Ali-E AI الخاص بنا: لماذا نقوم ببناء LLM داخليًا

تعمل ميزات الذكاء الاصطناعي الخاصة بـ Ali-E اليوم على نماذج خارجية قوية - تتيح لنا تقديم قيمة حقيقية للمستخدمين بسرعة. ولكن من الناحية الاستراتيجية نحن نبني الذكاء الاصطناعي الخاص بنا. هذا هو السبب.

ثلاثة أسباب للابتعاد عن الذكاء الاصطناعي التابع لجهة خارجية

التكلفة: كل استدعاء لنموذج خارجي يكلف أموالاً، ومع نمو قاعدة المستخدمين، تصبح هذه نفقات كبيرة تؤثر على السعر بالنسبة للعميل.

الخصوصية: بيانات العمل حساسة. يعني النموذج الداخلي مزيدًا من التحكم في مكان وكيفية معالجة البيانات.

التحكم والتخصص: النموذج العام "يعرف القليل عن كل شيء". يمكن للنموذج الذي تم تدريبه على لغة المبيعات والمخزون والتمويل أن يكون أكثر دقة وقابلية للتنبؤ في سيناريوهاتنا بالضبط.

كيف نفعل ذلك

قمنا بتجميع مجموعة منسقة من الأمثلة التدريبية للمنتج - عشرات الفئات عبر ثماني لغات، بما في ذلك سيناريوهات الأعمال وحالات الرفض الصحيحة. ومنه قمنا بتوسيع مجموعة البيانات لتشمل آلاف الأمثلة وقمنا بضبط نموذج الوزن المفتوح (عبر LoRA) على أجهزة يمكن الوصول إليها.

بالتوازي، قمنا بالفعل بشحن طبقة المعرفة (RAG): يمزج النموذج البيانات ذات الصلة بشركتك في الإجابة، بحيث يستجيب من الحقائق، وليس "متوسط ​​الإنترنت".

الخطة الانتقالية

نحن نقوم بذلك خطوة بخطوة ودون أي خطر على المستخدم: أولاً RAG وجودة البيانات، ثم نموذجنا الخاص كخدمة، ثم الاستبدال التدريجي للمكالمات الخارجية. إذا حدث خطأ ما، يعود النظام إلى الآليات التي أثبتت جدواها. لا يوجد تدهور في الخبرة.

ما يعطيك

بمرور الوقت - تكلفة ذكاء اصطناعي أقل وأكثر قابلية للتنبؤ، وخصوصية أفضل ومساعد يفهم مهام العمل بشكل أفضل وأفضل. نحن نبني التكنولوجيا الخاصة بنا، وليس غلافًا فوق واجهة برمجة التطبيقات (API) الخاصة بشخص آخر.

اتبع المدونة: نحن نشارك التقدم بشكل مفتوح. إنها فرصة نادرة لمشاهدة منتج ينمو ذكاءه.