AI ကို ထုတ်လုပ်သည့်အခါတွင် သင်၏ AI မော်ဒယ်ကို လုပ်ငန်းစဉ်တစ်ခု သို့မဟုတ် လူများထံ အသုံးချပုံ၊ ဒေတာနှင့် မော်ဒယ်များကို တည်ငြိမ်အောင်ပြုလုပ်နည်း၊ ပြောင်းလဲနေသော ပတ်ဝန်းကျင်နှင့် အချိန်ကြာလာသည်နှင့်အမျှ သင့်မော်ဒယ်ကို တိကျအောင်ထိန်းသိမ်းနည်း၊ အတိုင်းအတာနှင့် ကြီးထွားပုံကဲ့သို့သော စိန်ခေါ်မှုများစွာရှိသည်။ သို့မဟုတ် သင်၏ AI မော်ဒယ်၏ စွမ်းဆောင်ရည်ကို မြှင့်တင်ပါ။
AI ကိုထည့်သွင်းခြင်း။
အယ်လဂိုရီသမ်အသစ်ဖြင့် အောင်မြင်သော machine learning Proof of Concept (PoC) ကို လုပ်ဆောင်ခြင်းသည် ၎င်းကိုထုတ်လုပ်ရန်နှင့် အမှန်တကယ်တန်ဖိုးရရှိရန် လိုအပ်သောအားထုတ်မှု၏ 10% မျှသာဖြစ်သည်။ ကျန် 90% ကို အသုံးဝင်သော ထုတ်ကုန်တစ်ခု ဖန်တီးရန် သင်လုပ်ဆောင်ရမည့် အရာများနှင့် အသုံးဝင်သော ထုတ်ကုန်တစ်ခု ဖြစ်အောင် သင်လုပ်ဆောင်ရမည့် အရာများအဖြစ် ပိုင်းခြားနိုင်ပါသည်။
အသုံးပြုနိုင်သော ထုတ်ကုန်တစ်ခုပြုလုပ်ရန်၊ သင့်အသုံးပြုသူများအတွက် ထုတ်ကုန်ရရှိနိုင်စေရန်အတွက် နည်းပညာပိုင်းဆိုင်ရာ အကောင်အထည်ဖော်မှုအပေါ် ချဲ့ကြည့်ရန် လိုအပ်ပါသည်။ ၎င်းကို အသုံးဝင်စေရန်၊ သုံးစွဲသူများအတွက် လုပ်ငန်းစဉ်တစ်ခုအဖြစ် ထုတ်ကုန်ကို ထည့်သွင်းခြင်းအား ကြည့်ရှုသင့်သည်။ ပထမဦးစွာ၊ PoC နှင့် အသုံးပြုနိုင်သော ထုတ်ကုန်ကြား အတိအကျ ကွာခြားချက်ကား အဘယ်နည်း။
ပထမဦးစွာ၊ PoC များသည် ထုတ်လုပ်မှုအတွက် ရည်ရွယ်ခြင်းမဟုတ်ပါ။ ထုတ်ကုန်များသည် အချိန်တိုင်း၊ အချိန်မရွေး၊ အပြောင်းအရွှေ့အခြေအနေများအောက်တွင် အလုပ်လုပ်ရန် လိုအပ်ပါသည်။ သင်၏ PoC ကာလအတွင်း၊ သင်ရှာဖွေနေသောဒေတာကို သင်ရှာတွေ့သည်၊ မိတ္တူတစ်ခုပြုလုပ်ကာ ၎င်းကို ရှင်းလင်းပြီး ခွဲခြမ်းစိတ်ဖြာရန် စတင်ပါ။ ထုတ်လုပ်မှုတွင်၊ သင့်ဒေတာရင်းမြစ်သည် အချိန်နှင့်တစ်ပြေးညီ၊ ဘေးကင်းလုံခြုံစွာဖြင့် ဒေတာပလပ်ဖောင်းတစ်ခုနှင့် ချိတ်ဆက်ထားရမည်ဖြစ်သည်။ ဒေတာစီးကြောင်းကို အလိုအလျောက် ခြယ်လှယ်ပြီး အခြားဒေတာရင်းမြစ်များနှင့် နှိုင်းယှဉ်/ပေါင်းစပ်ရမည်ဖြစ်သည်။
သင်၏ PoC ကာလအတွင်း၊ သင့်တွင် သင်၏အနာဂတ်အသုံးပြုသူများနှင့် စကားပြောဆိုနိုင်ပြီး ဖြေရှင်းချက်တစ်ခုကို ဒီဇိုင်းထုတ်ရန် ၎င်းတို့နှင့်အလုပ်လုပ်နိုင်ခြင်း၊ သို့မဟုတ် သင့်တွင်အသုံးပြုသူလုံးဝမရှိဘဲ နည်းပညာဆိုင်ရာဖြေရှင်းချက်တစ်ခုကို သင်ဒီဇိုင်းဆွဲနေခြင်းဖြစ်သည်။ ထုတ်ကုန်တစ်ခုအတွက်၊ သင့်တွင် အဆိုပါဖြေရှင်းချက်ကို နားလည်ရန်လိုအပ်သည့်အသုံးပြုသူများနှင့် နည်းပညာဆိုင်ရာဖြေရှင်းချက်ကို ဆက်လက်လုပ်ဆောင်ရန် တာဝန်ရှိသူများရှိသည်။ ထို့ကြောင့်၊ ထုတ်ကုန်တစ်ခုသည် ၎င်းကိုအသုံးပြုနိုင်စေရန် လေ့ကျင့်ရေး၊ FAQs နှင့်/သို့မဟုတ် ပံ့ပိုးမှုလိုင်းများ လိုအပ်ပါသည်။ ထို့အပြင်၊ သင်သည် PoC တစ်ခုရှိ သင်၏အသုံးပြုမှုကိစ္စအတွက် ဗားရှင်းအသစ်တစ်ခုကို ဖန်တီးလိုက်ရုံပင်။ ထုတ်ကုန်များသည် အပ်ဒိတ်များ လိုအပ်ပြီး သုံးစွဲသူများစွာအတွက် သင့်ထုတ်ကုန်ကို စတင်ထုတ်လုပ်သည့်အခါတွင် သင့်ကုဒ်ကို ထုတ်လုပ်ရန်အတွက် စမ်းသပ်အသုံးပြုရန်နှင့် အသုံးပြုရန် နည်းလမ်းတစ်ခု လိုအပ်ပါသည်။
"Atility တွင်၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ပရောဂျက်များအတွက် အဆောက်အဦတုံးများနှင့် နောက်ခံပလပ်ဖောင်းများကို ဖုံးအုပ်ထားသည့် ကျွန်ုပ်တို့၏ Itility Data Factory နှင့် AI Factory ကို တီထွင်ထားပါသည်။ ဆိုလိုသည်မှာ ကျွန်ုပ်တို့တွင် အသုံးဝင်သောထောင့် (သုံးစွဲသူနှင့် အသုံးပြုမှုကိစ္စအပေါ် မူတည်သည်) ကို အာရုံစိုက်နိုင်စေရန်အတွက် ကျွန်ုပ်တို့တွင် အစကတည်းက ဖုံးအုပ်ထားသော အသုံးပြုနိုင်သည့်ထောင့်ရှိသည်” ဟု ကုမ္ပဏီမှ ပြောကြားခဲ့သည်။
ပိုးမွှားရှာဖွေရေးအက်ပ် – PoC မှ အသုံးပြုနိုင်သော ထုတ်ကုန်အထိ
"ကျွန်ုပ်တို့၏ ပိုးမွှားရှာဖွေရေးအက်ပ်၏ အယူအဆအဆင့်တွင် ဖန်လုံအိမ်အသင်းဝင်များရိုက်ကူးထားသောပုံများကိုအခြေခံ၍ ဖန်လုံအိမ်အသင်းဝင်များ၏ပုံများကိုအခြေခံ၍ ကော်ထောင်ချောက်တစ်ခုပေါ်ရှိ ယင်ကောင်များကို အမျိုးအစားခွဲခြားခြင်းနှင့် ရေတွက်ခြင်းဆိုင်ရာ ကျဉ်းမြောင်းသောတာဝန်ကို လုပ်ဆောင်နိုင်သည့် မော်ဒယ်တစ်ခုပါဝင်သည်။ ဓာတ်ပုံတစ်ပုံ လွတ်သွားပါက သို့မဟုတ် တစ်ခုခု မှားသွားပါက၊ ၎င်းတို့သည် နောက်တစ်ခုသို့ ပြန်သွားကာ သို့မဟုတ် ဒက်ရှ်ဘုတ်တွင် တိုက်ရိုက်ပြင်နိုင်သည်။ ကိုယ်တိုင်စစ်ဆေးမှုအချို့ လိုအပ်နေပါသည်။
"ကျွန်ုပ်တို့၏ PoC-ကမ္ဘာသည် စက်တစ်ခုတည်း၊ သုံးစွဲသူတစ်ဦးနှင့် ဖောက်သည်တစ်ဦးတည်းအပေါ် အခြေခံ၍ ရိုးရှင်းပါသည်။ သို့သော်လည်း ၎င်းကို အသုံးဝင်သော ထုတ်ကုန်တစ်ခုဖြစ်အောင် ပြုလုပ်ရန်၊ ကျွန်ုပ်တို့သည် သုံးစွဲသူများစွာကို အတိုင်းအတာနှင့် ပံ့ပိုးပေးရန် လိုအပ်ပါသည်။ ထို့နောက် ဒေတာများကို ခွဲခြား၍ လုံခြုံအောင် မည်သို့ထိန်းသိမ်းရမည်ဟူသော မေးခွန်းပေါ်လာသည်။ ထို့အပြင်၊ ဖောက်သည်/စက်တစ်ခုစီတိုင်းသည် စနစ်ထည့်သွင်းမှုနှင့် ပုံသေဖွဲ့စည်းမှုတစ်ခု လိုအပ်သည်။ ဒါဆို ဖောက်သည်အသစ် 20 ကို ဘယ်လို configure/set up လုပ်မလဲ။ စီမံခန့်ခွဲသူ အင်တာဖေ့စ်ကို တည်ဆောက်ပြီး အလိုအလျောက် စတင်အသုံးပြုနိုင်သည့် အချိန်ကို သင်မည်ကဲ့သို့ သိနိုင်သနည်း။ ဖောက်သည် 2 ယောက်၊ 20 သို့မဟုတ် 200 မှာလား။"
ဟုတ်ပါတယ်၊ 'ယင်ကောင်ရေတွက်တာက ငါ့ဖောက်သည်ကို ဘယ်လိုကူညီပေးလဲ အစရှိတဲ့ မေးခွန်းတွေ ရှိကောင်းရှိနိုင်ပါတယ်။ ဒီအချက်အလက်ကနေ တန်ဖိုးကို ဘယ်လိုဖန်တီးမလဲ။ ဆုံးဖြတ်ချက်တွေကို ဘယ်လို အကြံပြုပြီး အရေးယူရမလဲ။ ဤ AI အပလီကေးရှင်းသည် လုပ်ငန်းလုပ်ငန်းစဉ်တွင် မည်သို့ကိုက်ညီသနည်း။' အဆင့်တစ်သည် သင်၏ ကိုးကားမှုဘောင်ကို နည်းပညာ/ဒေတာ ရှုထောင့်မှ သုံးစွဲသူ အဆုံးစွန်သော အမြင်သို့ ပြောင်းလဲရန် ဖြစ်သည်။ ဆိုလိုသည်မှာ သင့်ဖောက်သည်နှင့် စကားစမြည်ပြောဆိုခြင်းကို ဆက်လက်လုပ်ဆောင်ပြီး သက်သေပြထားသော PoC သည် နေ့စဥ်လုပ်ငန်းစဉ်များတွင် မည်ကဲ့သို့ အံဝင်ခွင်ကျဖြစ်နေသည်ကို တွေ့မြင်ရမည်ဖြစ်သည်။
"သင်သည် လုပ်ငန်းစဉ်ကို အချိန်ပိုကြာအောင် အနီးကပ် လိုက်နာရမည်ဖြစ်ပြီး၊ မည်သည့်အချက်အလက်များ၊ လုပ်ဆောင်ရန် အချိန်မည်မျှ သုံးစွဲကြောင်း၊ ကျိုးကြောင်းဆင်ခြင်မှုတို့ကို အခြေခံ၍ နေ့စဉ်လုပ်ဆောင်နေမှုများကို အမှန်တကယ်နားလည်ရန် စစ်ဆင်ရေးနှင့် နည်းဗျူဟာဆိုင်ရာ အစည်းအဝေးများ တက်ရောက်ရန် လိုအပ်ပါသည်။ အချို့သော လုပ်ဆောင်ချက်များ၏ နောက်ကွယ်တွင် သင့်မော်ဒယ်မှ အချက်အလက်များကို လုပ်ငန်းတန်ဖိုးဖန်တီးရန် မည်သို့အသုံးပြုသည်ကို နားလည်ခြင်းမရှိပါက သင်သည် အသုံးဝင်သော ထုတ်ကုန်တစ်ခုသို့ ရောက်ရှိမည်မဟုတ်ပါ။
“ကျွန်မတို့ကိစ္စမှာ၊ ဆုံးဖြတ်ချက်တွေချရာမှာ ဘယ်အချက်အလက်ကို အသုံးပြုခဲ့တာလဲဆိုတာ ကျွန်မတို့ ရှာဖွေတွေ့ရှိခဲ့ပါတယ်။ ဥပမာအားဖြင့်၊ အချို့သော ပိုးမွှားများအတွက် အပတ်စဉ် လမ်းကြောင်းအတိုင်း လိုက်ရန်က ပိုအရေးကြီးသည် (အထူးသဖြင့် တိကျမှန်ကန်မှု မလိုအပ်ပါ) အခြားပိုးမွှားများ၏ ပထမဆုံး လက္ခဏာတွင် လုပ်ဆောင်ရန် လိုအပ်သော်လည်း အခြားသူများက ပိုးမွှားများ၏ ပထမဆုံး လက္ခဏာတွင် လုပ်ဆောင်ရန် လိုအပ်သည် (ဆိုလိုသည်မှာ လင်မယားနှစ်ယောက်ရှိလျှင် ပိုကောင်းသည်ဟု ဆိုလိုသည်။ အတုအယောင် အပျက်တစ်ခုပင် ရှိသည်ထက် အတုအယောင်များ)။
“ထို့အပြင်၊ ကျွန်ုပ်တို့၏ဖောက်သည်သည် လက်တွေ့တွင် တိကျမှုမရှိဟုဆိုကာ အလားတူကိရိယာတစ်ခုဖြင့် 'ဆိုးရွားသော' အတွေ့အကြုံရှိခဲ့ဖူးကြောင်း ကျွန်ုပ်တို့တွေ့ရှိခဲ့သည်။ ငါတို့ကို ဘာလို့ယုံကြတာလဲ။ ကျွန်ုပ်တို့သည် ဤယုံကြည်မှုပြဿနာကို ဦးထိပ်ထားပြီး တိကျမှုနှင့် ပွင့်လင်းမြင်သာမှုကို ထုတ်ကုန်၏ အဓိကအင်္ဂါရပ်တစ်ခုအဖြစ် ပြုလုပ်ထားသည်။ အပလီကေးရှင်းကို အသုံးပြုသူ၏လုပ်ငန်းခွင်နည်းလမ်းများနှင့်အညီ လိုက်လျောညီထွေဖြစ်အောင်၊ အသုံးပြုသူအား အပလီကေးရှင်းအပေါ် ပိုမိုထိန်းချုပ်နိုင်စေခြင်းဖြင့် အပြန်အလှန်ဆက်သွယ်မှုတွင် ပွင့်လင်းမြင်သာမှုတိုးလာခြင်းဖြင့် ကျွန်ုပ်တို့၏ထုတ်ကုန်ကို အသုံးဝင်စေရန် ဤအချက်အလက်ကို အသုံးပြုခဲ့သည်” ဟု ကုမ္ပဏီမှ ဆက်လက်ပြောကြားခဲ့သည်။
အကြီးမားဆုံးစိန်ခေါ်မှုကဘာလဲ။
“ကျွန်ုပ်တို့၏ ပျံသန်းရေတွက်မှု အခြေအနေတွင်၊ ကျွန်ုပ်တို့ အလိုရှိသမျှ တိကျသော ရမှတ်များအကြောင်း ဆွေးနွေးနိုင်ပါသည်။ သို့သော် အသုံးဝင်စေရန်၊ အသုံးပြုသူ (ဖန်လုံအိမ် အထူးကု) သည် ရာခိုင်နှုန်းများထက် ပိုမိုလိုအပ်ပါသည်။ လိုအပ်တာက အဲဒါကို တွေ့ကြုံခံစားဖို့၊ ယုံကြည်ဖို့ သင်ယူဖို့ပါပဲ။ အဆိုးဆုံးမှာ သင့်အသုံးပြုသူများသည် သင့်ရလဒ်များကို ၎င်းတို့၏ကိုယ်ပိုင်ရလဒ်များနှင့် နှိုင်းယှဉ်ကာ (ကြီးမားသော) ကွာဟချက်ရှိသောအခါတွင် ဖြစ်ပွားနိုင်သည့် အဆိုးဆုံးအချက်ဖြစ်သည်။ မင်းရဲ့ နာမည်ပျက်သွားပြီး ယုံကြည်မှုပြန်ရဖို့ နေရာမရှိဘူး။ သုံးစွဲသူအား ထိုကွဲလွဲမှုများကို ရှာဖွေရန်နှင့် ၎င်းတို့ကို ပြုပြင်ရန် တွန်းအားပေးသည့် ထုတ်ကုန်တွင် ဆော့ဖ်ဝဲကို ထည့်သွင်းခြင်းဖြင့် ၎င်းကို တန်ပြန်တုံ့ပြန်ခဲ့သည်။
"ကျွန်ုပ်တို့၏ချဉ်းကပ်မှုသည် ကျွမ်းကျင်သူကို အစားထိုးမည့်စနစ်အဖြစ် တင်ပြမည့်အစား သုံးစွဲသူအား AI ဖြေရှင်းချက်၏ တစ်စိတ်တစ်ပိုင်းဖြစ်စေရန်ဖြစ်သည်။ ကျွန်ုပ်တို့သည် အထူးကျွမ်းကျင်သူအား အော်ပရေတာအဖြစ် ပြောင်းလဲပါသည်။ AI သည် ၎င်းတို့၏စွမ်းရည်များကို မြှင့်တင်နေပြီး ကျွမ်းကျင်ပညာရှင်များသည် AI ကို ပိုမိုလေ့လာရန်နှင့် ပတ်ဝန်းကျင် သို့မဟုတ် အခြားပြောင်းလဲမှုများ လွင့်ပါးလာသည့်အခါ ပြုပြင်မှုများပြုလုပ်ရန် AI ကို စဉ်ဆက်မပြတ် သင်ကြားပေးကာ လမ်းညွှန်ပေးခြင်းဖြင့် ထိန်းချုပ်ထားသည်။ အော်ပရေတာတစ်ဦးအနေဖြင့်၊ ကျွမ်းကျင်သူသည် ဖြေရှင်းချက်၏ အဓိကကျသော အစိတ်အပိုင်းတစ်ခုဖြစ်သည် - AI ကို တိကျသောလုပ်ဆောင်ချက်များဖြင့် သင်ကြားပေးခြင်း။"
ကလစ်နှိပ်ပါ ဒီမှာ အော်ပရေတာဗဟိုပြုချဉ်းကပ်မှုဆိုင်ရာ နောက်ထပ်အသေးစိတ်အချက်အလက်များပါရှိသော ဗီဒီယိုကို ကြည့်ရှုရန်။