O DataGemma é uma inovação da Google que utiliza dados reais do Data Commons, um vasto gráfico de conhecimento público com mais de 240 bilhões de pontos de dados de fontes confiáveis como a ONU, OMS, CDC e agências de censo. Integrado aos modelos Gemma, baseados na tecnologia Gemini, o DataGemma busca melhorar a precisão factual e o raciocínio dos modelos de linguagem.

1. RIG (Retrieval-Interleaved Generation): Consulta e verifica proativamente os dados do Data Commons durante a geração de respostas. A precisão factual melhorou de 5-17% para cerca de 58% em modelos ajustados.

2. RAG (Retrieval-Augmented Generation): Incorpora informações relevantes do Data Commons antes de gerar respostas, utilizando a janela de contexto longo do Gemini 1.5 Pro. A precisão das afirmações estatísticas foi de 98-99% com o uso do Data Commons.

Os resultados preliminares indicam melhorias significativas na precisão dos modelos de linguagem ao lidar com fatos numéricos, potencialmente reduzindo alucinações em diversos casos de uso. A Google planeja refinar essas metodologias e integrá-las gradualmente nos modelos Gemma e Gemini através de um acesso limitado e faseado.

- Pesquisadores e desenvolvedores podem acessar o DataGemma através de notebooks de início rápido para as abordagens RIG e RAG. - A integração com Data Commons visa aumentar a confiabilidade e a precisão das respostas geradas por IA.

Com o lançamento do DataGemma, a Google dá um passo significativo para tornar os modelos de linguagem mais confiáveis e precisos. A integração de dados reais e verificáveis promete reduzir as alucinações de IA, melhorando a utilidade e a confiança em aplicações de IA. O futuro verá a implementação gradual dessas tecnologias nos modelos Gemma e Gemini, com acesso inicial para pesquisadores e desenvolvedores.

FONTES:

1. Google introduziu DataGemma