ការបង្កើត AI ដែលធ្វើការដូចជាមិត្តភក្តិដែលអាចជឿទុកចិត្តជាងការសាកល្បងដែលមិនអាចជឿទុកចិត្តគឺជាបញ្ហាមួយដែលមានភាពងាយស្រួលបំផុតនៅក្នុងវិស្វកម្ម។ ប្រព័ន្ធជាច្រើនអាចជោគជ័យនៅក្នុងការបង្ហាញទេប៉ុន្តែបានកាត់បន្ថយនៅក្នុងការកាត់បន្ថយដែលមិនអាចជឿទុកចិត្តនៃការដំឡើងនៅក្នុងពិភពលោកពិតប្រាកដ។ សម្រាប់វិស្វករ Pranav Pawar, ការបញ្ចប់បញ្ហានេះបានក្លាយជាមជ្ឈមណ្ឌលនៃការងាររបស់គាត់។ ដោយការបណ្តុះបណ្តាលដែលទាក់ទងនឹងវិស្វករវិជ្ជាជីវៈវិជ្ជាជីវៈវិជ្ជាជីវៈ, ការស្វ័យប្រវត្តិសេវាកម្មសុខភាពនិងឥឡូវនេះវិស្វករវិជ្ជាជីវៈវិជ្ជាជីវៈនៅក្នុងការចាប់ផ្តើម Kalos, លោកបានផ្តោតលើគោលដៅមូលដ្ឋាននៃការធ្វើឱ្យ AI ដែលមានសុវត្ថិភាពនិងមានសុវត្ថិភាពនៅលើអ្វីគ្រប់យ៉ាង។ គោលដៅរបស់គាត់មានមូលដ្ឋានក្នុងការបង្កើតអេក្រង់ដែលមិនគ្រាន់តែធ្វើការមួយតែប៉ុណ្ណោះទេប៉ុន្តែបន្តធ្វើការនៅក្រោមការបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះប Why Most AI Fails Before It Scales (ហេតុអ្វីដែលអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្ម) ប្រព័ន្ធជាច្រើនអាចធ្វើបានយ៉ាងល្អនៅក្នុងការបង្ហាញដែលគ្រប់គ្រងបានប៉ុណ្ណោះដើម្បីដោះស្រាយនៅក្នុងការផលិតនៅពេលដែលមានប្រសិទ្ធភាពនៃការធ្វើការរបស់ក្រុមប្រឹក្សាភិបាលជាធម្មតាដែលមានន័យថាធ្វើការជាមួយនឹងទិន្នន័យដែលមានតម្រូវការតិចជាងមុន, ការអនុវត្តរបស់អ្នកប្រើប្រាស់ដែលមិនអាចប្រាកដ, ឬការតម្រូវការរំខានសម្រាប់ការរំខាន។ ឧស្សាហកម្មត្រូវការប្រព័ន្ធដែលពួកគេមានអារម្មណ៍ថាពួកគេអាចជឿទុកចិត្ត, ដែលមានន័យថាពួកគេគួរឱ្យដោះស្រាយជាមួយការផ្លាស់ប្តូរនៃការត្រួតពិនិត្យ, ការដោះស្រាយទិន្នន័យដែលមានភាពងាយស្រួលនិងផលិតផលដែលមនុស្សអាចត្រួតពិនិត្យ។ ទោះជាយ៉ាងណាក៏ដោយប្រហែលជាធម្មតានៃដំណើរការការងារត្រូវបានផ្លាស់ប្តូរទៅជាអេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់ លទ្ធផលនេះគឺជា AI ដែលមិនមានអាកាសធាតុដែលអនុញ្ញាតឱ្យឧបករណ៍ដោយខ្លួនឯងផ្លាស់ប្តូរ។ នេះគឺជាការជម្រើសដែល Pranav Pawar បានបង្កើតជម្រើសរបស់គាត់នៅជុំវិញ។ ការធ្វើការវិស្វកម្មដំបូងរបស់ Pawar ការបណ្តុះបណ្តាលវិស្វកម្មសម្ភារៈនៅ IIT Madras បានចាប់ផ្តើមជម្រើសជំនាញវិជ្ជាជីវៈរបស់ Pawar នៅទីក្រុង Bain Capital Ventures នៅទីនេះគាត់បានចូលរួមក្នុងក្រុមវិស្វកម្មតូចដែលផ្តោតលើវិស្វកម្មម៉ាស៊ីនអប់រំសម្រាប់វិស្វកម្មការផ្គត់ផ្គង់។ Pawar បានបង្កើតម៉ូដែល ML ដែលជាមូលដ្ឋាននិងរចនាបំពង់ទិន្នន័យ modular ដែលបានផ្លាស់ប្តូរម៉ូដែលពីកុំព្យូទ័រ Jupyter ទៅ APIs ដែលមានស្ថេរភាពដើម្បីធានាឱ្យប្រភេទទាំងអស់នៃក្រុមអាចប្រើវា។ លោក Pawar បានចាប់ផ្តើមធ្វើការជាមួយនឹងការបង្កើត AI នៅពេលដែលគាត់បានចូលរួមជាមួយ ClarityCare, ការចាប់ផ្តើមសេវាកម្មសុខភាពដែលដំណើរការដោយស្វ័យប្រវត្តិមុនសម្រាប់ក្រុមហ៊ុនធានារ៉ាប់រង។ Pawar បានបង្កើតការបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះ នេះជាបទពិសោធន៍ដែលធ្វើឱ្យ Pawar បានធ្វើឱ្យប្រសើរឡើងពីរបៀបដែលគិតអំពី AI ។ នៅ Bain, លោកបានមើលឃើញរបៀបដែលម៉ូដែលត្រូវការធ្វើតេស្តល្អឥតខ្ចោះដើម្បីរក្សាពួកគេដំណើរការ។ នៅ ClarityCare, ការយល់ដឹងនេះបានទទួលបានអត្ថប្រយោជន៍ថ្មីដែលមានភាពត្រឹមត្រូវគឺជាការចាំបាច់សម្រាប់អ្នកជំងឺពិតប្រាកដនិងមន្ទីរពិសោធន៍ដោយផ្អែកលើលទ្ធផល។ វាត្រូវបានធ្វើឱ្យគាត់បានមើលឃើញពីផ្ទាល់ខ្លួនថាតើអស្ចារ្យមិនគួរតែត្រូវបានគិតថាជាគោលបំណងខ្ពស់ទេប៉ុន្តែជាសមត្ថភាពសំខាន់ដែលធានាថា AI អាចមានប្រសិទ្ធិភាពយ៉ាងល្អនៅក្នុងកំណត់នៃពិភពលោកពិតប្រាកដ។ "អស្ចារ្យគឺជាអ្វីដែលបាត់បង់ផលិតផលពីគម្រោង," លោកបាននិយាយថា។ "អ្នករៀនយ៉ាងឆាប់រហ័សថាតើផ្នែករឹងមាំនេះគឺមិនត្រូវបានធ្វើឱ្យ AI ដើម្បីគិត។ វាមានការធ្វើឱ្យវាធ្វើឱ្យវាបានផ្គត់ផ្គង់, នៅពេលណាមួយ។" Inside Kalos: ការស្វ័យប្រវត្តិសាស្រ្តការផ្សព្វផ្សាយ គោលបំណងនេះគឺជាអ្វីដែល Pawar ឥឡូវនេះអនុវត្តជាវិស្វករបង្កើតនៅ ក្រុមហ៊ុននេះបានបង្កើតប្រព័ន្ធផ្សព្វផ្សាយដែលពួកគេគេស្គាល់ថាជាប្រព័ន្ធផ្សព្វផ្សាយដែលមានអត្ថប្រយោជន៍ក្នុងការបង្កើតកម្មវិធីផ្សព្វផ្សាយដែលមានអត្ថប្រយោជន៍ក្នុងការបង្កើតប្រព័ន្ធផ្សព្វផ្សាយ B2B ដែលមានទំហំទូលំទូលាយបំផុត។ គោលបំណងរបស់ក្រុមហ៊ុននេះគឺដើម្បីផ្លាស់ប្តូរដំណើរការផ្សព្វផ្សាយដែលមានលក្ខណៈពិសេសទៅជាប្រព័ន្ធផ្សព្វផ្សាយដោយស្វ័យប្រវត្តិ។ សត្វ កុំព្យូទ័រ Kalos បានធ្វើការនៅលើបណ្តាញអេក្រង់ដែលមានគោលបំណងរួមបញ្ចូលគ្នាដែលគ្រប់គ្រងផ្នែកមួយនៃដំណើរការពាណិជ្ជកម្ម។ កុំព្យូទ័រមួយពិនិត្យមើលការលក់របស់ក្រុមហ៊ុន, អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អេក្រង់អ ក្នុងចំណោមពួកគេបានផ្លាស់ប្តូរអ្វីដែលជាដំណើរការរចនាសម្ព័ន្ធជាមុនទៅក្នុងការផ្លាស់ប្តូរការស្រាវជ្រាវ, ការអនុវត្តអាសយដ្ឋាននិងការគ្រប់គ្រងដែលមានមូលដ្ឋានលើទិន្នន័យ។ នៅខាងក្រោមអ៊ីនធឺណិតនេះគឺជាបញ្ហានេះ Pawar បានចំណាយពេលវេលាជាច្រើនដើម្បីដោះស្រាយបញ្ហានេះ: ការប្រមូល។ ការផ្លាស់ប្តូរអេក្រង់ទាំងអស់ត្រូវបានផ្លាស់ប្តូរដោយការផ្លាស់ប្តូររបស់អេក្រង់ផ្សេងទៀតហើយបញ្ហានេះអាចកាត់បន្ថយប្រហែលជាប្រព័ន្ធទាំងអស់។ ការធ្វើការរបស់គាត់គឺដើម្បីធានាថាការផ្លាស់ប្តូរនេះត្រូវបានដោះស្រាយដោយសុវត្ថិភាព, ដែលមានន័យថា: ការផ្លាស់ប្តូរកូដបញ្ហានេះធ្វើឱ្យប្រហែលជាសមរម្យនៅក្នុងប្រហែលទាំងអស់និងធ្វើឱ្យផលិតផលមានភាពងាយស្រួលក្នុងការផ្គត់ផ្គង់ក្រុមហ៊ុនអតិថិជនជាច្រើន។ "ការផ្គត់ផ្គង់របស់ ការសិក្សានៅក្នុងការបង្កើត AI durable ការធ្វើការរបស់ Pranav Pawar ផ្តល់ជូននូវបទពិសោធន៍មួយចំនួនដែលត្រូវបានរក្សាទុកដោយផ្ទាល់ពីប្រព័ន្ធដែលគាត់បានបង្កើតឡើងនៅលើរបៀបដើម្បីធានាថា AI គឺមានសុវត្ថិភាពលក្ខណៈពិសេសនិងអាចប្រើបាននៅក្នុងការផលិត។ ការដោះស្រាយបញ្ហានេះជាលើកដំបូង: គម្រោង Pawar ទាំងអស់នេះបានចាប់ផ្តើមជាមួយនឹងបញ្ហានេះ: ការអនុញ្ញាតមុនដោយផ្ទាល់ក្នុងការសុខភាព, ការវិភាគច្នៃប្រឌិតនៅ Bain, ការគ្រប់គ្រងពាណិជ្ជកម្មច្នៃប្រឌិតនៅ Kalos - ទាំងអស់ត្រូវការដំណោះស្រាយដើម្បីដោះស្រាយបញ្ហានេះ។ ការរក្សាទុកបុគ្គលិក: នៅ ClarityCare, លោកបានមើលឃើញថាមពលដោយស្វ័យប្រវត្តិមានប្រសិទ្ធិភាពតែនៅពេលដែលមនុស្សបានរក្សាទុកផ្នែកមួយនៃដំណើរការ។ មន្ទីរពិសោធន៍បានពិនិត្យមើលកំណត់ដែលបានបង្កើតដោយ AI ហើយមិនត្រូវបានផ្លាស់ប្តូរដោយពួកគេ, ការបង្កើតប្រព័ន្ធដែលបានបង្កើនអារម្មណ៍។ គំរូផ្សេងគ្នានៅពីផលិតផល: នៅ Bain, Pawar បានយល់ថាការទទួលបានម៉ូដែលផ្ទាល់មានន័យថាការកសាងឡើងវិញនិងការត្រួតពិនិត្យបច្ចុប្បន្ន។ ការសាកល្បងបានមកពីដំណើរការនិងការបណ្តុះបណ្តាល, ការយល់ដឹងដែលបន្ទាប់មកបានរចនារបៀបដែលគាត់បានទទួលបានការកសាង Kalos ។ ការបង្កើតទំហំអាជីវកម្ម: ប្រសិនបើការបង្កើនប្រសិទ្ធិភាពនៃដំណើរការសេវាកម្មការធានារ៉ាប់រងឬការអនុវត្តទីផ្សារ, Pawar បានផ្តោតលើปัจจัยដូចជាទំហំអាជីវកម្ម, ការប្រសិទ្ធិភាពនិងការផ្លាស់ប្តូរដើម្បីត្រួតពិនិត្យជោគជ័យនៃម៉ូដែលរបស់គាត់។ ការរចនាសម្ព័ន្ធសម្រាប់អំឡុងពេលវេលា: នៅ Kalos, អ្នកផ្គត់ផ្គង់ទាំងអស់ត្រូវបានរចនាឡើងដើម្បីរៀនពីទិន្នន័យប្រវត្តិប្រវត្តិដែលមានដំណើរការដោយឥតគិតថ្លៃ, ដែលជាការសំខាន់ណាស់សម្រាប់ប្រព័ន្ធដើម្បីមានប្រសិទ្ធិភាពនៅពេលដែលទីផ្សារនិងพฤติกรรมអតិថិជនផ្លាស់ប្តូរតាមពេលវេលា។ គំនិតទាំងនេះបានកំណត់គោលដៅនៃការជោគជ័យរបស់ Pawar ។ លោកគាត់មិនគិតថា AI គឺជាដំណោះស្រាយមួយដែលសមរម្យទាំងអស់ប៉ុន្តែជាកម្មវិធីដែលត្រូវបានអនុវត្តដើម្បីដោះស្រាយបញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាសម្រាប់បញ្ហាស

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

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

សំឡេងនេះផលិតជាភាសាដើមនៃរឿង!

លោក Pranav Pawar បាននិយាយអំពីរបៀបដើម្បីបង្កើត AI ដែលមានគុណភាពក្នុងការផលិត។

About Author

មតិយោបល់

ព្យួរស្លាក

អត្ថបទនេះត្រូវបានបង្ហាញនៅក្នុង

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps