সাইন আপ • আগের সমস্যা
আপনার মডেল আপনার বাধা নয়
এ শেষ নিবন্ধআমি কোম্পানিগুলিকে তাদের ডেটা, কর্মপ্রবাহ এবং উৎপাদন প্রতিক্রিয়াকে বিশেষ বুদ্ধিমত্তায় পরিণত করার বিষয়ে লিখেছি যা তারা ক্রমবর্ধমান নিয়ন্ত্রণ করে। গভীর ধারণা ছিল জটিল। আজকে একটি মডেল ভালোভাবে কাজ করে কিনা তা নয়, এর ব্যবহার তৈরি হয়েছে কিনা তা গুরুত্বপূর্ণ সম্পদ যা আগামীকাল সিস্টেমকে আরও ভালো করে তোলে. আরও এআই দল এই ধারণাটিকে ঘিরে তৈরি করতে শুরু করেছে। যা আমাকে এই প্রশ্নে নিয়ে আসে যে আমি আবার ফিরে আসছি: প্রত্যেকে যদি একই বুদ্ধিমত্তাকে আরও বেশি করে নিয়োগ করতে পারে, তবে ঠিক কী প্রতিরক্ষাযোগ্য হয়ে ওঠে?
গ্রেডিয়েন্ট ফ্লো বিদ্যমান কারণ পাঠকরা সহযোগিতা করে। একজন অর্থপ্রদানকারী সমর্থক হওয়ার কথা বিবেচনা করুন 
পরিখা আপনি অপারেশন শিখতে কি
শক্তিশালী মডেল সকলের অ্যাক্সেস সহজ করে তোলে। প্রতিযোগীরা যা কিনতে পারে না তা হল আপনার সংস্থা আসলে কীভাবে কাজ করে তা বোঝা। সিদ্ধান্তের জন্য কোন তথ্য গুরুত্বপূর্ণ? অভিজ্ঞ কর্মীরা কি ব্যতিক্রম লক্ষ্য করেন? কোন ওয়ার্কফ্লো অটোমেশন প্রাপ্য? একটি ভাল ফলাফল দেখতে কেমন, এবং আপনি কিভাবে বুঝবেন যখন সিস্টেম ব্যর্থ হয়েছে?
এটি অপারেশনাল প্রসঙ্গ এবং মূল্যায়নকে অসাধারণভাবে গুরুত্বপূর্ণ করে তোলে। একটি সংযোগকারী যা একটি এজেন্টকে 400টি প্রতিবেদনে অ্যাক্সেস দেয় তা কার্যকর, তবে এটি ঠিক একটি পরিখা নয়। আপনার সেরা বিশ্লেষকরা কোন পাঁচটি প্রতিবেদন ব্যবহার করেন, কখন এবং কেন তারা সেগুলি ব্যবহার করেন তা কপি করা অনেক কঠিন। সময়ের সাথে সাথে, প্রোডাকশন ট্রেস, অনুমান, অনুমোদন, ওয়ার্কফ্লো, গ্রাহক জ্ঞান এবং বিশেষজ্ঞের সিদ্ধান্ত একটি কোম্পানি-নির্দিষ্ট অপারেটিং স্তর গঠন করে। আমি একটি নির্দিষ্ট মডেলের অ্যাক্সেস রক্ষা করার জন্য কম প্রচেষ্টা করব এবং মডেলগুলি ব্যবহার করে সংস্থা যা শিখবে তা ক্যাপচার করার জন্য আরও বেশি প্রচেষ্টা করব৷
একই যুক্তির একটি অর্থনৈতিক সংস্করণ আছে। AI স্ট্যাকের একটি নির্দিষ্ট স্তরের মালিকানা আকর্ষণীয় মার্জিনের গ্যারান্টি দেয় না। একটি জেনেরিক মেমরি উপাদান একটি পণ্য হতে পারে. হতে পারে একটি গভীরভাবে সমন্বিত মেমরি সিস্টেম যা পরিমাপযোগ্যভাবে এজেন্ট কর্মক্ষমতা উন্নত করে। গভীরতা এবং ফলাফল একটি স্তরের চারপাশে একটি বাক্স আঁকা এবং এটি রক্ষাযোগ্য ঘোষণা করার চেয়ে বেশি গুরুত্বপূর্ণ।
এমন একটি প্ল্যাটফর্ম তৈরি করুন যা পরিবর্তন হতে থাকবে
কিছু অনুমান অনুসারে, সেরা ওপেনওয়েট মডেলগুলি সীমা থেকে প্রায় ষোল মাস পিছিয়ে প্রায় দুটিতে চলে গেছে। আমি সতর্কতার সাথে সঠিক সংখ্যাটি ব্যবহার করব, তবে দিকটি গুরুত্বপূর্ণ। একবার আপনি পরিকাঠামো এবং সেগুলি চালানোর জন্য প্রয়োজনীয় লোকদের অন্তর্ভুক্ত করলে খোলা মডেলগুলি স্বয়ংক্রিয়ভাবে সস্তা হয় না। তারা ক্রমবর্ধমান কি প্রদান অন্য বিকল্প.
এটি গুরুত্বপূর্ণ কারণ একজন সরবরাহকারীর উপর সম্পূর্ণ নির্ভরতা একটি ব্যবসায়িক ঝুঁকি, শুধুমাত্র একটি প্রযুক্তিগত পছন্দ নয়। দামের তারতম্য। মডেলগুলি অদৃশ্য হয়ে যায়। শর্ত সংশোধন করা হবে। সরবরাহকারীরা সক্ষমতা সীমিত করতে পারে বা তারা পূর্বে সরবরাহ করা সংস্থাগুলির সাথে প্রতিযোগিতা শুরু করতে পারে। সুরক্ষা দলগুলি এমনকি বন্ধ মডেলগুলি বর্ণনা করেছে যা বৈধ প্রতিরক্ষামূলক কাজকে অস্বীকার করে কারণ সফ্টওয়্যার আক্রমণ করা এবং এর প্রতিরক্ষা পরীক্ষা করা মডেলের দৃষ্টিকোণ থেকে একই রকম দেখতে পারে।
আমার প্রতিক্রিয়া কোন মডেল বা এজেন্ট ফ্রেমওয়ার্ক জিতেছে তা ভবিষ্যদ্বাণী করা হবে না। আমি সিস্টেমের গুরুত্বপূর্ণ অংশগুলিকে প্রতিস্থাপনযোগ্য করে তুলব। মডেল, ব্যবসায়িক যুক্তি, রাষ্ট্র, নীতি এবং সম্পাদন যুক্তিসঙ্গতভাবে আলাদা রাখুন। খোলা ইন্টারফেস ব্যবহার করুন যেখানে তারা সাহায্য করে। সম্পর্কহীন সমস্যা নিয়ে কাজ করা দলগুলি বেমানান সিস্টেমের মধ্যে অনুবাদ স্তরে পৌঁছাতে থাকে। আমি এটি একটি দরকারী চিহ্ন হিসাবে গ্রহণ করি। প্ল্যাটফর্মটি এখনও নিষ্পত্তি হয়নি, তাই পারস্পরিক কার্যকলাপের কৌশলগত মূল্য রয়েছে।
এমন পণ্য তৈরি করুন যা কিছু পিছনে ফেলে যায়
একটি ধারণা আমি ফিরে আসতে থাকি যে প্রতিটি পণ্য অনির্দিষ্টকালের জন্য বেঁচে থাকতে হবে না। কিছু AI অ্যাপ্লিকেশন তাদের পার্থক্য হারাবে যখন পরবর্তী মডেলটি তাদের বিশেষ করে তুলেছে এমন বৈশিষ্ট্যটি শোষণ করে। এর মানে এই নয় যে তারা মেয়েদের জন্য খারাপ জিনিস ছিল।
ধরা যাক একটি পণ্য আঠারো মাস স্থায়ী হয় কিন্তু আপনাকে হাজার হাজার প্রকৃত গ্রাহকের মিথস্ক্রিয়া, আরও শক্তিশালী মূল্যায়ন স্যুট, ওয়ার্কফ্লো ডেটা, বিতরণ এবং সমস্যার গভীর উপলব্ধি দেয়। এই সম্পদগুলি পরে যা আসে তার মধ্যে খাওয়াতে পারে। ভাল প্রশ্ন কম হতে পারে “কেউ এই বৈশিষ্ট্য অনুলিপি করতে পারেন?” এবং আরেকটি “এই পণ্যটি চালানোর পরে আমরা কী জানব যা আগামীকাল থেকে কেউ জানবে না?”
একই যুক্তি ইন্টারফেসের ক্ষেত্রে প্রযোজ্য। কিছু দল গ্রাহকদের তাদের অ্যাপের মধ্যে থাকার জন্য জোর দেওয়ার পরিবর্তে বড় এআই সহকারীগুলিতে সম্পূর্ণ কার্যকারিতা নিয়ে আসছে। যুক্তি হল যে মানটি প্রদত্ত বুদ্ধিমত্তা এবং প্রেক্ষাপটে বাস করে, গ্রাহকরা যে উইন্ডো দিয়ে দেখেন তাতে অগত্যা নয়। ব্যবহারকারীরা যদি আরও বেশি সহকারী পছন্দ করেন, তাহলে ধারক রক্ষা করা শক্তির দুর্বল ব্যবহার হয়ে উঠতে পারে।
স্টার্টআপের জন্য, আমি মোবাইল সাদৃশ্যও পছন্দ করি। অবশেষে, দায়িত্বশীলরা প্রায় প্রতিটি গুরুত্বপূর্ণ ওয়েব পণ্য স্মার্টফোনে স্থানান্তরিত করেছে। সংজ্ঞায়িত নতুন কোম্পানিগুলি এমন জিনিসগুলি থেকে এসেছে যা স্মার্টফোনগুলি সম্প্রতি সক্ষম করেছে, ক্যামেরা, জিপিএস এবং ধ্রুবক সংযোগ সহ। AI অনুরূপ প্যাটার্ন অনুসরণ করতে পারে। একটি বিদ্যমান ওয়ার্কফ্লো স্বয়ংক্রিয় করা মূল্যবান হতে পারে, কিন্তু দায়িত্বশীলদেরও হতে পারে। সস্তা বুদ্ধিমত্তা এবং সফ্টওয়্যার তৈরি আজ বিদ্যমান থাকার কারণে যা সম্ভব হয় সে বিষয়ে আমি আরও আগ্রহী।
উত্তরাধিকার আধুনিকীকরণ একটি উদাহরণ যা আরও মনোযোগের দাবি রাখে। কোম্পানিগুলি এই প্রকল্পগুলি প্রত্যাখ্যান করেছে কারণ ডকুমেন্টেশনগুলি অসম্পূর্ণ, বিশেষজ্ঞরা অবসর নিয়েছেন এবং কেউ মাইগ্রেশন ঝুঁকির মালিক হতে চায় না৷ আকর্ষণীয় পদ্ধতিটি শুধুমাত্র একটি মডেলকে পাইথনে COBOL পুনরায় লিখতে বলছে না। পুরানো সিস্টেমটিকে স্পেসিফিকেশন হিসাবে বিবেচনা করুন, এটি থেকে পরীক্ষা তৈরি করুন, কোডটি অনুবাদ করুন এবং নতুন সিস্টেমটি একইভাবে আচরণ করে তা নিশ্চিত করতে নির্ধারক পদ্ধতি ব্যবহার করুন। এটি একটি ঝুঁকিপূর্ণ, খোলা মাইগ্রেশনকে একটি চেকলিস্টে পরিণত করে যা আপনি ধাপে ধাপে যাচাই করতে পারেন।
প্রজন্ম সস্তা হয়ে গেলে বিচক্ষণতা দুষ্প্রাপ্য হয়ে যায়
এই পরিবর্তনের একটি মানবিক সংস্করণও রয়েছে। যেহেতু কোড, বিশ্লেষণ, পাঠ্য এবং অন্যান্য আউটপুটগুলি উত্পাদন করা সস্তা হয়ে যায়, তাই প্রথম উত্তর তৈরি করা কম গুরুত্বপূর্ণ। এটি সঠিক উত্তর কিনা তা বোঝা আরও গুরুত্বপূর্ণ।
এটি মূল্যকে বিচার, ডিবাগিং, মূল্যায়ন এবং সমস্যা নির্বাচনের দিকে ঠেলে দেয়। কেউ কি একটি অস্পষ্ট লক্ষ্যকে এমন কিছুতে পরিণত করতে পারে যা একটি সিস্টেম চালানো এবং পরীক্ষা করতে পারে? তারা কি এমন একটি ব্যর্থতা সনাক্ত করতে পারে যা অতিমাত্রায় স্বাভাবিক বলে মনে হয়? তারা ব্যাখ্যা করতে পারে কেন একজন এজেন্ট ভুল হয়ে গেছে এবং এর চারপাশের সিস্টেমকে উন্নত করতে পারে? একটি প্রচলিত কোডিং পরীক্ষা আপনাকে এই ক্ষমতাগুলি সম্পর্কে কম বলতে পারে বাস্তব প্রকল্পগুলি যা কেউ জমা দিয়েছে এবং যেটি ব্যর্থ হয়েছে তার দৃশ্যমান পোস্টমর্টেম।
আমি এটাও অনুমান করব না যে দ্রুত উত্পাদনশীলতা লাভের অর্থ সংস্থাগুলি রাতারাতি পরিবর্তিত হবে। কাজের বিবরণ, প্রণোদনা এবং ব্যবস্থাপনা কাঠামোর তুলনায় সরঞ্জামগুলি অনেক দ্রুত পরিবর্তিত হয়। প্রথম পর্যায়টি বেশিরভাগ পরিচিত দলগুলির মতো দেখায় যা আরও বেশি উত্পাদন করে, লোকেরা স্বয়ংক্রিয় কাজ পরিচালনা এবং পরীক্ষা করার জন্য বেশি সময় ব্যয় করে।
যখন গ্রাহকরা সমাবেশ লুপের মালিক
এখানেই যুক্তি OpenAI এবং Anthropic-এ ফিরে যান. চ্যালেঞ্জ শুধুমাত্র একটি উন্মুক্ত মডেল তাদের সূচকে ক্যাপচার করতে পারে না. তাদের সেরা গ্রাহকরা তাদের প্রতিষ্ঠানের মধ্যে উন্নত বুদ্ধিমত্তার জন্য মালিকানা ডেটা, কর্মপ্রবাহ, সরঞ্জাম, মূল্যায়ন এবং উত্পাদন প্রতিক্রিয়া ক্রমবর্ধমানভাবে একীভূত করতে পারে।
এটি প্রতিযোগিতামূলক ল্যান্ডস্কেপ পরিবর্তন করে। Frontier Labs এখনও সামগ্রিক মডেলিং ক্ষমতার উপর একে অপরের সাথে প্রতিদ্বন্দ্বিতা করে, কিন্তু ক্রমবর্ধমানভাবে তারা তাদের গ্রাহকদের নিম্নধারায় তৈরি করা সামগ্রিক বুদ্ধিমত্তার সাথে প্রতিযোগিতা করে। যত বেশি শেখার সংস্থাগুলি তাদের নিজেরাই উপলব্ধি করতে পারে, তত বেশি গুরুত্বপূর্ণ এটি জিজ্ঞাসা করা যে আসলে অ্যাসেম্বলি লুপের মালিক কে।
মডেল, বৈশিষ্ট্য, ইন্টারফেস, এবং রুটিন আউটপুট প্রাপ্ত করা সহজ হয়. অপারেশনাল প্রেক্ষাপট, মূল্যায়ন, গ্রাহক স্বীকৃতি, বিতরণ এবং রায় ব্যবহারের মাধ্যমে শক্তিশালী করা হয়। আপনার যা প্রয়োজন তা কিনুন। যা যৌগ তৈরি করুন।
কৃত্রিম বুদ্ধিমত্তা কর্মসংস্থান পুনর্লিখনের আগে কাজকে পুনর্লিখন করে
যখন এআই কম্পিউট অ্যাকাউন্ট আসে
The post সবাই একই বুদ্ধিমত্তা নিয়োগ করলে বাকি থাকে কী? গ্রেডিয়েন্ট ফ্লোতে প্রথম হাজির।