03.05.2024  Экспертиза, Искусственный интеллект

Извлечение ценных инсайтов из неструктурированного текста — важнейшая задача в финансовой отрасли. Однако эта задача часто выходит за рамки простого извлечения данных и требует расширенных возможностей рассуждений, пишет на портале Datanami Ваге Андонян, основатель, технический директор и директор по продуктам компании Cognaize. Ярким примером является определение даты погашения в кредитных соглашениях, что обычно предполагает расшифровку сложной директивы типа «Дата погашения приходится на последний рабочий день, предшествующий третьей годовщине даты вступления в силу». Такой уровень сложности рассуждений создает проблемы для больших языковых моделей (LLM). Для точной интерпретации и применения заданных инструкций требуется подключение внешних знаний, например календарей праздников. Интеграция графов знаний — перспективное решение, обладающее рядом ключевых преимуществ. Появление трансформеров произвело революцию в векторизации текста, обеспечив беспрецедентную точность. Эти вложения содержат глубокие семантические значения, что превосходит предыдущие методологии, и именно поэтому LLM так убедительно справляются с генерацией текста. LLM также демонстрируют способность к рассуждениям, хотя и с ограничениями: глубина их рассуждений быстро уменьшается. Однако интеграция графов знаний с этими векторными вложениями может значительно расширить возможности рассуждений. Эта синергия позволяет использовать семантическое богатство, присущее вложениям, и поднимает возможности ... читать далее.