50 કરોડ લોકો માટે AIથી શોધ: જિયોસ્ટારના મુખ્ય રચનાકાર
જિયોસ્ટારના મુખ્ય તકનીકી રચનાકાર વિજય શેષાદ્રિ સાથે વાતચીત.
અમારી એક્ઝિક્યુટિવ ફંક્શન શ્રેણીમાં AI દ્વારા પરિવર્તન લાવતા આગેવાનોના દૃષ્ટિકોણ રજૂ કરવામાં આવે છે.
જિયોસ્ટાર મનોરંજન અને રમતગમતના જીવંત પ્રસારણ માટેનાં મંચો ચલાવે છે, જેનો ઉપયોગ 50 કરોડથી વધુ ગ્રાહકો કરે છે. આ મંચોએ રમતગમતનું જીવંત પ્રસારણ એકસાથે જોતા 7.25 કરોડ જેટલા દર્શકોને પણ સેવા આપી છે. આટલા મોટા પાયે AI ઝડપી, વિશ્વસનીય અને વાસ્તવિક ઉપયોગ માટે તૈયાર હોવું જરૂરી છે.
OpenAI APIનો ઉપયોગ કરીને જિયોસ્ટારે જિયોહોટસ્ટારમાં વાતચીત દ્વારા વિડિયો અને ક્રિકેટના આંકડા શોધી આપતું સહાયક બનાવ્યું. દર્શકો સ્વાભાવિક રીતે બોલીને ફિલ્મો અને કાર્યક્રમો, ભૂતકાળની યાદગાર ઝલકો, ચાલુ મેચની ક્ષણો અથવા ક્રિકેટના આંકડા શોધી શકે છે. પરિણામો તેમને દૃશ્યો અને વાતચીત દ્વારા મળે છે.
સિંગાપોરમાં OpenAIના કાર્યકારી અધિકારીઓ માટેના શિખર સંમેલનમાં, આસિયાન માટે OpenAIના ગો-ટુ-માર્કેટ વડા સિદ્ધાર્થ શર્માએ જિયોસ્ટારના મુખ્ય તકનીકી રચનાકાર વિજય શેષાદ્રિ સાથે વાત કરી. તેમણે લગભગ આઠ અઠવાડિયામાં 15થી વધુ ભાષાઓ માટે આ સુવિધા વિકસાવવા વિશે અને AIને નિદર્શનમાંથી વાસ્તવિક ઉપયોગમાં લઈ જતા આગેવાનો માટેના પાઠ વિશે ચર્ચા કરી.
છેલ્લાં 25 વર્ષમાં જોવા માટેની સામગ્રી શોધવાની રીતમાં બહુ ઓછો વિકાસ થયો છે. છેલ્લો મોટો ફેરફાર ભલામણોની સુવિધા હતી. ત્યાર પછી જે કંઈ આવ્યું તે મોટેભાગે એ જ વિચારમાં કરેલા સુધારા હતા.
પરંતુ શું જોવું એ પસંદ કરવું ખૂબ જ વ્યક્તિગત બાબત છે. કોઈ કહી શકે, “હું ઉદાસ છું. મને ખુશ કરી દે એવું કંઈક બતાવો.” આટલી સરળ વિનંતીમાં પણ ઘણી સૂક્ષ્મ બાબતો છુપાયેલી છે. કેવા પ્રકારની ઉદાસી છે? સામાન્ય રીતે એ વ્યક્તિને શાનાથી ખુશી મળે છે? તેમને હાસ્યપ્રધાન સામગ્રી જોઈએ છે, મનને શાંતિ આપે એવું કંઈક જોવું છે કે પછી ધ્યાન સાવ બીજે વાળી દે એવું કંઈક જોઈએ છે?
પરંપરાગત ભલામણ પ્રણાલીને એ ક્ષણની લાગણી સમજવામાં મુશ્કેલી પડી શકે છે. વાતચીત દ્વારા દર્શક પોતાની લાગણી સમજાવી શકે છે. અમે આને અવાજ અને દૃશ્યો આધારિત સંવાદમાધ્યમ કહીએ છીએ.
અમે ઑક્ટોબર અને નવેમ્બરમાં આ વિચાર પર કામ શરૂ કર્યું, અને ફેબ્રુઆરીમાં એક મોટી ક્રિકેટ સ્પર્ધા આવવાની હતી. અમારી પાસે આશરે બે મહિના હતા અને બે સાવ જુદા દર્શકવર્ગ હતા: મનોરંજન જોનારા અને ક્રિકેટપ્રેમીઓ.
મનોરંજન જોનાર કોઈ કહી શકે, “શુક્રવારની સાંજ છે—કંઈક અનોખું બતાવો,” અથવા ફિલ્મનું નામ ખબર ન હોય તો તેનું વર્ણન કરી શકે. રમતગમતના દર્શકોને વધુ ચોક્કસ માહિતી જોઈતી હોઈ શકે, જેમ કે વિકેટો પડવાની ઝલકો, એક પછી એક ફટકારેલી સિક્સરો અથવા કોઈ ખેલાડીએ ચોક્કસ સંખ્યામાં રન કર્યા હોય તે મેચ. ક્રિકેટના જાણકારોને દરેક બોલના આંકડા જોઈતા હોઈ શકે.
શોધને લગતા આ પડકારો એકબીજાથી ખૂબ જુદા છે. અમે ખૂબ ટૂંકા ગાળામાં મનોરંજન, રમતગમતની ક્ષણો અને ક્રિકેટના વિગતવાર આંકડા અનેક ભાષાઓમાં એક જ સુવિધા દ્વારા ઉપલબ્ધ કરાવવા પર કામ કર્યું.
શરૂઆતમાં જ અમે આ સમસ્યાને ચોકસાઈ, પ્રતિસાદનો સમય અને ખર્ચ—આ ત્રણ વચ્ચે સંતુલન સાધવાના પડકાર તરીકે જોઈ. દરેક ઇજનેરી નિર્ણયમાં આ ત્રણેયનું એકસાથે સંતુલન સાધવું જરૂરી હતું.
અવાજના ઉપયોગને કારણે આ ખાસ મહત્ત્વનું બન્યું. અમારા 60%થી વધુ વપરાશકર્તાઓ લખવાને બદલે બોલીને જણાવે છે: લોકોને શું જોવું છે તે બોલીને કહેવું વધુ ગમે છે. તેમ છતાં પ્રતિસાદ સુસંગત, ઝડપી અને મોટા પાયે પણ આર્થિક રીતે પરવડે એવો હોવો જોઈએ.
હું તેને બે ભાગમાં જોઉં છું: મૂલ્યાંકનનું માળખું અને ખરાઈ તપાસવાનું સ્તર. વાસ્તવિક ઉપયોગ પહેલાં મૂલ્યાંકનના માળખામાંથી જરૂરી ફેરફારો કરવાની દિશા મળવી જોઈએ. વાસ્તવિક ઉપયોગ દરમિયાન પ્રતિસાદની ચક્રીય પ્રક્રિયા દ્વારા ગ્રાહકોની વર્તણૂક અને નિષ્ફળતાઓ પરથી મૂલ્યાંકન માટેના નવા કિસ્સાઓ તૈયાર થવા જોઈએ.
આ ચક્ર પોતાની અસર જાતે જ વધારતું થઈ શકે છે, પરંતુ તેને યોગ્ય રીતે કાર્યરત કરવું અત્યંત મુશ્કેલ છે.
વિષયના નિષ્ણાતો અનિવાર્ય છે. રમતગમતના આંકડાનાં મૂલ્યાંકન માટે અમે રમતગમતનાં સામયિકોના સંપાદકો જેવા લોકો સાથે કામ કર્યું, જેઓ જાણતા હતા કે ઊંડો રસ ધરાવતા ચાહકો શું પૂછી શકે. તમે માત્ર પ્રોમ્પ્ટથી શરૂઆત ન કરી શકો; પ્રણાલીનો પાયો માણસોની ઊંડી વિષયનિપુણતા પર નાખવો પડે.
અમે એક બાબત ચોક્કસ સારી રીતે કરી: યોગ્ય ટીમ બનાવી. અમે સમસ્યાને સ્પષ્ટ રીતે વ્યાખ્યાયિત કરીને માહિતીવિજ્ઞાનીઓ અને ઇજનેરોની એક નાની ટીમ સાથે શરૂઆત કરી. ગ્રાહકો સાથે સીધું કામ કરવા નિયુક્ત OpenAIના ઇજનેરોએ અમારી સાથે મળીને એ થોડી બાબતોને વધુ સ્પષ્ટ રીતે ઓળખવામાં મદદ કરી, જેમાં અમે કોઈ ચૂક કરી શકીએ તેમ નહોતા.
સૌથી પહેલી બાબત હતી કાર્યક્ષેત્રની મર્યાદા. અવાજ કે લખાણ આધારિત સંવાદમાધ્યમથી વપરાશકર્તાઓ લગભગ કંઈ પણ પૂછી શકે છે, એટલે અમે પહેલાં નક્કી કર્યું કે પ્રણાલીએ શાનો જવાબ ન આપવો જોઈએ. સુરક્ષા મર્યાદાઓને પહેલી પ્રાથમિકતા આપી.
મૂલ્યાંકન માટે અમે પ્રારંભિક માહિતી-સંગ્રહથી શરૂઆત કરી અને તેમાં વધુ વૈવિધ્ય ઉમેરવા મોડલોનો ઉપયોગ કર્યો. અમે એવી પદ્ધતિ બનાવી જેને તમે હવે રચનાકાર-ચકાસણીકાર પદ્ધતિ કહી શકો: એક મોડલ પ્રશ્નનો જવાબ કેવી રીતે આપવો તે નક્કી કરવામાં મદદ કરતું, જ્યારે બીજું વિરુદ્ધ ઉદ્દેશ સાથે જવાબની ખરાઈ તપાસતું—એટલે કે LLM નિર્ણાયકની ભૂમિકામાં હતું.
તેનાથી બીજો પ્રશ્ન ઊભો થયો: નિર્ણાયકની કસોટી કોણ કરે? ખરાઈ તપાસનારની રચના કરવી એ પોતે જ મૂલ્યાંકનનો પડકાર હતો. Codexએ ટીમને મૂલ્યાંકન માટેના કિસ્સાઓ બનાવવા અને પ્રણાલીને અદ્યતન કરવા જેવાં કામ ઝડપથી કરવામાં મદદ કરી. પરંતુ ઝડપથી વિકાસ થવાથી વિવેકપૂર્વક નિર્ણય લેવાની અને ખરાઈ તપાસવાની જરૂરિયાત દૂર થઈ નહીં.
હું વાસ્તવિક ઉપયોગ દરમિયાન મોડલની અસરકારકતા પર દેખરેખ રાખવામાં વહેલું રોકાણ કરીશ.
P99 પ્રતિસાદ સમય જેવાં તકનીકી માળખાનાં પરંપરાગત માપદંડો હજુ પણ મહત્ત્વનાં છે, પરંતુ તે પૂરતાં નથી. વાસ્તવિક ઉપયોગમાં મોડલ કેટલું અસરકારક છે તેની પણ દેખરેખ રાખવી જરૂરી છે.
પહેલી વાત, ટેક્નોલોજી શું કરી શકે છે અને કોઈ ઉદ્યોગસંસ્થાની અંદરની વાસ્તવિક સ્થિતિ વચ્ચે મોટું અંતર હોય છે. જો તમારી કંપની અત્યાધુનિક મોડલની દરેક જાહેરાત સાથે તાલ મેળવી શકી નથી, તો એવું માત્ર તમારી સાથે નથી બન્યું.
બીજી વાત, પ્રવૃત્તિઓ કરતાં પરિણામો પર ધ્યાન કેન્દ્રિત રાખો. દેખીતી દોડધામને સાચી પ્રગતિ સમજી લેવી સહેલી છે, ખાસ કરીને જ્યારે કંપનીઓ કેટલો પ્રયત્ન થયો તે માપવા પર ભાર મૂકે છે. દાખલા તરીકે, કોડની કેટલી પંક્તિઓ બની તેના પરથી તમે ખરેખર ઉપયોગી મૂલ્ય સર્જ્યું કે નહીં તે જાણી શકાતું નથી.
છેલ્લે, મોટા ભાગની ઉદ્યોગસંસ્થાઓ જરૂરી માનવીય કૌશલ્ય અને સ્વતંત્ર રીતે નિર્ણય લઈને કાર્ય કરવાની ક્ષમતાને ઓછી આંકે છે. આ માત્ર સામાન્ય કૌશલ્યવિકાસનો કાર્યક્રમ ન હોઈ શકે. આગેવાનોને એવા લોકોની જરૂર છે જે આ સાધનોનો ઉપયોગ વિવેકપૂર્વક કરી શકે. કુશળ ઇજનેરને Codex જેવું સાધન આપો તો તેની અસર અનેકગણી થઈ શકે છે; પરંતુ વાસ્તવિક ઉપયોગની પ્રણાલીઓની ખરાઈ તપાસવા માટે જરૂરી વિવેક ન હોય તો જોખમ પણ અનેકગણું થાય છે.
તમારા હાથમાં રોકેટ છે. ખાસ કરીને વાસ્તવિક ઉપયોગની પ્રણાલીઓમાં ખરાઈની તપાસ અને સુરક્ષા મર્યાદાઓ જરૂરી છે, અને તેનું નિયંત્રણ યોગ્ય લોકોને સોંપવું જરૂરી છે.
