6,000 कानून प्रवर्तन संसाधनों पर स्टार्टअप की तैनाती का उद्देश्य एआई सटीकता में अदृश्य गिरावट को संबोधित करना है, बिना महंगी पुनः प्रशिक्षण या विफलता की आवश्यकता के। हजारों शहरों में, कृत्रिम बुद्धि (एआई) सिस्टम चुपचाप विफल हो रहे हैं, और कोई भी इसे नहीं जानता है। समय के साथ, ट्रैफ़िक एआई अधिक उल्लंघनों को याद करता है, सटीकता खो देता है, और इरादा के रूप में काम करना बंद कर देता है। न्यूयॉर्क में डॉ. अमरजोट सिंग द्वारा स्थापित एक स्टार्टअप स्काइलर लैब्स ने एक अग्रणी एशियाई देश में 6,000 पुलिस प्रणालियों पर अपने केप्लरTM प्लेटफॉर्म को तैनात करने के लिए $ 21 मिलियन, तीन साल के अनुबंध को सुरक्षित किया है। जो कि केप्लरTM को अलग करता है वह उसकी आत्म-जागरूकता है. जबकि अधिकांश एआई चुपचाप खराब हो जाते हैं, केप्लर को लगातार अपनी प्रदर्शन की जांच करने और फ्लू पर अनुकूलित करने के लिए डिज़ाइन किया गया है. यह केवल आज काम नहीं करता है; यह समय के साथ बेहतर हो सकता है. "एआई का गंदे रहस्य यह है कि अधिकांश प्रणालियों को उसी दिन असफल होना शुरू हो जाता है, "डॉक्टर सींग कहते हैं। "वे नए यातायात पैटर्न, विकसित वाहन डिजाइन, या ड्राइवर व्यवहार में परिवर्तन को संभाल नहीं सकते हैं। चुपचाप विनाश का संकट अधिकांश पारंपरिक एआई सिस्टम को अतीत के डेटा पर एक बार प्रशिक्षित किया जाता है और फिर तैनात किया जाता है जैसे कि दुनिया कभी नहीं बदलेगी। सड़कें विकसित होती हैं, नए कार मॉडल सड़कों पर आते हैं, ड्राइवर व्यवहार में बदलाव होते हैं, और मौसम और रोशनी में बदलाव होता है। " उद्योग अनुमानों के अनुसार, स्थानीय सरकारें प्रति वर्ष आईआई रखरखाव पर लाखों खर्च करती हैं, बिना किसी स्पष्ट दृष्टिकोण के प्रदर्शन में कमी - छिपे हुए संचालन जोखिम और अस्थिर आय पूर्वानुमान बनाती है, "डॉक्टर सींग कहते हैं। कई एआई सिस्टम एक महंगी और निराशाजनक पैटर्न का पालन करते हैं: वे पहले अच्छी तरह से काम करते हैं, फिर धीरे-धीरे बदतर हो जाते हैं। डॉ सिंग ने जोर देकर कहा, "इस टूटने का प्रभाव चिंताजनक है. वे अप्रत्यक्ष उल्लंघनों से आय खो सकते हैं और, सबसे महत्वपूर्ण बात, सार्वजनिक सुरक्षा को खतरे में डाल सकते हैं क्योंकि उनके एआई परिवर्तन के साथ चल नहीं सकते हैं। AI जो जानता है जब यह पीछे गिर रहा है यह DARPA Lifelong Learning Machines कार्यक्रम के तहत वर्षों के अनुसंधान से पैदा हुआ था, जहां संस्थापक डॉ अमारोजॉट सिंग्स ने एआई पर काम किया था जो सिर्फ डेटा को संसाधित नहीं करता है; यह खुद को देखता है, जानता है कि कब यह भ्रमित है, और सटीक रहने के लिए वास्तविक समय में अनुकूलित करता है। "हमारा सबसे बड़ा नवाचार आत्म-जागरूकता है," डॉ सिंग बताते हैं. "एआई न केवल ट्रैफ़िक उल्लंघनों का पता लगाता है; यह पता लगाता है कि जब यह उन्हें याद कर सकता है। डॉ सिंग बताता है कि यह कैसे काम करता है: हर पैटर्न कार का उपयोग करना मंच एक साथ कई एआई मॉडल चलाता है. मुख्य मॉडल गति या गलत मोड़ों जैसे उल्लंघनों को चिह्नित करता है. लेकिन दृश्यों के पीछे, मॉडल का एक दूसरा परत लगातार प्रदर्शन की निगरानी करता है, संकेतों के लिए देखता है कि सिस्टम में कुछ नया नहीं हो सकता है, जैसे कि एक वाहन प्रकार जो पहले कभी नहीं देखा गया है या एक असामान्य ट्रैफ़िक पैटर्न। Skylark Labs केप्लर जब यह एक संभावित अंतर को पहचानता है, तो केप्लर को स्वचालित रूप से अपने आंतरिक सेटिंग्स को समायोजित करने और खुद को स्थानीय रूप से पुन: प्रशिक्षित करने के लिए डिज़ाइन किया गया है, इसलिए कोई इंटरनेट या मानव इंजीनियर की आवश्यकता नहीं है। ट्रैफिक से परे: सार्वभौमिक अनुप्रयोग आत्म-जागरूक एआई सिद्धांत ट्रैफ़िक निष्पादन से परे किसी भी अनुप्रयोग तक फैलता है जहां परिस्थितियां समय के साथ बदलती हैं। सैन्य अनुप्रयोगों के लिए, स्काइलरक लैब के ट्रैसर एआई सॉफ्टवेयर विमान वाहक डेक को विदेशी वस्तुओं के टुकड़ों के लिए स्कैन कर सकते हैं. नए विमान प्रकार और डेक कॉन्फ़िगरेशन पेश किए जाते हैं, सिस्टम स्वचालित रूप से अनुकूलित कर सकता है. स्काउट टॉवर को इंडियाना के परिवहन विभाग में तैनात किया गया था, जो एक नेटवर्क बनाता है जो परिवहन प्रवाह, मौसमी पैटर्न और बुनियादी ढांचे में परिवर्तन के लिए अनुकूलित होता है। उसी सीखने-अनुकूलन सिद्धांत को स्वास्थ्य देखभाल, सीमा सुरक्षा, आपदा प्रतिक्रिया और वित्तीय धोखाधड़ी का पता लगाने जैसे तेजी से बदलने वाले क्षेत्रों पर लागू किया जा सकता है - जहां परिस्थितियां केंद्रित अद्यतनों की तुलना में तेजी से विकसित होती हैं। प्रतिस्पर्धी खाली हालांकि कुछ कंपनियों ने प्रभावशाली एआई क्षमताओं का निर्माण किया है, वे अक्सर एक ही महत्वपूर्ण सीमा साझा करते हैं: उनके सिस्टम अंधा काम करते हैं. वे पता लगा सकते हैं, वर्गीकृत कर सकते हैं, और प्रतिक्रिया कर सकते हैं, लेकिन उन्हें अपनी प्रदर्शन का मूल्यांकन करने की क्षमता नहीं है. जब परिस्थितियां बदलती हैं, तो वे चुपचाप विफल हो जाते हैं. और बदतर, वे इसे नहीं जानते हैं. "अगला उद्योग एआई को तेजी से, तेज और अधिक कुशल बनाने के लिए व्यस्त है," डॉ सिंग का तर्क है, "लेकिन कोई भी बुनियादी दोष को संबोधित नहीं किया है: एआई जो नहीं जानता कि यह कब गलत है. यह सिर्फ एक तकनीकी अंतर नहीं है; यह एक विश्वास संकट है। जहां पारंपरिक एआई प्लेटफार्म प्रदर्शन को बनाए रखने के लिए मानव ऑडिट, प्रतिक्रियात्मक अद्यतन, और महंगी पुनः प्रशिक्षण पर भरोसा करते हैं, स्काइलरक लैब के आत्म-समर्पण प्रणाली एक अलग पैराग्राम में काम करते हैं. बाहरी हस्तक्षेप के बिना, वे लगातार अपनी आत्मविश्वास की निगरानी कर सकते हैं, वास्तविक समय में असामान्यताओं का पता लगा सकते हैं, और सीमा पर अनुकूलित कर सकते हैं. यह इस बात का एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है कि एआई कैसे बनाया जाता है, तैनात किया जाता है, और पैमाने पर विश्वास किया जाता है. एक स्मार्ट एआई जो खुद के लिए भुगतान करता है स्काइलरक लैब्स की आत्म-जागरूक एआई लागत बचत और संभावित दीर्घकालिक मूल्य प्रदान करती है. निरंतर प्रदर्शन पर ध्यान केंद्रित करके, यह लगातार आय, संभावित रूप से कम अद्यतन लागत में योगदान दे सकता है, और बेहतर उल्लंघन का पता लगाने के माध्यम से सार्वजनिक सुरक्षा को बढ़ा सकता है. शहरों को अचानक प्रदर्शन में गिरावट या अप्रत्याशित रखरखाव शुल्क का सामना करने की संभावना कम है. "यह एक यातायात अधिकारी को भर्ती करने जैसा है जो अनुभव के साथ बेहतर हो जाता है, बदतर नहीं है," डॉ सिंग कहते हैं। जैसा कि दुनिया भर में अधिक एआई सिस्टम तैनात किए जाते हैं, चुपचाप विफलता की समस्या केवल बढ़ जाएगी. आज के डेटा पर प्रशिक्षित अधिकांश सिस्टम परिस्थितियों में बदलाव के रूप में पीछे हट सकते हैं, लेकिन स्काइलरक लैब्स की दृष्टिकोण स्क्रिप्ट को बदलती है. "भविष्य एआई से संबंधित है जो सीख सकता है और विकसित हो सकता है," डॉ सिंग कहते हैं, "स्थैटिक एआई मृत एआई है; यह अभी तक नहीं जानता है। एशिया में 21 मिलियन डॉलर की तैनाती के साथ, यह साबित कर रहा है कि आत्म-जागरूक एआई वास्तविक दुनिया के पैमाने को संभाल सकता है. और अगर यह सफल होता है, तो यह सिर्फ ट्रैफ़िक लागू करने के लिए एक नया मानक नहीं बनाएगा. यह हर क्षेत्र में एआई के लिए अपेक्षाओं को फिर से आकार देगा जहां दुनिया बदल रही है. स्काइलर लैब "हम सिर्फ बेहतर एआई का निर्माण नहीं कर रहे हैं," डॉ सिंग ने निष्कर्ष निकाला। "हम एआई का निर्माण कर रहे हैं जो बेहतर रहने के तरीके जानता है। चूंकि सरकारें और उद्यम अधिक से अधिक न्यूनतम ओवरहेड के साथ लचीले एआई समाधानों की मांग करते हैं, स्काइलरक का दृष्टिकोण यह संकेत दे सकता है कि बुनियादी एआई बुनियादी ढांचे को कैसे प्राप्त किया जाता है, तैनात किया जाता है और मापा जाता है. कौन जानता है, शांत एआई विफलता संकट आखिरकार समाप्त हो सकता है. VentureBeat newsroom और संपादकीय कर्मचारी इस सामग्री के निर्माण में शामिल नहीं थे।

This story contains new, firsthand information uncovered by the writer.

यह ऑडियो कहानी की मूल भाषा में निर्मित है!

बहुत लंबा; पढ़ने के लिए

Make resilience your competitive advantage

स्काइलरक लैब्स ने $ 21 मिलियन के सौदे को सुरक्षित किया 6,000 पुलिस प्रणालियों पर आत्म-जागरूक एआई तैनात करने के लिए

About Author

टिप्पणियाँ

लेबल

इस लेख में चित्रित किया गया था

Related Stories

HackerNoon एक बहुभाषी प्लेटफ़ॉर्म है: सभी शीर्ष कहानियाँ अब 13 भाषाओं में उपलब्ध हैं

He/Him/Master of Discovery

सफल क्लाउड माइग्रेशन के लिए संपूर्ण गाइड: रणनीतियाँ और सर्वोत्तम अभ्यास

जलयात्रा: डेटा झीलों के साथ उत्पादन-ग्रेड आरएजी अनुप्रयोगों का विकास

HackerNoon एक बहुभाषी प्लेटफ़ॉर्म है: सभी शीर्ष कहानियाँ अब 13 भाषाओं में उपलब्ध हैं

He/Him/Master of Discovery

सफल क्लाउड माइग्रेशन के लिए संपूर्ण गाइड: रणनीतियाँ और सर्वोत्तम अभ्यास

जलयात्रा: डेटा झीलों के साथ उत्पादन-ग्रेड आरएजी अनुप्रयोगों का विकास

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps