Az AI-k kudarcát a struktúra hiánya okozza, nem a modell gyengesége, új javaslat

Az általános nagy nyelvi modellek (LLM) nem rendelkeznek specifikus vállalati tudással, a Retrieval-Augmented Generation (RAG) pedig sérülékeny és nem vezet végrehajtható lépésekhez — mutatja be az arXiv-en publikált tanulmány. A kutatás szerint a vállalatoknak olyan architektúrára van szükségük, amely kezeli a kimondatlan tudást, ontológiai alapokon nyugszik, és lehetővé teszi a szuverén, auditálható működést. (ArXiv AI)

A Corporate Language Model (CLM) keretrendszer öt képességterületből és négy építészeti pillérből áll: Neurosymbolic Mesh, Skill Graph, Living Digital Twins és Deep Security Layer.

A Neurosymbolic Mesh és a Skill Graph

A Neurosymbolic Mesh a generatív modelleket egy tudásgráfhoz kapcsolja. A Skill Graph lehetővé teszi az újrafelhasználható taktikák, perszónák, célok és elvárások típusba sorolását és összetételét, ami a „by construction” módszerrel biztosítja a kompozicionális magyarázhatóságot. A kutatók felvetik a „Wisdom Listener” hatást, amely szerint a kimondatlan tudást is magába foglaló alapok értéke a használattal együtt növekszik.

Living Digital Twins és Deep Security Layer

A Living Digital Twins funkcionális területeket modelleznek, amelyek gondolkodó szurrogátumként szolgálnak. A Deep Security Layer felel a szuverenitásért, nyomon követhetőségért és az emberi felügyeletért. A Spec-as-Code paradigma összeköti a megalapozott szándékot a végrehajtható artefaktummal.

Eredmények és korlátok

A tanulmány egy Brazíliában működő, JCI-akkreditált harmadik szintű kórházból származó bizonyítékokat mutat be, amelyek a brazil LGPD szabályozás szerinti hat érettségi szakaszból hármat instanciálnak. A „Wisdom Listener” hatás érvényességét javasolták, de még nem validálták empirikusan. Az eredmények korlátozottak egyetlen kórházi esettanulmányra, amely nem feltétlenül általánosítható.