ஃபெராரி IBM இன் AI ஐ பயன்படுத்தி F1 சூப்பர் ரசிகர்களை உருவாக்குகிறது

IBM மற்றும் Scuderia Ferrari HP ஆகியவை ஃபார்முலா ওன் அணிகள் ரசிக களுடன் ஈடுபடுவதைப் பற்றி சிந்திக்கும் விதத்தை முற்றிலும் மாற்றிவிட்டன. இரண்டு ஆண்டுகளுக்கு முன்பு அறிவிக்கப்பட்ட இந்த கூட்டணி, ஃபெராரியின் ரசிக பயன்பாட்டை ব்যক்তிগতকৃত அভিজ்ঞதை இயந்திரமாக மாற்ற AI ஐ பயன்படுத்துவதை மையமாக கொண்டுள்ளது — இது வெறுமனே பந்தயத்தின் சிறப்பு தருணங்களை தள்ளி வைக்காமல், ஒவ்வொரு ஆதரவாளரும் என்ன பற்றி கவலை கொள்கிறார்கள் என்பதை கற்றுக்கொள்கிறது. IBM இன் ক্রীடা மற்றும் பொழுதுபோக்கு கூட்டணி துணை ஜனாதிபதி Kameryn Stanhouse இன் கூற்றுப்படி, இலக்கு எளிமையானது: ரசிகர்களுக்கு "AI எவ்வாறு அவர்களுக்கு சேவை செய்கிறது" என்பதைக் காட்ட உதவுவது ক்রীடை கதை சொல்லுதলின் மூலம். ஆசியா முழுவதும் நுகர்வோர் பயன்பாடுகளை உருவாக்கும் டெவலப்பர்களுக்கு — Netflix இன் "Drive to Survive" காரணமாக F1 பார்வையாளர் எண்ணிக்கை வெடிப்பு அடைந்துள்ளது — இந்த கூட்டணி ஆசியா AI வளர்ச்சி கருவிகள் குழுக்கள் தேர்ச்சி பெற வேண்டிய ஒன்றுக்கான ஒரு வரைபடத்தை வழங்குகிறது: அளவில் நிகழ்நேர ব்যক்তிগতকরணம்.

ஃபெராரியின் AI உத்தி আধুனிக வளர்ச்சி பற்றி என்ன வெளிப்படுத்துகிறது

ஃபெராரி Stefano Pallard ஐ "ரசிக வளர்ச்சির தலைவர்" என்ற பதவিக்கு நியமித்தது — இந்த பதவி மூன்று ஆண்டுகளுக்கு முன்பு இல்லை — ஒவ்வொரு நுகர்வோர் தளமும் எதிர்கொள்ளும் சிக்கலைத் தீர்க்க: লক்ష லக்ஷ ব்যবহாரிகளை அடைய அதே சமயம் ஒவ்வொருவரையும் தனிப்பட்ட முறையில் புரிந்துகொள்ளப்பட்டவர்களாக உணர வைக்க. குழுவின் বিদ்யமான பயன்பாடு அனைவருக்கும் பொதுவான பந்தய புதுப்பிப்புகளை தள்ளி வைத்தது. IBM-இயக்கப்படும் புதிய பதிப்பு நடத்தை முறைகளை பகுப்பாய்வு செய்து பொருத்தமான உள்ளடக்கத்தை மேலே கொண்டு வருகிறது: நீங்கள் குறிப்பிட்ட மூலைகளிலிருந்து ஆன்-போர்ட் கேமரா காட்சிப்படத்தை மீண்டும் பார்த்தால், பயன்பாடு நீங்கள் ஓட்டுநர் நுட்பத்தைப் பற்றி கவலை கொள்கிறீர்கள் என்பதை கற்றுக்கொள்கிறது. நீங்கள் குழு வானொலி கிளிப்புகளைத் தவிர்த்து ஆனால் ஒவ்வொரு தொழில்நுட்ப ஒழுங்குமுறை கட்டுரையையும் படித்தால், இது சரிசெய்கிறது.

இது புதிய AI கோட்பாடு அல்ல. இது உற்பத்தி-தர இயந்திர கற்றல் ஒரு களத்தில் பயன்படுத்தப்படுகிறது அங்கு தாமதம் முக்கியமானது — பந்தயங்கள் நேரலையில் நடக்கின்றன, ரசிக ஆர்வம் குறிப்பிட்ட தருணங்களில் உச்சத்தை அடைகிறது, மற்றும் பழைய பரிந்துரைகள் ஈடுபாட்டை கொல்கின்றன. தொழில்நுட்ப சவால் தென்கிழக்கு ஆசிய ஈ-வர்த்தக தளங்கள் ஃபிளாஷ் விற்பனையின் போது எதிர்கொள்ளும் அல்லது இந்திய ஃபின்டெக் பயன்பாடுகள் திருவிழா வாங்கும் காலங்களில் கையாளும் அதைப் போன்றது. உங்களுக்கு அனுமান வேகம், சுமை கீழ் மூச்சு விடாத தரவு பைப்லைன்கள், மற்றும் தரவு அறிவியல் PhD இல்லாமல் பராமரிக்க முடியாத மாதிரிகள் தேவை.

IBM அதன் watsonx தளத்தை கூட்டணிக்கு கொண்டு வந்தது, இது ஃபெராரியின் உரையாடல் அம்சங்களுக்கான இயற்கை மொழி செயல்பாட்டு மற்றும் உள்ளடக்க ব்যক்তிগতকরணத்தை சக்தி வாய்ந்த பரிந்துரை இயந்திரத்தை கையாளுகிறது. சுவாரஸ்யமான விவரம்: ஃபெராரி அதன் முழு স্ট்যாக்கையும் மீண்டும் கட்டவில்லை. அவர்கள் API களின் மூலம் বিদ்யமான உள்கட்டமைப்பில் AI திறன்களை ஒருங்கிணைத்தனர் — வைப் கோடிங் தளங்களை ஆறு மாத AI ஒருங்கிணைப்பு திட்டங்களுக்கு வசதி செய்ய முடியாத ஸ்டார্টআப்களுக்கு சாத்தியமாக்கும் அதே அணுகுமுறை.

ஆசிய டெவலப்பர்கள் ஏன் ক্রீடை தொழில்நுட்பத்தைப் பற்றி கவலை கொள்ள வேண்டும்

ஃபார்முலா ওன் இன் தொழில்நுட்ப கூட்டணிகள் நிறுவன AI உண்மையில் எங்கு வேலை செய்கிறது என்பதை வெளிப்படுத்துகிறது, வெறுமனே அது ஹাইপ் செய்யப்படும் இடம் அல்ல. AWS பல அணிகளுக்கான பந்தய உத்தி உருவகற்றுதல்களை சக்தி வாய்ந்தாக்குகிறது. Oracle Red Bull Racing இன் தரவு பகுப்பாய்வை இயக்குகிறது. Anthropic சமீபத்தில் Mercedes உடன் உரையாடல் AI கருவிகளுக்கான கூட்டணி செய்தது. இவை பைலட் திட்டங்கள் அல்ல — அவை பந்தய வார இறுதிகளில் லக்ஷ லக்ஷ ஒரே நேரத்தில் ব்যবহாரிகளை கையாளும் உற்பத்தி அமைப்புகள்.

ஆசியாவில் டெவலப்பர்களுக்கு, ক்রீடை கூட்டணிகள் மூன்று பாடங்களை வழங்குகிறது. முதலாவதாக, அளவில் ব்যক்திগতকரணம் பெரும்பாலான குழுக்கள் குறைமதிப்பிடும் உள்கட்டமைப்பு தேவைப்படுகிறது. ஃபெராரியின் பயன்பாடு நேர மண்டலங்கள் முழுவதும் ரசிகர்களுக்கு சேவை செய்கிறது, டஜன் கணக்கான மொழிகளில், பந்தயங்களின் போது ஒவ்வொரு சில வினாடிகளுக்கும் புதுப்பிக்கப்படும் உள்ளடக்கத்துடன். உங்கள் மாதிரி ব்যবহாரி நடத்தை, பந்தய தொலிமெட்ரி, மற்றும் சামাजिक உணர்வு ஒரே நேரத்தில் செயல்பட வேண்டியிருக்கும் போது அது கேட்டதை விட கடினமாக இருக்கிறது.

இரண்டாவதாக, AI அம்சங்கள் கண்ணுக்கு தெரியாதவையாக உணர வேண்டும். Pallard வலியுறுத்தினார் ரசிகர்கள் AI பற்றி சிந்திக்க வேண்டாம் — அவர்கள் வெறுமனே பயன்பாடு "அவர்களை புரிந்துகொள்கிறது" என்பதை கவனிக்க வேண்டும். இது வெற்றிகரமான ஆசிய சூப்பர்-பயன்பாடுகள் கற்றுக்கொண்டவற்றுடன் பொருந்துகிறது: WeChat ব்যবহாரிகள் பரிந்துரை அல்கோரிதம்கள் அவர்களின் மினி-திட்டம் பரிந்துரைகளை சக்தி வாய்ந்தாக்குகிறது என்பதைப் பற்றி கவலை கொள்ளவில்லை. அவர்கள் தேவைப்படும் போது பொருத்தமான சேவைகள் தோன்றுகிறது என்பதைப் பற்றி கவலை கொள்கிறார்கள். ஆசிய AI வளர்ச்சி கருவிகள் குழுக்கள் பயன்படுத்தும் சிறந்த ஒன்றுகள் அதே கொள்கையைப் பின்பற்றுகின்றன: சிக்கலை சுருக்கம், மதிப்பை வெளிப்படுத்த.

மூன்றாவதாக, பழைய ব்র்যান்ட்களுக்கும் தொழில்நுட்ப தளங்களுக்கும் இடையிலான கூட்டணிகள் இரு பக்கங்களும் களம் நிபுணத்வத்தை பங்களிக்கும் போது வேலை செய்கிறது. ஃபெராரி ரசிக உளவியல் மற்றும் பந்தய கலாச்சாரத்தை புரிந்துகொள்கிறது. IBM விநியோகிக்கப்பட்ட அமைப்புகள் மற்றும் மாதிரி স্থাপனை புரிந்துகொள்கிறது. இரண்டுமே தனியாக চূড়ান்த பொருளை உருவாக்க முடியவில்லை. இது AI-பூர்வ வளர்ச்சி தளங்கள் செயல்படுத்தும் সহযோகிதை மாதிரியை பிரதிபலிக்கிறது: தொழில்நுட்ப உள்கட்டமைப்பு வழங்குநர்கள் AI சிக்கலை கையாளுகிறார்கள், களம் நிபுணர்கள் ব்যবহாரி அভிজ்ঞதையில் கவனம் செலுத்துகிறார்கள்.

ரசிக ব்যক்তிগতকரணத்தின் பின்னணியில் உள்ள தொழில்நுட்ப স্ট்যாக்

IBM ஃபெராரியின் சரியான স்থাপত்য வெளியிடவில்லை என்றாலும், நாம் ஒத்த ক্রீடை தொழில்நுட்ப স্থাপனাக்களிலிருந்து கூறுகளை அனுமான செய்யலாம். அமைப்பு நிகழ்நேர நிகழ்வு ஸ்ট்ரீমிங் (பந்தய தொலிமெட்ரி மற்றும் நேர தரவு செயல்பாட்டு), ஒரு பரிந்துரை இயந்திரம் (ব்যবহாரி পছন்দங்களுக்கு உள்ளடக்கத்தை பொருந்தும்), இயற்கை மொழி செயல்பாட்டு (ரசிக கேள்விகள் மற்றும் கருத்துக்களை கையாளும்), மற்றும் ஒரு உள்ளடக்க விநியோக நெட்வொர்க் வீடியோவுக்கு உகந்த ஆகியவை உள்ளடக்கிறது.

பரிந்துரை இயந்திரம் பெரும்பாலான குழுக்கள் தடுமாறும் இடம். நீங்களுக்கு ব்যবহாரிகள் முழুவதும் முறைகளை கண்டுபிடிக்க সহযোগী வடிகட்டல், கட்டுரைகளை ஆர்வங்களுக்கு பொருந்த உள்ளடக்க-அடிப்படை வடிகட்டல், மற்றும் குளிர் தொடக்க சிக்கலை கையாள சூழல் bandits தேவை. இந்த மாதிரிகளை பயிற்சி செய்ய லேபிள் செய்யப்பட்ட தரவு தேவை — ஃபெராரி பல்லாயிரம் உள்ளடக்க துண்டுகளை বিষயம், ஓட்டுநர், தொழில்நுட்ப ஆழம், மற்றும் உணர்ச்சி தொனி மூலம் லேபிள் செய்திருக்கிறது.

স্থாপனை மாதிரி தரம் போல் முக்கியமாக இருக்கிறது. ஒரு பந்தயத்தின் போது, ​​লக்ஷ லக்ஷ ரசிகர்கள் ஒரே நேரத்தில் பயன்பாட்டை திறக்கிறார்கள். உங்கள் அனுமান பைப்லைன் 200 மில்லிசெகண்ட்களுக்குள் ব்যক்তிগতকৃত பரிந்துரைகளை திரும்ப வேண்டும் அல்லது ব்যবহாரிகள் பிரிந்து செல்கிறார்கள். இது quantization போன்ற மாதிரி অপ্டிமைজেশன் நுட்பங்கள், கவனமான caching কৌশல்கள், மற்றும் கணக்கீட்டு வளங்களின் ভৌগোলிক விநியோகம் தேவை. இது ஆசிய கேமிங் நிறுவனங்கள் புதிய தலைப்பு வெளியீடுகளின் போது எதிர்கொள்ளும் அதே சவால், அல்லது உணவு விநியோக தளங்கள் இரவு உணவு வேளையின் போது கையாளும் அதை.

இயற்கை மொழி கூறு பந்தய விதிகள், ஓட்டுநர் புள்ளிவிவரம், மற்றும் குழு வரலாற்றைப் பற்றிய ரசிக கேள்விகளை கையாளுகிறது. இது பெரும்பாலும் retrieval-augmented generation ஐ பயன்படுத்துகிறது — மாதிரி பதிலை உருவாக்குவதற்கு முன்பு ஃபெராரியின் அறிவு ভিত்தியை தேடுகிறது, hallucinations குறைக்கிறது. அணுகுமுறை வேலை செய்கிறது ஏனெனில் F1 கட்டமைக்கப்பட்ட தரவு உள்ளது: lap times, சாம்பியনশிப் புள்ளிகள், ஒழுங்குமுறை ஆவணங்கள். இது திறந்த-முடிவு வாடிக்கையாளர் ஆதரவுடன் வேறுபடுத்து, அங்கு அறிவு ভிত்திகள் messier மற்றும் hallucination விகிதங்கள் உயர்ந்து.

IBM இன் பட்ஜெட் இல்லாமல் ஒத்த அமைப்புகளை உருவாக்குதல்

பெரும்பாலான ஆசிய ஸ்டார்টআப்கள் IBM இன் நிறுவன ஒப்பந்தங்களுக்கு வசதி செய்ய முடியாது. ஆனால் ஃபெராரி பயன்படுத்தும் স்থাপত்য முறைகள் — நிகழ்நேர ব்যক்তிগতকரணம், உரையாடல் இন்টারফேசுகள், உள்ளடக்க பரிந்துரை — আধুனிক வளர்ச்சி தளங்களின் மூலம் அணுகக்கூடியவை. முக்கியமான விஷயம் நீங்கள் உருவாக்க வேண்டிய கூறுகள் மற்றும் நீங்கள் ஒருங்கிணைக்க முடியும் கூறுகளை புரிந்துகொள்வது.

உங்கள் தரவு பைப்லைன் மூலம் தொடங்கவும். நீங்கள் உள்ளடக்கத்தை ব்যক்তிগতকரணம் செய்கிறீர்கள் என்றால், உங்களுக்கு சுத்தமான நிகழ்வு ট்র্যাকிங் தேவை: ব்যবহாரிகள் என்ன பார்க்கிறார்கள், அவர்கள் எவ்வளவு நேரம் ஈடுபட்டுள்ளார்கள், அவர்கள் என்ன தவிர்க்கிறார்கள். Segment அல்லது Rudderstack போன்ற கருவிகள் சংগ்রহத்தை கையாளுகிறது. சேமிப்பகத்திற்கு, PostgreSQL சரியான indexing உடன் நீங்கள் ஒரு நாளுக்கு লক்ஷ লக்ஷ நிகழ்வுகளை அடையும் வரை வேலை செய்கிறது. பின்னர் TimescaleDB அல்லது ClickHouse போன்ற நேர-தொடர் தரவுசேகரங்களை கருத்தில் கொள்ளவும்.

பரிந்துரைகளுக்கு, LightFM அல்லது Surprise போன்ற திறந்த-மூல நூலகங்கள் சহযோகி வடிகட்டலை கையாளுகிறது. உங்களுக்கு அதிக sophistication தேவை என்றால், Pinecone அல்லது Weaviate போன்ற தளங்கள் semantic தேடலுக்கான வெக்டர் தரவுசேகரங்களை வழங்குகிறது — பயனர்களை உள்ளடக்கத்திற்கு பொருந்தும் போது பயனுள்ளது பொருள் மூலம், வெறுமனே keywords அல்ல. இந்த கருவிகளின் நன்மை incremental adoption: அடிப்படை சহযோகி வடிகட்டல் மூலம் தொடங்கவும், உங்களுக்கு போதுமான உள்ளடக்கம் இருக்கும் போது semantic தேடலை சேர்க்கவும், நீங்கள் ব்যবহாரி feedback loops புரிந்துகொள்ளும் போது reinforcement learning அறிமுகம் செய்யவும்.

உரையாடல் AI என்பது ஒருங்கிணைப்பு தளங்கள் பிரகாசிக்கும் இடம். ஸ்ক்র্যாচ் থেকে உற்பத்தி-தர chatbot உருவாக்குதல் prompt engineering, retrieval பைப்லைன்கள், பாதுகாப்பு வடிகட்டல்கள், மற்றும் கண்காணிப்பு dashboards தேவை. இந்த திறன்களை bundle செய்யும் தளங்கள் உங்களுக்கு களம் அறிவில் கவனம் செலுத்த அனுமதிக்கிறে — உங்கள் குறிப்பிட்ட உள்ளடக்கத்தில் மாதிரியை பயிற்சி செய்ய — உள்கட்டமைப்பு பதிலாக. আধুனிக AI தளங்களுக்கான ஆவணம் பொதுவாக இந்த திறன்களை bundle செய்யும் தளங்கள் உங்களுக்கு களம் அறிவில் கவனம் செலுத்த அனுமதிக்கிறது।