Izveidot AI, kas uzvedas kā uzticams kolēģis, nevis neparedzams eksperiments, pašlaik ir viena no visgrūtākajām problēmām inženierijā. Inženierim Pranav Pawaram šīs atšķirības novēršana ir kļuvusi par viņa darba centru. ar riska analīzes, veselības aprūpes automatizācijas un tagad mārketinga infrastruktūras lomu start-up Kalos, viņš ir koncentrējies uz pamata principu, kā padarīt AI uzticamu un uzticamu vispirms. viņa pieeja ir vērsta uz tādu aģentu veidošanu, kuri ne tikai darbojas vienu reizi, bet turpina darboties spiediena apstākļos - sistēmas, kas paredzētas pielāgošanai, iterācijai un konsekventu rezultātu sniegšanai. Kāpēc lielākā daļa AI neizdodas, pirms tā palielinās AI ir sasniedzis gandrīz katru nozares virsrakstu, bet daudz mazāk nozares ir redzējušas, ka tas darbojas mērogā.Lielākā daļa sistēmu var darboties ļoti labi kontrolētos demonstrējumos, tikai lai atklātu ražošanā, saskaroties ar sarežģītību, kā komandas parasti strādā, kas parasti nozīmē, ka ir jārisina mazāk pulēti dati, neparedzama lietotāja uzvedība vai nemierīgs pieprasījums pēc darba laika. Uzņēmumiem ir nepieciešamas sistēmas, kurām viņi uzskata, ka var uzticēties, kas nozīmē, ka viņiem jāpielāgojas regulējumu maiņai, jārīkojas ar sarežģītiem datiem un jāsagatavo rezultāti, kurus var pārbaudīt cilvēki.Tomēr pārāk bieži darba plūsma ir sadalīta dažādos AI aģentos, katrs atbild par vienu uzdevumu - vai tas ir teksta radīšana, datu kategorizēšana vai piedāvājumu optimizēšana atsevišķi - vienlaikus efektīvi piespiest cilvēkus manuāli savienot platformas, kas bija domātas, lai ietaupītu viņiem laiku. Rezultāts ir AI, kuram trūkst atbilstošas arhitektūras, kas ļauj neatkarīgām sastāvdaļām sazināties. Pavara agrīnā inženiertehniskais darbs Apmācīts materiālu inženierijā IIT Madras, Pawar profesionālā karjera sākās Bain Capital Ventures, kur viņš pievienojās nelielai inženieru grupai, kas koncentrējās uz mašīnmācīšanās infrastruktūru darījumu apgūšanas analīzei. Viņš vispirms sāka strādāt ar ģeneratīvo AI, kad viņš pievienojās ClarityCare, veselības aprūpes startup, kas nodarbojas ar iepriekšējas atļaujas automatizāciju apdrošinātājiem. Pawar izveidoja backend no nulles, apstrādājot reālus medicīniskos ierakstus, nepārkāpjot privātuma un revīzijas standartus. Tā vietā, lai mēģinātu aizstāt cilvēka pārbaudītājus, viņš ieviesa verifikācijas slāni, kas ļaus medmāsām apstiprināt AI ģenerētos pārskatu kopsavilkumus. Šīs pieredzes pārveidoja to, kā Pawar domāja par AI. Bain, viņš redzēja, kā modeļiem bija nepieciešama pastāvīga smalks pielāgošana, lai tie darbotos. Tas lika viņam redzēt no pirmās rokas, ka uzticamību nevajadzētu domāt par sekundāru mērķi, bet gan par galveno aktīvu, kas garantē, ka AI var būt pareizi lietderīgs reālajā pasaulē. „Uzticamība ir tas, kas atdala produktu no projekta,” viņš saka. „Jūs ātri uzzināt, ka grūtākā daļa nav padarīt AI domāt. Inside Kalos: mārketinga kampaņu automatizēšana Šis uzticamības fokuss ir tas, ko Pawar tagad piemēro kā dibinātājs inženieris , uzņēmums veido to, ko viņi sauc par AI aģentu darbināmu mārketinga platformu, kas izveidota, lai vienkāršotu visvairāk laikietilpīgās B2B reklāmas daļas. Kalniņš Viena analizē uzņēmuma pārdošanas zvanus, potenciālos e-pastus un CRM piezīmes, lai labāk izprastu, kas izraisa konversijas; otrs izstrādā pilnu reklāmu no teksta līdz attēliem; trešais pārvalda auditoriju, šķiroot pēc dažādiem kritērijiem, lai identificētu augstas vērtības mērķus; ceturtais optimizē kampaņas, pielāgojot piedāvājumus un darbojoties spēcīgākajām reklāmām; un galīgais aģents novērtē kampaņas sniegumu, apvienojot rādītājus ar CRM iespējām un cauruļvadu, lai parādītu ROI. Kopā viņi pārvērš to, kas kādreiz bija manuāls process, datu orientētā atgriezeniskās saites lokā pētniecībai, reklāmu izpildei un uzturēšanai. Zem šīs saskarnes slēpjas problēma, ko Pawar lielāko daļu sava laika pavada, risinot: orķestris. Katrs aģents ir atkarīgs no cita iznākuma, un viena kļūda var kaskādēt visā sistēmā. Viņa uzdevums ir nodrošināt, ka šīs atkarības tiek atrisinātas tīri, kas nozīmē: pārveidot neskaidru kodu, pārliecinoties, ka loģika ir konsekventa visos aģentos, un padarot produktu pietiekami izturīgu, lai apkalpotu simtiem klientu. „Tikai neliela daļa AI ir par modeļiem,” viņš saka. „Atlikušais ir inženierija, kas padara to uzticamu un mērogojamu.” Mācības par ilgstoša AI veidošanu Pranav Pawar darbs piedāvā dažas mācības, kas iegūtas tieši no sistēmām, ko viņš ir izveidojis, lai pārliecinātos, ka AI ir uzticams, specifisks un lietojams ražošanā. Vispirms risiniet sāpju problēmu: katrs Pawar projekts ir sācies ar konkrētu slieksni: manuāla iepriekšēja atļauja veselības aprūpē, fragmentēta analīze Bain, atkārtota reklāmu pārvaldība Kalos - katrai no tām nepieciešami risinājumi konkrētu problēmu risināšanai. Saglabājiet cilvēkus lokā: ClarityCare, viņš redzēja, ka automatizācija ir veiksmīga tikai tad, ja cilvēki paliek daļa no procesa. Atsevišķi prototipi no produktiem: Bain, Pawar saprata, ņemot modeli dzīvi nozīmēja pastāvīgu pārbūvi un uzraudzību. uzticamība nāca no procesa un disciplīnas, izpratne, kas vēlāk veidoja, kā viņš pievērsās mēroga Kalos. Lai optimizētu apdrošināšanas darba plūsmas vai mārketinga sniegumu, Pawar koncentrējās uz tādiem faktoriem kā caurlaidība, efektivitāte un konversija, lai novērtētu savu modeļu panākumus. Dizains ilgtermiņā: Kalos katrs aģents ir izveidots, lai nepārtraukti mācītos no notiekošajiem kampaņas datiem, kas ir izšķiroši svarīgi, lai sistēma paliktu efektīva, jo tirgi un klientu uzvedība laika gaitā mainās. Viņš neuzskata, ka AI ir viena izmēra risinājums, bet gan piemērota programmatūra, kas izveidota, lai atrisinātu konkrētas problēmas tādā veidā, kas ilgst. „AI inženierija nav par hype,” viņš saka. „Tas ir par reālu problēmu risināšanu uzticami un mērogā.”

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.

Šis audio ir izveidots stāsta oriģinālvalodā!

Beyond the Hype: Pranav Pawar par to, kā veidot uzticamu AI ražošanā

About Author

KOMENTĀRI

PAKARINĀT TAGUS

ŠIS RAKSTS TIKS PĀRSTRĀDĀTS

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps