Embed 3, il modello di ricerca AI all’avanguardia di Cohere, è ora multimodale: è in grado di generare embedding sia dal testo che dalle immagini e questo progresso consente alle aziende di sbloccare un valore reale dalla vasta quantità di dati archiviati nelle immagini.
Le aziende possono ora creare sistemi in grado di ricercare con precisione e rapidità importanti risorse multimodali, come report complessi, cataloghi di prodotti e file di progettazione, per aumentare la produttività della forza lavoro. Embed 3 – afferma Cohere – è ora il modello embedding multimodale più diffuso sul mercato.
I modelli embedding – spiega Cohere – sono uno strumento importante nel moderno kit di AI aziendale. Si può pensare a questi modelli come al motore delle applicazioni di ricerca intelligente, che aiutano dipendenti e clienti a individuare rapidamente informazioni specifiche all’interno di enormi librerie di dati.
Dietro le quinte, Embed 3 realizza questo obiettivo traducendo i dati di input in lunghe stringhe di numeri che rappresentano il significato dei dati. Queste rappresentazioni numeriche vengono poi confrontate tra loro per determinare somiglianze e differenze. Embed 3 colloca gli embedding di testo e di immagini nello stesso spazio vettoriale, per un’esperienza integrata.
Questo confronto di somiglianza consente alle applicazioni di recuperare i dati aziendali rilevanti per una query dell’utente finale. Oltre a essere un componente fondamentale dei sistemi di ricerca semantica, Embed 3 è utile nei sistemi di retrieval-augmented generation (RAG), in quanto garantisce che i modelli generativi come la serie Command R della stessa Cohere abbiano un contesto aziendale rilevante per informare le loro risposte.
Tutte le aziende, di qualsiasi settore e dimensione, possono trarre vantaggio dalla ricerca AI multimodale. Cohere ha riscontrato che i clienti sono particolarmente entusiasti dei casi d’uso reali, tra cui:
- Grafici e diagrammi: Le rappresentazioni visive sono fondamentali per comprendere dati complessi. Gli utenti possono ora trovare senza sforzo i diagrammi giusti che forniscano informazioni per le loro decisioni aziendali. È sufficiente descrivere uno specifico insight ed Embed 3 recupererà i grafici e le tabelle pertinenti, rendendo più efficiente il processo decisionale guidato dai dati per i dipendenti di tutti i team.
- Cataloghi di prodotti per l’e-commerce: I metodi di ricerca tradizionali spesso limitano i clienti a trovare i prodotti attraverso descrizioni testuali. Embed 3 trasforma questa esperienza di ricerca. I rivenditori possono creare applicazioni che cercano le immagini dei prodotti oltre alle descrizioni testuali, creando un’esperienza differenziata per gli acquirenti e migliorando i tassi di conversione.
- File e template di design: I designer lavorano spesso con vaste librerie di risorse, affidandosi alla memoria o a rigorose convenzioni di denominazione per organizzare le immagini. Embed 3 semplifica l’individuazione di mockup UI, modelli visivi e diapositive di presentazione specifici in base a una descrizione testuale. Questo snellisce il processo creativo.
In un momento in cui le aziende sono sempre più chiamate a utilizzare i propri dati per ottenere risultati, Embed 3 secondo Cohere può offrire un vantaggio competitivo che accelera la produttività e migliora la customer experience.
Embed 3 con nuove funzionalità di ricerca delle immagini è ora disponibile sulla piattaforma Cohere e su Microsoft Azure AI Studio. Per saperne di più, è possibile iscriversi al webinar del 12 novembre con Azure AI Studio. Il modello Embed 3 aggiornato è disponibile anche su Amazon SageMaker e può essere implementato privatamente in qualsiasi Virtual Private Cloud (VPC) o ambiente on-premise. Ulteriori dettagli tecnici sono disponibili nella documentazione mentre altre informazioni sul rilascio e sulla performance sono consultabili nel blog di Cohere.
