Amity Document Search Optimizer

เพิ่มความแม่นยำในการค้นหา RAG ให้กับ Generative AI Agents ของคุณ
AmityEko

ทำไม Generative AI จึงต้องการบริบท (Context)

โมเดล Generative AI ต้องการ context จากภายนอกเพิ่มเติม เพื่อสร้างการตอบสนองหรือคำตอบที่เกี่ยวข้องกันและแม่นยำ แม้แต่โมเดลที่ซับซ้อนที่สุดที่ได้รับการฝึกฝนด้วยชุดข้อมูลที่กำหนดไว้ อาจขาดข้อมูลเฉพาะที่ไม่ได้รวมอยู่ในระหว่างการฝึกฝน องค์กรมักมีข้อมูลเฉพาะทางที่จำเป็นสำหรับการให้คำตอบที่แม่นยำและเหมาะสม Generative AI จำเป็นต้องเข้าถึงข้อมูลที่เป็นกรรมสิทธิ์นี้เพื่อให้แน่ใจว่าจะให้คำตอบที่แม่นยำและเกี่ยวข้องโดยอิงจากข้อมูลเฉพาะขององค์กร

Retrieval-Augmented Generation (RAG) คืออะไร

Retrieval-Augmented Generation (RAG) เป็นการผสมผสานระหว่างโมเดลแบบ Retrieval และ Generative ใน AI ระบบจะเริ่มด้วยการดึงเอกสารที่เกี่ยวข้องตามคำถามของผู้ใช้ เพื่อให้มั่นใจว่าสามารถเข้าถึงข้อมูลที่เกี่ยวข้องมากที่สุด จากนั้นโมเดล Generative จะใช้เอกสารเหล่านี้เพื่อสร้างคำตอบที่ครอบคลุมและแม่นยำ วิธีการแบบไฮบริดนี้ช่วยให้มั่นใจว่าคำตอบของ AI จะมีความรอบรู้กว้างขวางและเกี่ยวข้องกับเรื่องนั้น ๆ โดยเฉพาะ

ทำไมความแม่นยำในการค้นหาเอกสารจึงสำคัญต่อการประยุกต์ใช้ RAG

ความแม่นยำในการค้นหาเอกสารมีความสำคัญอย่างยิ่งกับระบบ RAG ความเกี่ยวข้องของเอกสารที่ถูกดึงมาส่งผลโดยตรงต่อคุณภาพของคำตอบ การดึงเอกสารที่แม่นยำช่วยให้มั่นใจว่าผู้ใช้จะได้รับคำตอบที่ถูกต้อง ซึ่งนำไปสู่ความเชื่อมั่นที่สูงขึ้นในระบบ AI การเพิ่มความแม่นยำในการค้นหาเอกสารเป็นกุญแจสำคัญในการปรับปรุงประสิทธิภาพและความน่าเชื่อถือโดยรวมของแอปพลิเคชัน RAG

ขอแนะนำ Amity Document Search Optimizer

Amity Document Search Optimizer ช่วยปรับปรุงความแม่นยำในการค้นหาเอกสารใน Retrieval-Augmented Generation (RAG) workflow ได้เป็นอย่างมาก โดยใช้ประโยชน์จากเทคนิค agentic workflow และการจัดอันดับเอกสารใหม่ (document reranking) Amity Document Search Optimizer ได้รับการออกแบบขึ้นให้เป็นอิสระจากระบบค้นหา สามารถผสานรวมกับเทคโนโลยีการค้นหาต่าง ๆ ได้อย่างราบรื่น ไม่ว่าจะเป็น Azure Cognitive Search และ Google Vertex AI Search เป็นต้น

เพื่อประเมินประสิทธิภาพของ Optimizer ของเรา เราได้ทดสอบกับเอกสารภาษาไทยที่ยังไม่ได้คัดกรอง 100 ชุด เป็นเอกสารที่เกี่ยวข้องกับการบริการลูกค้าในอุตสาหกรรมการเงิน ซึ่งถือเป็นหนึ่งใน use cases ที่ซับซ้อนที่สุดสำหรับแชตบอต Q&A RAG จากนั้นใช้ชุดคำถามทดสอบภาษาไทย 90 ข้อเพื่อพิจารณาว่าระบบค้นหาสามารถดึงชุดเอกสารที่ถูกต้องได้อย่างแม่นยำหรือไม่

AmityEko

ผลการประเมินของเราแสดงให้เห็นถึงผลกระทบที่สำคัญของ Amity Document Search Optimizer:

- Azure Cognitive Search: สำหรับเอกสารที่มีความยาว Token สูงสุดขนาด 4500 ความแม่นยำเพิ่มขึ้นจาก 42.22% เป็น 55.56% สำหรับความยาว Token สูงสุดขนาด 7500 ความแม่นยำเพิ่มขึ้นจาก 47.78% เป็น 70.00%

- Google Vertex AI Search: สำหรับเอกสารที่มีความยาว Token ขนาด 4500 ความแม่นยำเพิ่มขึ้นจาก 65.56% เป็น 76.67% สำหรับเอกสารที่มีความยาว Token ขนาด 7500 ความแม่นยำเพิ่มขึ้นจาก 72.22% เป็น 84.44%

การพัฒนาเหล่านี้แสดงให้เห็นถึงประสิทธิภาพของ Optimizer ในการเพิ่มความแม่นยำของการดึงเอกสารในระบบค้นหาต่าง ๆ และความยาว Token ที่แตกต่างกัน ธุรกิจต่าง ๆ สามารถใช้ Amity Document Search Optimizer เพิ่มความแม่นยำของระบบ RAG ได้สูงถึง 26% โดยเพิ่มจาก 48% เป็น 70% อย่างน่าประทับใจบน Azure Cognitive Search และเพิ่มเป็น 84.44% บน Google Vertex AI การพัฒนาในความแม่นยำของการดึงเอกสารที่สำคัญเหล่านี้ ส่งผลให้เกิดการสร้างคำตอบที่มีคุณภาพสูงขึ้น ช่วยให้บริษัทต่าง ๆ สามารถส่งข้อมูลที่ถูกต้องและเกี่ยวข้องกับผู้ใช้ได้มากขึ้น

โปรดทราบว่าผลลัพธ์เหล่านี้ได้รับการทดสอบโดยใช้เอกสารอุตสาหกรรมการเงินที่ยังไม่ได้คัดกรอง ซึ่งถือเป็นหนึ่งใน use cases ที่ซับซ้อนและท้าทายที่สุดสำหรับแชตบอต Q&A วิธีการนี้ช่วยให้มั่นใจว่าการประเมินของเราสะท้อนถึงสถานการณ์ที่แย่ที่สุด (worst-case scenerio) แสดงให้เห็นถึงความสามารถของ Optimizer ในการจัดการกับข้อมูลในโลกแห่งความเป็นจริง นอกจากนี้ Amity Document Search Optimizer ยังเป็นอิสระจากอุตสาหกรรม ทำให้สามารถนำไปใช้ได้ในหลากหลายภาคส่วน เช่น ยานยนต์ ค้าปลีก ประกันภัย สุขภาพ HR และอื่น ๆ ในการนำไปใช้งานจริง ซึ่งมีการใช้ข้อมูลที่คัดกรองกว่า และเทคนิค Prompt Engineering เพิ่มเติม เรามักจะบรรลุถึงอัตราความแม่นยำ 90% หรือสูงกว่านั้น ดังนั้น ความแม่นยำ 84.44% ที่แสดงในกราฟจึงเป็นการประมาณการแบบดั้งเดิมของศักยภาพของ Optimizer ซึ่งเน้นย้ำถึงความแข็งแกร่งของมันในสภาวะที่ท้าทายในหลากหลายอุตสาหกรรม

คุณสมบัติหลักของ Amity Document Search Optimizer

เข้าใจคำถามได้ลึกซึ้ง

Optimizer ของเราใช้เทคนิคการประมวลผลภาษาธรรมชาติขั้นสูงเพื่อทำความเข้าใจเจตนาของคำค้นหาของผู้ใช้อย่างลึกซึ้ง มันไม่ได้จำกัดอยู่แค่การจับคู่ keyword แบบธรรมดา แต่สามารถวิเคราะห์ความหมายในเชิงภาษาศาสตร์ บริบท และความสัมพันธ์ระหว่างคำในคำค้นหา สิ่งนี้ช่วยให้ Optimizer สามารถจับประเด็นสำคัญของความต้องการข้อมูลของผู้ใช้ได้ แม้ในกรณีที่คำค้นหามีความคลุมเครือหรือซับซ้อน

การดึงข้อมูลชุดเอกสารแบบไดนามิก

Amity Document Search Optimizer นำเสนอฟีเจอร์ที่ไม่เหมือนแบบเดิม ๆช่วยให้สามารถแบ่งข้อมูลชุดเอกสารแบบไดนามิกตามบริบทของคำถาม ต่างจากวิธีการแบบดั้งเดิมที่ต้องแบ่งส่วนข้อมูลชุดเอกสารไว้ล่วงหน้า Optimizer ของเราสามารถกำหนดส่วนย่อยของข้อมูลที่เกี่ยวข้องที่สุดได้อย่างชาญฉลาดแบบทันที ความสามารถในการแบ่งส่วนข้อมูลเอกสารแบบไดนามิกนี้ช่วยให้มั่นใจได้ว่าเอกสารที่ดึงมามีความเฉพาะเจาะจงสูงต่อคำค้นหาของผู้ใช้ ซึ่งช่วยปรับปรุงความแม่นยำและความเกี่ยวข้องของคำตอบที่สร้างขึ้น

สามารถฝึกฝนได้ด้วยสถาปัตยกรรมที่ยืดหยุ่น

Amity Document Search Optimizer ถูกออกแบบมาให้มีความสามารถในการปรับตัวสูงและสามารถฝึกฝนให้เข้ากับ Domain และ use case เฉพาะของคุณได้ ด้วยสถาปัตยกรรมที่สามารถฝึกฝนได้ Optimizer ของเราสามารถรับการฝึกฝนอย่างต่อเนื่องบนเอกสารบริบทที่คาดว่าจะเกี่ยวข้องกับบริบทคำถามของคุณ ด้วยการจัดเตรียมชุดข้อมูลสำหรับการฝึกฝน คุณสามารถ fine-tune ตัว Optimizer เพื่อให้ได้ประสิทธิภาพที่โดดเด่น โดยมีศักยภาพที่จะบรรลุความแม่นยำสูงถึง 100% บนข้อมูลฝึกฝน นอกจากนี้ ตัวปรับปรุงที่ผ่านการฝึกฝนแล้วยังสามารถทำงานได้ดีกับข้อมูลตรวจสอบความถูกต้องและข้อมูลการผลิตจริง ทำให้มั่นใจได้ถึงผลลัพธ์ที่สม่ำเสมอและเชื่อถือได้ในสถานการณ์จริง

Vector Search
Azure Cognitive Search
Google Vertex AI Search
Google Vertex AI Search
+ Amity Search Optimizer
Vector Search
Azure Cognitive Search
Google Vertex AI Search
Google Vertex AI Search
+ Amity Search Optimizer
Vector Search
Azure Cognitive Search
Google Vertex AI Search
Google Vertex AI Search
+ Amity Search Optimizer

ประโยชน์ของ Amity Document Search Optimizer

ความแม่นยำของการตอบสนองที่ดีขึ้น

Amity Document Search Optimizer ช่วยเพิ่มความแม่นยำในการดึงเอกสารได้เป็นอย่างมาก ซึ่งส่งผลโดยตรงต่อการสร้างคำตอบที่แม่นยำและเกี่ยวข้องมากขึ้น เมื่อระบบ RAG สามารถเข้าถึงข้อมูลที่เกี่ยวข้องที่สุดได้ ก็จะสามารถสร้างคำตอบที่ตรงกับคำถามของผู้ใช้ได้อย่างแม่นยำ นำไปสู่ความพึงพอใจและความเชื่อมั่นของผู้ใช้ที่สูงขึ้น

ความสามารถในการปรับขยายและง่ายต่อการใช้งาน

Amity Document Search Optimizer ถูกออกแบบมาให้สามารถปรับขยายได้อย่างราบรื่นตามการเติบโตของคลังเอกสารและความต้องการของผู้ใช้ที่เปลี่ยนแปลงไป Optimizer ของเราสามารถจัดการกับคลังเอกสารขนาดใหญ่ได้ ทำให้เหมาะสมกับธุรกิจทุกขนาด นอกจากนี้ ความสามารถในการประมวลผลเอกสารอัตโนมัติและข้อกำหนดการตั้งค่าที่น้อยที่สุดขอ Optimizer ทำให้ง่ายต่อการ integrate และใช้งาน ช่วยประหยัดเวลาและความพยายามในการเตรียมและดูแลรักษาเอกสาร

ความสามารถในการปรับตัว

Amity Document Search Optimizer มีความสามารถในการปรับตัวสูงต่อชุดเอกสารที่เปลี่ยนแปลงและข้อกำหนดเฉพาะของแต่ละ domain ด้วยสถาปัตยกรรมที่สามารถฝึกฝนได้ Optimizer ของเราสามารถได้รับ fine-tune อย่างต่อเนื่องบนเอกสาที่มีรบริบทเปลี่ยนแปลงไป ทำให้มั่นใจได้ว่าจะสามารถอัปเดตทันข้อมูลล่าสุดและรักษาความแม่นยำสูงในสภาพแวดล้อมที่เปลี่ยนแปลงตลอดเวลา ความสามารถในการปรับตัวนี้ช่วยให้ Optimizer สามารถมอบประสิทธิภาพที่สม่ำเสมอ แม้ว่าคลังเอกสารของคุณจะมีข้อมูลเพิ่มขึ้นและเปลี่ยนแปลงไปตามกาลเวลา

เริ่มต้นใช้งาน Amity Document Search Optimizer

ปลดล็อกศักยภาพสูงสุดของระบบ RAG ของคุณด้วย Amity Document Search Optimizer ทีมผู้เชี่ยวชาญของเราพร้อมที่จะร่วมงานกับคุณเพื่อ integrate ตัว Optimizer ที่ล้ำสมัยของเราเข้ากับระบบ RAG ที่มีอยู่ของคุณ ช่วยให้คุณได้พบกับประโยชน์ของความแม่นยำในการค้นหาเอกสารที่เพิ่มขึ้น และการสร้างคำตอบที่ดีขึ้น

ติดต่อเราวันนี้เพื่อนัดหมาย Demo และเรียนรู้เพิ่มเติมเกี่ยวกับวิธีที่ Amity Document Search Optimizer สามารถเปลี่ยนแปลงกระบวนการค้นหาเอกสารของคุณ และยกระดับประสิทธิภาพของระบบ RAG ของคุณ

สอบถามพนักงานขาย