ஜெனரேட்டிவ் AI இல் கடந்த முன்மாதிரிகளை தள்ளுதல்

AI அதன் நேரத்திற்கு முன்னால் உள்ளது. பல நிறுவனங்களுக்கு, முழு அளவிலான கிளவுட்-நேட்டிவ் தொழில்நுட்பங்களை (அல்லது குறைந்த பட்சம் பொது கிளவுட் சேவைகளில் இருந்து, தனியார் கிளவுட் அல்லது ஹைப்ரிட் ஹாஃப்வே ஹவுஸ் அல்ல) பின்பற்றுவதற்கான உந்துதல் இன்னும் ஒரு பாய்ச்சலாக உள்ளது. இடம்பெயர்வு மற்றும் ஊடுருவல் ஆகியவை உண்மையில் மேல்நோக்கி (மிகவும் அதிவேகமாக இல்லாவிட்டாலும்) பாதையில் நகர்ந்தாலும், கிளவுட் என்பது பல பயன்பாட்டு வகைகளுக்கு எங்கும் நிறைந்த நடைமுறை தரநிலை என்று கூறுவது மிகைப்படுத்தலாகும். அந்த அடிப்படையை மனதில் கொண்டு, உற்பத்தி மயமாக்கப்பட்ட, செயல்பாட்டு AI- அடிப்படையிலான பயன்பாடுகளுக்கான இடைவெளி இன்னும் சில வழிகளில் உள்ளது என்று நாம் பரிந்துரைக்கலாமா?

AWS இல் AI மற்றும் தரவுகளுக்கான VP ஸ்வாமி சிவசுப்ரமணியன், இந்த விஷயத்தில் அவரது அனுபவம் மற்றும் நிலைப்பாட்டைக் கருத்தில் கொண்டு பொருத்தமாகத் தகுதியானவர், ஆனால் தொழில்நுட்ப ரீதியாக யதார்த்தமானவர். 2025 ஆம் ஆண்டில் உருவாக்கப்படும் AI ஆனது இப்போது உற்பத்தி அமைப்புகளுக்கு மாறுவதால், ஆரம்பகால தத்தெடுப்பாளர்கள் துரிதப்படுத்தப்பட்ட உற்பத்தித்திறன் மற்றும் வாடிக்கையாளர் அனுபவங்கள் போன்ற வெகுமதிகளைப் பெறுகிறார்கள் என்று சிவசுப்ரமணியன் பரிந்துரைக்கிறார்.

அப்படியானால், மென்பொருள் பொறியாளர்கள் இதை எவ்வாறு உருவாக்குகிறார்கள்?

AI பயன்பாடுகளை எவ்வாறு உருவாக்குவது

“தரவு பகுப்பாய்வு மற்றும் இயந்திர கற்றல் ஆகியவற்றுக்கு இடையேயான கோடுகள் மங்கலாகி, நமது தரவை அணுகும் மற்றும் தொடர்பு கொள்ளும் விதத்தை மறுவடிவமைத்து, ML உடன் கணிப்புகளை உருவாக்கி, அடித்தள மாதிரிகளின் அடுத்த அலையை உருவாக்க,” சிவசுப்ரமணியன் பரிந்துரைக்கிறார். “கருவிகள், தரவு மற்றும் AI ஆகியவற்றின் ஒருங்கிணைப்பின் மூலம். , ML விஞ்ஞானிகள், தரவுப் பொறியாளர்கள் மற்றும் டெவலப்பர்கள் பாதுகாப்பு போன்ற கொள்கைகளுடன், ஒரே இடத்தில் உருவாக்கும் AI பயன்பாடுகளை உருவாக்கத் தேவையான அனைத்தையும் அணுகுவதை எளிதாக்குகிறோம். மற்றும் தனியுரிமை தொடக்கத்தில் இருந்து கட்டமைக்கப்பட்ட அனைத்து அளவுகள் மற்றும் தொழில்துறைகளில் உள்ள நிறுவனங்களை உற்பத்தித்திறன் மேம்பாடுகளைத் திறக்கவும், மேம்பட்ட அனுபவங்களை வழங்கவும், எங்கள் சேவைகளை உருவாக்குவதன் மூலம் கணிசமான செலவுக் குறைப்புகளை உணரவும் அனுமதித்துள்ளது.

ஆனால் நவீன தரவு உத்திகளை உருவாக்கி இயக்கும் போது, ​​எந்த அளவில் தரவு உட்செலுத்தலுக்கான கட்டடக்கலை வழங்கல் இதன் ஒரு பகுதியாக இருக்க வேண்டும் மற்றும் ஒப்பீட்டளவில் பெரியதாக இருப்பதை விழுங்குவதற்கு நிறுவனங்கள் தயாராக உள்ளனவா என்பதை இங்கு கேள்விக்குட்படுத்த சில நடைமுறைக் கருத்துகள் உள்ளன. அவர்களின் தரவு உட்செலுத்துதல் செயல்திறன், தேவை மற்றும் பொறுப்பு ஆகியவற்றில் ஸ்பைக்?

“உருவாக்கக்கூடிய AI மாதிரிகளை உருவாக்க, தேவைக்கு ஏற்ப திறம்பட அளவிடக்கூடிய தரவு உட்செலுத்துதல் உள்கட்டமைப்பு தேவைப்படுகிறது. ஏற்ற இறக்கமான போக்குவரத்து முறைகளுக்கு இடமளிக்கும் நெடுஞ்சாலை போல இதை நினைத்துப் பாருங்கள் – இது மிகவும் குறுகியதாக இருந்தால், தடைகள் உருவாகும், ”என்று சிவசுப்ரமணியன் விளக்கினார். “நிறுவனங்களைப் பொறுத்தவரை, தற்போதைய தொகுதிகளைக் கையாள்வது மட்டுமல்லாமல் எதிர்காலத் தேவைகளுக்கு ஏற்பவும் தரவு உட்செலுத்துதல் பைப்லைன்களைத் திட்டமிடுவதாகும். AWS மூலம், தரவுத் தயாரிப்பு மற்றும் ஒருங்கிணைப்புக்கான AWS Glue, நிகழ்நேர ஸ்ட்ரீமிங்கிற்கான Amazon Kinesis, தரவு ஏரிகளை உருவாக்க நீடித்த சேமிப்பகத்திற்கான Amazon S3 மற்றும் தரவுக் கிடங்கிற்காக Amazon Redshift போன்ற நெகிழ்வான கருவிகளை உருவாக்கியுள்ளோம். தேவை அதிகரிக்கும் போது இந்த சேவைகள் அளவிடப்படுகின்றன, எனவே வாடிக்கையாளர்கள் தரவை திறம்பட உட்கொள்ளலாம், நிர்வகிக்கலாம் மற்றும் மாற்றலாம் மற்றும் செலவுகள் மற்றும் செயல்திறனில் கட்டுப்பாட்டைப் பராமரிக்கலாம். மாற்றியமைக்கக்கூடிய மற்றும் செலவு குறைந்த கட்டமைப்பை வழங்குவதன் மூலம், வணிகங்கள் AI- இயக்கப்படும் பயன்பாடுகளின் வளர்ந்து வரும் தரவுத் தேவைகளை சிக்கலில் சிக்காமல் ஆதரிக்க முடியும்.

செயற்கை தரவு உண்மையானது

இந்த ஆண்டு நாங்கள் மீண்டும் மீண்டும் பகுப்பாய்வு செய்து வருவதால், மொத்த தரவுக் குழாயில் செயற்கைத் தரவின் பயன்பாடும் ஒரு முக்கிய அங்கமாக வெளிப்படுகிறது, குறிப்பாக முக்கியமான தனிப்பட்ட தகவல்கள் உள்ளடங்கிய அல்லது தரவு உருவாக்க மூலங்களைக் கண்டறிய கடினமாக உள்ள பகுதிகளில் (அது அரிதான மருத்துவம். நிகழ்வு தரவு) மற்றும் தரவு பன்முகத்தன்மை குறைவாக இருக்கும். AWS போன்ற ஒரு நிறுவனம் இந்த இடத்தில் செயல்படுவதைப் பார்ப்பதில் ஆச்சரியமில்லை.

இந்த அணுகுமுறை பாதுகாப்பான பரிசோதனை, வேகமான மாதிரி பயிற்சி மற்றும் அதிக சமமான AI மேம்பாட்டை அனுமதிக்கிறது. செயற்கைத் தரவை இணைப்பதன் மூலம், மாதிரி உருவாக்கத்தை துரிதப்படுத்தலாம், செலவுகளைக் குறைக்கலாம் மற்றும் மேலும் உள்ளடக்கிய AI தீர்வுகளை உருவாக்கலாம். இருப்பினும், சிவசுப்ரமணியன் ஆலோசனை கூறுகிறார், செயற்கைத் தரவு ஒரு சஞ்சீவி அல்ல, ஏனெனில் ஒரு மாதிரியைப் பயிற்றுவிப்பதற்கு அதை முழுமையாக நம்புவது அவரது பார்வையில் “மாடல் இழப்புக்கு” வழிவகுக்கும். எனவே, நாம் சரியான கலவையை வைத்திருக்க வேண்டும். இந்த எல்லா காரணிகளையும் ஏமாற்றுவதற்கு, AWS AI தலைவர் எப்படி நாம் கடந்த முன்மாதிரிகளைத் தள்ளி, AI ஐத் தயாரிக்கத் தொடங்கலாம் என்று நினைக்கிறார்?

“இன்று, AI ஐ ‘உற்பத்தி செய்வதற்கான’ முக்கிய அம்சம், உயர் தரமான நிர்வாகத்தை பராமரிக்கும் போது, ​​இருக்கும் பணிப்பாய்வுகளுடன் ஒருங்கிணைக்கும் வலுவான, அளவிடக்கூடிய மற்றும் பாதுகாப்பான கருவிகளை நிறுவனங்களுக்கு வழங்குவதாகும். AI தொழில்நுட்பத்தின் விரைவான முன்னேற்றங்கள், AI ஐ ஒரு சோதனைக் கருவியிலிருந்து உற்பத்திக்குத் தயார், வணிகம்-சிக்கலான திறனாக மாற்றுகின்றன” என்று சிவசுப்ரமணியன் கூறினார். “AWS இல், AI ஐ அதிக சக்தி வாய்ந்ததாக மட்டுமல்லாமல் நடைமுறை ரீதியாகவும் மாற்றுவதில் நாங்கள் கவனம் செலுத்துகிறோம், எனவே இது தொழில்கள் முழுவதும் நம்பத்தகுந்த வகையில் பயன்படுத்தப்படலாம். Traininum மற்றும் GPU நிகழ்வுகளால் இயக்கப்படும் எங்களின் அளவிடக்கூடிய உள்கட்டமைப்பு, Amazon SageMaker மூலம் இயக்கப்படும் மேம்பட்ட மாதிரிப் பயிற்சி மற்றும் Amazon Bedrock ஐப் பயன்படுத்தி எளிதான பயன்பாட்டு மேம்பாடு மற்றும் Amazon Q போன்ற ஜெனரேட்டிவ் AI உதவியாளர்கள் AI ஐ நிஜ உலக பயன்பாட்டு நிகழ்வுகளில் ஒருங்கிணைக்க நிறுவனங்களை அனுமதிக்கிறது. வரிசைப்படுத்தல்.”

மென்பொருள் மேம்பாட்டு முடுக்கம் முதல் சப்ளை செயின் ஆப்டிமைசேஷன் மற்றும் வாடிக்கையாளர் ஆதரவு மேம்பாடு வரையிலான காட்சிகளில் “உண்மையான உலக AI” பயன்படுத்தப்படுவதை நாங்கள் இப்போது காண்கிறோம் என்று AWS குழு கூறுகிறது. நம்பிக்கை, செலவு-செயல்திறன் மற்றும் நிறுவன தர செயல்திறன் ஆகியவை முக்கிய செயல்படுத்துவதாகக் கூறப்படுகிறது. சிவசுப்ரமணியன் இந்த டிப்பிங் பாயிண்டிற்கான காரணம் ஒரு சாட்போட் அல்லது மாடல் என்று நினைக்கவில்லை, இது பல்வேறு காரணிகளை உள்ளடக்கிய ஒரு பரந்த மொத்த நாடகம். உருவாக்கக்கூடிய AI பயன்பாட்டு மேம்பாட்டிற்கு டெவலப்பர்கள் தங்களுக்குத் தேவையான பெரிய மொழி மாதிரிகளை எப்படித் தேர்ந்தெடுப்பது என்பதைத் தெரிந்துகொள்ள வேண்டும் என்று அவர் பரிந்துரைக்கிறார்.

அமேசான் கியூ டெவலப்பர்

“இறுதியில், உருவாக்கும் AI ஆனது அவர்கள் பணிபுரியும் நபர்களைச் சந்திக்க வேண்டும். அதனால்தான் Amazon Qஐ அறிமுகப்படுத்தினோம். Amazon Q டெவலப்பர் மூலம், Accenture, BT Group மற்றும் National Australia Bank போன்றவற்றால் பயன்படுத்தப்படும் குறியீட்டு உதவியாளரை நாங்கள் வழங்குகிறோம். கூடுதலாக, Amazon Q Business மூலம், வணிக ஆய்வாளர்கள் தரவை பகுப்பாய்வு செய்யலாம். உதாரணமாக, ஸ்மார்ஷீட் மூலம் 3,000க்கும் மேற்பட்ட தொழிலாளர்கள் தங்கள் தரவுகளிலிருந்து Q ஐப் பயன்படுத்தி ஒரு வரி குறியீட்டை எழுதாமல் நுண்ணறிவைப் பெற முடியும், ”என்று சிவசுப்ரமணியன் கூறினார். “ஜெனரேட்டிவ் AI ஆனது டெவலப்பர் அனுபவத்தை மறுவடிவமைப்பதற்காக அமைக்கப்பட்டுள்ளது, மேலும் அந்த மாற்றத்தை உண்மையாக்க நாங்கள் விரைவாக முன்னேறி வருகிறோம். Amazon Q டெவலப்பர் நிறுவனங்களுக்கு AI- இயங்கும் உதவியாளரை வழங்குகிறது, இது மென்பொருள் மேம்பாட்டின் அனைத்து கட்டங்களையும் ஆதரிக்கிறது. இது குறியீட்டை உருவாக்குவதன் மூலம் உற்பத்தித்திறனை அதிகரிக்கிறது, நிகழ்நேர பரிந்துரைகளை வழங்குகிறது மற்றும் AWS சுற்றுச்சூழல் அமைப்பு முழுவதும் பிழைத்திருத்தம், பாதுகாப்பு ஸ்கேனிங் மற்றும் வளங்களை மேம்படுத்துதல் போன்ற திறமையான பணிப்பாய்வுகளை செயல்படுத்துகிறது.

மென்பொருள் உருவாக்குநர்கள் அமேசான் க்யூவை தங்கள் நிறுவனத்தின் சொந்த கோட்பேஸ் மூலம் மிகவும் பொருத்தமான பரிந்துரைகளைப் பெற தனிப்பயனாக்க முடியும், இது மிகவும் தர்க்கரீதியான அம்சமாகத் தெரிகிறது. அந்தத் தரவு AI மாதிரி வழங்குநர்களுடன் ஒருபோதும் பகிரப்படாது அல்லது அடிப்படை மாதிரிகளைப் பயிற்றுவிக்கப் பயன்படுத்தப்படாது, மேலும் இது எந்தவொரு நிறுவன தர தீர்வின் முக்கிய அம்சமாகும். டெவலப்பர் பணிப்பாய்வுகளில் உற்பத்தித்திறனை மேம்படுத்துவதற்காக வடிவமைக்கப்பட்ட “இன்லைன் அரட்டை செயல்பாடுகளின்” பகுதிக்கு இங்கு வருகிறோம், இது AI மூலம் இயக்கப்படுகிறது. ஆனால் டெவலப்பர்களுக்கு அவர்கள் வேலை செய்யும் இடத்திலேயே சூழல் சார்ந்த ஆதரவு தேவை, அதாவது அவர்களின் ஒருங்கிணைந்த மேம்பாட்டுச் சூழலில், AWS மேலாண்மை கன்சோல் அல்லது நேரடியாக குறியீடு களஞ்சியங்களுக்குள். எனவே Amazon Q டெவலப்பரின் இன்லைன் அரட்டை செயல்பாடுகள் டெவலப்பர்கள் கேள்விகளைக் கேட்கவும், குறியீடு பரிந்துரைகளைக் கோரவும், சிக்கல்களைத் தீர்க்கவும் அல்லது அதே பணிப்பாய்வு மற்றும் கருவிகளுக்குள் சூழலைச் செய்யவும் அனுமதிக்கிறது. இது அறிவாற்றல் சுமையை குறைப்பதாகவும், டெவலப்பர்கள் விரைவான, அதிக தகவலறிந்த முடிவுகளை எடுக்க உதவுவதாகவும் கூறப்படுகிறது.

AWS சமீபத்தில் AWS லாம்ப்டா டெவலப்பர்களுக்காக மேம்படுத்தப்பட்ட உள்ளூர் IDE அனுபவத்தை அறிமுகப்படுத்தியது, இது மிகவும் தொழில்நுட்பமாகத் தெரிகிறது, எனவே இந்த தொழில்நுட்பத்தைப் பற்றி நாம் இன்னும் ஜீரணிக்கக்கூடிய விளக்கம் உள்ளதா?

“AWS Lambdaவிற்கான மேம்படுத்தப்பட்ட உள்ளூர் IDE அனுபவம் ஒரு அற்புதமான வளர்ச்சியாகும், ஏனெனில் இது டெவலப்பர்கள் தங்கள் உள்ளூர் சூழலில் இருந்து நேரடியாக தங்கள் பயன்பாடுகளை உருவாக்கவும், சோதனை செய்யவும் மற்றும் வரிசைப்படுத்தவும் மிகவும் எளிதாகவும் வேகமாகவும் செய்கிறது” என்று சிவசுப்ரமணியன் உற்சாகப்படுத்தினார். “இந்த புதுப்பிப்பு AWS லாம்ப்டாவை டெவலப்பரின் பணிப்பாய்வுக்கு நெருக்கமாகக் கொண்டுவருகிறது, அவர்களின் உள்ளூர் இயந்திரம் மற்றும் மேகக்கணிக்கு இடையில் தொடர்ந்து மாறத் தேவையில்லாமல் பழக்கமான அமைப்பில் குறியீடு மற்றும் பிழைத்திருத்தத்தை அனுமதிக்கிறது. டெவலப்பர்கள் தங்கள் குறியீட்டை உள்நாட்டில் சோதிக்கலாம், சிக்கல்களை விரைவாக சரிசெய்து விரைவாக மீண்டும் செய்யலாம்… இவை அனைத்தும் குறுகிய வளர்ச்சி சுழற்சிகளுக்கும் சந்தைக்கு விரைவான நேரத்திற்கும் வழிவகுக்கும்.”

ஒரு வணிகக் கண்ணோட்டத்தில், இந்த முன்னேற்றம் நிறுவனங்களை மிகவும் சுறுசுறுப்பாகவும் திறமையாகவும் இருக்க உதவுகிறது என்று AWS கூறுகிறது, ஏனெனில் இது வேலையில்லா நேரத்தைக் குறைக்கிறது, அம்ச மேம்பாட்டை துரிதப்படுத்துகிறது மற்றும் உற்பத்திக்கு மென்மையான மாற்றத்தை உறுதி செய்கிறது. கூடுதலாக, இது AWS சுற்றுச்சூழலுடன் செயல்படுவதால், குழுக்கள் கூடுதல் அளவிடுதல் மற்றும் பாதுகாப்பைப் பெறலாம்.

மேலும் டெவலப்பர்கள் இல்லையா?

புரோகிராமர்களுக்கான பெரிய அளவிலான ஸ்மார்ட் டூலிங் இங்கே வழங்கப்பட்டுள்ளது, AI குறியீட்டு மற்றும் குறியீட்டாளர்களை ஒரு தொழிலாக மாற்றும் என்ற எந்தவொரு பரிந்துரையும் சற்று முன்கூட்டியதாகவும் சாத்தியமில்லாததாகவும் தெரிகிறது. சிவசுப்ரமணியன் இந்த உணர்வை ஏற்றுக்கொண்டு, சரியாகச் செய்தால், உருவாக்கக்கூடிய AI உதவியாளர்கள், (அமேசான் க்யூவை அவருக்குப் பிடித்த விளக்க உதாரணமாக அவர் கொண்டு வருகிறார்) டெவலப்பர்கள் செய்ய விரும்பாத பணிகளைச் செய்ய வருவார்கள் என்று கூறுகிறார். எனவே மிகவும் யதார்த்தமான வகையில், AI குறியீட்டு ரோபோக்கள் மென்பொருள் மேம்படுத்தல்கள், பாதுகாப்பு ஸ்கேன் மற்றும் எழுதும் சோதனைகள் போன்றவற்றைக் கையாளும் என்பதைப் பார்ப்போம். மேலும், உருவாக்கும் AI உதவியாளர்களுடன், ஒவ்வொருவரும் (வணிக ஆய்வாளர்கள் உட்பட) தரவுகளில் ஆழ்ந்த நிபுணராக இருப்பதற்கு நாங்கள் எதிர்நோக்குகிறோம், மேலும் அவர்களின் தரவு பொறியாளர்கள் அல்லது வணிக நுண்ணறிவு நிபுணர்கள் பதில்களைப் பெற காத்திருக்க வேண்டியதில்லை.

“சில வேலைகள் தவிர்க்க முடியாமல் காலாவதியாகிவிடும், AI கருவிகளைப் பயன்படுத்துவது மக்கள் வேலை செய்யும் முறையை மாற்றும் – சிறப்பாக இருக்கும். நாம் காணும் மாற்றமானது, வேறுபடுத்தப்படாத கனமான தூக்குதலை நீக்குவதாகும், இதனால் டெவலப்பர்கள் கடினமான, நேரத்தைச் செலவழிக்கும் வேலைகளில் குறைந்த நேரத்தைச் செலவிடுவார்கள் மற்றும் மூலோபாய மற்றும் ஆக்கப்பூர்வமான வேலைகளில் கவனம் செலுத்த அதிக நேரம் கிடைக்கும். இந்த மாற்றம் டெவலப்பர்களின் திறன்களை அதிகரிப்பதாகும். AI ஆனது டெவலப்பர்களுக்கு புதிய வாய்ப்புகளைத் திறக்கும். இது டெவலப்பர்கள் தங்கள் வேலையை மேம்படுத்த சிறந்த கருவிகளை வழங்குவதாகும்,” என்றார் சிவசுப்ரமணியன். “கூடுதலாக, உருவாக்கக்கூடிய AI ஆனது IT தொடர்பான பணிகளை ஜனநாயகப்படுத்துகிறது, ஏனெனில் குறியீடு இல்லாத மற்றும் குறைந்த-குறியீடு கருவிகள் விற்பனை, மனிதவள மற்றும் சந்தைப்படுத்தல் போன்ற தொழில்நுட்ப-அருகிலுள்ள பாத்திரங்களை சாட்போட்களை உருவாக்குதல், பகுப்பாய்வு செய்தல் மற்றும் தரவுகளை சுருக்கமாகக் கூறுதல் போன்றவற்றை செயல்படுத்தும். நாங்கள் நிறுவனங்களை ஊக்குவிக்கிறோம். வேலை இழப்பை முடிந்தவரை ஈடுசெய்ய மக்களை மேம்படுத்தவும், மறுதிறன் செய்யவும்.”

AI ஒரு செயல்பாடாக, இறுதியில்

நாம் அறிந்தபடி, AI விவாதங்கள் எங்கும் காணப்படுகின்றன. ஒவ்வொரு தொழில்நுட்ப விற்பனையாளரும் “குரலின் பங்கை” விரும்புகிறார்கள், மேலும் “AI வாஷிங்” சாத்தியம் நிறைய இருக்கிறது, இப்போது முழு தொழில்நுட்ப வர்த்தகமும் வளர்ந்து வருகிறது (மன்னிக்கவும், “புதுமையானது” என்று சொல்ல அவர்கள் விரும்புகிறார்கள்) தற்போதுள்ள இயங்குதளம் மற்றும் கருவிகளில் AI சேவைகள். இந்த லேண்ட்கிராப் தெளிவான கேள்விகளை எழுப்புகிறது, அதாவது ஒவ்வொரு தரவுத்தள நிபுணரும், ERP விற்பனையாளரும் அல்லது CRM, HR மற்றும் FinOps பிளேயர்களும் புதிய AI சேவைகளை மேம்பட்ட நிலையில் உருவாக்கி இருக்க முடியாது.

ப்ரோடோடைப்பிங் மற்றும் உற்பத்திக் குழப்பத்தின் அளவைக் கருத்தில் கொண்டு, AWS போன்ற பெரிய பிளேயரைக் கேட்பது, AI உடன் நாம் உண்மையில் எங்கே இருக்கிறோம் என்பதைப் பற்றி மிகவும் யதார்த்தமான பார்வையைப் பெற முயற்சிப்பது பயனுள்ளது. சிவசுப்ரமணியன், AI ஏற்கனவே உட்பொதிக்கப்பட்ட செயல்பாட்டிற்கு செல்லும் பாதையில் இருப்பதாகவும், பலர் உணர்ந்ததை விட இந்த மாற்றம் வேகமாக நடந்து வருவதாகவும் கூறியுள்ளார்.

“AWS இல், AI ஐ தினசரி பணிப்பாய்வுகளில் ஒருங்கிணைப்பதில் நாங்கள் கவனம் செலுத்துகிறோம், அங்கு சிறப்பு கவனம் அல்லது சிக்கலான அமைப்புகள் தேவையில்லாமல் உண்மையான, உறுதியான மதிப்பை வழங்க முடியும். அமேசான் க்யூ டெவலப்பர் போன்ற பயன்பாடுகளில் இது நடப்பதை நாங்கள் காண்கிறோம், அங்கு AI ஏற்கனவே குறியீடு உருவாக்கம், பிழைத்திருத்தம் மற்றும் பாதுகாப்பு ஸ்கேனிங் போன்ற பணிகளில் டெவலப்பர்களுக்கு உதவுகிறது – இவை அனைத்தும் குறைந்த உராய்வுகளுடன்,” என்று முடித்தார் சிவசுப்ரமணியன், இந்த மாதம் பத்திரிகை மற்றும் ஆய்வாளர்களுக்கான தனியார் AI டீப் டைவ். “பிற தொழில்களில், AI ஆனது வாடிக்கையாளர் ஆதரவு சாட்போட்கள் மற்றும் மெய்நிகர் உதவியாளர்களை வழங்குகிறது – நிறுவனங்களுக்கு விசாரணைகளை உடனடியாகவும் அளவிலும் தெரிவிக்க உதவுகிறது – அல்லது நிதியில் முன்கணிப்பு மோசடி கண்டறிதலைக் கையாளுகிறது, இது நிகழ்நேரத்தில் சாத்தியமான அபாயங்களைக் கண்டறிந்து கொடியிடுகிறது. AI தொடர்ந்து வளர்ச்சியடைந்து வருவதால், அது வணிக செயல்முறைகளில் மிகவும் ஆழமாக உட்பொதிக்கப்படும், வாடிக்கையாளர் ஆதரவு முதல் விநியோகச் சங்கிலி மேம்படுத்தல் வரை அனைத்தையும் இயக்கும்.

சில ஆண்டுகளில், பல பயன்பாடுகளின் பின்னணியில் AI எங்கும் காணப்படும், பயனர் அனுபவங்களை மேம்படுத்துவதற்கும், செயல்திறனை மேம்படுத்துவதற்கும், தரவு சார்ந்த முடிவுகளை எடுக்க நிறுவனங்களுக்கு உதவுவதற்கும் அமைதியாகவும் தடையின்றியும் செயல்படும் என்று அவர் நம்புகிறார். ஒரு காலத்தில் புதுமையானதாகத் தோன்றிய எழுத்துப்பிழை சரிபார்ப்பு போன்ற தொழில்நுட்பங்களை இப்போது நாம் எடுத்துக்கொள்வது போல.