एआई-देशी टेक स्टार्टअप आर्थिक परमाणु सर्दी का मौसम कर सकते हैं

क्या आप ट्रांसफॉर्म 2022 में शामिल नहीं हो पाए? हमारी ऑन-डिमांड लाइब्रेरी में अभी सभी शिखर सम्मेलन देखें! यहां देखें.


हाल ही में, मैंने लिखा एक रचना वेंचरबीट के लिए उन कंपनियों के बीच अंतर करना जो हैं ऐ आधारित उनके मूल में और वे जो केवल एआई को एक समारोह के रूप में या उनकी समग्र पेशकश के छोटे हिस्से के रूप में उपयोग करते हैं। कंपनियों के पूर्व सेट का वर्णन करने के लिए, मैंने “एआई-नेटिव” शब्द गढ़ा।

एक प्रौद्योगिकीविद् और निवेशक के रूप में, हाल ही में बाजार में गिरावट ने मुझे एआई के लिए सर्दियों में जीवित रहने के लिए तैयार प्रौद्योगिकियों के बारे में सोचने पर मजबूर कर दिया – कम निवेश, अस्थायी रूप से हतोत्साहित शेयर बाजारों, मुद्रास्फीति से संभावित मंदी, और यहां तक ​​​​कि ग्राहकों की झिझक के संयोजन द्वारा लाया गया। लापता होने के डर से नई तकनीकों का वादा करने में अपने पैर की उंगलियों को डुबोना (FOMO)।

आप देख सकते हैं कि मैं इसके साथ कहाँ जा रहा हूँ। मेरा विचार है कि AI-Native कंपनियों स्वस्थ उभरने और मंदी से भी बढ़ने की मजबूत स्थिति में हैं। आखिरकार, डाउनटाइम के दौरान कई महान कंपनियां पैदा हुई हैं – इंस्टाग्राम, नेटफ्लिक्स, उबेर, स्लैक और स्क्वायर कुछ ऐसे हैं जो दिमाग में आते हैं।

लेकिन जबकि कुछ अनहेल्दी एआई-देशी कंपनी 2030 के दशक की Google बन सकती है, यह सही या बुद्धिमानी नहीं होगी – यह घोषणा करना कि सभी एआई-नेटिव कंपनियां सफलता के लिए किस्मत में हैं।

आयोजन

मेटाबीट 2022

मेटाबीट 4 अक्टूबर को सैन फ्रांसिस्को, सीए में सभी उद्योगों के संचार और व्यापार करने के तरीके को कैसे बदल देगा, इस पर मार्गदर्शन देने के लिए विचारशील नेताओं को एक साथ लाएगा।

यहां रजिस्टर करें

वास्तव में, एआई-नेटिव कंपनियों को अपने संचालन के तरीके में विशेष रूप से सावधान और रणनीतिक होने की आवश्यकता है। क्यों? क्योंकि एआई कंपनी चलाना महंगा है – प्रतिभा, बुनियादी ढांचा और विकास प्रक्रिया सभी महंगी हैं, इसलिए दक्षता उनके अस्तित्व की कुंजी है।

अपनी बेल्ट कसने की जरूरत है? उसके लिए एक ऐप है

दक्षता हमेशा आसान नहीं होती है, लेकिन सौभाग्य से एक एआई पारिस्थितिकी तंत्र है जो आपके विशेष तकनीकी स्टैक के लिए अच्छे, सहायक समाधान प्रदान करने के लिए काफी समय से चल रहा है।

आइए मॉडल प्रशिक्षण से शुरू करें। यह महंगा है क्योंकि मॉडल बड़े हो रहे हैं। हाल ही में, माइक्रोसॉफ्ट और एनवीडिया ने अपने मेगाट्रॉन-ट्यूरिंग नेचुरल लैंग्वेज जेनरेशन मॉडल (एमटी-एनएलजी) को 560 एनवीडिया डीजीएक्स ए100 सर्वरों पर प्रशिक्षित किया, जिनमें से प्रत्येक में 8 एनवीडिया ए100 80 जीबी जीपीयू थे – जिसकी कीमत लाखों डॉलर थी।

किस्मत से, लागत गिर रही है हार्डवेयर और सॉफ्टवेयर में प्रगति के कारण। और MosaicML और Microsoft की डीपस्पीड जैसे एल्गोरिथम और सिस्टम दृष्टिकोण मॉडल प्रशिक्षण में दक्षता पैदा कर रहे हैं।

अगला डेटा लेबलिंग और विकास है, जो [spoiler alert] महंगा भी है। के अनुसार जल्दबाजी – एक कंपनी जिसका लक्ष्य इस समस्या से निपटना है – “डेटा लेबलिंग परियोजना बजट के 35 से 80% तक कहीं भी लेती है।”

अब बात करते हैं मॉडल निर्माण की। यह एक कठिन काम है। इसके लिए विशेष प्रतिभा, एक टन अनुसंधान और अंतहीन परीक्षण और त्रुटि की आवश्यकता होती है। मॉडल बनाने के साथ एक बड़ी चुनौती यह है कि डेटा संदर्भ विशिष्ट है। इसके लिए कुछ समय के लिए एक जगह रही है। Microsoft के पास Azure AutoML है, AWS के पास सेजमेकर है; Google क्लाउड में AutoML है। हगिंग फेस जैसे पुस्तकालय और सहयोग मंच भी हैं जो पिछले वर्षों की तुलना में मॉडल निर्माण को बहुत आसान बना रहे हैं।

न केवल जंगली को मॉडल जारी करना

अब जब आपने अपना मॉडल बना लिया है, तो आपको उसे परिनियोजित करना होगा। आज, यह प्रक्रिया श्रमसाध्य रूप से धीमी है, दो-तिहाई मॉडलों को उत्पादन में लगाने में एक महीने का समय लगता है।

परिनियोजन प्रक्रिया को स्वचालित करना और हार्डवेयर लक्ष्यों और क्लाउड सेवाओं की विस्तृत श्रृंखला के लिए अनुकूलन तेजी से नवाचार का समर्थन करता है, जिससे कंपनियां अति-प्रतिस्पर्धी और अनुकूलनीय बनी रहती हैं। Amazon Sagemaker या Azure Machine Learning जैसे एंड-टू-एंड प्लेटफ़ॉर्म भी परिनियोजन विकल्प प्रदान करते हैं। यहां बड़ी चुनौती यह है कि क्लाउड सेवाएं, एंडपॉइंट और हार्डवेयर लगातार लक्ष्य को आगे बढ़ा रहे हैं। इसका मतलब है कि हर साल नए पुनरावृत्तियों को जारी किया जाता है और कभी-कभी बदलते पारिस्थितिकी तंत्र के लिए एक मॉडल को अनुकूलित करना कठिन होता है।

तो आपका मॉडल अब जंगल में है। अब क्या? वापस बैठो और अपने पैरों को ऊपर उठाओ? फिर से विचार करना। मॉडल टूट जाते हैं। चल रही निगरानी और अवलोकन महत्वपूर्ण हैं। व्हाईलैब्स, एराइज एआई और फिडलर एआई उद्योग के कुछ खिलाड़ियों में से हैं जो इस हेड-ऑन से निपटते हैं।

टेक्नोलॉजी के अलावा टैलेंट कॉस्ट भी ग्रोथ में बाधक हो सकता है। मशीन लर्निंग (एमएल) प्रतिभा दुर्लभ है और उच्च मांग में है। कंपनियों को मैन्युअल एमएल इंजीनियरिंग पर निर्भरता कम करने और मौजूदा ऐप देव वर्कफ़्लो में फिट होने वाली तकनीकों में निवेश करने के लिए स्वचालन पर निर्भर रहने की आवश्यकता होगी, ताकि अधिक प्रचुर मात्रा में DevOps व्यवसायी ML गेम में शामिल हो सकें।

एआई-देशी कंपनी: इन सभी घटकों के लिए समाधान

मैं चपलता/अनुकूलता के बारे में एक वाक्य जोड़ना चाहता हूं। यदि हम एक परमाणु सर्दी से बचने के बारे में बात कर रहे हैं, तो आप सबसे अधिक प्रतिस्पर्धी और अनुकूलनीय हैं – और हम यहां जिस बारे में बात नहीं कर रहे हैं वह एमएल परिनियोजन के मामले में चपलता की वास्तविक कमी है। हम जो स्वचालन लाते हैं, वह केवल अनुकूलन क्षमता का टुकड़ा नहीं है, बल्कि तेजी से नवाचार करने की क्षमता है – जो कि अभी अविश्वसनीय रूप से धीमी तैनाती के समय पर आधारित है।

डरो मत: एआई वयस्कता तक पहुंच जाएगा

एक बार जब निवेशकों ने अपना समय दिया और उद्यम पूंजी की दुनिया में कुछ बकाया (आमतौर पर) का भुगतान किया, तो उनका एक अलग दृष्टिकोण है। उन्होंने ऐसे चक्रों का अनुभव किया है जो पहले कभी नहीं देखी गई तकनीकों के साथ खेलते हैं। जैसे-जैसे प्रचार बढ़ता है, निवेश डॉलर का प्रवाह होता है, कंपनियां बनती हैं, और नए उत्पादों का विकास गर्म होता है। अक्सर यह शांत कछुआ होता है जो अंततः निवेश खरगोशों पर जीत हासिल करता है क्योंकि यह नम्रता से उपयोगकर्ताओं को एकत्रित करता है।

अनिवार्य रूप से बुलबुले और हलचल हैं, और प्रत्येक बस्ट के बाद (जहां कुछ कंपनियां विफल हो जाती हैं) नई तकनीक के लिए आशावादी पूर्वानुमान आमतौर पर पार हो जाते हैं। दत्तक ग्रहण और लोकप्रियता इतनी व्यापक है कि यह बस नया सामान्य हो जाता है।

मुझे एक निवेशक के रूप में बहुत विश्वास है कि नए एआई परिदृश्य में चाहे जो भी अलग-अलग कंपनियां हावी हों, एआई एक पैर जमाने से कहीं अधिक हासिल करेगा और शक्तिशाली स्मार्ट अनुप्रयोगों की एक लहर को उजागर करेगा।

लुइस सेज़ एक है उद्यम भागीदार मद्रोना वेंचर्स में और OctoML के सीईओ

डेटा निर्णय निर्माता

वेंचरबीट समुदाय में आपका स्वागत है!

DataDecisionMakers वह जगह है जहां विशेषज्ञ, डेटा कार्य करने वाले तकनीकी लोगों सहित, डेटा से संबंधित अंतर्दृष्टि और नवाचार साझा कर सकते हैं।

यदि आप अत्याधुनिक विचारों और अप-टू-डेट जानकारी, सर्वोत्तम प्रथाओं और डेटा और डेटा तकनीक के भविष्य के बारे में पढ़ना चाहते हैं, तो DataDecisionMakers में हमसे जुड़ें।

आप भी विचार कर सकते हैं एक लेख का योगदान अपना स्वयं का!

DataDecisionMakers से और पढ़ें

amar-bangla-patrika