वेल्स फार्गोमधील कृत्रिम बुद्धिमत्ता सहाय्यकाने 245 दशलक्ष प्रतिक्रिया ओलांडल्या आहेत – मानवी वितरण ऑपरेशन्स नाहीत आणि कोणताही संवेदनशील डेटा उघडकीस आला नाही

वेल्स फार्गो शांतपणे आहे कृत्रिम बुद्धिमत्तेची मोठ्या प्रमाणात आणि तयार -उत्पादन प्रणाली तयार करण्यासाठी बहुतेक संस्था अजूनही काय स्वप्न पाहतात. एकट्या 2024 मध्ये, बँकेचे सहाय्यक, वर्गो यांनी 245.4 दशलक्ष उपचार केले परस्परसंवाद – त्यांच्या मूळ अपेक्षांपेक्षा दुप्पट – आणि ग्राहकांचा संवेदनशील ग्राहक डेटा उघड केल्याशिवाय हे केले.

फ्रोजो ग्राहकांना व्हॉईस किंवा टेक्स्टद्वारे दररोज बँकिंग गरजा प्राप्त करण्यास, पावत्या देय देय, पैसे हस्तांतरित करणे, उपचारांचा तपशील प्रदान करणे आणि खाते क्रियाकलापांबद्दलच्या प्रश्नांची उत्तरे यासारख्या विनंत्यांचा व्यवहार करण्यास मदत करते. प्रति सत्र सरासरी एकाधिक प्रतिक्रियांसह सहाय्यक वापरकर्त्यांसाठी एक चिकट साधन असल्याचे सिद्ध झाले आहे.

सिस्टम प्रथम गोपनीयता पाइपलाइनद्वारे कार्य करते. ग्राहक अनुप्रयोगाद्वारे संवाद साधतो, जेथे भाषण मॉडेलचा वापर मजकूरात स्थानिक पातळीवर कॉपी केला जातो. मग हा मजकूर साफ केला जातो आणि वेल्स फार्गोच्या अंतर्गत प्रणालींनी दर्शविला जातो, ज्यात वैयक्तिक ओळख माहिती (पीआयआय) शोधण्यासाठी लहान भाषा मॉडेल (एसएलएम) समाविष्ट आहे. तरच, Google च्या फ्लॅश 2.0 वर कॉल वापरकर्त्याचा आणि संबंधित घटकांचा हेतू काढण्यासाठी केला जातो. फॉर्मपर्यंत कोणताही संवेदनशील डेटा नाही.

“सिंक्रोनाइझेशन लेयर मॉडेलशी बोलते,” वेल्स व्हेंचरबिटने व्हेंचरबिटला दिलेल्या मुलाखतीत सांगितले. “आम्ही अग्रभागी आणि त्यामागील महिला उमेदवार आहोत.”

त्यांनी स्पष्ट केले की मॉडेलने केलेले एकमेव मॉडेल म्हणजे वापरकर्त्याने सबमिट केलेल्या वाक्यांशावर आधारित हेतू आणि अस्तित्व निश्चित करणे, जसे की विनंतीमध्ये बचत खात्याचा समावेश आहे हे निर्धारित करणे. “सर्व खाती आणि शोध, आमच्या शेवटी सर्वकाही,” मिहिता म्हणाली. “आमचे अनुप्रयोग प्रोग्रामिंग दर्शनी भाग … त्यापैकी कोणीही एलएलएममधून जात नाही. ते सर्व त्यांच्याशी फक्त लंबवत बसतात.”

वेल्स फार्गो अंतर्गत आकडेवारी नाट्यमय उतार दर्शविते: 2023 मधील 21.3 दशलक्ष परस्परसंवादापासून 2024 मध्ये 245 दशलक्षाहून अधिक पर्यंत, प्रक्षेपणानंतर 336 दशलक्षाहून अधिक संचयी प्रतिक्रिया आहेत. सप्टेंबर 2023 च्या सुरूवातीपासूनच 80 % पेक्षा जास्त वापराचे प्रतिनिधित्व केल्यामुळे स्पॅनिश दत्तक देखील वाढले आहे.

हे आर्किटेक्चर व्यापक सामरिक शिफ्ट प्रतिबिंबित करते. मिहाता म्हणाले की बँकेचा दृष्टीकोन “कॉम्प्लेक्स सिस्टम” च्या बांधकामावर आधारित आहे, कारण कार्याच्या आधारे वापरल्या जाणार्‍या फॉर्मचे थर निश्चित केले जातात. मिथुन फ्लॅश २.० पॉवर्स फार्गो, परंतु लामा सारख्या छोट्या मॉडेल्सचा वापर अंतर्गत ठिकाणी केला जातो आणि ओपनई मॉडेल आवश्यकतेनुसार वापरले जाऊ शकतात.

ते म्हणाले, “आम्ही पॉली-मॉडेल आणि पॉली-क्लाउड आहोत,” असे नमूद केले की, आज बँकेने Google क्लाऊडवर जोरदार झुकले असताना मायक्रोसॉफ्टच्या अझरनेही याचा वापर केला आहे.

मिहाता म्हणतात की आवश्यक मॉडेल आता आवश्यक आहे कारण वरच्या मॉडेल्समधील कार्यप्रदर्शन डेल्टा लहान आहे. त्यांनी जोडले की काही मॉडेल्स विशिष्ट क्षेत्रात अजूनही उत्कृष्ट आहेत – क्लॉड सॉनेट 7.7 आणि ओपनईचे ओ 3 मिनी हाय कॉसिटी, ओपनईचे ओपनचे ओ 3 सखोल संशोधन इत्यादी.

संदर्भ विंडोचा आकार त्या क्षेत्रांपैकी एक आहे ज्यामध्ये तो एक अर्थपूर्ण अध्याय पाहतो. मिहाता रॅग वर्धित पिढी (आरएजी) सारख्या कार्यांची स्पष्ट धार म्हणून जीई मुनी 2.5 प्रो 1 मीटरच्या सामर्थ्याची स्तुती करते, जिथे प्री -प्रोसेसिंगसाठी असंघटित डेटा विलंब वाढवू शकतो. तो म्हणाला, “जेमिनीने ती येते तेव्हा तिला पूर्णपणे ठार मारले.” ते म्हणाले की, बर्‍याच प्रकरणांसाठी, स्वारस्याच्या पलीकडे मॉडेल प्रकाशित करण्यापूर्वी प्री -प्रोसेसिंग डेटाचा सामान्य खर्च.

व्हर्गोच्या डिझाइनमध्ये असे दिसून येते की मोठ्या संदर्भ मॉडेल्स मानवी हस्तक्षेपाशिवाय द्रुत आणि सुसंगत ऑटोमेशन आणि मोठ्या गट-समान कसे अनुमती देऊ शकतात. प्रतिस्पर्ध्यांसह हा एक तीव्र विरोधाभास आहे. सिटीमध्ये, उदाहरणार्थ, विश्लेषण प्रमुख, प्रॉमेटी दत्त यांनी गेल्या वर्षी सांगितले की मोठ्या भाषेच्या मॉडेल्सचा धोका (एलएलएम) अजूनही खूप जास्त आहे. व्हेंचरबीटने होस्ट केलेल्या संभाषणात, तिने अशा प्रणालीचे वर्णन केले ज्यामध्ये सहाय्य एजंट ग्राहकांशी थेट बोलत नाहीत, भ्रम आणि डेटा संवेदनशीलतेबद्दलच्या चिंतेमुळे.

वेल्स फार्गोने सिंक्रोनाइझेशन डिझाइनसह या चिंता सोडवल्या. रिंगमधील एखाद्या व्यक्तीवर अवलंबून राहण्याऐवजी, एलएलएमला कोणत्याही डेटा संवेदनशील मार्गापासून दूर ठेवण्यासाठी वर्गाची हमी आणि अंतर्गत तर्कशास्त्र वापरते.

एजंट हालचाली आणि बहु -एजंट डिझाइन

वेल्स व्हर्गो देखील अधिक स्वतंत्र प्रणालींकडे वाटचाल करीत आहे. मिहाताने 15 वर्षांच्या -ओल्ड लोन दस्तऐवजाची पुन्हा माहिती देण्यासाठी नव्याने तयार झालेल्या प्रकल्पाचे वर्णन केले आहे. बँकेने इंटरएक्टिव्ह एजंट्सचे नेटवर्क वापरले, त्यातील काही लँगग्राफ सारख्या मुक्त स्त्रोत कार्य फ्रेमवर्कवर आधारित आहेत. प्रत्येक एजंटची प्रक्रियेमध्ये विशिष्ट भूमिका होती, ज्यात आर्काइव्हमधून कागदपत्रांची पुनर्प्राप्ती, त्यातील सामग्री काढणे, रेजिस्ट्री सिस्टमसह डेटा जुळविणे, त्यानंतर खाती तयार करण्यासाठी पाइपलाइन सुरू ठेवणे समाविष्ट होते – पारंपारिक मानवी विश्लेषकांची आवश्यकता असणारी सर्व कार्ये. मॅन अंतिम उत्पादनाचे पुनरावलोकन करतो, परंतु बहुतेक काम स्वतंत्रपणे चालले.

अंतर्गत वापराच्या विचारांच्या फॉर्मचेही बँकेचे मूल्यांकन करते, कारण मिहाटाने अजूनही फरक असल्याचे म्हटले आहे. जरी बहुतेक मॉडेल्स आता दैनंदिन कार्ये चांगल्या प्रकारे व्यवहार करतात, परंतु काही मॉडेल्स इतरांपेक्षा स्पष्टपणे चांगले करतात म्हणून विचार करणे ही एक धार आहे आणि ते वेगवेगळ्या प्रकारे हे करतात.

जिरे (आणि किंमत) ही एक बाब आहे

वेफायरमध्ये, सीटीओ फिओना टॅन म्हणाले की, मिथुन 2.5 प्रो यांनी विशेषत: वेगाच्या क्षेत्रात जोरदार वचन दिले. “काही प्रकरणांमध्ये, मिथुन 2.5 क्लॉड किंवा ओपनईपेक्षा वेगवान परत आली,” तिच्या टीमच्या अलीकडील अनुभवांचा उल्लेख.

टॅन म्हणाले की, जिरे कमी झाल्याने वास्तविक वेळेत ग्राहकांच्या अनुप्रयोगांचा दरवाजा उघडतो. सध्या, वेफायर एलएलएमएस अनुप्रयोगांसाठी वापरला जातो त्यापैकी बहुतेक अंतर्गत भांडवलशाही पदोन्नती आणि नियोजन-परंतु नियोजन-परंतु ते त्यांना उत्पादनाच्या तपशील पृष्ठांमधील प्रश्न आणि उत्तरे साधन यासारख्या ग्राहकांना सामोरे जाणा coften ्या उत्पादनांना वेगवान एलएलएम अनुमती देऊ शकतात.

टॅनला मिथुन कोडिंगच्या कामगिरीमध्ये सुधारणा देखील लक्षात आली. ती म्हणाली, “आता हे क्लॉड 7.7 शी तुलना आहे,” ती म्हणाली. कर्सर आणि कोड असिस्ट सारख्या उत्पादनांद्वारे कार्यसंघाने मॉडेलचे मूल्यांकन करण्यास सुरवात केली, जिथे विकसकांना निवडीमध्ये लवचिकता असते.

त्यानंतर Google ने मिथुन 2.5 प्रो ची आक्रमक किंमत जाहीर केली आहे: प्रति दशलक्ष इनपुट प्रतीकांमध्ये $ 1.24 आणि प्रति दशलक्ष निर्देशित प्रतीक $ 10. टॅन म्हणाले की, विचारांच्या कार्यांसाठी एसकेयूच्या लवचिकतेव्यतिरिक्त किंमती, जेमिनी पुढे जाण्याची एक मजबूत निवड आहे, असे टॅन म्हणाले.

Google क्लाऊडसाठी विस्तृत सिग्नल पुढील

वेल्स फार्गो आणि वेफेयर कथा Google साठी योग्य क्षणात येतात, जे या आठवड्यात लास वेगासमध्ये पुढील वार्षिक Google क्लाउड कॉन्फरन्स होस्ट करतात. ओपनई आणि मानववंशशास्त्र यांनी अलिकडच्या काही महिन्यांत कृत्रिम बुद्धिमत्तेच्या प्रवचनावर नियंत्रण ठेवले असले तरी संस्थांची तैनात केल्याने Google च्या दिशेने शांतपणे स्विंग होऊ शकते.

परिषदेत, Google ने एआय एआयसी पुढाकारांच्या लाटेवर प्रकाश टाकण्याची अपेक्षा केली आहे, ज्यात संस्थांच्या कामकाजात स्वत: ची घटक अधिक उपयुक्त बनविण्यासाठी नवीन क्षमता आणि साधनांचा समावेश आहे. गेल्या वर्षी क्लाऊड नेक्स्ट इव्हेंटमध्ये, थॉमस कुरियन कार्यकारी संचालकांसाठी वापरकर्त्यांना “विशिष्ट उद्दीष्टे साध्य करण्यासाठी” आणि “इतर एजंट्सशी संवाद साधण्यास” मदत करण्यासाठी अपेक्षित कार्यकारी अधिकारी तयार केले जातील – सिंक्रोनाइझेशन आणि स्वातंत्र्याच्या अनेक तत्त्वे उदयास आलेल्या विषयांनी मिहाताचे वर्णन केले आहे.

वेल्स फार्गोच्या मिहिताने पुष्टी केली की कृत्रिम बुद्धिमत्ता दत्तक घेण्याकरिता वास्तविक अडथळा मॉडेलची कार्यक्षमता किंवा ग्राफिक्स प्रोसेसिंग युनिटची उपलब्धता होणार नाही. “मला वाटते की हे मजबूत आहे. मला यात काही शंका नाही.” परंतु त्यांनी चेतावणी दिली की आवाज चक्र व्यावहारिक मूल्याच्या आधी असू शकते. “चमकदार गोष्टींमध्ये भाग न घेतल्याबद्दल आपण खूप विचारशील असले पाहिजे.”

त्याची सर्वात मोठी आवड? शक्ती. “निर्बंध चिप्स होणार नाहीत.” “वीज आणि वितरण असेल. ही वास्तविक अडथळा आहे.”