HeatWave GenAI

يمكنك استخدام نماذج اللغات الكبيرة داخل قاعدة البيانات لمساعدتك على إنشاء المحتوى أو تلخيصه وفق مستنداتك غير المنظمة. ويمكن للمستخدمين طرح الأسئلة باللغة الطبيعية عبر التطبيقات، وسيقوم نموذج اللغة الكبيرة بمعالجة الطلب وتقديم المحتوى.

يطرح أحد المستخدمين سؤالاً باللغة الطبيعية "هل يمكنك إنشاء ملخص لموجز الحلول هذا؟". يعالج نموذج اللغة الكبيرة (LLM) هذا الإدخال وينشئ الملخص كمخرجات.

يمكنك الجمع بين قوة الذكاء الاصطناعي التوليدي وإمكانيات HeatWave المضمنة الأخرى مثل التعلم الآلي للمساعدة على تقليل التكاليف والحصول على نتائج أدق بشكل أسرع. في هذا المثال، تقوم شركة تصنيع بذلك للصيانة التنبؤية. يمكن للمهندسين استخدام Oracle HeatWave AutoML للمساعدة تلقائيًا في إنتاج تقرير عن سجلات الإنتاج غير الطبيعية، كما يساعد HeatWave GenAI على تحديد السبب الجذري للمشكلة بسرعة من خلال طرح سؤال باللغة الطبيعية ببساطة، بدلاً من تحليل السجلات يدويًا.

يسأل المستخدم من خلال HeatWave Chat "ما المشكلة الرئيسية في هذه المجموعة من السجلات؟ قم بتوفير ملخص من جملتين.". أولاً، ينتج HeatWave AutoML قائمة تمت تصفيتها من السجلات غير الطبيعية استنادًا إلى جميع سجلات الإنتاج التي تستوعبها باستمرار. ثم يوفر HeatWave Vector Store سياقًا إضافيًا إلى نموذج اللغة الكبيرة استنادًا إلى قاعدة معارف السجلات. يأخذ نموذج اللغة الكبيرة هذا الموجه المعزز، وينتج تقريرًا ويزود المستخدم بإجابة مفصلة تشرح المشكلة باللغة الطبيعية.

يمكن لروبوتات الدردشة استخدام التوليد المعزز بالاسترداد، على سبيل المثال، للمساعدة على الإجابة عن أسئلة الموظفين الخاصة بسياسات الشركة الداخلية. يتم تخزين سياسات تفصيل المستندات الداخلية كعمليات تضمين في HeatWave Vector Store. بالنسبة لاستعلام مستخدم محدد، يساعد مخزن المتجهات على تحديد المستندات الأكثر تشابهًا من خلال إجراء بحث مماثل مقابل عمليات التضمين المخزنة. يتم استخدام هذه المستندات لزيادة المطالبة المقدمة إلى نموذج اللغة الكبيرة بحيث تقدم إجابة دقيقة.

يسأل المستخدم عبر HeatWave Chat "ما هي أجهزة الكمبيوتر المحمولة التي يمكنني طلبها، وما المقصود من العملية؟". يعالج HeatWave السؤال من خلال الوصول إلى مستندات السياسة الداخلية الموجودة في HeatWave Vector Store. ثم يوفر مطالبة معززة إلى نموذج اللغة الكبيرة والتي يمكنها إنشاء الاستجابة "إليك قائمة الموردين المعتمدين والخطوات التي يجب اتباعها للطلب".

يمكن للمطورين إنشاء تطبيقات تستفيد من القوة المدمجة للتعلم الآلي المدمج والذكاء الاصطناعي التوليدي ومخزن المتجهات لتقديم توصيات مخصصة. في هذا المثال، يستخدم التطبيق نظام توصية HeatWave AutoML للتوصية بالمطاعم بناءً على تفضيلات المستخدم أو ما طلبه المستخدم سلفًا. باستخدام HeatWave Vector Store، يمكن للتطبيق أيضًا البحث من خلال قوائم المطاعم بتنسيق PDF لاقتراح أطباق محددة، ما يوفر قيمة أكبر للعملاء.

يسأل أحد المستخدمين عبر HeatWave Chat "ما هي الأطباق النباتية التي تقترحها لي اليوم؟". أولاً، يقترح نظام توصية HeatWave AutoML قائمة بالمطاعم بناءً على ما طلبه المستخدم سلفًا. بعد ذلك، يوفر HeatWave Vector Store مطالبة معززة إلى نموذج اللغة الكبيرة استنادًا إلى قوائم المطاعم التي يضمها. بعد ذلك، يمكن لنموذج اللغة الكبيرة إنشاء توصية مخصصة للأطباق باللغة الطبيعية.

يركز البحث عن حالات التشابه على العثور على المحتوى ذي الصلة على أساس الدلالات. يتجاوز البحث عن حالات التشابه عمليات البحث البسيطة عن الكلمات الأساسية من خلال النظر في المعنى الأساسي بدلاً من البحث في العلامات المطبقة فحسب. في هذا المثال، يريد أحد المحامين تحديد بند يحتمل أن يكون مشكلة في العقود بسرعة.

يسأل المحامي عبر HeatWave Chat "في أي من العقود توجد هذه الجملة؟". يجري HeatWave Vector Store بحثًا عن حالات التشابه، ويقدم الإجابة "تظهر هذه الجملة في العقود الستة الآتية".