Sanasto

Tekoälyhaku

Mikä on Tekoälyhaku?

Tekoälyhaku viittaa hakumenetelmiin, jotka käyttävät tekoälyä ymmärtääkseen kyselyn taustalla olevan tarkoituksen, painottaakseen tuloksia ja usein tuottaakseen tiivistetyn lähteillä varustetun vastauksen pelkän linkkilistan sijaan. Teknisesti ne käyttävät avainsanahakua, upotuksiin perustuvaa vektorihakua tai niiden yhdistelmää, usein kielimallin kanssa. Esimerkkejä ovat verkon vastausmoottorit ja sisäinen tietohaku, joka auttaa henkilöstöä löytämään tarvitsemansa käsikirjoista ja ohjeista.

Miten KI.ordo auttaa

KI.ordo hakee tallennetusta tietämyksestä palvelimella BM25-avainsanahaulla eikä käytä vektori- tai upotushakua.

Lue lisää

Aiheet

Haku
Tietämys
Retrieval

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Tiedonhaku

Tiedonhaku kattaa menetelmät, jotka löytävät suuresta tekstimassasta kyselyyn sopivat dokumentit tai tekstikohdat ja järjestävät ne relevanssin mukaan. Klassiset lähestymistavat, kuten BM25, painottavat hakutermejä sen mukaan, kuinka usein ja kuinka harvoin ne esiintyvät; uudemmat lisäävät semanttisen samankaltaisuuden. Se on hakukoneiden, yrityshaun ja hakuun perustuvan generoinnin perusta, jossa kielimalli käyttää haettuja tekstikohtia vastauksensa pohjana.

Haku
BM25
+1

Hakuvahvistettu generointi (RAG)

Hakuvahvistettu generointi (retrieval-augmented generation) yhdistää haun ja tekstin tuottamisen: ennen vastaamista järjestelmä hakee tietokokoelmasta – esimerkiksi käsikirjoista, ohjeistuksista tai UKK:sta – asiaankuuluvia kohtia ja välittää ne kielimallille kontekstina. Vastaus perustuu siten ajantasaiseen, yrityskohtaiseen sisältöön eikä pelkästään mallin opetustietoon. Tämä vähentää keksittyjä väitteitä, tekee lähteistä jäljitettäviä ja mahdollistaa päivitykset ilman uudelleenopetusta.

RAG
tietämyshaku
+1

Upotusvektori (embedding)

Upotusvektori (embedding) on lukulista, joka esittää sanan, lauseen tai dokumentin merkityksen niin, että sisällöltään samankaltaiset tekstit sijaitsevat lähellä toisiaan. Tämän ansiosta voidaan tunnistaa esimerkiksi, että ”irtisanominen” ja ”sopimuksen päättäminen” liittyvät toisiinsa, vaikka niillä ei ole yhteisiä sanoja. Upotukset ovat monien semanttisten hakujärjestelmien, suositusjärjestelmien ja RAG-sovellusten perusta; ne lasketaan erityisesti koulutetuilla malleilla.

vektori
semanttinen haku
+1

Generatiivisten hakukoneiden optimointi (GEO)

Generatiivisten hakukoneiden optimointi (GEO) kattaa toimenpiteet, joiden avulla sisältö saadaan näkyviin tekoälypohjaisissa hakujärjestelmissä, kuten ChatGPT:ssä, Perplexityssä tai hakukoneiden tekoälytiivistelmissä, ja lähteeksi siteerattavaksi niissä. Termi tulee vuoden 2023 tutkimusartikkelista. Keskeisiä tekijöitä ovat selkeät, suoraan lainattavat vastaukset, siisti rakenne, todistetut tosiasiat, ajantasaiset tiedot ja tunnistettavat kirjoittajat. GEO täydentää perinteistä hakukoneoptimointia (SEO) eikä korvaa sitä.

tekoälyhaku
SEO
+1

Malli