کریس مال رئیس جمهور و مدیر اجرایی پریون است. کریس با بیش از دو دهه تجربه در برخی از مشهورترین شرکت های نرم افزاری سازمانی در جهان ، در مقیاس بندی استراتژی های برو به بازار و عملیاتی برای شرکت های فناوری در همه مراحل رشد تخصص دارد.
پریون مسیری قابل اعتماد ، ایمن و اثبات شده را برای اجرای هوش مصنوعی تولیدی در شرکت ها فراهم می کند. بهترین موتورهای مصرف و بازیابی در کلاس پریون می تواند با LLM های تولیدی برای اجرای نسل بازیابی و بازیابی جفت شود و به طور ایمن پاسخ های دقیق ، فوری و قابل اثبات را در مقیاس شرکت ارائه دهد.
با استفاده از فناوری بازیابی پیشرو در صنعت ، Pryon Rag Suite به طور ایمن پاسخ هایی را از همه اشکال محتوا ، از جمله صدا ، تصاویر ، متن و فیلم ، ذخیره می کند ، که در تعداد بیشماری از منابع ذخیره می شود. محصولات پریون برای استفاده بصری ، از طریق API از هر سیستم قابل استفاده هستند و می توانند در طی چند هفته در ابر یا در محل مستقر شوند.
پریون بر نسل بازیابی و آگوست (RAG) تمرکز دارد. آیا می توانید توضیح دهید که چگونه رویکرد شما برای بازیابی با سایر سیستم های جستجوی و مدیریت دانش با قدرت هوش مصنوعی متفاوت است؟
رویکرد پریون برای بازیابی مشخص است زیرا موتور بازیابی ما قادر به دسترسی به محتوا در زمان واقعی از منابع متنوعی مانند PDF ، تصاویر ، صفحات وب و فیلم ها در حالی که حفظ حریم خصوصی داده ها و بدون وابستگی های خارجی است. ما جستجوی معنایی را با انتساب داده های گرانول ترکیب کرده ایم تا بیش از 90 ٪ دقت بازیابی را بدست آوریم. بر خلاف بسیاری از سیستم ها ، مقیاس های ما به طور موثری برای سازمان های بزرگ ، به تیم ها اجازه می دهد تا بر اساس پایگاه دانش موجود خود تصمیمات سریع و دقیق بگیرند.
موتور مصرف Pryon برای ساختار مقادیر عظیمی از محتوای چندمودال طراحی شده است. چه چیزی روند مصرف شما را منحصر به فرد می کند و چگونه باعث افزایش دقت بازیابی می شود؟
مصرف پریون می تواند محتوای چند حالته را کنترل کند – پاسخ های صوتی ، تصاویر ، متن و فیلم را در منابع مختلف ارائه می دهد. این مسئله به مسئله اساسی داده های قطع شده در شرکت ها می پردازد. با توجه به اینکه داده های بدون ساختار بیش از 50 ٪ در سال رشد می کنند ، موتور مصرف ما اطلاعات پراکنده را به دانش ساختاری و عملی تبدیل می کند. این فرآیند برای امنیت و حریم خصوصی طراحی شده است ، و در حالی که بلافاصله آن را مفید می کند ، از داده های حساس سازمانی محافظت می شود.
موتور بازیابی شما نوید پاسخ های فوری ، دقیق و قابل اثبات را می دهد. چگونه پریون از دقت اطمینان می دهد و توهم را هنگام استخراج اطلاعات به حداقل می رساند؟
پریون دقت را تضمین می کند و توهم را از طریق چندین مکانیسم به حداقل می رساند. فناوری ما جستجوی معنایی را با انتساب داده های دانه ای ترکیب می کند ، به این معنی که پاسخ ها می توانند به منابع خاص آنها بازگردند. این انتساب برای تأیید بسیار مهم است. این سیستم به جای تکیه بر پایگاههای دانش بالقوه منسوخ یا ناقص ، به محتوا در زمان واقعی از منابع اصلی دسترسی پیدا می کند. این ارتباط مستقیم به مواد منبع ، همراه با دقت بازیابی بالا (بیش از 90 ٪) ، به طور قابل توجهی خطر توهم را کاهش می دهد که بسیاری از سیستم های تولید کننده AI را طاعون می کند.
چگونه پریون به روزرسانی های زمان واقعی اطلاعات ، به ویژه در محیط های پویا مانند دولت ، انرژی و مراقبت های بهداشتی را اداره می کند؟
پریون از طریق همگام سازی محتوای انعطاف پذیر و تقاضا ، دسترسی در زمان واقعی به به روزترین اطلاعات را تضمین می کند. کاربران می توانند همگام سازی های محتوا را در صورت لزوم از طریق پورتال سرپرست ما ایجاد کنند یا به روزرسانی های خود را با استفاده از SYNC-API ما به صورت برنامه ریزی شده انجام دهند-بسته به نیازهای عملیاتی ، هفتگی ، روزانه یا حتی ساعتی. فرآیند بررسی دلتا ما با به روزرسانی تنها محتوای تغییر یافته ، اطمینان از بازیابی دانش سریع ، دقیق و کارآمد در منابع در تنظیمات مهم ماموریت مانند دولت ، انرژی و مراقبت های بهداشتی ، کارآیی را بهینه می کند.
پریون با سازمان های دولتی و دفاعی همکاری می کند. در حالی که جزئیات اغلب طبقه بندی می شوند ، آیا می توانید در مورد یک مورد استفاده که در آن هوش مصنوعی شما به طور قابل توجهی تصمیم گیری یا کارآیی عملیاتی را بهبود می بخشد ، بحث کنید؟
پریون با طیف وسیعی از آژانس های دفاعی و اطلاعاتی ، از جمله آزمایشگاه تحقیقات نیروی هوایی (AFRL) و رئیس ارشد اطلاعات دیجیتال و مصنوعی (CDAO) ، برای کمک به ساده سازی عملیات و امکان تصمیم گیری سریعتر و آگاهانه کار می کند.
یک نمونه قدرتمند همکاری ما با اداره تحول دیجیتال نیروی هوایی ایالات متحده (DAF DTO) است. این تیم از پرسنل دستیابی و پایداری پشتیبانی می کند که اغلب نیاز به یافتن اطلاعات مهم در صدها هزار صفحه وب و اسناد دارند. با هم ، ما DTO Wingman ، یک دستیار با هوش مصنوعی را راه اندازی کردیم که پاسخ های دقیق و واقعی را به سؤالات پیچیده ارائه می دهد-کاملاً با انتساب منبع.
به جای جستجوی دستی به دنبال اسناد یا مقررات خط مشی ، کاربران می توانند به سادگی سؤالاتی از این قبیل بپرسند ، “من مجاز به خرید با کارت مسافرتی خود هستم؟” یا “کد ساختمان دیجیتالی چیست و چگونه آن را با کسب ارتباط دارد؟” هوش مصنوعی پاسخ های دقیقی را برمی گرداند و حتی به تولید سریع گزارش ها و مواد ارائه نیز کمک می کند.
DTO Wingman با دسترسی فوری به پرسنل نیروی هوایی و فضایی به پاسخ های قابل اعتماد ، به تیم ها کمک می کند تا کارآمدتر کار کنند و راهنمایی های قابل اطمینان و به موقع را به پرسنل و تصمیم گیرندگان ارشد ارائه دهند.
کار شما در علوم زندگی از تحقیقات با کمک AI استفاده می کند. چگونه سیستم پریون به محققان کمک می کند تا از مجموعه داده های وسیعی مانند PubMed یا مخازن تحقیقاتی خصوصی حرکت کنند؟
سیستم پریون به محققان کمک می کند تا از طریق چندین قابلیت کلیدی ، از مجموعه داده های وسیع مانند PubMed یا مخازن تحقیقاتی خصوصی استفاده کنند.
کیفیت تحقیق پیشرفته:
- خطای انسانی را کاهش داد: بازیابی سیستماتیک داده های به روز ، کمتر مقالات از دست رفته یا شواهد نادیده گرفته شده را تضمین می کند.
- حمایت از شواهد: هر پاسخی در ادبیات اصلی پایه گذاری شده است ، و نتیجه گیری های داده محور را تقویت می کند و به جمله ای که از آن آمده است ، باز می گردد.
محافظت از محتوای بسیار حساس:
- محرمانه بودن: کنترل های دقیق دسترسی و رمزگذاری داده ها را حفظ می کند ، برای مجموعه داده های اختصاصی یا مرتبط با بیمار ضروری است.
- رعایت: با داده های حاکم بر مقررات مانند HIPAA یا GDPR ، محققان می توانند به این که از اطلاعات حساس محافظت می شود ، اعتماد کنند.
برای خدمات و فروش مشتری ، چگونه هوش مصنوعی پریون از نظر افزایش کارایی و کاهش بار پشتیبانی با راه حل های سنتی chatbot و CRM مقایسه می کند؟
تعامل خدمات مشتری/فروش معمولاً باید دقت و انعطاف پذیری راه حل های Chatbot/CRM خود را تعادل برقرار کند. از آنجا که دادن پاسخ نادرست به مشتری قابل قبول نیست و می تواند پیامدهای قانونی داشته باشد ، بسیاری از ارائه دهندگان Chatbot و راه حل های سنتی مکالمه هوش مصنوعی تصمیم می گیرند انعطاف پذیری راه حل را با تعامل سبک “متداول” سختگیرانه محدود کنند.
این یک درد برای فروشنده است و نیاز به برنامه نویسی دستی پاسخ های خاص به سؤالات متداول دارد و یک تجربه ضعیف را برای مشتری فراهم می کند ، که رابط یک چت بیت دارد- اما یک تجربه کاملاً انعطاف پذیر که با خواندن سؤالات متداول تفاوت ندارد. سایر فروشندگان تصمیم به استفاده از یک تجربه تولیدی انعطاف پذیر با مرزهای کمتری در LLM استفاده می کنند ، اما به دلیل عدم بازیابی دقیق ، این شامل پر کردن کاتالوگ ها یا صفحات کامل محصول در پنجره متن LLM ، کاهش دقت خروجی ، به طور بالقوه فاجعه بار است.
هنر و علم RAG در مورد به حداکثر رساندن سیگنال (حقیقت) و به حداقل رساندن سر و صدا (زمینه بی ربط است که اغلب LLM را گیج می کند). دقت بازیابی پریون – قادر به تهیه پاسخ سطح جمله خاص در تمام اسناد شما به این معنی است که خدمات مشتری و فروش دیگر نیازی به سازش صحت برای انعطاف پذیری ندارند.
شما به عنوان بزرگترین چالش های شرکت AI شرکت امروز ، به ویژه با سیستم های مبتنی بر RAG ، چه می بینید؟
اگرچه مطمئناً چیزی که در تعامل خودمان با بازار پیدا می کنیم ، به طور فزاینده ای نیز به خوبی تشخیص داده می شود که “داده های آماده AI” (یا فقدان آن) بزرگترین نقطه شکست برای استقرار هوش مصنوعی است.
- 91 ٪ از مدیران در یک بررسی بررسی بازرگانی هاروارد گفتند که یک بنیاد داده قابل اعتماد برای استقرار موفقیت آمیز هوش مصنوعی ضروری است.
- مک کینزی دریافت که 70 ٪ از ابتکارات Genai با چالش های مربوط به داده ها روبرو هستند و تنها 1 ٪ از داده های مهم یک شرکت در مدل های امروز منعکس شده است.
- وال استریت ژورنال قابلیت اطمینان را به عنوان نگرانی شماره 1 برای پذیرش عامل هوش مصنوعی ذکر کرد – موضوعی که از نزدیک به کیفیت داده ها و دسترسی داده شده است.
- گارتنر فقدان داده های آماده Genai را به عنوان دلیل اصلی استقرار ناموفق معرفی کرد.
داده های آماده Ai فراتر از وکتور کردن اسناد کلمه شما است-این مربوط به متحد کردن منابع خاموش شما ، کار با قالب های پیچیده مانند ورودی های چندمودال ، تمیز کردن داده های شما ، تقویت داده های شما ، دریافت آن به یک فرمت LLMS می تواند با آن کار کند ، می تواند آن را در سطح مناسب دانه بندی حفظ کند تا دقت بهینه را حفظ کند و هزینه های خود را کاهش دهد و هزینه های بازیابی و غیره را به صورت هوشمندانه و غیره انجام دهد.
اینها چالش های بزرگی هستند که به صلاحیت ها و ابزارهای اختصاصی نیاز دارند- در بررسی سازندگان RAG که در حال توسعه راه حل ها در داخل شرکت های بزرگ هستند که پریون اجرا می کردند ، تهیه داده ها به عنوان بخش گران ترین ، وقت گیر و چالش برانگیز از ساخت و ساز ، از نزدیک با بازیابی اطلاعات ، رتبه بندی می شوند.
چگونه مجموعه Rag Pryon را از راه حل های سازمانی ارائه شده توسط مایکروسافت ، گوگل یا OpenAI متمایز می کنید؟
تمایز خاص از بازیکن به بازیکن متفاوت است ، اما در سطح بالایی بازیکنان بزرگ فناوری بر روی “رابط” برای هوش مصنوعی در محل کار متمرکز هستند. پریون در سطح اساسی تر پشته تمرکز دارد – لایه دانش. پریون مشکلات عمیق آماده سازی و بازیابی داده ها را حل می کند در حالی که بازیکنان بزرگ فناوری بر ارائه راه حل های گسترده هوش مصنوعی متمرکز شده اند که می توانند برخی از موارد ساده استفاده از پارچه را ارائه دهند اما اغلب به عنوان پیچیدگی های زندگی واقعی شرکت ها و موارد استفاده دولت از هم جدا می شوند. پریون همچنین می تواند با این سیستم ها با محتوای تولید شده توسط Copilot ، Gemini یا GPT به لایه دانش پریون وصل شود تا توسط برنامه های پایین دست و نمایندگان برای استفاده آماده شود.
با تحول در مقررات هوش مصنوعی ، مانند قانون اتحادیه اروپا و دستورالعمل های هوش مصنوعی ایالات متحده ، چگونه پریون به انطباق و استفاده از هوش مصنوعی اخلاقی نزدیک می شود؟
با تکامل مقررات هوش مصنوعی در سطح جهانی ، پریون متعهد به انطباق و استقرار اخلاقی هوش مصنوعی است. رویکرد ما با چارچوب هایی مانند قانون اتحادیه اروپا ، دستورالعمل های هوش مصنوعی ایالات متحده و اصول مسئول AI (RAI) وزارت دفاع هماهنگ است و اطمینان از راه حل های هوش مصنوعی ما قابل اعتماد ، شفاف و حاکم است. از طریق پیروی از چارچوب Rai Shield ، ما ارزیابی دقیق ، قابلیت ردیابی و نظارت مداوم را در طول چرخه عمر هوش مصنوعی ادغام می کنیم – امنیت ، انصاف و عملکرد را ترجیح می دهیم. پریون با تعبیه این بهترین شیوه ها در روش استقرار ما ، سازمانها را قادر می سازد تا ضمن رعایت بالاترین استانداردهای نظارتی و اخلاقی ، با مسئولیت پذیری هوش مصنوعی را مهار کنند.
با تشکر از شما برای مصاحبه عالی ، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید بازدید کنند پریونبشر
