AI ஐ உற்பத்தி செய்யும் போது, உங்கள் AI மாதிரியை ஒரு செயல்முறை அல்லது நபர்களுக்கு எவ்வாறு பயன்படுத்துவது, தரவு மற்றும் மாதிரிகளை நிலைப்படுத்துவது, மாறும் சூழல்கள் மற்றும் காலப்போக்கில் உங்கள் மாதிரியை எவ்வாறு துல்லியமாக வைத்திருப்பது, அளவிடுதல் மற்றும் எவ்வாறு வளருவது போன்ற பல சவால்களை நீங்கள் சந்திக்கலாம். அல்லது உங்கள் AI மாதிரியின் திறன்களை அதிகரிக்கவும்.
உட்பொதித்தல் AI
ஒரு வெற்றிகரமான இயந்திர கற்றல் ப்ரூஃப் ஆஃப் கான்செப்ட்டை (PoC) ஒரு புதிய வழிமுறையுடன் இயக்குவது, அதைத் தயாரிப்பதற்கும் அதிலிருந்து உண்மையான மதிப்பைப் பெறுவதற்கும் தேவைப்படும் முயற்சியில் 10% மட்டுமே ஆகும். மீதமுள்ள 90% நீங்கள் பயன்படுத்தக்கூடிய ஒரு பொருளை உருவாக்க நீங்கள் செய்ய வேண்டியவை மற்றும் பயனுள்ள தயாரிப்பை உருவாக்க நீங்கள் செய்ய வேண்டியவை என பிரிக்கலாம்.
ஒரு பயன்படுத்தக்கூடிய தயாரிப்பை உருவாக்க, உங்கள் பயனர்களுக்கு தயாரிப்பு கிடைக்கச் செய்வதற்கான தொழில்நுட்ப செயலாக்கத்தை நீங்கள் பெரிதாக்க வேண்டும். இது பயனுள்ளதாக இருக்க, பயனர்களுக்கான செயல்முறையில் தயாரிப்பை உட்பொதிப்பதை நீங்கள் பார்க்க வேண்டும். முதலில், இருப்பினும், PoC மற்றும் பயன்படுத்தக்கூடிய தயாரிப்புக்கு என்ன வித்தியாசம்?
முதலாவதாக, PoC கள் உற்பத்திக்காக அல்ல. தயாரிப்புகள் எல்லா நேரத்திலும், எந்த நேரத்திலும், மற்றும் மாறும் சூழ்நிலைகளிலும் வேலை செய்ய வேண்டும். உங்கள் PoC இன் போது, நீங்கள் தேடும் தரவைக் கண்டுபிடித்து, நகலெடுத்து, அதைச் சுத்தம் செய்து பகுப்பாய்வு செய்யத் தொடங்குங்கள். தயாரிப்பில், உங்கள் தரவு மூலமானது நிகழ்நேரத்திலும், பாதுகாப்பாகவும், பாதுகாப்பாகவும் தரவுத் தளத்துடன் இணைக்கப்பட வேண்டும்; தரவு ஸ்ட்ரீம் தானாகவே கையாளப்பட வேண்டும் மற்றும் பிற தரவு மூலங்களுடன் ஒப்பிடப்பட வேண்டும்.
உங்கள் PoC இன் போது, உங்களின் எதிர்காலப் பயனர்களுடன் பேசி அவர்களுடன் இணைந்து தீர்வை வடிவமைக்கும் ஆடம்பரத்தைப் பெறுவீர்கள், அல்லது உங்களிடம் பயனர்கள் இல்லை, மேலும் நீங்கள் ஒரு தொழில்நுட்ப தீர்வை வடிவமைக்கிறீர்கள். ஒரு தயாரிப்பைப் பொறுத்தவரை, அந்தத் தீர்வைப் புரிந்துகொள்ள வேண்டிய பயனர்களும், தொழில்நுட்பத் தீர்வை இயக்குவதற்குப் பொறுப்பானவர்களும் உங்களிடம் உள்ளனர். எனவே, ஒரு தயாரிப்பு பயன்படுத்தக்கூடியதாக இருக்க பயிற்சி, அடிக்கடி கேட்கப்படும் கேள்விகள் மற்றும்/அல்லது ஆதரவு வரிகள் தேவை. மேலும், PoC இல் உங்கள் ஒரு பயன்பாட்டுக்கான புதிய பதிப்பை உருவாக்கவும். தயாரிப்புகளுக்கு புதுப்பிப்புகள் தேவை, மேலும் பல வாடிக்கையாளர்களுக்கு உங்கள் தயாரிப்பை வெளியிட்டால், உற்பத்திக்கான உங்கள் குறியீட்டைச் சோதித்து வரிசைப்படுத்த உங்களுக்கு ஒரு வழி தேவை (CI/CD பைப்லைன்கள்).
“இடிலிட்டியில், நாங்கள் எங்களின் இட்டிலிட்டி டேட்டா ஃபேக்டரி மற்றும் AI ஃபேக்டரியை உருவாக்கியுள்ளோம், இது எங்களின் எந்தவொரு திட்டத்திற்கும் கட்டுமானத் தொகுதிகள் மற்றும் அடிப்படை தளத்தை உள்ளடக்கியது. இதன் பொருள், தொடக்கத்திலிருந்தே பயன்படுத்தக்கூடிய கோணத்தை நாங்கள் வைத்திருக்கிறோம், இதன் மூலம் பயனுள்ள கோணத்தில் கவனம் செலுத்த முடியும் (இது அதிக வாடிக்கையாளர் மற்றும் வழக்கைச் சார்ந்தது),” என்று நிறுவனம் கூறியது.
பூச்சி கண்டறிதல் பயன்பாடு - PoC இலிருந்து பயன்படுத்தக்கூடிய தயாரிப்பு வரை
“எங்கள் பூச்சிக் கண்டறிதல் செயலியின் கருத்துக் கட்டத்தின் ஆதாரம், பசுமை இல்லக் குழு உறுப்பினர்களால் எடுக்கப்பட்ட படங்களின் அடிப்படையில் பசைப் பொறியில் ஈக்களை வகைப்படுத்தி எண்ணும் குறுகிய பணியைச் செய்யக்கூடிய ஒரு மாதிரியைக் கொண்டிருந்தது. அவர்கள் ஒரு படத்தை தவறவிட்டாலோ அல்லது ஏதேனும் தவறு நடந்தாலோ, அவர்கள் திரும்பிச் சென்று இன்னொன்றை எடுக்கலாம் அல்லது அதை நேரடியாக டாஷ்போர்டில் சரிசெய்யலாம். சில கைமுறை சோதனைகள் தேவைப்பட்டன.
"எங்கள் PoC-உலகம் எளிமையானது, ஒரே ஒரு சாதனம், ஒரு பயனர் மற்றும் ஒரு வாடிக்கையாளர் ஆகியவற்றை அடிப்படையாகக் கொண்டது. இருப்பினும், அதைப் பயன்படுத்தக்கூடிய தயாரிப்பாக மாற்ற, நாங்கள் பல வாடிக்கையாளர்களை அளவிட வேண்டும் மற்றும் ஆதரிக்க வேண்டும். பின்னர், தரவை எவ்வாறு பிரித்து பாதுகாப்பாக வைத்திருப்பது என்ற கேள்வி எழுகிறது. மேலும், ஒவ்வொரு வாடிக்கையாளருக்கும்/இயந்திரத்திற்கும் ஒரு அமைவு மற்றும் இயல்புநிலை உள்ளமைவு தேவைப்படுகிறது. எனவே, 20 புதிய வாடிக்கையாளர்களை எவ்வாறு கட்டமைப்பது/அமைப்பது? நிர்வாகி இடைமுகத்தை எப்போது உருவாக்குவது மற்றும் ஆன்போர்டிங்கை தானியங்குபடுத்துவது எப்படி என்று உங்களுக்கு எப்படித் தெரியும்? 2 வாடிக்கையாளர்களிடம், 20, அல்லது 200?”
நிச்சயமாக, 'ஈக்களை எண்ணுவது எனது வாடிக்கையாளருக்கு எவ்வாறு உதவுகிறது?' போன்ற கேள்விகள் உங்களிடம் இருக்கலாம். இந்தத் தகவலிலிருந்து மதிப்பை எவ்வாறு உருவாக்குவது? முடிவுகளை பரிந்துரைப்பது மற்றும் நடவடிக்கை எடுப்பது எப்படி? வணிகச் செயல்பாட்டில் இந்த AI பயன்பாடு எவ்வாறு பொருந்துகிறது?'. படி ஒன்று, தொழில்நுட்ப/தரவுக் கண்ணோட்டத்தில் இருந்து இறுதிப் பயனர் கண்ணோட்டத்திற்கு உங்களின் குறிப்புச் சட்டத்தை மாற்றுவது. இதன் பொருள் உங்கள் வாடிக்கையாளருடன் உரையாடலைத் தொடர்வது மற்றும் நிரூபிக்கப்பட்ட PoC தினசரி செயல்முறைகளுக்கு எவ்வாறு பொருந்துகிறது என்பதைப் பார்ப்பது.
"நீண்ட காலத்திற்கு நீங்கள் செயல்முறையை நெருக்கமாகப் பின்பற்ற வேண்டும், ஒவ்வொரு நாளும் எந்தத் தகவல்களின் அடிப்படையில் என்ன நடவடிக்கைகள் எடுக்கப்படுகின்றன, எதைச் செய்வதற்கு எவ்வளவு நேரம் செலவிடப்படுகிறது, மற்றும் பகுத்தறிவு ஆகியவற்றைப் புரிந்துகொள்வதற்கு நீங்கள் செயல்பாட்டு மற்றும் தந்திரோபாய கூட்டங்களில் சேர வேண்டும். சில செயல்களுக்குப் பின்னால். வணிக மதிப்பை உருவாக்க உங்கள் மாதிரியின் தகவல் எவ்வாறு பயன்படுத்தப்படுகிறது என்பதைப் புரிந்து கொள்ளாமல், நீங்கள் ஒரு பயனுள்ள தயாரிப்பைப் பெற மாட்டீர்கள்.
"எங்கள் விஷயத்தில், முடிவுகளை எடுக்க என்ன தகவல் பயன்படுத்தப்பட்டது என்பதை நாங்கள் கண்டுபிடித்தோம். எடுத்துக்காட்டாக, சில பூச்சிகளுக்கு வாராந்திரப் போக்கைப் பின்பற்றுவது மிகவும் முக்கியம் (இதற்கு அதிக துல்லியம் தேவையில்லை) மற்றவர்களுக்கு பூச்சியின் முதல் அறிகுறியாக (அதாவது ஒரு ஜோடியை வைத்திருப்பது நல்லது) ஒரு தவறான எதிர்மறையைக் காட்டிலும் தவறான நேர்மறைகள்).
"கூடுதலாக, நடைமுறையில் வழங்க முடியாத துல்லியத்தன்மையைக் கொண்டிருப்பதாகக் கூறும் இதேபோன்ற கருவி மூலம் எங்கள் வாடிக்கையாளர் முன்பு 'மோசமான' அனுபவத்தைப் பெற்றிருப்பதை நாங்கள் கண்டுபிடித்தோம். அவர்கள் ஏன் நம்மை நம்புவார்கள்? இந்த நம்பிக்கைச் சிக்கலை நாங்கள் தலைகீழாக எடுத்து, துல்லியம் மற்றும் வெளிப்படைத்தன்மையை தயாரிப்பின் முக்கிய அம்சமாக மாற்றினோம். இறுதிப் பயனரின் செயல்பாட்டு முறைகளுக்கு ஏற்ப பயன்பாட்டை மாற்றியமைப்பதன் மூலமும், தொடர்புகளில் வெளிப்படைத்தன்மையை அதிகரிப்பதன் மூலமும், பயனருக்கு பயன்பாட்டின் மீது அதிகக் கட்டுப்பாட்டைக் கொடுப்பதன் மூலமும் எங்கள் தயாரிப்பைப் பயனுள்ளதாக மாற்ற இந்தத் தகவலைப் பயன்படுத்தினோம்,” என்று நிறுவனம் தொடர்கிறது.
மிகப்பெரிய சவால் என்ன?
"எங்கள் பறக்க எண்ணும் சூழ்நிலையில், எங்கள் துல்லியமான மதிப்பெண்ணைப் பற்றி நாம் விரும்பும் அனைத்தையும் பேசலாம். இருப்பினும், பயனுள்ளதாக இருக்க, பயனருக்கு (கிரீன்ஹவுஸ் நிபுணர்) சதவீதத்தை விட அதிகமாக தேவை. அதை அனுபவிப்பதும், அதை நம்பக் கற்றுக்கொள்வதும்தான் தேவை. உங்கள் பயனர்கள் தங்கள் சொந்த கையேடு முடிவுகளுடன் உங்கள் முடிவுகளை ஒப்பிட்டுப் பார்க்கும்போது, ஒரு (பெரிய) முரண்பாடு இருக்கும்போது நிகழக்கூடிய மோசமான விஷயம். உங்கள் நற்பெயர் பாழாகிவிட்டது, நம்பிக்கையை மீண்டும் பெற இடமில்லை. தயாரிப்பில் மென்பொருளைச் சேர்ப்பதன் மூலம், அந்த முரண்பாடுகளைக் கண்டறிந்து அவற்றைச் சரிசெய்ய பயனரை ஊக்குவிக்கும் வகையில் இதை எதிர்த்தோம்.
“எங்கள் அணுகுமுறையானது, AI தீர்வின் பயனரை ஒரு பகுதியாக மாற்றுவதற்குப் பதிலாக அதை நிபுணரை மாற்றப் போகிற ஒரு அமைப்பாக மாற்றுவதாகும். நிபுணரை ஆபரேட்டராக மாற்றுகிறோம். AI அவர்களின் திறன்களை அதிகரிக்கிறது மற்றும் நிபுணர்கள் AI க்கு தொடர்ந்து கற்பித்தல் மற்றும் வழிகாட்டுதல் மூலம் கட்டுப்பாட்டில் இருக்க வேண்டும் மேலும் மேலும் அறிந்து கொள்ளவும், சூழல் அல்லது பிற மாறிகள் மாறும்போது திருத்தங்களைச் செய்யவும். ஒரு ஆபரேட்டராக, நிபுணர் என்பது தீர்வின் ஒருங்கிணைந்த பகுதியாகும் - குறிப்பிட்ட செயல்களுடன் AI க்கு கற்பித்தல் மற்றும் பயிற்சி அளித்தல்."
சொடுக்கவும் இங்கே ஆபரேட்டர்-மைய அணுகுமுறை பற்றிய கூடுதல் விவரங்களுடன் வீடியோவைப் பார்க்க.