이 시리즈는 인공 슬롯 사이트가 제조 산업에 미치는 영향의 주제에 따라 Custom-Made 슬롯 사이트 솔루션 인 "Custom 슬롯 사이트"를 개발하고 제공하는 Laboro슬롯 사이트 Co, Ltd의 CEO 인 Shiibashi Toruo를 인터뷰 할 예정입니다
1 부우리는 슬롯 사이트 생성에 대한 업계의 요구와 그것이 사용될 방향에 대해 물었습니다 다음 섹션에서는 Generation 슬롯 사이트를 도입 할 때 고려해야 할 핵심 사항과이를 구현할 수있는 전망에 대해 이야기 할 것입니다
텍사스 대학교 (University of Texas), 물리 과학 학부/이중 수학과를 졸업했습니다 2008 년에 그는 보스턴 컨설팅 그룹의 도쿄 사무소에 합류했습니다 워싱턴 DC 사무소에 이어 두 번째로, 그는 당시 가장 어린 사람으로 2014 년 교장으로 승진했습니다 그는 국내 및 국제적으로 많은 프로젝트에 참여했습니다 그는 나중에 도쿄 대학에서 슬롯 사이트 스타트 업 회사에 합류하여 창립 회사의 네 번째 멤버로 합류했습니다 슬롯 사이트 부서의 출시를 이끌고 있습니다 같은 해에 그는 도쿄 대학 공학 대학원 기술 및 비즈니스 전략 부서의 Matsuo Yutaka Laboratory에서 Global Socent Intelligence Donation Course의 이사를 역임했습니다 2016 년에 그는 슬롯 사이트를 사용하여 솔루션 개발에 관여하는 Laboro슬롯 사이트를 설립했습니다
hp :https : //laboro슬롯 사이트/
Generation 슬롯 사이트를 소개 할 때 도전 및 핵심 사항
- 제조 산업에서 Generation 슬롯 사이트를 도입 할 때 고려해야 할 도전이나 포인트가 있습니까?
MR Shiibashi (제목 생략)Chatgpt를 포함한 현재 LLM (대규모 언어 모델)은 일반적인 목적 모델입니다 따라서 제한된 수의 장치 내에서 작동하는 것과 같이 현장에 통합 할 수있는 높은 장애물이 있으므로 모델의 크기를 줄이고 목적을 전문으로하며 컴퓨터에서 실행할 수 있어야한다는 견해가 있습니다 또한 장치의 데이터는 매우 기밀이며 회사는 클라우드에 업로드하는 것을 꺼려하거나 실제로 제한 될 수 있습니다 문제 중 하나는 로컬 서버에서 어느 정도 작동하도록하는 것입니다
도전은 또한 "멈춤"으로 이어질 수 있으며, 여기서 슬롯 사이트는 사실을 기반으로하지 않는 정보를 생성합니다 올바른 것만 출력 할 필요는 없기 때문에 제조 현장의 잘못된 유지 보수가 중요한 문제가 될 수 있습니다 우리는 옳고 그름을 선택하는 방법과 제조 산업에서 출력 품질을 보장 할 가능성이 있다고 생각합니다
-이들에 대한 해결책을보기 시작하십니까?
Shiibashi학습 분야에서는 모델의 크기를 줄이고 성능이 하락하는 LLM을 방지하기 위해 연구가 빠르게 진행되고 있습니다 매우 다재다능하지는 않지만 현장을 전문으로하는 동안 높은 정확도를 높이기위한 노력을 시작했으며, 예를 들어 Bloomberg는 재무 중심 LLM "Bloomberggpt"를 발표했습니다 앞으로 다른 산업에서 실질적으로 사용될 것입니다
Halcination과 관련하여, 우리는 "검색 증강 생성"이라는 시스템을 사용하기 시작했으며, 여기에는 LLM이 모델 내에서 지식보다는 사실 데이터베이스에서 답변을 검색 한 다음 요약하고 답변하는 것을 포함합니다 대답은 사실에 근거한 것이므로 자주 거짓말을하지 않는다고합니다 이 연구는 진행 중이지만, 그럼에도 불구하고 우리는 그것이 사실인지 아닌지를 보장 할 수 없으며 향후 진전을 기대합니다 또한, 정확하거나 잘못된 명확한 답변이 있다면 규칙 기반 방식으로 배울 수 있으며 조항을 방지하기 위해 노력할 수도 있다고 생각합니다