您可以在我们的网站上找到大量信息，说明 混合人工智能 (AI)的价值。我犹豫是 混合人工智能炒 否要就该主题再写一篇博客文章，因为感觉我们已经达到了饱和点。然而，随着人们对人工智能的关注度不断提高，尤其是在自然语言 (NL) 领域，这要归功于 ChatGPT，因此有必要在大型语言模型 (LLM) 的背景下重新讨论混合人工智能的主题。
ChatGPT 是基于 GPT LLM 的，它将 LLM 带入了主流。ChatGPT 通过两项重要贡献成为新闻周期的一部分：1) 通过聊天机器人提供无处不在的用户体验，2) 使用人工删除输入数据中一些 LLM 受到批评的收费内容。这种兴趣和潜力 让企业 比以往任何时候都更关注如何利用 LLM 的价值。
尽管公众对 LLM 的认
识只是最近才出现的现象，但几年来，expert.ai 一直致力于将 LLM 与基于知识的方法（以及机器学习）相结合。您可以在我们的 研究项目、 在 Medium 上发表的研究 、我们 NLPStream 上的演示以及 我 手机号码数据 们博客上的实际客户示例中找到示例。
我们不仅可以整合 LLM，而且使用 expert.ai NL 平台，我们能够管理治理问题，增加一定程度的可解释性并减少 LLM 单独需要的碳足迹。（这是一个重要的考虑因素，因为我们从 2024 年开始接近欧盟的 ESG 要求披露）。
我们发现，使用混合方法集成 LLM 可以为我们的客户 提高搜索排名 节省时间和成本，同时提高准确性。这就是混合 AI 成为自然语言处理 (NLP) 越来越流行的方法的原因。而且，根据 Forrester 的说法，这也是混合 AI 为 NLP 应用程序提供最佳结果的原因：
底线如果你想要鱼
与熊掌兼得——拥有一个适合未来、适应性强的 NLP 解决方案，它开箱即用、只需要适度的支持，并且可以不断学习和自我改进——那么请寻找基于混合 AI 的 NLP 解决方案。”—— Forrester
此外，根据 Gartner 的研究，使用混合 AI（或复合 AI）方法的组织可以超越机器学习，更准确、更有效地解决更广泛的业务问题。
这种对 LLM 的关注使
得各行各业的公司都在询问如何利用其能力。对于我 购买电子邮件列表 们正在交谈的客户和潜在客户，在大多数情况下，我们正在使用 LLM 压缩技术和混合 AI 创建特定领域的模型。我们利用 LLM 执行注释、实体提取和摘要等 NL 功能。这随后实现了搜索、不良贷款识别和政策比较等用例，仅举几个例子。
在内部，我们开始使用混合 3.0 这个术语，但事实是，除了将 LLM 集成到我们的 expert.ai NL 平台之外，该方法是一致的，并且混合继续提供卓越的价值：它肯定会继续存在。