Voyage AI در حال ساخت ابزار RAG است تا هوش مصنوعی کمتر دچار توهم شود

هوش مصنوعی تمایل دارد چیزها را درست کند. تقریباً برای هرکسی که به طور منظم از آن استفاده می کند، جذاب نیست، اما به ویژه برای مشاغل، که نتایج اشتباه می تواند به نتیجه آسیب برساند. نیمی از کارگران پاسخ دادن در یک نظرسنجی اخیر از Salesforce می گویند که آنها نگران هستند که پاسخ های سیستم های مولد مبتنی بر هوش مصنوعی شرکتشان نادرست باشد.

در حالی که هیچ تکنیکی نمی تواند این “توهمات” را حل کند، برخی می توانند کمک کنند. به عنوان مثال، نسل افزوده شده با بازیابی یا RAG، یک مدل هوش مصنوعی را با یک پایگاه دانش جفت می کند تا اطلاعات تکمیلی مدل را قبل از پاسخ دادن ارائه کند، که به عنوان نوعی مکانیسم بررسی واقعیت عمل می کند.

به لطف تقاضای بسیار بالا برای هوش مصنوعی قابل اطمینان تر، کل مشاغل بر روی RAG ساخته شده اند. Voyage AI یکی از این موارد است. Voyage که توسط استاد دانشگاه استنفورد Tengyu Ma در سال 2023 تأسیس شد، سیستم‌های RAG را برای شرکت‌هایی از جمله Harvey، Vanta، Replit و SK Telecom تقویت می‌کند.

Ma در مصاحبه ای با TechCrunch گفت: «Voyage در یک ماموریت برای افزایش دقت و کارایی جستجو و بازیابی در هوش مصنوعی سازمانی است. «راه حل های سفر [are] متناسب با حوزه‌های خاص، مانند برنامه‌های برنامه‌نویسی، مالی، حقوقی و چند زبانه، و متناسب با داده‌های یک شرکت.

برای چرخاندن سیستم‌های RAG، Voyage مدل‌های هوش مصنوعی را آموزش می‌دهد تا متن، اسناد، فایل‌های PDF و سایر اشکال داده را به نمایش‌های عددی به نام جاسازی‌های برداری تبدیل کند. تعبیه‌ها معنا و روابط بین نقاط داده مختلف را در قالبی فشرده به تصویر می‌کشند و آنها را برای برنامه‌های مرتبط با جستجو مانند RAG مفید می‌سازد.

Voyage از نوع خاصی از جاسازی به نام جاسازی متنی استفاده می‌کند که نه تنها معنای معنایی داده‌ها، بلکه زمینه‌ای که داده‌ها در آن ظاهر می‌شوند را در بر می‌گیرد. به عنوان مثال، با توجه به کلمه “بانک” در جملات “من در ساحل رودخانه نشستم” و “من پول در بانک سپرده کردم”، مدل های تعبیه شده Voyage بردارهای مختلفی را برای هر نمونه از “بانک” ایجاد می کند – که منعکس کننده موارد مختلف است. معانی مستلزم زمینه

Voyage مدل‌های خود را برای استفاده داخلی، خصوصی یا ابری عمومی میزبانی می‌کند و مجوز می‌دهد و مدل‌های خود را برای مشتریانی که می‌خواهند برای این سرویس پرداخت کنند تنظیم می‌کند. این شرکت در این زمینه منحصر به فرد نیست – OpenAI نیز دارای یک سرویس تعبیه مناسب است – اما Ma ادعا می کند که مدل های Voyage عملکرد بهتری را با هزینه کمتر ارائه می دهند.

او توضیح داد: “در RAG، با دادن یک سوال یا پرس و جو، ابتدا اطلاعات مربوطه را از یک پایگاه دانش بدون ساختار بازیابی می کنیم – مانند کتابداری که کتاب ها را از یک کتابخانه جستجو می کند.” روش‌های RAG معمولی اغلب با از دست دادن زمینه در طول رمزگذاری اطلاعات دست و پنجه نرم می‌کنند که منجر به شکست در بازیابی اطلاعات مرتبط می‌شود. مدل‌های تعبیه‌شده Voyage دارای بهترین دقت بازیابی در کلاس هستند که به کیفیت پاسخگویی سرتاسر سیستم‌های RAG ترجمه می‌شود.

وام دادن به آن ادعاهای جسورانه یک امر است تایید از رقیب اصلی OpenAI آنتروپیک؛ یک سند پشتیبانی Anthropic مدل های Voyage را به عنوان “وضعیت هنر” توصیف می کند.

Ma گفت: «رویکرد Voyage از جاسازی‌های برداری آموزش‌دیده بر روی داده‌های شرکت برای ارائه بازیابی‌های آگاه از زمینه استفاده می‌کند، که دقت بازیابی را به طور قابل‌توجهی بهبود می‌بخشد.»

Ma می گوید که Voyage مستقر در پالو آلتو کمی بیش از 250 مشتری دارد. او از پاسخ به سؤالات در مورد درآمد خودداری کرد.

در سپتامبر، Voyage که حدود 12 کارمند دارد، یک دور سری A 20 میلیون دلاری به رهبری CRV با مشارکت Wing VC، Conviction، Snowflake و Databricks را بست. Ma می‌گوید که تزریق نقدی که مجموع درآمد Voyage را به 28 میلیون دلار می‌رساند، از راه‌اندازی مدل‌های جدید جاسازی پشتیبانی می‌کند و به شرکت اجازه می‌دهد اندازه خود را دو برابر کند.