AI ಮಾದರಿಗಳಲ್ಲ, ಡೇಟಾ ಏಕೆ AI ಯುಗದ ವಿಜೇತರನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ ಎಂಬುದನ್ನು NetApp CEO ವಿವರಿಸುತ್ತದೆ

ತಂತ್ರಜ್ಞಾನ ಕಂಪನಿಗಳು ಗಡಿನಾಡು AI ಮಾದರಿಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಶತಕೋಟಿ ಡಾಲರ್‌ಗಳನ್ನು ಹೂಡಿಕೆ ಮಾಡಿವೆ, ಆದರೆ ಸರ್ಕಾರಗಳು ಸಾರ್ವಭೌಮ AI ಮೂಲಸೌಕರ್ಯವನ್ನು ನಿರ್ಮಿಸಲು ಓಡುತ್ತಿವೆ.

ಆದರೆ ಉತ್ಸಾಹದ ಕೆಳಗೆ ಒಂದು ನಿಶ್ಯಬ್ದ ಬದಲಾವಣೆಯು ಅಂತಿಮವಾಗಿ ಯಾವ ಕಂಪನಿಗಳು ವಿಜೇತರಾಗಿ ಹೊರಹೊಮ್ಮುತ್ತದೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ.
NetApp ಸಿಇಒ ಜಾರ್ಜ್ ಕುರಿಯನ್ ಪ್ರಕಾರ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮಾದರಿಗಳು ಹೆಚ್ಚು ಎಲ್ಲರಿಗೂ ಪ್ರವೇಶಿಸಬಹುದು. ನಕಲು ಮಾಡಲು ಕಷ್ಟವಾಗುವುದು ಸಂಸ್ಥೆಯ ಸ್ವಂತ ಡೇಟಾ.

“ಪ್ರತಿಭೆ ಮತ್ತು ನಿಮ್ಮ ವ್ಯಾಪಾರ ಅಥವಾ ನಿಮ್ಮ ಗ್ರಾಹಕರನ್ನು ಆಳವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದರ ಜೊತೆಗೆ, ಡೇಟಾವು ಉದ್ಯಮದ ಸ್ಪರ್ಧಾತ್ಮಕ ಕಂದಕವಾಗುತ್ತದೆ ಎಂಬ ದೃಷ್ಟಿಕೋನವನ್ನು ನಾವು ಬಹಳ ಹಿಂದಿನಿಂದಲೂ ಹೊಂದಿದ್ದೇವೆ” ಎಂದು ಕುರಿಯನ್ ವಿಶೇಷ ಸಂದರ್ಶನದಲ್ಲಿ CNBC-TV18 ಗೆ ತಿಳಿಸಿದರು.

AI ಮಾದರಿಗಳು ಸರಕುಗಳಾಗುತ್ತಿವೆ

ಕಳೆದ ಎರಡು ವರ್ಷಗಳಲ್ಲಿ, ವ್ಯವಹಾರಗಳು OpenAI, Google, Anthropic ಮತ್ತು Meta ನಂತಹ ಕಂಪನಿಗಳಿಂದ AI ಮಾದರಿಗಳ ವಿಸ್ತರಣೆಯ ಶ್ರೇಣಿಗೆ ಪ್ರವೇಶವನ್ನು ಪಡೆದುಕೊಂಡಿವೆ. ಮುಕ್ತ-ಮೂಲ ಪರ್ಯಾಯಗಳು ಸ್ವಾಮ್ಯದ ವ್ಯವಸ್ಥೆಗಳೊಂದಿಗೆ ಅಂತರವನ್ನು ಕಡಿಮೆಗೊಳಿಸಿವೆ.

ಅಂದರೆ ಕಂಪನಿಗಳು ಇದೇ ರೀತಿಯ ಆಧಾರವಾಗಿರುವ AI ಸಾಮರ್ಥ್ಯಗಳಿಗೆ ಹೆಚ್ಚು ಪ್ರವೇಶವನ್ನು ಹೊಂದಿವೆ.

“ಪ್ರತಿಯೊಬ್ಬರೂ ಒಂದೇ ಚಿಪ್‌ಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿದ್ದಾರೆ, ಪ್ರತಿಯೊಬ್ಬರೂ ಒಂದೇ ಮಾದರಿಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿದ್ದಾರೆ ಮತ್ತು ಮಾದರಿಗಳು ಸ್ವತಃ ಒಂದೇ ಡೇಟಾದಲ್ಲಿ ಹೆಚ್ಚಾಗಿ ತರಬೇತಿ ಪಡೆದಿವೆ” ಎಂದು ಕುರಿಯನ್ ಹೇಳಿದರು.

ಪ್ರತಿ ಎಂಟರ್‌ಪ್ರೈಸ್ ಒಂದೇ ರೀತಿಯ ಕಂಪ್ಯೂಟಿಂಗ್ ಮೂಲಸೌಕರ್ಯವನ್ನು ಖರೀದಿಸಬಹುದಾದರೆ ಮತ್ತು ಹೋಲಿಸಬಹುದಾದ AI ಮಾದರಿಗಳನ್ನು ಪರವಾನಗಿ ನೀಡಿದರೆ, AI ಅನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು ಶಾಶ್ವತ ಸ್ಪರ್ಧಾತ್ಮಕ ಪ್ರಯೋಜನವನ್ನು ಸೃಷ್ಟಿಸುವುದಿಲ್ಲ.

ಬದಲಾಗಿ, ಸಂಸ್ಥೆಗಳು ತಮ್ಮ ಸ್ವಂತ ಸ್ವಾಮ್ಯದ ಮಾಹಿತಿಯೊಂದಿಗೆ ಆ ಮಾದರಿಗಳನ್ನು ಹೇಗೆ ಸಂಯೋಜಿಸುತ್ತವೆ ಎಂಬುದರ ಮೂಲಕ ವ್ಯತ್ಯಾಸವು ಬರುತ್ತದೆ.

ಸ್ವಾಮ್ಯದ ಡೇಟಾವು ನಿಜವಾದ ಕಂದಕವಾಗಿದೆ

ಪ್ರತಿ ಸಂಸ್ಥೆಯು ಸ್ಪರ್ಧಿಗಳು ಸುಲಭವಾಗಿ ಪುನರಾವರ್ತಿಸಲು ಸಾಧ್ಯವಾಗದ ಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.

ಬ್ಯಾಂಕುಗಳು ದಶಕಗಳ ವಹಿವಾಟು ಇತಿಹಾಸ ಮತ್ತು ಗ್ರಾಹಕರ ನಡವಳಿಕೆಯನ್ನು ಸಂಗ್ರಹಿಸುತ್ತವೆ.

ಆಸ್ಪತ್ರೆಗಳು ರೋಗನಿರ್ಣಯದ ಚಿತ್ರಗಳು ಮತ್ತು ಕ್ಲಿನಿಕಲ್ ದಾಖಲೆಗಳ ವಿಶಾಲವಾದ ರೆಪೊಸಿಟರಿಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತವೆ.

ತಯಾರಕರು ಕಾರ್ಖಾನೆಗಳಿಂದ ಕಾರ್ಯಾಚರಣೆ ಮತ್ತು ಉತ್ಪಾದನಾ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತಾರೆ.

ಲಕ್ಷಾಂತರ ವಹಿವಾಟುಗಳಲ್ಲಿ ಗ್ರಾಹಕರ ಖರೀದಿ ಮಾದರಿಗಳನ್ನು ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರಿಗಳು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತಾರೆ.

AI ಯುಗದಲ್ಲಿ ಈ ಸ್ವಾಮ್ಯದ ಡೇಟಾಸೆಟ್‌ಗಳು ಅತ್ಯಮೂಲ್ಯವಾದ ಆಸ್ತಿ ಸಂಸ್ಥೆಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ ಎಂದು ಕುರಿಯನ್ ನಂಬುತ್ತಾರೆ.

“ನಿಮ್ಮ ಸಾಮರ್ಥ್ಯ, ಸಂಸ್ಥೆಯಾಗಿ, ನಿಮ್ಮ ವ್ಯವಹಾರವನ್ನು ಆಳವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ನಿಮ್ಮ ಗ್ರಾಹಕರು ಮತ್ತು ನಿಮ್ಮ ಉದ್ಯೋಗಿಗಳು ನಿಮ್ಮ ಡೇಟಾವನ್ನು ಬಳಸಿಕೊಂಡು ಸ್ಪರ್ಧಾತ್ಮಕ ಕಂದಕವಾಗುತ್ತದೆ.”

ಯಾವ AI ಮಾದರಿಯನ್ನು ನಿಯೋಜಿಸಬೇಕೆಂದು ಕೇಳುವ ಬದಲು, ವ್ಯಾಪಾರ ನಾಯಕರು ತಮ್ಮ ಡೇಟಾವನ್ನು ಸಂಘಟಿತವಾಗಿದೆಯೇ, ಸುರಕ್ಷಿತವಾಗಿದೆಯೇ ಮತ್ತು ಅರ್ಥಪೂರ್ಣ AI ಒಳನೋಟಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ಸಾಕಷ್ಟು ಪ್ರವೇಶಿಸಬಹುದೇ ಎಂದು ಕೇಳುವ ಅಗತ್ಯವಿದೆ.

ಎಂಟರ್‌ಪ್ರೈಸ್ AI ಡೇಟಾದೊಂದಿಗೆ ಏಕೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ

ಜನರೇಟಿವ್ AI ವ್ಯವಸ್ಥೆಗಳು ಅವರು ಪ್ರವೇಶಿಸಬಹುದಾದ ಮಾಹಿತಿಯಷ್ಟೇ ಪರಿಣಾಮಕಾರಿಯಾಗಿರುತ್ತವೆ.

ಸಾರ್ವಜನಿಕ AI ಮಾದರಿಗಳು ವಿಶಾಲವಾದ ಸಾಮಾನ್ಯ ಜ್ಞಾನವನ್ನು ಹೊಂದಿದ್ದರೂ, ಅವರು ವೈಯಕ್ತಿಕ ಕಂಪನಿಯ ಗ್ರಾಹಕರು, ಉತ್ಪನ್ನಗಳು, ಕಾರ್ಯಾಚರಣೆಗಳು ಅಥವಾ ಆಂತರಿಕ ಪ್ರಕ್ರಿಯೆಗಳ ಬಗ್ಗೆ ಸ್ವಲ್ಪ ತಿಳಿದಿರುತ್ತಾರೆ.

ಆದ್ದರಿಂದ ಎಂಟರ್‌ಪ್ರೈಸ್ AI ಉನ್ನತ ಗುಣಮಟ್ಟದ ಆಂತರಿಕ ಡೇಟಾದೊಂದಿಗೆ ಮಾದರಿಗಳನ್ನು ಸಂಪರ್ಕಿಸುವುದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ.

ಅಲ್ಲಿ ಡೇಟಾ ಮ್ಯಾನೇಜ್ಮೆಂಟ್ ಕಂಪನಿಗಳು ಉದಾಹರಣೆಗೆ NetApp ತಮ್ಮ ಸ್ಥಾನವನ್ನು.

ಅಡಿಪಾಯ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸುವ ಬದಲು, ಅವರು ಸಂಸ್ಥೆಗಳಿಗೆ ಎಂಟರ್‌ಪ್ರೈಸ್ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು, ಆಡಳಿತ ಮಾಡಲು, ರಕ್ಷಿಸಲು ಮತ್ತು ಹಿಂಪಡೆಯಲು ಸಹಾಯ ಮಾಡುವುದರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತಾರೆ ಇದರಿಂದ AI ವ್ಯವಸ್ಥೆಗಳು ಅದನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಮತ್ತು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಬಳಸಬಹುದು.

ಅನೇಕ ವ್ಯವಹಾರಗಳಿಗೆ, AI ಗಾಗಿ ಡೇಟಾವನ್ನು ಸಿದ್ಧಪಡಿಸುವುದು AI ಮಾದರಿಯನ್ನು ನಿಯೋಜಿಸುವುದಕ್ಕಿಂತ ದೊಡ್ಡ ಕಾರ್ಯವನ್ನು ಸಾಬೀತುಪಡಿಸಬಹುದು.

ನೈಜ-ಪ್ರಪಂಚದ AI ವಿಶ್ವಾಸಾರ್ಹ ಡೇಟಾವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ

ನಿಖರತೆಯು ಜನರ ಜೀವನದ ಮೇಲೆ ನೇರವಾಗಿ ಪರಿಣಾಮ ಬೀರುವ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಎಂಟರ್‌ಪ್ರೈಸ್ ಡೇಟಾದ ಪ್ರಾಮುಖ್ಯತೆಯು ಇನ್ನಷ್ಟು ಸ್ಪಷ್ಟವಾಗುತ್ತದೆ.

ಆರೋಗ್ಯ ಸೇವೆಯು ಅಂತಹ ಒಂದು ಉದಾಹರಣೆಯಾಗಿದೆ.

NetApp ದೊಡ್ಡ ಪ್ರಮಾಣದ ವೈದ್ಯಕೀಯ ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸಲು ಮತ್ತು ಬಳಸಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡಲು ಭಾರತದ ಪ್ರಮುಖ ನೇತ್ರ ಆರೈಕೆ ಸಂಸ್ಥೆಗಳಲ್ಲಿ ಒಂದಾದ ಶಂಕರ ನೇತ್ರಾಲಯದಂತಹ ಸಂಸ್ಥೆಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಿದೆ. ವಿಶ್ವಾಸಾರ್ಹ ಕ್ಲಿನಿಕಲ್ ಡೇಟಾಸೆಟ್‌ಗಳ ಮೇಲೆ ನಿರ್ಮಿಸಲಾದ AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ವೈದ್ಯಕೀಯ ಚಿತ್ರಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು, ರೋಗಗಳನ್ನು ಮೊದಲೇ ಗುರುತಿಸಲು ಮತ್ತು ರೋಗಿಗಳ ಫಲಿತಾಂಶಗಳನ್ನು ಸುಧಾರಿಸಲು ವೈದ್ಯರಿಗೆ ಸಹಾಯ ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿವೆ.

AI ಮಾದರಿಯು ಅನೇಕ ಆರೋಗ್ಯ ಪೂರೈಕೆದಾರರಿಗೆ ಲಭ್ಯವಿರಬಹುದು, ಆದರೆ ಆಧಾರವಾಗಿರುವ ಕ್ಲಿನಿಕಲ್ ಡೇಟಾದ ಗುಣಮಟ್ಟ, ಪ್ರಮಾಣ ಮತ್ತು ಆಡಳಿತವು ಆ ವ್ಯವಸ್ಥೆಗಳು ಆಚರಣೆಯಲ್ಲಿ ಎಷ್ಟು ಉಪಯುಕ್ತವಾಗುತ್ತವೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ.

ಇದೇ ತತ್ವವು ಕೈಗಾರಿಕೆಗಳಾದ್ಯಂತ ಅನ್ವಯಿಸುತ್ತದೆ-ಹಣಕಾಸು ಸೇವೆಗಳು ಮತ್ತು ಉತ್ಪಾದನೆಯಿಂದ ವೈಜ್ಞಾನಿಕ ಸಂಶೋಧನೆಯವರೆಗೆ.

ಕುರಿಯನ್ ಯುರೋಪಿಯನ್ ಸ್ಪೇಸ್ ಏಜೆನ್ಸಿಯೊಂದಿಗೆ NetApp ನ ಕೆಲಸವನ್ನು ಹೈಲೈಟ್ ಮಾಡಿದರು, ಅಲ್ಲಿ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾ ನಿರ್ವಹಣೆಯು ಬ್ರಹ್ಮಾಂಡವನ್ನು ನಕ್ಷೆ ಮಾಡುವ ಪ್ರಯತ್ನಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಅಂತಹ ಯೋಜನೆಗಳು ಅಗಾಧವಾದ ಡೇಟಾಸೆಟ್‌ಗಳಿಂದ ಒಳನೋಟಗಳನ್ನು ಹೊರತೆಗೆಯಲು ತಂತ್ರಜ್ಞಾನ ಪೂರೈಕೆದಾರರು, ಸಂಶೋಧನಾ ಸಂಸ್ಥೆಗಳು ಮತ್ತು ಕ್ಲೌಡ್ ಪಾಲುದಾರರ ನಡುವಿನ ಸಹಯೋಗವನ್ನು ಅವಲಂಬಿಸಿವೆ.

ಪ್ರತಿ ಸಂದರ್ಭದಲ್ಲಿ, ಸ್ಪರ್ಧಾತ್ಮಕ ಪ್ರಯೋಜನವು AI ಮಾದರಿಯಿಂದ ಕಡಿಮೆ ಬರುತ್ತದೆ ಮತ್ತು ಅನನ್ಯ ಡೇಟಾವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ನಿರ್ವಹಿಸುವ ಮತ್ತು ಬಳಸುವ ಸಾಮರ್ಥ್ಯದಿಂದ ಹೆಚ್ಚು ಬರುತ್ತದೆ.

ಪಾಲುದಾರಿಕೆಗಳು ಮುಖ್ಯ ಏಕೆಂದರೆ ಯಾವುದೇ ಕಂಪನಿಯು ಅದನ್ನು ಏಕಾಂಗಿಯಾಗಿ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ

ಅಂತೆ AI ಪರಿಸರ ವ್ಯವಸ್ಥೆಗಳು ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾಗುತ್ತವೆ, ಕಂಪನಿಗಳು ಆಂತರಿಕವಾಗಿ ಪ್ರತಿಯೊಂದು ಸಾಮರ್ಥ್ಯವನ್ನು ನಿರ್ಮಿಸುವ ಬದಲು ಪಾಲುದಾರಿಕೆಗಳ ಮೇಲೆ ಹೆಚ್ಚು ಅವಲಂಬಿತವಾಗಿವೆ.

NetApp Google ಕ್ಲೌಡ್ ಮತ್ತು ಸೇರಿದಂತೆ ಕಂಪನಿಗಳೊಂದಿಗೆ ಸಹಯೋಗವನ್ನು ವಿಸ್ತರಿಸಿದೆ ನ್ಯೂಟಾನಿಕ್ಸ್ ಎಂಟರ್‌ಪ್ರೈಸ್ ಪರಿಸರದಲ್ಲಿ AI ಅನ್ನು ಸಂಯೋಜಿಸಲು ಗ್ರಾಹಕರಿಗೆ ಸಹಾಯ ಮಾಡಲು.

ಈ ಸಹಯೋಗದ ವಿಧಾನವು ಆಧುನಿಕತೆಯ ನೈಜತೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ ಎಂದು ಕುರಿಯನ್ ನಂಬುತ್ತಾರೆ ಡೇಟಾ ಕೇಂದ್ರಗಳುಅಲ್ಲಿ ಸಂಸ್ಥೆಗಳು ಈಗಾಗಲೇ ಬಹು-ಮಾರಾಟಗಾರರ ತಂತ್ರಜ್ಞಾನ ಪರಿಸರವನ್ನು ನಿರ್ವಹಿಸುತ್ತವೆ.

“ಗ್ರಾಹಕರಿಗೆ ಉತ್ತಮ ಫಲಿತಾಂಶವನ್ನು ನಿರ್ಮಿಸಲು ಸಹಯೋಗ ಮತ್ತು ಸಮುದಾಯದ ಶಕ್ತಿಯನ್ನು ಬಳಸಿಕೊಳ್ಳುವುದು ಉತ್ತಮ ಎಂದು ನಾವು ಯಾವಾಗಲೂ ನಂಬಿದ್ದೇವೆ” ಎಂದು ಅವರು ಹೇಳಿದರು.

ಉದ್ಯಮಗಳಿಗೆ, ಯಶಸ್ವಿ AI ನಿಯೋಜನೆಗಳು ಮೂಲಸೌಕರ್ಯ, ಕ್ಲೌಡ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು, ಭದ್ರತೆ, ಆಡಳಿತ ಮತ್ತು ಡೊಮೇನ್ ಪರಿಣತಿಯನ್ನು ಒಂದೇ ತಂತ್ರಜ್ಞಾನ ಪೂರೈಕೆದಾರರನ್ನು ಅವಲಂಬಿಸುವುದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ.

ಡೇಟಾ ಆಡಳಿತವು AI ಯಷ್ಟೇ ಮುಖ್ಯವಾಗುತ್ತಿದೆ

ಸಂಸ್ಥೆಗಳು AI ವ್ಯವಸ್ಥೆಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲು ಮತ್ತು ನಿಯೋಜಿಸಲು ಹೆಚ್ಚಿನ ಸ್ವಾಮ್ಯದ ಮಾಹಿತಿಯನ್ನು ಬಳಸುವುದರಿಂದ, ಡೇಟಾ ರೆಸಿಡೆನ್ಸಿ, ಸಾರ್ವಭೌಮತ್ವ ಮತ್ತು ನಿಯಂತ್ರಕ ಅನುಸರಣೆಯ ಸುತ್ತಲಿನ ಪ್ರಶ್ನೆಗಳು ಹೆಚ್ಚು ಮುಖ್ಯವಾಗುತ್ತವೆ.

ಕಂಪನಿಗಳು ರಾಷ್ಟ್ರೀಯ ಗಡಿಯೊಳಗೆ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವುದನ್ನು ಮೀರಿ ಚಲಿಸಬೇಕಾಗುತ್ತದೆ ಎಂದು ಕುರಿಯನ್ ವಾದಿಸುತ್ತಾರೆ.

ನಿಜವಾದ ದತ್ತಾಂಶ ಸಾರ್ವಭೌಮತ್ವ, ಅಂದರೆ ಸಂಸ್ಥೆಗಳು ಸ್ಥಳೀಯ ನಿಯಮಗಳಿಗೆ ಅನುಸಾರವಾಗಿ ಮತ್ತು ಸೂಕ್ಷ್ಮ ಮಾಹಿತಿಯ ಮೇಲೆ ಸಂಪೂರ್ಣ ನಿಯಂತ್ರಣವನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವಾಗ ಜಾಗತಿಕವಾಗಿ ಲಭ್ಯವಿರುವ AI ಆವಿಷ್ಕಾರಗಳನ್ನು ಬಳಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಎಂದು ಅವರು ಹೇಳುತ್ತಾರೆ.

ಸರ್ಕಾರಗಳು, ಬ್ಯಾಂಕುಗಳು, ಆರೋಗ್ಯ ಪೂರೈಕೆದಾರರು ಮತ್ತು ಇತರ ಹೆಚ್ಚು ನಿಯಂತ್ರಿತ ಉದ್ಯಮಗಳಿಗೆ ಆ ಸಾಮರ್ಥ್ಯವು ವಿಶೇಷವಾಗಿ ಮುಖ್ಯವಾಗಿದೆ.

AI ರೇಸ್ ಅನ್ನು ಗೆಲ್ಲುವುದು ಯಾರು ಡೇಟಾವನ್ನು ಉತ್ತಮವಾಗಿ ಬಳಸುತ್ತಾರೆ ಎಂಬುದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ

ಇಂದಿನ ಹೆಚ್ಚಿನ AI ಸಂಭಾಷಣೆಯು ಯಾವ ಕಂಪನಿಯು ಅತಿ ದೊಡ್ಡ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಿದೆ ಅಥವಾ ಅತ್ಯಾಧುನಿಕ ಚಿಪ್‌ಗಳನ್ನು ಪಡೆದುಕೊಂಡಿದೆ ಎಂಬುದರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ.

ದೀರ್ಘಾವಧಿಯ ಯಶಸ್ಸನ್ನು ನಿರ್ಧರಿಸುವ ಅಂಶವನ್ನು ದೃಷ್ಟಿಕೋನವು ಕಡೆಗಣಿಸುತ್ತದೆ ಎಂದು ಕುರಿಯನ್ ನಂಬುತ್ತಾರೆ.

AI ಮಾದರಿಗಳು ಅಗ್ಗವಾಗಿ, ವೇಗವಾಗಿ ಮತ್ತು ಹೆಚ್ಚು ವ್ಯಾಪಕವಾಗಿ ಲಭ್ಯವಾಗುವುದರಿಂದ, ಅವುಗಳು ಹೆಚ್ಚು ಪರಸ್ಪರ ಬದಲಾಯಿಸಲ್ಪಡುತ್ತವೆ.

ರಚನಾತ್ಮಕ ಮತ್ತು ರಚನೆಯಿಲ್ಲದ ಡೇಟಾದಲ್ಲಿ ಸೆರೆಹಿಡಿಯಲಾದ ದಶಕಗಳ ಸ್ವಾಮ್ಯದ ಉದ್ಯಮ ಜ್ಞಾನವನ್ನು ಸುಲಭವಾಗಿ ನಕಲಿಸಲಾಗುವುದಿಲ್ಲ.

ಆ ಡೇಟಾವನ್ನು ಸಂಘಟಿಸಲು, ರಕ್ಷಿಸಲು ಮತ್ತು ಅರ್ಥ ಮಾಡಿಕೊಳ್ಳಲು ಹೂಡಿಕೆ ಮಾಡುವ ಕಂಪನಿಗಳು ವಿಭಿನ್ನ AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು, ಗ್ರಾಹಕರ ಅನುಭವಗಳನ್ನು ಸುಧಾರಿಸಲು ಮತ್ತು ಉತ್ತಮ ವ್ಯವಹಾರ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಉತ್ತಮ ಸ್ಥಾನದಲ್ಲಿರುತ್ತವೆ.

AI ಯುಗವು ಮಾದರಿಗಳಿಂದ ಚಾಲಿತವಾಗಿರಬಹುದು, ಆದರೆ ಅದರ ದೊಡ್ಡ ವಿಜೇತರನ್ನು ಡೇಟಾದಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ.

ತಮ್ಮ AI ಕಾರ್ಯತಂತ್ರವನ್ನು ಯೋಜಿಸುವ ಉದ್ಯಮಗಳಿಗೆ, ಅದು ಎಲ್ಲಕ್ಕಿಂತ ಪ್ರಮುಖ ಪಾಠವಾಗಿದೆ.

ಸಂಪೂರ್ಣ ಸಂಭಾಷಣೆಯನ್ನು ಇಲ್ಲಿ ವೀಕ್ಷಿಸಿ