反其道而行的SAP商业AI

最近SAP的首席AI官Dr. Philipp Herzig发了一则领英动态,介绍SAP在生成式AI领域的最新进展,特别是如何利用这些技术改进企业数据处理。与ChatGPT等大语言模型(LLM)主要处理非结构化文本和图像不同,SAP正在开发一个专为处理结构化业务数据的基础模型。LLM在处理表格数据时常表现不佳,而SAP的模型则专注于企业资源规划(ERP)和其他数据库中的结构化数据。通过预训练和细微调整,SAP的模型在预测和分类任务中优于传统的狭义AI模型。这一模型能够快速适应不同的业务场景,降低了实施和维护成本,提高了数据处理的效率和准确性。

与ChatGPT等大语言模型的区别

  1. 数据类型:

LLM:主要处理非结构化数据,如文本和图像。

SAP模型:专注于结构化数据,如ERP系统中的表格数据。

  1. 性能差异:

LLM:在处理结构化数据时表现不佳,预测准确性较低,容易产生幻觉。

SAP模型:在特定任务中经过细微调整后,预测准确性优于狭义AI模型。

  1. 适应性:

LLM:需要大量的文本数据进行预训练,并且在处理新的结构化数据任务时效果有限。

SAP模型:通过预训练和轻量化调整,可以快速适应新的业务场景,甚至在数据有限的情况下也能提供高质量的预测。

具体的例子如下

ERP数据处理:

SAP的模型通过处理ERP系统中的结构化数据,如财务数据和库存管理数据,提供准确的预测和分类。举例来说,在创建复杂的业务对象时,SAP的模型可以通过AI辅助用户进行高效创建,减少了人为错误和时间成本。

隐私保护:

SAP模型在数据隐私和安全性方面也具有优势。它通过固定的输入输出模式,确保了数据仅在特定客户范围内使用,并采用差分隐私和联邦学习等技术,进一步保障数据的安全。

通过这些技术和方法,SAP的生成式AI模型不仅弥补了LLM在处理结构化数据上的不足,还为企业提供了更高效、更安全的数据处理解决方案。这种创新将进一步推动企业智能化转型,提高业务运营的效率和准确性。

原文地址:https://community.sap.com/t5/technology-blogs-by-sap/leveraging-generative-ai-advancements-for-linked-business-data/ba-p/13721158

相关推荐
小众AI1 小时前
AI-on-the-edge-device - 将“旧”设备接入智能世界
人工智能·开源·ai编程
舟寒、1 小时前
【论文分享】Ultra-AV: 一个规范化自动驾驶汽车纵向轨迹数据集
人工智能·自动驾驶·汽车
梦云澜4 小时前
论文阅读(十二):全基因组关联研究中生物通路的图形建模
论文阅读·人工智能·深度学习
远洋录5 小时前
构建一个数据分析Agent:提升分析效率的实践
人工智能·ai·ai agent
IT古董6 小时前
【深度学习】常见模型-Transformer模型
人工智能·深度学习·transformer
沐雪架构师7 小时前
AI大模型开发原理篇-2:语言模型雏形之词袋模型
人工智能·语言模型·自然语言处理
python算法(魔法师版)7 小时前
深度学习深度解析:从基础到前沿
人工智能·深度学习
kakaZhui8 小时前
【llm对话系统】大模型源码分析之 LLaMA 位置编码 RoPE
人工智能·深度学习·chatgpt·aigc·llama
struggle20259 小时前
一个开源 GenBI AI 本地代理(确保本地数据安全),使数据驱动型团队能够与其数据进行互动,生成文本到 SQL、图表、电子表格、报告和 BI
人工智能·深度学习·目标检测·语言模型·自然语言处理·数据挖掘·集成学习
佛州小李哥9 小时前
通过亚马逊云科技Bedrock打造自定义AI智能体Agent(上)
人工智能·科技·ai·语言模型·云计算·aws·亚马逊云科技