उद्योगातील अग्रगण्य कृत्रिम बुद्धिमत्ता कव्हर करण्यासाठी नवीनतम अद्यतने आणि विशेष सामग्री मिळविण्यासाठी दररोज आणि साप्ताहिक वृत्तपत्रांमध्ये सामील व्हा. अधिक जाणून घ्या
बर्‍याच संस्था आता कृत्रिम बुद्धिमत्ता स्वीकारण्यासाठी आणि प्रसारित करण्यासाठी शर्यत घेत आहेत, तर राक्षस तज्ञांनी अत्यंत मोजण्यायोग्य दृष्टीकोन स्वीकारला आहे.
एक्सपरियनने स्वतःचे अंतर्गत ऑपरेशन्स, फ्रेमवर्क आणि गव्हर्नन्स मॉडेल विकसित केले आहेत ज्यामुळे तिला मोठ्या प्रमाणात आणि परिणामावर कृत्रिम बुद्धिमत्ता चाचणी घेण्यास आणि पसरविण्यात मदत झाली. कंपनीच्या सहलीने पारंपारिक क्रेडिट कार्यालयातून प्रगत प्लॅटफॉर्म कंपनीकडे हस्तांतरित करण्यात मदत केली आहे. तिचा दृष्टिकोन – बिल्ट प्रगत मशीन लर्निंग (एमएल), कृत्रिम बुद्धिमत्ता आणि लोकप्रिय नावीन्य – व्यावसायिक प्रक्रिया सुधारण्यासाठी आणि अंदाजे 26 दशलक्ष अमेरिकन लोकांपर्यंत आर्थिक प्रवेश वाढविण्यासाठी.
एआयच्या एआय एक्सपेरियन ट्रिपने २०२२ मध्ये चॅटजीपीटीच्या देखाव्यानंतर केवळ मशीन लर्निंगचा शोध घेण्यास सुरुवात केली. क्रेडिट जायंटने जवळजवळ दोन दशकांपासून अ‍ॅम्नेस्टी इंटरनॅशनलची क्षमता विकसित केली आहे, ज्यामुळे त्यांना एआयच्या यशस्वीतेचा द्रुतगतीने फायदा होऊ शकेल.
“कृत्रिम बुद्धिमत्ता म्हणजे कृत्रिम बुद्धिमत्तेत असणे जेव्हा चांगले होते तेव्हाच्या पलीकडे फॅब्रिकचा एक भाग होता,” श्री संथानम, ईव्हीपी, जीएम, प्रोग्राम्स, प्लॅटफॉर्म आणि कृत्रिम बुद्धिमत्ता उत्पादने एका विशेष मुलाखतीत म्हणाले. “आम्ही गेल्या दोन दशकांत कंपन्या आणि ग्राहकांसाठी चांगला प्रभाव निर्माण करण्यासाठी आमची डेटा पॉवर रद्द करण्यासाठी अ‍ॅम्नेस्टी इंटरनॅशनलचा वापर केला आहे.”
पारंपारिक मशीन शिकण्यापासून ते कृत्रिम बुद्धिमत्ता इंजिनपर्यंत
आधुनिक जनरल एआय युगापूर्वी, एक्सपेरियन आधीपासूनच एमएलसह वापरला गेला आणि तयार केला गेला.
सांथनम यांनी स्पष्ट केले की पारंपारिक मूलभूत सांख्यिकीय मॉडेल्सवर अवलंबून राहण्याऐवजी, क्रेडिट क्रेडिटसाठी मजबुतीकरण वृक्ष तसेच इतर स्वयंचलित शिक्षण तंत्रज्ञानाचा वापर करण्यासाठी एक्सपेरियन एक अग्रणी होता. कंपनीने अर्थ लावण्यायोग्य कृत्रिम बुद्धिमत्ता प्रणाली देखील विकसित केली आहे – वित्तीय सेवांच्या संस्थात्मक पालनाची कौमार्य – जे स्वयंचलित कर्ज देण्याच्या निर्णयामागील कारण व्यक्त करू शकते.
महत्त्वाचे म्हणजे, चॅटजीपीटीपूर्वी प्रायोगिक इनोव्हेशन लॅबोरेटरी (पूर्वी डेटा प्रयोगशाळा) भाषा मॉडेल आणि ट्रान्सफॉर्मर नेटवर्क वापरुन पहा. सुरवातीपासून प्रारंभ करण्याऐवजी कृत्रिम बुद्धिमत्तेच्या घडामोडींचा फायदा घेण्यासाठी हे प्रारंभिक काम ठेवले आहे.
“जेव्हा मी चॅटजीपीटीला धडक दिली, तेव्हा आमच्यासाठी हा एक थेट प्रवेग बिंदू होता, कारण आम्हाला तंत्रज्ञान समजले, आमच्या मनात अनुप्रयोग होते आणि आम्ही नुकतेच पेडल केले,” संथनम यांनी स्पष्ट केले.
तंत्रज्ञान महामंडळाने प्रयोगात्मक टप्प्यावर मात करण्यास सक्षम केले की बर्‍याच संस्था अजूनही उत्पादनाच्या अंमलबजावणीकडे जात आहेत आणि थेट फिरत आहेत. जरी इतर संस्थांनी नुकतेच एलएलएमएस मॉडेल्स काय करू शकतात हे समजण्यास सुरवात केली आहे, परंतु एक्सपेरियनने हे आधीपासूनच सध्याच्या कृत्रिम बुद्धिमत्ता कार्याच्या चौकटीत प्रकाशित केले आहे आणि त्यांनी पूर्वी ओळखलेल्या विशिष्ट व्यावसायिक समस्यांना लागू केले आहे.
अ‍ॅम्नेस्टी इंटरनॅशनल फाउंडेशनमध्ये हस्तांतरित करण्यासाठी चार स्तंभ
जेव्हा एखादी कृत्रिम बुद्धिमत्ता दिसू लागली, तेव्हा एक्सपेरियन घाबरून किंवा निर्णायक नव्हता; मी आधीच नियोजित मार्गावर वेग वाढविला. कंपनीने चार रणनीतिक खांबांबद्दल आपला दृष्टिकोन आयोजित केला जो कृत्रिम बुद्धिमत्ता दत्तक घेण्यासाठी तांत्रिक नेत्यांना सर्वसमावेशक चौकट प्रदान करतो:
- उत्पादन वर्धितकृत्रिम बुद्धिमत्ता आणि नवीन ग्राहकांच्या अनुभवांद्वारे पूर्णपणे चालविल्या जाणार्‍या सुधारणांच्या संधी निश्चित करण्यासाठी एक्सपेरियन सध्याच्या ऑफर ग्राहकांना सामोरे जात आहेत. स्वतंत्र एआय वैशिष्ट्ये तयार करण्याऐवजी, एक्सपेरियन मूलभूत उत्पादन गटात स्त्रीरोगविषयक क्षमतांसह एकत्र केले जाते.
- उत्पादकता सुधारणेदुसरा स्तंभ अभियांत्रिकी कार्यसंघ, ग्राहक सेवा ऑपरेशन्स आणि अंतर्गत नावीन्यपूर्ण माध्यमातून कृत्रिम बुद्धिमत्ता लागू करून उत्पादकता सुधारित करते. यात विकसकांना कृत्रिम बुद्धिमत्ता कोडिंग सहाय्य प्रदान करणे आणि ग्राहक सेवा ऑपरेशन्स सुलभ करणे समाविष्ट आहे.
- व्यासपीठ विकास: तिसरा स्तंभ – कदाचित तज्ञांच्या यशासाठी सर्वात महत्वाचे – प्लॅटफॉर्म विकसित करणे. सुरुवातीच्या तज्ञांना हे समजले की बर्‍याच संस्था संकल्पना पुरावा अनुप्रयोगांवर मात करण्यासाठी संघर्ष करतील, म्हणून त्यांनी संस्थेच्या स्तरावर एआयच्या पुढाकारांच्या जबाबदार विस्तारासाठी विशेषतः तयार केलेल्या व्यासपीठाची पायाभूत सुविधा तयार करण्यात गुंतवणूक केली.
- शिक्षण आणि सशक्तीकरण: चौथ्या स्तंभात शिक्षण, सबलीकरण आणि संप्रेषण – विशेष संघांमधील कृत्रिम बुद्धिमत्तेचा अनुभव मर्यादित करण्याऐवजी संपूर्ण संस्थेमध्ये नाविन्य आणण्यासाठी संघटित प्रणालींची निर्मिती.
हा संघटित दृष्टिकोन मोजण्यायोग्य क्रियांच्या परिणामासह पद्धतशीर अंमलबजावणीच्या दिशेने विखुरलेल्या कृत्रिम बुद्धिमत्तेच्या अनुभवांवर मात करण्याचा प्रयत्न करणार्‍या संस्थांसाठी एक योजना प्रदान करते.
तांत्रिक आर्किटेक्चर: एक्सपरियनने एक मानक एआय कसे तयार केले
तांत्रिक निर्णय निर्मात्यांसाठी, एक्सपेरियन प्लॅटफॉर्म शासन, लवचिकता आणि सुरक्षिततेसह नाविन्यास संतुलित करणार्‍या संस्थांसाठी एआय सिस्टम कसे तयार करावे हे दर्शविते.
कंपनीने मूलभूत डिझाइन तत्त्वांसह एक मल्टी -लेयर तांत्रिक मुख्य तयार केले जे परिस्थितीशी जुळवून घेण्याच्या क्षमतेस प्राधान्य देतात:
“आम्ही एका दिशेने दारातून जाणे टाळतो,” संथमान यांनी स्पष्ट केले. “जर आम्ही तंत्रज्ञान किंवा फ्रेमवर्कवर पर्याय बनवत असाल तर आम्हाला खात्री करुन घ्यायची आहे की सर्वात मोठ्या भागासाठी … आम्ही आवश्यक असल्यास आम्हाला दर्शविले जाऊ शकते असे पर्याय बनवित आहोत.”
आर्किटेक्चरचा समावेश आहे:
- मॉडेल: अझरद्वारे ओपनई एपीआय, मानववंशशास्त्रज्ञ मॉडेल्ससह एडब्ल्यूएस मूलभूत मॉडेल्स आणि संदेशांसाठी संदेश यासह अनेक मोठ्या भाषेचे मॉडेल पर्याय.
- अनुप्रयोग स्तरसेवा साधने आणि घटक जे अभियंत्यांना एजंट्सची रचना तयार करण्यास सक्षम करतात.
- सुरक्षा वर्गसुरक्षा चाचणी, पॉलिसी गव्हर्नन्स आणि कृत्रिम बुद्धिमत्ता प्रणालींसाठी खास डिझाइन केलेले प्रवेश चाचणीसाठी डायनामो एआय सह प्रारंभिक भागीदारी.
- गव्हर्नन्स मंदिर आहे: थेट कार्यकारी सहभागासह जागतिक कृत्रिम बुद्धिमत्ता जोखीम परिषद.
हा दृष्टिकोन विक्रेत्याच्या समाधानासाठी किंवा राखीव मॉडेल्ससाठी वचनबद्ध असलेल्या संस्थांचा विरोधाभास आहे, कृत्रिम बुद्धिमत्तेच्या क्षमतेच्या सतत विकासाचा प्रयोग करण्यात अधिक लवचिकता प्रदान करते. कंपनी आता आर्किटेक्चरमधील त्याचे रूपांतर संथानमने “कृत्रिम बुद्धिमत्ता प्रणाली म्हणून जे तज्ञ आणि एजंट्सचे मिश्रण म्हणून स्थापित केले आहे जे अधिक केंद्रित मॉडेल किंवा लहान भाषेचे मॉडेल बनवतात” याकडे पाहतात.
मोजमाप प्रभाव: मोठ्या प्रमाणात कृत्रिम बुद्धिमत्तेचा आर्थिक समावेश
आर्किटेक्चरल डेव्हलपमेंट व्यतिरिक्त, कॉंक्रिट आणि सामाजिक कामांसाठी एआयईआरच्या एआयची अंमलबजावणी, विशेषत: “लपविलेल्या पत” च्या आव्हानाच्या तोंडावर.
वित्तीय सेवा उद्योगात, “क्रेडिट अदृश्य” म्हणजे पारंपारिक पत निर्माण करण्यासाठी अंदाजे 26 दशलक्ष अमेरिकन लोकांकडे पुरेशी पत ठेवण्याची तारीख नाही. या व्यक्ती, जे बर्‍याचदा तरुण ग्राहक, नवीन स्थलांतरित आहेत किंवा जे ऐतिहासिकदृष्ट्या सेवा करतात त्यांना पतसंचज असूनही वित्तीय उत्पादनांमध्ये प्रवेश करण्यासाठी मोठ्या अडथळ्यांचा सामना करावा लागतो.
पारंपारिक क्रेडिट नोंदणी फॉर्म प्रामुख्याने कर्ज देयक रेकॉर्ड आणि क्रेडिट कार्ड आणि कर्ज पातळीचा वापर यासारख्या मानक क्रेडिट ऑफिस डेटावर अवलंबून असतात. या पारंपारिक इतिहासाशिवाय सावकारांनी ऐतिहासिकदृष्ट्या या ग्राहकांकडे अत्यंत धोकादायक म्हणून पाहिले किंवा त्यांची सेवा करण्यास नकार दिला. हे कॅच -22 तयार करते कारण लोक क्रेडिट तयार करू शकत नाहीत कारण ते प्रथम स्थानावर क्रेडिट उत्पादनांपर्यंत पोहोचू शकत नाहीत.
अ‍ॅम्पियनने अ‍ॅम्नेस्टी इंटरनेशनलच्या चार नवकल्पनांसह या समस्येचा सामना केला:
- वैकल्पिक डेटा मॉडेल: स्वयंचलित शिक्षण प्रणालींमध्ये क्रेडिट वॉल मूल्यांकनांमध्ये अपारंपरिक डेटा स्रोत (भाडे देयके, सुविधा, संप्रेषण देयके) आणि पारंपारिक मॉडेल्समधील मर्यादित घटकांऐवजी शेकडो व्हेरिएबल्सचे विश्लेषण समाविष्ट आहे.
- अ‍ॅम्नेस्टी इंटरनॅशनल, जे अनुपालनासाठी स्पष्ट केले जाऊ शकते: विशिष्ट नोंदणी निर्णय घेण्याचे कारण स्पष्ट करून संघटनात्मक पालन राखणारे फ्रेमवर्क, जे अत्यंत संघटित कर्जाच्या वातावरणात जटिल मॉडेल्सचा वापर करण्यास परवानगी देते.
- ट्रेंड डेटा विश्लेषण: कृत्रिम बुद्धिमत्ता प्रणाली जी निश्चित क्लिप्स प्रदान करण्याऐवजी वेळोवेळी आर्थिक वर्तन कसे विकसित होते हे शिकवते आणि शिल्लक पथ आणि पेमेंट वर्तनमधील नमुने शोधणे जे भविष्यातील पत कपातीद्वारे अधिक चांगले अंदाज आहे.
- सेक्टर स्ट्रक्चर्स: सानुकूल मॉडेल्सची रचना जी अस्वीकार्य क्रेडिटच्या वेगवेगळ्या क्षेत्रांना लक्ष्य करतात – पारंपारिक तारीख नसलेल्या लोकांविरूद्ध पातळ फायली असलेल्या.
परिणाम महत्त्वपूर्ण होते: एआय सिस्टम वापरणार्‍या वित्तीय संस्था जोखीम कामगिरीची देखभाल किंवा सुधारित करताना अखंडित लोकांच्या 50 % पेक्षा जास्त लोकसंख्येस मंजूर करू शकतात.
तांत्रिक निर्णय निर्मात्यांसाठी जलद -अंमलात आणलेले अन्न
कृत्रिम बुद्धिमत्तेचा अवलंब करण्याच्या प्रयत्नात असलेल्या संस्थांसाठी, एक्सपेरियन अनुभव अनेक अंमलबजावणी करण्यायोग्य कल्पना प्रदान करतो:
जुळवून घेण्यायोग्य आर्किटेक्चरएआय प्लॅटफॉर्म तयार करा जे वैयक्तिक सेवा प्रदात्यांवर किंवा अभ्यासक्रमावर पूर्णपणे पैज लावण्याऐवजी फॉर्मच्या फॉर्मला अनुमती देतात.
लवकर विलीनीकरणसिलोसमध्ये काम करण्याऐवजी सुरक्षा, अनुपालन आणि कृत्रिम बुद्धिमत्ता विकसक सुरुवातीपासूनच सहकार्य करतात अशा मल्टी -फंक्शनल टीम तयार करा.
मोजण्यायोग्य प्रभावावर लक्ष केंद्रित करा: कृत्रिम बुद्धिमत्ता अनुप्रयोगांची प्राथमिकता निश्चित करणे, जसे की एक्सपेरियनच्या पत विस्तार, जे व्यापक सामाजिक आव्हानांना सामोरे जाताना ठोस व्यवसाय मूल्य प्रदान करते.
एजंटच्या संरचनेचा विचार करा: फील्डच्या जटिल कार्यांसह अधिक प्रभावीपणे व्यवहार करू शकणार्‍या मल्टी -एजंट सिस्टमवर साध्या चॅटच्या पलीकडे जा.
वित्तीय सेवा आणि इतर संघटित उद्योगांमधील तंत्रज्ञ नेत्यांसाठी, एक्सपरियनचा प्रवास दर्शवितो की कृत्रिम बुद्धिमत्तेचे जबाबदार सरकार नाविन्यपूर्णतेसाठी अडथळा नाही, तर टिकाऊ आणि विश्वासार्ह वाढीस सक्षम करते.
पद्धतशीर तंत्रज्ञानाचा विकास आणि आकांक्षा अनुप्रयोगांच्या डिझाइनची जोडणी करून, एक्सपेरियनने पारंपारिक डेटा कंपन्या अ‍ॅम्नेस्टी इंटरनॅशनलमध्ये कार्यरत प्लॅटफॉर्ममध्ये कसे रूपांतरित केले आणि व्यवसाय आणि सामाजिक क्षेत्रात मोठा परिणाम कसा केला याची योजना तयार केली आहे.
Source link
