AI شرکتونو ته د معلوماتو لویو ټوټهونو له لارې د نویو لاره وړاندې کوي، د وخت لګښتونو په اړه چمتو کوي، او د معلوماتو په برخه کې د عالي نمونې تشخیص کوي. خو که څه هم دا سیسټمونه اغیزمن دي کله چې ازمايښت کوي، دا معنی نه کوي چې دوی به یو ځل جوړ شي، د شرایطو سره کار وکړي چې د معلوماتو او تخنیکي انټرنېټ غیرقانوني دي، او د کار په جریانونو کې پراخ دي. په هغه کار کې چې هغه یې د ځمکې د کشاورزی پائلټونو لپاره حلونه ډیزاین کوي، د زده کړې څیړنې، او د عالي کچه د AI پراختیا لپاره تمرکز کوي، او د کلونو په اوږدو کې د دې تکنالوژۍ په څرنګواله کې وګورئ چې څنګه دا تکنالوژۍ د لابراتوار څخه رسیږي. د دې تجربو له لارې، هغه د اعتماد، کنکشن، او د واقعي نړۍ د محدودیتونو په توګه د انجنيرۍ اصلي ترټولو لپاره د شهرت جوړ کړ. د نانګاډاډ د فابريکې څخه د محصول انډول جوړ کړئ په اوکراین کې وده ورکړي، Kotsehub پیل کړ چې په څرنګه چې تکنالوژۍ کولی شي څه بدل شي کله چې سرچینې ضخامت دي او محدودیتونه ناڅاپي دي. دا پاملرنه هغه ته د Minerva پوهنتون ته پیژندل، چې هغه په پنج هیوادونو کې ژوند او مطالعې، سره د محلي سازمانونو سره د تکنالوژۍ د ستونزو په اړه کار کوي چې په کم وخت کې د کورګونه فرضونو سره مطابقت لري. په دې وخت کې د هغه ترټولو جوړولو درسونه د پروژو څخه راځي چې د کاروونکو سره ځي، د دوی په څرنګواله کې د دوی ترټولو لوی چالونه بیان کړي، او وګورئ چې سیسټمونه کڅوړه شوي. د ځمکې په سيمو کې د وسایلو محدودیتونه، د لوی سازمانونو په داخله د کار د پروګرامونو کڅوړې، او د انجنيرانو په څرنګواله کې د ستونزو تصور او دا په واقعیت کې څرنګوالې په څرنګواله کې د ستونزو په اړه د هغه څه په اړه د هغې نظر جوړ کړي چې سافټویر په حقیقت کې ګټور دی. هغه په دې پروژو کې د یو اصول بیان کوي: تر ټولو قوي محصول انجنیرونه معمولا کسان دي چې د واقعي کارولو درز احساس شوي دي. لکه څنګه چې هغه یې بیان کوي، "د غوره محصول انجنیرونه هغه کسان دي چې د محصول د کارولو لپاره د واقعي ستونزو حل کولو درد تجربه شوي دي." دا د نومیدلو په اړه دا تمرکز به د هغه څرنګه په اړه مهم وي چې هغه خپل مسلکي کار ته روښانه کړي. "تکنالوژۍ د انفرادي ماډلونو په اړه ندي، دا د ستونزو حل کولو په اړه دی چې په مستقیم ډول د خلکو په ژوند کې تړاو لري." د FLoX سره د فدرالي زده کړې پراختیا دا درسونه په مستقیم ډول د Kotsehub د څیړنې ټولنیزو ته د لومړنۍ ډاډونو څخه یو ته وده ورکړي: ، یو پرانیستې سرچينې فریم ورک چې هغه د شيزهان په پوهنتون کې د Globus Labs په پراختیا. د فلوکس د پروژې هدف دی چې د څیړونکو سره د فدرالي زده کړې په تجربو کې ستونزه ورکوي، یو پروسه چې په هر وسایلو کې په ځای کې ماډلونه چمتو کوي او د ډاټا د مرکز سرور ته ورسیږي. څیړونکي د اړتیا وړ ماډلونه او ډاټا سرچینو لري، مګر د ډیری توزیع شوي وسایلو کې د روزنې په اسانۍ سره تعقیب کولو د انټرنېټ کمښت لري. FLoX د دې مخنیوی له لارې د Function-as-a-Service ماډل کارول چې په اتوماتيک ډول په مختلفو وسایلو کې کمپیوټریټ کارونه سپارښتنه او تعقیب کړي، کوم چې ټیمونه وروسته کولی شي د انفرادي کار له لارې کار وکړي پرته له خپل انډول سیسټمونه جوړ کړي. د Kotsehub پروګرام د کنټرول شوي لیب شرایطو څخه ډیر ګټور ثابت شوی. د دې ډیزاین د AI په ځایونو کې د غیر متوازن اتصال سره، په شمول د ځمکې د زراعت پروژو په ګډون، چې ځمکېونکي د زراعت شرایطو پیژندل کولو لپاره د نښلیدو وسایلو پر بنسټ دي. Kotsehub وروسته د ځمکې د پالیسۍ لومړي وخت د بریالیتوب په توګه د ستونزو په توګه بیان کړ، په یاد ولرنه چې "د ځمکې د ځمکې د ځمکې د څیړنې پروتوپیل څخه ګټه لرو یو مهم وخت دی." د FLoX اغیزې د نورو څیړونکو په جوړولو سره پراختیا شو. دا د ډیری زده کړې پراختیا لپاره بنسټ شو، په ګډون په ګډه، FLoX او د هغې پیژندل پروژې په پراخه کچه د توزیع شوي زده کړې، دقیقې کشاورزی، او په پوهنتونونو او ملي لیبسونو کې د ML سیسټمونو د څېړنې ملاتړ کوي. د پرواز د Enterprise Workflows بدلون په وروستیو کلونو کې، Kotsehub په Palantir کې د پرمختللي انجنیر په توګه کار کوي، په داسې حال کې چې هغه په یوه وخت کې د څو فورټون 100 شرکتونو سره په مستقیم ډول کار کوي کله چې ډیری یوازې پیل شوي دي چې څنګه د لوی ژور ماډلونه د دوی د ورځني کارونو کې شامل شي. د کار د دې پرمختللي سیسټمونو په قدیم ډاټا جوړښتونو کې نصب کول، د ډاټا انټرنټ فارمونو ته معياري کول، او پروسې چې په تاریخ کې manually ترسره شوي دي. او د نورو سیستمونو سره د شرکتونو لپاره، د انټرنټ د اوږد، غیرقانوني، یا حتی متناوب انټرنټونو په چټکۍ سره کارولو لپاره اړتیا لري چې دا ماډلونه په واقعي کارولو کې لټون شي. ټیمونه باید د چټک کنټرول په اړه ساتنې جوړ کړي او د څارنې وسایلو جوړ کړي چې کله چې یو ماډل غیرقانوني وي. کله چې شرکتونه د دغو سیسټمونو په واقعي وخت کې کار کوي، د اغیزو په اسانۍ سره وده ورکړي. د Kotsehub په واضح مثال کې د سپارښتنې پروژې څخه راځي چې د سپارښتنې پایپ سره پراختیا لري. د سندونو د ډیزونو په لټه کې ونیسئ او cross-check شوي، او هر ډول په سیسټم کې په چټکۍ سره حرکت کړ. د یو LLM-driven کار فورمه چې کولی شي د دې سندونو څخه د مهمو معلوماتو په اتوماتيک ډول اخلي، دا د اوږد، لارښود پروسه په هغه څه کې کم کړي چې په ځینې ساعتونو کې ترسره شي. لکه څنګه چې Kotsehub دا بیان کوي، "د LLMs په لویدیځ تصدۍ سیسټمونو کې پراختیا موږ ته زده کړې چې څنګه د AI په دوامداره توګه کارول کیږي او باور لري." د ځمکې زده کړې څخه د ښه محصولات جوړولو لپاره د شرکتونو سره د LLMs په کارولو کې د یوځای کولو کې د څو کلونو لپاره مرسته کولو وروسته، Kotsehub د محصول انجنيرۍ کې چمتو شوی، د هزاران سازمانونو لخوا کارول شوي پلیټ فارم لپاره مسلکي ټیم ته ورسیږي. دا بدلون د خپل مخکښ کارونو طبيعي پراختیا دی، او هغه د ستونزو په اړه فکر کوي چې هغه د مشتریانو د پراختیا په وخت کې وګورئ (په پرتله د Edge-Device محدودیتونو څخه تر ګرځنده د شرکت د کارولو په جریانونو پورې) چې اوس د هغه څرنګنې لارښوونې کوي چې هغه د ډیری لوی کارولو لپاره ډیزاین شوي ځانګړتیاوې ارزښت کوي. په دې کردار کې، هغه د AI وسایلو جوړولو لپاره مسئول دی چې غیر تخنیکي کاروونکي کارول کولی شي، د هغه چټکونو له امله چې هغه د مشتریانو سره د تجربو څخه لیدل کیږي. د کار د محصول په داخلي فعالیت سره د واقعیتونو سره توازن ته اړتیا لري چې دا د انفرادي کاروونکو لخوا په پام کې وي، یو توازن چې هغه په کلونو کې د ناکامیونو، انډول کولو ګټهونو او د تولید چاپیریالونو کې د کار په بوتلونو کې د حل کولو له لارې زده کړه. "په هر چمتو کې چې زه په پراختیا کې روښانه کوي چې زه اوس څنګه جوړ کړم،" هغه وايي. " دا د ستونزو او محصول تر منځ د چڼاسکه بندولو په اړه دی." Nikita Kotsehub کیریټ د یو واحد اصول ته اشاره کوي: د AI لپاره چې په بریالیتوب سره ترسره شي، انجنيرانو او شرکتونو ته اړتیا لري چې په لومړي کچه پوه شي چې څنګه خلک د دغو سیستمونو کاروي او هغه څه چې دوی د دوی څخه ترلاسه کولو ته امید لري. د هغه کار ښیښه کوي چې د باور وړ وسایلو د واقعي چاپیریالونو سره کار کولو څخه وده ورکوي او د تخنیکي فرضونو په ځای کې وده ورکوي.

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.

دا غږ د کیسې په اصلي ژبه تولید شوی!

څنګه Nikita Kotsehub د AI څیړنې سره د واقعي نړۍ د شرکت حلونه پلټنه کوي

About Author

تبصرې

hang tags

دا مقاله په کې وړاندې شوې وه

Related Stories

Autonomous APIs are the Future - Interview with Jean Machuca, Founder, QCObjects

Teylor has Been Named Startup of the Year 2021 in Zürich

Psychopathology of Everyday Life by Sigmund Freud - Table of Links

[Writing Prompt] Thrilled to be Recognized as [Insert Award Title Name]

Autonomous APIs are the Future - Interview with Jean Machuca, Founder, QCObjects

Teylor has Been Named Startup of the Year 2021 in Zürich

Psychopathology of Everyday Life by Sigmund Freud - Table of Links

[Writing Prompt] Thrilled to be Recognized as [Insert Award Title Name]

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps