US /rɪˈtrivəl/
・UK /rɪˈtri:vl/
Bạn biết rằng ngày nay, và tại sao điều này lại quan trọng đến vậy từ góc độ khoa học máy tính, trải nghiệm tính toán ngày nay dựa trên việc truy xuất thông tin.
Lượng lưu lượng internet sẽ giảm đáng kể, và nó sẽ trở nên sáng tạo hơn nhiều với một số tính năng tìm kiếm để bổ sung, đúng không?
Mẹo chuyên nghiệp, tạo sinh tăng cường truy xuất, hay RAG, là một thuật ngữ hoa mỹ được sử dụng rất nhiều.
Và quá trình thử và sai lặp đi lặp lại này hiện đang được tôi, một con người, thực hiện.
Điều đó có nghĩa là mỗi lần truy xuất sẽ có độ trễ thấp, thường chỉ trong vài mili giây.
Điều đó có nghĩa là mỗi lần truy xuất sẽ có độ trễ thấp, thường chỉ trong vài mili giây.
Bây giờ, điều này sẽ cho phép bạn thực hiện các tác vụ như tạo các tác nhân trí tuệ nhân tạo (AI), sử dụng khả năng gọi công cụ, tận dụng cơ sở dữ liệu vectơ, tạo các chương trình truy xuất và sinh ra nội dung được tăng cường, mà chúng ta sẽ thảo luận chi
Khi bạn đã nắm vững các khung công nghệ này, trong quá trình học tập, bạn nên bắt đầu triển khai các dự án trí tuệ nhân tạo (AI).
Generative AI đã thay đổi cơ bản cách máy tính hoạt động.
Từ mô hình máy tính truy xuất, giờ đây chúng ta có mô hình máy tính tạo sinh, trong khi gần như mọi thứ chúng ta làm trong quá khứ là tạo nội dung trước, lưu trữ nhiều phiên bản của nó và truy xuất bất kỳ phiên bản nào chúng ta cho là phù hợp tại thời điể
Chuyển sang phần thứ hai của câu hỏi, và đó là làm thế nào tôi có thể suy nghĩ nhanh hơn?
Chờ đã, bạn không cần phải đi vào phần não bộ nơi đó là việc truy xuất ký ức, đúng không?
Từ tiếp theo là memory palace.
Sarah đã sử dụng kỹ thuật memory palace để ghi nhớ danh sách mua sắm của mình bằng cách đặt các món đồ vào các phòng khác nhau trong nhà cô ấy trong tâm trí.
Điều đó được gọi là RAG, hay Retrieval Augmented Generation.
Đó là một phương pháp.
Điều mới về AI từ góc độ khoa học máy tính là cách tính toán được thực hiện trong quá khứ chủ yếu là tính toán dựa trên truy xuất.
Đó là một mô hình tính toán dựa trên truy xuất.
Điều này cũng có thể bao gồm các pipeline để xử lý, tiền xử lý, hậu xử lý dữ liệu đó, cũng như các vector database bạn có thể sử dụng hoặc các hệ thống truy xuất.
Điều đó quan trọng vì các mô hình cơ sở thường được huấn luyện trên thông tin công khai có thể không phải lúc nào cũng đầy đủ.