أخبار التقنية

5 طرق يمكن أن تشكل بها ChatGPT بحث المؤسسة في عام 2023


انضم إلى كبار المديرين التنفيذيين في سان فرانسيسكو يومي 11 و 12 يوليو ، لمعرفة كيف يدمج القادة استثمارات الذكاء الاصطناعي ويحسنونها لتحقيق النجاح.. يتعلم أكثر


لقد مرت أشهر قليلة مثيرة منذ أن أصدرت OpenAI برنامج ChatGPT ، والذي جعل الجميع يتحدثون عنه الآن ، وتحدث الكثيرون عنه وكل الأنظار تدور حول الخطوة التالية.

فإنه ليس من المستغرب. رفعت ChatGPT من مستوى قدرات أجهزة الكمبيوتر وهي نافذة على ما هو ممكن باستخدام الذكاء الاصطناعي. ومع عمالقة التكنولوجيا Microsoft و Google والانضمام الآن إلى السباق ، يجب علينا جميعًا أن نتحرك في رحلة مثيرة ولكن من المحتمل أن تكون مليئة بالمطبات.

جوهر هذه القدرات هو نماذج اللغات الكبيرة (LLMs) – على وجه التحديد ، LLM التوليدي الخاص الذي يجعل ChatGPT ممكنًا. LLM ليست جديدة ، ولكن معدل الابتكار والقدرات والنطاق يتطور ويتسارع بسرعة مذهلة.

نظرة خاطفة خلف ستارة الذكاء الاصطناعي

هناك أيضًا الكثير مما يجري “خلف الستار” والذي أدى إلى الارتباك ، وقد وصف البعض عن طريق الخطأ ChatGPT بأنه قاتل Google ، أو أن الذكاء الاصطناعي التوليدي سيحل محل البحث. الهدوء على العكس.

حدث

تحويل 2023

انضم إلينا في سان فرانسيسكو يومي 11 و 12 يوليو ، حيث سيشارك كبار المسؤولين التنفيذيين في كيفية دمج استثمارات الذكاء الاصطناعي وتحسينها لتحقيق النجاح وتجنب المزالق الشائعة.

سجل الان

أولاً ، من المهم التمييز بين البحث والذكاء الاصطناعي التوليدي. الغرض من البحث هو استرجاع المعلومات: تسطيح شيء موجود بالفعل. تعد تطبيقات الذكاء الاصطناعي التوليدية والتطبيقات مثل ChatGPT إنتاجية ، مما يخلق شيئًا جديدًا بناءً على ما تم تدريب LLM عليه.

يشبه ChatGPT البحث إلى حد ما لأنك تتفاعل معه من خلال أسئلة المحادثة بلغة طبيعية ويستجيب بنثر مكتوب جيدًا وإجابة واثقة جدًا. ولكن بخلاف البحث ، لا يقوم ChatGPT باسترداد المعلومات أو المحتوى ؛ بدلاً من ذلك ، فإنه يخلق انعكاسًا ناقصًا للمادة التي يعرفها بالفعل (ما تم تدريبه عليه). إنه في الحقيقة ليس أكثر من مزيج من الكلمات التي تم إنشاؤها على أساس الاحتمالات.

في حين أن LLM لن تحل محل البحث ، إلا أنها يمكن أن تكمل تجربة البحث. القوة الحقيقية لتطبيق LLMs التوليدية للبحث هي الراحة: لتلخيص النتائج في تنسيق موجز وسهل القراءة. سيؤدي تجميع LLMs التوليدي مع البحث إلى فتح الباب لإمكانيات جديدة.

ابحث عن أرض اختبار للذكاء الاصطناعي وماجستير في القانون

النماذج التوليدية القائمة على LLM موجودة لتبقى وستحدث ثورة في كيفية قيامنا بالعديد من الأشياء. الفاكهة المعلقة المنخفضة اليوم عبارة عن توليفة – تجميع القوائم وكتابة الملخصات للموضوعات الشائعة. لا يتم تصنيف معظم هذه القدرات على أنها بحث. ولكن سيتم تحويل تجربة البحث وتقسيمها باستخدام LLMs المتخصصة التي تخدم احتياجات محددة.

لذلك ، وسط إثارة الذكاء الاصطناعي ، LLMs و ChatGPT ، هناك نقطة واحدة سائدة: البحث سيكون أرضية اختبار للذكاء الاصطناعي والماجستير. هذا صحيح بشكل خاص مع البحث عن المؤسسات. على عكس تطبيقات B2C ، ستتمتع تطبيقات B2B والتطبيقات داخل الأعمال بدرجة أقل بكثير من التسامح مع عدم الدقة وحاجة أكبر بكثير لحماية المعلومات المسجلة الملكية. سوف يتأخر اعتماد الذكاء الاصطناعي التوليفي في البحث عن المؤسسات عن البحث على الإنترنت وسيتطلب مناهج إبداعية لمواجهة التحديات الخاصة بالأعمال.

وتحقيقا لهذه الغاية ، ما الذي يحمله عام 2023 لبحوث المؤسسة؟ فيما يلي خمسة موضوعات تشكل مستقبل البحث عن المؤسسات في العام المقبل.

ماجستير في القانون يعزز تجربة البحث

حتى وقت قريب ، كان تطبيق LLMs على البحث أمرًا مكلفًا ومرهقًا. تغير ذلك العام الماضي عندما بدأت الشركات الأولى في دمج LLMs في بحث المؤسسة. أنتج هذا أول قفزة كبيرة إلى الأمام في تكنولوجيا البحث منذ عقود ، مما أدى إلى بحث أسرع وأكثر تركيزًا وأكثر تسامحًا. ومع ذلك ، نحن في البداية فقط.

مع توفر LLMs الأفضل ، وبما أن LLMs الموجودة يتم ضبطها بدقة لإنجاز مهام محددة ، يمكننا هذا العام أن نتوقع تحسنًا سريعًا في قوة وقدرة هذه النماذج. لم يعد الأمر يتعلق بالعثور على مستند ؛ سنتمكن من العثور على إجابة محددة داخل المستند. لم يعد مطلوبًا منا استخدام الكلمة الصحيحة فقط ، ولكن سيتم استرجاع المعلومات بناءً على المعنى.

ستقوم LLMs بعمل أفضل في تصفح المحتوى الأكثر صلة ، مما يوفر لنا نتائج أكثر تركيزًا ، وسوف يفعل ذلك بلغة طبيعية. وتبشر LLMs التوليدية بتوليف نتائج البحث في ملخصات سهلة الفهم وسهلة الفهم.

البحث يساعد في محاربة فقدان المعرفة

يعد فقدان المعرفة التنظيمية أحد أخطر المشكلات التي تواجه الشركات اليوم ، ولكنها لم يتم الإبلاغ عنها بشكل كافٍ. غالبًا ما يترك معدل دوران الموظفين المرتفع ، سواء كان ذلك بسبب التناقص الطوعي أو تسريح العمال أو إعادة هيكلة الاندماج والاستحواذ أو تقليص عدد الموظفين ، المعرفة عالقة في جزر المعلومات. هذا ، بالإضافة إلى التحول إلى العمل عن بعد والمختلط ، والتغيرات الهائلة في تصورات العملاء والموظفين ، والانفجار في البيانات غير المنظمة والمحتوى الرقمي ، قد فرض ضغوطًا هائلة على إدارة المعرفة.

في استطلاع حديث شمل 1000 من مديري تكنولوجيا المعلومات في الشركات الكبيرة ، قال 67٪ إنهم قلقون بشأن فقدان المعرفة والخبرة عندما يترك الناس الشركة. وتلك تكلفة فقدان المعرفة والمشاركة غير الفعالة للمعرفة باهظة. تقدر IDC أن شركات Fortune 500 تخسر ما يقرب من 31.5 مليار دولار سنويًا من خلال الفشل في مشاركة المعرفة – وهو رقم ينذر بالخطر ، لا سيما في ظل اقتصاد اليوم غير المؤكد. سيؤدي تحسين أدوات البحث عن المعلومات واسترجاعها لشركة Fortune 500 التي تضم 4000 موظف إلى توفير ما يقرب من 2 مليون دولار شهريًا من الإنتاجية المفقودة.

يمنع البحث الذكي في المؤسسة جزر المعلومات ويمكّن المؤسسات من العثور بسهولة على المعلومات وعرضها ومشاركتها ومعرفة الشركة بأفضل موظفيها. يجب أن يكون العثور على المعرفة والخبرة داخل مكان العمل الرقمي سلسًا وسهلاً. تساعد منصة البحث المناسبة في المؤسسة على ربط العاملين بالمعرفة والخبرة ، بل وتربط صوامع المعلومات المتباينة لتسهيل الاكتشاف والابتكار والإنتاجية.

البحث عن المذيبات المتشظية والاحتكاك الرقمي

الموظفون اليوم يغرقون في الأدوات. وفقًا لدراسة حديثة أجرتها شركة Forrester ، تستخدم المؤسسات ما معدله 367 أداة برمجية مختلفة ، مما يؤدي إلى إنشاء مستودعات بيانات وتعطيل العمليات بين الفرق. نتيجة لذلك ، يقضي الموظفون 25٪ من وقتهم في البحث عن المعلومات بدلاً من التركيز على وظائفهم.

لا يؤثر هذا بشكل مباشر على إنتاجية الموظفين فحسب ، بل له أيضًا آثار على الإيرادات ونتائج العملاء. يؤدي “انقسام التطبيق” هذا إلى تفاقم صوامع المعلومات ويخلق احتكاكًا رقميًا من خلال التبديل المستمر بين التطبيقات ، والانتقال من أداة إلى أخرى لإنجاز العمل.

وفقًا لاستطلاع أجرته مؤسسة Gartner مؤخرًا ، اتخذ 44٪ من المستخدمين قرارًا خاطئًا لأنهم لم يكونوا على دراية بالمعلومات التي كان من الممكن أن تساعدهم ، وأفاد 43٪ من المستخدمين أنهم فشلوا في ملاحظة المعلومات المهمة لأنها ضاعت وسط الكثير من التطبيقات.

يعمل البحث الذكي في المؤسسة على توحيد خبرات الموظفين حتى يتمكنوا من الوصول إلى جميع معارف الشركة بسلاسة ودقة من واجهة واحدة. هذا يقلل بشكل كبير من تبديل التطبيق ، وكذلك الإحباط للقوى العاملة المنهكة بالفعل ، مع تبسيط الإنتاجية والتعاون.

يصبح البحث أكثر صلة بالموضوع

كم مرة تجد ما تبحث عنه عند البحث عن شيء ما في مؤسستك؟ أفاد ثلث الموظفين بالكامل أنهم “لا يجدون أبدًا” المعلومات التي يبحثون عنها ، دائمًا أو في معظم الأوقات. ماذا يفعلون إذن؟ التخمين؟ إصلاح الأمر؟ المضي قدما في الجهل؟

صلة البحث هي الخلطة السرية التي تمكن العلماء والمهندسين وصناع القرار والعاملين في مجال المعرفة وغيرهم من اكتشاف المعرفة والخبرة والأفكار اللازمة لاتخاذ قرارات مستنيرة والقيام بالمزيد بشكل أسرع. يقيس مدى قرب ارتباط نتائج البحث باستعلام المستخدم.

النتائج التي تتطابق بشكل أفضل مع ما يأمل المستخدم في العثور عليه تكون أكثر صلة بالموضوع ويجب أن تظهر في مكان أعلى في صفحة النتائج. لكن العديد من منصات بحث المؤسسات اليوم تفتقر إلى القدرة على فهم نية المستخدم وتقديم نتائج البحث ذات الصلة. لماذا؟ لأن تطويره وضبطه صعب. لذلك ، نحن نتعايش مع العواقب.

تعمل أدوات البحث الذكية للمؤسسات بشكل أفضل ، مع نتائج أكثر صلة بكثير من البحث داخل التطبيق. ولكن حتى يمكنهم الكفاح للتعامل مع السيناريوهات الصعبة ، وقد لا تكون النتائج المرجوة على رأس القائمة. لكن ظهور LLM فتح الباب أمام البحث المتجه ، واسترجاع المعلومات بناءً على المعنى.

تتضمن التطورات في قدرات البحث العصبي تقنية LLM في الشبكات العصبية العميقة: النماذج التي تدمج السياق لتوفير صلة ممتازة من خلال البحث الدلالي. والأفضل من ذلك ، أن الجمع بين نهج البحث الدلالي والمتجه مع إمكانات البحث بالكلمات الأساسية الإحصائية يوفر صلة في مجموعة واسعة من سيناريوهات المؤسسة. يجلب البحث العصبي الخطوة الأولى إلى الأهمية منذ عقود حتى تتمكن أجهزة الكمبيوتر من تعلم كيفية العمل مع البشر بدلاً من العكس.

طرق الإجابة على الأسئلة تحصل على دفعة عصبية

هل تمنيت يومًا أن يكون لشركتك بحث يعمل مثل Google؟ من أين يمكنك الحصول على إجابة على الفور ، بدلاً من تحديد موقع المستند الصحيح أولاً ، ثم البحث عن القسم الصحيح ، ثم مسح الفقرات للعثور على المعلومات التي تحتاجها؟ للأسئلة البسيطة ، أليس من الجيد الحصول على إجابة مباشرة؟

مع LLMs والقدرة على العمل المعنوي (بناءً على المعنى) ، تتوفر إمكانية الإجابة على الأسئلة (QA) في المؤسسة. يعمل البحث العصبي على تعزيز ضمان الجودة: يمكن للمستخدمين استخراج إجابات للأسئلة المباشرة عندما تكون هذه الإجابات موجودة في مجموعة البحث. يؤدي هذا إلى تقصير الوقت المستغرق في الحصول على البصيرة ، مما يسمح للموظف بالحصول على إجابة سريعة ومواصلة تدفق العمل دون أن ينحرف في مهمة مطولة عن المعلومات.

وبهذه الطريقة ، ستزيد إمكانات الإجابة عن الأسئلة من فائدة وقيمة البحث الذكي للمؤسسات ، مما يسهل على الموظفين أكثر من أي وقت مضى العثور على ما يحتاجون إليه. ضمان الجودة المطبق على المؤسسة لا يزال في مهده ، لكن التكنولوجيا تتحرك بسرعة ؛ سنشهد المزيد من اعتماد تقنيات الذكاء الاصطناعي المختلفة التي ستكون قادرة على الإجابة عن الأسئلة والعثور على مستندات مماثلة والقيام بأشياء أخرى تقصر وقت المعرفة وتجعل من السهل على الموظفين التركيز على عملهم أكثر من أي وقت مضى.

أتطلع قدما

الابتكار يعتمد على المعرفة وعلاقاتها. تأتي هذه من القدرة على التفاعل مع المحتوى ومع بعضها البعض ، واشتقاق معنى من تلك التفاعلات وخلق قيمة جديدة. يسهل البحث في المؤسسة هذه الاتصالات عبر صوامع المعلومات ، وبالتالي فهو عامل تمكين رئيسي للابتكار.

بفضل التقدم في الذكاء الاصطناعي مثل الشبكات العصبية و LLMs ، يدخل البحث المؤسسي إلى عالم جديد تمامًا من الدقة والقدرة.

جيف إيفرنهام هو نائب الرئيس لاستراتيجية المنتج في مزود البحث في المؤسسة سين كيو.

صانعي القرار

مرحبًا بك في مجتمع VentureBeat!

DataDecisionMakers هو المكان الذي يمكن للخبراء ، بما في ذلك الأشخاص الفنيون الذين يقومون بعمل البيانات ، مشاركة الأفكار والابتكارات المتعلقة بالبيانات.

إذا كنت تريد أن تقرأ عن الأفكار المتطورة والمعلومات المحدثة ، وأفضل الممارسات ، ومستقبل البيانات وتكنولوجيا البيانات ، انضم إلينا في DataDecisionMakers.

يمكنك حتى التفكير في المساهمة بمقال خاص بك!

قراءة المزيد من DataDecisionMakers

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى