एआई का उत्पादन करते समय, आपके सामने कई चुनौतियाँ आ सकती हैं, जैसे कि अपने एआई मॉडल को किसी प्रक्रिया या लोगों पर कैसे लागू किया जाए, डेटा और मॉडलों को स्थिर किया जाए, बदलते परिवेश में और समय के साथ अपने मॉडल को सटीक कैसे रखा जाए, स्केलिंग, और कैसे विकसित किया जाए या अपने AI मॉडल की क्षमताओं को बढ़ाएँ।
एआई एम्बेड करना
एक नए एल्गोरिथम के साथ एक सफल मशीन लर्निंग प्रूफ ऑफ कॉन्सेप्ट (PoC) चलाना, इसे तैयार करने और इससे वास्तविक मूल्य प्राप्त करने के लिए आवश्यक प्रयास का केवल 10% है। शेष 90% को उन चीजों में विभाजित किया जा सकता है जो आपको एक उपयोगी उत्पाद बनाने के लिए करने की आवश्यकता होती है और एक उपयोगी उत्पाद बनाने के लिए आपको जिन चीजों की आवश्यकता होती है।
एक उपयोगी उत्पाद बनाने के लिए, आपको उत्पाद को अपने उपयोगकर्ताओं के लिए उपलब्ध कराने के तकनीकी कार्यान्वयन पर ज़ूम इन करना होगा। इसे उपयोगी बनाने के लिए, आपको उत्पाद को उपयोगकर्ताओं के लिए एक प्रक्रिया में एम्बेड करना चाहिए। सबसे पहले, हालांकि, पीओसी और प्रयोग करने योग्य उत्पाद के बीच वास्तव में क्या अंतर है?
सबसे पहले, PoCs उत्पादन के लिए नहीं हैं। उत्पादों को हर समय, किसी भी समय और बदलती परिस्थितियों में काम करना चाहिए। अपने PoC के दौरान, आपको वह डेटा मिल जाता है जिसकी आप तलाश कर रहे हैं, उसकी एक प्रति बनाएँ, और उसे साफ़ करना और उसका विश्लेषण करना शुरू करें। उत्पादन में, आपके डेटा स्रोत को रीयल-टाइम, सुरक्षित और सुरक्षित रूप से डेटा प्लेटफ़ॉर्म से कनेक्ट होना चाहिए; डेटा स्ट्रीम को स्वचालित रूप से हेरफेर किया जाना चाहिए और अन्य डेटा स्रोतों के साथ तुलना/संयुक्त किया जाना चाहिए।
आपके PoC के दौरान, आपके पास या तो अपने भविष्य के उपयोगकर्ताओं से बात करने और समाधान तैयार करने के लिए उनके साथ काम करने में सक्षम होने की विलासिता है, या आपके पास कोई उपयोगकर्ता नहीं है, और आप एक तकनीकी समाधान तैयार कर रहे हैं। किसी उत्पाद के लिए, आपके पास ऐसे उपयोगकर्ता हैं जिन्हें उस समाधान को समझने की आवश्यकता है, और तकनीकी समाधान को चालू रखने के लिए जिम्मेदार लोग हैं। इस प्रकार, किसी उत्पाद को प्रयोग करने योग्य होने के लिए प्रशिक्षण, अक्सर पूछे जाने वाले प्रश्न और/या समर्थन लाइनों की आवश्यकता होती है। इसके अलावा, आप पीओसी में अपने एक उपयोग के मामले के लिए बस एक नया संस्करण बनाते हैं। उत्पादों को अपडेट की आवश्यकता होती है, और जब आपने अपने उत्पाद को कई ग्राहकों के लिए रोल आउट किया है, तो आपको उत्पादन के लिए अपने कोड (CI/CD पाइपलाइन) का परीक्षण और परिनियोजन करने का एक तरीका चाहिए।
"इटिलिटी में, हमने अपनी इटिलिटी डेटा फैक्ट्री और एआई फैक्ट्री विकसित की है जो हमारी किसी भी परियोजना के लिए बिल्डिंग ब्लॉक्स और अंतर्निहित प्लेटफॉर्म को कवर करती है। इसका मतलब है कि हमारे पास शुरू से ही उपयोग करने योग्य कोण है, ताकि हम उपयोगी कोण पर ध्यान केंद्रित कर सकें (जो अधिक ग्राहक और उपयोग के मामले पर निर्भर है), ”कंपनी ने कहा।
कीट का पता लगाने वाला ऐप - PoC से लेकर प्रयोग करने योग्य उत्पाद तक
“हमारे कीट डिटेक्शन ऐप के प्रूफ़ ऑफ़ कॉन्सेप्ट चरण में एक मॉडल शामिल था जो ग्रीनहाउस टीम के सदस्यों द्वारा ली गई छवियों के आधार पर ग्लू ट्रैप पर मक्खियों को वर्गीकृत करने और गिनने का संकीर्ण कार्य कर सकता है। यदि वे एक तस्वीर से चूक जाते हैं या कुछ गलत हो जाता है, तो वे वापस जा सकते हैं और दूसरा ले सकते हैं, या इसे सीधे डैशबोर्ड में ठीक कर सकते हैं। काफी कुछ मैनुअल जांच की जरूरत थी।
"हमारी PoC- दुनिया सरल थी, एक डिवाइस, एक सिंगल यूजर और एक सिंगल कस्टमर पर आधारित। हालांकि, इसे एक उपयोगी उत्पाद बनाने के लिए, हमें कई ग्राहकों को बढ़ाने और उनका समर्थन करने की आवश्यकता थी। फिर सवाल उठता है कि डेटा को अलग और सुरक्षित कैसे रखा जाए। इसके अलावा, प्रत्येक व्यक्तिगत ग्राहक/मशीन को एक सेटअप और डिफ़ॉल्ट कॉन्फ़िगरेशन की आवश्यकता होती है। तो, 20 नए ग्राहकों को कैसे कॉन्फ़िगर/सेट अप करें? आप कैसे जानते हैं कि कब एक व्यवस्थापक इंटरफ़ेस बनाना है और ऑनबोर्डिंग को स्वचालित करना है? 2 ग्राहकों पर, 20, या 200?"
बेशक, आपके पास प्रश्न हो सकते हैं, जैसे 'मक्खियों की गिनती मेरे ग्राहक की कैसे मदद करती है? इस जानकारी से मूल्य कैसे बनाएं? निर्णयों की सिफारिश कैसे करें और कार्रवाई कैसे करें? यह एआई एप्लिकेशन व्यवसाय प्रक्रिया में कैसे फिट बैठता है?'। चरण एक तकनीकी/डेटा परिप्रेक्ष्य से अपने संदर्भ के फ्रेम को अंतिम उपयोगकर्ता परिप्रेक्ष्य में बदलना है। इसका मतलब है कि अपने ग्राहक के साथ बातचीत जारी रखना और यह देखना कि सिद्ध पीओसी दैनिक प्रक्रियाओं में कैसे फिट बैठता है।
"आपको लंबी अवधि के लिए प्रक्रिया का बारीकी से पालन करना होगा, आपको वास्तव में यह समझने के लिए परिचालन और सामरिक बैठकों में शामिल होने की आवश्यकता है कि किस जानकारी के आधार पर हर दिन क्या कार्रवाई की जाती है, क्या करने में कितना समय व्यतीत होता है, और तर्क कुछ कार्यों के पीछे। यह समझे बिना कि आपके मॉडल की जानकारी का उपयोग व्यावसायिक मूल्य बनाने के लिए कैसे किया जाता है, आपको एक उपयोगी उत्पाद नहीं मिलेगा।
"हमारे मामले में, हमने पाया कि निर्णय लेने के लिए किस जानकारी का उपयोग किया गया था। उदाहरण के लिए, हमने पाया कि कुछ कीटों के लिए साप्ताहिक प्रवृत्ति का पालन करना अधिक महत्वपूर्ण था (जिसके लिए आपको अत्यधिक उच्च सटीकता की आवश्यकता नहीं है) जबकि अन्य को कीट के पहले संकेत पर कार्रवाई की आवश्यकता होती है (जिसका अर्थ है कि एक जोड़े को रखना बेहतर है) झूठी सकारात्मक की तुलना में एक झूठी नकारात्मक भी)।
"इसके अतिरिक्त, हमने पाया कि हमारे ग्राहक को पहले भी इसी तरह के टूल के साथ 'खराब' अनुभव हुआ था, जिसमें दावा किया गया था कि यह सटीकता है कि यह व्यवहार में वितरित नहीं हो सका। वे हम पर भरोसा क्यों करेंगे? हमने इस भरोसे की समस्या को गंभीरता से लिया और सटीकता और पारदर्शिता को उत्पाद की एक प्रमुख विशेषता बना दिया। हमने इस जानकारी का उपयोग अपने उत्पाद को अंतिम उपयोगकर्ता के काम करने के तरीकों के अनुकूल बनाकर और अंतःक्रिया में पारदर्शिता बढ़ाकर, उपयोगकर्ता को एप्लिकेशन पर अधिक नियंत्रण देकर अपने उत्पाद को उपयोगी बनाने के लिए किया, "कंपनी जारी है।
सबसे बड़ी चुनौती क्या है?
“हमारे फ्लाई-काउंटिंग परिदृश्य में, हम अपने सटीकता स्कोर के बारे में बात कर सकते हैं जो हम चाहते हैं। हालांकि, उपयोगी होने के लिए, उपयोगकर्ता (एक ग्रीनहाउस विशेषज्ञ) को प्रतिशत से अधिक की आवश्यकता होती है। जरूरत इस बात की है कि इसका अनुभव किया जाए और इस पर भरोसा करना सीख लिया जाए। सबसे बुरी बात यह हो सकती है कि जब आपके उपयोगकर्ता आपके परिणामों की तुलना अपने स्वयं के मैन्युअल परिणामों से करते हैं और एक (बड़ी) विसंगति होती है। आपकी प्रतिष्ठा बर्बाद हो गई है और विश्वास हासिल करने के लिए कोई जगह नहीं है। हमने उत्पाद में सॉफ़्टवेयर जोड़कर इसका प्रतिकार किया जो उपयोगकर्ता को उन विसंगतियों को देखने और उन्हें ठीक करने के लिए प्रोत्साहित करता है।
"हमारा दृष्टिकोण इस प्रकार उपयोगकर्ता को एआई समाधान का हिस्सा बनाने के बजाय इसे एक प्रणाली के रूप में पेश करना है जो विशेषज्ञ को बदलने जा रहा है। हम विशेषज्ञ को एक ऑपरेटर में बदल देते हैं। एआई उनकी क्षमताओं को बढ़ा रहा है और विशेषज्ञ एआई को लगातार सिखाने और मार्गदर्शन करने के लिए नियंत्रण में रहते हैं और पर्यावरण या अन्य चर के बहाव में सुधार करते हैं। एक ऑपरेटर के रूप में, विशेषज्ञ समाधान का एक अभिन्न अंग है - विशिष्ट कार्यों के साथ एआई को पढ़ाना और प्रशिक्षण देना।"
क्लिक करें यहाँ उत्पन्न करें ऑपरेटर-केंद्रित दृष्टिकोण पर अधिक विवरण वाला वीडियो देखने के लिए।