#71 Tech Writer rozlicza się z semantic searcha, czyli plany kontra rzeczywistość
Prawie rok temu zabraliśmy się za wdrożenie semantic searcha. Byliśmy bardzo podekscytowani tym projektem, bo po długich miesiącach teoretyzowania na ten temat wreszcie udało nam się stworzyć rozwiązanie pilotażowe, które mogliśmy pokazać testowej grupie użytkowników.Zgodnie z obietnicą złożoną w odcinku 61. wracamy do tego projektu. Rozmawiamy o tym jak się potoczyły jego losy, jakie były wyniki testów, jakie wyciągnęliśmy wnioski i co planujemy w przyszłości.Dźwięki wykorzystane w audycji pochodzą z kolekcji "107 Free Retro Game Sounds" dostępnej na stronie https://dominik-braun.net, udostępnianej na podstawie licencji Creative Commons license CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).Informacje dodatkowe:"#61 Tech Writer zaczyna wdrażać semantic search, czyli kilka praktycznych wskazówek na początek", Tech Writer Koduje: https://techwriterkoduje.pl/blog/2023/12/22/61"What is semantic search?", Elastic: https://www.elastic.co/what-is/semantic-search"Large language model (LLM)", Wikipedia: https://en.wikipedia.org/wiki/Large_language_model"What Is Retrieval-Augmented Generation, aka RAG?", NVIDIA Blogs: https://blogs.nvidia.com/blog/what-is-retrieval-augmented-generation/"Hybrid Search Explained", Weaviate: https://weaviate.io/blog/hybrid-search-explainedHugging Face: https://huggingface.co/"Semantic search", SBERT: https://www.sbert.net/examples/applications/semantic-search/README.html#semantic-search
Paweł i Michał rozmawiają o Halloweenowym stroju Pawła i przejście do tematu semantycznego wyszukiwania.
Paweł wyjaśnia, co to jest semantyczne wyszukiwanie i dlaczego firma postanowiła go zaimplementować w swojej wyszukiwarki dokumentacji.
Paweł opisuje wyniki badań z użytkownikami, które pokazały, że semantyczne wyszukiwanie nie przyniosło oczekiwanych rezultatów.
Paweł opisuje, jak projekt semantycznego wyszukiwania został zamknięty w rzeczywistości i usunięto kod.
Paweł i Michał poruszają temat LLM i porównują je ze semantycznym wyszukiwaniem, omawiając różnice w technologii i zastosowaniu.
Paweł i Michał skupiają się na przyszłości semantycznego wyszukiwania i LLM, a następnie zamykają rozmowę.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Prawie rok temu zabraliśmy się za wdrożenie semantic searcha. Byliśmy bardzo podekscytowani tym projektem, bo po długich miesiącach teoretyzowania na ten temat wreszcie udało nam się stworzyć rozwiązanie pilotażowe, które mogliśmy pokazać testowej grupie użytkowników.
Zgodnie z obietnicą złożoną w odcinku 61. wracamy do tego projektu. Rozmawiamy o tym jak się potoczyły jego losy, jakie były wyniki testów, jakie wyciągnęliśmy wnioski i co planujemy w przyszłości.
Dźwięki wykorzystane w audycji pochodzą z kolekcji "107 Free Retro Game Sounds" dostępnej na stronie https://dominik-braun.net, udostępnianej na podstawie licencji Creative Commons license CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
Informacje dodatkowe:
"#61 Tech Writer zaczyna wdrażać semantic search, czyli kilka praktycznych wskazówek na początek", Tech Writer Koduje: https://techwriterkoduje.pl/blog/2023/12/22/61"What is semantic search?", Elastic: https://www.elastic.co/what-is/semantic-search"Large language model (LLM)", Wikipedia: https://en.wikipedia.org/wiki/Large_language_model"What Is Retrieval-Augmented Generation, aka RAG?", NVIDIA Blogs: https://blogs.nvidia.com/blog/what-is-retrieval-augmented-generation/"Hybrid Search Explained", Weaviate: https://weaviate.io/blog/hybrid-search-explainedHugging Face: https://huggingface.co/"Semantic search", SBERT: https://www.sbert.net/examples/applications/semantic-search/README.html#semantic-search