बड़ी संख्या में उद्यम एआई को अपनाने की ओर देखते हैं, केवल कुछ ही समझते हैं कि वे वास्तव में क्या बात कर रहे हैं। एआई एल्गोरिदम काफी हद तक ब्लैक बॉक्स बने हुए हैं, जिसके कारण कई अप्रत्याशित परिणाम सामने आए हैं। इसलिए यह महत्वपूर्ण है कि हुड के नीचे देखें और यह समझने की कोशिश करें कि एआई को क्या करना है।
एआई को देखने के लिए विभिन्न तरीके हैं – इसे एक एल्गोरिथ्म के रूप में देखा जा सकता है, अर्थात इसे पर्यवेक्षित शिक्षण, अनुपयोगी शिक्षा, सुदृढीकरण शिक्षण, गहन शिक्षण और ऐसे में वर्गीकृत किया जा सकता है।
इसे दृष्टि, पाठ, समय और जैसे डेटा को लागू करने के साधन के रूप में भी देखा जा सकता है। कई अन्य दृष्टिकोण हैं जिनमें से AI को एक प्रक्रिया के रूप में देखा जा सकता है (सफाई और लेबलिंग, फीचर इंजीनियरिंग, प्रशिक्षण AI का), कैसे AI को विभिन्न डोमेन पर लागू किया जाता है जैसे स्वास्थ्य देखभाल, शिक्षा, कृषि, और कई अन्य।
एआई को देखने का एक महत्वपूर्ण तरीका है, कि हम इसके कामकाज पर एक बेहतर परिप्रेक्ष्य प्राप्त करने पर ध्यान केंद्रित करेंगे, एआई आर्किटेक्चर है। स्मार्ट सिटी, टेलीकॉम नेटवर्क, रिफाइनरी, आदि जैसे जटिल पारिस्थितिक तंत्रों के उपयोग के लिए इसे प्रस्तुत करने के लिए एआई स्टैक बनाने में जाने वाली विभिन्न परतें क्या हैं?
“जब आप उत्पादों के विकास के बारे में सोचते हैं, तो हम मिक्सर, वाशिंग मशीन और कारों का निर्माण कर रहे हैं, जो कि उत्पाद 1.0 है, तो हमने Google खोज और नेटफ्लिक्स और फेसबुक और उस सभी उत्पाद का निर्माण शुरू कर दिया है, और अब हम 2.0 हैं। एक ऐसे भविष्य की ओर बढ़ रहे हैं जहां हम उत्पाद 3.0 का निर्माण करने जा रहे हैं, ”रिलायंस जियो के मुख्य डेटा वैज्ञानिक डॉ। शैलेश कुमार ने बताया।
द अस्थ-अंग ए.आई.
एआई स्टैक की परतों को बेहतर ढंग से समझने के लिए, किसी को इन ‘उत्पादों’ या ‘जटिल पारिस्थितिक तंत्र’ की जटिलताओं को समझना चाहिए जो यह समर्थन करता है। कुमार इस अवधारणा पर विस्तार से बताते हैं – इन पारिस्थितिकी प्रणालियों में अरबों इकाइयां (ग्राहक, संपत्ति, सुविधाएं), अरबों की सहभागिता (लेनदेन, सामाजिक नेटवर्क, सामग्री आदि) शामिल हैं, लाखों फैसले (मूल्य निर्धारण, शेड्यूलिंग, रसद आदि)। ) इन पारिस्थितिकी प्रणालियों के विकास और अस्तित्व में कारक।
इस तरह के एक जटिल निकाय को एक अच्छी तरह से संरचित एआई / एपीआई की आवश्यकता होती है जो इन प्रणालियों के कामकाज को सुचारू करता है। डॉ। कुमार द्वारा समझाया गया एआई स्टैक में आठ परतें शामिल हैं। परत 0 से शुरू – डिजिटलीकरण, जो वास्तव में एआई स्टैक का हिस्सा नहीं है, लेकिन यह भी उतना ही आवश्यक है क्योंकि इसमें कच्चे डेटा (मुद्रित सामग्री) को डिजिटल रूप में परिवर्तित करना शामिल है, जो कि उपयोग करने का एक अनिवार्य हिस्सा है, और यहां तक कि शुरू करना, एक ऐ ढेर।
फिर लेयर 1 आता है – व्याख्या, जो एक आम और व्यापक परत है, क्योंकि इसमें कच्चे डेटा को बेहतर वर्गीकरण के लिए शब्दार्थ में परिवर्तित करना शामिल है। “डिजिटलीकरण प्रक्रिया का अनुसरण करना एक डेटा-संचालित AI है जो निम्न-स्तरीय डेटा जैसे कि भाषण डेटा, फेस डेटा, X-Ray डेटा को उच्च-स्तरीय शब्दार्थ जैसे कि पाठ, भावना, विसंगति और इस तरह से व्याख्या करने पर केंद्रित है। यह समझना महत्वपूर्ण है कि एक इनपुट के लिए कई व्याख्याएं हो सकती हैं, ”कुमार ने कहा।
यह समग्र परत भावनाओं, लिंग, पाठ आदि जैसी चीजों की भविष्यवाणी करने में सहायता करती है, जो इसे एक बहुत ही व्यक्तिवादी दृष्टिकोण देती है। Spotify इसका एक शानदार उदाहरण है क्योंकि यह डांसबिलिटी, एनर्जी, इमोशन और इस तरह के अन्य पहलुओं के आधार पर संगीत को वर्गीकृत करता है।
लेयर 2 कारण है, जो डोमेन ज्ञान और सूचना के आधार पर देखे गए डेटा के कारणों या कारणों का अध्ययन करता है। यह काफी महत्वपूर्ण है क्योंकि यह पारिस्थितिकी तंत्र के लिए एआई वास्तुकला के निर्माण में मदद करता है। हालांकि यह ध्यान रखना महत्वपूर्ण है कि सभी प्रभावों के पीछे कार्य-कारण का कारक नहीं होता है, उदाहरण के लिए – किसी की प्राथमिकता या उनके व्यवहार के पीछे हमेशा एक कारण नहीं हो सकता है, कभी-कभी चीजें बस होती हैं।
विभिन्न प्रकार के कारण भी होते हैं जैसे बहु-कारक कारण, जो कुछ प्रभावों के पीछे सभी संभावित कारणों को ध्यान में रखता है – उदाहरण के लिए, एक बीमारी कई स्रोतों जैसे मौसम, आनुवंशिकी, जीवन शैली, आदि के कारण हो सकती है।
एक अन्य प्रकार की कार्यकुशलता संचयी कारण है, अर्थात, एक प्रभाव केवल एक नहीं बल्कि विभिन्न स्रोतों द्वारा संचयी प्रयास का परिणाम है। इसका एक बड़ा उदाहरण यह है कि छुट्टियों के मौसम, विपणन अभियान, प्रतियोगिता, आदि जैसे कारकों के संचयी प्रभाव के कारण किसी उत्पाद की मांग बढ़ सकती है या गिर सकती है। एक बार जब कारण कारकों की पहचान हो गई, तो यह पता करना आसान हो जाता है और मुद्दे से निपटें।
परत 3 – भविष्यवाणी, भविष्य में क्या होने वाला है, इसकी भविष्यवाणी करना शामिल है। यह अपनी मॉडलिंग तकनीकों में लेयर 1 से काफी मिलता-जुलता है, लेकिन जो अलग है वह उनकी भूमिकाएं हैं। लेयर 4 क्या है – स्पष्टीकरण, जैसा कि भविष्यवाणी करना पर्याप्त नहीं है, जो आवश्यक है वह स्पष्टीकरण है, विशेष रूप से स्वास्थ्य सेवा और इस तरह के क्षेत्रों में।
लेयर 5 – स्टैक की नियंत्रणशीलता इनपुट को दो भागों में विभाजित करने पर जोर देती है, इनपुट के अवलोकन योग्य और नियंत्रणीय भाग। जैसा कि स्पीकर द्वारा कहा गया है, यह अंतर काफी महत्वपूर्ण है क्योंकि यह उद्यम को नियंत्रणीय चर का पता लगाने की अनुमति देता है जो उन्हें अपनी संख्या को अधिकतम करने में मदद करते हैं।
लेयर 6 – सिमुलेशन में पूर्वानुमानों के आधार पर वांछित परिणाम प्राप्त करने के लिए नियंत्रणीय चर के साथ खेलना शामिल है। परत 7 – अनुकूलन में उद्यम के लाभ के लिए सिम्युलेटेड परिणामों में सुधार करना शामिल है।
लेयर 8 – अनुकूलन क्षमता में बेकाबू चर का अनुकूलन और इस तरह का अनुकूलन शामिल है। याद रखने वाली बात यह है कि प्रत्येक परत अगले की तरह ही महत्वपूर्ण है और एआई स्टैक के लिए अपनी पूरी क्षमता से काम करने के लिए, सभी परतों का उचित तरीके से पालन करने की आवश्यकता है।
एअर इंडिया का इन्फ्लेशन पॉइंट
“कृत्रिम होशियारी अनुसंधान और विकास के लिए उपभोक्ता प्रौद्योगिकी के लिए उपयोग किए जाने से पिछले एक दशक में एक विशाल विभक्ति बिंदु देखा गया है, “इन्फोसिस के सीटीओ रफी तराफ़दार का मानना है।
उपभोक्ता के अंत में प्रौद्योगिकी के बढ़ते उपयोग के साथ, उद्यमों पर अपनी AI प्रौद्योगिकी को बेहतर और अनुकूलित परिणामों के लिए स्केल करने का बहुत दबाव है।
“यह एक दूसरे विभक्ति बिंदु के परिणामस्वरूप हुआ है जहां तकनीक उपभोक्ता तकनीक से उद्यम तकनीक की सीमाओं को पार कर रही है। ताराफेडर ने कहा कि क्लाउड एक्सेलेरेशन, डिजिटलीकरण और डेटा ट्रांसफॉर्मेशन में निवेश करने वाले उद्यमों ने एआई को बढ़ाने की नींव रखी और एआई तकनीक के लिए इस बदलाव के लिए प्रेरक शक्ति थी।
कुछ चीजें हैं जिन्हें तय करने की आवश्यकता है, जैसा कि तराफदार द्वारा समझाया गया है, जब यह G2000 कंपनियों द्वारा उठाए गए पायलट एआई परियोजनाओं की बात आती है, जो कि तकनीक को लोकतांत्रिक रूप दे रहे हैं अर्थात पूरे संगठन में उपकरण और समाधान उपलब्ध करा रहे हैं, जिसके लिए विशेष आवश्यकता है GPU और TPU जैसे कौशल और उपकरण। तीसरी बात यह है कि AI मॉडल द्वारा दिए गए आउटपुट को व्याख्यायित करने की आवश्यकता है।
“एआई सॉफ्टवेयर लिख रहा है जो परिणाम प्राप्त करता है कि कोई मानव-लिखित सॉफ़्टवेयर नहीं लिख सकता है,” विशाल धूपर, प्रबंध निदेशक, दक्षिण एशिया NVIDIA आधुनिक उद्यमों के लिए एआई के महत्व पर जोर देते हुए कहा।
अत्याधुनिक एआई मॉडल के लिए अभिकलन की जरूरत पिछले 5 वर्षों में 30,000 से अधिक बार हो गई है, जिसका अर्थ है कि हर 2 महीने में कंप्यूटिंग आवश्यकताओं को दोगुना करने की आवश्यकता है।
उदाहरण के लिए, NVIDIA AI मेगेट्रॉन BERT का मानव-स्तरीय पढ़ना समझ एक औसत मानव की तुलना में 24x बेहतर है। फेसबुक के आधे उपयोगकर्ता ग्राहक सेवा के लिए अपने AI चैटबॉट, ब्लेंडरबॉट को पसंद करते हैं। कैलटेक शोधकर्ताओं ने ड्रोन डिलीवरी के लिए एक अद्वितीय प्रणाली, न्यूरल लैंडर विकसित किया जिसके परिणामस्वरूप 6x सुरक्षित लैंडिंग हुई।
इस तरह के उपयोग की एक विस्तृत श्रृंखला के साथ, व्यक्तिगत उपभोक्ता अनुभव से लेकर टेलीकॉम नेटवर्क या स्मार्ट सिटी जैसे जटिल पारिस्थितिक तंत्रों की रीढ़ की हड्डी होने तक, आर्टिफिशियल इंटेलिजेंस की क्षमता अद्वितीय है और अंत में मान्यता प्राप्त है।
तकनीक की विस्तृत संरचना एक अद्भुत उपयोगकर्ता अनुभव के लिए अनुमति देती है जो सभी कोणों को कवर करती है और विभिन्न उद्योगों को सहजता से पूरा करती है। हालांकि आर्टिफिशियल जनरल इंटेलिजेंस को हासिल करने के लिए अभी भी एक लंबा रास्ता तय करना बाकी है, लेकिन डेटा वैज्ञानिकों और इंजीनियरों ने जो विकास किया है, वह बहुत ही महत्वपूर्ण है।
।
