५० कोटींसाठी AI शोध: जिओस्टारचे मुख्य तंत्ररचनाकार

आमच्या कार्यकारी भूमिका या मालिकेत AI च्या माध्यमातून परिवर्तन घडवणारे नेतृत्वकर्ते आपले दृष्टिकोन मांडतात.

जिओस्टारचे मनोरंजन आणि थेट क्रीडा प्रक्षेपणाचे मंच ५० कोटींहून अधिक ग्राहक वापरतात. या मंचांवर एकाच वेळी तब्बल ७ कोटी २५ लाख प्रेक्षकांनी थेट क्रीडा प्रक्षेपण पाहिले आहे. इतक्या मोठ्या प्रमाणावर सेवा देताना AI वेगवान, विश्वासार्ह आणि प्रत्यक्ष वापरासाठी सज्ज असणे गरजेचे आहे.

OpenAI API वापरून जिओस्टारने जिओहॉटस्टारमध्ये संवादातून व्हिडिओ आणि क्रिकेटची आकडेवारी शोधून देणारा सहाय्यक तयार केला. प्रेक्षक सहज बोलून चित्रपट, कार्यक्रम, पूर्वीच्या सामन्यांतील ठळक क्षण, सुरू असलेल्या सामन्यांतील क्षण किंवा क्रिकेटची आकडेवारी शोधू शकतात. शोधाचे निष्कर्ष दृश्य स्वरूपात, संवाद साधत दाखवले जातात.

सिंगापूरमधील OpenAI च्या कार्यकारी शिखर परिषदेत, आसियान क्षेत्रासाठी OpenAI चे गो-टू-मार्केट प्रमुख सिद्धार्थ शर्मा यांनी जिओस्टारचे मुख्य तंत्ररचनाकार विजय शेषाद्री यांच्याशी संवाद साधला. सुमारे आठ आठवड्यांत १५ हून अधिक भाषांसाठी हा अनुभव कसा तयार केला आणि AI प्रात्यक्षिकातून प्रत्यक्ष वापरात आणणाऱ्या नेतृत्वकर्त्यांना त्यातून काय शिकता येईल, यावर त्यांनी चर्चा केली.

गेल्या २५ वर्षांत काय पाहायचे हे शोधण्याच्या पद्धतीत फारसा बदल झालेला नाही. शिफारसींची सुविधा हा त्यातला शेवटचा मोठा बदल होता. त्यानंतर जे काही झाले, ते बहुतांशी त्याच कल्पनेत केलेल्या सुधारणा होत्या.

पण काय पाहायचे याची निवड ही अत्यंत वैयक्तिक बाब आहे. एखादी व्यक्ती म्हणेल, “मला उदास वाटत आहे. माझे मन प्रसन्न होईल असे काहीतरी दाखवा.” इतक्या साध्या विनंतीतही अनेक बारकावे दडलेले असतात. नेमकी कसली उदासी आहे? त्या व्यक्तीचे मन सहसा कशाने प्रसन्न होते? तिला विनोदी, मनाला दिलासा देणारे, की दुःखाचा पूर्ण विसर पाडणारे काहीतरी पाहायचे आहे?

त्या क्षणी त्या व्यक्तीच्या मनात काय चालले आहे, हे पारंपरिक शिफारस प्रणालीला समजणे अवघड जाऊ शकते. संवादामुळे प्रेक्षकाला ते समजावून सांगण्याचा मार्ग मिळतो. आम्ही याला आवाज आणि दृश्य यांची सांगड घालणारा संवादपटल म्हणतो.

फेब्रुवारीत एक मोठी क्रिकेट स्पर्धा होणार होती आणि आम्ही ऑक्टोबर-नोव्हेंबरमध्ये या संकल्पनेवर काम सुरू केले. आमच्याकडे साधारण दोन महिने होते आणि प्रेक्षकांचे दोन अगदी वेगळे गट होते: मनोरंजन पाहणारे प्रेक्षक आणि क्रिकेटचे चाहते.

मनोरंजन पाहणारा प्रेक्षक कदाचित म्हणेल, “शुक्रवारची संध्याकाळ आहे—आज काहीतरी अनपेक्षित सुचवा,” किंवा चित्रपटाचे नाव माहीत नसताना त्याचे वर्णन करेल. क्रीडाप्रेमींना अधिक नेमकी माहिती हवी असेल, जसे की विकेट पडलेले क्षण, सलग मारलेले षटकार किंवा एखाद्या खेळाडूने ठरावीक धावा केलेला सामना. क्रिकेटच्या जाणकारांना प्रत्येक चेंडूची आकडेवारी हवी असू शकते.

काय शोधायचे आणि ते कसे शोधून द्यायचे, याची ही अगदी वेगवेगळी आव्हाने आहेत. मनोरंजन, खेळातील क्षण आणि क्रिकेटची तपशीलवार आकडेवारी अनेक भाषांत एकाच ठिकाणी उपलब्ध करून देण्यासाठी आम्ही अतिशय कमी वेळेत काम केले.

अगदी सुरुवातीलाच आम्ही या समस्येकडे अचूकता, प्रतिसादाला लागणारा वेळ आणि खर्च या तिन्हींमध्ये संतुलन साधण्याचे आव्हान म्हणून पाहिले. अभियांत्रिकीच्या प्रत्येक निर्णयात या तिन्हींचा एकाच वेळी समतोल राखावा लागणार होता.

आवाजाद्वारे संवाद असल्यामुळे हे विशेष महत्त्वाचे होते. आमचे ६०% हून अधिक वापरकर्ते लिहिण्याऐवजी बोलून संवाद साधतात: काय पाहायचे आहे हे बोलून सांगणे लोकांना अधिक आवडते. तरीही, प्रतिसाद सुसंगत आणि जलद असावा लागतो, तसेच इतक्या मोठ्या प्रमाणावर तो देणे आर्थिकदृष्ट्या परवडणारे असावे लागते.

मी याचा दोन भागांत विचार करतो: मूल्यमापनाची चौकट आणि पडताळणीचा स्तर. प्रत्यक्ष वापर सुरू करण्यापूर्वी मूल्यमापनाच्या चौकटीतून आवश्यक बदल सुचले पाहिजेत. प्रत्यक्ष वापरात, अभिप्रायाच्या आधारे सुधारणा करण्याची प्रक्रिया असावी. त्यातून ग्राहकांच्या वापरपद्धती आणि आढळलेल्या अपयशांचे रूपांतर मूल्यमापनाच्या नव्या चाचण्यांत झाले पाहिजे.

या चक्रातून सुधारणांना आपोआप गती मिळत जाऊ शकते, पण ते योग्य रीतीने कार्यरत करणे अत्यंत कठीण आहे.

संबंधित क्षेत्रातील तज्ज्ञ अत्यावश्यक आहेत. क्रीडा आकडेवारीच्या मूल्यमापनासाठी आम्ही क्रीडा मासिकांच्या संपादकांसारख्या जाणकारांसोबत काम केले. खेळाचे निष्ठावान चाहते काय विचारू शकतात, हे त्यांना समजत होते. केवळ प्रॉम्प्ट देऊन सुरुवात करता येत नाही; प्रणालीचा पाया घालताना माणसांच्या सखोल विषयज्ञानाचा आधार घ्यावा लागतो.

आमची एक गोष्ट नक्कीच योग्य ठरली, ती म्हणजे संघाची निवड. आम्ही समस्या स्पष्टपणे मांडून, विदा वैज्ञानिक आणि अभियंत्यांच्या छोट्या संघासह सुरुवात केली. ग्राहकांसोबत प्रत्यक्ष काम करणाऱ्या OpenAI च्या अभियंत्यांनी आमच्या सोबत काम केले. ज्या मोजक्या गोष्टी अचूक करणे अत्यावश्यक होते, त्या अधिक नेमकेपणाने ओळखायला त्यांनी मदत केली.

पहिली गोष्ट होती व्याप्ती. आवाज किंवा मजकुराद्वारे संवाद साधता येत असल्याने वापरकर्ते जवळपास काहीही विचारू शकतात. म्हणून प्रणालीने कोणत्या गोष्टींची उत्तरे देऊ नयेत, हे ठरवण्यापासून आम्ही सुरुवात केली. सर्वप्रथम सुरक्षा मर्यादा ठरवल्या.

मूल्यमापनासाठी आम्ही एका प्रारंभिक डेटासंचापासून सुरुवात केली आणि मॉडेल वापरून त्यात अधिक विविधता आणत त्याचा विस्तार केला. आम्ही अशी पद्धत तयार केली, जिला आता तुम्ही निर्माता-तपासक पद्धत म्हणू शकता: एका मॉडेलने प्रश्नाचे उत्तर कसे द्यायचे हे ठरवायला मदत केली, तर दुसऱ्याने विरुद्ध उद्दिष्ट ठेवून पडताळणी केली—म्हणजे परीक्षक म्हणून LLM ने काम केले.

त्यातून आणखी एक प्रश्न उभा राहिला: परीक्षकाची चाचणी कोण घेणार? पडताळणी करणारी यंत्रणा तयार करणे हेच मुळात मूल्यमापनाचे एक आव्हान होते. मूल्यमापनाच्या चाचण्या तयार करणे आणि प्रणाली अद्ययावत करणे यांसारखी कामे वेगाने करण्यास Codex ने संघाला मदत केली. पण निर्मितीचा वेग वाढला म्हणून विवेकबुद्धी आणि पडताळणीची गरज संपली नाही.

प्रत्यक्ष वापरात मॉडेलची परिणामकारकता तपासण्यासाठी मी आधीच गुंतवणूक केली असती.

P99 प्रतिसाद वेळेसारखी तांत्रिक पायाभूत सुविधांची पारंपरिक मोजमापे अजूनही महत्त्वाची आहेत, पण ती पुरेशी नाहीत. प्रत्यक्ष वापरात मॉडेल किती परिणामकारक ठरते आहे, यावरही लक्ष ठेवावे लागते.

पहिली गोष्ट म्हणजे तंत्रज्ञानाच्या क्षमता आणि एखाद्या संस्थेतील प्रत्यक्ष परिस्थिती यांत मोठी दरी आहे. अत्याधुनिक मॉडेलच्या प्रत्येक घोषणेच्या वेगाशी तुमच्या कंपनीला जुळवून घेता आले नसेल, तर असे होणारी तुमची कंपनी एकटीच नाही.

दुसरी गोष्ट म्हणजे केलेल्या कामांच्या संख्येपेक्षा त्यांच्या परिणामांवर लक्ष केंद्रित करत राहा. दिसणारी धावपळ म्हणजे अर्थपूर्ण प्रगती असा गैरसमज सहज होऊ शकतो, विशेषतः जेव्हा कंपन्या केलेल्या प्रयत्नांचे मोजमाप करण्यावर भर देतात. उदाहरणार्थ, किती ओळींचा संगणकीय कोड तयार झाला, यावरून प्रत्यक्षात काही मोलाचा लाभ झाला का, हे कळत नाही.

शेवटची गोष्ट म्हणजे यासाठी आवश्यक असलेले मानवी कौशल्य आणि स्वतंत्रपणे निर्णय घेऊन कृती करण्याची क्षमता, यांचे महत्त्व बहुतांश संस्था कमी लेखतात. हे केवळ सर्वसाधारण कौशल्यविकास प्रशिक्षणापुरते मर्यादित असू शकत नाही. ही साधने विवेकाने वापरू शकतील अशी माणसे नेतृत्वकर्त्यांना हवीत. कुशल अभियंत्याला Codex सारखे साधन दिले, तर त्याच्या कामाचा प्रभाव अनेक पटींनी वाढू शकतो; पण प्रत्यक्ष वापरातील प्रणालींची पडताळणी करण्यासाठी लागणारी निर्णयक्षमता नसेल, तर जोखीमही अनेक पटींनी वाढते.

तुमच्या हाती एक अग्निबाण आहे. विशेषतः प्रत्यक्ष वापरातील प्रणालींसाठी पडताळणी आणि सुरक्षा मर्यादा आवश्यक आहेत, आणि नियंत्रणाची सूत्रे योग्य माणसांच्या हाती द्यावी लागतात.