27.11.2023 Экспертиза, Искусственный интеллектИван Ямщиков, профессор семантической обработки данных и когнитивных вычислений в Центре искусственного интеллекта и робототехники Технического университета прикладных наук Вюрцбурга-Швайнфурта и руководитель направления экосистемной стратегии компании Toloka AI объясняет на портале The New Stack роль современных векторных баз данных в повышения эффективности искусственного интеллекта/машинного обучения. За последние пять лет ландшафт голосовых помощников и чатботов претерпел значительные изменения. На первых порах люди, взаимодействовавшие с чатботами, скорее всего, отмечали высокую беглость речи, но неожиданную забывчивость, напоминающую разговор с культовой рыбкой Дори из мультфильма Pixar. В последний год произошел поворотный сдвиг, связанный с появлением больших языковых моделей (Large Language Models, LLM). Современные модели высшего уровня, такие как ChatGPT, поддерживают связные разговоры и демонстрируют улучшенную контекстную релевантность. Что же послужило катализатором этой эволюции? Помимо ожидаемого притока данных и роста вычислительных мощностей есть еще один скрытый герой — векторные базы данных. Цель данной статьи — помочь руководителям предприятий уточнить стратегию внедрения технологий ИИ/МО и понять роль передовых векторных баз данных для повышения производительности и масштабируемости. Векторные вложения Начнем с векторных вложений (vector embeddings). Это слова, представленные в виде векторов. Это последовательность чисел, которая кодирует информацию ...
читать далее.
