در هوش مصنوعی سازمانی، درک و کار بر روی چندین زبان دیگر اختیاری نیست – پاسخگویی به نیازهای کارمندان، مشتریان و کاربران در سراسر جهان ضروری است.

بازیابی اطلاعات چندزبانه – توانایی جستجو، پردازش و بازیابی دانش در زبان‌ها – نقشی کلیدی در توانمندسازی هوش مصنوعی برای ارائه خروجی دقیق‌تر و مرتبط‌تر در سطح جهانی ایفا می‌کند.

سازمان‌ها می‌توانند با NVIDIA NeMo Retriever تلاش‌های مولد هوش مصنوعی خود را به سیستم‌های گرانولار و چندزبانه گسترش دهند، که میکروسرویس‌های NVIDIA NIM را که اکنون در کاتالوگ NVIDIA API موجود است، جاسازی و پیکربندی مجدد می‌کند. این مدل‌ها می‌توانند اطلاعات را در طیف گسترده‌ای از زبان‌ها و قالب‌ها، مانند اسناد، درک کنند تا نتایج دقیق و آگاه از زمینه را در مقیاس ارائه دهند.

با NeMo Retriever، کسب‌وکارها اکنون می‌توانند:

• استخراج دانش از مجموعه داده های بزرگ و متنوع برای به دست آوردن زمینه اضافی برای ارائه پاسخ های دقیق تر.
• به طور یکپارچه هوش مصنوعی مولد را به داده های سازمانی در اکثر زبان های اصلی جهانی متصل کنید تا مخاطبان کاربر خود را گسترش دهید.
• از طریق فناوری‌های جدید مانند پشتیبانی از زمینه طولانی و مقیاس‌بندی گنجاندن پویا، اطلاعات عملی را در مقیاس بزرگ‌تر با بهره‌وری 35 برابری ذخیره‌سازی داده بهبود یافته ارائه دهید.

شرکای پیشرو NVIDIA مانند DataStax، Cohesity، Cloudera، Nutanix، SAP، VAST Data، و WEKA در حال حاضر از این میکروسرویس ها برای کمک به سازمان ها در سراسر صنایع کمک می کنند تا مدل های سفارشی را به طور ایمن به منابع داده بزرگ و متنوع متصل کنند. NeMo Retriever با استفاده از تکنیک‌های Retrieval Augmented Generation (RAG)، سیستم‌های هوش مصنوعی را قادر می‌سازد تا به اطلاعات غنی‌تر و مرتبط‌تر دسترسی داشته باشند و به طور موثر شکاف‌های زبانی و زمینه‌ای را پر کنند.

ویکی داده سرعت پردازش داده ها را از 30 روز به کمتر از سه روز افزایش می دهد

ویکی‌مدیا با مشارکت DataStax، NeMo Retriever را برای بردار کردن محتوای ویکی‌پدیا پیاده‌سازی کرده و به میلیاردها کاربر خدمات ارائه می‌دهد. تعبیه برداری – یا “بردار” – فرآیندی است که داده ها را به قالبی تبدیل می کند که هوش مصنوعی بتواند آن را پردازش و درک کند تا بینش ها را استخراج کند و تصمیم گیری هوشمندانه را هدایت کند.

ویکی‌مدیا از NeMo Retriever برای جاسازی و ترتیب‌دهی مجدد ریزسرویس‌های NIM استفاده کرد تا بیش از 10 میلیون ورودی ویکی‌داده را در قالب‌های آماده هوش مصنوعی در کمتر از سه روز هدایت کند، فرآیندی که قبلاً 30 روز طول می‌کشید. این سرعت ده برابری دسترسی چندزبانه و مقیاس پذیر را به یکی از بزرگترین نمودارهای دانش منبع باز در جهان امکان پذیر می کند.

این پروژه پیشگام، به‌روزرسانی‌های بلادرنگ صدها هزار ورودی را که روزانه توسط هزاران مشارکت‌کننده ویرایش می‌شوند، تضمین می‌کند و دسترسی جهانی را برای توسعه‌دهندگان و کاربران به طور یکسان افزایش می‌دهد. با مدل بدون سرور Astra DB و فناوری‌های NVIDIA AI، ارائه DataStax تأخیر تقریباً صفر و مقیاس‌پذیری استثنایی را برای پشتیبانی از خواسته‌های پویا جامعه ویکی‌مدیا ارائه می‌کند.

DataStax از طرح‌های NVIDIA AI استفاده می‌کند و ریزسرویس‌های NVIDIA NeMo Customizer، Curator، Evaluator و Guardrails را در مولد کد LangFlow AI ادغام می‌کند تا اکوسیستم توسعه‌دهنده را قادر می‌سازد تا مدل‌ها و خطوط لوله هوش مصنوعی را برای موارد استفاده منحصربه‌فرد خود بهینه کند و به سازمان‌ها کمک کند تا برنامه‌های هوش مصنوعی خود را مقیاس کنند.

هوش مصنوعی زبان فراگیر تأثیر تجارت جهانی را هدایت می کند

NeMo Retriever به سازمان‌های جهانی کمک می‌کند تا بر موانع زبانی و زمینه‌ای غلبه کنند و پتانسیل داده‌های خود را آزاد کنند. با استقرار راه‌حل‌های قدرتمند هوش مصنوعی، شرکت‌ها می‌توانند به نتایج دقیق، مقیاس‌پذیر و با تأثیرگذاری بالا دست یابند.

پلتفرم NVIDIA و شرکای مشاور آن نقش مهمی در حصول اطمینان از اینکه سازمان‌ها می‌توانند به طور موثر قابلیت‌های هوش مصنوعی مولد، مانند ریزسرویس‌های چندزبانه NeMo Retriever را اتخاذ کرده و یکپارچه کنند، بازی می‌کنند. این شرکا کمک می کنند تا راه حل های هوش مصنوعی را با نیازها و منابع منحصر به فرد سازمان هماهنگ کنند و هوش مصنوعی مولد را در دسترس تر و موثرتر کنند. آنها عبارتند از:

• کلودرا این شرکت قصد دارد ادغام NVIDIA AI را در سرویس استنتاج هوش مصنوعی Cloudera گسترش دهد. استنتاج هوش مصنوعی Cloudera که در حال حاضر با NVIDIA NIM ارائه می‌شود، شامل NVIDIA NeMo Retriever برای بهبود سرعت و کیفیت اطلاعات بینش برای موارد استفاده چند زبانه است.
• انسجام این اولین دستیار جستجوی محاوره ای مبتنی بر هوش مصنوعی در صنعت را معرفی کرد که از داده های پشتیبان برای ارائه پاسخ های روشنگری استفاده می کند. از میکروسرویس NVIDIA NeMo Retriever برای بهبود دقت بازیابی و افزایش چشمگیر سرعت و کیفیت بینش برای برنامه های مختلف استفاده می کند.
• فرعی قابلیت های زمینی NeMo Retriever برای افزودن زمینه به ویژگی پرسش و پاسخ Joule Copilot و اطلاعات بازیابی شده از اسناد سفارشی استفاده می شود.
• داده های بزرگ این میکروسرویس های NeMo Retriever را روی VAST Data InsightEngine با NVIDIA به کار می گیرد تا داده های جدید را فوراً برای تجزیه و تحلیل در دسترس قرار دهد. این فرآیند شناسایی بینش های تجاری را با جمع آوری و سازماندهی اطلاعات در زمان واقعی برای تصمیم گیری مبتنی بر هوش مصنوعی تسریع می کند.
• ویکا این پلت فرم WEKA AI RAG Reference Platform (WARRP) معماری خود را با NVIDIA NIM و NeMo Retriever در پلت فرم داده کم تأخیر خود ادغام می کند تا راه حل های هوش مصنوعی مقیاس پذیر و چندوجهی را ارائه دهد و صدها هزار توکن در ثانیه پردازش کند.

شکستن موانع زبانی از طریق بازیابی اطلاعات چند زبانه

بازیابی اطلاعات چندزبانه برای هوش مصنوعی سازمانی حیاتی است تا نیازهای دنیای واقعی را برآورده کند. NeMo Retriever از بازیابی متن کارآمد و دقیق در چندین زبان و مجموعه داده های چند زبانه پشتیبانی می کند. این برای موارد استفاده سازمانی مانند جستجو، پاسخ به سؤال، خلاصه سازی و سیستم های توصیه طراحی شده است.

علاوه بر این، یک چالش بزرگ در هوش مصنوعی سازمانی – مدیریت حجم زیادی از اسناد بزرگ را برطرف می کند. با حمایت از زمینه طولانی، میکروسرویس‌های جدید می‌توانند قراردادهای طولانی یا سوابق پزشکی دقیق را پردازش کنند و در عین حال دقت و ثبات را در تعاملات طولانی حفظ کنند.

این قابلیت‌ها به سازمان‌ها کمک می‌کند تا از داده‌های خود به طور مؤثرتری استفاده کنند و نتایج دقیق و قابل اعتمادی را برای کارکنان، مشتریان و کاربران ارائه دهند و در عین حال منابع را برای مقیاس‌پذیری بهینه‌سازی کنند. ابزارهای پیشرفته بازیابی چند زبانه مانند NeMo Retriever می توانند سیستم های هوش مصنوعی را در دنیای جهانی شده سازگارتر، در دسترس و تاثیرگذارتر کنند.

در دسترس بودن

توسعه‌دهندگان می‌توانند از طریق کاتالوگ NVIDIA API یا مجوز توسعه‌دهنده ۹۰ روزه NVIDIA AI Enterprise به خدمات چندزبانه NeMo Retriever و سایر ریزسرویس‌های NIM برای بازیابی دسترسی داشته باشند.

درباره میکروسرویس های جدید NeMo Retriever و نحوه استفاده از آنها برای ایجاد سیستم های بازیابی اطلاعات موثر بیشتر بیاموزید.