AI ഉൽപ്പാദിപ്പിക്കുമ്പോൾ, നിങ്ങളുടെ AI മോഡൽ ഒരു പ്രോസസ്സ് അല്ലെങ്കിൽ ആളുകൾക്ക് എങ്ങനെ പ്രയോഗിക്കാം, ഡാറ്റയും മോഡലുകളും സ്ഥിരപ്പെടുത്തുക, മാറുന്ന പരിതസ്ഥിതികളിലും കാലക്രമേണ നിങ്ങളുടെ മോഡൽ എങ്ങനെ കൃത്യമായി നിലനിർത്താം, സ്കെയിലിംഗ്, എങ്ങനെ വളരാം എന്നിങ്ങനെയുള്ള നിരവധി വെല്ലുവിളികൾ നിങ്ങൾക്ക് നേരിടാം. അല്ലെങ്കിൽ നിങ്ങളുടെ AI മോഡലിന്റെ കഴിവുകൾ വർദ്ധിപ്പിക്കുക.
AI ഉൾച്ചേർക്കുന്നു
ഒരു പുതിയ അൽഗോരിതം ഉപയോഗിച്ച് വിജയകരമായ ഒരു മെഷീൻ ലേണിംഗ് പ്രൂഫ് ഓഫ് കൺസെപ്റ്റ് (PoC) പ്രവർത്തിപ്പിക്കുന്നത് അത് ഉൽപ്പാദിപ്പിക്കുന്നതിനും അതിൽ നിന്ന് യഥാർത്ഥ മൂല്യം നേടുന്നതിനും ആവശ്യമായ പരിശ്രമത്തിന്റെ 10% മാത്രമാണ്. ശേഷിക്കുന്ന 90% ഉപയോഗയോഗ്യമായ ഒരു ഉൽപ്പന്നം നിർമ്മിക്കാൻ നിങ്ങൾ ചെയ്യേണ്ട കാര്യങ്ങൾ, ഉപയോഗപ്രദമായ ഉൽപ്പന്നം നിർമ്മിക്കാൻ നിങ്ങൾ ചെയ്യേണ്ട കാര്യങ്ങൾ എന്നിങ്ങനെ വിഭജിക്കാം.
ഉപയോഗയോഗ്യമായ ഒരു ഉൽപ്പന്നം നിർമ്മിക്കുന്നതിന്, നിങ്ങളുടെ ഉപയോക്താക്കൾക്ക് ഉൽപ്പന്നം ലഭ്യമാക്കുന്നതിനുള്ള സാങ്കേതിക നിർവ്വഹണത്തിൽ നിങ്ങൾ സൂം ഇൻ ചെയ്യേണ്ടതുണ്ട്. ഇത് ഉപയോഗപ്രദമാക്കുന്നതിന്, ഉപയോക്താക്കൾക്കുള്ള ഒരു പ്രക്രിയയിലേക്ക് ഉൽപ്പന്നം ഉൾപ്പെടുത്തുന്നത് നിങ്ങൾ നോക്കണം. ആദ്യം, എന്നിരുന്നാലും, ഒരു PoC-യും ഉപയോഗയോഗ്യമായ ഉൽപ്പന്നവും തമ്മിലുള്ള വ്യത്യാസം എന്താണ്?
ഒന്നാമതായി, PoC-കൾ ഉൽപ്പാദനത്തിന് വേണ്ടിയുള്ളതല്ല. ഉൽപ്പന്നങ്ങൾ എല്ലാ സമയത്തും, ഏത് സമയത്തും, മാറിക്കൊണ്ടിരിക്കുന്ന സാഹചര്യങ്ങളിലും പ്രവർത്തിക്കേണ്ടതുണ്ട്. നിങ്ങളുടെ PoC സമയത്ത്, നിങ്ങൾ തിരയുന്ന ഡാറ്റ കണ്ടെത്തുകയും ഒരു പകർപ്പ് ഉണ്ടാക്കുകയും അത് വൃത്തിയാക്കാനും വിശകലനം ചെയ്യാനും തുടങ്ങും. നിർമ്മാണത്തിൽ, നിങ്ങളുടെ ഡാറ്റ ഉറവിടം തത്സമയം, സുരക്ഷിതമായും സുരക്ഷിതമായും ഒരു ഡാറ്റ പ്ലാറ്റ്ഫോമിലേക്ക് കണക്റ്റുചെയ്യേണ്ടതുണ്ട്; ഡാറ്റ സ്ട്രീം സ്വയമേവ കൈകാര്യം ചെയ്യുകയും മറ്റ് ഡാറ്റ ഉറവിടങ്ങളുമായി താരതമ്യം ചെയ്യുകയും/സംയോജിപ്പിക്കുകയും വേണം.
നിങ്ങളുടെ PoC സമയത്ത്, ഒന്നുകിൽ നിങ്ങളുടെ ഭാവി ഉപയോക്താക്കളുമായി സംസാരിക്കാനും അവരുമായി ചേർന്ന് ഒരു പരിഹാരം രൂപകൽപന ചെയ്യാനും നിങ്ങൾക്ക് ആഡംബരമുണ്ട്, അല്ലെങ്കിൽ നിങ്ങൾക്ക് ഉപയോക്താക്കളില്ല, നിങ്ങൾ ഒരു സാങ്കേതിക പരിഹാരം രൂപകൽപ്പന ചെയ്യുകയാണ്. ഒരു ഉൽപ്പന്നത്തിന്, ആ പരിഹാരം മനസ്സിലാക്കേണ്ട ഉപയോക്താക്കളും സാങ്കേതിക പരിഹാരം പ്രവർത്തിപ്പിക്കുന്നതിന് ഉത്തരവാദിത്തമുള്ള ആളുകളും നിങ്ങൾക്കുണ്ട്. അതിനാൽ, ഒരു ഉൽപ്പന്നത്തിന് ഉപയോഗയോഗ്യമാകുന്നതിന് പരിശീലനവും പതിവുചോദ്യങ്ങളും കൂടാതെ/അല്ലെങ്കിൽ പിന്തുണാ ലൈനുകളും ആവശ്യമാണ്. കൂടാതെ, ഒരു PoC-ൽ നിങ്ങളുടെ ഒരു ഉപയോഗ കേസിനായി നിങ്ങൾ ഒരു പുതിയ പതിപ്പ് സൃഷ്ടിക്കുക. ഉൽപ്പന്നങ്ങൾക്ക് അപ്ഡേറ്റുകൾ ആവശ്യമാണ്, കൂടാതെ ഒന്നിലധികം ഉപഭോക്താക്കൾക്കായി നിങ്ങളുടെ ഉൽപ്പന്നം പുറത്തിറക്കിയിരിക്കുമ്പോൾ, ഉൽപ്പാദനത്തിനായി (CI/CD പൈപ്പ്ലൈനുകൾ) നിങ്ങളുടെ കോഡ് പരിശോധിക്കാനും വിന്യസിക്കാനും നിങ്ങൾക്ക് ഒരു മാർഗം ആവശ്യമാണ്.
“ഇറ്റിലിറ്റിയിൽ, ഞങ്ങളുടെ ഇറ്റിലിറ്റി ഡാറ്റ ഫാക്ടറിയും AI ഫാക്ടറിയും ഞങ്ങൾ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്, അത് ഞങ്ങളുടെ ഏതെങ്കിലും പ്രോജക്റ്റുകൾക്ക് വേണ്ടിയുള്ള നിർമ്മാണ ബ്ലോക്കുകളും അടിസ്ഥാന പ്ലാറ്റ്ഫോമും ഉൾക്കൊള്ളുന്നു. ഇതിനർത്ഥം, ഞങ്ങൾക്ക് ഉപയോഗയോഗ്യമായ ആംഗിൾ തുടക്കം മുതൽ മൂടിയിരിക്കുന്നു, അതിനാൽ ഞങ്ങൾക്ക് ഉപയോഗപ്രദമായ ആംഗിളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ കഴിയും (അത് കൂടുതൽ ഉപഭോക്താവ്, കേസ് ആശ്രിതമാണ്),” കമ്പനി പറഞ്ഞു.
കീടങ്ങളെ കണ്ടെത്തുന്നതിനുള്ള ആപ്പ് - PoC മുതൽ ഉപയോഗയോഗ്യമായ ഉൽപ്പന്നം വരെ
“ഞങ്ങളുടെ പെസ്റ്റ് ഡിറ്റക്ഷൻ ആപ്പിന്റെ കൺസെപ്റ്റ് ഘട്ടത്തിന്റെ തെളിവ് ഗ്രീൻഹൗസ് ടീം അംഗങ്ങൾ എടുത്ത ചിത്രങ്ങളെ അടിസ്ഥാനമാക്കി പശ കെണിയിൽ ഈച്ചകളെ തരംതിരിച്ച് എണ്ണുക എന്ന ഇടുങ്ങിയ ജോലി നിർവഹിക്കാൻ കഴിയുന്ന ഒരു മാതൃക ഉൾക്കൊള്ളുന്നു. അവർക്ക് ഒരു ചിത്രം നഷ്ടപ്പെടുകയോ എന്തെങ്കിലും കുഴപ്പം സംഭവിക്കുകയോ ചെയ്താൽ, അവർക്ക് തിരികെ പോയി മറ്റൊന്ന് എടുക്കുകയോ ഡാഷ്ബോർഡിൽ നേരിട്ട് ശരിയാക്കുകയോ ചെയ്യാം. ചില മാനുവൽ പരിശോധനകൾ ആവശ്യമായിരുന്നു.
“ഞങ്ങളുടെ PoC-ലോകം ലളിതമായിരുന്നു, ഒരൊറ്റ ഉപകരണം, ഒരു ഉപയോക്താവ്, ഒരു ഉപഭോക്താവ് എന്നിവയെ അടിസ്ഥാനമാക്കി. എന്നിരുന്നാലും, ഒരു ഉപയോഗയോഗ്യമായ ഉൽപ്പന്നമാക്കി മാറ്റുന്നതിന്, ഞങ്ങൾക്ക് ഒന്നിലധികം ഉപഭോക്താക്കളെ സ്കെയിൽ ചെയ്യുകയും പിന്തുണയ്ക്കുകയും ചെയ്യേണ്ടതുണ്ട്. അപ്പോൾ, ഡാറ്റ എങ്ങനെ വേർതിരിച്ച് സുരക്ഷിതമായി സൂക്ഷിക്കാം എന്ന ചോദ്യം ഉയർന്നുവരുന്നു. മാത്രമല്ല, ഓരോ വ്യക്തിഗത ഉപഭോക്താവിനും/യന്ത്രത്തിനും ഒരു സജ്ജീകരണവും ഡിഫോൾട്ട് കോൺഫിഗറേഷനും ആവശ്യമാണ്. അപ്പോൾ, 20 പുതിയ ഉപഭോക്താക്കളെ എങ്ങനെ കോൺഫിഗർ ചെയ്യാം/സജ്ജീകരിക്കാം? ഒരു അഡ്മിൻ ഇന്റർഫേസ് എപ്പോൾ നിർമ്മിക്കണമെന്നും ഓൺബോർഡിംഗ് ഓട്ടോമേറ്റ് ചെയ്യണമെന്നും നിങ്ങൾക്ക് എങ്ങനെ അറിയാം? 2 ഉപഭോക്താക്കളിൽ, 20, അല്ലെങ്കിൽ 200?"
തീർച്ചയായും, ഈച്ചകളെ എണ്ണുന്നത് എന്റെ ഉപഭോക്താവിനെ എങ്ങനെ സഹായിക്കും? ഈ വിവരങ്ങളിൽ നിന്ന് മൂല്യം എങ്ങനെ സൃഷ്ടിക്കാം? തീരുമാനങ്ങൾ ശുപാർശ ചെയ്യുകയും നടപടിയെടുക്കുകയും ചെയ്യുന്നതെങ്ങനെ? ഈ AI ആപ്ലിക്കേഷൻ എങ്ങനെയാണ് ബിസിനസ് പ്രക്രിയയിൽ യോജിക്കുന്നത്?'. സാങ്കേതിക/ഡാറ്റ വീക്ഷണകോണിൽ നിന്ന് അന്തിമ ഉപയോക്തൃ വീക്ഷണകോണിലേക്ക് നിങ്ങളുടെ റഫറൻസ് ഫ്രെയിം മാറ്റുക എന്നതാണ് ഘട്ടം ഒന്ന്. ഇതിനർത്ഥം നിങ്ങളുടെ ഉപഭോക്താവുമായുള്ള സംഭാഷണം തുടരുകയും തെളിയിക്കപ്പെട്ട PoC ദൈനംദിന പ്രക്രിയകളുമായി എങ്ങനെ യോജിക്കുന്നുവെന്ന് കാണുകയുമാണ്.
“നിങ്ങൾ കൂടുതൽ സമയത്തേക്ക് ഈ പ്രക്രിയ സൂക്ഷ്മമായി പിന്തുടരേണ്ടതുണ്ട്, ഏത് വിവരത്തെ അടിസ്ഥാനമാക്കി എല്ലാ ദിവസവും എന്ത് നടപടികളാണ് സ്വീകരിക്കുന്നത്, എന്ത് ചെയ്യാൻ എത്ര സമയം ചെലവഴിക്കുന്നു, ന്യായവാദം എന്നിവ മനസിലാക്കാൻ നിങ്ങൾ പ്രവർത്തനപരവും തന്ത്രപരവുമായ മീറ്റിംഗുകളിൽ ചേരേണ്ടതുണ്ട്. ചില പ്രവർത്തനങ്ങൾക്ക് പിന്നിൽ. ബിസിനസ്സ് മൂല്യം സൃഷ്ടിക്കാൻ നിങ്ങളുടെ മോഡലിൽ നിന്നുള്ള വിവരങ്ങൾ എങ്ങനെ ഉപയോഗിക്കുന്നുവെന്ന് മനസിലാക്കാതെ, നിങ്ങൾക്ക് ഒരു ഉപയോഗപ്രദമായ ഉൽപ്പന്നം ലഭിക്കില്ല.
“ഞങ്ങളുടെ കാര്യത്തിൽ, തീരുമാനങ്ങൾ എടുക്കാൻ ഉപയോഗിച്ച വിവരങ്ങളാണ് ഞങ്ങൾ കണ്ടെത്തിയത്. ഉദാഹരണത്തിന്, ചില കീടങ്ങൾക്ക് പ്രതിവാര ട്രെൻഡ് പിന്തുടരുന്നത് കൂടുതൽ പ്രധാനമാണെന്ന് ഞങ്ങൾ കണ്ടെത്തി (ഇതിന് ഉയർന്ന കൃത്യത ആവശ്യമില്ല) മറ്റുള്ളവർക്ക് കീടത്തിന്റെ ആദ്യ ലക്ഷണത്തിൽ നടപടി ആവശ്യമാണ് (അതായത് ദമ്പതികൾ ഉണ്ടായിരിക്കുന്നതാണ് നല്ലത്. ഒരു തെറ്റായ നെഗറ്റീവ് ഉള്ളതിനേക്കാൾ തെറ്റായ പോസിറ്റീവുകൾ).
“കൂടാതെ, പ്രായോഗികമായി നൽകാൻ കഴിയാത്ത കൃത്യതകളുണ്ടെന്ന് അവകാശപ്പെടുന്ന സമാനമായ ടൂൾ ഉപയോഗിച്ച് ഞങ്ങളുടെ ഉപഭോക്താവിന് മുമ്പ് ഒരു 'മോശം' അനുഭവം ഉണ്ടായിട്ടുണ്ടെന്ന് ഞങ്ങൾ കണ്ടെത്തി. എന്തുകൊണ്ടാണ് അവർ നമ്മളെ വിശ്വസിക്കുന്നത്? ഞങ്ങൾ ഈ വിശ്വാസപ്രശ്നം നേരിട്ട് ഏറ്റെടുക്കുകയും കൃത്യതയും സുതാര്യതയും ഉൽപ്പന്നത്തിന്റെ പ്രധാന സവിശേഷതയാക്കുകയും ചെയ്തു. അന്തിമ ഉപയോക്താവിന്റെ പ്രവർത്തന രീതികളുമായി ആപ്ലിക്കേഷൻ പൊരുത്തപ്പെടുത്തുന്നതിലൂടെയും ആശയവിനിമയത്തിൽ സുതാര്യത വർദ്ധിപ്പിക്കുന്നതിലൂടെയും ഞങ്ങളുടെ ഉൽപ്പന്നം ഉപയോഗപ്രദമാക്കുന്നതിന് ഞങ്ങൾ ഈ വിവരങ്ങൾ ഉപയോഗിച്ചു, ഉപയോക്താവിന് ആപ്ലിക്കേഷന്റെ മേൽ കൂടുതൽ നിയന്ത്രണം നൽകുന്നു," കമ്പനി തുടരുന്നു.
എന്താണ് ഏറ്റവും വലിയ വെല്ലുവിളി?
“ഞങ്ങളുടെ ഫ്ലൈ-കൗണ്ടിംഗ് സാഹചര്യത്തിൽ, നമുക്ക് ആവശ്യമുള്ളതെല്ലാം ഞങ്ങളുടെ കൃത്യത സ്കോറിനെക്കുറിച്ച് സംസാരിക്കാം. എന്നിരുന്നാലും, ഉപയോഗപ്രദമാകാൻ, ഉപയോക്താവിന് (ഒരു ഹരിതഗൃഹ വിദഗ്ധൻ) ശതമാനത്തിൽ കൂടുതൽ ആവശ്യമാണ്. അത് അനുഭവിക്കുകയും വിശ്വസിക്കാൻ പഠിക്കുകയും ചെയ്യുക എന്നതാണ് വേണ്ടത്. നിങ്ങളുടെ ഉപയോക്താക്കൾ അവരുടെ സ്വന്തം മാനുവൽ ഫലങ്ങളുമായി നിങ്ങളുടെ ഫലങ്ങൾ താരതമ്യം ചെയ്യുമ്പോൾ സംഭവിക്കാവുന്ന ഏറ്റവും മോശമായ കാര്യം (വലിയ) പൊരുത്തക്കേടാണ്. നിങ്ങളുടെ പ്രശസ്തി നശിച്ചു, വിശ്വാസം വീണ്ടെടുക്കാൻ ഇടമില്ല. ആ പൊരുത്തക്കേടുകൾ അന്വേഷിക്കാനും അവ തിരുത്താനും ഉപയോക്താവിനെ പ്രോത്സാഹിപ്പിക്കുന്ന സോഫ്റ്റ്വെയർ ഉൽപ്പന്നത്തിലേക്ക് ചേർത്തുകൊണ്ട് ഞങ്ങൾ ഇതിനെ പ്രതിരോധിച്ചു.
“ഞങ്ങളുടെ സമീപനം, സ്പെഷ്യലിസ്റ്റിനെ മാറ്റിസ്ഥാപിക്കാൻ പോകുന്ന ഒരു സിസ്റ്റമായി അവതരിപ്പിക്കുന്നതിന് പകരം ഉപയോക്താവിനെ AI പരിഹാരത്തിന്റെ ഭാഗമാക്കുക എന്നതാണ്. ഞങ്ങൾ സ്പെഷ്യലിസ്റ്റിനെ ഒരു ഓപ്പറേറ്ററായി മാറ്റുന്നു. AI അവരുടെ കഴിവുകൾ വർദ്ധിപ്പിക്കുന്നു, പരിസ്ഥിതിയോ മറ്റ് വേരിയബിളുകളോ നീങ്ങുമ്പോൾ കൂടുതൽ പഠിക്കാനും തിരുത്തലുകൾ വരുത്താനും AI-യെ തുടർച്ചയായി പഠിപ്പിക്കുകയും നയിക്കുകയും ചെയ്തുകൊണ്ട് സ്പെഷ്യലിസ്റ്റുകൾ നിയന്ത്രണത്തിൽ തുടരുന്നു. ഒരു ഓപ്പറേറ്റർ എന്ന നിലയിൽ, സ്പെഷ്യലിസ്റ്റ് പരിഹാരത്തിന്റെ അവിഭാജ്യ ഘടകമാണ് - നിർദ്ദിഷ്ട പ്രവർത്തനങ്ങളിലൂടെ AI-യെ പഠിപ്പിക്കുകയും പരിശീലിപ്പിക്കുകയും ചെയ്യുന്നു.
ക്ലിക്ക് ഇവിടെ ഓപ്പറേറ്റർ കേന്ദ്രീകൃത സമീപനത്തെക്കുറിച്ചുള്ള കൂടുതൽ വിശദാംശങ്ങളുള്ള ഒരു വീഡിയോ കാണാൻ.