लिंक्डइन नेते कृत्रिम बुद्धिमत्ता एजंट्ससह शिकू शकतात

कृत्रिम बुद्धिमत्ता एजंट्स हे सध्याच्या काळात तंत्रज्ञानातील सर्वात महत्त्वाचे विषय आहे – परंतु आपण किती कंपन्या आधीच प्रकाशित केल्या आहेत आणि सक्रियपणे वापरल्या आहेत?

लिंक्डइन म्हणतो की तिच्याकडे लिंक्डइन रोजगार सहाय्यक आहे. सामान्य शिफारस प्रणाली आणि संशोधन ज्यामध्ये कृत्रिम बुद्धिमत्ता कार्य करते, कंपनीतील एआय एजंटचे स्रोत आणि साध्या नैसर्गिक भाषा इंटरफेसद्वारे उमेदवारांची भरती.

व्हीबी ट्रान्सफॉर्मच्या स्टेजवर लिंक्डइनमधील मुख्य कृत्रिम बुद्धिमत्ता अधिकारी दीपक अगुआर्डो म्हणाले, “हे प्रायोगिक उत्पादन नाही. “हे जिवंत आहे. यामुळे कर्मचार्‍यांसाठी बराच वेळ वाचतो जेणेकरुन त्यांना खरोखर जे करायला आवडेल ते करण्यासाठी त्यांचा वेळ घालवू शकेल, जे उमेदवारांना प्रायोजित करते आणि या पदासाठी उत्कृष्ट प्रतिभा वापरते.”

>> आमच्या रूपांतरणाचे प्रत्येक कव्हरेज येथे पहा <

मल्टी -एजंट सिस्टमवर अवलंबन

लिंक्डइन एक बहु -एजंट दृष्टीकोन घेते, अग्रवालने हे कार्य पूर्ण करण्यासाठी सहकार्य करणार्‍या एजंट्सच्या गटाच्या रूपात वर्णन केले. पर्यवेक्षक एजंट इनपुट एजंट्स आणि स्त्रोतांसह इतर सर्व एजंट्समध्ये इतर सर्व कार्ये आयोजित करतात “केवळ एका नोकरीमध्ये चांगले आहेत.”

सर्व संप्रेषणे पर्यवेक्षक एजंटद्वारे उद्भवतात, जे मानवी वापरकर्त्यांची भूमिका पात्रता आणि इतर तपशीलांबद्दल घेतात. त्यानंतर हा एजंट रिसोर्स एजंटला एक संदर्भ प्रदान करतो, जो भरतीकर्ता आणि उमेदवारांचा शोध घेणार्‍या चिमणीमार्फत तसेच नोकरीसाठी योग्य असलेल्या कारणास्तव वर्णन करतो. मग ही माहिती पर्यवेक्षकाच्या एजंटकडे परत केली जाते, जो मानवी वापरकर्त्याशी संवाद साधण्यास सुरवात करतो.

“मग आपण त्यास सहकार्य करू शकता, बरोबर?” अग्रावल म्हणाले. “आपण ते सुधारित करू शकता. आपण यापुढे कीवर्डमधील मूलभूत प्रणालीशी बोलू शकत नाही. आपण नैसर्गिक भाषेत व्यासपीठावर बोलू शकता आणि आपण उत्तर द्याल, आपण आपल्याशी संभाषण कराल.”

त्यानंतर एजंट पात्रता सुधारू शकतो आणि उमेदवारांचे स्रोत प्राप्त करण्यास प्रारंभ करू शकतो आणि रोजगार संचालकांसाठी “एकाच वेळी आणि अनिर्दिष्ट” साठी काम करू शकतो. “हे कार्य केव्हा कोणत्याही एजंटकडे सोपविणे आवश्यक आहे हे माहित आहे आणि टिप्पण्या कशा गोळा करायच्या आणि वापरकर्त्यास कसे ऑफर करावे,” अग्रावल म्हणाले.

वापरकर्त्यांना नेहमीच नियंत्रण ठेवणार्‍या “प्रथम मानवी” एजंट्सच्या महत्त्ववर त्यांनी भर दिला. प्राधान्यांशी जुळवून घेणार्‍या कृत्रिम बुद्धिमत्तेसह “सखोल” अनुभव घेणे हे त्याचे ध्येय आहे जे जेव्हा वापरकर्ते त्यांच्याशी संवाद साधतात तेव्हा विकसित आणि सुधारणे सुरू ठेवतात.

“हे आपला व्यवसाय अधिक चांगल्या आणि अधिक कार्यक्षम मार्गाने पूर्ण करण्यात मदत करण्याबद्दल आहे,” अगुआर्डस म्हणाले.

लिंक्डइन त्याची बहु -एजंट सिस्टम कशी आहे

मल्टी -एजंट सिस्टमला अचूक प्रशिक्षण दृष्टिकोन आवश्यक आहे. तेजस धर्मसी, तेजस धर्मसी, लिंक्डइन, वरिष्ठ लिंक्डइन सारांश, लिंक्डइन यांनी स्पष्ट केले की लिंक्डइन टीम अचूकतेसाठी बराच वेळ घालवते

ते म्हणाले: “आम्ही या क्षेत्राची एकात्मिक मॉडेल्स सहन करतो आणि आमच्या ध्येयासाठी त्यांना लहान, अधिक बुद्धिमान आणि चांगले बनवितो.”

पर्यवेक्षकाचा एजंट एक विशेष एजंट आहे जो खूप स्मार्ट आणि अनुकूलक असणे आवश्यक आहे. लिंक्डइन एजंट कंपनीच्या मोठ्या भाषेचे मॉडेल (एलएलएमएस) वापरू शकतो. यात मजबुतीकरण शिक्षण आणि सतत वापरकर्त्याच्या टिप्पण्या देखील समाविष्ट आहेत.

शिवाय, अग्रवालने स्पष्ट केल्याप्रमाणे, कामगारांकडे “प्रायोगिक मेमरी” आहे जेणेकरून तो शेवटच्या संवादातून माहिती ठेवू शकेल. हे वापरकर्त्याच्या पसंतींबद्दल दीर्घकालीन मेमरी आणि या प्रक्रियेत नंतर लक्षात ठेवणे आवश्यक असलेल्या चर्चेची देखभाल करू शकते.

ते म्हणाले: “जागतिक संदर्भ आणि स्मार्ट मार्गदर्शन व्यतिरिक्त प्रायोगिक स्मृती ही पर्यवेक्षकाच्या एजंटचे हृदय आहे आणि ती मजबुतीकरण शिक्षणाद्वारे सुधारित आणि सुधारत आहे.”

एजंट डेव्हलपमेंट कोर्स दरम्यान पुनरावृत्ती

दारमसीने यावर जोर दिला की कृत्रिम बुद्धिमत्ता घटकांसह, जिर एका टप्प्यावर असावे. उत्पादनात पसरण्यापूर्वी, लिंक्डइन मॉडेल दुसर्‍या (क्यूपीएस) मधील क्वेरीची संख्या आणि त्या ऑपरेट करण्यासाठी आवश्यक असलेल्या ग्राफिक्स प्रोसेसिंग युनिट्सची संख्या समजून घेण्यासाठी तयार करते. हे आणि इतर घटक निश्चित करण्यासाठी, कंपनी रेड रेड टीम आणि जोखीम मूल्यांकनसह बरेच तर्क आणि मूल्यांकन करते.

ते म्हणाले: “आम्हाला ही मॉडेल्स वेगवान व्हावी अशी आमची इच्छा आहे आणि फारो एजंट त्यांचे कार्य अधिक चांगले पार पाडतील आणि ते तसे करण्यास द्रुत आहेत.”

एकदा ते प्रकाशित झाल्यानंतर, वापरकर्ता इंटरफेसच्या दृष्टीकोनातून, धर्मसीने लिंक्डइनमधील एआय एआय प्लॅटफॉर्मचे वर्णन केले “कृत्रिम बुद्धिमत्ता विकसक कनेक्ट आणि ऑपरेट करू शकणारे लेगोचे ब्लॉक्स.” अ‍ॅबस्ट्रॅक्टची रचना केली गेली आहे जेणेकरून वापरकर्ते त्यांच्या उत्पादनांवर आणि त्यांना काय तयार करू इच्छित आहेत यावर आधारित निवडू आणि निवडू शकतील.

“लिंक्डइनमधील एजंट्सच्या विकासास आम्ही कसे एकत्रित करतो हे येथे लक्ष केंद्रित करते, जेणेकरून आपण या वेगवेगळ्या गृहीतकांना वारंवार पद्धतीने तयार करू शकाल.” त्याऐवजी अभियंते प्राथमिक रेसिपी किंवा पायाभूत सुविधांऐवजी डेटा, सुधारणा, तोटा आणि बक्षीस यावर लक्ष केंद्रित करू शकतात.

डारामसी म्हणाले की लिंक्डइन विविध अल्गोरिदमसह अभियंते प्रदान करतात जे आरएलवर अवलंबून असतात, पर्यवेक्षणावर अचूक नियंत्रण, ट्रिमिंग, परिमाण आणि जीपीयूच्या सुधारणेची चिंता न करता किंवा बॉक्सच्या बाहेर वापरण्यासाठी ऊर्धपातन, जेणेकरून ते अल्गोरिदम आणि प्रशिक्षण सुरू करू शकतील.

त्यांचे मॉडेल तयार करताना, लिंक्डइन विश्वासार्हता, विश्वास, गोपनीयता, सानुकूलन आणि किंमत यासह अनेक घटकांवर लक्ष केंद्रित करते. मॉडेल्सने त्यांच्या कोर्समधून बाहेर न येता सुसंगत आउटपुट प्रदान केले पाहिजेत. वापरकर्त्यांना हे देखील जाणून घ्यायचे आहे की ते सुसंगत होण्यासाठी एजंट्सवर अवलंबून राहू शकतात; त्यांचे कार्य सुरक्षित आहे. पूर्वीच्या प्रतिक्रियांचा उपयोग सानुकूलित करण्यासाठी केला जातो; ही किंमत वाढत नाही.

“आम्हाला वापरकर्त्यास अधिक मूल्य प्रदान करायचे आहे, त्यांना अधिक चांगले पुनर्संचयित करायचे आहे आणि अशा गोष्टी करायच्या आहेत ज्यामुळे त्यांना रोजगारासारख्या आनंद मिळतो,” डर्मसे म्हणाले. “भरती लोकांना योग्य उमेदवाराच्या स्त्रोतांवर लक्ष केंद्रित करायचे आहे, शोधात वेळ घालवत नाही.”