هل تساءلت يومًا عن كيفية استخدام نماذج اللغة الكبيرة (LLMs) في الصناعات المنظمة والتحديات التي تواجهها؟ تقدم دراسة جديدة حلاً مبتكرًا يجمع بين الامتثال والكفاءة باستخدام بنية تصنيف جديدة.

تُعتبر البيانات الشخصية الحساسة (PII) واحدة من أكبر التحديات التي تواجه الشركات في تطبيق الذكاء الاصطناعي. فقبل أن تصل البيانات إلى النماذج، يجب أن يتم تقييمها لمعرفة ما إذا كانت قادرة على مغادرة حدود الاختصاص الخاص بالشركة. لكن كيف يمكن القيام بذلك بفاعلية وبدون تعقيد؟

يقدم النظام الجديد مسار تصنيف يعتمد على الذكاء الاصطناعي، حيث يستخدم مصنفًا مدربًا لتقييم كل استعلام من حيث التعقيد وحساسية البيانات. بمجرد أن يتم تصنيف البيانات بشكل مناسب، يتم توجيهها إلى نموذج Dense المناسب في الموقع الجغرافي المناسب. وهو ما يسهل معالجة الأسئلة بفاعلية أعلى، ويجعل انتهاكات مبدأ إقامة البيانات أمرًا مستحيلاً.

بالإضافة إلى ذلك، يمكن للنموذج التعامل مع الاستعلامات البسيطة بكفاءة، مما يقلل التكاليف ويزيد من سرعة الاستجابة.

تشير التقييمات إلى أن هذا النموذج الجديد حقق انخفاضًا بنسبة 39% في زمن الاستجابة المتوسطة، بالإضافة إلى توفير تكاليف يتراوح بين 33-52% اعتمادًا على توزيع الاستعلامات. مع دقة قاربت 99.2% ووقت استجابة يبلغ 7 مللي ثانية، فإن نظام التصنيف الذكي هذا يفتح آفاقًا جديدة للامتثال في تصميم نماذج الذكاء الاصطناعي.