મે 2024 માં પાછા, ટાટા કન્સલ્ટન્સી સર્વિસિસ (TCS) એ એક અભ્યાસ હાથ ધર્યો હતો જે દર્શાવે છે કે વ્યવસાયો નવીનતા અને આવક વૃદ્ધિ માટે AI નો ઉપયોગ કરવા માગે છે, પરંતુ તે કેવી રીતે કરવું તેની ખાતરી ન હતી.
હવે, TCS એ Nvidia સાથે જોડાણ કર્યું છે, જેથી મોટા ભાષાના મોડલ્સ પર આધારિત ઉત્પાદન, ઓટોમોટિવ, ફાઇનાન્સ અને રિટેલ સહિતના ક્ષેત્રો માટે કસ્ટમાઇઝ્ડ AI સોલ્યુશન્સ બનાવવા માટે બાદના ઇન્ફ્રાસ્ટ્રક્ચરનો ઉપયોગ કરીને વિવિધ ઉદ્યોગોમાં AI અપનાવવાની પ્રક્રિયાને વેગ આપવામાં મદદ મળી શકે.
આ AI સાધનો કેવી રીતે કાર્ય કરે છે, તેઓ વ્યવસાયોને કેવી રીતે લાભ આપી શકે છે અને આ ઉદ્યોગોમાં AI (જો કોઈ હોય તો) ના ઉપયોગના જોખમોને કેવી રીતે ઘટાડી શકાય તે વિશે મેં TCS ખાતે મેન્યુફેક્ચરિંગના પ્રમુખ અનુપમ સિંઘલ સાથે વાત કરી.
અનુપમ સિંઘલ
સામાજિક લિંક્સ નેવિગેશન
ટાટા કન્સલ્ટન્સી સર્વિસિસના મેન્યુફેક્ચરિંગના પ્રમુખ
જ્યારે તમે ભાષાના મોડલ વિશે વિચારો છો, ત્યારે મેન્યુફેક્ચરિંગ અથવા ઓટોમોટિવ ઇન્ડસ્ટ્રીઝનો વિષય સીધો મનની સામે જતો નથી. શું તમે મને ભાષા મોડલ વચ્ચેની કડી વિશે અને તેઓ ઉત્પાદન અને અન્ય ઉદ્યોગોની શ્રેણીમાં કેવી રીતે મદદ કરી શકે તે વિશે વધુ કહી શકો છો?
જ્યારે ભાષાના મોડલ શરૂઆતમાં ટેક્સ્ટના કાર્યો માટે વધુ યોગ્ય લાગે છે અને અમે ઘણી વાર B2C ઉપયોગના કેસોને તેમની સાથે જોડીએ છીએ, તેઓ B2B અને B2B2C કેસોમાં મેન્યુફેક્ચરિંગ અને ઓટોમોટિવ જેવા ઉદ્યોગોમાં ક્રાંતિ લાવવાની નોંધપાત્ર સંભાવના પણ ધરાવે છે.
અમે પહેલાથી જ અમારા ફ્યુચર રેડી મેન્યુફેક્ચરિંગ સોલ્યુશન્સ દ્વારા આ સંભવિતને જીવંત જોઈ રહ્યા છીએ. અહીં, અમે સમારકામ અને સેવા ચક્ર અને અનુમાનિત જાળવણીને પણ બદલી રહ્યા છીએ. અમે ઐતિહાસિક ડેટાનું પૃથ્થકરણ કરવા અને પેટર્નને ઓળખવા માટે ભાષાના મોડલ્સનો ઉપયોગ કરીએ છીએ જે સંભવિત સાધનોની નિષ્ફળતા, ડાઉનટાઇમ ઘટાડવા અને જાળવણી સમયપત્રકને ઑપ્ટિમાઇઝ કરવામાં મદદ કરી શકે છે. વધુ શું છે, જનરેટિવ એઆઈ અને એસએલએમ (સ્પેશિયલાઈઝ્ડ લેંગ્વેજ મોડલ્સ) નો ઉપયોગ કરીને અમે સમારકામ/સેવા ચક્રમાં લાગેલા સમયને સુધારવા માટે સમારકામ અને સેવા ટેકનિશિયનની દૈનિક પ્રવૃત્તિને બદલી શકીએ છીએ.
ભાષાના મોડલ પણ સપ્લાય ચેઇનની સ્થિતિસ્થાપકતાને બદલી રહ્યા છે. સપ્લાય ચેઇન ડેટાનું પૃથ્થકરણ કરીને આ મોડલ ઇન્વેન્ટરી લેવલને ઑપ્ટિમાઇઝ કરી શકે છે, લોજિસ્ટિક્સમાં સુધારો કરી શકે છે અને સપ્લાય ચેઇન વિક્ષેપોને ઘટાડી શકે છે.
TCS ઉદ્યોગની કુશળતાના આધારે એલએલએમ ફાઇનટ્યુન્સ કરે છે. આ પ્રક્રિયામાં શું જાય છે અને મોડલ ઉદ્યોગના પડકારો માટે શ્રેષ્ઠ સૂચનો પ્રદાન કરતું નથી તેની ખાતરી કરવા માટે કયા સલામતી પગલાં છે
ઉદ્યોગ-વિશિષ્ટ એપ્લિકેશનો માટે LLMs ફાઇનટ્યુનિંગ એ એક ઝીણવટભરી પ્રક્રિયા છે. સૌપ્રથમ, અમારી ઔદ્યોગિક કુશળતા અને ગ્રાહકોની ઇકોસિસ્ટમનો ઉપયોગ કરીને, અમે ઉદ્યોગ માટે વિશિષ્ટ ઉચ્ચ-ગુણવત્તાવાળા ડેટાસેટને ક્યુરેટ કરીએ છીએ, તે સુનિશ્ચિત કરીએ છીએ કે તે દૃશ્યો અને કિસ્સાઓની વિશાળ શ્રેણીને આવરી લે છે. પછી અમે ફાઉન્ડેશન તરીકે પૂર્વ-પ્રશિક્ષિત અને આઉટ-ઓફ-ધ-બોક્સ લેંગ્વેજ મોડલ્સનો લાભ લઈએ છીએ અને ઉદ્યોગ-વિશિષ્ટ ડેટા સેટના આધારે આને ફાઇન-ટ્યુન કરીએ છીએ.
અમારા એન્જિનિયરો પછી મોડલની કામગીરીનું નિરીક્ષણ કરવામાં, પ્રતિસાદ આપવા અને જરૂરી ગોઠવણો કરવામાં નિર્ણાયક ભૂમિકા ભજવે છે. સાહજિક ગોઠવણો અને સ્પષ્ટ જ્ઞાનને ખવડાવવાથી આ મોડેલની ચોકસાઈમાં વધારો કરે છે. એકવાર આ આંતરદૃષ્ટિ એકત્ર થઈ જાય અને મોડેલમાં આપવામાં આવે, પછી અમે મોડેલ ન્યાયી અને નિષ્પક્ષ આઉટપુટ જનરેટ કરે તેની ખાતરી કરવા માટે કડક નૈતિક માર્ગદર્શિકા લાગુ કરીએ છીએ. પ્રતિભાવોનું સતત નિરીક્ષણ કરવામાં આવે તેની ખાતરી કરવા માટે TCS ના એજન્ટ-આધારિત મોનિટરિંગ અભિગમ સાથે યોગ્ય ગાર્ડરેલ્સ વ્યાખ્યાયિત કરવામાં આવે છે.
NVIDIA ના ટેક સ્ટેક પર બનેલ ઈન્ડસ્ટ્રીયલ સ્યુટ માટે અમારું તાજેતરમાં લોન્ચ કરાયેલ TCS મેન્યુફેક્ચરિંગ AI, આ સેક્ટર માટે ફાઈન ટ્યુન LLM/SLMનું ઉત્તમ ઉદાહરણ છે.
જ્યારે અમારી ટેક્નોલોજી અદ્યતન છે, ત્યારે આપણે તેને ગંતવ્ય માટેના સાધન તરીકે જોઈએ છીએ, ગંતવ્ય માટે નહીં. તેનો મુખ્ય હેતુ નાગરિકોના દૈનિક જીવનમાં પરિવર્તન લાવવાનો છે. અમારા સોલ્યુશન્સ મનુષ્યોને મદદ કરવા માટે બનાવવામાં આવ્યા છે, તેમને બદલવા માટે નહીં. જ્યારે AI નિયમિત કાર્યોને હેન્ડલ કરી શકે છે, વિશાળ માત્રામાં ડેટાનું પૃથ્થકરણ કરી શકે છે અને અન્યથા ચૂકી શકાય તેવા દાખલાઓને ઓળખી શકે છે, ત્યારે જટિલ નિર્ણયો લેવા અને વ્યૂહાત્મક દિશા પ્રદાન કરવા માટે માનવ ચુકાદો, સર્જનાત્મકતા અને વિવેચનાત્મક વિચાર આવશ્યક રહે છે.
અમારો ધ્યેય એક સિનર્જિસ્ટિક સંબંધ બનાવવાનો છે જ્યાં AI માનવ ક્ષમતાઓને પૂરક બનાવે છે, જે અમને વધુ કાર્યક્ષમતા અને નવીનતા પ્રાપ્ત કરવામાં સક્ષમ બનાવે છે. ઉદાહરણ તરીકે, અમે યોગ્ય રૂપરેખાંકન પર નિર્ણાયક આંતરદૃષ્ટિ પ્રદાન કરવા અને ડ્રાફ્ટ ક્વોટ બનાવટને સ્વચાલિત કરવા માટે જનરેટિવ AI નો ઉપયોગ કરીને 1.5x ઝડપથી બજારમાં ક્વોટ મૂકવામાં મોટી બિલ્ડિંગ મટિરિયલ્સ ફર્મને મદદ કરી. આનાથી કામ કરતા લોકોની ઉત્પાદકતામાં વધારો થયો – તેમને બદલવાને બદલે.
જ્યારે તે સાચું છે કે LLM આઉટપુટ ઉત્પન્ન કરી શકે છે જે તાલીમ ડેટાની નકલ કરે છે અને, કેટલાક કિસ્સાઓમાં, ડેટા જનરેશન સિન્થેટીક હોઈ શકે છે, LLM વિવિધ ઉદ્યોગ સમસ્યાઓ માટે નવલકથા આંતરદૃષ્ટિ અને સર્જનાત્મક ઉકેલો જનરેટ કરવામાં પણ સક્ષમ છે. વિશાળ માત્રામાં ડેટાનું પૃથ્થકરણ કરીને અને અંતર્ગત પેટર્નને ઓળખીને, આ મોડેલો છુપાયેલી તકો અને નવીન અભિગમોને ઉજાગર કરી શકે છે જે માનવ નિષ્ણાતોને દેખીતી નથી.
ઉદાહરણ તરીકે, TCS હાલમાં મોબિલિટી AI નામનું સોલ્યુશન બનાવી રહ્યું છે, જે અમારા TCS મોબિલિટી સ્યુટનો ભાગ છે. આ સોલ્યુશનનો એક ઉપયોગ કેસ માઇક્રોસેકન્ડના અંતરાલોમાં પાર્કિંગ સાઇનને ડિસિફર કરવાનો છે અને આગામી શ્રેષ્ઠ પગલાંની ભલામણ કરે છે. આ આંતરદૃષ્ટિ એવા નિર્ણયોને સક્ષમ કરે છે કે જે માણસો ડ્રાઇવરની મુસાફરીમાં તે સૂક્ષ્મ ક્ષણે લઈ શકતા નથી, GenAI કેવી રીતે મોબિલિટીના ભવિષ્યમાં આ અનુભવને પરિવર્તિત કરી શકે છે તે પ્રકાશિત કરે છે.
જો કે, એ નોંધવું અગત્યનું છે કે AI એ એક સાધન છે અને તેની અસરકારકતા તેનો ઉપયોગ કેવી રીતે થાય છે તેના પર આધાર રાખે છે. AI નો ઉપયોગ જવાબદારીપૂર્વક અને નૈતિક રીતે થાય તેની ખાતરી કરવા માટે માનવ માર્ગદર્શન અને દેખરેખ નિર્ણાયક છે.
જો આપણે AI પર વધુ આધાર રાખીએ તો શું આપણે માનવ કુશળતા ગુમાવવાનું જોખમ ચલાવીએ છીએ?
માનવ કુશળતાને ઘટાડવાથી દૂર, AI તેને વધારી શકે છે. નિયમિત કાર્યોને સ્વચાલિત કરીને, AI માનવ કામદારોને ઉચ્ચ-મૂલ્યની પ્રવૃત્તિઓ પર ધ્યાન કેન્દ્રિત કરવા માટે મુક્ત કરે છે જેને સર્જનાત્મકતા, સમસ્યાનું નિરાકરણ અને સહાનુભૂતિની જરૂર હોય છે. વધુમાં, AI મૂલ્યવાન આંતરદૃષ્ટિ અને સમર્થન પ્રદાન કરી શકે છે, જે મનુષ્યોને વધુ માહિતગાર નિર્ણયો લેવામાં સક્ષમ બનાવે છે. ચાવી એ છે કે AI ને એક એવા સાધન તરીકે સ્વીકારવું જે મનુષ્યને ખતરાને બદલે સશક્ત બનાવે છે. સાથે મળીને કામ કરીને, મનુષ્ય અને AI નોંધપાત્ર વસ્તુઓ હાંસલ કરી શકે છે.