مقابلة مع Xiao Yumin، المدير التقني لـ TorchV AI: استغلال البيانات غير المهيكلة لتحقيق ميزة تجارية

مقابلة مع Xiao Yumin، CTO TorchV AI: استغلال البيانات غير المهيكلة لتحقيق ميزة تجارية تم تسليط الضوء عليها من قبل BTW Media لأن الأدلة المنشورة تربطها بالبنية التحتية للإنترنت، الحوكمة، الاعتماديات التشغيلية، أو وضوح السوق.

• Xiao Yumin، CTO TorchV AI، هو خبير في التطوير التقني، متخصص في RAG، البحث المتجهي وتحليل البيانات غير المهيكلة.
• يناقش Xiao توجه الشركة نحو حلول B2B، واستغلال البيانات غير المهيكلة، بالإضافة إلى التحديات والفرص الفريدة في المشهد المتطور للتقنيات القائمة على الذكاء الاصطناعي.

مؤخرًا، أتيحت لنا الفرصة لإجراء مقابلة مع Xiao Yumin، CTO TorchV AI.TorchV AIهي مبتكر رائد في مجال المساعدة في الكتابة عبر نموذج المنصة كخدمة (PaaS). تحقق الشركة ضجة منذ تأسيسها في عام 2023 بفضل منصتها المتطورة التي تدعم إنشاء محتوى تسويقي وكتابة المستندات الرسمية.

تقديم Xiao Yumin

Xiao Yumin هو CTO لـ TorchV AI. شارك في تطويرات تقنية بلغة Java و Python، مع خبرة عميقة في البنى التقنية، الخدمات المصغرة، أطر العمل مفتوحة المصدر، واهتمام خاص بـ RAG (التوليد المعزز بالاسترجاع)، البحث المتجهي، وتحليل البيانات غير المهيكلة. حاليًا، يشرف على أنشطة المنتجات والبحث في TorchV AI، مع التركيز على النماذج الكبيرة، RAG، والبحث المتجهي. بالإضافة إلى ذلك، Xiao هو مؤلف مشروع GVP Open Source China، Knife4j.

اقرأ أيضًا:مقابلة مع Feng Ruohang، مؤلف Pigsty: تبسيط إدارة PostgreSQL وتعزيز مجتمع المصادر المفتوحة الصيني

سؤال: أفهم أن منتج شركتك يستهدف بشكل أساسي عملاء B2B. مقارنة بمنتجات B2C مثل "Wenyan Yixin" من Baidu و"Tongyi Qianwen" من Alibaba، والتي هي ذكاء اصطناعي توليدي يركز على البحث الوثائقي، ما الذي دفع قرارك بالتركيز على عملاء B2B؟

« في بيئات المؤسسات، البيانات غير المهيكلة لها قيمة كبيرة. الأمر يشبه تزويد مركبة بالوقود؛ يمكن للبيانات أن تنشط شركة، وتحرر قيمتها باستمرار. »

Xiao Yumin، CTO TorchV AI

في البداية، كان هدفنا تطوير حل برمجيات كخدمة (SaaS)، ونقدم حاليًا نسختين. إحداهما خدمة SaaS عبر الإنترنت، والتي تعمل منذ ظهور RAG والنماذج الكبيرة. منذ عام 2019، كنا منخرطين في تطوير منتجات خدمة العملاء الذكية، وإن كان ذلك مع مجموعة تقنية قديمة بعض الشيء. بعد ظهور النماذج الكبيرة، قمنا بتحويل مجموعتنا التقنية بشكل جذري. سابقًا، كنا ندير قاعدة معرفية تتطلب موارد بشرية كبيرة لصيانة المعلومات. على سبيل المثال، إذا استفسر مستخدم عن الطقس في شنغهاي، كان نهجنا هو الحفاظ على إجابات محددة، إما باستخدام واجهات برمجة تطبيقات الطقس أو الاستفادة من المعرفة النصية الأخرى، مما كان متطلبًا جدًا لفريق قاعدة المعرفة لدينا.

باغتنام الفرصة التي قدمتها النماذج الكبيرة والاعتماد على خبرتنا السابقة، قررنا إطلاق أعمالنا بجعل قاعدة المعرفة حجر الزاوية. علاوة على ذلك، كما ذكرت، تعمل شركات كبيرة مثل Baidu و Alibaba أيضًا في هذا المجال. ومع ذلك، فإن الشركات الصغيرة لها مزاياها المميزة. أولاً، العديد من المؤسسات الصغيرة والمتوسطة (SMEs) ربما لم تتبنى التحول الرقمي بالكامل. مع ظهور الذكاء الاصطناعي، تسمح لنا قاعدة المعرفة التي طورناها بالاستفادة من جهود الرقمنة السابقة، مما يجعل الذكاء الاصطناعي منتجًا وثيق الصلة. بالإضافة إلى ذلك، في سيناريوهات عملنا العملية، يتم قضاء حوالي 80٪ من الوقت في معالجة البيانات غير المهيكلة.

بالإضافة إلى ذلك، نعتقد اعتقادًا راسخًا أنه في بيئات المؤسسات، البيانات غير المهيكلة لها قيمة كبيرة. كيف نطلق العنان للإمكانات الكاملة لهذه البيانات؟ الأمر يشبه تزويد مركبة بالوقود؛ يمكن للبيانات أن تنشط شركة، وتحرر قيمتها باستمرار. أثناء التفاعلات مع العديد من العملاء، غالبًا ما يشاركون مخاوف مماثلة. يتم تخزين جزء كبير من هذا النوع من البيانات، بما في ذلك المستندات، عادةً على أجهزة الكمبيوتر الشخصية للموظفين. إنهم يرغبون في منصة مركزية للبيانات، تشبه مركز البيانات.

ومع ذلك، عندما ناقشنا سابقًا مراكز البيانات والبيانات الضخمة، كان التركيز بشكل أساسي على الشركات الكبيرة التي تنشئ مراكز بيانات ضخمة، مما لم يستغل بالكامل قيمة مراكز البيانات، حيث كان التركيز أساسًا على البيانات المهيكلة.

الشركات الكبيرة لديها منتجات موجهة للمستهلكين، مثل WeChat و DingTalk، والتي تكون مدمجة بعمق في بيئات المكاتب ولديها تراكمات بيانات كبيرة، مما يتيح تحليل البيانات واستكشافها. ومع ذلك، في المؤسسات الصغيرة والمتوسطة، هذه الأنواع من المنتجات ليست مناسبة لاحتياجاتها. فهي تمتلك مجموعة متنوعة من المستندات، بما في ذلك الملفات المالية، ومعلومات الموظفين، والعقود، وغيرها من المستندات ذات الصلة. وبالتالي، يكمن التحدي في الاستخدام الفعال لهذه البيانات في عصر الذكاء الاصطناعي. هدفنا الحالي هو استغلال هذه الأدوات بفعالية عبر الأساليب التعاونية داخل المؤسسة لتبسيط سير العمل بأكمله.

سؤال: عند تصميم منتجات شركتك، هل تقومون بتكييف فئات مختلفة من المنتجات حسب الطلب لمعالجة المشكلات المحددة لعملاء مختلفين؟

ردًا على سؤالك حول تخصيص المنتجات لعملائنا، فإننا لا نقوم بتخصيص واسع النطاق. بدلاً من ذلك، نبني على قاعدة معرفية أساسية، تكون بمثابة حجر الزاوية لنظامنا البيئي للبيانات. بمجرد إنشاء هذا الحجر الأساس، نقوم بتطوير مجموعة متنوعة من التطبيقات فوقها، مثل مركز تطبيقات مصمم لتلبية احتياجات المؤسسات. على سبيل المثال، قد نحتاج اليوم إلى إنشاء تطبيق لمراجعة العقود لتحسين كفاءة القسم القانوني في شركة ما. لدينا تطبيق للعقود قائم، وغدًا قد يكون للكتابة، مع التركيز تحديدًا على سيناريوهات مثل كتابة التقارير السنوية. نقوم بتكييف التطبيق وفقًا للظروف المحددة لعملائنا لضمان أنه يساعدهم حقًا في إنشاء سيناريوهات ذكاء اصطناعي مفيدة داخل مؤسستهم.

نحن نسعى جاهدين لترسيخ كل تطبيق واحدًا تلو الآخر. في السياق المهني، نشر الذكاء الاصطناعي مختلف تمامًا عن توليد صورة أو فيديو أو مقطع موسيقي مسلي. المتطلبات من الذكاء الاصطناعي في إطار مهني أعلى بكثير.

اقرأ أيضًا:مقابلة مع Du Junping، المؤسس والرئيس التنفيذي لـ Datastrato: تحفيز الابتكار في البيانات والذكاء الاصطناعي

سؤال: هل يمكنك مناقشة التحديات التقنية التي واجهتها أثناء تطوير منتجاتك وحلولك؟

هناك بالفعل عدة مشاكل صعبة. كما يقول التقنيون غالبًا، هذه المشكلة بالذات تبدو بلا قاع. حاليًا، في الصناعة، إدارة المستندات، وخاصة PDF، ربما تكون الجانب الأكثر صعوبة وإشكالية. في الوقت الحالي، لا يمكن لأي مزود، حتى أكثر الأنظمة تقدمًا مثل ChatGPT4، ضمان استخراج معلومات كاملة ودقيقة من مستندات PDF. كما نلاحظ، إنها عملية تكرارية مستمرة، نظرًا لأن الجميع في مجال الذكاء الاصطناعي يركزون بشكل متزايد على حل هذه المشكلة. تطوير التكنولوجيا يتقدم بالتأكيد، بما في ذلك العديد من المشاريع مفتوحة المصدر ونماذج الذكاء الاصطناعي المتنوعة التي تتقدم جميعها في هذا المجال.

سؤال: هل لديك أفكار أخرى تشاركنا بها بخصوص وجهة نظرك حول البيانات غير المهيكلة؟

« القدرة على تحليل وفحص وفهم البيانات غير المهيكلة ليست مجرد تحدٍ تكنولوجي، بل هي ضرورة استراتيجية للشركات التي تسعى للحصول على ميزة تنافسية. »

Xiao Yumin، CTO TorchV AI

البيانات غير المهيكلة تمثل موردًا واسعًا وغير مستغل، يحمل إمكانات هائلة للمؤسسات. بالنظر إلى تعقيد وحجم البيانات غير المهيكلة، يتطلب استغلال قيمتها مناهج وتقنيات مبتكرة. لقد أتاح لنا ظهور نماذج اللغة الكبيرة والتقدم في الذكاء الاصطناعي استخلاص رؤى منها بطرق لم تكن متخيلة من قبل. من وجهة نظري، المستقبل يكمن في قدرتنا على تحويل هذه البيانات إلى معلومات استخباراتية قابلة للتنفيذ، ونحن نعمل بنشاط نحو هذا الهدف.

منظور شخصي

يظهر Xiao Yumin كقائد رؤيوي وعملي في مجال الذكاء الاصطناعي وتطوير البرمجيات. خبرته التقنية العميقة في مجالات مثل RAG، البحث المتجهي، وتحليل البيانات غير المهيكلة، بالإضافة إلى خبرته العملية في تطوير مشاريع مفتوحة المصدر مثل Knife4j، تجعله سلطة موثوقة في مجاله. التزام Xiao باستغلال تقنيات الذكاء الاصطناعي لحل مشكلات حقيقية، خاصة في قطاع B2B، يعكس فهمه للسوق والتحديات التي تواجه المؤسسات الصغيرة والمتوسطة.

نهج Xiao في تطوير المنتجات منهجي ومرتكز على إنشاء حلول قابلة للتطوير يمكن تكييفها لتلبية احتياجات المؤسسات المتنوعة. تركيزه على بناء قاعدة معرفية أساسية صلبة كحجر زاوية لتطبيقات متعددة يشهد على تفكيره الاستراتيجي ورؤيته طويلة المدى. من خلال إعطاء الأولوية لتطوير تطبيقات يمكن تكييفها وفقًا لمتطلبات العملاء المحددة، يُظهر Xiao وعيًا حادًا بأهمية المرونة والقدرة على التكيف في مشهد تكنولوجي سريع التطور.

بالإضافة إلى ذلك، تكشف أفكار Xiao حول التحديات المرتبطة بإدارة البيانات غير المهيكلة، خاصة التعقيدات المرتبطة باستخراج معلومات ذات معنى من مستندات مثل PDF، عن التزامه بالتحسين المستمر والابتكار. اعترافه بالقيمة الاستراتيجية للبيانات غير المهيكلة والإمكانات التي تحملها للمؤسسات يبرز عقليته التقدمية وتفانيه في فتح آفاق جديدة للنمو والميزة التنافسية.

بشكل عام، Xiao Yumin هو شخص مدروس ومتحمس يجمع بين المهارات التقنية والفهم الواضح للمشهد التجاري. قيادته في TorchV AI تتميز بالتركيز على تطوير حلول ذكاء اصطناعي عملية يمكنها حقًا تحويل طريقة عمل الشركات وازدهارها في العصر الرقمي.