OpenAI

በOpenAI ፎርዋርድ ዴፕሎይድ ኢንጅነር መሆን ምን ማለት ነው?

ምን እንደምንሠራ፣ እንዴት እንደምንሠራ እና የድርጅቶችን አስቸጋሪ ችግሮች ፈትተን ተጨባጭ ለውጥ እንዴት እንደምናመጣ።

በ፦ ኮሊን ጃርቪስ፣ በOpenAI የፎርዋርድ ዴፕሎይድ ኢንጂነሪንግ ኃላፊ

በመጫን ላይ…

Codex ሲወጣ፣ ከቡድኑ አንድ ሰው «ባለፉት ጥቂት ወራት ስንገነባቸው የቆየናቸውን የአጠቃቀም መፍትሔዎች Codex በአንድ ሙከራ ብቻ ማከናወን ሲችል እኛ ምን እናደርጋለን?» ብሎ ጠየቀኝ።

ያ ጥያቄ፣ በOpenAI ፎርዋርድ ዴፕሎይድ ኢንጅነር መሆን ምን ማለት እንደሆነ ዋናውን ነጥብ ይነካል። ከደንበኞች ጋር አብረን በመሥራት፣ እጅግ አስቸጋሪ ችግሮቻቸውን እንረዳለን፣ ሊተማመኑባቸው የሚችሉ መፍትሔዎችንም እንገነባለን። የምንማረው ነገር ምርቶቻችንን ለመቅረጽ ይረዳል፣ የምርምር ቡድኑም የሚፈታቸውን ተጨባጭ ችግሮች ይሰጠዋል።

እድገት ይህ ነው። በየሁለት ወሩ ገደማ የእኛን ቀጥተኛ እርዳታ አላስፈላጊ ማድረግ ከቻልን፣ የፎርዋርድ ዴፕሎይድ ኢንጅነር ቡድናችን ሥራውን እየተወጣ ነው።

ቡድኑን በ2025 መጀመሪያ ያቋቋምኩት «የትግበራ ክፍተት» የምንለውን ለመሙላት ነው፦ ይህም ሞዴሎች ማድረግ የሚችሉ በሚመስሉት እና ሰዎች ሥራቸውን ለመሥራት በአስተማማኝነት ሊጠቀሙበት በሚችሉት መካከል ያለው ልዩነት ነው።

የሞዴሎች ችሎታዎች፣ ጥቅም ላይ ለማዋል ከሚያስፈልጉት ሥርዓቶች እና ሂደቶች በበለጠ ፍጥነት አድገዋል። አንዳንድ ጊዜ የጎደለው ነገር ምርት ነው። አንዳንድ ጊዜ ሞዴል በመለኪያ ፈተና ጥሩ ውጤት ያሳያል፤ ነገር ግን በእውነተኛ ሁኔታዎች ውስጥ ባሉ ተለዋዋጮች እና ገደቦች ምክንያት ሥራውን መወጣት አይችልም።

ትኩረታችን በደንበኞች እጅግ አስቸጋሪ ችግሮች ላይ ነው። ሞዴሎቻችን ዛሬ ሥራውን መወጣት በሚችሉበት ጊዜ፣ መፍትሔውን ደጋግሞ መጠቀም እንዲቻል ከምርት ቡድኑ እና ከደንበኛችን ጋር እንሠራለን። አቅማቸው ሳይበቃ ሲቀር ደግሞ፣ ክፍተቱን ለመለየት እና ለማሻሻል ከደንበኞች እና ከምርምር ቡድኑ ጋር እንሠራለን። ዓላማችን እያንዳንዱ የትብብር ሥራ ለቀጣዩ ደንበኛ የተሻለ መነሻ እንዲተው ነው። መሠረታዊ አቅሙን ከፍ አድርገን፣ ደንበኞቻችን በሚቀጥለው ጊዜ እንዲህ ያለውን ችግር ለመፍታት ፎርዋርድ ዴፕሎይድ ኢንጅነሮችን እንዳይፈልጉ ካደረግን፣ ሥራችንን በሚገባ ተወጥተናል።

የ200 ዓመት ታሪክ ላለው የግብርና ኩባንያ John Deere ተግዳሮቱ፣ ለእያንዳንዱ አርሶ አደር ሁኔታ የተበጀ ምክርን በስፋት እንዴት ማቅረብ እንደሚቻል ነበር።

አንዱ ምሳሌ See & Spray የተባለው አረምን በትክክል ለይቶ የሚቆጣጠር ቴክኖሎጂው ነው። ይህ ቴክኖሎጂ ካሜራዎችን እና የማሽን ትምህርትን በመጠቀም፣ መላውን ማሳ ከመርጨት ይልቅ አረሞችን ለይቶ ይረጫል፤ በዚህም የኬሚካል አጠቃቀምን እስከ 70% ይቀንሳል።

ነገር ግን እነዚህን ጥቅሞች ማግኘት የሚቻለው፣ አርሶ አደሮች ቴክኖሎጂውን እንዴት ማዋቀር፣ የእርሻ ወቅታቸውን ማቀድ እና ሁኔታዎች ሲለወጡ አሠራራቸውን ማስተካከል እንዳለባቸው ሲያውቁ ነው።

John Deere ያንን ድጋፍ ለእያንዳንዱ አርሶ አደር ለማበጀት እና በስፋት ለማቅረብ የOpenAI APIዎችን ተጠቀመ።

AI የአርሶ አደሮችን ጥያቄዎች በተፈጥሯዊ ቋንቋ መመለስ፣ ለሁኔታቸው የተበጁ የማዋቀሪያ መመሪያዎችን እና ምክሮችን መስጠት፣ መሣሪያዎች በሙሉ አቅማቸው እየሠሩ ላይሆኑ የሚችሉበትን ጊዜ መለየት እና አርሶ አደሮች ከቴክኖሎጂው የሚያገኙትን ጥቅም እንዲረዱ ማገዝ ይችላል።

ዕድሉ ከአንድ ጊዜ ግንኙነት በላይ ይዘልቃል፦ በደንበኛው የአጠቃቀም ጉዞ በሙሉ አግባብነት ያለው መመሪያ መስጠት፣ አርሶ አደሮች መሣሪያዎቻቸውን በተሻለ ሁኔታ እንዲጠቀሙ ማገዝ እና ብቃትንና ዘላቂነትን ማሻሻል ነው።

የOpenAI ፎርዋርድ ዴፕሎይድ ኢንጅነሮች ለመፍታት የሚሠሩት እንዲህ ያለ ተግዳሮት ነው፦ ድርጅቶች ከAI ችሎታዎች ተነስተው ውስብስብ በሆኑ እውነተኛ የሥራ አካባቢዎች ተግባራዊ ጥቅም ወደሚሰጡ ሥርዓቶች እንዲሸጋገሩ ማገዝ።

ነገር ግን ብዙ ጊዜ ችግሮቹ ግልጽ ወሰን የላቸውም፣ መለኪያ የሚሆን የተረጋገጠ እውነታ ላይኖር ይችላል፣ ዝግጁ የአሠራር መመሪያም የለም። ሁሉም ከዚህ በፊት ኖሮ የማያውቅ ነገር መገንባት ይፈልጋል። ወደዚያ ለመድረስ የሚያስፈልገውን ሁሉ ማድረግ የሚፈልጉት ግን ጥቂቶች ናቸው።

«በቂ ነው» የምንልበትን የጥራት መስፈርት እያሳደግን፣ ብቃት ያላቸውን ፎርዋርድ ዴፕሎይድ ኢንጅነሮች ማግኘት የማያቋርጥ ሙከራ እና ተግባራዊ ሥራ ጠይቋል።

ከሚፈለገው ውጤት ይጀምሩ

በእያንዳንዱ የፎርዋርድ ዴፕሎይድ ኢንጅነር ቡድን ስብሰባ መጀመሪያ ላይ፣ አንድ ዋና እሴት ያለበትን ስላይድ አሳያለሁ፦ «ከሚፈለገው ውጤት ይጀምሩ፣ ለስኬት የሚያስፈልገውን ያድርጉ፣ ከዚያም በስፋት ይተግብሩት»።

ከሚፈለገው ውጤት ይጀምሩ። ለስኬት የሚያስፈልገውን ያድርጉ። ከዚያ በስፋት ይተግብሩት። Harrison H1 (1735)፦ መጀመሪያ እውን ያድርጉት፤ Harrison H4 (1759)፦ ከዚያ ያሻሽሉት።

አስደናቂ ማሳያ፣ በእውነተኛው ዓለም ይሠራ እንደሆነ ማንም ሳይጠይቅ ብዙ ድጋፍና ትኩረት ሊያገኝ ይችላል።

ሥራችን የደንበኛውን ችግር፣ በተግባራዊ አገልግሎት ውስጥ በጥራቱ ልንተማመንበት በምንችለው ደረጃ መፍታት ነው።

በ2025 አጋማሽ ላይ፣ ከአንድ ትልቅ የሴሚኮንዳክተር ደንበኛ ጋር ከ10 በላይ በሚሆኑ የአጠቃቀም ጉዳዮች ላይ የሚሠሩ 15 ያህል ፎርዋርድ ዴፕሎይድ ኢንጅነሮች ነበሩን። ዓላማው የደንበኛውን የማረጋገጥ ሂደት ከመሠረቱ AIን ያማከለ ማድረግ ሲሆን፣ የሚከተሉትን ያካትት ነበር፦

  • የተወሰኑ ሁኔታዎችን የሚፈትሹ ሙከራዎችን ማመንጨት

  • የችግሮችን ሥር መንስኤ መተንተን እና ስህተቶችን ማረም

  • የሥርዓት አወቃቀር ረዳት

በዚህ ዘርፍ ውስጥ፣ የማረጋገጥ ሥራ ለአንድ ፕሮጀክት ከሚደረገው ጥረት 70% ያህሉን ሊወስድ ይችላል። የሚገኘው ጥቅም እጅግ ትልቅ ነበር፣ ሥራውን መጀመር የሚቻልባቸውም ብዙ ቦታዎች ነበሩ።

አንዳንድ ፎርዋርድ ዴፕሎይድ ኢንጅነሮች OpenAIን የተቀላቀሉት ከጥቂት ቀናት በፊት ብቻ ሲሆን፣ በሴሚኮንዳክተር ዘርፍ ሠርተው አያውቁም ነበር። ከደንበኛው የማረጋገጥ ቡድን ጋር ተቀላቅለው ሠሩ፣ በትርፍ ጊዜያቸው የቺፕ ንድፍን አጠኑ፣ እንዲሁም AI ጠቃሚ ሙከራዎችን ማመንጨት እና የቺፕ ብልሽቶችን በትክክል መለየት ይችል እንደሆነ ለመፈተሽ ከኢንጅነሮቹ ጋር ምዘናዎችን አዘጋጁ።

ከዚያ የመማር ሂደት ጎን ለጎን፣ ለእያንዳንዱ የአጠቃቀም ጉዳይ ብጁ መደበቂያዎችን ገነባን። በመጀመሪያዎቹ 3–6 ወራት ውስጥ፣ ሁሉም ወደ ተግባራዊ አገልግሎት ገቡ፣ የመጀመሪያ ተጠቃሚዎቻቸውም መጠቀም ጀመሩ። የጥረታችን ፍሬ በውጤት መለኪያዎቹ ታየ፦

  • በAI አማካይነት የተወሰኑ ሁኔታዎችን የሚፈትሹ ሙከራዎችን በማመንጨት 48% ያህል ጊዜ ተቆጠበ።

  • ከርነሉን በማመቻቸት በአፈጻጸም ላይ የ22% መካከለኛ እሴት መሻሻል ተገኘ።

  • ሳምንታትን የሚፈጅ የስህተት ማረም ሥራ በሰዓታት ውስጥ ተጠናቀቀ

ይህን ሁሉ ስናቀርብ፣ ዋና የሃርድዌር ኃላፊው «ወደዚህ ከመምጣታችሁ በፊት የቺፕ ንድፍ አውጪዎች ሆናችሁ ትሠሩ ነበር?» ብለው ጠየቁ።

ፎርዋርድ ዴፕሎይድ ኢንጅነሮቻችን ከመጀመሪያው ቀን ዘርፉን ማወቅ አይጠበቅባቸውም፣ ነገር ግን መማር ኃላፊነታቸው ነው።

የኮድ አጻጻፍ ረዳቶች ሶፍትዌርን በፍጥነት ለመገንባት እያስቻሉ ሲሄዱ፣ የደንበኛውን ንግድ መረዳት ይበልጥ አስፈላጊ ይሆናል። ሰፊ አጠቃላይ እውቀት ያላቸውን እና በተወሰነ ዘርፍ የተካኑ ባለሙያዎችን በማቀላቀል ቡድኖችን እንመሠርታለን።

ትክክለኛ ውሳኔዎችን ለማድረግ በቂ እውቀት፣ እንዲሁም ስለ ነባሩ አሠራር ያሉ ግምቶችን ለመጠየቅ በቂ የማወቅ ጉጉት ያስፈልግዎታል።

ለምሳሌ፣ በሕይወት ሳይንስ ዘርፍ፣ የፎርዋርድ ዴፕሎይድ ኢንጅነሮቻችን ሳይንሳዊ ዕውቀትና ልምድ በቅድመ ክሊኒካዊ የመድኃኒት ግኝት ሥራዎች ላይ የሚሠሩ ተመራማሪዎችን እምነት ለማግኘት ይረዳቸዋል። እነዚህ ሥራዎች የመድኃኒት ዒላማዎችን ማረጋገጥ እና ቅድሚያ መስጠት፣ የጂን መገለጥን መተንተን እና የኬሚካል ውህደት ሂደት መንገዶችን መልሶ መገንባትን ያካትታሉ። ያ ሙያዊ እውቀት፣ እነዚያ የሥራ ሂደቶች እንዴት ሊሻሻሉ እንደሚችሉ በዕውቀት የተደገፈ አስተያየት እንዲሰጡ ያስችላቸዋል።

ስኬትን መድገም እንዲቻል ያድርጉ

እነዚህ የሥራ ሂደቶች ጥቅም እንደሚሰጡ አሳይተን ነበር፤ ሆኖም እያንዳንዳቸውን ወደ ሌላ ቡድን ለማስፋፋት አሁንም ከመጠን በላይ ብጁ የማቀናጀት ሥራ ያስፈልግ ነበር። ቀጣዩ ተግዳሮት፣ እነዚያን ውጤቶች እየጠበቅን ሶፍትዌሩን ለትግበራ እና ለጥገና ቀላል ማድረግ ነበር።

ፎርዋርድ ዴፕሎይድ ኢንጅነር አስቸጋሪና ያልተፈታ ችግርን ከመነሻው በመሥራት ወደ አዲስ መፍትሔ፣ ከዚያም ቴክኖሎጂ እየተሻሻለ ሲሄድ እንደገና ጥቅም ላይ ወደሚውል ጥቅል ይቀይረዋል።

በዚያን ጊዜ የCodex አቅም አድጎ ነበር። አንድ ፎርዋርድ ዴፕሎይድ ኢንጅነር መተግበሪያቸውን Codexን መሠረት አድርጎ እንደገና መገንባትን ሞከረ። ከዚያም የአጠቃቀም ጉዳዮቹን Codex ማዕከል ወደሆነለት የጋራ መደበቂያ ለማዛወር ከቡድኑ ጋር ሠራ።

ብጁ መተግበሪያዎች በጋራ የCodex መሠረታዊ ክፍሎች ላይ የተገነቡ ተሰኪዎች እና ክህሎቶች ሆኑ። Codex የመገናኛ ገጹም ሆነ፤ ይህም ለእያንዳንዱ የአጠቃቀም ጉዳይ የጻፍናቸውን የተለያዩ የተርሚናል ተጠቃሚ በይነገጾች እና የትዕዛዝ መስመር በይነገጾች ከአገልግሎት እንድናስወጣ አስቻለን።

ከእያንዳንዱ ፕሮጀክት 90% ያህሉን ብጁ ኮድ ማስወገድ ቻልን። ይህም እነዚህን የሥራ ሂደቶች የምንገነባበትን፣ የምንጠግንበትን እና የምናስፋፋበትን መንገድ ቀየረው፦

  • በCodex ላይ ከሚደረጉ ማዕከላዊ ማሻሻያዎች ተጠቃሚ መሆን ቻልን፤ በዚህም ለእያንዳንዱ የአጠቃቀም ጉዳይ ክፍሎችን ለማገናኘት የሚያስፈልገው ኮድ ቀነሰ

  • ዋና ዋና ተግባራት በክህሎቶች እና በተሰኪዎች ተጠቃለሉ፤ ይህም እርስ በርስ ለመጋራት እና በAI የልህቀት ማዕከል በማዕከላዊነት ለመቆጣጠር ቀላል አደረጋቸው። ይህም ከአንድ ቡድን ወደ ቀጣዩ ማስፋፋት፣ አዳዲስ ማገናኛዎችን/MCP አገልጋዮችን መተካት፣ አዳዲስ ምዘናዎችን ማዘጋጀት (ለዚህም ክህሎት ነበረን) እና ሥራ መጀመርን ያህል ቀላል ሊሆን ይችላል ማለት ነበር።

  • በኦገስት 2026 በነበረ አንድ ምሳሌ፣ የመጀመሪያው ትግበራ ሁለት ወራት ፈጀ። መፍትሔውን ወደ ሁለተኛ ቡድን ማስፋፋት አንድ ቀን ብቻ ወሰደ። እያስፋፋን ስንሄድ፣ ቀጣይ ቡድኖች በበለጠ ፍጥነት ወደ አጠቃቀም ገቡ። ይህ ቀጥሏል፤ በኦገስት 2026 በአንድ የአጠቃቀም ጉዳይ፣ የመጀመሪያው ትግበራ 2 ወራት ከፈጀ በኋላ ለሁለተኛው ቡድን 1 ቀን ብቻ ወሰደ።

በፊት፦ ልዩ ልዩ ሥራዎች ያሏቸው ወኪሎች እና ብጁ መሣሪያዎች ያሉበት ባለብዙ ወኪል አወቃቀር። በኋላ፦ Codexን፣ ክህሎቶችን፣ MCPን እና የኮድ ማከማቻውን ማዕከል ያደረገ ቀለል ያለ አወቃቀር።

ይህ፣ የእኛን ቀጥተኛ እርዳታ አላስፈላጊ ከምናደርግባቸው መንገዶች አንዱ ነው። ወደ ተግባራዊ አገልግሎት ለመድረስ የሠራነው ሥራ፣ በእርግጥ አስፈላጊ የሆነውን ለይቶ አሳየን። መሠረት የሆነው ምርት እየተሻሻለ ሲሄድ፣ ከብጁ ትግበራችን ብዙውን መተካት እና የሚሰጠውን ጥቅም ማስቀጠል ቻልን።

ቅደም ተከተሉ አስፈላጊ የሆነው ለዚህ ነው። LLMዎች በፍጥነት እንድንገነባ ያስችሉናል። ያንን ፍጥነት ተጠቅመው ጠቃሚ ነገር ለተጠቃሚዎች ያቅርቡ፣ በተግባር የሚሠራውን ይማሩ፣ ከዚያም ውጤታማ የሆነውን ያስፋፉ።

ይህ መርህ በሁሉም የትብብር ሥራዎቻችን ላይ ይሠራል።

የኢንተርፕራይዝ የድምጽ እና የውይይት ወኪሎች ምርታችን የሆነው OpenAI Presence ከእውነተኛ የደንበኛ ማሰማራት የተገኘ ነው። ስራው የተጀመረው በስዋርም⁠(በአዲስ መስኮት ውስጥ ይክፈታል) ሲሆን በእድገቱም በኩል ተሻሽሏል። ወኪሎች ኤፒአይ ፣ እና ዛሬ አንድ ደንበኛ አሁን ከግማሽ በላይ የሚሆኑትን ጥሪዎች ከAI ጋር ያስተናግዳል።

እነዚያን ማሰማራቶች ወደ ምርት ማስገባት የትኞቹ ችግሮች ብጁ መፍትሄ እንደሚያስፈልጋቸው እና ሌሎች ቡድኖች የትኞቹን የግንባታ ብሎኮች መጠቀም እንደሚችሉ አስተምሮናል። እነዚያን የግንባታ ብሎኮች ወደ ፕሪዘንስ አምጥተናል፣ ይህም ገንቢዎች መሰረታዊውን መሠረተ ልማት እንደገና ሳይገነቡ የተቆጣጠሩ የስራ ፍሰቶችን በራስ-ሰር እንዲሠሩ ቀላል አድርጎላቸዋል። እያንዳንዱ ማሰማራት ምርቱን ለመቅረጽ እና ለቀጣዩ ደንበኛ የተሻለ የመነሻ ነጥብ ለመስጠት ረድቷል።

ከ ጋር ትሪቭ ሆልዲንግስ ፣ OpenAI የልማት እና የልማት ድርጅቶች እና ተመራማሪዎች ለክሬት የሂሳብ አያያዝ ድርጅቶች የታክስ ኢንተለጀንስ ለመገንባት ከመሐንዲሶች እና ከሂሳብ ባለሙያዎች ጋር አብረው ሠርተዋል። በሙከራው ወቅት፣ የታክስ አይአይ 7,000 የግብር ተመላሾችን አስተካክሎ የማስተላለፊያ ዘዴውን በ50% ጨምሯል።

ከከባዱ ተግዳሮቶች አንዱ የኪራይ ንብረት ተመላሽ በራስ-ሰር ማድረግ ሲሆን ይህም 90% ትክክለኛነት እና መልሶ ጥቅም ላይ ለማዋል ስድስት ሳምንታት የምህንድስና እና የባለሙያ ግምገማ አስፈልጎታል። ስራው የታክስ ኢንተለጀንስን ወደ ሌሎች ውስብስብ የግብር መርሃ ግብሮች ለማራዘም ቀላል የሚያደርጉ እንደገና ጥቅም ላይ ሊውሉ የሚችሉ ቅጦችን ፈጥሯል።

ቡድኖቹ አሁን ለሂሳብ አያያዝ፣ ለኦዲት እና ለአይቲ ድጋፍ ተመሳሳይ አቀራረብን እየተጠቀሙ ነው - ይህም በባለሙያ ግብረመልስ እና በእውነተኛ ዓለም አጠቃቀም የሚሻሻሉ ስርዓቶችን መገንባት ነው።

በTax AI የሙከራ አገልግሎት ወቅት፣ የማስተላለፊያ ዘዴ ከመነሻ መለኪያ 100 ወደ 150 ገደማ ጨመረ፤ በተመሳሳይ አቅም 50% ያህል ከፍ አለ።

የአእምሯዊ ችሎታ ክፍተቶች ሲታዩ ይሙሉ

አንዳንድ ጊዜ የተሻለ ምርት የገነባነውን ቀለል እንድናደርግ ያስችለናል፤ ሌላ ጊዜ ግን ሞዴሉ ራሱ እስካሁን ሥራውን መወጣት አይችልም።

የዛሬ ሞዴሎች አስቀድመው ማከናወን የሚችሉትን ብቻ ከገነባን፣ የምርምር ቡድኑ ቀጥሎ መሙላት ያለበትን የአእምሯዊ ችሎታ ክፍተቶች ማግኘት አንችልም። ስለዚህ ብዙ አስፈላጊ የትብብር ሥራዎቻችን የሚጀምሩት በእነዚያ ገደቦች ላይ ነው፤ ደንበኛው፣ የፎርዋርድ ዴፕሎይድ ኢንጅነር ቡድኑ እና የምርምር ቡድኑ በጋራ ለማለፍ ቁርጠኛ ይሆናሉ።

ከአንድ ትልቅ የቴሌኮሙኒኬሽን ደንበኛ ጋር የደንበኛ አገልግሎት መድረክ አዘጋጅተን ነበር፤ ደንበኛውም መድረኩ የድምፅ አገልግሎትን እንዲያካትት ፈለገ።

ከደንበኛው የደንበኛ አገልግሎት ግንኙነቶች ውስጥ 90% ያህሉ በድምፅ የሚካሄዱ ነበሩ። እነዚህን ጉዳዮች ወደ ሰው ሳያስተላልፉ መፍታት ከጽሑፍ ውይይት የበለጠ ወጪ ነበረው። እንዲሁም የአነጋገር ዘዬዎችን፣ የድምፅ ቃናን፣ የምላሽ ጊዜን እና ትክክለኛነትን ለተግባራዊ አገልግሎት ወደሚያበቃ ደረጃ ለማድረስ ብዙ አዳዲስ ቴክኒካዊ ተግዳሮቶችን አስከተሉ። ይህን በትክክል መሥራት ለደንበኛው ንግድ ከፍተኛ ለውጥ ያመጣ ነበር።

የሥራውን ወሰን በምንወስንበት ወቅት፣ ሞዴላችን በተግባራዊ አገልግሎት ውስጥ ሥራውን መወጣት ይችል እንደሆነ ለመገምገም በተጠቀምንባቸው ዋና ዋና ምዘናዎች 60% ያህል አስመዘገበ። የአቅሙ ገደብ ላይ ደርሰን ነበር። በደንበኛ አገልግሎት ሁኔታዎች ውስጥ የተግባር ጥሪ እና መመሪያዎችን የመከተል ችሎታ መሻሻል ያስፈልጋቸው ነበር።

ይህንን ለደንበኛው አብራርተን የምርምር ቡድኑን ወደ ሥራው አስገባን። የፎርዋርድ ዴፕሎይድ ኢንጅነር ቡድኑ መድረኩን ለመገንባት እና ሞዴሉ ምን መሥራት እንዳለበት ለመወሰን ከደንበኛው ጋር ሠራ። የምርምር ቡድኑ የአቅም ክፍተቶቹን ለመሙላት ሠራ። ተከታታይ የሞዴሉ ስሪቶችም መሻሻሉን ከደንበኛው መስፈርቶች አንጻር እንድንፈትሽ አስቻሉን።

በስድስት ወራት ውስጥ፣ በዋና ዋና ምዘናዎቹ ላይ የታየው አፈጻጸም ከ60% አካባቢ ወደ 80%፣ ከዚያም ከ90% በላይ አደገ፤ በዚህም ለተግባራዊ አገልግሎት የሚያስፈልገው ደረጃ ላይ ደረሰ።

የAudio Big Bench ትክክለኛነት በአምስት የሞዴል ስሪቶች እየጨመረ፣ በዲሴምበር 2024 ከነበረው 65.6% ወደ 92.29% በሜይ 2026 ደረሰ።

በዚህ ሥራ የተገነባው የድምፅ ሞዴል አሁን የዚያን ደንበኛ አገልግሎት፣ ሌሎች ብጁ የደንበኛ አገልግሎት ሥርዓቶችን እና በPresence የሚተዳደሩ ሥርዓቶችን ይደግፋል። በአንድ ደንበኛ ንግድ ውስጥ ያጋጠመ ችግር፣ ለብዙ ሌሎች ሊጠቅሙ የሚችሉ ማሻሻያዎችን ለመለየት ረዳ።

እያንዳንዱ ክፍል አስፈላጊ ነበር። ደንበኛው ሞዴሉ እስካሁን ሊፈታው በማይችል ችግር ላይ ለመሥራት ቁርጠኛ ሆነ። የፎርዋርድ ዴፕሎይድ ኢንጅነር ቡድኑ ችግሩን በግልጽ ለመወሰን፣ መድረኩን ለመገንባት እና የትብብር ሥራውን ከመጀመሪያ እስከ መጨረሻ ለመምራት በቅርበት ተሳተፈ። የምርምር ቡድኑ የሞዴሉን መሠረታዊ ችሎታዎች አሻሻለ።

የእኛን ቀጥተኛ እርዳታ አላስፈላጊ የምናደርግበት ሌላው መንገድ ይህ ነው፦ የዛሬ ሞዴሎች ሊፈቱት የማይችሉትን ችግር፣ የወደፊት ሞዴሎች ሊያቀርቡት ወደሚችሉት ችሎታ ለመቀየር ማገዝ። የሥራችን ፋይዳ ከአንድ ደንበኛ ጋር ከምናሳልፋቸው ሰዓታት በላይ ይዘልቃል።

ከዚህ የበለጠ አስቸጋሪውን ችግር ይፈልጉ

OpenAIን የተቀላቀልኩት፣ AIን በሰዎች ዕለታዊ ሥራ ጠቃሚ ለማድረግ ለማገዝ ነው። ቡድኑን አሁንም የሚመራው ይህ ዓላማ ነው። በLLM ልማት ውስጥ በአብዛኛው የኦካም ምላጭ መርህ እንደሚሠራ ለቡድኑ ብዙ ጊዜ እነግራለሁ፤ ይህም ቀላሉ መፍትሔ ምርጡ ነው ማለት ነው። በፈር ቀዳጅ ምርምሩ በሚታወቅ ኩባንያ እና በተጋነኑ አባባሎች ስሙ በተበላሸ ዘርፍ ውስጥ፣ በተግባር የሚሠሩ ሰዎች ሊተማመኑባቸው የሚችሉ፣ በአስተማማኝነት የሚሠሩ መፍትሔዎችን መገንባት እንፈልጋለን።

ዓላማው እያንዳንዱ የትብብር ሥራ ቀጣዩን እንዲያሻሽል ነው፦ ለትግበራ የቀለለ ምርት፣ የበለጠ አስቸጋሪ ሥራን መወጣት የሚችል ሞዴል፣ ወይም ለቀጣዩ ደንበኛ ያነሰ ብጁ ሥራ።

መፍታት የሚፈልጉት አስቸጋሪ ችግር ካለ፣ ከእርስዎ ጋር በደስታ እንሠራለን። እነዚያን ችግሮች ለመፍታት ማገዝ ከፈለጉ፣ እንዲቀላቀሉን በደስታ እንጋብዝዎታለን።

ታዲያ ለመገንባት ወራት ያሳለፍንበትን ሥራ Codex ማከናወን ሲችል ምን እናደርጋለን?

ከዚህ የበለጠ አስቸጋሪውን ችግር እንፈልጋለን።

ደራሲ

Colin Jarvis