OpenAI ਨਾਲ Uber ਕਮਾਈ ਵਧਾਉਣ ਅਤੇ ਬੁਕਿੰਗ ਤੇਜ਼ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ

ਰੋਜ਼ਾਨਾ ਲੱਖਾਂ ਲੋਕ ਰਾਈਡ ਬੁੱਕ ਕਰਨ, ਖਾਣਾ ਮੰਗਵਾਉਣ, ਪੈਕੇਜ ਭੇਜਣ ਅਤੇ ਆਪਣੀ ਮਰਜ਼ੀ ਅਨੁਸਾਰ ਕਮਾਈ ਕਰਨ ਲਈ Uber 'ਤੇ ਨਿਰਭਰ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਇਹ ਹੈ ਕਿ ਜਦੋਂ ਵੀ ਤੁਸੀਂ Uber ਐਪ 'ਤੇ ਇੱਕ ਕਲਿੱਕ ਕਰਦੇ ਹੋ, ਤਾਂ ਉਸ ਦੇ ਪਿੱਛੇ ਇੱਕ ਬਹੁਤ ਵੱਡਾ ਅਤੇ ਗੁੰਝਲਦਾਰ ਸਿਸਟਮ ਕੰਮ ਕਰ ਰਿਹਾ ਹੁੰਦਾ ਹੈ। ਇਹ ਸਿਸਟਮ ਮੌਕੇ ਦੀ ਸਥਿਤੀ ਦੇ ਹਿਸਾਬ ਨਾਲ ਬਦਲਦਾ ਰਹਿੰਦਾ ਹੈ। Uber ਬਹੁਤ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ: 70 ਤੋਂ ਵੱਧ ਦੇਸ਼ਾਂ ਦੇ 15,000 ਸ਼ਹਿਰਾਂ ਵਿੱਚ ਰੋਜ਼ਾਨਾ 4 ਕਰੋੜ ਟ੍ਰਿਪ ਹੁੰਦੇ ਹਨ ਅਤੇ ਇਸ ਨਾਲ 1 ਕਰੋੜ ਡਰਾਈਵਰ ਤੇ ਕੂਰੀਅਰ ਜੁੜੇ ਹੋਏ ਹਨ। ਹਰ ਸ਼ਹਿਰ ਦੇ ਆਪਣੇ ਕਾਰਜਸ਼ੀਲ ਹਾਲਾਤ, ਨਿਯਮ ਅਤੇ ਸਵਾਰੀਆਂ ਦਾ ਸੁਭਾਅ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਕਾਰਨ ਅਜਿਹਾ ਸਿਸਟਮ ਬਣਦਾ ਹੈ ਜਿਸ ਨੂੰ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਲਗਾਤਾਰ ਢਲਣਾ ਪੈਂਦਾ ਹੈ।

Uber ਆਪਣੇ ਕੰਮ-ਕਾਜ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਆ ਰਿਹਾ ਹੈ। ਹੁਣ, ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਸ ਅਤੇ OpenAI ਦੇ ਆਧੁਨਿਕ ਮਾਡਲਾਂ ਦੀ ਮਦਦ ਨਾਲ, Uber ਗੁੰਝਲਦਾਰ ਇਸ਼ਾਰਿਆਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਸਮਝ ਸਕਦਾ ਹੈ, ਤੁਰੰਤ ਗੱਲਬਾਤ ਵਰਗੇ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ, ਅਤੇ ਐਪ ਦੇ ਅੰਦਰ ਵੌਇਸ ਫੀਚਰਸ ਨੂੰ ਬਿਹਤਰ ਬਣਾ ਸਕਦਾ ਹੈ।

Uber ਅਤੇ OpenAI ਦੇ ਵਿਚਕਾਰ ਇਹ ਸਾਂਝੇਦਾਰੀ ਅਜਿਹੇ AI-ਅਧਾਰਿਤ ਉਤਪਾਦ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਰਹੀ ਹੈ, ਜੋ ਡਰਾਈਵਰਾਂ ਅਤੇ ਕੂਰੀਅਰਾਂ ਲਈ ਕਮਾਈ ਦੇ ਮੌਕਿਆਂ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦੇ ਹਨ ਅਤੇ ਸਵਾਰੀਆਂ ਲਈ ਬੁਕਿੰਗ ਦੀਆਂ ਮੁਸ਼ਕਲਾਂ ਨੂੰ ਘਟਾਉਂਦੇ ਹਨ। OpenAI ਦੀ ਮਦਦ ਨਾਲ, Uber ਹੁਣ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਤੇਜ਼ੀ ਨਾਲ ਨਵੀਆਂ ਅਤੇ ਵਧੀਆ ਸਹੂਲਤਾਂ ਤਿਆਰ ਕਰਕੇ ਆਪਣੇ ਗਾਹਕਾਂ ਤੱਕ ਪਹੁੰਚਾ ਸਕਦਾ ਹੈ।

ਡਰਾਈਵਰਾਂ ਲਈ, ਆਪਣੀ ਮਰਜ਼ੀ ਅਨੁਸਾਰ ਕੰਮ ਕਰਨ ਦੀ ਆਜ਼ਾਦੀ Uber ਦੀ ਸਭ ਤੋਂ ਵੱਡੀ ਖੂਬੀ ਹੈ। ਕੁਝ ਲੋਕ ਪੂਰਾ ਸਮਾਂ ਗੱਡੀ ਚਲਾਉਂਦੇ ਹਨ, ਕੁਝ ਸਿਰਫ਼ ਸ਼ਨੀਵਾਰ-ਐਤਵਾਰ ਨੂੰ, ਅਤੇ ਕੁਝ ਆਪਣੀਆਂ ਕਲਾਸਾਂ ਜਾਂ ਹੋਰ ਕੰਮ ਦੀਆਂ ਸ਼ਿਫਟਾਂ ਦੇ ਵਿਚਕਾਰਲੇ ਖਾਲੀ ਸਮੇਂ ਵਿੱਚ ਗੱਡੀ ਚਲਾਉਂਦੇ ਹਨ। ਇਸ ਖੁੱਲ੍ਹ ਦਾ ਮਤਲਬ ਇਹ ਵੀ ਹੈ ਕਿ ਡਰਾਈਵਰ ਲਗਾਤਾਰ ਸੋਚਦੇ ਰਹਿੰਦੇ ਹਨ ਅਤੇ ਸਵਾਲ ਪੁੱਛਦੇ ਹਨ: ਮੈਨੂੰ ਇਸ ਵੇਲੇ ਕਿੱਥੇ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ? ਕੀ ਏਅਰਪੋਰਟ ਜਾਣਾ ਫਾਇਦੇਮੰਦ ਰਹੇਗਾ? ਕੀ ਮੈਨੂੰ ਦੁਪਹਿਰ ਦੇ ਖਾਣੇ ਵੇਲੇ ਸਵਾਰੀਆਂ ਦੀ ਬਜਾਏ ਡਿਲੀਵਰੀ ਸ਼ੁਰੂ ਕਰ ਦੇਣੀ ਚਾਹੀਦੀ ਹੈ? ਅੱਜ ਮੇਰੀ ਕਮਾਈ ਪਹਿਲਾਂ ਨਾਲੋਂ ਵੱਖਰੀ ਕਿਉਂ ਹੈ?

ਇਨ੍ਹਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ, Uber ਨੇ Uber ਸਹਾਇਕ ਤਿਆਰ ਕੀਤਾ ਹੈ। ਇਹ AI-ਅਧਾਰਿਤ ਸਹਾਇਕ ਹੈ ਜੋ ਡਰਾਈਵਰਾਂ ਦੀ ਹਰ ਕਦਮ 'ਤੇ ਮਦਦ ਕਰਦਾ ਹੈ—ਐਪ ਨਾਲ ਜੁੜਨ ਤੋਂ ਲੈ ਕੇ, ਪਹਿਲੀ ਰਾਈਡ ਲੈਣ ਅਤੇ ਰੋਜ਼ਾਨਾ ਦੀ ਕਮਾਈ ਵਧਾਉਣ ਤੱਕ।

Uber ਦੇ ਪ੍ਰੋਡਕਟ ਮੈਨੇਜਮੈਂਟ ਡਾਇਰੈਕਟਰ, ਧਰਮਿਨ ਪਾਰਿਖ ਕਹਿੰਦੇ ਹਨ, "ਅਸੀਂ ਚਾਹੁੰਦੇ ਹਾਂ ਕਿ ਡਰਾਈਵਰਾਂ ਨੂੰ ਬਾਜ਼ਾਰ ਦੀ ਪੂਰੀ ਜਾਣਕਾਰੀ ਅਤੇ ਮੌਕੇ ਦੇ ਹਾਲਾਤ ਦੱਸ ਕੇ ਇਸ ਕਾਬਿਲ ਬਣਾਇਆ ਜਾਵੇ ਕਿ ਉਹ ਆਪਣੇ ਲਈ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈ ਸਕਣ।"

ਇਹ ਸਹਾਇਕ ਡਰਾਈਵਰਾਂ ਨੂੰ ਇਹ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਨੂੰ ਕਦੋਂ ਅਤੇ ਕਿੱਥੇ ਕਮਾਈ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਇਹ ਕਮਾਈ ਦੇ ਰੁਝਾਨਾਂ ਅਤੇ ਨਕਸ਼ੇ 'ਤੇ ਭੀੜ ਵਾਲੇ ਇਲਾਕੇ ਵਰਗੇ ਗੁੰਝਲਦਾਰ ਡੇਟਾ ਨੂੰ ਬਿਲਕੁਲ ਸੌਖੀ ਸਲਾਹ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ। ਉਹ ਫਿਰ ਆਪਣੀ ਸੌਖੀ ਭਾਸ਼ਾ ਵਿੱਚ ਹੋਰ ਸਵਾਲ ਪੁੱਛ ਸਕਦੇ ਹਨ, ਆਪਣੀ ਲੋੜ ਮੁਤਾਬਕ ਜਵਾਬ ਪਾ ਸਕਦੇ ਹਨ ਅਤੇ ਐਪ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਵਰਤ ਸਕਦੇ ਹਨ।

Uber ਦਾ ਟੀਚਾ ਕੋਗਨਿਟਿਵ ਓਵਰਹੈੱਡ ਨੂੰ ਘਟਾਉਣਾ ਹੈ—ਭਾਵ ਕਿ ਕਮਾਈ ਕਰਨ ਦੇ ਨਾਲ-ਨਾਲ ਬਾਜ਼ਾਰ ਦੇ ਗੁੰਝਲਦਾਰ ਡੇਟਾ ਨੂੰ ਸਮਝਣ ਲਈ ਲੱਗਣ ਵਾਲੀ ਦਿਮਾਗੀ ਮਿਹਨਤ ਨੂੰ ਘੱਟ ਕਰਨਾ।

ਇਹ ਨਵੇਂ ਡਰਾਈਵਰਾਂ ਲਈ ਖਾਸ ਤੌਰ 'ਤੇ ਬਹੁਤ ਫਾਇਦੇਮੰਦ ਸਾਬਤ ਹੋਇਆ ਹੈ। Uber ਨੇ ਦੇਖਿਆ ਹੈ ਕਿ AI ਰਾਹੀਂ ਆਪਣੀ ਡੇਟਾ ਨੂੰ ਸੌਖੇ ਤਰੀਕੇ ਨਾਲ ਸਮਝਾਉਣ ਨਾਲ ਨਵੇਂ ਡਰਾਈਵਰਾਂ ਦਾ ਕੰਮ ਸਿੱਖਣ ਦਾ ਸਮਾਂ ਬਹੁਤ ਘੱਟ ਜਾਂਦਾ ਹੈ, ਇਸ ਨਾਲ ਉਹ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਅਤੇ ਬਾਜ਼ਾਰ ਦੇ ਹਾਲਾਤਾਂ ਨੂੰ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਸਮਝ ਲੈਂਦੇ ਹਨ, ਬਜਾਏ ਇਸ ਦੇ ਕਿ ਉਹ ਖੁਦ ਗਲਤੀਆਂ ਕਰ-ਕਰ ਕੇ ਸਿੱਖਣ।

ਸ਼ੁਰੂ ਵਿੱਚ ਇਹ ਲੱਗਦਾ ਸੀ ਕਿ Uber ਸਹਾਇਕ ਸਿਰਫ਼ ਨਵੇਂ ਡਰਾਈਵਰਾਂ ਦੇ ਹੀ ਕੰਮ ਆਵੇਗਾ ਪਰ ਦੇਖਿਆ ਗਿਆ ਕਿ ਪੁਰਾਣੇ ਅਤੇ ਤਜ਼ਰਬੇਕਾਰ ਡਰਾਈਵਰ ਵੀ ਵਾਰ-ਵਾਰ ਇਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਤਾਂ ਜੋ ਉਹ ਆਪਣੇ ਸਮੇਂ ਦਾ ਸਹੀ ਫਾਇਦਾ ਉਠਾ ਸਕਣ— ਇਸ ਤੋਂ ਇਹ ਸਾਬਤ ਹੋ ਗਿਆ ਕਿ ਇਹ ਸਿਰਫ਼ ਕੰਮ ਸਿੱਖਣ ਦਾ ਸਾਧਨ ਨਹੀਂ, ਸਗੋਂ ਹਮੇਸ਼ਾ ਕੰਮ ਆਉਣ ਵਾਲੀ ਵਧੀਆ ਸਹੂਲਤ ਹੈ।

ਧਰਮਿਨ ਪਾਰਿਖ ਕਹਿੰਦੇ ਹਨ, "ਇਹ ਸਹਾਇਕ ਡਰਾਈਵਰਾਂ ਨੂੰ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਸਿੱਖਣ ਵਿੱਚ ਮਦਦ ਕਰ ਰਿਹਾ ਹੈ, ਜਦਕਿ ਪਹਿਲਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਪਲੇਟਫਾਰਮ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਝਣ ਲਈ ਸੈਂਕੜੇ ਰਾਈਡਾਂ ਲਗਾਉਣੀਆਂ ਪੈਂਦੀਆਂ ਸਨ।"

Uber ਲਈ, ਕਿਸੇ ਵੀ ਅਜਿਹੇ AI ਸਿਸਟਮ ਨੂੰ ਲਾਗੂ ਕਰਨ ਵੇਲੇ ਸਹੀ ਜਾਣਕਾਰੀ, ਸੁਰੱਖਿਆ, ਭਰੋਸੇਯੋਗਤਾ, ਅਤੇ ਤੇਜ਼ ਰਫ਼ਤਾਰ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਚੀਜ਼ਾਂ ਹਨ, ਕਿਉਂਕਿ ਇਸ ਦੇ ਜਵਾਬ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਡਰਾਈਵਰਾਂ ਅਤੇ ਕੂਰੀਅਰਾਂ ਦੇ ਕੰਮ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ। ਮੋਬਾਈਲ ਐਪ ਵੱਲੋਂ ਦਿੱਤੀ ਗਈ ਸਲਾਹ ਹਮੇਸ਼ਾ ਨਿਯਮਾਂ ਦੇ ਅਨੁਸਾਰ ਹੋਵੇ ਅਤੇ ਜਵਾਬ ਇੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਮਿਲੇ ਕਿ ਡਰਾਈਵਰ ਨੂੰ ਕੰਮ ਦੇ ਵਿਚਕਾਰ ਇੰਤਜ਼ਾਰ ਨਾ ਕਰਨਾ ਪਵੇ।

ਇਸੇ ਲਈ Uberਨੇ ਆਪਣੇ ਸਹਾਇਕ ਨੂੰ ਤਿੰਨ ਮੁੱਖ ਅਸੂਲਾਂ 'ਤੇ ਬਣਾਇਆ ਹੈ: ਸੁਰੱਖਿਆ, ਭਰੋਸਾ ਅਤੇ ਬਿਨਾਂ ਕਿਸੇ ਦੇਰੀ ਦੇ ਤੇਜ਼ ਜਵਾਬ।

Uber ਦੀ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮ ਨੇ ਅਜਿਹਾ ਸਿਸਟਮ ਤਿਆਰ ਕੀਤਾ ਹੈ ਜਿਸ ਵਿੱਚ ਕਈ ਮਲਟੀ ਏਜੰਟ ਮਿਲ ਕੇ ਕੰਮ ਕਰਦੇ ਹਨ, ਜੋ ਡਰਾਈਵਰ ਦੇ ਹਰ ਸਵਾਲ ਨੂੰ ਉਸ ਨਾਲ ਸਬੰਧਤ ਸਹੀ ਵਿਭਾਗ ਜਾਂ ਮਾਹਿਰ ਕੋਲ ਭੇਜ ਦਿੰਦੇ ਹਨ ਤਾਂ ਜੋ ਸਹੀ ਜਵਾਬ ਮਿਲ ਸਕੇ। ਉਦਾਹਰਨ ਲਈ, ਕਮਾਈ ਨਾਲ ਜੁੜੇ ਸਵਾਲਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਦਾ ਤਰੀਕਾ ਵੱਖਰਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਨਵੇਂ ਡਰਾਈਵਰ ਦੇ ਜੁੜਨ ਦੇ ਸਵਾਲਾਂ ਦਾ ਵੱਖਰਾ, ਇਸੇ ਤਰ੍ਹਾਂ ਬਾਜ਼ਾਰ ਦੇ ਹਾਲਾਤ ਸਮਝਾਉਣ ਲਈ ਅਲੱਗ ਤਰਕ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਅਤੇ ਕਿਸੇ ਲੈਣ-ਦੇਣ ਜਾਂ ਕੰਮ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਅਲੱਗ।

ਇਹ ਸਿਸਟਮ Uber ਨੂੰ ਹਰ ਸਵਾਲ ਨੂੰ ਉਸ ਮਾਹਿਰ ਮਾਡਲ ਕੋਲ ਭੇਜਣ ਦੀ ਸਹੂਲਤ ਦਿੰਦਾ ਹੈ ਜੋ ਉਸ ਕੰਮ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਹੋਵੇ, ਤਾਂ ਜੋ ਹਰ ਜਾਣਕਾਰੀ ਸਹੀ ਅਤੇ ਜ਼ਰੂਰੀ ਪਹਿਲੂਆਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖ ਕੇ ਦਿੱਤੀ ਜਾ ਸਕੇ।

ਤੇਜ਼ ਜਵਾਬਾਂ ਅਤੇ ਸਵਾਲਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਵੰਡਣ ਵਰਗੇ ਹਲਕੇ ਕੰਮਾਂ ਲਈ, Uber ਛੋਟੇ ਅਤੇ ਬਹੁਤ ਤੇਜ਼ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਵਧੇਰੇ ਔਖੇ ਅਤੇ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਲਈ, Uber ਵੱਡੇ, ਰੀਜ਼ਨਿੰਗ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।

Uber ਨੇ AI Guard ਨਾਂ ਦਾ ਅੰਦਰੂਨੀ ਸੁਰੱਖਿਆ ਸਿਸਟਮ ਵੀ ਬਣਾਇਆ ਹੈ, ਜੋ ਸਵਾਲਾਂ ਅਤੇ ਜਵਾਬਾਂ ਦੀ ਪੜਤਾਲ ਕਰਦਾ ਹੈ। ਇਹ ਸਿਸਟਮ ਨਿੱਜਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਨੂੰ ਬਣਾਈ ਰੱਖਣ, ਨਿਯਮਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ, ਗਲਤ ਜਾਣਕਾਰੀ ਨੂੰ ਰੋਕਣ ਅਤੇ ਹਰ ਵਾਰ ਸਹੀ ਤੇ ਇੱਕੋ ਜਿਹੀ ਸਲਾਹ ਦੇਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।

ਜਦੋਂ ਡਰਾਈਵਰਾਂ ਨੂੰ ਸਹੀ ਅਤੇ ਫਾਇਦੇਮੰਦ ਸਲਾਹ ਮਿਲਦੀ ਹੈ, ਤਾਂ ਉਹ ਮੁੜ ਕੇ ਉਸ ਸਹੂਲਤ ਦੀ ਵਰਤੋਂ ਜ਼ਰੂਰ ਕਰਦੇ ਹਨ। ਉਹ ਹੋਰ ਸਵਾਲ ਪੁੱਛਦੇ ਹਨ। ਉਹ ਵਾਰ-ਵਾਰ ਇਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਅਤੇ ਉਹ ਐਪ ਉੱਤੇ ਆਪਣਾ ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ ਸਹੀ ਅਤੇ ਫਾਇਦੇਮੰਦ ਕੰਮਾਂ ਵਿੱਚ ਬਿਤਾਉਂਦੇ ਹਨ।

ਧਰਮਿਨ ਪਾਰਿਖ ਕਹਿੰਦੇ ਹਨ, "ਜੇਕਰ ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਸਿਸਟਮ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਰਹਿੰਦਾ, ਤਾਂ ਉਹ ਬਹੁਤ ਜਲਦੀ ਇਸ ਦਾ ਸਾਥ ਛੱਡ ਦਿੰਦੇ ਹਨ।" "ਪਰ ਜਦੋਂ ਉਹਨਾਂ ਨੂੰ ਇਸ ਵਿੱਚ ਫਾਇਦਾ ਨਜ਼ਰ ਆਉਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਵਾਰ-ਵਾਰ ਵਾਪਸ ਆਉਂਦੇ ਹਨ।"

Uber ਹੁਣ ਤਕਨੀਕ ਦੇ ਅਗਲੇ ਵੱਡੇ ਬਦਲਾਅ ਭਾਵ ਵੌਇਸ ਲਈ OpenAI Realtime APIs ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ।

ਸਿੱਧੇ ਅਤੇ ਸਧਾਰਨ ਕੰਮਾਂ ਲਈ ਐਪ ਵਿੱਚ ਟਾਈਪ ਕਰਨਾ ਇੱਕ ਵਧੀਆ ਅਤੇ ਅਸਰਦਾਰ ਤਰੀਕਾ ਹੋ ਸਕਦਾ ਹੈ। ਪਰ ਆਵਾਜਾਈ ਅਤੇ ਕਾਰੋਬਾਰ ਨਾਲ ਜੁੜੀਆਂ ਕਈ ਜ਼ਰੂਰਤਾਂ ਕਾਫ਼ੀ ਗੁੰਝਲਦਾਰ ਹੁੰਦੀਆਂ ਹਨ।

ਇੱਕ ਮੁਸਾਫਿਰ ਸ਼ਾਇਦ ਇਹ ਕਹਿਣਾ ਚਾਹੇ, "ਮੇਰੇ ਕੋਲ ਪੰਜ ਬੈਗ ਹਨ ਅਤੇ ਮੇਰੇ ਨਾਲ ਪੰਜ ਹੋਰ ਲੋਕ ਹਨ।" ਮੈਨੂੰ ਹਵਾਈ ਅੱਡੇ ਤੱਕ ਜਾਣ ਲਈ ਇੱਕ ਵਧੀਆ ਸਵਾਰੀ ਚਾਹੀਦੀ ਹੈ। ਤੁਸੀਂ ਕੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦੇ ਹੋ? ਇੱਕ ਬਜ਼ੁਰਗ ਜਾਂ ਨਜ਼ਰ ਤੋਂ ਕਮਜ਼ੋਰ ਮੁਸਾਫ਼ਿਰ ਮੈਨੂ ਵਿਕਲਪਾਂ 'ਤੇ ਕਲਿੱਕ ਕਰਨ ਦੀ ਬਜਾਏ ਬੋਲ ਕੇ ਗੱਲ ਕਰਨਾ ਵਧੇਰੇ ਪਸੰਦ ਕਰ ਸਕਦਾ ਹੈ।

Uber ਦੇ ਨਵੇਂ ਵੌਇਸ ਤਜ਼ਰਬੇ ਅਜਿਹੇ ਪਲਾਂ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਰੁਕਾਵਟ ਅਤੇ ਪਰੇਸ਼ਾਨੀ ਦੇ ਸੁਖਾਲਾ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਵਰਤੋਂਕਾਰ Uber ਐਪ ਵਿੱਚ 'ਕਿੱਥੇ ਜਾਣਾ ਹੈ' ਵਾਲੀ ਸਰਚ ਬਾਰ 'ਤੇ ਬਣੇ ਮਾਈਕ੍ਰੋਫ਼ੋਨ ਆਈਕਨ ਨੂੰ ਦਬਾ ਕੇ ਆਪਣੀ ਆਮ ਬੋਲਚਾਲ ਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਸਵਾਰੀ ਦੀ ਮੰਗ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਸਿਸਟਮ Realtime API ਅਤੇ ਹੋਰ ਉੱਨਤ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਰਤੋਂਕਾਰ ਦੇ ਇਰਾਦੇ ਨੂੰ ਸਮਝਦਾ ਹੈ, ਇਹ ਸੇਵ ਕੀਤੀਆਂ ਹੋਈਆਂ ਥਾਵਾਂ ਅਤੇ ਗਾਹਕ ਦੇ ਪਿਛਲੇ ਸੰਦਰਭ ਦਾ ਫਾਇਦਾ ਉਠਾਉਂਦਾ ਹੈ, ਅਤੇ ਉਸ ਮੁਤਾਬਕ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ—ਇਸ ਦੇ ਨਾਲ ਹੀ ਐਪ ਦੇ ਅੰਦਰ ਬੋਲੇ ਗਏ ਸ਼ਬਦਾਂ ਅਤੇ ਸਕ੍ਰੀਨ 'ਤੇ ਦਿਖਾਈ ਦੇਣ ਵਾਲੀ ਜਾਣਕਾਰੀ ਵਿਚਕਾਰ ਸਹੀ ਤਾਲਮੇਲ ਬਣਾਈ ਰੱਖਦਾ ਹੈ।

ਇਸ ਦਾ ਮਤਲਬ ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਸਮਾਨ ਜ਼ਿਆਦਾ ਹੈ ਤਾਂ ਸਿਸਟਮ ਆਪਣੇ ਆਪ UberXL ਲੈਣ ਦਾ ਸੁਝਾਅ ਦੇਵੇਗਾ, ਜਾਂ ਫਿਰ "ਘਰ" ਵਰਗੀਆਂ ਪਹਿਲਾਂ ਤੋਂ ਸੇਵ ਕੀਤੀਆਂ ਹੋਈਆਂ ਥਾਵਾਂ ਨੂੰ ਤੁਰੰਤ ਪਛਾਣ ਲਵੇਗਾ।

ਧਰਮਿਨ ਪਾਰਿਖ ਕਹਿੰਦੇ ਹਨ, "ਵੌਇਸ ਰਾਹੀਂ ਕੰਮ ਕਰਨ ਦੀ ਸਹੂਲਤ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਸਿਰਫ਼ ਇੱਕ ਹੀ ਕੰਮ ਪੂਰਾ ਕਰਨ ਦੀ ਰੁਕਾਵਟ ਨੂੰ ਖ਼ਤਮ ਕਰ ਦਿੰਦੀ ਹੈ।" "ਤੁਸੀਂ ਆਪਣੇ ਪੂਰੇ ਮਕਸਦ ਨੂੰ ਕੁਦਰਤੀ ਤਰੀਕੇ ਨਾਲ ਬੋਲ ਕੇ ਬਿਆਨ ਕਰ ਸਕਦੇ ਹੋ, ਅਤੇ ਸਿਸਟਮ ਉਸ ਦੇ ਮੁਤਾਬਕ ਸਹੀ ਨਤੀਜਾ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ।"

ਵੌਇਸ ਦੀ ਸਹੂਲਤ ਨਾ ਸਿਰਫ਼ ਪਹੁੰਚਯੋਗਤਾ ਦਾ ਦਾਇਰਾ ਵਧਾਉਂਦੀ ਹੈ, ਸਗੋਂ Uber ਦੇ ਪੂਰੇ ਸਿਸਟਮ ਵਿੱਚ ਕੰਮ ਕਰਨ ਦੇ ਨਵੇਂ ਅਤੇ ਬਿਹਤਰ ਤਰੀਕਿਆਂ ਦੇ ਰਾਹ ਵੀ ਖੋਲ੍ਹਦੀ ਹੈ। ਡਰਾਈਵਰਾਂ ਵਾਲੇ ਪਾਸੇ, ਇਹ ਸਹੂਲਤ ਉਹਨਾਂ ਨੂੰ ਆਪਣੇ ਹੱਥਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੇ ਬਿਨਾਂ ਐਪ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਸਵਾਰੀਆਂ ਲਈ, ਇਹ ਉਹਨਾਂ ਗਾਹਕਾਂ ਦੀਆਂ ਮੁਸ਼ਕਿਲਾਂ ਨੂੰ ਘਟਾ ਸਕਦਾ ਹੈ ਜੋ ਤੇਜ਼ ਅਤੇ ਵਧੇਰੇ ਸਰਲ ਤਰੀਕੇ ਨਾਲ ਐਪ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ।

ਵਿਦਿਆਸਾਗਰ ਕਹਿੰਦੇ ਹਨ, "ਵੌਇਸ ਵਾਰ-ਵਾਰ ਟੈਪ ਕਰਨ ਦੀ ਰੁਕਾਵਟ ਨੂੰ ਖ਼ਤਮ ਕਰ ਦਿੰਦੀ ਹੈ ਕਿਉਂਕਿ ਤੁਸੀਂ ਇੱਕੋ ਵਾਰ ਵਿੱਚ ਕਈ ਗੱਲਾਂ ਕਹਿ ਸਕਦੇ ਹੋ। ਇਹ ਪੂਰੇ ਸਿਸਟਮ ਦੇ ਵੱਖ-ਵੱਖ ਹਿੱਸਿਆਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਜੋੜਨ ਦੀ ਸਮਰੱਥਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ।"

ਜਿਵੇਂ-ਜਿਵੇਂ LLM ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੋ ਰਹੀਆਂ ਹਨ, Uber ਨੇ ਆਪਣੀਆਂ ਟੀਮਾਂ ਦੇ ਕੰਮ ਕਰਨ ਅਤੇ ਨਵੀਆਂ ਚੀਜ਼ਾਂ ਬਣਾਉਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਵੀ ਬਦਲਾਅ ਕੀਤਾ ਹੈ।

ਪੂਰੀ ਸੰਸਥਾ ਦੇ ਇੰਜੀਨੀਅਰ ਹੁਣ ਪ੍ਰੌਮਪਟਿੰਗ, ਰਿਟ੍ਰੀਵਲ ਸਿਸਟਮ, ਇਵੈਲੂਏਸ਼ਨ ਪਾਈਪਲਾਈਨਾਂ, ਅਤੇ ਆਰਕੈਸਟਰੇਸ਼ਨ ਫਰੇਮਵਰਕ ਨਾਲ ਮਿਲ ਕੇ ਕੰਮ ਕਰਦੇ ਹਨ। ਉਤਪਾਦ, ਕਾਨੂੰਨੀ, ਸੰਚਾਲਨ ਅਤੇ ਡਿਜ਼ਾਈਨ ਟੀਮਾਂ ਨੀਤੀਗਤ ਸੀਮਾਵਾਂ ਨਿਰਧਾਰਤ ਕਰਨ, ਨਤੀਜਿਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਅਤੇ ਵਰਤੋਂਕਾਰ ਦੇ ਤਜ਼ਰਬਿਆਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਹੁਣ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਵੱਧ ਮਿਲ ਕੇ ਕੰਮ ਕਰਦੀਆਂ ਹਨ।

ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਕੇਂਦਰੀਕ੍ਰਿਤ AI ਟੀਮ ਵੱਲੋਂ ਨਵੀਆਂ ਕਾਢਾਂ 'ਤੇ ਕੰਮ ਕਰਨ ਦੀ ਬਜਾਏ, ਹੁਣ ਬੁੱਧੀਮਾਨ ਤਕਨਾਲੋਜੀ ਨੂੰ ਪੂਰੀ ਕੰਪਨੀ ਦੇ ਹਰ ਹਿੱਸੇ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਵਿਦਿਆਸਾਗਰ ਕਹਿੰਦੇ ਹਨ, "ਹੁਣ ਇਹ ਸਭ ਕੁਝ ਕਰਨ ਵਾਲਾ ਸਿਰਫ਼ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਗਰੁੱਪ ਨਹੀਂ ਰਿਹਾ। ਬਹੁਤ ਸਾਰੀਆਂ ਟੀਮਾਂ ਹੁਣ ਇਸ ਵਿੱਚ ਆਪਣਾ ਯੋਗਦਾਨ ਪਾ ਸਕਦੀਆਂ ਹਨ ਕਿਉਂਕਿ ਨਵੀਆਂ ਚੀਜ਼ਾਂ ਬਣਾਉਣ ਦੇ ਰਾਹ ਵਿੱਚ ਆਉਣ ਵਾਲੀਆਂ ਰੁਕਾਵਟਾਂ ਹੁਣ ਘੱਟ ਗਈਆਂ ਹਨ।"

ਇਹ ਤਬਦੀਲੀ ਪ੍ਰਯੋਗਾਂ ਦੀ ਗਤੀ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ ਅਤੇ Uber ਦੇ ਪੂਰੇ ਸਿਸਟਮ ਵਿੱਚ ਨਵੇਂ ਵਿਚਾਰਾਂ ਨੂੰ ਜਨਮ ਦਿੰਦੀ ਹੈ।

ਵਿਦਿਆਸਾਗਰ ਕਹਿੰਦੇ ਹਨ, "ਹਰ ਡਰਾਈਵ ਅਤੇ ਹਰ ਸਫ਼ਰ ਘਟਨਾਵਾਂ ਦਾ ਇੱਕ ਸਿਲਸਿਲਾ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਉਸ ਦੇ ਬਾਰੀਕ ਵੇਰਵਿਆਂ ਨੂੰ ਸਮਝਣਾ ਅਤੇ ਪ੍ਰੋਸੈਸ ਕਰਨਾ ਹੀ ਉਹ ਖ਼ੂਬੀ ਹੈ ਜੋ LLM ਸਾਡੇ ਲਈ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਸਾਨੂੰ ਬਹੁਤ ਸਾਰੀ ਜਾਣਕਾਰੀ ਦਿੰਦਾ ਹੈ ਕਿ ਸਾਨੂੰ ਅੱਗੇ ਕਿਹੜੇ ਕਦਮ ਚੁੱਕਣੇ ਚਾਹੀਦੇ ਹਨ, ਅਤੇ ਸਾਡੇ–ਵਰਗੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਇਹ ਸਮਰੱਥਾ ਮਿਲਣਾ–ਬਹੁਤ ਜ਼ਿਆਦਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ।"

Uber ਸਹਾਇਕ ਨੂੰ ਹੁਣ ਪੂਰੇ U.S ਵਿੱਚ ਡਰਾਈਵਰ ਨੈੱਟਵਰਕ ਲਈ ਇੱਕ ਪ੍ਰਯੋਗਾਤਮਕ ਰੋਲਆਊਟ ਵਜੋਂ ਵਧਾਇਆ ਗਿਆ ਹੈ, ਜਦਕਿ Uber ਇਸ ਦੇ ਅਨੁਭਵ ਨੂੰ ਹੋਰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਲਗਾਤਾਰ ਟੈਸਟਿੰਗ ਅਤੇ ਸੁਧਾਰ ਕਰ ਰਿਹਾ ਹੈ:

• ਲਾਖਾਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ ਅਮਰੀਕੀ ਡਰਾਈਵਰਾਂ ਕੋਲ ਹੁਣ Uber ਸਹਾਇਕ ਦੇ beta ਅਨੁਭਵਾਂ ਤੱਕ ਪਹੁੰਚ ਹੈ।
• ਨਵੇਂ ਡਰਾਈਵਰਾਂ ਲਈ ਸਹਾਇਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨੀ, ਉਹਨਾਂ ਨੂੰ ਵਧੇਰੇ ਟ੍ਰਿਪ ਹਾਸਲ ਕਰਨ ਲਈ ਬਿਹਤਰ ਤਰੀਕੇ ਨਾਲ ਤਿਆਰ ਹੋਣ ਵਿੱਚ ਮਦਦ ਕਰਨਾ
• ਵਰਤੋਂਕਾਰਾਂ ਦੀ ਵਾਰ-ਵਾਰ ਵਧ ਰਹੀ ਸ਼ਮੂਲੀਅਤ, ਜਿੱਥੇ ਉਹ ਸਫਲ ਗੱਲਬਾਤ ਜਾਂ ਅਨੁਭਵਾਂ ਤੋਂ ਬਾਅਦ ਵਾਰ-ਵਾਰ ਵਾਪਸ ਆ ਰਹੇ ਹਨ
• ਸਮਾਰਟ ਮਾਰਕੀਟਪਲੇਸ ਜਾਣਕਾਰੀ ਰਾਹੀਂ ਪਲੇਟਫਾਰਮ 'ਤੇ ਸਮੇਂ ਦੀ ਬਿਹਤਰ ਵਰਤੋਂ
• ਮਾਡਲ ਸਪੈਸ਼ਲਾਈਜ਼ੇਸ਼ਨ ਅਤੇ ਲਗਾਤਾਰ ਮੁਲਾਂਕਣ ਪ੍ਰਣਾਲੀਆਂ ਰਾਹੀਂ ਉਤਪਾਦ ਸੁਧਾਰ ਚੱਕਰਾਂ ਵਿੱਚ ਤੇਜ਼ੀ

ਨਵੇਂ ਡਰਾਈਵਰ ਨੂੰ ਉਸਦਾ ਪਹਿਲਾ ਸਫ਼ਰ ਦਿਵਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਤੋਂ ਲੈ ਕੇ, ਕਮਾਈ ਦੇ ਬਿਹਤਰ ਮੌਕਿਆਂ ਦੀ ਭਾਲ ਵਿੱਚ ਲੱਗੇ ਤਜਰਬੇਕਾਰ ਡਰਾਈਵਰ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰਨ ਤੱਕ, Uber ਆਪਣੇ ਕੰਮ ਨੂੰ ਵਧੇਰੇ ਕੁਸ਼ਲ, ਆਵਾਜਾਈ ਨੂੰ ਸੁਖਾਲਾ ਅਤੇ ਰੋਜ਼ਾਨਾ ਦੇ ਲੌਜਿਸਟਿਕਸ ਨੂੰ ਵਧੇਰੇ ਮਾਨਵੀ ਬਣਾਉਣ ਲਈ OpenAI ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ।

ਵਿਦਿਆਸਾਗਰ ਕਹਿੰਦੇ ਹਨ, "ਇੱਕ ਇੰਜੀਨੀਅਰ ਵਜੋਂ, OpenAI ਸਾਨੂੰ ਉਨ੍ਹਾਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਵੱਖਰੇ ਅਤੇ ਵਿਲੱਖਣ ਤਰੀਕਿਆਂ ਨਾਲ ਹੱਲ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।"