🧩 കോവർക്ക് പ്ലഗിനുകൾ ഉപയോഗിച്ച് ആന്ത്രോപിക് എന്റർപ്രൈസ് ഓഫറുകൾ ശക്തിപ്പെടുത്തുന്നു ↗
ആന്ത്രോപിക് "വർക്ക്പ്ലേസ് AI" ആംഗിളിലേക്ക് കൂടുതൽ ചായുകയാണ്, ഒരു ആന്തരിക ആപ്പിനോട് അടുത്ത് വരുന്ന ഒന്നിലേക്ക് ആവർത്തിക്കാവുന്ന വർക്ക്ഫ്ലോകളെ പാക്കേജ് ചെയ്യാൻ ടീമുകളെ അനുവദിക്കുന്ന പ്ലഗിൻ-സ്റ്റൈൽ ബിൽഡിംഗ് ബ്ലോക്കുകൾ പുറത്തിറക്കുന്നു.
"ഒരു ചാറ്റ്ബോട്ടിനോട് ചോദിക്കുക" എന്നതിനേക്കാൾ "ഒരു ജോലി ഒരു സെമി-സ്ട്രക്ചേർഡ് ഹെൽപ്പർക്ക് കൈമാറുക" എന്നതിനേക്കാൾ കൂടുതലാണ് വൈബ്, പണം എവിടെയാണ് നിലനിൽക്കുന്നതെന്ന് നിങ്ങൾ ഓർക്കുന്നതുവരെ അത് മങ്ങിയതായി തോന്നുന്നു.
കൂടാതെ, ഒരു ഓപ്പൺ-ഇഷ് സ്റ്റാർട്ടർ പ്ലഗിനുകളും ഉണ്ട് - അടിസ്ഥാനപരമായി പകർത്താനും, മാറ്റങ്ങൾ വരുത്താനും, ഷിപ്പ് ചെയ്യാനുമുള്ള ഒരു നിശബ്ദ ക്ഷണം - പ്രായോഗികമായി, മിക്ക എന്റർപ്രൈസ് സോഫ്റ്റ്വെയറുകളും ദൃശ്യമാകുന്നത് അങ്ങനെയാണ്.
🧪 എൽഎൽഎം മെച്ചപ്പെടുത്തുന്ന 'മെറ്റാ-സിസ്റ്റ'ത്തിനായി പോയിറ്റിക് 45.8 മില്യൺ ഡോളർ സീഡ് ഫണ്ടിംഗ് കണ്ടെത്തുന്നു ↗
ഔട്ട്പുട്ട് ഗുണനിലവാരം മെച്ചപ്പെടുത്തുന്നതിനൊപ്പം റൺടൈം ചെലവുകൾ കുറയ്ക്കുന്നതിനും ഉദ്ദേശിച്ചുള്ള ഒരു ലെയർ - എൽഎൽഎമ്മുകൾക്കായുള്ള "മെറ്റാ-സിസ്റ്റം" എന്ന് വിളിക്കുന്നത് നിർമ്മിക്കുന്നതിനായി പൊയെറ്റിക് ഒരു വലിയ സീഡ് റൗണ്ട് നടത്തി.
ടാസ്ക് ഉദാഹരണങ്ങൾ നൽകുക എന്നതാണ് ഇതിന്റെ പിച്ച്, ആവർത്തിച്ചുള്ള സ്വയം പരിശോധനയും പരിഷ്കരണവും ഉൾക്കൊണ്ട് ഒരു മോഡലിനെ കൂടുതൽ ഏജന്റ് പോലുള്ള ഒന്നാക്കി മാറ്റാൻ ഇത് സഹായിക്കുന്നു. മോഡലിന് ഒരു ചെറിയ ആന്തരിക പ്രോജക്റ്റ് മാനേജർ നൽകുന്നത് പോലെയാണ്... അൽപ്പം അലസമായ ഒന്ന്, പക്ഷേ ഇപ്പോഴും.
ഇത് പ്രവർത്തിച്ചാൽ, അത് ഒരു പ്രായോഗിക അൺലോക്ക് ആണ്. അങ്ങനെ സംഭവിച്ചില്ലെങ്കിൽ, അത് "ഞങ്ങൾ എൽഎൽഎമ്മുകൾ ശരിയാക്കി" എന്ന് തെളിയിക്കപ്പെട്ട സ്റ്റാർട്ടപ്പുകളുടെ കൂട്ടത്തിൽ ചേരും... മിക്കവാറും വൈബുകൾ.
💸 AI സ്റ്റാർട്ടപ്പ് വെഞ്ച്വർ മുതലാളിമാർ രഹസ്യമായി ധനസഹായം നൽകുന്നു ↗
ബാസെറ്റനെ ഒരു "അനുമാന പാളി" വിജയിയായി ചിത്രീകരിക്കുന്നു - മോഡലുകൾ ഉൽപാദനത്തിൽ പ്രവർത്തിക്കുകയും, ബജറ്റുകൾ വിചിത്രമാവുകയും, എഞ്ചിനീയർമാർ വെള്ളം റേഷൻ ചെയ്യുന്നതുപോലെ മില്ലിസെക്കൻഡ് എണ്ണാൻ തുടങ്ങുകയും ചെയ്യുന്ന അപ്രസക്തമായ ഭാഗം.
വലിയ മൂല്യനിർണ്ണയമുള്ള ഒരു പ്രധാന റൗണ്ട് അവകാശപ്പെടുന്ന ഈ കൃതി, ആളുകൾ ഒരു കാലാവസ്ഥാ വാൻ പോലെ കരുതുന്ന സിഗ്നലുകളിൽ ഒന്നായ എൻവിഡിയയുടെ പങ്കാളിത്തത്തെ കുറിക്കുന്നു: എൻവിഡിയ പ്രത്യക്ഷപ്പെടുന്നിടത്ത് ശ്രദ്ധ പിന്തുടരുന്നു.
മികച്ച മോഡൽ നിർമ്മിക്കുക എന്നത് മാത്രമല്ല സ്വർണ്ണ വേട്ടയുടെ ലക്ഷ്യം - അത് എപ്പോഴും ഉപയോഗിക്കാൻ കഴിയുന്നത്ര താങ്ങാനാവുന്ന വിലയിൽ മോഡൽ നിർമ്മിക്കുക എന്നതും ഇതിന്റെ ഒരു ഓർമ്മപ്പെടുത്തൽ കൂടിയാണ്.
🧾 ഓപ്പൺഎഐ നാലാം പാദ ഐപിഒയ്ക്ക് തയ്യാറെടുക്കുന്നതായി ഡബ്ല്യുഎസ്ജെ റിപ്പോർട്ട് ചെയ്യുന്നു ↗
ഒരു IPO ടൈംടേബിളിനുള്ള അടിത്തറ പാകുന്നതിനൊപ്പം, സാമ്പത്തിക നേതൃത്വത്തെ കെട്ടിപ്പടുക്കുകയും ചെയ്യുന്നതായി OpenAI റിപ്പോർട്ട് ചെയ്യുന്നു - അവർ അത് ഉറക്കെ പറഞ്ഞാലും ഇല്ലെങ്കിലും, "പൊതുവിപണി ജീവിതത്തെക്കുറിച്ച് ഞങ്ങൾ ഗൗരവമായി എടുക്കുന്നു" എന്ന് സാധാരണയായി അർത്ഥമാക്കുന്ന തരത്തിലുള്ള നീക്കങ്ങൾ.
ഉപവാക്യം വളരെ വ്യക്തമാണ്: അതിർത്തി AI ചെലവേറിയതാണ്, മത്സരം രൂക്ഷമാണ്, കൂടാതെ ഒരു സ്റ്റോറി മുഴുവൻ വിപണിക്കും വിൽക്കാൻ കഴിയുമ്പോൾ വലിയ മൂലധന പൂളുകൾ സമാഹരിക്കുന്നത് എളുപ്പമാകും - ഒരുപിടി സ്വകാര്യ പിന്തുണക്കാർക്ക് മാത്രമല്ല.
അതെ, അത് അൽപ്പം അവിശ്വസനീയമാണ്. “AI ലാബ്” ഉം “IPO തയ്യാറെടുപ്പും” ഒരേ വാക്യത്തിൽ തന്നെ ഉച്ചരിക്കുമ്പോൾ ഇപ്പോഴും രണ്ട് കാന്തങ്ങൾ പരസ്പരം കൂട്ടിമുട്ടുന്നത് പോലെയാണ് തോന്നുന്നത്.
🤝 സർവീസ്നൗവും ആന്ത്രോപിക്കും AI ഡീൽ വെളിപ്പെടുത്തുന്നു ↗
സർവീസ്നൗ അതിന്റെ വർക്ക്ഫ്ലോ സ്റ്റാക്കിൽ ക്ലോഡിനെ ഉൾപ്പെടുത്തുന്നതിനായി പങ്കാളിത്തത്തിൽ ഏർപ്പെടുന്നു, ഐടി, എച്ച്ആർ, പിന്തുണ എന്നിവ പ്രവർത്തിപ്പിക്കാൻ ആളുകൾ ഇതിനകം ഉപയോഗിക്കുന്ന ഉപകരണങ്ങൾക്കുള്ളിൽ മോഡലിനെ ഒരു സ്ഥിരസ്ഥിതി ഓപ്ഷനായി സ്ഥാപിക്കുന്നു - കമ്പനികളെ നിവർന്നു നിർത്തുന്ന എല്ലാ അശ്ലീല കാര്യങ്ങളും.
ഇവിടെ യഥാർത്ഥ കഥ വിതരണമാണ്: AI വർക്ക്ഫ്ലോയ്ക്കുള്ളിൽ ഇരിക്കുകയാണെങ്കിൽ, അത് നിലവിലുണ്ടെന്ന് ഉപയോക്താക്കളോട് ഓർമ്മിക്കാൻ യാചിക്കേണ്ടതില്ല. അത്... അവിടെയാണ്, മടുപ്പിക്കുന്ന ജോലികളിൽ നിന്ന് നിശബ്ദമായി ചിലത് എടുക്കുന്നത്.
ഇതുപോലുള്ള ഡീലുകൾ "എല്ലായിടത്തും ഏജന്റുമാർ" എന്ന ആഖ്യാനത്തെ മുന്നോട്ട് നയിക്കുന്നു - പകുതി സമയവും "ഏജന്റ്" എന്നാൽ "നിങ്ങൾക്ക് കഴിയുന്നതിനേക്കാൾ വേഗത്തിൽ ഫോമുകൾ പൂർത്തിയാക്കുന്ന ഒരു ബോട്ട്" എന്നാണ് അർത്ഥമാക്കുന്നതെങ്കിൽ പോലും
🕵️♂️ ഗൂഗിൾ ജെമിനി 3 ഫ്ലാഷിലേക്ക് "ഏജന്റ് വിഷൻ" ചേർക്കുന്നു ↗
ഗൂഗിൾ ഡീപ്പ് മൈൻഡ് ജെമിനി 3 ഫ്ലാഷിനായി ഒരു "ഏജന്റ് വിഷൻ" ആശയം മുന്നോട്ടുവയ്ക്കുന്നു - ആദ്യ കാഴ്ചയിൽ തന്നെ ചിത്രം കൃത്യമായി മനസ്സിലായെന്ന് നടിക്കുന്നതിനുപകരം, മോഡലിനെ നോക്കി, അഭിനയിച്ച് (കോഡ് ടൂളുകൾ വഴി), വീണ്ടും നോക്കി ലൂപ്പ് ചെയ്യാൻ അനുവദിക്കുന്നു.
ചെറിയ പ്രദേശങ്ങളിലേക്ക് സൂം ചെയ്യുക, ക്രോപ്പ് ചെയ്യുക, അല്ലെങ്കിൽ യുക്തിസഹമായ ഒഴുക്കിന്റെ ഭാഗമായി ചെറിയ കണക്കുകൂട്ടലുകൾ നടത്തുക തുടങ്ങിയ പ്രായോഗിക നീക്കങ്ങൾ എന്നാണ് ഇതിനർത്ഥം. ഇത് ഏതാണ്ട് ഹാസ്യാത്മകമായി വ്യക്തമാണ്, പക്ഷേ - ശാന്തമായ രീതിയിൽ - വിഷ്വൽ ടാസ്ക്കുകളിൽ "ആത്മവിശ്വാസത്തോടെയുള്ള തെറ്റായ ഉത്തരങ്ങൾ" കുറയ്ക്കുന്നതിനുള്ള ഒരു യഥാർത്ഥ ചുവടുവയ്പ്പ് കൂടിയാണ്.
ഈ പാറ്റേൺ ശ്രദ്ധയിൽപ്പെട്ടാൽ, "ദർശന മാതൃക" എന്നത് "ഫോട്ടോ വിവരിക്കുക" എന്നർത്ഥം വരുന്നില്ല, "ഫോട്ടോയെ ചോദ്യം ചെയ്യുക" എന്നർത്ഥം വരുന്നതായി തുടങ്ങും, അത് അൽപ്പം ആക്രമണാത്മകമായി തോന്നുന്നു... പക്ഷേ ഒരുപക്ഷേ അതാണ് കൃത്യതയ്ക്ക് ആവശ്യമായി വരുന്നത്.
പതിവുചോദ്യങ്ങൾ
ആന്ത്രോപിക്സിന്റെ കോവർക്ക് പ്ലഗിനുകൾ എന്തൊക്കെയാണ്, അവ ടീമുകളെ എങ്ങനെ സഹായിക്കുന്നു?
ആവർത്തിച്ചുള്ള ജോലികളെ സെമി-സ്ട്രക്ചേർഡ് വർക്ക്ഫ്ലോകളാക്കി മാറ്റാൻ ടീമുകളെ സഹായിക്കുന്ന പ്ലഗിൻ-സ്റ്റൈൽ ബിൽഡിംഗ് ബ്ലോക്കുകളായി കോവർക്ക് പ്ലഗിനുകൾ രൂപപ്പെടുത്തിയിരിക്കുന്നു. ഫ്രീഫോം "ചാറ്റ്" എന്നതിനുപകരം, സ്ഥിരതയുള്ള ഒരു പാറ്റേൺ പിന്തുടരുന്ന ഒരു സഹായിയെ ജോലി ഏൽപ്പിക്കുന്നതിനാണ് ആശയം കൂടുതൽ ചായ്വുള്ളത്. പല എന്റർപ്രൈസ് AI റോളൗട്ടുകളിലും, ഔട്ട്പുട്ടുകൾ കൂടുതൽ പ്രവചനാതീതമായി തോന്നുന്നതിനാൽ ആ ഘടന ദത്തെടുക്കൽ എളുപ്പമാക്കുന്നു. ടെംപ്ലേറ്റുകൾ പകർത്തുന്നതും തയ്യൽ ചെയ്യുന്നതും ഉദ്ദേശിച്ച പ്രവർത്തന രീതിയുടെ ഭാഗമാണെന്നും "സ്റ്റാർട്ടർ സെറ്റ്" സൂചിപ്പിക്കുന്നു.
എന്റർപ്രൈസ് AI എങ്ങനെയാണ് ചാറ്റ്ബോട്ടുകളിൽ നിന്ന് എംബഡഡ് വർക്ക്ഫ്ലോകളിലേക്ക് മാറുന്നത്?
ഈ അപ്ഡേറ്റുകളിലെല്ലാം പ്രധാന കാര്യം, എന്റർപ്രൈസ് AI ഒരു ഒറ്റപ്പെട്ട ചാറ്റ്ബോട്ടിൽ നിന്ന് മാറി ദൈനംദിന ഉപകരണങ്ങളിൽ തുന്നിച്ചേർത്ത ഒന്നിലേക്ക് മാറുക എന്നതാണ്. നിലവിലുള്ള ഒരു വർക്ക്ഫ്ലോയ്ക്കുള്ളിൽ AI നിലനിൽക്കുമ്പോൾ, ഉപയോക്താക്കൾ ഒരു പ്രത്യേക ഇന്റർഫേസ് തുറക്കാൻ ഓർമ്മിക്കേണ്ടതില്ല. ഇത് സാധാരണയായി സ്ഥിരമായ ഉപയോഗത്തിലേക്ക് നയിക്കുന്നു, പ്രത്യേകിച്ച് പതിവ് ഐടി, എച്ച്ആർ, പിന്തുണാ ജോലികൾക്കായി. പുതുമയല്ല, വിശ്വാസ്യതയ്ക്കും ആവർത്തനക്ഷമതയ്ക്കുമാണ് ഊന്നൽ നൽകുന്നത്.
സർവീസ് നൗവും ആന്ത്രോപിക് പങ്കാളിത്തവും പ്രായോഗികമായി എന്താണ് അർത്ഥമാക്കുന്നത്?
സർവീസ്നൗവിന്റെ വർക്ക്ഫ്ലോ സ്റ്റാക്കിലേക്ക് ക്ലോഡിനെ ഉൾപ്പെടുത്തുന്നതായി പങ്കാളിത്തം അവതരിപ്പിക്കുന്നു, ഇത് ആളുകൾ ഇതിനകം ഉപയോഗിക്കുന്ന സിസ്റ്റങ്ങൾക്കുള്ളിൽ ഒരു സ്ഥിരസ്ഥിതി ഓപ്ഷനാക്കി മാറ്റുന്നു. ഇത് പ്രധാനമായും ഒരു വിതരണ പ്ലേ ആയി വായിക്കുന്നു: ടിക്കറ്റുകൾ, അഭ്യർത്ഥനകൾ, അംഗീകാരങ്ങൾ എന്നിവ ഇതിനകം ഇരിക്കുന്നിടത്താണ് AI ദൃശ്യമാകുന്നത്. പല സ്ഥാപനങ്ങളിലും, ലൈംഗികതയില്ലാത്തതും എന്നാൽ ഉയർന്ന അളവിലുള്ളതുമായ ജോലികൾ കുന്നുകൂടുന്നത് അവിടെയാണ്. മിന്നുന്ന ഡെമോകൾക്ക് മൂല്യം കുറവാണ്, മടുപ്പിക്കുന്ന ഘട്ടങ്ങൾ നിശബ്ദമായി നീക്കം ചെയ്യുന്നതിനെക്കുറിച്ചാണ് കൂടുതൽ.
എൽഎൽഎമ്മുകൾക്കായുള്ള പൊയെറ്റിക്സിന്റെ “മെറ്റാ-സിസ്റ്റം” എന്താണ് ചെയ്യേണ്ടത്?
ടാസ്ക് ഉദാഹരണങ്ങളും ആവർത്തിച്ചുള്ള സ്വയം പരിശോധനയും ഉപയോഗിച്ച് മോഡലുകൾ രൂപപ്പെടുത്തുന്നതിലൂടെ, ഔട്ട്പുട്ട് ഗുണനിലവാരം മെച്ചപ്പെടുത്തുന്നതിനൊപ്പം റൺടൈം ചെലവ് കുറയ്ക്കുന്നതിനും ഉദ്ദേശിച്ചുള്ള ഒരു ലെയർ പൊയെറ്റിക് വികസിപ്പിച്ചെടുക്കുകയാണ്. ഒരു പരിഷ്ക്കരണ ലൂപ്പ് ചേർക്കുന്നതായി ഇതിനെ കരുതുക, അതുവഴി സിസ്റ്റത്തിന് ഒരു അന്തിമ പതിപ്പിൽ സ്ഥിരതാമസമാക്കുന്നതിന് മുമ്പ് പ്രതികരണങ്ങൾ പരിശോധിച്ചുറപ്പിക്കാനും ക്രമീകരിക്കാനും കഴിയും. പല പൈപ്പ്ലൈനുകളിലും, ഒറ്റ-ഷോട്ട് ഉത്തരങ്ങളിൽ പൂർണ്ണമായും ആശ്രയിക്കാതെ ഇത് ഏജന്റ് പോലുള്ള പെരുമാറ്റത്തിന് സമാനമാണ്. വാഗ്ദാനം പ്രായോഗികമാണ്: കുറച്ച് പിശകുകളും കുറച്ച് പാഴായ കമ്പ്യൂട്ടും.
"അനുമാന പാളി"യെക്കുറിച്ചും ബാസെറ്റൻ പോലുള്ള കമ്പനികളെക്കുറിച്ചും നിക്ഷേപകർ ആവേശഭരിതരാകുന്നത് എന്തുകൊണ്ട്?
"അനുമാന പാളി" യിലാണ് മോഡലുകൾ ഉൽപ്പാദനത്തിൽ പ്രവർത്തിക്കുന്നത്, അവിടെയാണ് ലേറ്റൻസി, വിശ്വാസ്യത, ചെലവ് എന്നിവ വേദനാജനകമായി പ്രകടമാകുന്നത്. സ്റ്റാക്കിന്റെ ആ അപ്രസക്തമായ എന്നാൽ അത്യാവശ്യമായ ഭാഗത്ത് ബാസെറ്റനെ വിജയിയായി ഈ ഭാഗം സ്ഥാപിക്കുന്നു. പല വിന്യാസങ്ങളിലും, മികച്ച മോഡൽ പ്രധാന പരിമിതിയല്ല - ബജറ്റും പ്രതികരണ സമയവുമാണ്. ഇൻഫ്രാസ്ട്രക്ചർ ആംഗിൾ ഭാരം വഹിക്കുന്നു എന്നതിന്റെ സൂചനയായി എൻവിഡിയ പങ്കാളിത്തം പലപ്പോഴും കണക്കാക്കപ്പെടുന്നു.
ജെമിനി 3 ഫ്ലാഷിലെ "ഏജന്റിക് വിഷൻ" എന്താണ്, അത് എന്തുകൊണ്ട് പ്രധാനമാണ്?
"ഏജന്റ് വിഷൻ" എന്നത് ഒരു മോഡലിനെ നോക്കി ലൂപ്പ് ചെയ്യാൻ അനുവദിക്കുന്നതും, ഉപകരണങ്ങൾ (കോഡ് പോലുള്ളവ) വഴി പ്രവർത്തിക്കുന്നതും, തുടർന്ന് വീണ്ടും നോക്കുന്നതും ആണ്. ആദ്യ നോട്ടം മതിയെന്ന് നടിക്കുന്നതിനുപകരം, സൂം ചെയ്യൽ, ക്രോപ്പിംഗ് അല്ലെങ്കിൽ ചെറിയ കണക്കുകൂട്ടലുകൾ പ്രവർത്തിപ്പിക്കുന്നത് പോലുള്ള പ്രായോഗിക നീക്കങ്ങളെ ഇത് പ്രാപ്തമാക്കുന്നു. പരിശോധന കൂടുതൽ മനഃപൂർവ്വം ചെയ്യുന്നതിലൂടെ, വിഷ്വൽ ടാസ്ക്കുകളിൽ ആത്മവിശ്വാസമുള്ള തെറ്റുകൾ കുറയ്ക്കുക എന്നതാണ് ലക്ഷ്യം. ഈ പാറ്റേൺ വ്യാപിക്കുകയാണെങ്കിൽ, കാഴ്ച മോഡലുകൾ ആഖ്യാതാക്കളേക്കാൾ അന്വേഷകരെപ്പോലെ പെരുമാറാൻ തുടങ്ങും.