基于AI大語言模型的智能問答助手，和你的數(shù)據(jù)聊聊天
提起專業(yè)領(lǐng)域內(nèi)的AI智能問答，很多人的評價(jià)是：高效、流暢但不夠準(zhǔn)確。比如當(dāng)你讓ChatGPT講述一個(gè)并不存在的典故“林黛玉倒拔垂楊柳”，卻能得到完整、細(xì)致的答案。
對此，金現(xiàn)代人工智能專家宗云兵博士表示：“大語言模型的幻覺問題，是這種‘一本正經(jīng)地胡說八道’現(xiàn)象產(chǎn)生的主要原因。為規(guī)避這一問題，我們將通用大語言模型引入到行業(yè)垂直領(lǐng)域，充分利用企業(yè)文檔、數(shù)據(jù)庫等數(shù)據(jù)資產(chǎn)，生成真正有事實(shí)依據(jù)、符合用戶預(yù)期的答案?！边@也是金現(xiàn)代最新成果“小金智問”的來源。
小金智問
應(yīng)用場景一：電力安全應(yīng)急管理
安全應(yīng)急管理是電力企業(yè)生產(chǎn)運(yùn)營的重中之重，面對海量法律法規(guī)、制度準(zhǔn)則，工作人員往往難以準(zhǔn)確掌握其中的細(xì)則要求。通過金現(xiàn)代的“小金智問”系統(tǒng)可實(shí)現(xiàn)24小時(shí)“智能問診”，工作人員在應(yīng)急搶修過程中可隨時(shí)對行業(yè)規(guī)范要求、突發(fā)事件處理方案等進(jìn)行提問，系統(tǒng)可以給出準(zhǔn)確答案以及答案來源，比如“面對12級臺(tái)風(fēng)，應(yīng)該采取哪些應(yīng)急搶修措施？”等。
安全應(yīng)急問答示例
應(yīng)用場景二：銷售數(shù)據(jù)管理
留存在企業(yè)CRM系統(tǒng)中的海量數(shù)據(jù)，受限于展示形式、顆粒度的不同，往往難以實(shí)現(xiàn)快速定位。通過金現(xiàn)代的“小金智問”系統(tǒng)可實(shí)現(xiàn)針對數(shù)據(jù)庫的問答，理解人類隨機(jī)描述的自然語言，并從分散在數(shù)據(jù)庫的多表數(shù)據(jù)中精準(zhǔn)提取答案，回答“某產(chǎn)品在證券行業(yè)的總銷售額是多少”，“某產(chǎn)品在證券行業(yè)銷售額最大的3個(gè)單子分別是什么”等問題。
銷售數(shù)據(jù)問答示例
上述場景，可將AI智能問答劃分為文本問答和數(shù)據(jù)庫問答兩類。其中，文本智能問答可解決用戶關(guān)于“是什么”“行不行”的問題，數(shù)據(jù)庫問答可解決用戶關(guān)于表格中數(shù)據(jù)求和、排序、過濾、計(jì)數(shù)、分頁等方面的問題。
“基于大語言模型、檢索增強(qiáng)生成、自然語言處理等技術(shù)，我們解決了智能問答過程中的上下文感知、復(fù)雜語義理解和推理、數(shù)據(jù)治理、數(shù)據(jù)計(jì)算、多維表格處理等難題，從大量的數(shù)據(jù)和信息中抽取出最優(yōu)答案，并實(shí)現(xiàn)回答內(nèi)容的推本溯源，避免大模型‘胡言亂語’現(xiàn)象的發(fā)生?！弊谠票┦拷榻B道。
數(shù)智化轉(zhuǎn)型趨勢下，大模型智能問答可以基于不同行業(yè)的業(yè)務(wù)場景演變成各類智能工具，創(chuàng)新業(yè)務(wù)流程和交互模式，實(shí)現(xiàn)企業(yè)生產(chǎn)經(jīng)營的降本增效。比如基于學(xué)習(xí)專業(yè)文獻(xiàn)和專家知識(shí)庫的設(shè)備運(yùn)維咨詢、依托海量數(shù)據(jù)報(bào)表準(zhǔn)確分析經(jīng)營狀況的財(cái)務(wù)數(shù)據(jù)管理、根據(jù)用戶需求準(zhǔn)確給出解決方案的數(shù)字化建設(shè)咨詢、提供全天候政務(wù)服務(wù)的便民客服、為用戶答疑解惑的法律顧問等。
未來，金現(xiàn)代將繼續(xù)探索基于AI大語言模型的智能問答方案，在應(yīng)急管理、安全監(jiān)察、財(cái)務(wù)管理、客戶管理等更多行業(yè)應(yīng)用場景中的應(yīng)用，讓AI真正聽懂用戶需求、解答用戶疑惑，助力企業(yè)業(yè)務(wù)創(chuàng)新和數(shù)智升級。