Mindsprint, un’azienda IT di medie dimensioni con sede a Singapore, ha recentemente lanciato una nuova piattaforma di intelligenza artificiale generativa chiamata MindVerse. Questa piattaforma è stata progettata per rivoluzionare il modo in cui le aziende utilizzano l’intelligenza artificiale, offrendo una gamma di soluzioni innovative che spaziano dall’intelligenza dei dati ai chatbot intelligenti.
Secondo Sagar Porayil Vadakkinakathu, direttore tecnico di Mindsprint, l’idea di MindVerse è nata circa 18 mesi fa, subito dopo l’esplosione di popolarità di ChatGPT. Durante la fase di sviluppo, l’azienda ha scoperto che molti componenti utilizzati in diverse soluzioni potevano essere riutilizzati, portando alla creazione di una piattaforma che accelera il processo di consegna e semplifica lo sviluppo.
MindVerse include oltre 10 soluzioni di intelligenza artificiale generativa, tra cui:
- Data Intelligence: Per estrarre analisi approfondite dai dati.
- Document Interactor: Per vettorializzare documenti e fornire analisi dettagliate.
- Chatbot Intelligenti: Per migliorare l’interazione con i clienti.
- Motori di Raccomandazione, Traduzione Linguistica e Generazione di Contenuti.
Un elemento chiave della piattaforma è Mercury, il motore alla base di MindVerse. Questa piattaforma utilizza diversi modelli di linguaggio di grandi dimensioni (LLM) per raggruppare processi, vettorializzare documenti ed estrarre approfondimenti utili. Ad esempio, nel settore agricolo, MindVerse viene utilizzato per aiutare le aziende a sviluppare strategie di approvvigionamento più informate, basate su analisi di trend storici e studi di mercato.
Inoltre, MindVerse permette ai clienti di creare chatbot personalizzati che possono accedere direttamente a data lake come Snowflake, eliminando la necessità di complesse procedure di richiesta di dati e permettendo un accesso immediato e intuitivo.
Mindsprint non si limita a utilizzare modelli di linguaggio di grandi dimensioni esistenti come GPT-4 di OpenAI; l’azienda sta anche addestrando piccoli modelli linguistici sui dati specifici dei propri clienti. Questo approccio promette di superare i limiti dei metodi tradizionali come la generazione aumentata dal recupero (RAG), offrendo soluzioni su misura per esigenze specifiche.