జనరేటివ్ AI చివరకు దాని తీపి ప్రదేశాన్ని కనుగొంటుందని డేటాబ్రిక్స్ చీఫ్ AI శాస్త్రవేత్త చెప్పారు

మీరు అన్ని బజ్‌వర్డ్‌లను తీసివేస్తే ఎంటర్ప్రైజ్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్, వంటివి “ఏజెంట్ AI“వాస్తవికత ఏమిటంటే, డేటా టూల్స్ జెయింట్ డేటాబ్రిక్స్ ప్రకారం, కంపెనీలు సాంకేతిక పరిజ్ఞానంతో ప్రయోగాలు చేస్తున్నప్పుడు ఆచరణలో పనిచేసే వాటిని నేర్చుకుంటున్నాయి.

అలాగే: 10 ముఖ్య కారణాలు AI రాత్రిపూట ప్రధాన స్రవంతికి వెళ్ళింది – మరియు తరువాత ఏమి జరుగుతుంది

“AI ని ఉంచడానికి సరైన ప్రదేశాలు ఎక్కడ ఉన్నాయో మేము ఇంకా నేర్చుకుంటున్నాము, ఇక్కడ మీరు సమస్యను పరిష్కరించడంలో మీకు సహాయపడటానికి AI యొక్క తీపి ప్రదేశాన్ని పొందవచ్చు” అని డేటాబ్రిక్స్ యొక్క చీఫ్ AI శాస్త్రవేత్త జోనాథన్ ఫ్రాంక్లే ఇటీవల న్యూయార్క్‌లో ఉన్న ఇంటర్వ్యూలో చెప్పారు.

కొత్త రకమైన ఎంటర్ప్రైజ్ అనలిటిక్స్

ప్రాథమిక స్థాయిలో, ఉత్పాదక ఐపెద్ద భాషా నమూనాలు వంటివి, కొత్త రకమైన ఎంటర్ప్రైజ్ అనలిటిక్స్ను సాధ్యం చేస్తున్నాయని ఫ్రాంక్లే చెప్పారు. వర్డ్ ఫైల్స్, ఇమేజెస్ లేదా వీడియోలు వంటి నిర్మాణాత్మక డేటాకు సాంప్రదాయక డేటా అనలిటిక్స్లో ఉత్పాదక AI కి ముందు చోటు లేదు, ఫ్రాంక్లే. కానీ ఇప్పుడు, ఇది గోల్డ్‌మైన్.

“టన్నులు మరియు టన్నుల నిర్మాణాత్మక పత్రాలను imagine హించుకోండి, ఇవి ప్రీ-జనరేటివ్ AI లేదా ప్రీ-ఎల్ఎమ్ ప్రపంచంలో విశ్లేషించడానికి నిజంగా గమ్మత్తైనవి, మరియు అకస్మాత్తుగా మీరు వాటి నుండి అర్ధవంతమైన లక్షణాలను తీయవచ్చు” అని అతను చెప్పాడు. “విశ్లేషణ ప్రపంచంలో పనికిరాని డేటా ఇప్పుడు ఇక్కడ చాలా విలువైనది.”

అలాగే: సింథటిక్ డేటా ఉత్పన్నమయ్యే AI యొక్క moment పందుకుంటున్నది లేదా మనకు అవసరమైన పురోగతి అవుతుందా?

వాస్తవ ప్రోగ్రామింగ్ కోడ్‌ను స్వాధీనం చేసుకునే ఉత్పాదక AI పై చాలా మంది పరిష్కరిస్తున్నప్పటికీ, కంపెనీ కంప్యూటర్ కోడ్‌ను విశ్లేషించడం చాలా సరళమైన ఉపయోగం.

“మీ కంపెనీలోని అన్ని కోడ్ కోసం అన్ని డాక్యుమెంటేషన్” “2015 లో డేటా సోర్స్‌గా నిజంగా ఉపయోగపడలేదు, కానీ, 2025 లో, చాలా విలువైనది […] డెవలపర్‌ల కోసం మీ కోడ్ గురించి ప్రశ్నలకు సమాధానం ఇవ్వడం. ”

అదేవిధంగా, “నిజమైన మానవులతో కస్టమర్ సేవా అనువర్తనం నుండి ప్రతి చాట్ లాగ్‌ను మీరు imagine హించవచ్చు, దానిపై ఉన్నత-స్థాయి విశ్లేషణలు చేయండి. సంభాషణలో సగటు పరస్పర చర్యల సంఖ్య ఎంత? సమస్యను పరిష్కరించడానికి సగటు సమయం ఎంత? పదేళ్ల క్రితం సాధ్యం కాని విషయాలు.”

ఉత్పాదక AI అనువర్తనాలను అభివృద్ధి చేయడంలో డేటా పాత్ర కేంద్రంగా ఉందని ఫ్రాంక్లే చెప్పారు. ఫ్రాంక్లే డేటాబ్రిక్స్‌కు వచ్చినప్పుడు ఇది మెషిన్ లెర్నింగ్ స్టార్టప్‌ను కొనుగోలు చేసింది అతను 2023 లో మొజాయిక్ఎమ్ఎల్ కోసం పనిచేస్తున్నాడు. మొజాయిక్ఎమ్ఎల్ AI ను నడపడానికి మౌలిక సదుపాయాలను ఆప్టిమైజ్ చేయడంపై దృష్టి పెడుతుంది, అయితే డేటా లేక్స్ మరియు టెక్నాలజీ యొక్క ప్రముఖ పర్వేయర్లలో డేటాబ్రిక్స్ ఒకటి.

అలాగే: AI ఏజెంట్లు కేవలం సహాయకులు మాత్రమే కాదు: వారు ఈ రోజు పని యొక్క భవిష్యత్తును ఎలా మారుస్తున్నారు

“సముపార్జన కోసం మొత్తం థీసిస్ ఏమిటంటే, మాకు ఒక భాగం ఉంది, డేటాబ్రిక్స్ చాలా ఇతర ముక్కలను కలిగి ఉంది, మరియు ఇది కలిసి మరింత అర్ధమైంది” అని ఫ్రాంకిల్ చెప్పారు.

“మీరు AI కస్టమర్ సర్వీస్ బోట్‌ను అమలు చేయడానికి ప్రయత్నిస్తున్నారు. ఆ కస్టమర్ సర్వీస్ బాట్ ఏ డేటాను పని చేస్తుంది?” ఫ్రాంక్లే వివరించారు. “ఇది కస్టమర్ సమాచారం నుండి పని చేస్తోంది, ఇది మీ డాక్యుమెంటేషన్ నుండి పని చేస్తుంది, ఇది మీ SQL డేటాబేస్ నుండి పని చేస్తుంది. ఇవన్నీ డేటాబ్రిక్స్‌లో ఉన్నాయి.”

డేటా నుండి నిర్మాణం వరకు

డేటాబ్రిక్స్‌లో డేటాను కలిగి ఉండటం కొత్త విశ్లేషణల యొక్క రకాలను సృష్టించే నాంది. అయితే Llms నిర్మాణాత్మక డేటా యొక్క కుప్పను ఉపయోగించుకోవచ్చు, సంస్థ యొక్క డేటాను ముందే ఒక రకమైన నిర్మాణంలోకి తీసుకురావడం బాధ కలిగించదు.

“మీరు ఆ డేటాను SQL లేదా JSON వంటి ఒక రకమైన నిర్మాణాత్మక రూపంలోకి ప్రీ-ప్రాసెస్ చేయడానికి LLM ను ఉపయోగించటానికి ముందుగానే పని చేస్తే, మీరు AI యొక్క తక్కువ పనిని అడుగుతున్నారు-మీరు ఎల్లప్పుడూ AI కి సాధ్యమైనంత సులభతరం చేయడానికి ప్రయత్నించాలి ఎందుకంటే ఈ వ్యవస్థలు ఖచ్చితంగా తప్పు కాదు.”

అలాగే: 10 మంది కళాశాల విద్యార్థులు మరియు నిర్వాహకులు AI ఏజెంట్లను స్వాగతించారు

ఒక ముఖ్యమైన సన్నాహక దశ డేటాను “ఎంబెడ్డింగ్స్” అని పిలుస్తారు.

“ఎంబెడ్డింగ్ మోడల్” అనేది AI మోడల్, ఇది అక్షరాలు, పదాలు లేదా వాక్యాలను వెక్టర్ – సంఖ్యల సమూహంగా మార్చడానికి ఉపయోగించబడుతుంది, ఇవి ఆ అక్షరాలు, పదాలు లేదా వాక్యాల యొక్క కొన్ని అర్థాలను సంగ్రహిస్తాయి.

“ఆపిల్” నుండి “పండు” లేదా “శిశువు” నుండి “మానవుడు” వంటి పదాల సాపేక్షతను సూచించే సంఖ్యా స్కోర్‌లుగా మీరు ఎంబెడ్డింగ్స్‌ను భావించవచ్చు.

సరళమైన భాషా నమూనాలు, 2018 నుండి గూగుల్ యొక్క బెర్ట్ వంటి సాపేక్షంగా చిన్నవి కూడా ఎంబెడ్డింగ్ చేయడానికి ఉపయోగించవచ్చు. “గొప్ప ఎంబెడ్డింగ్స్ పొందడానికి మీకు భారీ మోడల్స్ అవసరం లేదు” అని ఫ్రాంక్లే చెప్పారు.

మెటా ప్లాట్‌ఫారమ్‌ల లామా మోడల్‌ను చక్కటి ట్యూనింగ్ అని పిలువబడే ప్రక్రియ ద్వారా స్వీకరించడం ద్వారా ఓపెన్-సోర్స్ కమ్యూనిటీ, ఫ్రాంక్లేలో చాలా ఎంబెడ్డింగ్ మోడల్స్ అభివృద్ధి చేయబడ్డాయి.

ఏదేమైనా, “మీరు కస్టమ్ ఎంబెడ్డింగ్ మోడల్‌కు శిక్షణ ఇవ్వవలసి ఉంటుంది”, ఇప్పటికే ఉన్నవి “వెబ్ డేటాపై నిర్మించబడ్డాయి”, వాటిని చాలా సాధారణమైనవిగా చేస్తాయి.

ఆరోగ్య సంరక్షణ వంటి నిర్దిష్ట డొమైన్లలో, ఉదాహరణకు, అనుకూల ఎంబెడ్డింగ్ మోడల్ సాధారణ ఎంబెడ్డింగ్ మోడల్ కంటే పదాలు మరియు పదబంధాల మధ్య సంబంధాలను కనుగొనగలదు.

“ఎంబెడ్డింగ్ మోడళ్లను అనుకూలీకరించడం అసమానంగా మంచి తిరిగి పొందటానికి దారితీస్తుందని మేము కనుగొన్నాము” అని ఫ్రాంకిల్ చెప్పారు. “వాటిని తయారు చేయకుండా బయటపడటానికి ఇంకా చాలా రసం ఉందని మేము భావిస్తున్నాము [embedding models] డొమైన్‌కు మరింత ప్రత్యేకమైనది. ”

బాగా అభివృద్ధి చెందిన ఎంబెడ్డింగ్ మోడల్ అనూహ్యంగా ముఖ్యం ఎందుకంటే “అవి చేసిన భారీ లిఫ్టింగ్ చేస్తాయి [by the large language model] చాలా సులభం, “అతను అన్నాడు.

అలాగే: మీ వ్యాపారం AI- సిద్ధంగా ఉందా? వెనుక పడకుండా ఉండటానికి 5 మార్గాలు

బహుళ ఎంబెడ్డింగ్ మోడళ్లను కూడా కలిసి బంధించవచ్చని ఫ్రాంక్లే చెప్పారు. ఉదాహరణకు, పత్రం శోధనలో, వంద పత్రాల పెద్ద సమూహం నుండి ప్రశ్నకు సమాధానం ఇచ్చే కొద్దిమందికి ఈ మోడల్‌ను ఉపయోగించిన AI మోడల్‌ను ఇది అనుమతిస్తుంది.

ఎంబెడ్డింగ్ మోడల్‌ను ట్యూన్ చేయడంతో పాటు, ఎంబెడ్డింగ్‌లోకి డేటా ఎలా ఇవ్వబడుతుంది అనేది దాని స్వంత శ్రేష్ఠమైన ప్రాంతం. “మీరు ఈ పత్రాలను ఎంబెడ్డింగ్ మోడల్‌కు అందించినప్పుడు, మీరు సాధారణంగా మొత్తం పత్రాన్ని ఒకేసారి అందించడానికి ఇష్టపడరు” అని అతను చెప్పాడు.

“మీరు తరచూ దీన్ని ముక్కలుగా మార్చాలనుకుంటున్నారు” మరియు అలా ఉత్తమంగా ఎలా చేయాలో కూడా ప్రయోగాలు మరియు ప్రయత్నించే విధానాలు.

డేటాబ్రిక్స్ “ఈ అంశాలపై పరిశోధన చేస్తోంది, ఎందుకంటే చాలా సందర్భాల్లో, కళ యొక్క స్థితి సరిపోతుందని మేము అనుకోము” అని ఎంబెడ్డింగ్స్‌తో సహా.

డేటాబ్రిక్స్ ద్వారా చాలా “ప్లగ్ అండ్ ప్లే” కావచ్చు, ఫ్రాంక్లే ఇలా అంటాడు, “గమ్మత్తైన భాగం ఇంకా చాలా ప్రయోగాలు ఉంది. చాలా గుబ్బలు ఉన్నాయి. మీరు చక్కగా ట్యూన్ చేయాలా, లేదా మీరు చక్కగా ట్యూన్ చేయకూడదా? మీరు ఎన్ని పత్రాలను తిరిగి పొందటానికి ప్రయత్నించాలి మరియు సందర్భంలో ఉంచాలి? మీ చంక్ సైజు ఏమిటి?”

ఏమి నిర్మించాలనే ప్రశ్న

పద్ధతులకు మించి, ఏ అనువర్తనాలను నిర్మించాలో తెలుసుకోవడం అనేది ఒక ప్రయాణం మరియు ఫిషింగ్ యాత్ర.

“AI లో కష్టతరమైన భాగం ఇది పని చేస్తుందనే నమ్మకాన్ని కలిగి ఉందని నేను భావిస్తున్నాను” అని ఫ్రాంక్లే చెప్పారు. “మీరు నా దగ్గరకు వచ్చి, ‘ఇక్కడ ఆరోగ్య సంరక్షణ స్థలంలో ఒక సమస్య ఉంది, ఇక్కడ నా దగ్గర ఉన్న పత్రాలు ఉన్నాయి, AI దీన్ని చేయగలదని మీరు అనుకుంటున్నారా?’ నా సమాధానం, ‘తెలుసుకుందాం.’ ”

ఫ్రాంక్లే కస్టమర్లతో చూస్తున్న దాని నుండి, “ప్రస్తుతం ఆచరణలోకి వస్తున్న అనువర్తనాలు కొంచెం ఓపెన్-ఎండ్ ఉన్న విషయాల కోసం వెతకడానికి మొగ్గు చూపుతాయి” అని అతను చెప్పాడు-అంటే AI మోడల్ ఉత్పత్తి చేసేది మసకగా ఉంటుంది, తప్పనిసరిగా నిర్దిష్టంగా ఉండదు. “AI జవాబును ఉత్పత్తి చేయడంలో గొప్పది, ఉత్పత్తి చేయడంలో ఎల్లప్పుడూ గొప్పది కాదు ది సమాధానం, “అతను గమనించాడు.

అలాగే: 99% AI సాధనాలను మీరు ఎందుకు విస్మరించాలి – మరియు నేను ప్రతి రోజు నాలుగు ఉపయోగిస్తాను

“AI తో, మీరు మసకబారిన పనులను చేయవచ్చు, నేను పైథాన్ ప్రోగ్రామ్‌ను ఎప్పుడూ వ్రాయలేని మార్గాల్లో మీరు డాక్యుమెంట్ అవగాహన చేయవచ్చు” అని ఫ్రాంక్లే వివరించారు.

“నేను కూడా అనువర్తనాల కోసం చూస్తున్నాను, అక్కడ ఇది జవాబుకు రావడం చాలా ఖరీదైనది కాని జవాబును తనిఖీ చేయడానికి చాలా చౌకగా ఉంటుంది.” తన రోగి పరీక్షల రికార్డింగ్‌ల నుండి వైద్యుడి కోసం స్వయంచాలక తరం వచన గమనికల ఒక ఉదాహరణ. “రోగి నోట్స్ యొక్క ముసాయిదా సమితిని ఉత్పత్తి చేయవచ్చు, అవి [the doctor or doctor’s assistant] దీన్ని తనిఖీ చేయవచ్చు, కొన్ని విషయాలను సర్దుబాటు చేసి, రోజుకు పిలవవచ్చు. “ఇది టెడియంను తొలగించడానికి ఉపయోగకరమైన మార్గం అని ఆయన అన్నారు.

దీనికి విరుద్ధంగా, “మీకు సరైన సమాధానం అవసరమయ్యే అనువర్తనాలు, మరియు అవి తనిఖీ చేయడం కష్టం” ప్రస్తుతానికి తప్పించవలసిన విషయం కావచ్చు. అతను చట్టపరమైన పత్రాన్ని రూపొందించడానికి ఉదాహరణను ఇచ్చాడు. “AI ఒక విషయాన్ని కోల్పోతే, మానవుడు ఇప్పుడు వెళ్లి మొత్తం పత్రాన్ని సమీక్షించాల్సిన అవసరం ఉంది, వారు మరేదైనా కోల్పోలేదని నిర్ధారించుకోండి. కాబట్టి, AI ని ఉపయోగించడం ఏమిటి?” ఫ్రాంక్లే గమనించాడు.

మరోవైపు, న్యాయవాదులు మరియు పారాగెల్స్ కోసం గుసగుసలాడే పనిని స్వాధీనం చేసుకోవడం మరియు ఫలితంగా, ప్రజలు న్యాయవాదులకు ప్రాప్యతను విస్తృతం చేయడం వంటి పనులను AI చేయడానికి చాలా అవకాశం ఉంది.

అలాగే: AI యుగంలో గెలవాలా? మీరు దీన్ని నిర్మించవచ్చు లేదా దానితో మీ వ్యాపారాన్ని నిర్మించవచ్చు

“AI ఉన్న కొన్ని బోరింగ్ చట్టపరమైన పనులను ఆటోమేట్ చేయగలదని అనుకుందాం?” ఫ్రాంక్లేను అందించారు, దీని తల్లిదండ్రులు న్యాయవాదులు. “మీరు చట్టపరమైన పరిశోధన చేయడంలో మీకు సహాయపడటానికి AI ను కోరుకుంటే, మరియు సమస్యను ఎలా పరిష్కరించాలో లేదా సంబంధిత పదార్థాలను కనుగొనడంలో మీకు సహాయపడటానికి మీకు సహాయపడుతుంది – అసాధారణమైనది!”

“మేము ఇంకా చాలా ప్రారంభ రోజుల్లో” ఉత్పాదక AI యొక్క “,” కాబట్టి, మేము బలాల నుండి లబ్ది పొందుతున్నాము, కాని మేము ఇంకా బలహీనతలను ఎలా తగ్గించాలో నేర్చుకుంటున్నాము. ”

AI అనువర్తనాలకు మార్గం

అనిశ్చితి మధ్యలో, కస్టమర్లు అభ్యాస వక్రతను త్వరగా ఎలా ప్రయాణించారో ఫ్రాంక్లే ఆకట్టుకున్నాడు. “రెండు లేదా మూడు సంవత్సరాల క్రితం, ఉత్పాదక AI అంటే ఏమిటో వినియోగదారులకు వివరించడం చాలా ఉంది” అని ఆయన పేర్కొన్నారు. “ఇప్పుడు, నేను కస్టమర్లతో మాట్లాడేటప్పుడు, వారు వెక్టర్ డేటాబేస్లను ఉపయోగిస్తున్నారు.”

“ఈ వ్యక్తులు ఈ విషయాలు ఎక్కడ విజయవంతమవుతున్నాయో మరియు అవి ఎక్కడ లేవు అనేదానికి గొప్ప అంతర్ దృష్టిని కలిగి ఉన్నారు” అని అతను డేటాబ్రిక్స్ కస్టమర్ల గురించి చెప్పాడు.

ఏ కంపెనీకి అపరిమిత బడ్జెట్ లేనందున, ఫ్రాంక్లే ప్రారంభ ప్రోటోటైప్‌తో ప్రారంభించమని సలహా ఇచ్చాడు, తద్వారా పెట్టుబడి AI అనువర్తనం విలువను అందిస్తుందని స్పష్టంగా తెలుస్తుంది.

అలాగే: ప్రీమియం AI సాధనాలు కూడా వార్తలను వక్రీకరిస్తాయి మరియు లింక్‌లను రూపొందిస్తాయి – ఇవి చెత్తగా ఉన్నాయి

“ఇది మీరు ఉపయోగించి ఒక రోజులో కలిసి విసిరే అవకాశం ఉంది Gpt-4మరియు మీరు ఇప్పటికే కలిగి ఉన్న కొన్ని పత్రాలు, “అతను ఇచ్చాడు. డెవలపర్” సంస్థ చుట్టూ ఉన్న ఒక జంట యాదృచ్ఛిక వ్యక్తులను మీరు ఇక్కడ సరైన మార్గంలో ఉన్నారో లేదో మీకు చెప్పగలరు. ”

నిర్వాహకుల కోసం, ఫ్రాంక్లే రోజూ ఉత్పాదక AI యొక్క అన్వేషణను ఉద్యోగంలో కొంత భాగం చేయమని సలహా ఇస్తాడు.

డేటా శాస్త్రవేత్తలు వంటి “ప్రజలు ప్రేరేపించబడ్డారు” అని ఆయన గుర్తించారు. “ఇది డబ్బు గురించి ఇంకా తక్కువ మరియు వారికి సమయం ఇవ్వడం మరియు మీ ఉద్యోగ బాధ్యతలలో భాగంగా, రెండు వారాలు పడుతుంది, రెండు రోజుల హ్యాకథాన్ చేయండి మరియు మీరు ఏమి చేయగలరో చూడండి. ఇది ప్రజలకు నిజంగా ఉత్తేజకరమైనది.”

ఎంటర్ప్రైజ్ జనరేటివ్ AI లోని నినాదం, చిన్న అకార్న్స్ నుండి శక్తివంతమైన ఓక్స్ పెరుగుతుంది.

ఫ్రాంక్లే చెప్పినట్లుగా, “ఆ GPU ను వారి నేలమాళిగలో కలిగి ఉన్న వ్యక్తి, మరియు లామాతో ఆడుతున్న వ్యక్తి వాస్తవానికి చాలా అధునాతనమైనది, మరియు రేపు ఉత్పాదక AI నిపుణుడు కావచ్చు.”