Pinecone и зората на векторните бази данни, част 2

Говорим за изкуствения интелект повече от веднъж на ден в това предаване. Говорим с хората, които работят по основните модели, с частния капитал, който инвестира в технологията. Отделно говорим за подготовката на данните, машинно самообучение, машинни заключения. Къде е Pinecone в този цикъл на развитие?

Това е съвсем друг компонент. Става дума за търсене и извличане, достъп до дългосрочната памет.

Ако се опитвате да направите генеративен изкуствен интелект на базата на данните от собствената ви компания, ако искате вашето приложение да не халюцинира и да не прави груби грешки, трябва да му осигурите тази функционалност. Ние в Pinecone я предоставяме.

Може да е в обучението или в анализа на данни, или в производството в реално време. Или в клиентската фаза.

Това се използва навсякъде, съвсем друг компонент е.

В известен смисъл залагаме на това, което казах. Осъзнаването, че това е критичен елемент и ще продължи да се използва. Точно това предизвика кръга финансиране и оценката.

Имате интересни клиенти: Shopify, Gong, Zapier, Expel, Chipper. Интересни имена. Какво правите за тях?

Когато големите езикови модели обработват даден текст, те не го запомнят или представят по един и същи начин. Когато искате да търсите данни, когато големият езиков модел търси данни, не ги търси с обикновените търсачки, които аз и вие използваме. Те търсят по съвсем друг начин.

Този друг начин е подкрепен от Pinecone.

Така че ако например Gong иска да разбере дали някой продавач е предложил дискаунт на някой клиент, с големите езикови модели е много по-лесно, защото те ще търсят в данните с Pinecone. По-лесно, отколкото ако търсят по ключови думи например.

Същото е и при Shopify. С приложението на помощника при пазаруване. Много бързо излиза информация за продукта с тези функционалности. Макар че там е клиентския продукт.

Става дума за откриване, за търсене с помощта на големите езикови модели. Създаване на нови приложения. Особено когато искате да избегнете халюцинациите.