لقد خرج الذكاء الاصطناعي السياقي من التخفي ، حيث جمع 20 مليون دولار من التمويل الأولي من أجل سعيه لتطوير الموجة التالية من النماذج اللغوية لتطبيقات المؤسسات. تهدف هذه التقنية ، التي أسسها دوي كيلا ، إلى حل المشكلات التي تحد من اعتماد نماذج اللغات الكبيرة (LLMs) مثل OpenAI's GPT-4 من قبل المؤسسات ذات الامتثال الصارم ومتطلبات الحوكمة.
على الرغم من إظهار القدرة على إحداث ثورة في الصناعات ، فإن LLM الحالية تعاني من قيود مثل إنتاج نتائج ملفقة بثقة عالية وصعوبات في تعديل قاعدة معارفهم. نتيجة لذلك ، قد تتردد الشركات في تنفيذ LLM في عملياتها. لمعالجة هذه الحواجز ، يعتزم الذكاء الاصطناعي السياقي إنشاء جيل جديد من LLMs التي تلبي احتياجات المؤسسة المحددة.
بدعم من مستثمرين مثل Bain Capital Ventures و Lightspeed و Greycroft و SV Angel ، فإن هدف Contextual AI هو تطوير حلول الذكاء الاصطناعي التي تناسب الشركات أكثر من عروض LLM التي تركز على المستهلك. لتحقيق هذه الغاية ، يعتمد Kiela وشريكه المؤسس Amanpreet Singh على خلفيتهم في تطوير الذكاء الاصطناعي في Hugging Face و Meta.
بالاعتماد على الخبرة البحثية لـ Kiela ، الذي قاد الجهود في مجال الاسترجاع المعزز للجيل (RAG) أثناء وجوده في Meta ، تهدف التكنولوجيا إلى تطوير ذكاء اصطناعي متميز لتوليد النصوص لاستخدامات المؤسسات. في الأساس ، تعمل RAG من خلال تحسين LLM بمصادر خارجية ، مثل الملفات وصفحات الويب ، لتحسين أدائها.
عند تقديم سؤال ، يبحث RAG أساسًا عن البيانات ذات الصلة داخل هذه المصادر الخارجية ، ويجمع المعلومات بالموجه الأصلي ويغذيها إلى LLM. في المقابل ، يولد هذا استجابة واعية بالسياق ، مما يوفر دقة وموثوقية محسّنة مقارنةً بـ LLM التقليدية.
في معالجة المشكلات المحيطة بالتخصيص والإسناد في LLMs ، تعد RAG بتحسين الأداء مع تجنب الحاجة إلى إعادة التدريب أو الضبط الدقيق. يمكن الآن تطوير نماذج لغوية أصغر حجمًا وأكثر كفاءة ، مما يؤدي إلى تقليل زمن الوصول والتكاليف مع تقديم حل متكامل لمتطلبات المؤسسة.
على الرغم من أن الذكاء الاصطناعي السياقي ليس وحده في هذا المسعى ، حيث أن الشركات الناشئة الأخرى مثل LlamaIndex تستكشف أيضًا حقن البيانات وأطر المكونات الإضافية لـ LLMs ، تدعي الشركة أن لديها ميزة فريدة في قطاع المؤسسات. على الرغم من أن الذكاء الاصطناعي السياقي يحقق حاليًا أرباحًا ، إلا أنه يُقال إنه يجري مناقشات مع شركات Fortune 500 لمشاريع تجريبية محتملة لتقنيتها.
من خلال ضمان أن تكون مخرجات الذكاء الاصطناعي التوليدية دقيقة وموثوقة وقابلة للتتبع ، فإن الذكاء الاصطناعي السياقي لديه القدرة على إحداث تأثير كبير على اعتماد ونشر تكنولوجيا الذكاء الاصطناعي في الشركات. علاوة على ذلك ، يوفر هذا النهج الأكثر تكاملاً بديلاً تنافسيًا لشركات الذكاء الاصطناعي التوليدية الأخرى التي تتطلع إلى استهداف سوق المؤسسات.
في صناعة no-code ، تعمل منصات مثل AppMaster على دفع النمو من خلال تمكين الشركات من إنشاء تطبيقات الويب والخلفية والجوّال بسهولة. يمكن أن يساعد تبني حلول مثل الأنظمة الأساسية الخالية من التعليمات البرمجية في تقليل التكاليف وتسريع التطوير ، خاصة وأن الذكاء الاصطناعي التوليدي يكتسب قوة دفع في قطاع المؤسسات.
