Корейские учёные создали AkasicDB — базу данных, снижающую галлюцинации ИИ на 78% и ускоряющую запросы в 20 раз

Корейские учёные создали AkasicDB — базу данных, снижающую галлюцинации ИИ на 78% и ускоряющую запросы в 20 раз

Учёные из Кореи представили новую единую базу данных AkasicDB, предназначенную для снижения так называемых галлюцинаций искусственного интеллекта. По заявлению разработчиков, технология позволяет сократить число неверных ответов нейросетей на 78% и ускорить обработку запросов в 20 раз.

Проблема галлюцинаций — одна из ключевых в современном ИИ. Модели нередко генерируют правдоподобные, но ложные сведения, что ограничивает их применение в критически важных областях, таких как медицина, юриспруденция или финансы. AkasicDB призвана решить эту проблему, выступая в роли централизованного хранилища проверенных данных, к которому нейросеть обращается в процессе работы.

Как сообщается, AkasicDB интегрируется с крупными языковыми моделями и позволяет им сверять ответы с точной информацией из базы. Это не только снижает вероятность ошибок, но и значительно экономит вычислительные ресурсы: запросы обрабатываются быстрее благодаря оптимизированной структуре данных.

Разработка принадлежит группе исследователей из корейских научных центров. Точное название института не раскрывается, но, по данным издания iXBT, работа велась при поддержке государственных программ развития ИИ. Технология уже прошла первые испытания на нескольких популярных моделях, показав стабильные результаты.

Внедрение AkasicDB может стать важным шагом к созданию более надёжных систем искусственного интеллекта. Снижение галлюцинаций на 78% сопоставимо с лучшими современными методами коррекции, а ускорение в 20 раз открывает путь к использованию ИИ в режиме реального времени для сложных аналитических задач.

Ожидается, что в ближайшее время разработчики опубликуют дополнительные технические детали и API для интеграции AkasicDB со сторонними сервисами. Пока проект находится на стадии исследовательского прототипа, но уже привлёк внимание крупных технологических компаний, заинтересованных в повышении точности своих нейросетей.