AI प्रोडक्ट डेवलपमेंट के लिए गलत अप्रोच
- ज़्यादातर AI प्रोडक्ट किसी दूसरे मॉडल के ऊपर एक wrapper की तरह बनाए जाते हैं, जैसे ChatGPT API को कॉल करना।
- यह अप्रोच लागू करना आसान होता है और प्रभावशाली फीचर्स दे सकता है, लेकिन इसकी समस्या यह है कि इसमें अलग पहचान नहीं बनती, लागत ज़्यादा होती है, और यह धीमा होता है।
- जब AI प्रोडक्ट का unique value proposition महत्वपूर्ण हो, तब ऐसी तकनीक पर निर्भर रहना जिसे आसानी से कॉपी किया जा सके, एक जोखिम भरी स्थिति है।
LLM की ऊँची लागत और धीमी गति की समस्या
- Large Language Models (LLM) विविधता देते हैं, लेकिन उनके आकार और जटिलता के कारण उन्हें चलाने की लागत बहुत अधिक होती है।
- उदाहरण के लिए, GitHub Copilot की औसत लागत प्रति उपयोगकर्ता $20 पड़ती है, लेकिन उससे केवल $10 वसूला जाता है, यानी नुकसान होता है।
- LLM की धीमी गति उन applications में बड़ी समस्या बन सकती है जहाँ real-time response ज़रूरी हो।
LLM की सीमाएँ और customization की समस्या
- LLM fine-tuning को support करते हैं, लेकिन किसी खास समस्या का समाधान देने में उनकी सीमाएँ हैं।
- Builder.io ने Visual Copilot बनाते समय LLM का उपयोग करके Figma designs को code में बदलने की कोशिश की, लेकिन नतीजा धीमा, महंगा और कम गुणवत्ता वाला निकला।
अपनी tool chain बनाने का समाधान
- Builder.io ने अपनी खुद की tool chain बनाकर इस समस्या का समाधान किया।
- इसमें fine-tuned LLM, custom compiler, और custom-trained models का संयोजन इस्तेमाल किया गया।
- इस तरीके से ज़्यादा तेज़, ज़्यादा भरोसेमंद, कम लागत वाला और अधिक अलग पहचान वाला प्रोडक्ट बनाया जा सकता है।
AI प्रोडक्ट डेवलपमेंट को लेकर आम गलतफहमियाँ
- बहुत से लोग मानते हैं कि AI प्रोडक्ट में सारी core technology एक ही super model संभालता है।
- अगर autonomous vehicles का उदाहरण लें, तो लोग सोचते हैं कि एक बहुत बड़ा AI सारे input को प्रोसेस करके फैसले लेता है, जबकि वास्तव में वहाँ कई specialized models और सामान्य code का संयोजन होता है।
वास्तव में AI बनाना कैसे शुरू करें
- AI solution के लिए Visual Copilot में इस्तेमाल किए गए अप्रोच को समझना उपयोगी हो सकता है।
- समस्या के क्षेत्र को सामान्य programming practices के साथ explore करें और तय करें कि किन हिस्सों में specialized models की ज़रूरत है।
- अगर किसी खास समस्या को standard coding अच्छे से हल नहीं कर पाती, तो स्थापित AI models की मदद से data जनरेट करें और अपना मॉडल train करें।
GN⁺ की राय
- सबसे महत्वपूर्ण बात यह है कि AI प्रोडक्ट बनाते समय वही तरीका न अपनाएँ जो बाकी सभी अपना रहे हैं, बल्कि अपनी खुद की tool chain बनाकर अलग मूल्य दें।
- यह लेख AI तकनीक के नवोन्मेषी उपयोग और इस बात को दिखाने के कारण रोचक और आकर्षक है कि डेवलपर्स AI का उपयोग करके मौलिक प्रोडक्ट कैसे बना सकते हैं।
अभी कोई टिप्पणी नहीं है.