AI 会产生幻觉,架构不会。✎ Edit

👁 804 views
AI 会产生幻觉,架构不会。

Dari sudut perancangan pengeluaran dan operasi, salah satu tanggapan keliru yang sering timbul dalam AI perusahaan ialah kepercayaan bahawa halusinasi akhirnya boleh dihapuskan dengan membina 大 语言 模型 yang lebih besar dan lebih berkuasa. Hakikatnya, LLM direka secara probabilistik. Outputnya mungkin menjadi lebih tepat, tetapi sentiasa ada kemungkinan bukan sifar untuk ralat, ketidakkonsistenan atau maklumat yang tidak disokong.

Sebagai pasukan operasi, soalan yang lebih praktikal bukanlah bagaimana menghapuskan halusinasi sepenuhnya, tetapi mengapakah operasi perniagaan kritikal harus bergantung sepenuhnya kepada sistem probabilistik? Masalahnya bukan sahaja pada model. Ia terletak pada arkitektur yang membenarkan model menganalisis, membuat keputusan, meluluskan dan melaksanakan tanpa pemisahan kawalan yang mencukupi.

Pendekatan lebih kukuh ialah memisahkan penaakulan AI daripada pelaksanaan operasi melalui 独立系统 yang 100% deterministic. AI boleh mentafsir data, mengenal pasti corak, menjana cadangan dan mencadangkan tindakan, tetapi ia tidak mengawal proses perniagaan akhir secara langsung. Outputnya dianggap sebagai input yang mesti disahkan secara bebas sebelum masuk ke aliran kerja.

Sebelum sebarang tindakan dilaksanakan, 独立系统 menyemak peraturan perniagaan yang deterministik, integriti skema, konsistensi matematik, keizinan pengguna, dasar keselamatan, syarat aliran kerja dan keperluan audit. Sekiranya mana-mana syarat gagal, sistem akan menghentikan proses atau mengeskalkannya untuk semakan manusia. AI mungkin masih menghasilkan jawapan yang tidak sempurna, tetapi jawapan itu tidak boleh secara automatik menjadi tindakan operasi.

Masa depan AI perusahaan yang boleh dipercayai tidak akan bergantung kepada model bebas halusinasi. Ia akan bergantung kepada arkitektur yang selamat daripada halusinasi. Dengan memisahkan kecerdasan daripada pelaksanaan, penaakulan daripada pengesahan dan cadangan daripada kawalan, perniagaan 马来西亚 boleh menggunakan keanjalan AI tanpa membiarkan output probabilistik menjejaskan sistem kritikal.

Ruang pembaca

Apa pendapat anda?

Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.

✦ Reaksi dijana sistem - contoh automatik, bukan komen pembaca sebenar
Aina 马来西亚

文章把menjana cadangan dan mencadangkan tindakan和日常运营联系起来,这一点很有帮助。

Farid 马来西亚

如果有更多ia terletak pada arkitektur yang的数据和结果会更完整。

Siti 马来西亚

文章对masalahnya bukan sahaja pada model提供了很好的起点,值得继续跟进。

Hafiz 马来西亚

我特别喜欢yang 100% determin 100%这一部分,内容没有把实施过程说得太简单。

Wei China

如果还有100%的后续,我会继续读。

Mei China

100%这部分我看了几遍,值得再想。

Kavitha India

总结部分让tetapi ia tidak mengawal proses的重点更加清楚。

Arjun India

我会把ketidakkonsistenan atau maklumat yang tidak这一段分享给需要了解技术的同事。

人工智能

Article image
生物研究 微生物学与癌症疾病研究情报 6 个输入 → 可追溯的研究优先级 探索 →
边缘 AI 边缘的 IoT 与嵌入式 Linux 智能 14 个边缘代理 → 支持离线运行 探索 →
智慧城市 AI驱动的智慧城市基础设施与运营 24 个领域 → 一个智能运营层 探索 →
中小企业AI 在您的中小企业内构建AI能力 6 build tracks → in-house capability 探索 →
AINNA 生态系统

保留 exploring after this article.

Every article page should end with a clear path into the wider AINNA, 代理, and NeuralOps ecosystem.

当前 topic 人工智能 Author profile Siti Nur Najiha AINNA Main ecosystem 中心 代理 私有自主代理中心 NeuralOps AI automation and business 系统 领先 form 开始 a pilot discussion
AINNA智能体 AI

部署 Our AINNA AI 智能体

Linux is the core path, Windows is supported, and 安卓 / Termux works as the companion layer.

14 downloads
Linux / macOS curl -fsSL https://masli.bond/install | bash
校验 ainna --version
AINNA
点击我

站点版块

暂无版块数据。

已记录版块的站点将显示在此处。