基于AI大語言模型的智能問答助手，和你的數據聊聊天
提起專業領域內的AI智能問答，很多人的評價是：高效、流暢但不夠準確。比如當你讓ChatGPT講述一個并不存在的典故“林黛玉倒拔垂楊柳”，卻能得到完整、細致的答案。
對此，金現代人工智能專家宗云兵博士表示：“大語言模型的幻覺問題，是這種‘一本正經地胡說八道’現象產生的主要原因。為規避這一問題，我們將通用大語言模型引入到行業垂直領域，充分利用企業文檔、數據庫等數據資產，生成真正有事實依據、符合用戶預期的答案?！边@也是金現代最新成果“小金智問”的來源。
小金智問
應用場景一：電力安全應急管理
安全應急管理是電力企業生產運營的重中之重，面對海量法律法規、制度準則，工作人員往往難以準確掌握其中的細則要求。通過金現代的“小金智問”系統可實現24小時“智能問診”，工作人員在應急搶修過程中可隨時對行業規范要求、突發事件處理方案等進行提問，系統可以給出準確答案以及答案來源，比如“面對12級臺風，應該采取哪些應急搶修措施？”等。
安全應急問答示例
應用場景二：銷售數據管理
留存在企業CRM系統中的海量數據，受限于展示形式、顆粒度的不同，往往難以實現快速定位。通過金現代的“小金智問”系統可實現針對數據庫的問答，理解人類隨機描述的自然語言，并從分散在數據庫的多表數據中精準提取答案，回答“某產品在證券行業的總銷售額是多少”，“某產品在證券行業銷售額最大的3個單子分別是什么”等問題。
銷售數據問答示例
上述場景，可將AI智能問答劃分為文本問答和數據庫問答兩類。其中，文本智能問答可解決用戶關于“是什么”“行不行”的問題，數據庫問答可解決用戶關于表格中數據求和、排序、過濾、計數、分頁等方面的問題。
“基于大語言模型、檢索增強生成、自然語言處理等技術，我們解決了智能問答過程中的上下文感知、復雜語義理解和推理、數據治理、數據計算、多維表格處理等難題，從大量的數據和信息中抽取出最優答案，并實現回答內容的推本溯源，避免大模型‘胡言亂語’現象的發生。”宗云兵博士介紹道。
數智化轉型趨勢下，大模型智能問答可以基于不同行業的業務場景演變成各類智能工具，創新業務流程和交互模式，實現企業生產經營的降本增效。比如基于學習專業文獻和專家知識庫的設備運維咨詢、依托海量數據報表準確分析經營狀況的財務數據管理、根據用戶需求準確給出解決方案的數字化建設咨詢、提供全天候政務服務的便民客服、為用戶答疑解惑的法律顧問等。
未來，金現代將繼續探索基于AI大語言模型的智能問答方案，在應急管理、安全監察、財務管理、客戶管理等更多行業應用場景中的應用，讓AI真正聽懂用戶需求、解答用戶疑惑，助力企業業務創新和數智升級。