За последний год большие языковые модели (LLM) получили широкое распространение и нередко воспринимаются как универсальное решение задач цифровизации. В публичном поле их все чаще отождествляют с искусственным интеллектом, что формирует завышенные ожидания от подобных технологий. Однако практический опыт показывает, что в задачах, требующих высокой точности, верифицируемости и строгого соблюдения внутренних регламентов, использование языковых моделей изолированно оказывается недостаточным, поскольку без опоры на актуальные и проверенные данные конкретной организации модели могут формировать непригодные для практического применения ответы. В ряде случаев это приводит к ошибкам интерпретации и снижению доверия к системе.
В разработке учёных Мордовского госуниверситета применяется подход Retrieval Augmented Generation (RAG), при котором источники знаний отделены от механизма генерации ответов. Это позволяет формировать ответы только на основе верифицированных внутренних данных и минимизировать риск ошибок и так называемых галлюцинаций языковых моделей.
Практическая польза таких решений заключается в снижении расходов на техническую поддержку, экономии времени сотрудников и формировании прикладного кейса, который можно экспортировать за пределы организации.
В текущем виде MVP демонстрирует потенциал по ускорению поиска информации и снижению нагрузки на службы поддержки. Экономический эффект планируется оценивать на следующем этапе — при внедрении системы в реальные процессы организаций.
«Разработка ведется Лабораторией ИИ с целью интеграции с системами Центра новых информационных технологий университета. При создании интеллектуального консультанта используется открытое программное обеспечение, что обеспечивает прозрачность архитектуры и независимость от внешних поставщиков. Система проектируется с учётом работы в среде отечественных операционных систем и корпоративной инфраструктуры. В рамках MVP применяется языковая модель с открытой лицензией, при этом архитектура позволяет при необходимости заменить её, включая переход на отечественные разработки», — отметил кандидат технических наук, заведующий лабораторией искусственного интеллекта МГУ им. Н. П. Огарёва Станислав Ямашкин.
Интерес к разработке уже проявляют представители реального сектора экономики. Так, ранее команда реализовывала системы поддержки принятия решений для промышленных компаний и серию геопортальных решений по управлению пространственными данными региона, систему интеллектуального анализа структуры текстов на естественном языке.
«Проект наших учёных в перспективе сможет обеспечивать быстрый и контролируемый доступ к технологическим регламентам, конструкторской и нормативной документации в промышленности — снижая потери времени и количество ошибок. Это позволит созданному решению адаптироваться под задачи предприятий и организаций реального сектора и использоваться для цифровизации производственных и управленческих процессов», — прокомментировал ректор МГУ им. Н. П. Огарёва Дмитрий Глушко.
Проект реализуется в рамках стратегического проекта «Современные среды передачи информации и энергии» программы «Приоритет 2030».
