Artificial intelligence აქვს შესაძლებლობა ავტომატიზაციის ლოგისტიკა, scan ფართო მონაცემთა კომპლექტი შეუზღუდავი მიმოხილვა, და ენერგეტიკური ინსტრუმენტები, რომლებიც პასუხისმგებლობა მომხმარებელს რეალურ დროში, ძირითადად შეცვალოს, თუ რამდენად საწარმოებს მუშაობს. მაგრამ ამ სისტემების საიმედო ფუნქციონირება ფართობი, მათ საჭიროა უფრო მეტი, ვიდრე უბრალოდ კარგად მოწინავე მოდელები. მათ საჭიროა სტაბილური backend ინფრასტრუქტურა, რომელიც შეუძლია მხარს უჭერს სწრაფი მონაცემთა გადაზიდვის, კომუნიკაციის მომსახურების მრავალჯერადი სერვერები, და ფართობი, როგორც მოთხოვნები იზრდება. ეს სახის საიმედოობა დამოკიდებულია ინჟინერებს, რომლებიც იცის სისტემები მოდელები და იცის, თუ როგორ უნდა გააკეთოთ მათ წარმოების მზად. Microsoft-ის და Meta-ის კომპანიების გამოცდილება, პროგრამული ინჟინერი Abhigyan Khaund- ის სისტემები შეუზღუდავია, რათა შეუზღუდავი აღჭურვილობა სისტემები გააჩნონ რეალურ დროში, ლატენსიის შეამციროს ინსტრუმენტები და უსაფრთხო ციფრული რკინიგზის დაცვის გუნდები. მან იყო პერსონალი AI- ის ტექნოლოგიების, როგორიცაა მანქანული სასწავლო და გაუმჯობესების სასწავლო რეალურ მსოფლიოში. წაიკითხეთ, რომ უფრო ზუსტად შეამოწმოთ Abhigyan Khaund- ის ადრე ცხოვრება, კარიერა და ღირებულ შემუშავება ტექნოლოგიების backend ინფრასტრუქტურის შექმნისთვის, რომელიც ფართოდ მუშაობს და მსოფლიოში მილიონებს მომსახურებს. Microsoft- ში დასაწყისში: Enterprise Communication- ის დასაწყისში მას შემდეგ, რაც ინდოეთის ტექნოლოგიური ინსტიტუტის Mandi- ის კომპიუტერული მეცნიერების ბაკალერი, Abhigyan Microsoft- ში პროგრამული ინჟინერია. მან მუშაობდა Microsoft Teams- ის კომპიუტერული Channels- ის ციფრული ქსელის შექმნისთვის, რომელიც საშუალებას იძლევა სხვადასხვა ორგანიზაციების მომხმარებელს მუშაობა ერთი სამუშაო სფეროში. მას აქვს პასუხისმგებლობა ფუნქციების ზრდის თხევადი პრობლემების გადაწყვეტზე. როგორც აღდგენა გაზრდა, დატვირთვა იზრდება, ახალი მომხმარებლები უნდა დაველოდოთ რამდენიმე წუთს, სანამ მიიღონ ხელმისაწვდომობა, რაც ინტეგრირებული დონეზე არ არის აღიარებული. ყოველდღიურად, როდესაც მომხმარებელს დაამატა, სისტემა რედაქტირება გარანტიები დასაწყისში, იწვევს redundant შეამოწმებები და მრავალჯერადი ქსელის კითხვები. Abhigyan განკუთვნილია ამ თარგმნის მიერ ინტელექტუალური caching ხელმისაწვდომობის პოლიტიკა, შეამციროს უარყოფითი duplicate assessments, და გააუმჯობესოს კომუნიკაციის შორის backend მომსახურება. ამ ცვლილებების შედეგად, onboarding დრო 10-ჯერ გაუმჯობესდა, რადგან ეს საშუალებას გაძლევთ ფუნქცია ეფექტურად ზრდის გამოყენებით. "თუ გამოცდილება მივიღე უფრო განიცდიან სისტემის დიზაინი და მივიღე გსურთ მუშაობა ტიპის ინფრასტრუქტურა, რომელიც მშვიდობად იძლევა კომპლექსური, მაღალი სტატისტიკა გარემოები," მან აღიარებს. Go to Meta და Running Into Constraints for AI Microsoft- ში, Abhigyan გააუმჯობესდა კომპიუტერული მეცნიერებათან ერთად Georgia Tech- ში. მისი კვლევების დროს, ის შეუერთდა Meta- ში, როგორც მანქანული სასწავლო ინჟინერი სტენდენცი, დაეხმაროს კომპანიის ფართო ინტენსიურას, რათა გაუმჯობესოს სატვირთო აღჭურვილობა. გუნდი გამოიყენა გაუმჯობესების სასწავლო (მართობი AI- ს, რომელიც სისტემებს აწარმოებს რეალური დროის მიმოხილვა მიხედვით) მომხმარებლის მოვლენების ანალიზი და სატვირთო საქმიანობის აღჭურვილობა. მიუხედავად იმისა, რომ აღჭურვილობა კვლევების ციტირატორები ვთქვა, რომ დიდი ზომის სატვირთო აღჭურვილობა სისტემებში არსებობს რისკები სატვირთო პოტენციების და ალგორტიმული სატვირთო აღჭურვილობა, Abhigyan და მისი გუნდი ვხედავ პოტენციური შედეგებს. მიუხედავად იმისა, რომ მოდელები შესრულდა შესანიშნავი ტესტირების დროს, წარმოების სისტემა შეხვდა, რადგან მიკროვინგი დაარსდა ფართოდ კავშირირებული microservices გარეშე failover მხარდაჭერა, ასე რომ, მაშინაც კი მცირე slowdowns შეიძლება შეუზღუდავი მთელი გადამცემი. რეალურ დროში მონაცემები აქვს ბევრი განსხვავება და შეიძლება დაწყოს ბევრი edge შემთხვევაში სისტემაში, მაგრამ სისტემები, როგორიცაა ეს არ აქვს ფუფუნება, რომ შეუზღუდავი ან უზრუნველყოფს არასწორი შედეგები მნიშვნელოვანი დროს. ეს არ იყო პირველად, რომ Abhigyan შეხვდა სქესობრივი სისტემები. როგორც სტუდენტური, ის მუშაობდა ამ შემთხვევაში, პრობლემა იყო შეუერთოს სინამდვილეები განსხვავებული წყაროები, როგორიცაა მეტატონები, შეფუთვა, და ცუდი მომხმარებლის ისტორია ერთი pipeline, რომელიც შეიძლება ჯერ კიდევ გადაიხადოს დაკავშირებული შედეგები დასაწყისში. IceBreaker საწყისი ინსტრუმენტები და სტატისტიკა Meta- ში განსხვავებული იყო, მაგრამ მოვლენები იგივე იყო: აშენება AI სისტემა, რომელიც შეუძლია შეესაბამება, რეალურ დროში გადაწყვეტილებები ზეწოლისა და შეშფოთებული მონაცემები. მიუხედავად იმისა, რომ გუნდი წარმატებით გააუმჯობესდა მოდელები, პროექტი გააუმჯობესდა Abhigyan- ის მიზნით, რომ მუშაობს განაცხადის ინფრასტრუქტურის შესახებ: "მე შეხვდა, რომ ელეგანტური სისტემები არ არიან ყველაზე ფანტასტიკური არქიტექტურა. Unified Operating Picture Framework შექმნა Abhigyan ახლა არის პროგრამული ინჟინერი Palantir Technologies- ში, კომპანია, რომელიც ცნობილია მონაცემთა პლატფორმაების შექმნისთვის. აქ ის მუშაობს backend სისტემებს, რომლებიც გაძლევთ მაღალი ეფექტურობის რეალურ სამყაროში შედეგებს. მისი ძირითადი პასუხისმგებლობა მოიცავს ერთობლივი ოპერაციული სურათი, რომელიც უზრუნველყოფს გაფართოებული გუნდები კომპანიის ფართობი, პარტნიორული ორგანიზაციები, და დაკარგული გარემოები ერთობლივი, რეალურ დროში სიტუაციური აღიარება. ეს სისტემები ინტეგრირებენ სხვადასხვა მონაცემთა ხაზები, საიმედოად ფუნქციონირებენ მრავალფეროვანი გარემოებში და საშუალებას გაძლევთ პირებს და ტექნოლოგია. Abhigyan განკუთვნილია უზრუნველყოს, რომ Framework არის საიმედო, რადგან უფრო მეტი გუნდი იყენებს იგი, რათა უზრუნველყოს მონაცემთა pipelines სწრაფად, მუდმივად და უსაფრთხოდ. "ეს არის მაღალი სტატისტიკის გარემო, სადაც საიმედოობა და სტაბილურობა ძალიან მნიშვნელოვანია, "მე მუშაობთ, რათა უზრუნველყოს, რომ backend შეიძლება უზრუნველყოს დიდი ზომის და კონტროლი უსაფრთხოდ. " აშენება ინფრასტრუქტურა, რომელიც თავიდან ავიცილოთ AI Abhigyan ეძებს AI სისტემებს, რომლებიც შეუძლიათ ოპერაციონირდეს დიდი cloud პლატფორმაგან. მუდმივი სერვერის ხელმისაწვდომობის საწყისი, ეს მსუბუქი, საქმიანობის სპეციფიკაციები პირდაპირი პირადი მოწყობილობები, როგორიცაა ტელეფონები და ტაბლეტები, საშუალებას გაძლევთ სწრაფად პასუხი და გაგრძელებს მუშაობას, მაშინაც კი, როდესაც კავშირი შეზღუდულია. ერთ-ერთი რკინიგზო, რომელიც ის აჩვენებს, როგორც მაგალითია, არის მოდელი კონტექსტალური პროტოკოლი (MCP), რომელიც საშუალებას იძლევა AI- ის პარტნიორებს უსაფრთხოდ და დინამიურად კავშირდეს გარე მონაცემთა წყაროებს. Abhigyan- სთვის, ეს არის მნიშვნელოვანი ნაბიჯ, რათა ინტელექტურობა უფრო სასარგებლო იყოს გარშემოებში, სადაც ეს ნამდვილად საჭიროა. ხანგრძლივად, ის იხილავს AI ინჟინერი განვითარება ჰიბრიდული ფართობი: ნაწილები მოდელი მწარმოებელი, ნაწილები სისტემები ფიქრი. ის განსაკუთრებით საინტერესოა, თუ როგორ მოდელები შეუძლია უკეთესი რეალურ დროში რეაგირება (და არა მხოლოდ პროგნოზი ფართობი), თუ როგორ ისინი შეესაბამება შეუზღუდავი მომხმარებლის ქცევა, და თუ როგორ შეუზღუდავი ცვლილებები გარეშე შეუზღუდავი საიმედოობა სისტემაში. "სასვლელი მიზანი არის, რომ AI იგრძნოს არაფერი, როგორიცაა magic in the cloud, და უფრო, როგორიცაა რაღაც საიმედო, სასარგებლო, და ხელმისაწვდომი," მან დასრულდა. მისი მუშაობის მეშვეობით fraud detection, enterprise data SaaS, და სამუშაო ადგილის პროგრამული უზრუნველყოფა, პროფესიონალი კარიერა განიხილავს ნათელი პრინციპი: AI არის მხოლოდ ისე სასარგებლო, როგორც ტექნოლოგიური საფუძველზე. ეს იმას ნიშნავს, რომ სისტემები, რომლებიც დონეზე შეესაბამება, მილები, რომლებიც უზრუნველყოფს მონაცემების გლუვი წნევა, და დაბალი წნევის ინსტრუმენტები, რომლებიც პასუხისმგებლობა მოითხოვს. Abhigyan Khaund’s სათაური და როგორც ამ ტექნოლოგია უფრო მეტი იყენებს ძირითადი ოპერაციებში, მისი მუშაობა აჩვენებს, რომ არ არის მნიშვნელოვანია მხოლოდ სმარტ მოდელები, არამედ სისტემები, რომლებიც განკუთვნილია საიმედო შესრულებას რეალურ სამყაროში.

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

ეს აუდიო დამზადებულია სიუჟეტის ორიგინალურ ენაზე!

Ძალიან გრძელი; Წაკითხვა

Make resilience your competitive advantage

Abhigyan Khaund- ზე სისტემის ინჟინერი AI განაცხადების უკან

About Author

კომენტარები

დაკიდეთ ტეგები

ეს სტატია იყო წარმოდგენილი

Related Stories

Karl Ludwig Sand: Murder in the 1800s by Alexandre Dumas - Table of Links

How to Not Lose 97.8% of Your Newsletter Subscribers

Karma: Love on the Blockchain and the Gamification of Helping Others

Media Moves: Katy Koob Joins Dastan to Drive Decentralized Growth

Karl Ludwig Sand: Murder in the 1800s by Alexandre Dumas - Table of Links

How to Not Lose 97.8% of Your Newsletter Subscribers

Karma: Love on the Blockchain and the Gamification of Helping Others

Media Moves: Katy Koob Joins Dastan to Drive Decentralized Growth

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps