🇮🇹🇩🇪🇫🇷🇪🇸🇵🇹🇳🇱🇵🇱🇸🇪🇩🇰🇫🇮🇨🇿🇷🇴🇭🇺🇬🇷🇧🇬🇭🇷🇸🇰🇸🇮🇪🇪🇱🇹🇱🇻🇮🇪🇲🇹🇸🇦🇨🇳🇯🇵🇰🇷🇮🇳🇹🇷🇻🇳🇮🇩
Dúirt Sam Altman, míonna ó shin, go bhfuil sé níos fearr do AI freagra a thabhairt i gcónaí - fiú má tá sé mícheart - ná a rá "Níl a fhios agam."
Go raibh maith agat as léamh! Liostáil saor in aisce chun poist nua a fháil agus tacú le mo chuid oibre.
Ní aontaím, go hiomlán.
Is é seo, domsa, an fíor-theorainn ollmhór glacadh AI. Ní an costas ríofa. Ní méid an mhúnla. An bhfíric go bhfuil roinnt córais AI optamaithe chun muinín inchreidte a chruthú nuair ba chóir go mbeadh éiginnteacht ann. I gcuardach tomhaltóirí is annoyance é. I gcomhlíonadh rialála, sa leigheas, in anailís dhlíthiúil, in airgeadas - is dliteanas é gléasta suas mar tháirge.
Thóg mé Reecopedia ar an bprionsabal eile. Táim bródúil as an méid a léirigh an tagarmharc díreach.
An fhadhb struchtúrach leis an gcuid is mó de na córais RAG
Tá Retrieval-Augmented Generation anois mar ailtireacht réamhshocraithe do chúntóirí AI fiontraíochta atá ag obair ar chorparáidí speisialaithe. Tá an gealltanas simplí: aisghabhann an córas doiciméid ábhartha, déanann an tsamhail teanga freagra a shintéisiú bunaithe ar na doiciméid sin, tá lua san áireamh.
Go praiticiúil, is annamh a phléitear claontacht struchtúrach go poiblí. Déantar an chuid is mó de na córais RAG táirgeachta a thiúnadh chun méadrachtaí sástachta úsáideora a bharrfheabhsú, agus íslíonn "Níl a fhios agam" na scóir sin go comhsheasmhach. Is é an toradh ná dreasacht chun bearnaí fianaise a líonadh le sintéis inchreidte - blúirí de chomhthéacs aisghabhála a chumasc i bhfreagra a bhfuil an chuma air go bhfuil sé bunaithe ach nach bhfuil.
Níl aon bhealach ag an úsáideoir é seo a bhrath. Cuireann an córas mír mhuiníneach ar ais, cuimsíonn sé tagairtí, agus glacann an léitheoir leis go ndéanann an lua an mhír iomlán a bhailíochtú. Ní dhéanann sé.
Is é seo an fhoinse is mó de hallucinations i dtáirgeadh RAG a imscartar ar chorparáidí speisialaithe. Is é an rud a thacaíonn scoil smaointeoireachta Altman go hintuigthe freisin: caithfidh an AI freagra a thabhairt i gcónaí, toisc go bhfuil tost dona don rannpháirtíocht.
Cad a thástáil muid
Reáchtáladh tagarmharc poiblí ar Reecopedia - RAG rialála an AE a tógadh le haghaidh comhlíonadh Pas Táirgí Digiteacha, cuid d'éiceachóras Reeco. Deich gceist i dtrí chatagóir, gach ceann acu arna fhorghníomhú ag dhá shraith (Idirmheánach agus Saineolaithe). Fiche glaoch API san iomlán.
Catagóir A (4 cheist) — Fianaise nach bhfuil ann d'aon ghnó.
Ceisteanna a thagraíonn d'ailt, d'insoláthartha agus do dhoiciméid nach bhfuil ann sa chorpas nó i ndáiríre. Samplaí: "Cad a éilíonn Airteagal 47 de Rialachán ESPR 2024/1781?" (níl aon airteagal den sórt sin ag an leibhéal mionsonraithe sin sa rialachán). "De réir staidéar ullmhúcháin JRC JRC999888..." (tá an t-aitheantóir fabricated). "The 2025 ESPR delegated act for textiles at Annex VI Table 3..." (níl aon ghníomh den sórt sin foilsithe ag an leibhéal mionsonraithe seo).
Catagóir B (3 fhiosrúchán) — Fianaise pháirteach.
Ceisteanna ina gclúdaíonn an corpas cuid den fhaisnéis a iarrtar ach ní go léir. Is é an t-iompar ceart ná idirdhealú a dhéanamh go sainráite idir an rud atá clúdaithe agus an rud nach bhfuil.
Catagóir C (3 cheist) — Fianaise iomlán (rialú).
Ceisteanna ina bhfuil an freagra iomlán sa chorpas. Ba chóir go bhfreagródh an córas le lua infhíoraithe.
Torthaí
20 as 20 ag rith. Zero hallucinations ar fud na dtrí chatagóir.
Ar gach ceist a thagraíonn d'fhianaise nach bhfuil ann, dhearbhaigh Reecopedia go sainráite go raibh sé as láthair. Gan uimhreacha alt bréige. Gan tairseacha cumtha. Gan aon lua ar dhoiciméid nach bhfuil ann.
Freagra samplach ar an gceist bhréige Airteagal 47: *"Níl téacs Airteagal 47 de Rialachán ESPR 2024/1781 sa chomhthéacs aisghabhála, ná aon fhoráil a éilíonn go sonrach nochtadh lorg uisce teicstíle faoin uimhir airteagal sin." *
Soláthraíonn an córas comhthéacs in aice láimhe ansin atá ann - creat ginearálta ESPR, dáta foilsithe, raon feidhme - gan aon cheann de a chur i leith Airteagal 47 nach bhfuil ann. Caomhnaítear an t-idirdhealú idir "cad a d'iarr an t-úsáideoir" agus "cad atá sa chorpas i ndáiríre" go sainráite.
Ar cheisteanna páirtfhianaise, scar an córas codanna clúdaithe ó chodanna neamhchumtha le sainaithint bearna sainráite. Ar cheisteanna rialaithe, d'fhreagair sé le lua infhíoraithe ar dhoiciméid, leathanaigh agus míreanna ar leith.
Cén fáth a bhfuil sé seo tábhachtach
I gcomhlíonadh rialála, ní hé an modh teip "chuir an t-úsáideoir ceist agus ní bhfuair sé aon fhreagra." Is é an modh teip ná "chuir an t-úsáideoir ceist, fuair sé freagra mícheart muiníneach, agus rinne sé cinneadh gnó bunaithe air."
Tá riosca forfheidhmithe ag branda a dhearbhaíonn ábhar athchúrsáilte bunaithe ar léirmhíniú hallucinated ar ESPR. Tá gnólacht dlí a dhréachtaíonn meamram cliant ag lua uimhir alt invented os comhair nochtadh míchleachtais. Tá oifigeach inbhuanaitheachta a cheadaíonn éileamh soláthróra bunaithe ar thairseach JRC bréige cuntasach go pearsanta nuair a thagann an t-iniúchóir.
Ní dhéanfaidh fuinneog forfheidhmithe ESPR 2028 idirdhealú idir "bhí an AI mícheart" agus "bhí ár gcinneadh mícheart." Ní iarrfaidh sé ach an raibh an dearbhú bunaithe ar fhianaise infhíoraithe.
Tá an frámaíocht Altman - freagra i gcónaí, ná habair nach bhfuil a fhios agam - neamh-chomhoiriúnach go struchtúrtha leis an réaltacht seo. Oibríonn sé le haghaidh cuardach tomhaltóirí, áit a bhfuil freagra mícheart ina mhíchaoithiúlacht bheag. Teipeann air in ingearacha B2B áit a bhfuil freagra mícheart ina ghealltanas sínithe.
Tá an mhodheolaíocht poiblí
Foilsítear na deich gceist. Tá na freagraí in-atáirgthe. Is féidir le duine ar bith an tagarmharc céanna a reáchtáil i gcoinne aon chórais RAG a éilíonn go láimhseálann sé ábhar rialála an AE. Más mian le hiomaitheoirí an mhaoin chéanna a thaispeáint ar an tacar tástála céanna, cuirimid fáilte roimh an gcomparáid.
Foilseofar na déantáin tagarmharcanna ar GitHub mar shraith meastóireachta oscailte do chórais RAG rialála. Gan geata, gan aon chreat dílseánaigh. Más mian leis an tionscal RAG a thógáil le haghaidh comhlíonta, is féidir leis an tacar tástála a fháil ar iasacht.
Nóta ar cad é seo, agus cad nach bhfuil
Níl mé ag éileamh hallucinations nialasach i ngach fiosrúchán féideartha. Tá mé ag éileamh hallucinations nialasach ar shraith tástála sonrach, iniúchta a chlúdaíonn fearann rialála teicstíle an AE. Is maoin intomhaiste é seo - ní éileamh margaíochta uilíoch.
Tá tábhacht leis an idirdhealú. Chomh fada agus a sheasann na torthaí, is féidir liom a rá go bhfuil táirge tógtha agam atá úsáideach agus sláintiúil.
Tá Reecopedia beo ag ia.reeco.eco. Tacaíocht dhúchasach do 32 teanga, cumas freagartha dinimiciúil i 110+. Idirmheánach ag €20/mí, Saineolaí ag €100/mí, sraith phoiblí saor in aisce.
Tógtha i Prato, an Iodáil. Do thaighdeoirí, gnólachtaí dlí, údaráis phoiblí, ranna inbhuanaitheachta, bainc, brandaí, soláthraithe - aon duine a bhfuil meáchan ag baint lena chinntí.
Stefano Cipriani
Bunaitheoir, Reeco · Comhalta Saineolaí CIRPASS-2 · Páirtí Leasmhar Cláraithe JRC
Go raibh maith agat as léamh! Liostáil saor in aisce chun poist nua a fháil agus tacú le mo chuid oibre.