50 കോടി പേർക്ക് AI തിരച്ചിൽ: ജിയോസ്റ്റാർ

AI ഉപയോഗിച്ച് പരിവർത്തനത്തിന് നേതൃത്വം നൽകുന്നവരുടെ കാഴ്ചപ്പാടുകളാണ് ഞങ്ങളുടെ എക്സിക്യൂട്ടീവ് ഫങ്ഷൻ പരമ്പര അവതരിപ്പിക്കുന്നത്.

50 കോടിയിലധികം ഉപഭോക്താക്കൾ ഉപയോഗിക്കുന്ന വിനോദ, തത്സമയ കായിക പ്ലാറ്റ്‌ഫോമുകളാണ് ജിയോസ്റ്റാർ നടത്തുന്നത്. ഒരേസമയം 7.25 കോടി പേർക്ക് വരെ തത്സമയ കായിക സംപ്രേഷണം ലഭ്യമാക്കാൻ ഇവയ്ക്ക് കഴിഞ്ഞിട്ടുണ്ട്. ഇത്ര വലിയ തോതിൽ ഉപയോഗിക്കുമ്പോൾ AI വേഗമേറിയതും വിശ്വസനീയവും യഥാർഥ ഉപയോഗത്തിന് സജ്ജവുമായിരിക്കണം.

OpenAI API ഉപയോഗിച്ച്, സംഭാഷണത്തിലൂടെ വീഡിയോകളും ക്രിക്കറ്റ് കണക്കുകളും കണ്ടെത്താൻ സഹായിക്കുന്ന ഒരു സംവിധാനം ജിയോസ്റ്റാർ ജിയോഹോട്ട്സ്റ്റാറിൽ ഉൾപ്പെടുത്തി. സിനിമകൾ, പരിപാടികൾ, പഴയ മത്സരങ്ങളിലെ പ്രധാന ദൃശ്യങ്ങൾ, തത്സമയ മത്സരനിമിഷങ്ങൾ, ക്രിക്കറ്റ് കണക്കുകൾ എന്നിവ കണ്ടെത്താൻ പ്രേക്ഷകർക്ക് സ്വാഭാവികമായി സംസാരിക്കാം. ദൃശ്യങ്ങളും സംഭാഷണവും ചേർന്ന അനുഭവത്തിലൂടെയാണ് ഫലങ്ങൾ ലഭിക്കുന്നത്.

സിംഗപ്പൂരിൽ നടന്ന OpenAI എക്സിക്യൂട്ടീവ് ഉച്ചകോടിയിൽ, ആസിയാൻ മേഖലയിലെ OpenAI ഗോ-ടു-മാർക്കറ്റ് മേധാവി സിദ്ധാർഥ് ശർമ ജിയോസ്റ്റാറിന്റെ മുഖ്യ ആർക്കിടെക്റ്റ് വിജയ് ശേഷാദ്രിയുമായി സംസാരിച്ചു. ഏകദേശം എട്ടാഴ്ചയ്ക്കുള്ളിൽ 15-ലധികം ഭാഷകളിൽ ഈ അനുഭവം ഒരുക്കിയതും AI-യെ പ്രദർശനഘട്ടത്തിൽനിന്ന് യഥാർഥ ഉപയോഗത്തിലേക്ക് കൊണ്ടുവരുന്ന നേതാക്കൾക്കുള്ള പാഠങ്ങളുമായിരുന്നു ചർച്ചാവിഷയങ്ങൾ.

കഴിഞ്ഞ 25 വർഷത്തിനിടെ ഉള്ളടക്കം കണ്ടെത്തുന്ന രീതിയിൽ കാര്യമായ മാറ്റങ്ങളുണ്ടായിട്ടില്ല. ഉള്ളടക്കം ശുപാർശ ചെയ്യുന്ന സംവിധാനങ്ങളായിരുന്നു അവസാനത്തെ വലിയ മാറ്റം. പിന്നീടുണ്ടായതിൽ ഏറെയും അതേ ആശയത്തിന്റെ പരിഷ്കരിച്ച രൂപങ്ങളായിരുന്നു.

എന്നാൽ എന്ത് കാണണമെന്ന് തിരഞ്ഞെടുക്കുന്നത് തികച്ചും വ്യക്തിപരമായ കാര്യമാണ്. ഒരാൾ ഇങ്ങനെ പറഞ്ഞേക്കാം: “എനിക്ക് സങ്കടം തോന്നുന്നു. എന്നെ സന്തോഷിപ്പിക്കുന്ന എന്തെങ്കിലും കാണിച്ചുതരൂ.” ലളിതമായ ആ അഭ്യർഥനയിൽപ്പോലും ഒട്ടേറെ സൂക്ഷ്മമായ അർഥതലങ്ങളുണ്ട്. എന്തുതരം സങ്കടമാണ്. സാധാരണയായി ആ വ്യക്തിയെ സന്തോഷിപ്പിക്കുന്നത് എന്താണ്. അവർക്ക് വേണ്ടത് തമാശയാണോ, ആശ്വാസം നൽകുന്ന കാഴ്ചകളാണോ, അതോ ശ്രദ്ധ പൂർണമായി മറ്റൊന്നിലേക്ക് തിരിക്കുന്ന എന്തെങ്കിലുമാണോ.

പരമ്പരാഗത ശുപാർശാസംവിധാനത്തിന് ആ നിമിഷത്തെ മാനസികാവസ്ഥ മനസ്സിലാക്കാൻ ബുദ്ധിമുട്ടുണ്ടായേക്കാം. അത് വിശദീകരിക്കാൻ സംഭാഷണം പ്രേക്ഷകന് അവസരം നൽകുന്നു. ശബ്ദവും ദൃശ്യവും ചേർന്ന സമ്പർക്കമുഖം എന്നാണ് ഞങ്ങൾ ഇതിനെ വിളിക്കുന്നത്.

ഫെബ്രുവരിയിൽ ഒരു പ്രധാന ക്രിക്കറ്റ് ടൂർണമെന്റ് നടക്കാനിരിക്കെ, ഒക്ടോബർ, നവംബർ മാസങ്ങളിൽ ഞങ്ങൾ ഈ ആശയത്തിന് രൂപം നൽകാൻ തുടങ്ങി. ഏകദേശം രണ്ടു മാസമായിരുന്നു ഞങ്ങൾക്ക് ലഭിച്ചത്. മുന്നിലുണ്ടായിരുന്നത് തികച്ചും വ്യത്യസ്തമായ രണ്ടു പ്രേക്ഷകവിഭാഗങ്ങളും: വിനോദപരിപാടികൾ കാണുന്നവരും ക്രിക്കറ്റ് ആരാധകരും.

വിനോദപരിപാടികൾ കാണുന്ന ഒരാൾ, “വെള്ളിയാഴ്ച വൈകുന്നേരമല്ലേ—എന്നെ അതിശയിപ്പിക്കുന്ന എന്തെങ്കിലും കാണിക്കൂ” എന്നു പറഞ്ഞേക്കാം. അല്ലെങ്കിൽ പേര് അറിയാത്ത ഒരു സിനിമയെക്കുറിച്ച് വിവരിച്ചേക്കാം. കായികപ്രേക്ഷകർക്ക് കൂടുതൽ കൃത്യമായ വിവരങ്ങളായിരിക്കാം വേണ്ടത്. വിക്കറ്റുകൾ വീണത്, തുടർച്ചയായ സിക്സറുകൾ, അല്ലെങ്കിൽ ഒരു കളിക്കാരൻ നിശ്ചിത റൺസ് നേടിയ മത്സരം തുടങ്ങിയവ. ക്രിക്കറ്റ് വിദഗ്ധർക്ക് ഓരോ പന്തിനെയും കുറിച്ചുള്ള കണക്കുകൾ ആവശ്യമായേക്കാം.

ആവശ്യമുള്ളത് കണ്ടെത്തുന്നതിൽ ഇവയെല്ലാം തികച്ചും വ്യത്യസ്തമായ വെല്ലുവിളികളാണ്. വിനോദപരിപാടികൾ, കായികനിമിഷങ്ങൾ, വിശദമായ ക്രിക്കറ്റ് കണക്കുകൾ എന്നിവ പല ഭാഷകളിലായി ഒരൊറ്റ അനുഭവത്തിൽ ലഭ്യമാക്കാനാണ് വളരെ കുറഞ്ഞ സമയത്തിനുള്ളിൽ ഞങ്ങൾ പ്രവർത്തിച്ചത്.

തുടക്കത്തിൽത്തന്നെ കൃത്യത, പ്രതികരണത്തിലെ കാലതാമസം, ചെലവ് എന്നീ മൂന്നു കാര്യങ്ങൾക്കിടയിൽ സന്തുലനം കണ്ടെത്തേണ്ട പ്രശ്നമായാണ് ഞങ്ങൾ ഇതിനെ കണ്ടത്. ഓരോ സാങ്കേതിക തീരുമാനത്തിലും ഈ മൂന്നും ഒരേസമയം പരിഗണിക്കേണ്ടിവന്നു.

ശബ്ദത്തിലൂടെയുള്ള ഇടപെടൽ ഇതിന്റെ പ്രാധാന്യം വർധിപ്പിച്ചു. ഞങ്ങളുടെ ഉപയോക്താക്കളിൽ 60%-ലധികം പേരും എഴുതുന്നതിനു പകരം ശബ്ദമാണ് ഉപയോഗിക്കുന്നത്: എന്ത് കാണണമെന്നു പറയാനാണ് ആളുകൾ ഇഷ്ടപ്പെടുന്നത്. അതേസമയം, പ്രതികരണം പ്രസക്തവും വേഗമേറിയതുമായിരിക്കണം. വലിയ തോതിലുള്ള ഉപയോഗത്തിലും ചെലവ് താങ്ങാനാവണം.

രണ്ടു ഭാഗങ്ങളായാണ് ഞാൻ അതിനെ കാണുന്നത്: വിലയിരുത്തലിനുള്ള ചട്ടക്കൂടും സാധുത ഉറപ്പാക്കാനുള്ള ഒരു തലവും. യഥാർഥ ഉപയോഗത്തിലേക്ക് കടക്കുന്നതിനുമുമ്പ്, വിലയിരുത്തൽ ചട്ടക്കൂട് ആവശ്യമായ മാറ്റങ്ങളിലേക്ക് നയിക്കണം. ഉപയോഗത്തിലായിക്കഴിഞ്ഞാൽ, ഉപഭോക്താക്കളുടെ പെരുമാറ്റവും സംവിധാനത്തിലെ പിഴവുകളും തുടർച്ചയായ പ്രതികരണചക്രത്തിലൂടെ പുതിയ വിലയിരുത്തൽ സന്ദർഭങ്ങളാക്കി മാറ്റണം.

ഈ ചക്രം സ്വയം കൂടുതൽ ശക്തമാകാം. എന്നാൽ അത് ശരിയായി പ്രവർത്തിക്കുന്ന നിലയിലെത്തിക്കുക അതീവ ദുഷ്കരമാണ്.

അതത് മേഖലയിലെ വിദഗ്ധർ അനിവാര്യമാണ്. കായിക കണക്കുകളുടെ വിലയിരുത്തലിനായി, കടുത്ത ആരാധകർ എന്തൊക്കെ ചോദിച്ചേക്കാമെന്ന് അറിയാവുന്ന കായിക മാസികാ പത്രാധിപർ ഉൾപ്പെടെയുള്ളവരുമായി ഞങ്ങൾ സഹകരിച്ചു. ഒരു പ്രോംപ്റ്റ് മാത്രം വെച്ച് തുടങ്ങാനാവില്ല; മനുഷ്യരുടെ ആഴത്തിലുള്ള വൈദഗ്ധ്യം സംവിധാനത്തിന്റെ അടിത്തറയാകണം.

ഞങ്ങൾ ശരിയായി ചെയ്ത ഒരു കാര്യം സംഘത്തിന്റെ രൂപീകരണമായിരുന്നു. പരിഹരിക്കേണ്ട പ്രശ്നം വ്യക്തമായി നിർവചിച്ചുകൊണ്ട്, ഡാറ്റാ ശാസ്ത്രജ്ഞരും എൻജിനീയർമാരും അടങ്ങിയ ഒരു ചെറിയ സംഘവുമായി ഞങ്ങൾ തുടങ്ങി. ഞങ്ങളോടൊപ്പം നേരിട്ട് പ്രവർത്തിക്കാൻ നിയോഗിച്ച OpenAI എൻജിനീയർമാർ, ഏതാനും നിർണായക കാര്യങ്ങൾ കൃത്യമായി നടപ്പാക്കേണ്ടതുണ്ടെന്ന് കൂടുതൽ വ്യക്തമായി തിരിച്ചറിയാൻ സഹായിച്ചു.

ആദ്യത്തേത് പ്രവർത്തനപരിധിയായിരുന്നു. ശബ്ദത്തിലൂടെയോ എഴുത്തിലൂടെയോ ഇടപെടാവുന്ന സംവിധാനത്തിൽ ഉപയോക്താക്കൾക്ക് ഏതാണ്ട് എന്തും ചോദിക്കാം. അതിനാൽ സംവിധാനം എന്തിനൊക്കെ മറുപടി നൽകരുതെന്ന് തീരുമാനിച്ചുകൊണ്ടാണ് ഞങ്ങൾ തുടങ്ങിയത്. സുരക്ഷാനിയന്ത്രണങ്ങൾക്കായിരുന്നു ആദ്യ പരിഗണന.

വിലയിരുത്തലുകൾക്കായി ഒരു പ്രാരംഭ ഡാറ്റാസമുച്ചയത്തിൽനിന്ന് തുടങ്ങി, മോഡലുകൾ ഉപയോഗിച്ച് കൂടുതൽ വൈവിധ്യം ചേർത്ത് അത് വിപുലീകരിച്ചു. ഒരാൾ തയ്യാറാക്കുകയും മറ്റൊരാൾ പരിശോധിക്കുകയും ചെയ്യുന്ന ഒരു മാതൃകയാണ് ഞങ്ങൾ സൃഷ്ടിച്ചത്. ഒരു ചോദ്യത്തിന് എങ്ങനെ ഉത്തരം നൽകണമെന്ന് തീരുമാനിക്കാൻ ഒരു മോഡൽ സഹായിച്ചു. മറ്റൊന്ന്, അതിനെ ചോദ്യം ചെയ്യുക എന്ന ലക്ഷ്യത്തോടെ, സാധുത പരിശോധിച്ചു—വിധികർത്താവായി ഒരു LLM.

അതോടെ മറ്റൊരു ചോദ്യം ഉയർന്നു: വിധികർത്താവിനെ ആരാണ് പരിശോധിക്കുക. സാധുത പരിശോധിക്കുന്ന സംവിധാനം രൂപകൽപ്പന ചെയ്യുന്നതുതന്നെ ഒരു വിലയിരുത്തൽ പ്രശ്നമായിരുന്നു. വിലയിരുത്തൽ സന്ദർഭങ്ങൾ സൃഷ്ടിക്കുക, സംവിധാനം പുതുക്കുക തുടങ്ങിയ ജോലികൾ വേഗത്തിലാക്കാൻ Codex സംഘത്തെ സഹായിച്ചു. എന്നാൽ നിർമാണത്തിന്റെ വേഗം കൂടിയതുകൊണ്ട് വിവേചനബുദ്ധിയുടെയും സാധുതാപരിശോധനയുടെയും ആവശ്യം ഇല്ലാതായില്ല.

യഥാർഥ ഉപയോഗത്തിൽ മോഡലിന്റെ ഫലപ്രാപ്തി നിരീക്ഷിക്കാൻ നേരത്തേതന്നെ കൂടുതൽ വിഭവങ്ങൾ നീക്കിവെക്കുമായിരുന്നു.

P99 പ്രതികരണകാലം പോലുള്ള പരമ്പരാഗത അടിസ്ഥാനസൗകര്യ അളവുകോലുകൾ ഇപ്പോഴും പ്രധാനമാണ്. പക്ഷേ അവ മാത്രം പോരാ. യഥാർഥ ഉപയോഗത്തിൽ മോഡൽ എത്രത്തോളം ഫലപ്രദമാണെന്നും നിരീക്ഷിക്കണം.

ഒന്നാമതായി, സാങ്കേതികവിദ്യയുടെ സാധ്യതകളും ഒരു സ്ഥാപനത്തിനുള്ളിലെ യാഥാർഥ്യവും തമ്മിൽ വലിയ അന്തരമുണ്ട്. അത്യാധുനിക മോഡലുകളുടെ ഓരോ പ്രഖ്യാപനത്തിനും ഒപ്പം മുന്നേറാൻ നിങ്ങളുടെ കമ്പനിക്ക് കഴിഞ്ഞിട്ടില്ലെങ്കിൽ, ആ അവസ്ഥയിൽ നിങ്ങൾ മാത്രമല്ല ഉള്ളത്.

രണ്ടാമതായി, ചെയ്യുന്ന പ്രവർത്തനങ്ങളെക്കാൾ അവയുടെ ഫലങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുക. തിരക്കിട്ട പ്രവർത്തനങ്ങളെ അർഥവത്തായ പുരോഗതിയായി തെറ്റിദ്ധരിക്കാൻ എളുപ്പമാണ്. പ്രത്യേകിച്ചും, ചെലവിടുന്ന സമയവും അധ്വാനവും പോലുള്ള അളവുകോലുകൾക്ക് കമ്പനികൾ ഊന്നൽ നൽകുമ്പോൾ. ഉദാഹരണത്തിന്, സൃഷ്ടിച്ച കോഡിന്റെ വരികൾ എണ്ണിയാൽ യഥാർഥ പ്രയോജനം ഉണ്ടായോ എന്ന് അറിയാനാവില്ല.

അവസാനമായി, ആവശ്യമായ മനുഷ്യവൈദഗ്ധ്യത്തിന്റെയും സ്വതന്ത്രമായി തീരുമാനമെടുത്ത് പ്രവർത്തിക്കാനുള്ള കഴിവിന്റെയും പ്രാധാന്യം മിക്ക സ്ഥാപനങ്ങളും കുറച്ചുകാണുന്നു. ഇത് കേവലം പൊതുവായ ഒരു നൈപുണ്യവികസന പരിപാടിയായി ഒതുങ്ങരുത്. വിവേചനബുദ്ധിയോടെ ഈ ഉപകരണങ്ങൾ പ്രയോഗിക്കാൻ കഴിയുന്ന ആളുകളെയാണ് നേതാക്കൾക്ക് വേണ്ടത്. മികച്ച ഒരു എൻജിനീയർക്ക് Codex പോലൊരു ഉപകരണം നൽകിയാൽ ഫലം പലമടങ്ങാകാം. എന്നാൽ യഥാർഥ ഉപയോഗത്തിലുള്ള സംവിധാനങ്ങളുടെ സാധുത പരിശോധിക്കാനുള്ള വിവേചനബുദ്ധി ഇല്ലെങ്കിൽ അപകടസാധ്യതയും പലമടങ്ങാകും.

നിങ്ങളുടെ കൈയിലുള്ളത് ഒരു റോക്കറ്റാണ്. പ്രത്യേകിച്ച് യഥാർഥ ഉപയോഗത്തിലുള്ള സംവിധാനങ്ങളിൽ, സാധുതാപരിശോധനയും സുരക്ഷാനിയന്ത്രണങ്ങളും വേണം. നിയന്ത്രണം ശരിയായ ആളുകളെ ഏൽപ്പിക്കുകയും വേണം.