Grab သည် vision fine-tuning ဖြင့် အရှေ့တောင်အာရှအတွက် ပိုမိုထက်မြက်သော မြေပုံများကို တည်ဆောက်နေသည်

Grab⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် အရှေ့တောင်အာရှတွင် ထိပ်တန်း အစားအစာပို့ဆောင်ရေးနှင့် rideshare ကုမ္ပဏီတစ်ခုဖြစ်ပြီး နိုင်ငံ ရှစ်နိုင်ငံအနှံ့ လစဉ် အသုံးပြုသူ 42 သန်းနီးပါးကို ဝန်ဆောင်မှုပေးလျက်ရှိသည်။

platform ပေါ်တွင် driver-partner 6 သန်းကျော် မှတ်ပုံတင်ထားပြီး 2023 ခုနှစ်အတွင်း နှစ်စဉ် အရောင်းအဝယ် 3.5 ဘီလီယံ ရှိသဖြင့် Grab ၏ သက်ရောက်မှုသည် ride-hailing နှင့် food delivery ကို ကျော်လွန်သွားသည်။ Grab သည် ၎င်းတို့၏ ယာဉ်မောင်းများမှ စုဆောင်းထားသော လမ်းမမြင်ကွင်းပုံရိပ်များကို GrabMaps⁠ ကို စွမ်းအားပေးရန် အသုံးပြုသည့် မြေပုံဒေတာအဖြစ် ပြောင်းလဲပေးပြီး၊ ၎င်းသည် ၎င်းတို့၏ အရှေ့တောင်အာရှ လုပ်ငန်းဆောင်ရွက်မှုအားလုံးကို ပံ့ပိုးပေးသော မြေပုံဝန်ဆောင်မှုတစ်ခုဖြစ်သည်။ 

GPT‑4o vision fine-tuning သည် ဝန်ဆောင်မှုအနေဖြင့် ယာဉ်သွားလာရေး ဆိုင်းဘုတ်များကို မှန်ကန်စွာ တည်နေရာသတ်မှတ်နိုင်ရန်နှင့် lane divider များကို ရေတွက်နိုင်ရန် ကူညီပေးပြီး မြေပုံဒေတာကို ပိုမိုကောင်းမွန်စေသည်။ ယနေ့တွင် GrabMaps သည် Grab ၏ ဝန်ဆောင်မှုများကိုသာ ပံ့ပိုးပေးသည်မဟုတ်ဘဲ ၎င်း၏ တည်နေရာဉာဏ်ရည်စွမ်းဆောင်ရည်များဖြင့် စီးပွားရေးလုပ်ငန်းများကိုလည်း အားပေးလျက်ရှိသည်။

အရှေ့တောင်အာရှသည် မြေပုံရေးဆွဲရာတွင် အထူးစိန်ခေါ်မှုများရှိသော ပတ်ဝန်းကျင်တစ်ခုဖြစ်သည်။ ၎င်း၏ လမ်းကွန်ရက်များတွင် မော်တော်ဆိုင်ကယ်နှင့် လမ်းလျှောက်သူများအတွက် အဆင်ပြေအောင် စီမံထားသော တစ်လမ်းသွားလမ်းကျဉ်းများ၊ လျင်မြန်စွာ ပြောင်းလဲနေသော မြို့ပြပတ်ဝန်းကျင်များနှင့် ရိုးရာမြေပုံဝန်ဆောင်မှုပေးသူများထံမှ လွှမ်းခြုံမှု ကန့်သတ်ထားခြင်းတို့ ပါဝင်သည်။ 

Grab သည် ဤအတားအဆီးများကို ကျော်လွှားရန် OpenAI ၏ GPT‑4o ကို vision fine-tuning နှင့်အတူ အသုံးပြုခဲ့သည်။ 

360-degree ကင်မရာများ တပ်ဆင်ထားသော မော်တော်ဆိုင်ကယ်ယာဉ်မောင်းများနှင့် လမ်းလျှောက်မိတ်ဖက်များ၏ ကွန်ရက်ကို အသုံးပြုကာ GrabMaps သည် အသေးစိတ်မြေပုံရေးဆွဲမှုအတွက် မော်ဒယ်များကို လေ့ကျင့်ရန်နှင့် fine-tune ပြုလုပ်ရန် လမ်းမအဆင့် ပုံရိပ် သန်းပေါင်းများစွာကို စုဆောင်းခဲ့သည်။ 

GPT‑4o ၏ vision fine-tuning စွမ်းရည်များကြောင့် GrabMaps သည် အမြန်နှုန်းကန့်သတ် ဆိုင်းဘုတ်များ၊ အကွေ့ကန့်သတ်ချက်များ၊ နေရာများနှင့် လမ်းဂျီဩမေတြီများကို ပိုမိုတိကျစွာ တည်နေရာသတ်မှတ်နိုင်ခဲ့သည်။

Grab ၏ ကနဦး စမ်းသပ်မှုများသည် အမြန်နှုန်းကန့်သတ် ဆိုင်းဘုတ်များကို သက်ဆိုင်ရာလမ်းများနှင့် ကိုက်ညီအောင် ချိတ်ဆက်ခြင်းအပေါ် အာရုံစိုက်ခဲ့သည်။

အဖွဲ့သည် နမူနာအမှု 100 မျှသာ အသုံးပြု၍ GPT‑4o ကို fine-tune ပြုလုပ်ခဲ့ပြီး၊ လမ်းမမြင်ကွင်းပုံရိပ်များနှင့် မြေပုံ tile များကို ပေါင်းစပ်ကာ တိကျမှုမြှင့်တင်ရန် hyperparameter ပြင်ဆင်မှု အမျိုးမျိုးကို ထပ်ခါထပ်ခါ စမ်းသပ်ခဲ့သည်။

အခြေခံတိကျမှု 67% မှ စတင်ကာ fine-tuning နှစ်ကြိမ်ပြုလုပ်ပြီးနောက် မော်ဒယ်သည် 80% အထိ တိုးတက်လာခဲ့ပြီး—ရာခိုင်နှုန်းအမှတ် 13 ပွိုင့် တိုးတက်ခဲ့သည်။

ယခင်က လူကိုယ်တိုင် ဝင်ရောက်ဆောင်ရွက်မှုများစွာ လိုအပ်ခဲ့သော မြင့်တင်လမ်းများနှင့် ကွယ်နေမှုများကဲ့သို့ ရှုပ်ထွေးသော အခြေအနေများကို ကိုင်တွယ်ရာတွင် မော်ဒယ်သည် အထူးကောင်းမွန်ခဲ့သည်။ လမ်းမပုံရိပ်များကို မြေပုံ tile များနှင့် တိုက်ဆိုင်စစ်ဆေးခြင်းအားဖြင့် မော်ဒယ်သည် လူသား အော်ပရေတာများကဲ့သို့ အခြေအနေကို နားလည်ပြီး ဆုံးဖြတ်ချက်များ ချနိုင်ခဲ့သည်။

“ကျွန်ုပ်တို့၏ ဒေတာဖြင့် GPT‑4o ကို fine-tune ပြုလုပ်ခြင်းက ရှုပ်ထွေးသော ဂျီဩမေတြီပုံသဏ္ဍာန်များကို ထိရောက်စွာ ကိုင်တွယ်နိုင်စေပြီး၊ လူကိုယ်တိုင် ဝင်ရောက်ဆောင်ရွက်မှုများနှင့် လုပ်ငန်းလည်ပတ်မှု ကုန်ကျစရိတ်များကို လျှော့ချပေးခဲ့သည်” ဟု Grab ၏ Geo Mapping အတွက် Data Science ခေါင်းဆောင် Adrian Margin က ပြောသည်။

vision fine-tuning ကို အကောင်အထည်ဖော်ခြင်းက GrabMaps ၏ ထိရောက်မှုနှင့် တိကျမှုကို သိသိသာသာ မြှင့်တင်ပေးခဲ့သည်-

• လမ်းကြောအရေအတွက် တိကျမှု 20% တိုးလာသည်
• အမြန်နှုန်းကန့်သတ် ဆိုင်းဘုတ်တည်နေရာခွဲခြားမှု 13% ပိုမိုကောင်းမွန်လာသည်
• လူကိုယ်တိုင် မြေပုံရေးဆွဲရန် လိုအပ်ချက်များ လျော့နည်းသွားပြီး၊ လုပ်ငန်းလည်ပတ်မှု ကုန်ကျစရိတ်များကို လျှော့ချကာ ဒေတာအရည်အသွေးအပေါ် ယုံကြည်မှုကို တိုးတက်စေသည်
• မြင့်တင်ထားသော ဆိုင်းဘုတ်များနှင့် ကွယ်နေမှုများကဲ့သို့ စိန်ခေါ်မှုရှိသော အခြေအနေများကို ကိုင်တွယ်နိုင်စွမ်း မြင့်မားလာပြီး၊ ထို့ကြောင့် မြေပုံ output များတွင် အမှားနည်းလာသည်

ဤတိုးတက်မှုများကြောင့် Grab ၏ အတွင်းပိုင်း လုပ်ငန်းဆောင်ရွက်မှုများနှင့် စီးပွားရေးလုပ်ငန်းဖောက်သည်များအတွက် ပိုမိုယုံကြည်စိတ်ချရသော ပလက်ဖောင်းတစ်ခု ဖြစ်လာသည်။ ယခုအခါ အလွန်အသေးစိတ်သော မြေပုံများသည် နေ့စဉ် သုံးစွဲသူ သန်းပေါင်းများစွာနှင့် ယာဉ်မောင်းမိတ်ဖက်များ၏ လိုအပ်ချက်များကို ပိုမိုကောင်းမွန်စွာ ဖြည့်ဆည်းပေးကာ ဒေသတစ်လွှား စီးပွားရေးလှုပ်ရှားမှုကို အားပေးလျက်ရှိသည်။

“GrabMaps သည် ကျွန်ုပ်တို့အတွက် ကိရိယာတစ်ခုသာ မဟုတ်ပါ—၎င်းသည် အရှေ့တောင်အာရှအပေါ် ကျွန်ုပ်တို့၏ ကတိကဝတ်ကို ထင်ဟပ်စေသည်။ OpenAI ၏ vision fine-tuning သည် ကျွန်ုပ်တို့၏ မြေပုံရေးဆွဲမှုလုပ်ငန်းစဉ်ကို ပိုမိုမြန်ဆန်၊ ပိုမိုထက်မြက်ပြီး၊ ကုန်ကျစရိတ်ပိုမိုသက်သာစေခဲ့သည်” ဟု Margin က ထပ်ပြောသည်။

Grab သည် ၎င်း၏ platform ကို ပိုမိုလက်လှမ်းမီနိုင်ပြီး တုံ့ပြန်မှုကောင်းစေရန် AI စွမ်းဆောင်ရည်များကို ဆက်လက်တိုးချဲ့နေသည်။ အမြင်အာရုံချို့တဲ့သူများနှင့် အသက်ကြီးသူများအတွက် စကားပြောပုံစံ၊ ဘာသာစုံပံ့ပိုးမှု ပေးနိုင်သော အသံအကူကို လူတိုင်းအတွက် app ကို အသုံးပြုသွားလာရန် ပိုမိုလွယ်ကူစေရန် ဖန်တီးနေသည်။

Grab သည် ရှုပ်ထွေးသော မေးမြန်းမှုများကို ကိုင်တွယ်ရန် အဆင့်မြင့် support chatbot တစ်ခုကိုလည်း တည်ဆောက်နေသည်။ အသေးစိတ် standard operating procedures (SOPs) များကို နားလည်ကာ စာနာမှုရှိပြီး အသုံးပြုသူတစ်ဦးချင်းစီနှင့် လိုက်ဖက်သော တုံ့ပြန်မှုများ ပေးပို့ခြင်းအားဖြင့်၊ အဆိုပါ chatbot သည် ထိရောက်စွာ အရွယ်အစားချဲ့ထွင်နိုင်သလို အသုံးပြုသူအတွေ့အကြုံကိုလည်း မြှင့်တင်ရန် ရည်ရွယ်ထားသည်။

“ကျွန်ုပ်တို့သည် ဒေသတွင်း AI အသုံးချမှု၏ ရှေ့ဆောင်တစ်ဦး ဖြစ်ခဲ့ပြီး၊ AI သည် ကျွန်ုပ်တို့၏ မိတ်ဖက်များနှင့် သုံးစွဲသူများအတွက် ပြဿနာများကို ဖြေရှင်းသည့် နည်းလမ်းကို ပိုမိုပြောင်းလဲစေနိုင်မည့် အလားအလာများစွာ ရှိသည်ဟု ယုံကြည်ပါသည်” ဟု Grab ၏ Chief Product Officer ဖြစ်သူ Philipp Kandal က ပြောသည်။ “ဤနည်းပညာကို စူးစမ်းလေ့လာခြင်းနှင့် အသုံးပြုမှုကို ပိုမိုမြန်ဆန်စေရန် ကူညီပေးမည့် မိတ်ဖက်အဖြစ် OpenAI နှင့် လက်တွဲလုပ်ဆောင်ရခြင်းအတွက် ကျွန်ုပ်တို့ စိတ်လှုပ်ရှားနေပါသည်။”