Според Артуро Девеса, главен AI архитект и ръководител на отдела за иновации в EXL, се очаква специфичните за индустрията големи езикови модели (Large language models, или LLM) да стимулират иновациите, тъй като внедряването на изкуствения интелект продължава.

EXL, глобална фирма за анализи и дигитални решения, наскоро стартира първия си собствен LLM и първия си LLM специфичен за застрахователната индустрия.

„LLM-и за определени сфери или за определени компании: мисля, че това ще продължи да бъде фокусът върху иновациите в LLM. Разбира се, ще продължи да има иновации сред LLM-и с общо предназначение. Може би те ще бъдат комерсиализирани, но това все още ще бъде огромен бизнес. Но ние сме малко по-различни. Изграждаме нещо по-специфично“, казва Девеса.

Специалистите по застрахователно право в EXL са обучени за одит на застраховки „Живот“, искове при застраховки „Имущество и злополуки“, оценки на имоти при застраховки „Домашно имущество“ и прегледа на медицински досиета за здравно осигуряване. Компанията също работи по разширяването на тази експертиза в други сфери на застраховането.

Наскоро те пуснаха EXLerate.AI – платформа, използваща внимателно обучени езикови модели. Целта е да помогнат на предприятията да преосмислят своите работни процеси. Платформата позволява безпроблемна интеграция на EXL с инструменти с изкуствен интелект от други компании. Всичко това се вписва в съществуващите бизнес процеси на клиентите.

Девеса твърди, че търсенето на специфични за индустрията LLM програми непрекъснато нараства, тъй като все повече застрахователни компании се стремят да включат решения с изкуствен интелект, които могат да предложат по-добра точност, бързина и икономии на разходи отколкото общите инструменти с изкуствен интелект.

Какво е LLM?

Големият езиков модел е инструмент с изкуствен интелект, предназначен да обработва естествен език и да отговаря също на естествен език. Девеса е започнал кариерата си в обработката на естествения език. Той обяснява, че тези езикови модели са предварително обучени с „огромни количества данни“ от интернет. Оттам идва и името им „големи езикови модели“.

„Те предварително обучават модел, за да може да разбира цели думи в интернет, а след това обучават тези модели на специфични задачи като разсъждения, преобразуване на код, писане на код, обобщаване, въпроси и отговори, класификация, извличане на думи и т.н.“, казва той.

Процесът чрез който LLM-ите приемат информация в човешки формат и дават отговор е известен като генериране с добавено извличане (Retrieval-augmented generation, или RAG). Изкуственият интелект първо се рови в документ или база данни, за да извлече информация свързана с въпроса на потребителя, след което въвежда тези данни в езиков модел като контекст и накрая генерира отговор въз основа на това.

LLM-ите стават по-добри и „по-интелигентни“ с развитието си през годините. Но едва когато ChatGPT „завладя масовата публика“ през 2022 г., корпорациите започнаха да разглеждат LLM-ите като практични инструменти и как да ги използват със собствените си данни, отбелязва Девеса.

Компаниите обаче се сблъскват с три основни предизвикателства при LLM-ите с общо предназначение:

● Неточни отговори („халюцинации на изкуствения интелект“)

● Бавни отговори

● Високи разходи

Специфичните за дадена област LLM-и могат да помогнат за справяне с тези предизвикателства.

Защо застраховането се нуждае от собствен LLM?

Девеса обяснява, че индустрия като застраховането, която може да бъде сложна и да обхваща широк спектър от дисциплини, би могла да се възползва от LLM специално предназначен за нейните цели. Такъв модел не само помага за подобряване на точността и премахване на „халюцинациите“, но е и най-рентабилен и ефикасен, тъй като използва специфични за индустрията данни.

„Това е полезно за нашите клиенти, използващи специфичният за тях LLM, или дори за клиентите които искат да ни наемат за да им помогнем да изградят свой собствен LLM с техните собствени данни“, казва Девеса.

Девеса разказва как EXL са започнали с LLM с общо предназначение, след което са го усъвършенствали, използвайки специфични за индустрията данни и обучение на големи екипи от оператори, специалисти по данни и AI инженери в офисите им по целия свят.

„Теорията е, че фината настройка винаги ще превъзхожда RAG, защото вземате знанията за вашия случай на употреба (така наречения „use case“) и ги вграждате в LLM-а.

LLM-а никога не е виждал контекста. LLM-а никога не е виждал задачата. Следователно, той превъзхожда основния LLM защото вече не е предварително обучен модел“, казва Девеса.

Търсени са LLM модели, специфични за дадени сфери

Според Девеса, все по-голям брой клиенти търсят доставчици на AI решения като EXL за LLM-и, специфични за дадена индустрия. Той отбеляза, че въпреки разпространението на LLM-и с общо предназначение, никой от тях „няма да започне да наема армии от експерти по застрахователно дело и да изгражда потенциално стотици LLM-и за различни сфери“.

„В нашия случай вече изграждаме няколко от тях. Това е много предизвикателно и изисква експертиза в областта и специфична инфраструктура. За нас това е наистина важно. Това не е продукт за широко потребление. Клиентите започват да казват, че се интересуват повече от нашите LLM-и. Те искат LLM-и, специфични за дадена област – корпоративни LLM-и. Това означава, че искат да използват LLM-и със собствените си данни. Не искат да правят RAG с GPT-4.“, казвай той.

EXL Service е глобална компания за анализ на данни и дигитални решения, базирана в Ню Йорк. Основана през 1999 г., компанията разполага с екип от 1 500 специалисти по обработка на данни и работи в широк спектър от индустрии.

Специфичните за индустрията големи езикови модели ще станат фокус на иновациите

Изтеглете приложението

Запитване за застраховка

Изтеглете приложението

Запитване за застраховка