OpenAI ਵਿੱਚ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰ ਦੀ ਭੂਮਿਕਾ
ਅਸੀਂ ਕੀ ਕਰਦੇ ਹਾਂ, ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਾਂ ਅਤੇ ਅਸਲ ਅਸਰ ਪਾਉਣ ਲਈ ਉੱਦਮਾਂ ਦੀਆਂ ਸਭ ਤੋਂ ਔਖੀਆਂ ਸਮੱਸਿਆਵਾਂ ਕਿਵੇਂ ਹੱਲ ਕਰਦੇ ਹਾਂ.
ਲੇਖਕ: ਕੋਲਿਨ ਜਾਰਵਿਸ, OpenAI ਵਿੱਚ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਮੁਖੀ
ਜਦੋਂ Codex ਆਇਆ, ਟੀਮ ਦੇ ਕਿਸੇ ਮੈਂਬਰ ਨੇ ਮੈਨੂੰ ਪੁੱਛਿਆ, “ਜਦੋਂ Codex ਉਨ੍ਹਾਂ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਨੂੰ ਇੱਕੋ ਕੋਸ਼ਿਸ਼ ਵਿੱਚ ਹੱਲ ਕਰ ਸਕੇ ਜਿਨ੍ਹਾਂ ਨੂੰ ਬਣਾਉਣ ਵਿੱਚ ਅਸੀਂ ਪਿਛਲੇ ਕਈ ਮਹੀਨੇ ਲਾਏ ਹਨ, ਤਾਂ ਅਸੀਂ ਕੀ ਕਰਾਂਗੇ?”
ਇਹ ਸਵਾਲ OpenAI ਵਿੱਚ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰ ਦੀ ਭੂਮਿਕਾ ਦੇ ਮੂਲ ਤੱਕ ਜਾਂਦਾ ਹੈ. ਅਸੀਂ ਗਾਹਕਾਂ ਦੇ ਨਾਲ ਮਿਲ ਕੇ ਉਨ੍ਹਾਂ ਦੀਆਂ ਸਭ ਤੋਂ ਔਖੀਆਂ ਸਮੱਸਿਆਵਾਂ ਸਮਝਦੇ ਹਾਂ ਅਤੇ ਅਜਿਹੇ ਹੱਲ ਬਣਾਉਂਦੇ ਹਾਂ ਜਿਨ੍ਹਾਂ ’ਤੇ ਉਹ ਭਰੋਸਾ ਕਰ ਸਕਣ. ਜੋ ਅਸੀਂ ਸਿੱਖਦੇ ਹਾਂ, ਉਹ ਸਾਡੇ ਉਤਪਾਦਾਂ ਨੂੰ ਨਿਖਾਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਅਤੇ ਖੋਜ ਟੀਮ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਠੋਸ ਸਮੱਸਿਆਵਾਂ ਦਿੰਦਾ ਹੈ.
ਇਹੀ ਤਰੱਕੀ ਹੈ. ਜੇ ਅਸੀਂ ਹਰ ਦੋ-ਕੁ ਮਹੀਨਿਆਂ ਵਿੱਚ ਆਪਣੀ ਲੋੜ ਖ਼ਤਮ ਕਰ ਦਿੰਦੇ ਹਾਂ, ਤਾਂ ਸਾਡੀ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰਾਂ ਦੀ ਟੀਮ ਆਪਣਾ ਕੰਮ ਠੀਕ ਕਰ ਰਹੀ ਹੈ.
ਮੈਂ 2025 ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਇਹ ਟੀਮ ਉਸ ਪਾੜੇ ਨੂੰ ਪੂਰਨ ਲਈ ਬਣਾਈ ਸੀ ਜਿਸ ਨੂੰ ਅਸੀਂ “ਤੈਨਾਤੀ ਦਾ ਪਾੜਾ” ਕਹਿੰਦੇ ਹਾਂ: ਮਾਡਲ ਜੋ ਕਰਨ ਦੇ ਸਮਰੱਥ ਜਾਪਦੇ ਹਨ ਅਤੇ ਲੋਕ ਆਪਣਾ ਕੰਮ ਕਰਨ ਲਈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਭਰੋਸੇ ਨਾਲ ਵਰਤ ਸਕਦੇ ਹਨ, ਉਨ੍ਹਾਂ ਵਿਚਕਾਰਲਾ ਫ਼ਰਕ.
ਮਾਡਲਾਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਵਰਤੋਂ ਵਿੱਚ ਲਿਆਉਣ ਲਈ ਲੋੜੀਂਦੇ ਸਿਸਟਮਾਂ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧੀਆਂ ਹਨ. ਕਈ ਵਾਰ ਕਿਸੇ ਉਤਪਾਦ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ. ਕਈ ਵਾਰ ਮਾਡਲ ਮਿਆਰੀ ਪਰਖ ’ਤੇ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ, ਪਰ ਅਸਲ ਜ਼ਿੰਦਗੀ ਦੇ ਬਦਲਦੇ ਹਾਲਾਤ ਅਤੇ ਪਾਬੰਦੀਆਂ ਵਿੱਚ ਕੰਮ ਨਹੀਂ ਕਰ ਸਕਦਾ.
ਅਸੀਂ ਗਾਹਕਾਂ ਦੀਆਂ ਸਭ ਤੋਂ ਔਖੀਆਂ ਸਮੱਸਿਆਵਾਂ ’ਤੇ ਧਿਆਨ ਦਿੰਦੇ ਹਾਂ. ਜਿੱਥੇ ਸਾਡੇ ਮਾਡਲ ਅੱਜ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ, ਉੱਥੇ ਅਸੀਂ ਉਤਪਾਦ ਟੀਮ ਅਤੇ ਗਾਹਕ ਨਾਲ ਮਿਲ ਕੇ ਹੱਲ ਨੂੰ ਦੁਹਰਾਉਣਯੋਗ ਬਣਾਉਂਦੇ ਹਾਂ. ਜਿੱਥੇ ਉਹ ਪਿੱਛੇ ਰਹਿ ਜਾਂਦੇ ਹਨ, ਉੱਥੇ ਅਸੀਂ ਗਾਹਕਾਂ ਅਤੇ ਖੋਜ ਟੀਮ ਨਾਲ ਮਿਲ ਕੇ ਕਮੀ ਨੂੰ ਸਪਸ਼ਟ ਕਰਦੇ ਹਾਂ ਅਤੇ ਸੁਧਾਰ ਲਿਆਉਂਦੇ ਹਾਂ. ਸਾਡਾ ਟੀਚਾ ਹੈ ਕਿ ਹਰ ਸਾਂਝਾ ਪ੍ਰੋਜੈਕਟ ਅਗਲੇ ਗਾਹਕ ਨੂੰ ਸ਼ੁਰੂਆਤ ਲਈ ਬਿਹਤਰ ਆਧਾਰ ਦੇਵੇ. ਜੇ ਅਸੀਂ ਬੁਨਿਆਦੀ ਪੱਧਰ ਇੰਨਾ ਉੱਚਾ ਕਰ ਦੇਈਏ ਕਿ ਅਗਲੀ ਵਾਰ ਇਸ ਕਿਸਮ ਦੀ ਸਮੱਸਿਆ ਹੱਲ ਕਰਨ ਲਈ ਗਾਹਕਾਂ ਨੂੰ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰਾਂ ਦੀ ਲੋੜ ਹੀ ਨਾ ਪਵੇ, ਤਾਂ ਅਸੀਂ ਆਪਣਾ ਕੰਮ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੀਤਾ ਹੈ.
200 ਸਾਲ ਪੁਰਾਣੇ ਖੇਤੀਬਾੜੀ ਕਾਰੋਬਾਰ ਜੌਨ ਡੀਅਰ ਲਈ ਚੁਣੌਤੀ ਇਹ ਸੀ ਕਿ ਵੱਡੇ ਪੱਧਰ ’ਤੇ ਕਿਸਾਨਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀਆਂ ਨਿੱਜੀ ਲੋੜਾਂ ਮੁਤਾਬਕ ਸਲਾਹ ਕਿਵੇਂ ਦਿੱਤੀ ਜਾਵੇ.
ਇਸ ਦੀ ਇੱਕ ਮਿਸਾਲ ਸੀ ਐਂਡ ਸਪ੍ਰੇ ਹੈ, ਜੋ ਨਦੀਨਾਂ ਨੂੰ ਸਟੀਕ ਢੰਗ ਨਾਲ ਕਾਬੂ ਕਰਨ ਦੀ ਤਕਨੀਕ ਹੈ. ਇਹ ਕੈਮਰਿਆਂ ਅਤੇ ਮਸ਼ੀਨੀ ਸਿੱਖਿਆ ਨਾਲ ਨਦੀਨਾਂ ਦੀ ਪਛਾਣ ਕਰਦੀ ਹੈ ਅਤੇ ਪੂਰੇ ਖੇਤ ਦੀ ਬਜਾਏ ਸਿਰਫ਼ ਨਦੀਨਾਂ ’ਤੇ ਛਿੜਕਾਅ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਰਸਾਇਣਾਂ ਦੀ ਵਰਤੋਂ 70% ਤੱਕ ਘਟ ਸਕਦੀ ਹੈ.
ਪਰ ਇਹ ਲਾਭ ਤਾਂ ਹੀ ਮਿਲ ਸਕਦੇ ਹਨ ਜੇ ਕਿਸਾਨਾਂ ਨੂੰ ਪਤਾ ਹੋਵੇ ਕਿ ਤਕਨੀਕ ਦੀਆਂ ਸੈਟਿੰਗਾਂ ਕਿਵੇਂ ਕਰਨੀਆਂ ਹਨ, ਫ਼ਸਲੀ ਮੌਸਮ ਦੀ ਯੋਜਨਾ ਕਿਵੇਂ ਬਣਾਉਣੀ ਹੈ ਅਤੇ ਹਾਲਾਤ ਬਦਲਣ ਨਾਲ ਆਪਣੇ ਤਰੀਕੇ ਕਿਵੇਂ ਢਾਲਣੇ ਹਨ.
ਜੌਨ ਡੀਅਰ ਨੇ ਇਸ ਸਹਾਇਤਾ ਨੂੰ ਨਿੱਜੀ ਲੋੜਾਂ ਮੁਤਾਬਕ ਅਤੇ ਵੱਡੇ ਪੱਧਰ ’ਤੇ ਉਪਲਬਧ ਕਰਾਉਣ ਲਈ OpenAI ਦੇ ਏਪੀਆਈ ਲਾਗੂ ਕੀਤੇ.
ਏਆਈ ਕਿਸਾਨਾਂ ਦੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਆਮ ਬੋਲਚਾਲ ਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਦੇ ਸਕਦੀ ਹੈ, ਉਨ੍ਹਾਂ ਦੀਆਂ ਲੋੜਾਂ ਮੁਤਾਬਕ ਸੈੱਟਅੱਪ ਸਬੰਧੀ ਮਾਰਗਦਰਸ਼ਨ ਅਤੇ ਸਿਫ਼ਾਰਸ਼ਾਂ ਦੇ ਸਕਦੀ ਹੈ, ਪਛਾਣ ਸਕਦੀ ਹੈ ਕਿ ਉਪਕਰਨ ਕਦੋਂ ਆਪਣੀ ਪੂਰੀ ਸਮਰੱਥਾ ਅਨੁਸਾਰ ਕੰਮ ਨਹੀਂ ਕਰ ਰਹੇ, ਅਤੇ ਕਿਸਾਨਾਂ ਨੂੰ ਤਕਨੀਕ ਤੋਂ ਮਿਲ ਰਿਹਾ ਲਾਭ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ.
ਇਹ ਸੰਭਾਵਨਾ ਕਿਸੇ ਇੱਕ ਗੱਲਬਾਤ ਤੱਕ ਸੀਮਤ ਨਹੀਂ ਹੈ: ਗਾਹਕ ਦੇ ਪੂਰੇ ਸਫ਼ਰ ਦੌਰਾਨ ਢੁੱਕਵਾਂ ਮਾਰਗਦਰਸ਼ਨ ਦੇ ਕੇ ਕਿਸਾਨਾਂ ਨੂੰ ਆਪਣੇ ਉਪਕਰਨ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਵਰਤਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਨਾਲ ਹੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਵਾਤਾਵਰਣਕ ਟਿਕਾਊਪਣ ਵੀ ਸੁਧਾਰਿਆ ਜਾ ਸਕਦਾ ਹੈ.
OpenAI ਦੇ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰ ਇਸੇ ਕਿਸਮ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਹੱਲ ਕਰਦੇ ਹਨ: ਸੰਸਥਾਵਾਂ ਨੂੰ ਏਆਈ ਸਮਰੱਥਾਵਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਅਜਿਹੇ ਸਿਸਟਮ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨਾ ਜੋ ਅਸਲ ਦੁਨੀਆ ਦੇ ਗੁੰਝਲਦਾਰ ਮਾਹੌਲ ਵਿੱਚ ਵਿਹਾਰਕ ਲਾਭ ਦੇਣ.
ਪਰ ਅਕਸਰ ਸਮੱਸਿਆਵਾਂ ਦਾ ਦਾਇਰਾ ਬਹੁਤ ਖੁੱਲ੍ਹਾ ਹੁੰਦਾ ਹੈ, ਕੋਈ ਪ੍ਰਮਾਣਿਤ ਸਹੀ ਜਵਾਬ ਨਹੀਂ ਹੁੰਦਾ ਅਤੇ ਨਾ ਹੀ ਕੋਈ ਤੈਅ ਕਾਰਜ-ਵਿਧੀ ਹੁੰਦੀ ਹੈ. ਹਰ ਕੋਈ ਕੁਝ ਅਜਿਹਾ ਬਣਾਉਣਾ ਚਾਹੁੰਦਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਕਦੇ ਮੌਜੂਦ ਨਹੀਂ ਸੀ. ਪਰ ਉਸ ਮੁਕਾਮ ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਜੋ ਕੁਝ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਉਹ ਕਰਨ ਲਈ ਘੱਟ ਲੋਕ ਤਿਆਰ ਹੁੰਦੇ ਹਨ.
“ਕਾਫ਼ੀ ਚੰਗਾ” ਮੰਨੇ ਜਾਣ ਵਾਲੇ ਪੱਧਰ ਨੂੰ ਉੱਚਾ ਚੁੱਕਦਿਆਂ ਹੁਨਰਮੰਦ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰ ਲੱਭਣ ਲਈ ਸਾਨੂੰ ਲਗਾਤਾਰ ਪ੍ਰਯੋਗ ਕਰਨ ਅਤੇ ਸਿੱਖਿਆ ਨੂੰ ਅਮਲ ਵਿੱਚ ਲਿਆਉਣ ਦੀ ਲੋੜ ਪਈ ਹੈ.
ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰਾਂ ਦੀ ਟੀਮ ਦੇ ਹਰ ਸੈਸ਼ਨ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਮੈਂ ਇੱਕ ਸਲਾਈਡ ਦਿਖਾਉਂਦਾ ਹਾਂ ਜਿਸ ’ਤੇ ਇੱਕ ਮੁੱਖ ਸਿਧਾਂਤ ਲਿਖਿਆ ਹੁੰਦਾ ਹੈ: “ਨਤੀਜੇ ਤੋਂ ਸ਼ੁਰੂ ਕਰੋ, ਸਫਲਤਾ ਲਈ ਜੋ ਲੋੜੀਂਦਾ ਹੈ ਉਹ ਕਰੋ, ਫਿਰ ਪੈਮਾਨਾ ਵਧਾਓ”.
ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਡੈਮੋ ਕਾਫ਼ੀ ਪ੍ਰਸਿੱਧੀ ਹਾਸਲ ਕਰ ਸਕਦਾ ਹੈ, ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਕੋਈ ਪੁੱਛੇ ਕਿ ਕੀ ਇਹ ਅਸਲ ਦੁਨੀਆ ਵਿੱਚ ਵੀ ਕੰਮ ਕਰਦਾ ਹੈ.
ਸਾਡਾ ਕੰਮ ਗਾਹਕ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਅਜਿਹੇ ਮਿਆਰ ’ਤੇ ਹੱਲ ਕਰਨਾ ਹੈ ਜਿਸ ਦੀ ਅਸਲ ਵਰਤੋਂ ਵਿੱਚ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈ ਸਕੀਏ.
2025 ਦੇ ਮੱਧ ਵਿੱਚ ਸਾਡੇ ਲਗਭਗ 15 ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰ ਸੈਮੀਕੰਡਕਟਰ ਖੇਤਰ ਦੀ ਇੱਕ ਵੱਡੀ ਗਾਹਕ ਕੰਪਨੀ ਨਾਲ 10 ਤੋਂ ਵੱਧ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ’ਤੇ ਕੰਮ ਕਰ ਰਹੇ ਸਨ. ਟੀਚਾ ਉਨ੍ਹਾਂ ਦੀ ਤਸਦੀਕ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਮੁੱਢ ਤੋਂ ਹੀ ਏਆਈ-ਆਧਾਰਿਤ ਬਣਾਉਣਾ ਸੀ, ਜਿਸ ਵਿੱਚ ਇਹ ਸ਼ਾਮਲ ਸਨ:
ਖ਼ਾਸ ਟੀਚਿਆਂ ਲਈ ਟੈਸਟ ਤਿਆਰ ਕਰਨਾ
ਮੂਲ ਕਾਰਨ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਡੀਬੱਗਿੰਗ
ਚਿੱਪ ਦੀ ਬਣਤਰ ਲਈ ਇੱਕ ਸਹਾਇਕ
ਇਸ ਉਦਯੋਗ ਵਿੱਚ ਕਿਸੇ ਪ੍ਰੋਜੈਕਟ ਦੀ ਕੁੱਲ ਮਿਹਨਤ ਦਾ ਲਗਭਗ 70% ਹਿੱਸਾ ਤਸਦੀਕ ’ਤੇ ਲੱਗ ਸਕਦਾ ਹੈ. ਸੰਭਾਵਨਾਵਾਂ ਬੇਹੱਦ ਵੱਡੀਆਂ ਸਨ ਅਤੇ ਸ਼ੁਰੂਆਤ ਕਈ ਥਾਵਾਂ ਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਸੀ.
ਕੁਝ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰ ਕੁਝ ਦਿਨ ਪਹਿਲਾਂ ਹੀ OpenAI ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਏ ਸਨ ਅਤੇ ਉਨ੍ਹਾਂ ਨੇ ਸੈਮੀਕੰਡਕਟਰ ਖੇਤਰ ਵਿੱਚ ਕਦੇ ਕੰਮ ਨਹੀਂ ਕੀਤਾ ਸੀ. ਉਹ ਗਾਹਕ ਦੀ ਤਸਦੀਕ ਟੀਮ ਨਾਲ ਜੁੜ ਕੇ ਕੰਮ ਕਰਨ ਲੱਗੇ, ਵਿਹਲੇ ਸਮੇਂ ਵਿੱਚ ਚਿੱਪ ਡਿਜ਼ਾਈਨ ਦਾ ਅਧਿਐਨ ਕੀਤਾ ਅਤੇ ਇੰਜੀਨੀਅਰਾਂ ਨਾਲ ਮਿਲ ਕੇ ਮੁਲਾਂਕਣ ਤਿਆਰ ਕੀਤੇ. ਇਨ੍ਹਾਂ ਰਾਹੀਂ ਜਾਂਚਿਆ ਗਿਆ ਕਿ ਕੀ ਏਆਈ ਲਾਭਦਾਇਕ ਟੈਸਟ ਬਣਾ ਸਕਦੀ ਹੈ ਅਤੇ ਚਿੱਪ ਦੀਆਂ ਖ਼ਰਾਬੀਆਂ ਦੇ ਕਾਰਨ ਸਹੀ ਪਛਾਣ ਸਕਦੀ ਹੈ.
ਇਹ ਸਿੱਖਣ ਦੇ ਨਾਲ-ਨਾਲ ਅਸੀਂ ਹਰੇਕ ਵਰਤੋਂ ਦੇ ਮਾਮਲੇ ਲਈ ਖ਼ਾਸ ਜਾਂਚ-ਢਾਂਚੇ ਬਣਾਏ. ਪਹਿਲੇ 3–6 ਮਹੀਨਿਆਂ ਵਿੱਚ ਇਹ ਸਾਰੇ ਅਸਲ ਵਰਤੋਂ ਵਿੱਚ ਆ ਗਏ ਅਤੇ ਮੁੱਢਲੇ ਵਰਤੋਂਕਾਰਾਂ ਨੇ ਇਨ੍ਹਾਂ ਨੂੰ ਅਪਣਾਉਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ. ਮਿਹਨਤ ਦਾ ਫਲ ਇਨ੍ਹਾਂ ਅੰਕੜਿਆਂ ਵਿੱਚ ਦਿਸਿਆ:
ਏਆਈ ਰਾਹੀਂ ਖ਼ਾਸ ਟੀਚਿਆਂ ਲਈ ਟੈਸਟ ਤਿਆਰ ਕਰਨ ਨਾਲ ਲਗਭਗ 48% ਸਮੇਂ ਦੀ ਬਚਤ.
ਕਰਨਲ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਨਾਲ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ 22% ਦਾ ਮੱਧਿਕਾ ਸੁਧਾਰ.
ਹਫ਼ਤਿਆਂ ਦੀ ਡੀਬੱਗਿੰਗ ਘੰਟਿਆਂ ਵਿੱਚ ਪੂਰੀ ਹੋਈ
ਜਦੋਂ ਅਸੀਂ ਇਹ ਸਾਰੇ ਨਤੀਜੇ ਪੇਸ਼ ਕੀਤੇ ਤਾਂ ਮੁੱਖ ਹਾਰਡਵੇਅਰ ਅਧਿਕਾਰੀ ਨੇ ਪੁੱਛਿਆ, “ਕੀ ਤੁਸੀਂ ਇੱਥੇ ਆਉਣ ਤੋਂ ਪਹਿਲਾਂ ਚਿੱਪ ਡਿਜ਼ਾਈਨਰ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਸੀ?”
ਸਾਡੇ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰਾਂ ਲਈ ਪਹਿਲੇ ਹੀ ਦਿਨ ਉਦਯੋਗ ਦੀ ਜਾਣਕਾਰੀ ਹੋਣੀ ਜ਼ਰੂਰੀ ਨਹੀਂ, ਪਰ ਇਸ ਨੂੰ ਸਿੱਖਣਾ ਉਨ੍ਹਾਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ.
ਕੋਡਿੰਗ ਸਹਾਇਕਾਂ ਨਾਲ ਸੌਫਟਵੇਅਰ ਬਣਾਉਣਾ ਤੇਜ਼ ਹੋ ਰਿਹਾ ਹੈ, ਇਸ ਲਈ ਗਾਹਕ ਦੇ ਕਾਰੋਬਾਰ ਨੂੰ ਸਮਝਣਾ ਹੋਰ ਵੀ ਮਹੱਤਵਪੂਰਨ ਬਣ ਜਾਂਦਾ ਹੈ. ਅਸੀਂ ਵਿਆਪਕ ਜਾਣਕਾਰੀ ਵਾਲੇ ਲੋਕਾਂ ਅਤੇ ਖੇਤਰ ਦੇ ਮਾਹਰਾਂ ਨੂੰ ਮਿਲਾ ਕੇ ਟੀਮਾਂ ਬਣਾਉਂਦੇ ਹਾਂ.
ਤੁਹਾਡੇ ਕੋਲ ਸਹੀ ਫ਼ੈਸਲੇ ਲੈਣ ਲਈ ਕਾਫ਼ੀ ਗਿਆਨ ਅਤੇ ਮੌਜੂਦਾ ਤਰੀਕਿਆਂ ਬਾਰੇ ਧਾਰਨਾਵਾਂ ’ਤੇ ਸਵਾਲ ਚੁੱਕਣ ਲਈ ਕਾਫ਼ੀ ਜਿਗਿਆਸਾ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ.
ਮਿਸਾਲ ਵਜੋਂ, ਜੀਵਨ ਵਿਗਿਆਨ ਵਿੱਚ ਸਾਡੇ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰਾਂ ਦਾ ਵਿਗਿਆਨਕ ਪਿਛੋਕੜ ਉਨ੍ਹਾਂ ਨੂੰ ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਭਰੋਸਾ ਜਿੱਤਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ. ਇਹ ਖੋਜਕਰਤਾ ਦਵਾਈਆਂ ਦੀ ਖੋਜ ਦੇ ਪੂਰਵ-ਕਲੀਨਿਕਲ ਕੰਮਾਂ ’ਤੇ ਕੰਮ ਕਰਦੇ ਹਨ, ਜਿਵੇਂ ਟੀਚਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਅਤੇ ਤਰਜੀਹ ਨਿਰਧਾਰਨ, ਜੀਨ ਪ੍ਰਗਟਾਵੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਰਸਾਇਣਕ ਸੰਸਲੇਸ਼ਣ ਮਾਰਗਾਂ ਦਾ ਪੁਨਰ-ਨਿਰਮਾਣ. ਇਹ ਮੁਹਾਰਤ ਉਨ੍ਹਾਂ ਨੂੰ ਇਨ੍ਹਾਂ ਕੰਮਕਾਜੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਸੁਧਾਰ ਬਾਰੇ ਜਾਣਕਾਰੀ-ਆਧਾਰਿਤ ਰਾਏ ਦੇਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ.
ਅਸੀਂ ਦਿਖਾ ਦਿੱਤਾ ਸੀ ਕਿ ਇਹ ਕੰਮਕਾਜੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਲਾਭ ਦੇ ਸਕਦੀਆਂ ਹਨ, ਪਰ ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਨੂੰ ਕਿਸੇ ਹੋਰ ਟੀਮ ਤੱਕ ਲਿਜਾਣ ਲਈ ਹਾਲੇ ਵੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਿਸ਼ੇਸ਼ ਏਕੀਕਰਨ ਦੀ ਲੋੜ ਸੀ. ਅਗਲੀ ਚੁਣੌਤੀ ਉਹੀ ਨਤੀਜੇ ਕਾਇਮ ਰੱਖਦਿਆਂ ਸੌਫਟਵੇਅਰ ਦੀ ਤੈਨਾਤੀ ਅਤੇ ਸਾਂਭ-ਸੰਭਾਲ ਨੂੰ ਸੌਖਾ ਬਣਾਉਣਾ ਸੀ.
ਉਦੋਂ ਤੱਕ Codex ਦੀ ਸਮਰੱਥਾ ਵਧ ਚੁੱਕੀ ਸੀ. ਇੱਕ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰ ਨੇ ਇਸ ਦੇ ਆਧਾਰ ’ਤੇ ਆਪਣੀ ਐਪਲੀਕੇਸ਼ਨ ਮੁੜ ਬਣਾਉਣ ਦਾ ਪ੍ਰਯੋਗ ਕੀਤਾ. ਫਿਰ ਟੀਮ ਨਾਲ ਮਿਲ ਕੇ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਨੂੰ ਇੱਕ ਸਾਂਝੇ ਜਾਂਚ-ਢਾਂਚੇ ਵਿੱਚ ਲਿਆਂਦਾ, ਜਿਸ ਦੇ ਕੇਂਦਰ ਵਿੱਚ Codex ਸੀ.
ਵਿਸ਼ੇਸ਼ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਥਾਂ Codex ਦੇ ਸਾਂਝੇ ਬੁਨਿਆਦੀ ਹਿੱਸਿਆਂ ’ਤੇ ਬਣੇ ਪਲੱਗਇਨ ਅਤੇ ਹੁਨਰਾਂ ਨੇ ਲੈ ਲਈ. Codex ਇੰਟਰਫੇਸ ਵੀ ਬਣ ਗਿਆ, ਜਿਸ ਨਾਲ ਅਸੀਂ ਵੱਖ-ਵੱਖ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਲਈ ਲਿਖੇ ਅਲੱਗ ਟਰਮੀਨਲ ਵਰਤੋਂਕਾਰ ਇੰਟਰਫੇਸ ਅਤੇ ਕਮਾਂਡ-ਲਾਈਨ ਇੰਟਰਫੇਸ ਹਟਾ ਸਕੇ.
ਅਸੀਂ ਹਰ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚੋਂ ਲਗਭਗ 90% ਵਿਸ਼ੇਸ਼ ਕੋਡ ਹਟਾ ਸਕੇ. ਇਸ ਨਾਲ ਇਨ੍ਹਾਂ ਕੰਮਕਾਜੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਬਣਾਉਣ, ਸਾਂਭਣ ਅਤੇ ਵੱਡੇ ਪੱਧਰ ’ਤੇ ਫੈਲਾਉਣ ਦਾ ਸਾਡਾ ਤਰੀਕਾ ਬਦਲ ਗਿਆ:
ਅਸੀਂ Codex ਵਿੱਚ ਕੇਂਦਰੀ ਪੱਧਰ ’ਤੇ ਕੀਤੇ ਸੁਧਾਰਾਂ ਦਾ ਲਾਭ ਲੈ ਸਕਦੇ ਸੀ, ਜਿਸ ਨਾਲ ਹਰੇਕ ਵਰਤੋਂ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਹਿੱਸਿਆਂ ਨੂੰ ਜੋੜਨ ਲਈ ਲੋੜੀਂਦਾ ਕੋਡ ਘਟ ਗਿਆ
ਮੁੱਖ ਕਾਰਜ-ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਹੁਨਰਾਂ ਅਤੇ ਪਲੱਗਇਨਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ, ਤਾਂ ਜੋ ਇਨ੍ਹਾਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਸਾਂਝਾ ਕਰਨਾ ਅਤੇ ਏਆਈ ਉੱਤਮਤਾ ਕੇਂਦਰ ਵੱਲੋਂ ਕੇਂਦਰੀ ਤੌਰ ’ਤੇ ਨਿਯੰਤਰਿਤ ਕਰਨਾ ਸੌਖਾ ਹੋਵੇ. ਇਸ ਦਾ ਮਤਲਬ ਸੀ ਕਿ ਇੱਕ ਟੀਮ ਤੋਂ ਅਗਲੀ ਟੀਮ ਤੱਕ ਹੱਲ ਲਿਜਾਣਾ ਇੰਨਾ ਸੌਖਾ ਹੋ ਸਕਦਾ ਸੀ: ਨਵੇਂ ਕਨੈਕਟਰ ਜਾਂ ਐਮਸੀਪੀ ਸਰਵਰ ਲਗਾਓ, ਨਵੇਂ ਮੁਲਾਂਕਣ ਬਣਾਓ (ਜਿਸ ਲਈ ਵੀ ਸਾਡੇ ਕੋਲ ਇੱਕ ਹੁਨਰ ਸੀ) ਅਤੇ ਕੰਮ ਸ਼ੁਰੂ ਕਰ ਦਿਓ.
ਅਗਸਤ 2026 ਦੀ ਇੱਕ ਮਿਸਾਲ ਵਿੱਚ, ਪਹਿਲੀ ਤੈਨਾਤੀ ਨੂੰ ਦੋ ਮਹੀਨੇ ਲੱਗੇ. ਉਹੀ ਹੱਲ ਦੂਜੀ ਟੀਮ ਤੱਕ ਲਿਜਾਣ ਵਿੱਚ ਇੱਕ ਦਿਨ ਲੱਗਿਆ. ਜਿਵੇਂ-ਜਿਵੇਂ ਅਸੀਂ ਪੈਮਾਨਾ ਵਧਾਇਆ, ਅਗਲੀਆਂ ਟੀਮਾਂ ਹੋਰ ਤੇਜ਼ੀ ਨਾਲ ਜੁੜਦੀਆਂ ਗਈਆਂ. ਇਹ ਰੁਝਾਨ ਜਾਰੀ ਰਿਹਾ: ਅਗਸਤ 2026 ਦੇ ਇੱਕ ਵਰਤੋਂ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਪਹਿਲੀ ਤੈਨਾਤੀ ਨੂੰ 2 ਮਹੀਨੇ ਲੱਗੇ, ਪਰ ਦੂਜੀ ਟੀਮ ਲਈ ਸਿਰਫ਼ 1 ਦਿਨ ਲੱਗਿਆ.
ਆਪਣੀ ਲੋੜ ਖ਼ਤਮ ਕਰ ਦੇਣ ਦਾ ਇਹ ਇੱਕ ਤਰੀਕਾ ਹੈ. ਅਸਲ ਵਰਤੋਂ ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਕੀਤੇ ਕੰਮ ਨੇ ਸਪਸ਼ਟ ਕਰ ਦਿੱਤਾ ਸੀ ਕਿ ਕੀ ਮਹੱਤਵਪੂਰਨ ਹੈ. ਜਿਵੇਂ-ਜਿਵੇਂ ਮੂਲ ਉਤਪਾਦ ਬਿਹਤਰ ਹੋਇਆ, ਅਸੀਂ ਆਪਣੇ ਵਿਸ਼ੇਸ਼ ਲਾਗੂਕਰਨ ਦਾ ਵੱਡਾ ਹਿੱਸਾ ਬਦਲ ਸਕੇ ਅਤੇ ਉਸ ਤੋਂ ਮਿਲਦਾ ਲਾਭ ਵੀ ਕਾਇਮ ਰੱਖ ਸਕੇ.
ਇਸੇ ਲਈ ਕੰਮ ਦਾ ਕ੍ਰਮ ਮਹੱਤਵ ਰੱਖਦਾ ਹੈ. LLM ਸਾਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਬਣਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ. ਇਸ ਰਫ਼ਤਾਰ ਨਾਲ ਵਰਤੋਂਕਾਰਾਂ ਤੱਕ ਕੁਝ ਲਾਭਦਾਇਕ ਪਹੁੰਚਾਓ, ਸਿੱਖੋ ਕਿ ਅਮਲ ਵਿੱਚ ਕੀ ਟਿਕਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਜੋ ਕੰਮ ਕਰਦਾ ਹੈ ਉਸ ਦਾ ਪੈਮਾਨਾ ਵਧਾਓ.
ਇਹੀ ਸਿਧਾਂਤ ਗਾਹਕਾਂ ਨਾਲ ਹਰ ਸਾਂਝੇ ਪ੍ਰੋਜੈਕਟ ’ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ.
OpenAI Presence, ਜੋ ਉੱਦਮਾਂ ਲਈ ਆਵਾਜ਼ ਅਤੇ ਚੈਟ ਏਜੰਟਾਂ ਦਾ ਸਾਡਾ ਉਤਪਾਦ ਹੈ, ਗਾਹਕਾਂ ਦੀਆਂ ਅਸਲ ਤੈਨਾਤੀਆਂ ਤੋਂ ਵਿਕਸਿਤ ਹੋਇਆ. ਇਹ ਕੰਮ ਸਵਾਰਮ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਨਾਲ ਸ਼ੁਰੂ ਹੋਇਆ ਅਤੇ ਏਜੰਟ ਏਪੀਆਈ ਰਾਹੀਂ ਵਿਕਸਿਤ ਹੋਇਆ. ਅੱਜ ਇੱਕ ਗਾਹਕ ਆਪਣੀਆਂ ਅੱਧੇ ਤੋਂ ਵੱਧ ਕਾਲਾਂ ਏਆਈ ਨਾਲ ਸੰਭਾਲਦਾ ਹੈ.
ਇਨ੍ਹਾਂ ਤੈਨਾਤੀਆਂ ਨੂੰ ਅਸਲ ਵਰਤੋਂ ਵਿੱਚ ਲਿਆਉਣ ਨਾਲ ਸਾਨੂੰ ਪਤਾ ਲੱਗਿਆ ਕਿ ਕਿਹੜੀਆਂ ਸਮੱਸਿਆਵਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ ਹੱਲ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕਿਹੜੇ ਬੁਨਿਆਦੀ ਹਿੱਸੇ ਹੋਰ ਟੀਮਾਂ ਵੀ ਵਰਤ ਸਕਦੀਆਂ ਹਨ. ਅਸੀਂ ਇਹ ਬੁਨਿਆਦੀ ਹਿੱਸੇ ਪ੍ਰੈਜ਼ੈਂਸ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤੇ, ਜਿਸ ਨਾਲ ਡਿਵੈਲਪਰਾਂ ਲਈ ਮੂਲ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਮੁੜ ਬਣਾਏ ਬਿਨਾਂ ਨਿਯਮਾਂ ਅਧੀਨ ਕੰਮਕਾਜੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਨਾ ਸੌਖਾ ਹੋ ਗਿਆ. ਹਰੇਕ ਤੈਨਾਤੀ ਨੇ ਉਤਪਾਦ ਨੂੰ ਨਿਖਾਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ ਅਤੇ ਅਗਲੇ ਗਾਹਕ ਨੂੰ ਸ਼ੁਰੂਆਤ ਲਈ ਬਿਹਤਰ ਆਧਾਰ ਦਿੱਤਾ.
ਥ੍ਰਾਈਵ ਹੋਲਡਿੰਗਜ਼ ਨਾਲ ਮਿਲ ਕੇ OpenAI ਦੇ ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰਾਂ ਅਤੇ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇੰਜੀਨੀਅਰਾਂ ਅਤੇ ਲੇਖਾਕਾਰਾਂ ਦੇ ਨਾਲ ਕੰਮ ਕੀਤਾ ਅਤੇ ਕ੍ਰੀਟ ਦੀਆਂ ਲੇਖਾਕਾਰੀ ਫ਼ਰਮਾਂ ਲਈ ਟੈਕਸ ਏਆਈ ਬਣਾਈ. ਅਜ਼ਮਾਇਸ਼ੀ ਪ੍ਰੋਗਰਾਮ ਦੌਰਾਨ ਟੈਕਸ ਏਆਈ ਨੇ 7,000 ਟੈਕਸ ਰਿਟਰਨਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਪੂਰੀ ਕੀਤੀ ਅਤੇ ਥਰੂਪੁੱਟ ਲਗਭਗ 50% ਵਧਾਇਆ.
ਸਭ ਤੋਂ ਔਖੀਆਂ ਚੁਣੌਤੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਕਿਰਾਏ ਦੀਆਂ ਜਾਇਦਾਦਾਂ ਨਾਲ ਸਬੰਧਤ ਰਿਟਰਨਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਨਾ ਸੀ. ਪ੍ਰਿਸੀਜ਼ਨ ਅਤੇ ਰੀਕਾਲ ਨੂੰ 90% ਤੱਕ ਲਿਆਉਣ ਲਈ ਛੇ ਹਫ਼ਤਿਆਂ ਦੀ ਇੰਜੀਨੀਅਰਿੰਗ ਅਤੇ ਪੇਸ਼ਾਵਰ ਮਾਹਰਾਂ ਦੀ ਸਮੀਖਿਆ ਲੱਗੀ. ਇਸ ਕੰਮ ਨਾਲ ਮੁੜ ਵਰਤੇ ਜਾ ਸਕਣ ਵਾਲੇ ਤਰੀਕੇ ਬਣੇ, ਜਿਨ੍ਹਾਂ ਨੇ ਟੈਕਸ ਏਆਈ ਨੂੰ ਹੋਰ ਗੁੰਝਲਦਾਰ ਟੈਕਸ ਅਨੁਸੂਚੀਆਂ ਲਈ ਵਰਤਣਾ ਸੌਖਾ ਕਰ ਦਿੱਤਾ.
ਹੁਣ ਟੀਮਾਂ ਇਹੀ ਪਹੁੰਚ ਬਹੀਖਾਤੇ, ਆਡਿਟ ਅਤੇ ਸੂਚਨਾ ਤਕਨਾਲੋਜੀ ਸਹਾਇਤਾ ਲਈ ਵਰਤ ਰਹੀਆਂ ਹਨ—ਅਜਿਹੇ ਸਿਸਟਮ ਬਣਾਉਂਦਿਆਂ ਜੋ ਪੇਸ਼ਾਵਰ ਮਾਹਰਾਂ ਦੇ ਸੁਝਾਵਾਂ ਅਤੇ ਅਸਲ ਵਰਤੋਂ ਨਾਲ ਬਿਹਤਰ ਹੁੰਦੇ ਹਨ.
ਕਈ ਵਾਰ ਬਿਹਤਰ ਉਤਪਾਦ ਸਾਨੂੰ ਆਪਣਾ ਬਣਾਇਆ ਸਿਸਟਮ ਸੌਖਾ ਕਰਨ ਦਿੰਦਾ ਹੈ, ਪਰ ਕਈ ਵਾਰ ਮਾਡਲ ਖ਼ੁਦ ਅਜੇ ਉਹ ਕੰਮ ਨਹੀਂ ਕਰ ਸਕਦਾ.
ਜੇ ਅਸੀਂ ਸਿਰਫ਼ ਉਹੀ ਬਣਾਈਏ ਜੋ ਅੱਜ ਦੇ ਮਾਡਲ ਪਹਿਲਾਂ ਹੀ ਸੰਭਵ ਬਣਾਉਂਦੇ ਹਨ, ਤਾਂ ਅਸੀਂ ਸਮਝਣ ਅਤੇ ਤਰਕ ਕਰਨ ਦੀਆਂ ਉਹ ਕਮੀਆਂ ਲੱਭ ਹੀ ਨਹੀਂ ਸਕਾਂਗੇ ਜੋ ਖੋਜ ਟੀਮ ਨੂੰ ਅੱਗੇ ਦੂਰ ਕਰਨੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ. ਇਸੇ ਲਈ ਸਾਡੇ ਬਹੁਤ ਸਾਰੇ ਮਹੱਤਵਪੂਰਨ ਸਾਂਝੇ ਪ੍ਰੋਜੈਕਟ ਇਨ੍ਹਾਂ ਹੱਦਾਂ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ. ਗਾਹਕ, ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰ ਅਤੇ ਖੋਜ ਟੀਮ ਮਿਲ ਕੇ ਇਨ੍ਹਾਂ ਨੂੰ ਪਾਰ ਕਰਨ ਲਈ ਵਚਨਬੱਧ ਹੁੰਦੇ ਹਨ.
ਅਸੀਂ ਦੂਰਸੰਚਾਰ ਖੇਤਰ ਦੀ ਇੱਕ ਵੱਡੀ ਗਾਹਕ ਕੰਪਨੀ ਨਾਲ ਮਿਲ ਕੇ ਗਾਹਕ ਸੇਵਾ ਪਲੇਟਫਾਰਮ ਪਹਿਲਾਂ ਹੀ ਤਿਆਰ ਕਰ ਚੁੱਕੇ ਸੀ, ਅਤੇ ਉਹ ਇਸ ਵਿੱਚ ਆਵਾਜ਼ ਰਾਹੀਂ ਸੇਵਾ ਵੀ ਸ਼ਾਮਲ ਕਰਨਾ ਚਾਹੁੰਦੇ ਸਨ.
ਉਨ੍ਹਾਂ ਦੀ ਗਾਹਕ ਸੇਵਾ ਦੇ ਲਗਭਗ 90% ਮਾਮਲੇ ਆਵਾਜ਼ ਰਾਹੀਂ ਹੁੰਦੇ ਸਨ. ਇਨ੍ਹਾਂ ਮਾਮਲਿਆਂ ਨੂੰ ਮਨੁੱਖੀ ਮਦਦ ਤੋਂ ਬਿਨਾਂ ਹੱਲ ਕਰਨਾ ਚੈਟ ਨਾਲੋਂ ਮਹਿੰਗਾ ਸੀ. ਨਾਲ ਹੀ, ਲਹਿਜਿਆਂ, ਬੋਲਣ ਦੇ ਅੰਦਾਜ਼, ਜਵਾਬ ਦੇਣ ਦੀ ਦੇਰੀ ਅਤੇ ਸਹੀਪਣ ਨੂੰ ਅਸਲ ਵਰਤੋਂ ਲਈ ਲੋੜੀਂਦੇ ਪੱਧਰ ਤੱਕ ਲਿਆਉਣ ਵਿੱਚ ਕਈ ਨਵੀਆਂ ਤਕਨੀਕੀ ਚੁਣੌਤੀਆਂ ਸਨ. ਇਸ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਚਲਾਉਣ ਨਾਲ ਉਨ੍ਹਾਂ ਦੇ ਕਾਰੋਬਾਰ ਨੂੰ ਵੱਡਾ ਲਾਭ ਹੋਣਾ ਸੀ.
ਕੰਮ ਦਾ ਦਾਇਰਾ ਤੈਅ ਕਰਨ ਵੇਲੇ ਸਾਡੇ ਮਾਡਲ ਨੇ ਮੁੱਖ ਮੁਲਾਂਕਣਾਂ ਵਿੱਚ ਲਗਭਗ 60% ਅੰਕ ਹਾਸਲ ਕੀਤੇ. ਇਨ੍ਹਾਂ ਮੁਲਾਂਕਣਾਂ ਨਾਲ ਅਸੀਂ ਜਾਂਚਦੇ ਸੀ ਕਿ ਕੀ ਇਹ ਅਸਲ ਵਰਤੋਂ ਵਿੱਚ ਕੰਮ ਕਰ ਸਕੇਗਾ. ਅਸੀਂ ਇਸ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦੀ ਹੱਦ ਤੱਕ ਪਹੁੰਚ ਚੁੱਕੇ ਸੀ. ਗਾਹਕ ਸੇਵਾ ਦੇ ਹਾਲਾਤ ਵਿੱਚ ਫੰਕਸ਼ਨ ਕਾਲਿੰਗ ਅਤੇ ਹਦਾਇਤਾਂ ਦੀ ਪਾਲਣਾ ਵਿੱਚ ਸੁਧਾਰ ਦੀ ਲੋੜ ਸੀ.
ਅਸੀਂ ਗਾਹਕ ਨੂੰ ਇਹ ਗੱਲ ਸਮਝਾਈ ਅਤੇ ਖੋਜ ਟੀਮ ਨੂੰ ਕੰਮ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ. ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰ ਨੇ ਗਾਹਕ ਨਾਲ ਮਿਲ ਕੇ ਪਲੇਟਫਾਰਮ ਬਣਾਇਆ ਅਤੇ ਤੈਅ ਕੀਤਾ ਕਿ ਮਾਡਲ ਨੇ ਕੀ ਕਰਨਾ ਹੈ. ਖੋਜ ਟੀਮ ਨੇ ਸਮਰੱਥਾਵਾਂ ਦੀਆਂ ਕਮੀਆਂ ਦੂਰ ਕਰਨ ’ਤੇ ਕੰਮ ਕੀਤਾ. ਮਾਡਲ ਦੇ ਲਗਾਤਾਰ ਆਉਂਦੇ ਸੰਸਕਰਣਾਂ ਨਾਲ ਅਸੀਂ ਗਾਹਕ ਦੀਆਂ ਲੋੜਾਂ ਦੇ ਮੁਕਾਬਲੇ ਤਰੱਕੀ ਦੀ ਜਾਂਚ ਕਰ ਸਕੇ.
ਛੇ ਮਹੀਨਿਆਂ ਵਿੱਚ ਮੁੱਖ ਮੁਲਾਂਕਣਾਂ ’ਤੇ ਕਾਰਗੁਜ਼ਾਰੀ ਲਗਭਗ 60% ਤੋਂ ਵਧ ਕੇ 80% ਅਤੇ ਫਿਰ 90% ਤੋਂ ਉੱਪਰ ਪਹੁੰਚ ਗਈ, ਜੋ ਅਸਲ ਵਰਤੋਂ ਲਈ ਲੋੜੀਂਦਾ ਪੱਧਰ ਸੀ.
ਇਸ ਕੰਮ ਤੋਂ ਬਣਿਆ ਆਵਾਜ਼ ਮਾਡਲ ਹੁਣ ਉਸ ਗਾਹਕ ਦੀ ਤੈਨਾਤੀ, ਗਾਹਕ ਸੇਵਾ ਲਈ ਹੋਰ ਵਿਸ਼ੇਸ਼ ਤੈਨਾਤੀਆਂ ਅਤੇ ਪ੍ਰੈਜ਼ੈਂਸ ਰਾਹੀਂ ਪ੍ਰਬੰਧਿਤ ਤੈਨਾਤੀਆਂ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ. ਇੱਕ ਗਾਹਕ ਦੇ ਕਾਰੋਬਾਰ ਵਿੱਚ ਆਈ ਸਮੱਸਿਆ ਨੇ ਅਜਿਹੇ ਸੁਧਾਰਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ ਜੋ ਕਈ ਹੋਰਾਂ ਦੇ ਕੰਮ ਆ ਸਕਦੇ ਸਨ.
ਹਰ ਹਿੱਸੇ ਦੀ ਅਹਿਮੀਅਤ ਸੀ. ਗਾਹਕ ਨੇ ਅਜਿਹੀ ਸਮੱਸਿਆ ’ਤੇ ਕੰਮ ਕਰਨ ਦੀ ਵਚਨਬੱਧਤਾ ਦਿਖਾਈ ਜਿਸ ਨੂੰ ਮਾਡਲ ਅਜੇ ਹੱਲ ਨਹੀਂ ਕਰ ਸਕਦਾ ਸੀ. ਫਾਰਵਰਡ ਡਿਪਲੌਏਡ ਇੰਜੀਨੀਅਰ ਗਾਹਕ ਨਾਲ ਇੰਨਾ ਨੇੜਿਓਂ ਜੁੜਿਆ ਰਿਹਾ ਕਿ ਸਮੱਸਿਆ ਨੂੰ ਸਪਸ਼ਟ ਕਰ ਸਕੇ, ਪਲੇਟਫਾਰਮ ਬਣਾ ਸਕੇ ਅਤੇ ਸਾਂਝੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਅੱਗੇ ਵਧਾ ਸਕੇ. ਖੋਜ ਟੀਮ ਨੇ ਮਾਡਲ ਦੀਆਂ ਬੁਨਿਆਦੀ ਸਮਰੱਥਾਵਾਂ ਸੁਧਾਰੀਆਂ.
ਆਪਣੀ ਲੋੜ ਖ਼ਤਮ ਕਰ ਦੇਣ ਦਾ ਇਹ ਦੂਜਾ ਤਰੀਕਾ ਹੈ: ਅੱਜ ਦੇ ਮਾਡਲਾਂ ਤੋਂ ਨਾ ਸੁਲਝ ਸਕਣ ਵਾਲੀ ਸਮੱਸਿਆ ਨੂੰ ਭਵਿੱਖ ਦੇ ਮਾਡਲਾਂ ਦੀ ਸਮਰੱਥਾ ਵਿੱਚ ਬਦਲਣ ਵਿੱਚ ਮਦਦ ਕਰਨਾ. ਸਾਡੇ ਕੰਮ ਦਾ ਲਾਭ ਕਿਸੇ ਇੱਕ ਗਾਹਕ ਨਾਲ ਬਿਤਾਏ ਘੰਟਿਆਂ ਤੋਂ ਕਿਤੇ ਅੱਗੇ ਤੱਕ ਜਾਂਦਾ ਹੈ.
ਮੈਂ ਲੋਕਾਂ ਦੇ ਰੋਜ਼ਾਨਾ ਕੰਮ ਵਿੱਚ ਏਆਈ ਨੂੰ ਲਾਭਦਾਇਕ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ OpenAI ਨਾਲ ਜੁੜਿਆ ਸੀ. ਅੱਜ ਵੀ ਇਹੀ ਸੋਚ ਟੀਮ ਨੂੰ ਦਿਸ਼ਾ ਦਿੰਦੀ ਹੈ. ਮੈਂ ਟੀਮ ਨੂੰ ਅਕਸਰ ਕਹਿੰਦਾ ਹਾਂ ਕਿ LLM ਵਿਕਾਸ ਦੇ ਜ਼ਿਆਦਾਤਰ ਮਾਮਲਿਆਂ ਵਿੱਚ ਓਕਮ ਦਾ ਸਿਧਾਂਤ ਲਾਗੂ ਹੁੰਦਾ ਹੈ—ਸਭ ਤੋਂ ਸਰਲ ਹੱਲ ਹੀ ਸਭ ਤੋਂ ਵਧੀਆ ਹੁੰਦਾ ਹੈ. ਸਾਡੀ ਕੰਪਨੀ ਆਪਣੀ ਅਤਿ-ਆਧੁਨਿਕ ਖੋਜ ਲਈ ਜਾਣੀ ਜਾਂਦੀ ਹੈ, ਜਦਕਿ ਇਸ ਉਦਯੋਗ ਦੀ ਸਾਖ਼ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਕੀਤੇ ਦਾਅਵਿਆਂ ਨਾਲ ਖ਼ਰਾਬ ਹੋਈ ਹੈ. ਅਜਿਹੇ ਵਿੱਚ ਅਸੀਂ ਉਹ ਚੀਜ਼ਾਂ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਾਂ ਜੋ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਅਤੇ ਜਿਨ੍ਹਾਂ ’ਤੇ ਅਮਲੀ ਕੰਮ ਕਰਨ ਵਾਲੇ ਲੋਕ ਨਿਰਭਰ ਕਰ ਸਕਣ.
ਟੀਚਾ ਇਹ ਹੈ ਕਿ ਹਰ ਸਾਂਝਾ ਪ੍ਰੋਜੈਕਟ ਅਗਲੇ ਕੰਮ ਨੂੰ ਬਿਹਤਰ ਬਣਾਏ: ਕੋਈ ਉਤਪਾਦ ਜਿਸ ਨੂੰ ਤੈਨਾਤ ਕਰਨਾ ਸੌਖਾ ਹੋਵੇ, ਕੋਈ ਮਾਡਲ ਜੋ ਹੋਰ ਔਖਾ ਕੰਮ ਕਰ ਸਕੇ, ਜਾਂ ਅਗਲੇ ਗਾਹਕ ਲਈ ਘੱਟ ਵਿਸ਼ੇਸ਼ ਕੰਮ ਦੀ ਲੋੜ ਪਵੇ.
ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ ਔਖੀ ਸਮੱਸਿਆ ਹੈ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਹੱਲ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਸਾਨੂੰ ਤੁਹਾਡੇ ਨਾਲ ਕੰਮ ਕਰਕੇ ਖ਼ੁਸ਼ੀ ਹੋਵੇਗੀ. ਜੇ ਤੁਸੀਂ ਅਜਿਹੀਆਂ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਅਸੀਂ ਚਾਹਾਂਗੇ ਕਿ ਤੁਸੀਂ ਸਾਡੀ ਟੀਮ ਨਾਲ ਜੁੜੋ.
ਤਾਂ ਜਦੋਂ Codex ਉਹ ਕੰਮ ਸੰਭਾਲ ਸਕਦਾ ਹੋਵੇ ਜਿਸ ਨੂੰ ਬਣਾਉਣ ਵਿੱਚ ਅਸੀਂ ਮਹੀਨੇ ਲਾਏ ਸਨ, ਅਸੀਂ ਕੀ ਕਰੀਏ?
ਹੋਰ ਔਖੀ ਸਮੱਸਿਆ ਲੱਭੀਏ.
