Գեներատիվ AI-ն ամենուր է: Chatbots-ը և վիրտուալ օգնականները արձագանքում են հաճախորդներին, Large Language Models (LLMs) օգնում են բլոգային գրառումներ անել, վիրուսային տեսանյութեր և նույնիսկ սովորեցնել ուսանողներին: Բայց միայն այն պատճառով, որ այն տարածված է, չի նշանակում, որ այն հեշտ է օգտագործել:  Բազմաթիվ ձեռնարկություններ պայքարում են գեներատիվ արհեստական ինտելեկտի ընդունման համար՝ ի թիվս այլոց՝ դրա տեխնիկական բարդության, բարձր ծախսերի, դրա հետ աշխատելու համար անհրաժեշտ տաղանդների պակասի և մասշտաբայնության խնդիրների պատճառով:  Համար  Gumloop-ի հիմնադիր ինժեներ, այս մարտահրավերների հաղթահարումը նշանակում է ինտուիտիվ, մասշտաբային և օգտատերերի վրա կենտրոնացված AI լուծումներ, որպեսզի ավելի շատ մարդիկ կարողանան օգուտ քաղել՝ առանց տեխնոլոգիայի մեջ ընկնելու:   Kaustav Das Sharma     Kaustav Das Sharma-ի աշխարհիկ հեռանկարը և դրա ազդեցությունը AI զարգացման վրա  Շարմայի կարիերայի ուղին ձևավորվել է աշխարհով մեկ տեղափոխվելու մանկությունից: Ծնվել է Կալկաթայում, նա ապրել է այնպիսի քաղաքներում, ինչպիսիք են Միլանը, Դուբայը, Ստավանգերը և Լոնդոնը, նախքան համալսարան գնալը Մոնրեալ:  Այսքան կանոնավոր տեղափոխվելը սովորեցրեց նրան արագ հարմարվել և կապվել կյանքի բոլոր խավերի մարդկանց հետ, բայց նա գիտակցեց կյանքի որակի հսկայական անհամապատասխանությունը իր ապրած և ծնված վայրերի միջև:  Երիտասարդ տարիքում այս անհավասարություններին ականատես լինելը ոգեշնչեց Կաուստավին փոփոխություն մտցնելու համար: Տնտեսագիտություն և ճարտարագիտություն ուսումնասիրելու միջև ընկած՝ նա, ի վերջո, ընտրեց ճարտարագիտությունը, ոչ միայն իրեր կառուցելու, այլ գործնական լուծումներ ստեղծելու համար, որոնք հեշտացնում են կյանքը ուրիշների համար, հատկապես նրանց, ովքեր չունեն ռեսուրսներ:  Այս համոզմունքը, որ տաղանդը ունիվերսալ է, բայց հնարավորությունը՝ ոչ, շարունակում է առաջնորդել նրա աշխատանքը: Amazon Web Services-ում (AWS) աշխատելու ժամանակից մինչև Gumloop-ում առաջին ինժեների դերը, Կաուստավը հետևողականորեն նախագծել է գործիքներ, որոնք հեշտացնում են AI-ի ընդունումը՝ ավելի շատ մարդկանց ստեղծելու և նորարարության հնարավորություն տալով:   Կաուստավի AI գործիքները տվյալների բազայի ավելի արագ հարցումների, անհատականացված ուսուցման և ավելի լավ առողջապահական խնամքի համար  AWS-ում Կաուստավը Aurora Hackathon-ի ժամանակ մեծ մարտահրավեր ընդունեց՝ պարզեցնել, թե ինչպես են ինժեներները գրում տվյալների բազայի հարցումները: Aurora-ն՝ գործիքը, որն օգնում է կազմակերպություններին կառավարել տվյալները, ինչպիսիք են վաճառքները հետևելը կամ պահեստավորման կարգավորումը, ինժեներներից պահանջել է օգտագործել SQL (Structured Query Language), որը կարող է դժվար լինել նրանց համար, ովքեր տվյալների բազայի մասնագետ չեն:  Այսպիսով, Կաուստավը և նրա թիմակիցը ստեղծեցին արհեստական ինտելեկտի գեներացնող գործիք, որը թույլ է տալիս օգտվողներին պարզ լեզվով նկարագրել իրենց տվյալների կարիքները՝ այդ նկարագրությունները ավտոմատ կերպով վերածելով SQL հարցումների: Նրանք ջանք չեն խնայել գործիքը հուսալի դարձնելու համար՝ մաքրելով դրա օգտագործած տվյալները և ճշգրտելով դրա ճշգրտությունը մարդկային արձագանքների և թեստերի միջոցով:  Ի վերջո, գործիքը հեշտ է օգտագործել, արագացրել է հարցումների գրելը և տվյալների բազայի առաջադրանքները ավելի մատչելի դարձրել՝ նույնիսկ Կաուստավի համար, որն այդ ժամանակ սահմանափակ SQL փորձ ուներ: Նրանց աշխատանքը հաղթեց հաքաթոնում և դարձավ կենսական ռեսուրս թիմի համար:  Այս հաջողությունից հետո Կաուստավը և նրա թիմակից Ռահուլը՝ Gumloop-ի համահիմնադիրը, իրենց ուշադրությունը տեղափոխեցին կրթության վրա, որտեղ նրանք բախվեցին այլ տեսակի մարտահրավերների:  Ավանդական դասախոսությունները, որտեղ ուսանողները լսում և նշումներ են անում, տասնամյակների ընթացքում առանձնապես չեն փոխվել: «Հետ-COVID և բջջային դարաշրջանում երեխաները հիպերակտիվ են, պայքարում են կենտրոնանալու համար, և ավանդական դասախոսությունները արդյունավետ չեն սովորելու համար», - բացատրում է Կաուստավը:  Դա լուծելու համար նրանք կառուցեցին  , գործիք, որն օգնում է ուսանողներին սովորել ավելի ինտերակտիվ ձևերով: Օգտագործողները կարող են վերբեռնել նշումներ, դասագրքեր կամ շնորհանդեսներ, իսկ StudyGuru-ն դրանք վերածում է վիկտորինաների, ամփոփագրերի և տեսողական օգնության: Բացի այդ, նրա AI չաթբոտը պատասխանում է հարցերին և բացատրում բարդ հասկացություններ:   StudyGuru  Այնուհետև Կաուստավը և Ռահուլը շարունակեցին լուծել մի խնդիր, որն ավելի մոտ է տանը. որքան դժվար է մարդկանց համար մուտք գործել հոգեկան առողջության խնամք, նույնիսկ շատ ռեսուրսներ ունեցող երկրներում: Նրանք պարզեցին, որ թերապիան հաճախ անհասանելի է թվում. նավարկելու համար չափազանց թանկ է, շփոթեցնող կամ հիասթափեցնող:  Օգնելու համար նրանք ստեղծեցին Therapai-ն՝ արհեստական ինտելեկտի գործիք, որը նախատեսված է գործընթացը հեշտացնելու համար՝ թույլ տալով օգտվողներին նախապատվություններ սահմանել իրենց ուզած թերապևտի տեսակի համար՝ լինի դա նրանց լսելու, թե լուծումների վրա կենտրոնացած որևէ մեկը: Այն նաև ունի երաշխիքներ, ինչպիսիք են տվյալների օգտագործման հստակ համաձայնությունը և անվտանգության միջոցները՝ օգտվողներին իրական առողջապահական ծառայություններ մատուցողների հետ կապելու համար:  Չնայած նրանք չկարողացան լիովին զարգացնել Therapai-ն ժամանակի սղության պատճառով. Ռահուլը զբաղված էր YC-ով, իսկ Կաուստավը՝ AWS-ում, նախագիծը նրանց շատ բան սովորեցրեց: Այն ցույց տվեց AI գործիքների պահանջարկը, որոնք հեշտ են օգտագործել և նախագծված են՝ հաշվի առնելով օգտագործողի կարիքները:  Կաուստավը այս պատկերացումները վերցրեց իր աշխատանքում Gumloop-ում, որտեղ նա շարունակում է տեխնոլոգիան դարձնել գործնական, մատչելի և օգտակար ամենօրյա օգտագործողների համար:   Կաուստավի 5 դասերը գործնական, մատչելի AI-ի համար  Gumloop-ում Կաուստավը կառուցեց Gummie-ն՝ 24/7 վիրտուալ օգնական, որը պատասխանում է հարցերին և լուծում աշխատանքային գործընթացի խնդիրները: Օգտատերերը կարող են պարզ լեզվով նկարագրել այն, ինչ իրենց պետք է, օրինակ՝ «ամփոփել այս փաստաթուղթը և ուղարկել այն իմ թիմին», իսկ Gummie-ն զբաղվում է մնացածով: Այս մոտեցումը խնայում է ժամանակը և հեշտացնում է նախագծի կառավարումը տեխնիկական նախադրյալ չունեցող մարդկանց համար:  Gummie-ն արդեն հեշտացրել է Gumloop-ը օգտատերերի համար՝ կրճատելով մուտքի ժամանակը և նվազեցնելով հաճախորդների ձեռքով աջակցությունը: «Պատկերացրեք, որ ձեր երևակայությունը գոյություն ունի», - ասում է Կաուստավը: «Սա այն է, ինչին նպատակ ունի հասնել Գամմին՝ AI-ի միջոցով գաղափարները գործողությունների վերածելը»:  Ստեղծելով գեներատիվ AI գործիքներ, ինչպիսիք են Gummie-ը, StudyGuru-ն և Therapai-ն, Կաուստավին մի քանի կարևոր դասեր են սովորեցրել առօրյա օգտատերերի համար տեխնոլոգիան պարզեցնելու մասին:  Ահա նրա մի քանի հիմնական ակնարկներ.   Դաս 1. Առաքել արագ, կրկնել և նախ կենտրոնանալ օգտատերերի վրա  Արհեստական ինտելեկտի նոր արտադրանք ստեղծելիս Կաուստավը կարծում է, որ գլխավորը նվազագույն կենսունակ արտադրանքի (MVP)՝ արտադրանքի ամենահիմնական տարբերակն է, որն ունի բավականաչափ հնարավորություններ՝ վաղ հաճախորդներին օգտագործելու համար՝ արագ: Նպատակը ոչ թե անմիջապես ամեն ինչ կատարյալ ունենալն է, այլ օգտատերերի ձեռքում ինչ-որ բան ձեռք բերելը, հետադարձ կապ հավաքելը և իրական աշխարհի օգտագործման հիման վրա բարելավումներ կատարելը:   Դաս 2. Ընդունել հիմնական սկզբունքները սկզբից  Կաուստավն առաջարկում է երկու կարևոր սկզբունք ցանկացած նոր AI նախագծի համար. առանձնացրեք տարբեր ծառայություններ ձեր ծածկագրում, որպեսզի ավելի ուշ դրանք հարմարվեն, և խուսափեք որոշումներ կայացնելուց, որոնք հնարավոր չէ չեղարկել: Արագորեն շարժվելով հետադարձելի որոշումներով՝ դուք ձեր թիմը ճկուն եք պահում և կարող եք խուսափել երկարաժամկետ հեռանկարում խրված լինելուց:   Դաս 3. Գտեք ձեր համայնքը և ցուցադրեք ձեր աշխատանքը  Կաուստավի կարիերան բարձրացավ, երբ նա և Ռահուլը սկսեցին կապվել արհեստական ինտելեկտի ավելի լայն համայնքի հետ: Կոնֆերանսներին մասնակցելը և նրանց աշխատանքով կիսվելը նրանց ոչ միայն արժեքավոր արձագանքներ տվեց, այլև ներկայացրեց մարդկանց, ովքեր առանցքային դեր կխաղան իրենց ապագայում, ինչպես Մաքսը, որն այժմ Gumloop-ի գործադիր տնօրենն է: «Շրջապատել քեզ համախոհների համայնքով, կարող է փոխել բոլորը», - ասում է Կաուստավը:   Դաս 4. Մտածեք մեծ՝ գլոբալ ազդեցությունը խթանելու համար  Կաուստավը կարծում է, որ հեշտ է խրվել՝ կենտրոնանալով փոքր, խորշ լուծումների վրա, բայց իրական նորարարությունը տեղի է ունենում, երբ ավելի մեծ ես մտածում: Նպատակն է ստեղծել արհեստական ինտելեկտի արտադրանք, որը կարող է փոխել արդյունաբերությունը և տեւական ազդեցություն թողնել օգտվողների լայն շրջանակի վրա:   Դաս 5. Հետադարձ կապի դերը տեսլական ձևավորման մեջ  Kaustav-ի ավելի վաղ նախագծերը, ինչպիսիք են Therapai-ն և StudyGuru-ն, օգտատերերի կարիքները դնում էին առաջ և կենտրոն: Երբ նա աշխատում էր այս գործիքների վրա, օգտատերերի կարծիքը լսելն ու իրականացումը թույլ տվեց նրան կառուցել գործնական նպատակ՝ հիմք դնելով ավելի բարձր նախագծերի, ինչպիսին է AI-ի դեմոկրատացումը Gumloop-ի միջոցով:   Gatekeeping-ը դուրս բերելով գեներատիվ AI-ից  Մինչ շատ մարդիկ իրենց առօրյա կյանքում խաղում են գեներատիվ ինտելեկտի հետ, այն ավելի լայնածավալ տանելով դեռևս կարող է թվալ, թե ինչ-որ բան կարող է հասնել միայն փորձագետներին:  Բարեբախտաբար, Sharma-ի ինժեներական մեծ փորձը և եզակի դաստիարակությունը օգնում են այս տեխնոլոգիան հեշտացնել բոլորի համար՝ անկախ նրանց ծագումից կամ փորձից:  Kaustav Das Sharma-ն պատկերացնում է, որ Gumloop-ը դառնա հարթակ, որը փոխակերպում է մարդկանց փոխազդեցությունը տեխնոլոգիայի հետ՝ բարդ աշխատանքային հոսքերը վերածելով պարզ, ինտուիտիվ գործընթացների: Նա ձգտում է կառուցել այնպիսի համակարգեր, որոնք բոլոր ոլորտների աշխատողներին հնարավորություն կտան օգտագործել AI-ն՝ առանց տեխնիկական փորձաքննության կարիքի:  Գումմիի և Կաուստավի վերջին նախագծերի մասին ավելին իմանալու համար տես նրա  և այցելեք  .   Linkedin   Գումլուփ

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

Այս աուդիոն պատրաստվել է պատմության բնօրինակ լեզվով:

Չափազանց երկար; Կարդալ

Get Free Unlimited IP Geo Data With IPinfo Lite

Ստեղծելով գեներատիվ AI բոլորի համար. դասեր Kaustav Das Sharma-ից և Gumloop-ից

About Author

ՄԵԿՆԱԲԱՆՈՒԹՅՈՒՆՆԵՐ

ԿԱԽՎԵԼ ՏԵԳՍԵՐ

ԱՅՍ ՀՈԴՎԱԾԸ ՆԵՐԿԱՅԱՑՎԵԼ Է Մ

Related Stories

HyperCycle Announces Strategic Split into Two Distinct Operations

How HyperCycle Is Building the Internet for AI: A Deep Dive with Toufi Saliba

Hypernative Bolsters Bitcoin L2 Security as Stacks Ecosystem Gets Real-Time Protection

HyperCycle Announces Strategic Split into Two Distinct Operations

How HyperCycle Is Building the Internet for AI: A Deep Dive with Toufi Saliba

Hypernative Bolsters Bitcoin L2 Security as Stacks Ecosystem Gets Real-Time Protection

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps