HeatWave GenAI

È possibile utilizzare gli LLM nel database per generare o riepilogare i contenuti in base ai documenti non strutturati. Gli utenti possono porre domande in linguaggio naturale tramite applicazioni e l'LLM elaborerà la richiesta e consegnerà il contenuto.

Un utente sta facendo una domanda in linguaggio naturale "Puoi generare un riepilogo di questo solution brief?". Il modello LLM (Large Language Model) elabora questo input e genera il riepilogo come output.

Puoi combinare la potenza dell'intelligenza artificiale generativa con altre funzionalità HeatWave integrate, come il machine learning, per ridurre i costi e ottenere risultati più accurati in tempi più rapidi. In questo esempio, un'azienda di produzione usa questa soluzione per la manutenzione predittiva. Gli ingegneri possono utilizzare Oracle HeatWave AutoML per produrre automaticamente un report dei log di produzione anomala e HeatWave GenAI aiuta a determinare rapidamente la causa principale del problema ponendo semplicemente una domanda in linguaggio naturale, invece di analizzare manualmente i log.

Un utente chiede tramite HeatWave Chat "Qual è il problema principale in questa raccolta di log? Fornire un riepilogo con due frasi". In primo luogo, HeatWave AutoML produce un elenco filtrato di log anomali in base a tutti i log di produzione che include continuamente. Quindi, HeatWave Vector Store fornisce un contesto aggiuntivo all'LLM in base alla knowledge base dei log. Il LLM prende quel prompt aumentato, produce un report e fornisce all'utente una risposta dettagliata che spiega il problema in linguaggio naturale.

I chatbot possono utilizzare RAG per, ad esempio, aiutare a rispondere alle domande dei dipendenti sulle policy aziendali interne. I documenti interni che descrivono i criteri vengono memorizzati come incorporati in HeatWave Vector Store. Per una determinata query utente, la memoria di vettore contribuisce a identificare i documenti più simili eseguendo una ricerca della somiglianza rispetto alle integrazioni memorizzate. Questi documenti vengono utilizzati per aumentare il contesto dato agli LLM in modo che forniscano una risposta più contestuale.

Un utente chiede tramite HeatWave Chat "Quali laptop posso ordinare e qual è il processo?". HeatWave elabora la domanda accedendo ai documenti dei criteri interni ospitati in HeatWave Vector Store. Fornisce quindi un prompt aumentato all'LLM che può generare la risposta "Ecco l'elenco dei fornitori approvati e i passaggi da seguire per effettuare l'ordine".

Gli sviluppatori possono creare applicazioni sfruttando la potenza combinata del machine learning integrato e dell'intelligenza artificiale generativa in HeatWave per offrire consigli personalizzati. In questo esempio, l'applicazione utilizza il sistema di raccomandazione HeatWave AutoML per consigliare i ristoranti in base alle preferenze dell'utente o a quanto ordinato in precedenza. Con HeatWave Vector Store, l'applicazione può anche cercare tra i menu dei ristoranti in formato PDF per suggerire piatti specifici, fornendo maggiore valore ai clienti.

Un utente chiede via HeatWave Chat "Quali piatti vegani mi suggerisci oggi?". In primo luogo, il sistema di raccomandazione HeatWave AutoML suggerisce un elenco di ristoranti in base a ciò che l'utente ha ordinato in precedenza. Quindi, HeatWave Vector Store fornisce un prompt aumentato all'LLM in base ai menu dei ristoranti che ospita. Il LLM può quindi generare una raccomandazione personalizzata di piatti in linguaggio naturale.

La ricerca della somiglianza si concentra sulla ricerca di contenuti correlati basati sulla semantica. La ricerca di somiglianza va oltre le semplici ricerche di parole chiave considerando il significato sottostante invece di cercare solo i tag applicati. In questo esempio, un avvocato vuole identificare rapidamente una clausola potenzialmente problematica nei contratti.

Un avvocato chiede tramite HeatWave Chat "In quali contratti abbiamo questa frase?". HeatWave Vector Store esegue una ricerca di somiglianza e fornisce la risposta "Questa frase appare nei seguenti 6 contratti".