Graphcore拟未IPU系统现可用于批量语义嵌入。该批量语义嵌入使用Aleph Alpha
[1]
开创性的Luminous-Explore模型，这也进一步扩展了这两家人工智能公司之间紧密的工作关系。

将基于文本的内容转化为语义表示向量是系统（例如语义搜索）构建中非常重要的一部分。这些系统能够理解和回应查询背后的意义，而不是简单地识别关键词。
2023年戛纳世界人工智能节[2]（WAICF）期间，Aleph Alpha的Luminous对话机器人（Luminous Chatbot）在拟未的展台展出。该版本的Luminous对话机器人由在IPU上生成的嵌入所驱动。
WAICF上的演示所使用的数据库是通过Gcore Cloud[3]上的IPU进行语义嵌入的。Gcore Cloud是拟未的合作伙伴和人工智能基础设施提供商。
在使用拟未的系统进行语义嵌入之前，Luminous人工智能代理（Luminous AI Agent）的80%稀疏化版本在去年成功实现。该版本利用IPU的独特架构大幅减少了参数数量、所需处理能力和能耗。
突破边界
Aleph Alpha的创始人兼首席执行官Jonas Andrulis在谈及最新工作以及正在进行的合作时说道：“我们很高兴能够看到拟未和Aleph Alpha这两家出色的欧洲公司携手合作，共同推动人工智能发展。我们正在解锁下一个层次的能力，即在IPU上使用Luminous模型来协助多语言和多模态搜索，并显示信息的来源，从而获得可解释性。我们通过这样的方式来打造一个人类专家在为手头问题处理敏感数据时可以信赖的人工智能。”
“圣杯”
语义理解的使用常常被称为人工智能的“圣杯”。它允许自动化系统推断并回应请求背后的意图，而不是具体的措辞。
首先要对信息语料库进行编码，将其变为语义表示向量，有效地将语言抽象为其背后概念的数字表示。
对语义模型提问也需要对询问进行编码，生成语义表示向量，然后与来自数据库的向量进行比较。
不同概念之间关系的密切程度由它们语义表示向量的“余弦相似度”来描述。
将向量分配给构成知识来源的更大数据库是所需计算工作中最大的一部分。拟未的IPU现可使用Luminous-Explore来进行的工作就是这种“批量嵌入”的过程。
关于Aleph Alpha Luminous Explore模型开发的更多详情，请参见该公司的博客[4]。
点击此处，了解更多有关拟未和Aleph Alpha合作关系的信息（包括Luminous对话机器人80%稀疏化版本开发的相关信息）。
[1]https://www.aleph-alpha.com/
[2]https://www.worldaicannes.com/en
[3]https://www.graphcore.ai/g-core-ipu-cloud
[4]https://medium.com/aleph-alpha-blog/luminous-explore-a-model-for-world-class-semantic-representation-f1b856261a2
获取更多Graphcore资讯，阅读深度技术文章，并与其他创新者们一起交流，请至中国官网graphcore.cn，以及关注Graphcore微信、微博和知乎创新社区。
Graphcore中国官网
Graphcore官方微信
Graphcore微博创新社区
Graphcore知乎创新社区
点击阅读原文，查看英文blog。
继续阅读
阅读原文