ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മേഖലയിൽ, പ്രത്യേകിച്ച് ഡീപ് ലേണിംഗ്, പ്രവചന പരിഹാരങ്ങൾക്ക് ശക്തി പകരുന്ന ജീവരക്തമാണ് ഡാറ്റ. എന്നാൽ ഡാറ്റ വിരളമോ യഥാർത്ഥത്തിൽ നിലവിലില്ലാതിരിക്കുകയോ ചെയ്യുമ്പോൾ എന്ത് സംഭവിക്കും?

പ്രശസ്ത കമ്പ്യൂട്ടർ വിഷൻ വിദഗ്ദ്ധനായ സുമേദ് ഡാറ്റർ ചില്ലറ വിൽപ്പനയിലെയും ആരോഗ്യസംരക്ഷണ വ്യവസായത്തിലെയും വെല്ലുവിളി നിറഞ്ഞ പരിതസ്ഥിതികൾക്കായി വികസിപ്പിച്ച പരിഹാരങ്ങൾ ഉപയോഗിച്ച് ഇതിനകം ലോകമെമ്പാടുമുള്ള നിരവധി ആളുകളെ സ്വാധീനിച്ചിട്ടുണ്ട്. അവാർഡുകളിലൂടെയും ഫെലോഷിപ്പുകളിലൂടെയും ആഗോളതലത്തിൽ അംഗീകരിക്കപ്പെട്ട ഡാറ്റർ ഡാറ്റാ സയൻസ് അറിവ് പ്രോത്സാഹിപ്പിക്കുന്നതിനുള്ള ശക്തമായ വക്താവാണ്. ലോകമെമ്പാടുമുള്ള ആളുകളിലേക്ക് ഡാറ്റാ സയൻസ് അറിവ് പ്രചരിപ്പിക്കുന്നതിനായി ലിനക്സ് ഫൗണ്ടേഷൻ ആരംഭിച്ച ഓപ്പൺഡ്ഡിഎസ് 4എല്ലിന് സ്റ്റിയറിംഗ് കമ്മിറ്റി അംഗമായി കഴിഞ്ഞയാഴ്ച അദ്ദേഹത്തെ തിരഞ്ഞെടുത്തിരുന്നു. ഡാറ്റാ ക്ഷാമമുള്ള പരിതസ്ഥിതികളിൽ ജോലി ചെയ്യുന്നതിന്റെ സങ്കീർണ്ണതകളെക്കുറിച്ച് ആഴത്തിൽ പഠിക്കാൻ ഞങ്ങൾ അദ്ദേഹത്തോടൊപ്പം ഇരുന്നു.

ചോദ്യം: സുമേദ്, ഞങ്ങളുടെ വായനക്കാരോട് ‘ഡാറ്റാ അപര്യാപ്തതയുള്ള പരിതസ്ഥിതികൾ’ എന്താണെന്ന് വിശദീകരിക്കാമോ?

സുമേദ് ദത്തർ: തീർച്ചയായും. ഡാറ്റയുടെ ഗണ്യമായ അഭാവമുള്ള സാഹചര്യങ്ങളെയോ ഡൊമെയ്നുകളെയോ ഡാറ്റ വിരളമായ പരിസ്ഥിതികൾ സൂചിപ്പിക്കുന്നു. ഒരു പ്രശ്നത്തിന്റെ പുതുമ, ഡാറ്റാ ശേഖരണത്തിലെ ലോജിസ്റ്റിക് വെല്ലുവിളികൾ, അല്ലെങ്കിൽ ഡാറ്റ ശേഖരിക്കുന്നതിന് മുൻകൂർ പരിഹാരം ഇല്ല തുടങ്ങിയ വിവിധ കാരണങ്ങളാൽ ഇത് സംഭവിക്കാം.

ചോദ്യം: എങ്ങനെയാണ് ഈ പരിതസ്ഥിതികളെ ആദ്യമായി പരിചയപ്പെട്ടത്?

കമ്പ്യൂട്ടർ വിഷൻ ഉപയോഗിച്ച് നിർദ്ദിഷ്ട മെഡിക്കൽ അവസ്ഥകൾ തിരിച്ചറിയാൻ ലക്ഷ്യമിട്ടുള്ള ഇന്ത്യയിൽ ഒരു പ്രോജക്റ്റിൽ ജോലി ചെയ്യുന്ന സമയത്താണ് എന്റെ യാത്ര ആരംഭിച്ചത്. പരിശീലന മോഡലുകൾക്ക് വളരെ പരിമിതമായ ഡാറ്റ ലഭ്യമാണ് എന്നതായിരുന്നു വെല്ലുവിളി. ഞങ്ങളുടെ പക്കലുള്ള ഡാറ്റ പ്രയോജനപ്പെടുത്തുന്നതിനും അത് ഫലപ്രദമായി വർദ്ധിപ്പിക്കുന്നതിനുമുള്ള നൂതന മാർഗങ്ങൾ പര്യവേക്ഷണം ചെയ്യാൻ ഇത് എന്നെ പ്രേരിപ്പിച്ചു.

Q. ആരോഗ്യപരിപാലനത്തിൽ ആഴത്തിലുള്ള പഠനത്തിന്റെ ആവശ്യകത

എന്റെ അനുഭവത്തിൽ, പ്രത്യേകിച്ച് ആരോഗ്യസംരക്ഷണ മേഖലയിൽ, കൂടുതൽ പ്രത്യേകിച്ച് കാൻസർ ഗവേഷണത്തിൽ, ഞാൻ ഒരു നിർണായക ആവശ്യം തിരിച്ചറിഞ്ഞു. നിലവിൽ, മെഡിക്കൽ പ്രൊഫഷണലുകളും വിദഗ്ധരും അസാധാരണതകൾ സ്ഥിരീകരിക്കാൻ ദിവസങ്ങളോ ആഴ്ചകളോ എടുക്കുന്നു, കാരണം അവർ നിരവധി ചിത്രങ്ങൾ ഒന്നിലധികം തവണ സൂക്ഷ്മമായി പരിശോധിക്കേണ്ടതുണ്ട്- പിശകുകൾക്ക് സാധ്യതയുള്ള ഒരു ശ്രമകരമായ പ്രക്രിയ.

ഇമേജുകൾ വേഗത്തിൽ പ്രോസസ്സ് ചെയ്യുന്നതിൽ ഡീപ് ലേണിംഗ് അൽഗോരിതങ്ങൾ മികവ് പുലർത്തുന്നു. ധാരാളം കമ്പ്യൂട്ടേഷണൽ ശക്തി ഉപയോഗിച്ച്, ഈ അൽഗോരിതങ്ങൾക്ക് ഈ ജോലി വെറും മണിക്കൂറുകളായി കാര്യക്ഷമമായി വേഗത്തിലാക്കാൻ കഴിയും, ഇത് പാറ്റേണുകളെ കൂടുതൽ വേഗത്തിൽ തിരിച്ചറിയാനും അങ്ങനെ വേഗത്തിൽ രോഗനിർണയം നടത്താനും ഡോക്ടർമാരെ പ്രാപ്തമാക്കുന്നു.

ചോദ്യം: കാൻസർ കണ്ടെത്തുന്നതിനുള്ള പരിഹാരം നിങ്ങൾ എങ്ങനെ വികസിപ്പിച്ചു എന്നതിനെക്കുറിച്ച് കൂടുതൽ ഉൾക്കാഴ്ചകൾ നൽകാൻ കഴിയുമോ

ഡാറ്റർ: ബയോമെഡിക്കൽ ഇമേജിംഗ് ഡൊമെയ്നിൽ, വിരളമായ ഡാറ്റ ഒരു സാധാരണ വെല്ലുവിളിയാണ്, പ്രത്യേകിച്ചും അപൂർവ രോഗങ്ങൾ കൈകാര്യം ചെയ്യുമ്പോൾ. ‘ട്രാൻസ്ഫർ ലേണിംഗിന്റെ’ ഒരു വകഭേദമായ ഞാൻ ഉപയോഗിച്ച സാങ്കേതികത പരിഹാരങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്നതിൽ ഒരു പ്രധാന പങ്ക് വഹിച്ചു. തികഞ്ഞ പ്രവചന മോഡലിനായി കാത്തിരിക്കുന്നതിനുപകരം, ഒരു പരിഹാരം വികസിപ്പിക്കാൻ ആരംഭിക്കുകയും ഡാറ്റാ ശേഖരണത്തിനായി ഒരു പ്ലാറ്റ്ഫോം സൃഷ്ടിക്കാൻ അത് ഉപയോഗിക്കാൻ ആരംഭിക്കുകയും ചെയ്യുക എന്നതായിരുന്നു പ്രധാനം. ഈ സമീപനം പരിശീലന ചിത്രങ്ങളുടെ അളവ് വർദ്ധിപ്പിക്കാനും അസാധാരണമായ ഫലങ്ങൾ നൽകാനും രോഗനിർണയ സമയം നിരവധി ദിവസങ്ങളിൽ / ആഴ്ചകളിൽ നിന്ന് വെറും മണിക്കൂറുകളായി കുറയ്ക്കാനും എന്നെ പ്രാപ്തനാക്കി.

Q. നിലവിൽ നിങ്ങൾ റീട്ടെയിൽ സ്ഥലത്ത് ജോലി ചെയ്യുന്നു, അത് എങ്ങനെ വിവർത്തനം ചെയ്തു?

ഡാറ്റർ: ഡൊമെയ്നുകൾ വ്യത്യസ്തമാണെങ്കിലും, അടിസ്ഥാന തത്വം ഒന്നുതന്നെയാണ്: ഇമേജുകൾ, സാരാംശത്തിൽ, സംഖ്യാ ഡാറ്റയാണ്. ആരോഗ്യസംരക്ഷണത്തിലായാലും ചില്ലറ വിൽപ്പനയിലായാലും, ഞങ്ങൾ ചിത്രങ്ങളുമായി പൊരുത്തപ്പെടുന്നു, പക്ഷേ ഡാറ്റ ലഭ്യതയിലെ പരിമിതികൾ തികച്ചും വ്യത്യസ്തമായിരിക്കും. റീട്ടെയിൽ സ്ഥലത്ത്, സ്റ്റാഫിംഗ് വെല്ലുവിളികളെ അഭിസംബോധന ചെയ്യുന്നതിനും സ്റ്റോർ ഒപ്റ്റിമൈസേഷനും ഞാൻ സംഘർഷരഹിത പരിഹാരങ്ങൾ ആവിഷ്കരിച്ചു. ആവശ്യമായ ഡാറ്റ ശേഖരിക്കുന്നതിന്, ഫിസിക്കൽ ഓഗ്മെന്റേഷൻ ടെക്നിക്കുകൾ, സിമുലേഷൻ രീതികൾ എന്നിവ പോലുള്ള നൂതന തന്ത്രങ്ങൾ എനിക്ക് ഉപയോഗിക്കേണ്ടിവന്നു. ഈ സമീപനങ്ങൾ ശക്തമായ ഇമേജ് തിരിച്ചറിയൽ സംവിധാനങ്ങൾ നിർമ്മിക്കുന്നതിൽ വളരെ ഫലപ്രദമാണെന്ന് തെളിഞ്ഞു, ഇപ്പോൾ ആയിരക്കണക്കിന് ആളുകൾ ഉപയോഗിക്കുന്നു ..

Q. ഡാറ്റാ സയൻസ് അറിവ് പ്രോത്സാഹിപ്പിക്കുന്നതിനും പങ്കിടുന്നതിനും ഞങ്ങളോട് കൂടുതൽ പറയുക

ഡാറ്റർ: ഈ പരിഹാരങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്നതിൽ ഏകദേശം ഒരു ദശാബ്ദക്കാലത്തെ പരിചയമുള്ളതിനാൽ, അറിവ് പങ്കിടേണ്ടതിന്റെ അനിവാര്യത ഞാൻ തിരിച്ചറിഞ്ഞു. കമ്പ്യൂട്ടർ വിഷൻ ടെക്നിക്കുകൾക്കായി ആഴത്തിലുള്ള പഠനത്തിന് പിന്നിലെ സിദ്ധാന്തം സമഗ്രമായ കോഴ്സ് വർക്കിലേക്ക് മാറ്റാൻ എനിക്ക് അവസരം ലഭിച്ചു. ഈ കോഴ്സ് വർക്ക് ലോകമെമ്പാടുമുള്ള നിരവധി സർവകലാശാലകൾ സ്വീകരിച്ചു. വിവിധ അന്താരാഷ്ട്ര ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് കോൺഫറൻസുകളിലും പോഡ്കാസ്റ്റുകളിലും ക്ഷണിക്കപ്പെട്ട പ്രഭാഷകനായിരുന്നു ഞാൻ, അവിടെ കമ്പ്യൂട്ടർ വിഷൻ സൊല്യൂഷനുകളുടെ വിജയകരമായ വികസനത്തെക്കുറിച്ചുള്ള ഉൾക്കാഴ്ചകൾ ഞാൻ പങ്കിട്ടു.

Q. GenAI-യെ കുറിച്ച് നിങ്ങളുടെ അഭിപ്രായം എന്താണ്

ഡാറ്റർ: ജനറേറ്റീവ് മോഡലുകൾ ശരിക്കും പരിവർത്തനാത്മകമാണ്, കാരണം അവയ്ക്ക് ഇമേജുകൾ മുതൽ വാചക വിവരണങ്ങൾ വരെയുള്ള ഉള്ളടക്കം സൃഷ്ടിക്കാനുള്ള ശക്തിയുണ്ട്. മുൻകാലങ്ങളിൽ, കമ്പ്യൂട്ടർ വിഷൻ ആൻഡ് നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ് (എൻഎൽപി) അതത് പരിമിതികളോടെ പ്രത്യേക സ്ഥാപനങ്ങളായി പ്രവർത്തിച്ചു. ജെൻഎഐയുമായി, കമ്പ്യൂട്ടർ വിഷന്റെയും എൻഎൽപിയുടെയും സിനർജി അവരുടെ വ്യക്തിഗത കഴിവുകളെ മറികടക്കുന്ന അത്യാധുനിക പരിഹാരങ്ങൾ അൺലോക്ക് ചെയ്യുന്നു, ഇത് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് നവീകരണത്തിന്റെ ഒരു പുതിയ യുഗത്തിലേക്ക് നയിക്കുന്നു.