Suomalainen tekoälyteknologia ottaa harppauksen eteenpäin, kun Root Signals -yritys julkaisee uuden Root Judge -mallin, joka on suunniteltu arvioimaan suurten kielimallien (LLM) luotettavuutta ja laatua. Tämä avoimen lähdekoodin malli tuo tarkkuutta ja läpinäkyvyyttä generatiivisten AI-järjestelmien arviointiin ja optimointiin.
Root Judge on kehitetty Meta Llama-3.3-70B-Instruct -mallin pohjalta ja se pystyy tunnistamaan hallusinaatioita, vertailemaan erilaisten kielimallien tuotoksia sekä varmistamaan, että AI-ratkaisut täyttävät korkeat luotettavuusvaatimukset. Tämä tekee siitä arvokkaan työkalun yrityksille ja tutkijoille, jotka haluavat rakentaa turvallisempia ja tehokkaampia tekoälysovelluksia.
Erityisesti Retrieval-Augmented Generation (RAG) -teknologian kanssa käytettäväksi suunniteltu Root Judge pystyy havaitsemaan virheellisiä tai harhaanjohtavia tietoja ja estämään niiden leviämisen. Lisäksi malli tukee parivertailuarviointeja, jotka auttavat käyttäjiä tekemään parempia päätöksiä tekoälyn tulosten perusteella.
Root Signalsin mukaan Root Judge päihittää sekä avoimet että suljetut vertailumallit, kuten OpenAI:n GPT-4o ja Anthropicin Sonnet-3.5, erityisesti hallusinaatioiden tunnistuksessa ja arviointien läpinäkyvyydessä. Koska malli on avoimen lähdekoodin ratkaisu, yritykset voivat ottaa sen käyttöön omissa ympäristöissään ilman tietojen lähettämistä julkiseen pilveen.
Kuten suomalaisen SiloAI:n avoimet Poro- ja Viking-mallit, Root Signalsin Root Judge on koulutettu LUMI-supertietokoneessa Kajaanissa.
Päästä-päähän -salaus on noussut digiajan taikasanojen joukkoon. Kun jokin sovellus kertoo viestien olevan suojattuja päästä päähän, moni ajattelee olevansa turvassa: "vain minä ja vastaanottaja näemme viestin, kaikki on kunnossa." Mutta tässä ajattelussa piilee vaara. Salaus yksin ei ole synonyymi yksityisyydelle eikä turvalle, kirjoittaa yksityisyyttä suojelevan Session Technology Foundationin puheenjohtaja Alexander Linton.
