उद्योगातील अग्रगण्य कृत्रिम बुद्धिमत्ता कव्हर करण्यासाठी नवीनतम अद्यतने आणि विशेष सामग्री मिळविण्यासाठी दररोज आणि साप्ताहिक वृत्तपत्रांमध्ये सामील व्हा. अधिक जाणून घ्या
एक प्रश्न: मशीन लर्निंग (एमएल) कोणत्या उत्पादनाने वापरावे?
प्रकल्प व्यवस्थापकाचे उत्तर: होय.
बँके, बाजूला, ट्रायडियन कृत्रिम बुद्धिमत्तेच्या उदयामुळे एमएलमध्ये सर्वोत्कृष्ट असलेल्या कोणत्या विस्ताराच्या घटनांमध्ये आपली समज वाढली आहे. ऐतिहासिकदृष्ट्या, ग्राहकांच्या अनुभवांमधील वारंवार भविष्यवाणीच्या नमुन्यांसाठी एमएलचा फायदा घेत आम्हाला नेहमीच फायदा झाला आहे, परंतु आता, संपूर्ण प्रशिक्षण डेटा सेटशिवायही एमएलचा फायदा घेणे शक्य आहे.
तथापि, “ग्राहकाला कृत्रिम बुद्धिमत्तेवर तोडगा आवश्यक आहे काय आवश्यक आहे या प्रश्नाचे उत्तर?” हे अजूनही नेहमीच “होय” नसते. एलएलएमएस मॉडेल अजूनही काहींसाठी महाग असू शकतात आणि सर्व एमएल मॉडेल्सप्रमाणेच एलएलएम नेहमीच अचूक नसतात. नेहमीच वापराची प्रकरणे असतील जिथे एमएल अंमलबजावणीचा वापर हा योग्य मार्ग नाही. कृत्रिम बुद्धिमत्ता अंमलात आणण्याच्या आमच्या ग्राहकांच्या गरजा आम्ही अॅम्नेस्टी आंतरराष्ट्रीय प्रकल्पांच्या व्यवस्थापकांचे मूल्यांकन कसे करू?
या निर्णयास मदत करण्याच्या मुख्य बाबींमध्ये हे समाविष्ट आहेः
- आपल्या ग्राहकांच्या गरजा भागविण्यासाठी आवश्यक इनपुट आणि आउटपुट: आपल्या उत्पादनासाठी ग्राहकांनी प्रवेश प्रदान केला आहे आणि आउटपुट आपल्या उत्पादनाद्वारे प्रदान केले आहे. म्हणूनच, तयार केलेल्या स्पॉटिफाई एमएल प्लेलिस्टसाठी (एक्झिट), इनपुटमध्ये ग्राहकांची प्राधान्ये, “कौतुक” गाणी, कलाकार आणि संगीत प्रकार समाविष्ट असू शकतात.
- इनपुट आणि आउटपुटचे गट: समान इनपुट किंवा भिन्न इनपुटसाठी त्यांना समान आउटपुट पाहिजे किंवा भिन्न आहे की नाही यावर आधारित ग्राहकांच्या गरजा बदलू शकतात. आम्हाला इनपुट आणि आउटपुटची पुनरावृत्ती करण्यासाठी जितके एक्सचेंज आणि गटांची संख्या जितकी जास्त असेल तितकेच आपल्याला नियम -आधारित सिस्टमच्या विरूद्ध एमएलकडे जाण्याची आवश्यकता आहे.
- इनपुट आणि आउटपुटमधील नमुने: इनपुट किंवा आउटपुटच्या आवश्यक गटांमधील नमुने आपल्याला अंमलबजावणीसाठी वापरणे आवश्यक असलेल्या एमएल मॉडेलचा प्रकार निश्चित करण्यात मदत करते. इनपुट आणि आउटपुट गटांचे नमुने असल्यास (जसे की भावनांच्या पदवी काढण्यासाठी ग्राहकांच्या कथांचे पुनरावलोकन करणे), एलएलएमच्या देखरेखीखाली देखरेखीखाली किंवा अर्ध -विषयानुसार एमएल मॉडेल्सचा विचार करा कारण ते अधिक महाग असू शकतात.
- किंमत आणि अचूकता: एलएलएम कॉल नेहमीच स्वस्त नसतात आणि स्थापना आणि इन्स्टंट अभियांत्रिकी असूनही आउटपुट नेहमीच अचूक/मिनिट नसतात. कधीकधी, ते मज्जातंतू नेटवर्कच्या देखरेखीखाली मॉडेल्ससह चांगले असतात जे एलएलएम वापरण्याऐवजी स्टिकर्सचा निश्चित संच किंवा नियम -आधारित सिस्टमचा वापर करून अंतर्भूत वर्गीकृत करू शकतात.
प्रकल्प व्यवस्थापकांना त्यांच्या ग्राहकांच्या गरजा मूल्यांकन करण्यात मदत करण्यासाठी आणि एमएल अनुप्रयोग योग्य ट्रॅक पुढे दिसत आहे की नाही हे निर्धारित करण्यासाठी वरील बाबींचा सारांश देण्यासाठी मी खाली एक द्रुत वेळापत्रक गोळा केले आहे.
| ग्राहक प्रकारच्या गरजा | उदाहरण | एमएल अंमलबजावणी (होय/नाही/अवलंबून) | एमएल अंमलबजावणी प्रकार |
|---|---|---|---|
| वारंवार कार्ये जिथे ग्राहकांना समान इनपुटसाठी समान आउटपुट आवश्यक आहे | ऑनलाईन वेगवेगळ्या फॉर्ममध्ये ई -मेल जोडा | नाही | नियमांवर आधारित एक प्रणाली तयार करा आपल्या आउटपुटमध्ये आपल्याला मदत करण्यासाठी पुरेसे आहे |
| वारंवार कार्ये जिथे ग्राहकांना समान इनपुटसाठी भिन्न आउटपुट आवश्यक असतात | “डिस्कवरी स्टेटस” मधील क्लायंट आणि जेव्हा ते समान प्रक्रिया घेतात तेव्हा नवीन अनुभवाची अपेक्षा करतात (जसे की खर्चावर स्वाक्षरी करणे): प्रत्येक क्लिकसाठी एक नवीन कलाकृती तयार करा Umble संबलअपॉन (ते लक्षात ठेवा?) यादृच्छिक शोधातून इंटरनेटवरून एक नवीन कोन शोधा | होय | – एलएलएमएस पिढीची प्रतिमा – शिफारस अल्गोरिदम (सहकारी लिक्विडेशन) |
| वारंवार कार्ये जेथे ग्राहकांना समान दिग्दर्शनाची आवश्यकता असते/विविध इनपुट प्रमाणेच | लेखांचे भाषांतर ग्राहकांच्या नोट्समधून विषय तयार करणे | वर अवलंबून | जर इनपुट आणि आउटपुट गटांची संख्या पुरेशी सोपी असेल तर नियमांवरील अपरिहार्य प्रणाली अद्याप आपल्यासाठी कार्य करू शकते. तथापि, आपण इनपुट आणि आउटपुटचे एकाधिक गट प्राप्त करणे सुरू केल्यास कारण नियम -आधारित प्रणाली प्रभावीपणे विस्तृत करू शकत नाही, तर त्याबद्दल विचार करा: यावर अवलंबून रहा: वर्गीकरण परंतु केवळ या इनपुटचे नमुने असल्यास. जर कोणतेही नमुने अजिबात नसतील तर एलएलएमचा फायदा घेण्याचा विचार करा, परंतु केवळ एका काळासाठी परिस्थितीसाठी (कारण एलएलएम पर्यवेक्षणाच्या अधीन असलेल्या मॉडेल्सइतके अचूक नाही). |
| वारंवार कार्ये जेथे ग्राहकांना वेगवेगळ्या इनपुटसाठी भिन्न आउटपुट आवश्यक असतात | ग्राहक समर्थन प्रश्नांची उत्तरे -सर्च | होय | आपण एमएलशिवाय मोठ्या प्रमाणात वेगवेगळ्या इनपुटसाठी भिन्न आउटपुट प्रदान करू शकता अशा उदाहरणांना सामोरे जाणे दुर्मिळ आहे. प्रभावी व्याप्ती वाढविण्यासाठी नियम -आधारित अंमलबजावणीसाठी बरेच एक्सचेंज आहे. याचा विचार केला जातो: -प्रवेट (आरएजी) साठी पिढीसह एलएमएस |
| भिन्न आउटपुटसह बेशुद्ध कार्ये | हॉटेल/रेस्टॉरंट पुनरावलोकन | होय | एलएलएमच्या आधी, या प्रकारच्या परिस्थितीत विशिष्ट कार्ये प्रशिक्षित केलेल्या मॉडेल्सशिवाय साध्य करणे कठीण होते, जसे की: वारंवार मज्जातंतू नेटवर्क (आरएनएन) या प्रकारच्या परिस्थितीसाठी एलएलएमएस हा एक चांगला प्रसंग आहे. |
तळ ओळ: जेव्हा कात्रीची साध्या जोडी युक्ती करू शकते तेव्हा लाइट्सबेर वापरू नका. मोठ्या प्रमाणात अचूक आणि प्रभावी उत्पादने तयार करण्यासाठी अंमलबजावणीची किंमत आणि आउटपुटची अचूकता लक्षात घेऊन आपल्या ग्राहकांच्या वरील मॅट्रिक्स वापरण्याची आवश्यकता मूल्यांकन करा.
शरण्या राव हे फिनटेक ग्रुप प्रॉडक्टचे संचालक आहेत. या लेखात व्यक्त केलेली मते ही लेखकाची मते आहेत आणि त्यांच्या कंपनीचे किंवा संस्थेचे परिणाम आवश्यक नाहीत?
Source link
