正是凭借这一卓越能力，API 可以将各个媒体类型与应用程序功能连接起来，确保生成式AI系统能够自 如运用复杂的数据输入。如此一来，开发人员就可以创建更具动态性和多功能性的应用程序，从容应对未 来多样化的数据需求。 特别是在检索增强生成(RAG)领域，API至关重要，它为人工智能模型开启了通向外部数据库的大门，确 保模型中使用的信息是最新且相关的。API直接将外部数据集成到AI模型的响应过程中，提升了模型生成 准确且具备上下文感知能力输出的能力。对话式API则充当了促进用户与AI模型之间无缝交互的接口。 在当今数字化时代，应用程序接口(API)已经成为大型语言模型(LLM)、生成式 AI 以及数据仓库和数据 湖等数据管理系统的重要支柱。 就LLM和生成式AI范畴而言，API能够访问各种数据源，增强了洞察生成和内容创作的能力。对于那些希 望在不颠覆现有基础设施的情况下利用 AI 的企业来说，这种能力至关重要。 高德纳咨询公司(Gartner)预计，到2027年，40%的生成式 AI 解决方案将具备多模态功能。多模态意味着 系统能够处理文本、图像、音频和视频等多种不同类型的数据，在这其中，API 的关键作用愈发凸显 ...

点击 上方 硬AI 关注我们 目前，诺和诺德已经开始使用Claude起草临床研究报告，每份可长达数百页。相关负责人透露，AI工具的使用极大缩短 了文件起草时间，从约15周减少到不到10分钟，且公司每年在Claude上的支出不到一名撰稿人的薪资。 硬·AI 作者 |李笑寅 编辑 | 硬 AI 然而，监管严格的医药和保险等行业一直对使用生成式AI处理法律敏感文件持谨慎态度，该公司技术战略 负责人Louise Lind Skov表示，早期技术容易出错，有时纠正AI错误比人工从头开始撰写还要耗时。 据悉，诺和诺德采用了一种常见的降低AI错误率的方法：检索增强生成(RAG)。 例如，当Claude生成了一 个人类专家认为很好的临床肥胖定义时，人类会告诉Claude在未来关于肥胖试验的任何文件中重复使用该 描述。 Skov透露，这种实践极大缩短了文件起草时间， 从约15周减少到不到10分钟。 此前，这类文件需要50 多名撰稿人参与，现在只需3名人类撰稿人借助Claude就能完成。 并且， 诺和诺德每年在Claude上的支出不到一名撰稿人的薪资。 公司 表 示，目前没有裁减任何撰稿员 工，但计划减少新招聘，并将节省下的资源 ...