Pourquoi la gestion des connaissances est-elle essentielle au succès de l’IA ?

Une façon d'améliorer la précision est de fournir à l'IA le bon contexte

et de réduire les hallucinations.

Avec toutes les discussions sur la façon dont l’IA va révolutionner le travail (en rendant les tâches quotidiennes plus efficaces, plus reproductibles et en augmentant l’effort personnel), il est facile de se laisser emporter : que ne peut pas faire l’IA ?

Bien que son nom soit intelligence artificielle générative, l'intelligence artificielle capable de créer des images, des codes, du texte, de la musique, etc. n'est pas créée de toutes pièces. Les modèles d'intelligence artificielle sont formés sur la base des informations fournies, en particulier pour les grands modèles de langage (LLM), qui nécessitent généralement une grande quantité de texte comme données de formation. Si l’IA est formée sur des informations précises, à jour et bien organisées, elle aura tendance à donner des réponses exactes, à jour et pertinentes. Des recherches du MIT montrent que l'intégration de bases de connaissances dans le LLM améliore souvent la qualité des résultats et réduit les erreurs. Cela signifie que les progrès de l'intelligence artificielle et de l'apprentissage automatique n'ont pas remplacé le besoin de gestion des connaissances, au contraire, ils ont rendu la gestion des connaissances encore plus importante. sujet aux « hallucinations », c’est-à-dire à des résultats incorrects, allant de légèrement hors de propos à complètement incohérents. Les hallucinations comprennent des réponses incorrectes aux questions et de fausses informations sur des personnes et des événements.

L'IA générative s'applique également à la règle informatique classique du « garbage in, garbage out ». Les données d’entraînement de votre modèle d’IA y sont essentielles. Si ces données sont obsolètes, mal structurées ou présentent des failles, l'IA commencera à produire des réponses qui induiront les utilisateurs en erreur, provoquant des problèmes, voire le chaos, pour votre organisation.

Éviter les illusions nécessite un ensemble de connaissances qui sont : Qualité de l'information fiable et vérifiée par des utilisateurs avertis

Reste à jour et facile à actualiser à mesure que de nouvelles données/cas extrêmes émergent

Contextuel, ce qui signifie qu'il capture le contexte dans lequel les solutions sont recherchées et fournies

Amélioration continue et autonome

• Une approche de gestion des connaissances (KM) qui prend en charge la discussion et la collaboration peut améliorer la qualité de votre base de connaissances, car elle vous permet de collaborer avec des collègues pour examiner les réponses de l'IA et améliorer la structure des invites pour améliorer la qualité des réponses. Cette interaction est une forme d'apprentissage par renforcement dans l'IA : les humains appliquent leur jugement sur la qualité et la précision du résultat généré par l'IA, et aident l'IA (et les humains) à s'améliorer.
• Posez les bonnes questions
• Lors de l'utilisation de LLM, la structure de la requête affecte la qualité des résultats. C’est pourquoi l’ingénierie rapide (savoir comment structurer les requêtes pour obtenir les meilleurs résultats de l’IA) devient une compétence essentielle et un domaine dans lequel l’IA générative peut aider les deux côtés de la conversation : les invites et les réponses.

Selon le rapport Gartner de juin 2023 « Solution Pathways for Knowledge Management », l'ingénierie rapide, l'acte de formuler des instructions ou des problèmes pour l'intelligence artificielle, devient rapidement une compétence critique en soi. Interagir avec des assistants intelligents de manière itérative et conversationnelle améliorera la capacité des travailleurs du savoir à guider l'intelligence artificielle pour accomplir des tâches de gestion des connaissances et partager les connaissances acquises avec des collègues humains

Tirer parti de l'IA pour centraliser le partage des connaissances

Acquérir et partager les connaissances Essentiel pour que les pratiques de gestion des connaissances prospèrent. La capture des connaissances basée sur l'IA, l'enrichissement du contenu et les assistants IA peuvent vous aider à introduire des pratiques d'apprentissage et de partage des connaissances dans l'ensemble de votre organisation et à les intégrer dans les flux de travail quotidiens.

Selon le Knowledge Management Solution Path de Gartner, des produits tels que Stack Overflow for Teams peuvent être intégrés à Microsoft Teams ou Slack pour fournir aux forums de questions-réponses un stockage persistant des connaissances. Les utilisateurs peuvent poster des questions directement dans la communauté. Les réponses sont votées pour ou contre, et la meilleure réponse est épinglée comme première réponse. Toutes les questions auxquelles on a répondu sont consultables et peuvent être organisées comme n'importe quelle autre source de connaissances. Cette approche présente l'avantage supplémentaire de placer le partage des connaissances au cœur du flux de travail

Selon un autre rapport Gartner « Évaluer comment l'IA générative améliore l'expérience des développeurs » (juin 2023), il est recommandé aux organisations de collecter et de diffuser des pratiques matures pour l'utilisation des outils d'IA générative en établissant une communauté de pratique de développement amélioré de l'IA générative, telle que Quick conseils d'ingénierie et méthodes de vérification du code. Le rapport recommande en outre que les organisations veillent à acquérir les compétences et les connaissances nécessaires pour utiliser avec succès l'IA générative en apprenant et en appliquant des outils, des cas d'utilisation et des processus approuvés par l'organisation.

Soyez conscient de la falaise de complexité

Les outils d'IA générative sont idéaux pour du nouveau personnel de développement et des développeurs expérimentés cherchant à acquérir de nouvelles compétences ou à développer celles existantes. Mais il existe une falaise de complexité : après un certain point, la capacité de l'IA à gérer les nuances, les interdépendances et le contexte complet d'un problème et sa solution diminue

Dans un épisode récent du podcast Stack Overflow, Marcos Grappeggia, chef de produit pour Google Cloud Duet, a déclaré: "LLM est très efficace pour permettre aux développeurs de faire plus et d'avancer plus rapidement." Cela inclut le test et l'essai de langages et de technologies en dehors de leur zone de confort, a-t-il noté. Mais Grappeggia prévient également que le LLM n'est pas un bon remplacement pour les développeurs de tous les jours... si vous ne comprenez pas votre code, c'est toujours la recette de l'échec

Cette falaise de complexité est ce dont vous avez besoin Là où les êtres humains ont la capacité pour une pensée originale et la capacité d’exercer un jugement empirique. Votre objectif est de développer une stratégie de gestion des connaissances qui exploite l’immense puissance de l’intelligence artificielle en l’affinant et en la validant sur la base des connaissances créées par l’homme.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!