Yang mana lebih selamat untuk menggerakkan muatan?
机器人 yang mengangkut setiap penghantaran sendiri membuat keputusan baharu setiap kali?
Atau robot yang membina landasan kereta api, sistem isyarat, pusat pemeriksaan, dan peraturan operasi supaya beribu-ribu penghantaran boleh bergerak secara automatik melalui laluan yang terkawal?
Bagi operasi yang menentukan keseluruhan perniagaan, pendekatan kedua lebih selamat.
Saya melihat AI kewangan dengan cara yang sama - terutamanya untuk PKS 马来西亚 yang sedang membesar.
Apabila LLM digunakan terus untuk menganalisis setiap transaksi, hasilnya boleh berbeza-beza. Konteks, prompt, kemas kini model, data latihan, dan bias manusia boleh mengubah keputusan - walaupun untuk transaksi yang serupa.
Reka bentuk yang lebih baik - dan yang kami percayai di AINNA - ialah menggunakan AI untuk membina landasan.
Biarkan AI mereka sistem yang berasingan dan telus: peraturan tetap, logik yang boleh dijangka, garis panduan perakaunan, pengesahan data, pemeriksaan penyesuaian, dan petunjuk kewangan yang jelas.
Kemudian biarkan data kewangan anda melalui sistem terkawal itu setiap hari - dengan cara yang sama, tanpa kejutan.
AI tidak perlu “berfikir” tentang setiap transaksi.
Ia aktif semula hanya apabila sistem menjumpai kes luar biasa atau kerumitan yang benar-benar memerlukan pertimbangan.
AI membina landasan.
系统 yang terkawal menggerakkan muatan.
AI mengendalikan kes luar biasa.
Bagi sistem kewangan, kebolehpercayaan datang daripada reka bentuk yang mengutamakan pelanggan - bukan dengan meminta model probabilistik membuat penilaian yang sama beribu-ribu kali.
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. 名称 dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
我特别喜欢data latihan, dan bias manusia这一部分，内容没有把实施过程说得太简单。
Reka bentuk yang lebih baik这个说法我要拿回去跟同事讨论。
收藏了，主要是为了terutamanya untuk PKS 马来西亚 yang。 这个部分我还需要再想一下。
我会把机器人 yang mengangkut setiap penghantaran这一段分享给需要了解技术的同事。
难得有人把atau robot yang membina landasan讲得这么直白。
关于bagi operasi yang menentukan keseluruhan的例子很实用，适合团队继续讨论。
关于dan yang kami percayai di的实际落地部分最吸引我。
这篇文章对apabila LLM digunakan terus untuk的解释很清楚，实际操作的重点也很容易理解。