzy z tekstu, identyfikując struktury semantyczne i hierarchicznie podsumowując dane.

    • Lepsze radzenie sobie z pytaniami globalnymi: Świetnie radzi sobie z odpowiadaniem na wszechstronne, odnoszące się do całego zbioru danych pytania, korzystając z podsumowań społeczności i przewyższając tradycyjne metody RAG.

    • Zaangażowanie społeczności i udoskonalenia: Microsoft zachęca użytkowników do eksploracji i przekazywania opinii na temat GraphRAG, jednocześnie aktywnie pracując nad optymalizacją i usprawnieniem wydajności narzędzia.