Günlük ve haftalık bültenlerimize katılın, endüstri lideri AI kapsamındaki en son güncellemeler ve özel içerikler için.
Contextual AI, bugün yerli dil modelini (GLM) tanıttı ve çıkan haberlere göre, bu model sektöründeki en yüksek doğruluk oranını sunduğu iddia ediliyor. Google, Anthropic ve OpenAI gibi lider AI sistemlerini geride bıraktığı belirtiliyor.
Bu girişim, geri alma destekli üretim (RAG) teknolojisinin öncülerinin kurduğu bir şirket. GLM, FACTS benchmark‘ında %88 doğruluk puanı elde etti. Bu, Google’ınGemini 2.0 Flash’ına ait %84.6, Anthropic’sClaude 3.5 Sonnet modeline ait %79.4 ve OpenAI’ınGPT-4o’suna ait %78.8’in oldukça üzerinde.
Faktüel Doğruluk ve Geri Alım Destekli Üretim
Geniş dil modelleri, kurumsal yazılımları dönüştürürken, faktüel hatalar – genellikle halüsinasyonlar olarak adlandırılır – işyeri benimsemesi için kritik bir engel olmaya devam ediyor. Contextual AI, kesinliğin son derece önemli olduğu RAG uygulamaları için özel olarak optimize edilmiş bir model geliştirmeyi amaçlıyor.
Contextual AI’nın CEO’su ve kurucu ortağı Douwe Kiela, VentureBeat ile yaptığı özel bir röportajda, “RAG’nin doğru bir şekilde yapılması gerektiğini biliyorduk” dedi. “Bu şirketin amacı, RAG’yi bir üst seviyeye taşımak.”
Genel Amaçlı Modellerin Sınırları
Şirket, ChatGPT veya Claude gibi genel amaçlı modellere kıyasla önemli ölçüde farklı bir alana odaklanıyor. Bu genel modeller, yaratıcı yazımdan teknik belgelere kadar geniş bir yelpazede tasarlanmıştır. Ancak Contextual AI, yüksek riskli kurumsal ortamlara yöneliyor; burada doğruluğun kesinliği, yaratıcı esneklikten daha önceliklidir.
Doğru Bilgi Verme Yeteneği
Kiela, “Bir RAG problemi yaşıyorsanız ve yüksek düzeyde düzenlemelere tabi bir endüstrideyseniz, halüsinasyonlara karşı hiçbir toleransınız yoktur” dedi. “Pazarlama departmanı için faydalı olan genel amaçlı dil modeli, hatalara karşı çok daha hassas olduğunuz bir kurumsal ortamda istediğiniz model değil.”
Yeni Standart: Temellilik
Temellilik kavramı – AI yanıtlarının yalnızca sağlanan bilgilerle sınırlı olduğunun güvence altına alınması – kurumsal AI sistemleri için kritik bir gereklilik haline geldi. Finans, sağlık ve telekomünikasyon gibi düzenlenmiş endüstrilerde, şirketlerin ya doğru bilgiler sağlaması ya da bilemediğini açıkça belirtmesi gerekiyor.
Kiela, bu katı temelliliğin nasıl çalıştığını bir örnekle açıklıyor: “Eğer standart bir dil modeline bir tarif veya formül verirseniz ve ‘bu çoğu durumda doğrudur’ derseniz, çoğu dil modeli yine de bu tarifin doğru olduğunu varsayıyor. Ancak bizim dil modelimiz, ‘Aslında bu sadece çoğu durumda doğru olduğunu söylüyor’ diyor.”
Veri Yönetimi ve Entegre Çözümler
Contextual AI’nın platformu, “RAG 2.0” adı verilen bir yaklaşım üzerine kurulmuştur; bu yöntem basitçe satılan bileşenleri birleştirmekten öte bir yöntemdir.
Kiela, “Tipik bir RAG sistemi, gömülme noktası için dondurulmuş bir model, geri alma için bir vektör veritabanı ve üretim için bir kara kutu dil modeli kullanır. Bu da, aynı zamanda RAG olarak adlandırılan yapıyı oluşturur. Her bir bileşen teknik olarak çalışsa da, bütün olarak bir araya geldiğinde ortaya çıkan sonuçlar optimal olmaktan uzaktır” diyor.
Yönetimlerini ve sistemin tüm bileşenlerini bir arada çalışabilir hale getirmek amacıyla ortak bir optimizasyon sağlanıyor. Kiela, “En iyi yeniden sıralayıcıyı” kullanarak en ilgili bilgileri belirleyip bunları yerli dil modeline gönderen bir sistem geliştirdiklerini belirtiyor.
Gelecek Hedefleri ve Gelişmeler
Contextual AI, GLM lansmanından kısa bir süre sonra özel yeniden sıralayıcı bileşenini piyasaya sürmeyi planlıyor ve belge anlama yeteneklerinin geliştirilmesine odaklanacak. Şirket, daha bağımsız yetenekleri geliştirme konusunda da deneysel özellikler üzerinde çalışıyor.
2023 yılında Kiela ve Amanpreet Singh tarafından kurulan Contextual AI, HSBC, Qualcomm ve The Economist gibi müşterilere sahip. Şirket, işletmelere AI yatırımlarından somut geri dönüşler sağlamalarına yardımcı olmayı hedefliyor.
Kiela, “AI’dan ROI elde etmek için baskı altında olan şirketler için, aslında sorunlarını çözmeye yönelik daha uzmanlaşmış çözümler aramaya başlamak için bir fırsat” diyor. “Altında yatan gerçek, sağlıklı bir yerli dil modeline sahip olmak; bu model, belki standart bir dil modelinden daha sıkıcı, ama gerçekten sağlam bir çıkarım yapabiliyor.”
