লুকানো ডেটার সমস্যাটি এন্টারপ্রাইজ এআই প্রকল্পগুলিকে হত্যা করছে
AI-তে বিপুল বিনিয়োগ এবং ব্যর্থ স্থাপনার রিপোর্টের মধ্যে বিকল্প শিরোনাম। এই প্যাটার্নটি শিল্প জুড়ে সামঞ্জস্যপূর্ণ: AI প্রকল্পগুলি যেগুলি প্রতিশ্রুতিশীল দেখায় এবং পরীক্ষার পরিবেশে ভালভাবে কাজ করে বা বাস্তব-বিশ্বের পরিস্থিতিতে স্থাপন করা হলে ব্যর্থ হয়। এটি অপর্যাপ্ত কম্পিউটিং শক্তি, অপর্যাপ্ত প্রতিভা, বা অপরিণত অ্যালগরিদম নয়। আমি 250 টিরও বেশি সংস্থার সাথে ভিজ্যুয়াল AI স্থাপনের সাথে কাজ করেছি—Fortune 10 নির্মাতারা থেকে শুরু করে উদীয়মান স্টার্টআপ পর্যন্ত—এবং প্যাটার্নটি স্পষ্ট এবং দ্ব্যর্থহীন: যে কোম্পানিগুলি সফল হয় তারা তাদের মডেলগুলিকে প্রশিক্ষণ দেয় যেগুলি আসলে কী সেগুলি ভেঙে দেয়, যখন যে কোম্পানিগুলি নিয়ন্ত্রিত পরিবেশে কাজ করে তার উন্নতিতে ব্যর্থ হয়৷ AI ব্যর্থতার লুকানো অর্থনীতি যখন 2024 সালে বেশিরভাগ মার্কিন মুদি দোকান থেকে Amazon নীরবে তার “জাস্ট ওয়াক আউট” প্রযুক্তি ফিরিয়ে নিয়েছিল, তখন মিডিয়া যা স্পষ্ট ছিল তার উপর দৃষ্টি নিবদ্ধ করেছিল: গ্রাহকরা বিভ্রান্ত ছিলেন, প্রযুক্তি প্রস্তুত ছিল না, এবং প্রতিশ্রুতি অনুযায়ী শ্রম খরচ দূর করা হয়নি। কিন্তু আসল পাঠটি ছিল আরও সুনির্দিষ্ট এবং আরও মূল্যবান। Amazon-এর ভিজ্যুয়াল AI সঠিকভাবে কোকা-কোলা ক্রয়কারী ক্রেতাকে আদর্শ অবস্থায় সনাক্ত করতে পারে, যেমন ভাল আলোকিত আইল, একক ক্রেতা এবং পণ্যগুলি তাদের নির্দিষ্ট জায়গায়। সিস্টেমটি এমন জটিল পরিস্থিতিতে ব্যর্থ হয়েছে যা বাস্তব-বিশ্বের খুচরা বিক্রেতাকে সংজ্ঞায়িত করে: জনাকীর্ণ আইল, গ্রুপ কেনাকাটা, আইটেমগুলি ভুল তাকগুলিতে ফিরে যাওয়া এবং ক্রমাগত ইনভেন্টরি পরিবর্তন করা। মূল সমস্যাটি প্রযুক্তিগত উন্নয়ন নয়, কিন্তু ডেটা কৌশল ছিল। অ্যামাজন তার মডেলদের লক্ষ লক্ষ ঘন্টা ভিডিওতে প্রশিক্ষণ দিয়েছে, কিন্তু লক্ষ লক্ষ ঘন্টা ভুল। তারা সাধারণ পরিস্থিতির জন্য অপ্টিমাইজ করে যখন বাস্তব-বিশ্বের খুচরা বাণিজ্যকে চালিত করে এমন বিশৃঙ্খলাকে কমিয়ে দেয়। আমাজন প্রযুক্তির উন্নতি অব্যাহত রেখেছে – একটি কৌশল যা ভিজ্যুয়াল এআই স্থাপনের মৌলিক চ্যালেঞ্জকে হাইলাইট করে। সমস্যাটি অপর্যাপ্ত কম্পিউটিং শক্তি বা অ্যালগরিদমিক জটিলতা ছিল না। মডেলগুলির আরও ব্যাপক প্রশিক্ষণ ডেটার প্রয়োজন ছিল যা গ্রাহকের আচরণের সম্পূর্ণ পরিসীমা ক্যাপচার করে, কেবলমাত্র সবচেয়ে সাধারণ পরিস্থিতি নয়। এটি বিলিয়ন-ডলারের অন্ধ স্থান: বেশিরভাগ সংস্থা খারাপ ডেটার সমস্যা সমাধানের জন্য কাজ করছে। সঠিক ডেটাতে ফোকাস করুন, শুধু আরও ডেটা নয়। সংস্থাগুলি প্রায়শই অনুমান করে যে কেবলমাত্র ডেটা স্কেল করা – লক্ষ লক্ষ অতিরিক্ত চিত্র বা ভিডিওর ঘন্টা সংগ্রহ করা – কর্মক্ষমতা ব্যবধান বন্ধ করবে। কিন্তু ভিজ্যুয়াল এআই ডেটার অভাবের কারণে ব্যর্থ হয় না; বরং, ভুল তথ্যের কারণে এটি ব্যর্থ হয়। যে কোম্পানিগুলি ধারাবাহিকভাবে সফল হয় তারা শিখেছে কীভাবে তাদের ডেটা সেটগুলিকে একই নির্ভুলতার সাথে সংগঠিত করতে হয় যা তারা তাদের মডেলগুলিতে প্রয়োগ করে। তারা ইচ্ছাকৃতভাবে কঠিন কেসগুলি সন্ধান করে এবং তালিকাভুক্ত করে: একটি অংশে সবে-সেখানে স্ক্র্যাচ, একটি মেডিকেল ইমেজে একটি বিরল রোগের উপস্থিতি, একটি প্রোডাকশন লাইনে এক-হাজারতম আলোর অবস্থা, বা সন্ধ্যার সময় পার্ক করা গাড়ির মধ্যে পথচারী ডার্টিং। এগুলি এমন কেস যা স্থাপনার সময় দৃষ্টান্ত ভেঙে দেয় – এবং এমন কেস যা একটি উপযুক্ত সিস্টেমকে উত্পাদন-প্রস্তুত সিস্টেম থেকে আলাদা করে। এই কারণেই ডাটা কোয়ালিটি দ্রুতই ভিজ্যুয়াল AI-তে আসল প্রতিযোগিতামূলক সুবিধা হয়ে উঠছে। স্মার্ট কোম্পানি নিছক স্কেল তাড়া না; তারা তাদের ডেটা সেট পরিমাপ, সংগঠিত এবং ক্রমাগত উন্নত করার জন্য সরঞ্জামগুলিতে বিনিয়োগ করে। প্রথম হাতের অভিজ্ঞতা একটি ভিজ্যুয়াল AI স্টার্টআপ – Voxel51-এর সিইও হিসাবে এই চ্যালেঞ্জগুলি এমন কিছু যা আমি প্রথম হাতে অনুভব করেছি৷ আমার সহ-প্রতিষ্ঠাতা এবং আমি এআই প্রকল্পগুলিকে কতটা খারাপভাবে ডেটা আটকে রেখেছিল তা দেখার পরে কোম্পানি শুরু করি। 2017 সালে, প্রথম উত্তরদাতাদের সহায়তা করার জন্য সিটিওয়াচ ক্যামেরা নেটওয়ার্কে ভিশন সিস্টেম স্থাপনের জন্য বাল্টিমোর সিটির সাথে কাজ করার সময়, আমরা সঠিক সরঞ্জাম ছাড়াই ডেটাসেট তৈরি, প্রশিক্ষণ মডেল এবং ত্রুটিগুলি নির্ণয় করতে অসুবিধার সম্মুখীন হয়েছিলাম৷ এই কাজটি আমাদের নিজস্ব প্ল্যাটফর্ম তৈরি করতে অনুপ্রাণিত করেছে, যা এখন ফিফটিওয়ান, যা এখন ত্রিশ লাখেরও বেশি ইনস্টল সহ ভিজ্যুয়াল এআই-এর জন্য সর্বাধিক গৃহীত ওপেন সোর্স টুলকিট। আজ, বার্কশায়ার গ্রে, গুগল, বোশ এবং পোর্শে সহ 250 টিরও বেশি সংস্থা তাদের AI কৌশলের কেন্দ্রবিন্দুতে ডেটা গুণমান রাখতে এটি ব্যবহার করে। এখানে কিছু ফলাফল রয়েছে: পাইপলাইন স্বয়ংক্রিয়ভাবে গাড়ির ক্ষতি পরিদর্শনে অলস্টেট ডেটা গুণমান উন্নত করেছে — অংশগুলিকে ভাগ করা, ক্ষতি শনাক্ত করা এবং মেরামতের খরচ মেলানো — সামঞ্জস্যপূর্ণ ফলাফল নিশ্চিত করার সময় ম্যানুয়াল প্রচেষ্টার ঘন্টা হ্রাস করা। রেথিয়ন টেকনোলজিস রিসার্চ সেন্টার জটিল চিত্র বৈশিষ্ট্যগুলিতে অর্থপূর্ণ প্যাটার্ন হাইলাইট করার জন্য বৃহৎ গবেষণা ডেটাসেটগুলিকে সংগঠিত করে এবং ফিল্টার করে, কোলাহলপূর্ণ ডেটাকে ব্যবহারযোগ্য অন্তর্দৃষ্টিতে পরিণত করে। একটি Fortune 500 agtech কোম্পানী শস্য বিভাজন উন্নত করার জন্য ফসল কাটাকারীদের কাছ থেকে প্রশিক্ষণের তথ্যের আয়োজন করেছে, আরও শক্তিশালী মডেলের জন্য আনহুলড এবং অঙ্কুরিত শস্যের মতো প্রান্তের কেস ক্যাপচার করেছে। একটি Fortune 500 কোম্পানি শিপিংয়ের আগে ত্রুটিপূর্ণ ডিসপ্লে সনাক্ত করতে, ব্যয়বহুল প্রত্যাহার এবং গ্রাহকদের ফেরত রোধ করতে ভিজ্যুয়াল ডেটা সংগঠিত করেছে। SafelyYou এই পদ্ধতির প্রভাব দেখায়। কোম্পানির সিস্টেম এমন মডেলগুলির মাধ্যমে সিনিয়র কেয়ার সুবিধাগুলিতে যত্ন প্রদান করতে সাহায্য করে যা পতন-সম্পর্কিত জরুরী ভিজিট 80% কমাতে সাহায্য করে। চাবিকাঠিটি কেবল নিছক স্কেল ছিল না — 60 মিলিয়ন মিনিটের ভিডিও — তবে বয়স্ক লোকেরা আসলে কীভাবে পড়ে তার পার্থক্যগুলি নিয়ন্ত্রণ করার ক্ষমতা: বিভিন্ন আলো, গতি, শরীরের ধরন এবং বাধা। টীকা ত্রুটি এবং মডেল ব্লাইন্ড স্পটগুলির জন্য স্বয়ংক্রিয়ভাবে চেক করার মাধ্যমে, তারা ম্যানুয়াল পর্যালোচনা 77% কমিয়েছে, নির্ভুলতা স্কোর 10% বাড়িয়েছে এবং প্রতি মাসে বিকাশকারীদের 80 ঘন্টা কাজ পর্যন্ত সংরক্ষণ করেছে৷ এগিয়ে যাওয়ার পথ চাক্ষুষ AI বিনিয়োগের মূল্যায়নকারী নির্বাহীদের জন্য, পাঠটি পরিষ্কার: সাফল্য বড় মডেল বা আরও কম্পিউটিং দ্বারা চালিত হয় না, কিন্তু ভিত্তি হিসাবে ডেটা ব্যবহার করে। যে সংস্থাগুলি ডেটার গুণমানকে অগ্রাধিকার দেয় সেগুলি ধারাবাহিকভাবে সেগুলিকে ছাড়িয়ে যায় যেগুলি প্রাথমিকভাবে প্রযুক্তি অবকাঠামো বা প্রতিভা অর্জনের উপর ফোকাস করে৷ তথ্য সংগ্রহ, সংস্থা এবং ব্যবস্থাপনা সিস্টেমে বিনিয়োগ হল এমন লিভার যা সত্যই সূঁচকে সরিয়ে দেয়। ডেটা কৌশলের মধ্যে দৃশ্যকল্প বিশ্লেষণকে অন্তর্ভুক্ত করার মাধ্যমে — মডেলিং কীভাবে বিভিন্ন ডেটা গুণমান, বৈচিত্র্য, বা শ্রেণিবিন্যাস পরিস্থিতি কার্যকারিতাকে প্রভাবিত করে — কোম্পানিগুলি ঝুঁকির পূর্বাভাস দিতে পারে, সম্পদ বরাদ্দ উন্নত করতে পারে এবং AI-তে আরও সচেতন বিনিয়োগ করতে পারে। শেষ পর্যন্ত, সবচেয়ে সফল ভিজ্যুয়াল এআই উদ্যোগগুলি হল সেইগুলি যেগুলি দূরদর্শী দৃশ্যকল্প পরিকল্পনার সাথে কঠোর ডেটা অনুশীলনকে একত্রিত করে, এটি নিশ্চিত করে যে মডেলগুলি বাস্তব-বিশ্বের বিভিন্ন পরিস্থিতিতে নির্ভরযোগ্য কর্মক্ষমতা প্রদান করে। ফাস্ট কোম্পানির মোস্ট ইনোভেটিভ কোম্পানি অ্যাওয়ার্ডস অনুষ্ঠিত হবে আজ রাতে, 14 অক্টোবর, 11:59 PM PT-এ। আজই আবেদন করুন। (অনুবাদের জন্য ট্যাগ) কৃত্রিম বুদ্ধিমত্তা (টি) উদ্ভাবন (টি) প্রযুক্তি
The content is already well-structured and formatted with HTML tags. There are no changes needed to preserve the existing structure.
প্রকাশিত: 2025-10-23 16:11:00
উৎস: www.fastcompany.com
