ਸੈਨ ਫ੍ਰਾਂਸਿਸਕੋ ਵਿੱਚ LlamaCon Hackathon ਮੁਕਾਬਲਾ ਸ਼ਾਨਦਾਰ ਢੰਗ ਨਾਲ ਸਮਾਪਤ ਹੋਇਆ. ਇਹ ਇੱਕ ਅਜਿਹਾ AI (Artificial Intelligence) ਪ੍ਰੋਗਰਾਮ ਸੀ, ਜਿਸ ਵਿੱਚ ਦੁਨੀਆ ਭਰ ਦੇ ਡਿਵੈਲਪਰਾਂ ਨੇ ਭਾਗ ਲਿਆ। ਇਸ ਵਿੱਚ 600 ਤੋਂ ਵੱਧ ਲੋਕਾਂ ਨੇ ਰਜਿਸਟਰੇਸ਼ਨ ਕਰਵਾਈ ਅਤੇ 238 ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਨਵੀਨਤਾਕਾਰਾਂ ਨੇ ਇੱਕਠੇ ਇੱਕ ਦਿਨ ਵਿੱਚ ਪ੍ਰੋਜੈਕਟ ਬਣਾਏ। ਚੁਣੌਤੀ ਇਹ ਸੀ ਕਿ ਸਿਰਫ਼ 24 ਘੰਟਿਆਂ ਵਿੱਚ Llama API, Llama 4 Scout ਜਾਂ Llama 4 Maverick (ਜਾਂ ਇਹਨਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਵੀ ਆਧੁਨਿਕ ਟੂਲ) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਪ੍ਰਦਰਸ਼ਨੀਯੋਗ ਪ੍ਰੋਜੈਕਟ ਤਿਆਰ ਕਰਨਾ ਸੀ।
ਮੁਕਾਬਲੇ ਵਿੱਚ ਕੁੱਲ 35,000 ਡਾਲਰ ਦੇ ਨਕਦ ਇਨਾਮ ਰੱਖੇ ਗਏ ਸਨ, ਜਿਸ ਵਿੱਚ ਪਹਿਲਾ, ਦੂਜਾ ਅਤੇ ਤੀਜਾ ਇਨਾਮ ਅਤੇ Llama API ਦੀ ਸਭ ਤੋਂ ਵਧੀਆ ਵਰਤੋਂ ਲਈ ਇਨਾਮ ਸ਼ਾਮਲ ਸਨ। Meta ਅਤੇ ਸਪਾਂਸਰ ਪਾਰਟਨਰਾਂ ਦੇ ਜੱਜਾਂ ਦੇ ਇੱਕ ਪੈਨਲ ਨੇ 44 ਪ੍ਰੋਜੈਕਟਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ।
ਅਸੀਂ ਆਪਣੇ ਸਹਿਯੋਗੀਆਂ Groq, Crew AI, Tavus, Lambda, Nebius ਅਤੇ SambaNova ਦਾ ਤਹਿ ਦਿਲੋਂ ਧੰਨਵਾਦ ਕਰਦੇ ਹਾਂ, ਜਿਨ੍ਹਾਂ ਨੇ ਹੈਕਾਥਨ ਦੌਰਾਨ ਬਹੁਤ ਸਹਾਇਤਾ ਕੀਤੀ। ਹਰੇਕ ਸਪਾਂਸਰ ਨੇ ਕ੍ਰੈਡਿਟ ਵਰਤੋਂ, ਮਾਹਿਰ ਬੁਲਾਰਿਆਂ ਦੁਆਰਾ ਵਰਕਸ਼ਾਪਾਂ, ਮਾਰਗਦਰਸ਼ਨ, ਸਵਾਲ-ਜਵਾਬ ਸੈਸ਼ਨਾਂ, ਜੱਜਾਂ ਅਤੇ Discord ਉੱਤੇ ਰਿਮੋਟ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕੀਤੀ।
ਜੇਤੂਆਂ ਦੀ ਸੂਚੀ
ਦੋ ਗੇੜਾਂ ਦੇ ਮੁਲਾਂਕਣ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ 44 ਜਮ੍ਹਾਂ ਕਰਵਾਏ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚੋਂ ਪਹਿਲੇ ਛੇ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਚੋਣ ਕੀਤੀ, ਜਿਸ ਵਿੱਚੋਂ ਅੰਤ ਵਿੱਚ ਪਹਿਲਾ, ਦੂਜਾ, ਤੀਜਾ ਇਨਾਮ ਅਤੇ Llama API ਦੀ ਸਭ ਤੋਂ ਵਧੀਆ ਵਰਤੋਂ ਲਈ ਜੇਤੂਆਂ ਦਾ ਐਲਾਨ ਕੀਤਾ ਗਿਆ।
OrgLens – ਪਹਿਲਾ ਇਨਾਮ
OrgLens ਨੇ ਇੱਕ AI-ਸਮਰਥਿਤ ਮਾਹਿਰ ਮੈਚਿੰਗ ਸਿਸਟਮ ਬਣਾਇਆ ਹੈ, ਜੋ ਤੁਹਾਨੂੰ ਸੰਸਥਾ ਦੇ ਅੰਦਰ ਸਹੀ ਮਾਹਿਰਾਂ ਨਾਲ ਜੋੜਦਾ ਹੈ। Jira ਟਾਸਕ, GitHub ਕੋਡ ਅਤੇ ਮੁੱਦੇ, ਅੰਦਰੂਨੀ ਦਸਤਾਵੇਜ਼ਾਂ ਅਤੇ ਰੈਜ਼ਿਊਮੇ ਸਮੇਤ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ ਤੋਂ ਡਾਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ, OrgLens ਹਰੇਕ ਯੋਗਦਾਨਕਰਤਾ ਲਈ ਇੱਕ ਵਿਆਪਕ ਗਿਆਨ ਗ੍ਰਾਫ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਪ੍ਰੋਫਾਈਲ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਐਡਵਾਂਸਡ AI-ਸਮਰਥਿਤ ਖੋਜ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਾਹਿਰਾਂ ਨੂੰ ਖੋਜਣ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਕਿਸੇ ਵਿਅਕਤੀ ਦੇ ਡਿਜੀਟਲ ਜੁੜਵੇਂ (Digital Twin) ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਇਸਦੀ ਕਾਰਜਕੁਸ਼ਲਤਾ ਨੂੰ ਦਰਸਾਉਣ ਲਈ, React, Tailwind ਅਤੇ Django ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਡੈਮੋ ਵੈੱਬ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਈ ਗਈ ਹੈ, ਜੋ ਡਾਟਾ ਨੂੰ ਹੈਂਡਲ ਅਤੇ ਸਟੋਰ ਕਰਨ ਲਈ GitHub API ਅਤੇ Llama API ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। OrgLens ਮਾਹਿਰ ਮੈਚਿੰਗ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਕੰਮ ਲਈ ਸਹੀ ਵਿਅਕਤੀ ਨੂੰ ਲੱਭਣਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।
OrgLens ਸਿਰਫ਼ ਇੱਕ ਮਾਹਿਰ ਮੈਚਿੰਗ ਸਿਸਟਮ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਇਹ ਇੱਕ ਅਜਿਹਾ ਉਪਕਰਣ ਹੈ ਜੋ ਕਾਰਪੋਰੇਟ ਅੰਦਰੂਨੀ ਗਿਆਨ ਸਾਂਝਾਕਰਨ ਅਤੇ ਸਹਿਯੋਗ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ। ਇਹ ਬਹੁਤ ਹੀ ਸਮਝਦਾਰੀ ਨਾਲ ਨਕਲੀ ਬੁੱਧੀ (AI) ਦੀ ਸ਼ਕਤੀ ਦਾ ਲਾਭ ਉਠਾਉਂਦਾ ਹੈ, ਜਾਣਕਾਰੀ ਦੇ ਟਾਪੂਆਂ ਨੂੰ ਤੋੜਦਾ ਹੈ, ਅਤੇ ਸੰਸਥਾ ਦੇ ਕੋਨੇ-ਕੋਨੇ ਵਿੱਚ ਛੁਪੇ ਮਾਹਿਰ ਗਿਆਨ ਨੂੰ ਜੋੜਦਾ ਹੈ। ਕਲਪਨਾ ਕਰੋ ਕਿ ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਗੁੰਝਲਦਾਰ ਪ੍ਰੋਜੈਕਟ ‘ਤੇ ਕਿਸੇ ਸਮੱਸਿਆ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਅੰਦਰੂਨੀ ਈਮੇਲਾਂ ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਬੇਤਰਤੀਬ ਢੰਗ ਨਾਲ ਖੋਜ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ ਹੈ। ਇਸਦੀ ਬਜਾਏ, OrgLens ਦੇ ਨਾਲ, ਤੁਸੀਂ ਛੇਤੀ ਹੀ ਸੰਬੰਧਿਤ ਤਜ਼ਰਬੇ ਅਤੇ ਹੁਨਰਾਂ ਵਾਲੇ ਸਹਿਕਰਮੀਆਂ ਨੂੰ ਲੱਭ ਸਕਦੇ ਹੋ, ਅਤੇ ਉਹਨਾਂ ਦੇ “ਡਿਜੀਟਲ ਜੁੜਵੇਂ” ਨਾਲ ਸ਼ੁਰੂਆਤੀ ਗੱਲਬਾਤ ਕਰ ਸਕਦੇ ਹੋ, ਜੋ ਬਿਨਾਂ ਸ਼ੱਕ ਕੰਮ ਕਰਨ ਦੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਸਮੱਸਿਆ ਹੱਲ ਕਰਨ ਦੀ ਗਤੀ ਵਿੱਚ ਬਹੁਤ ਸੁਧਾਰ ਕਰੇਗਾ। OrgLens ਦੀ ਮੁੱਖ ਤਾਕਤ ਡਾਟਾ ਦੀ ਡੂੰਘਾਈ ਨਾਲ ਖੁਦਾਈ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਯੋਗਤਾ ਵਿੱਚ ਹੈ। ਇਹ ਨਾ ਸਿਰਫ਼ Jira, GitHub ਵਰਗੇ ਪਲੇਟਫਾਰਮਾਂ ‘ਤੇ ਡਾਟਾ ਕੈਪਚਰ ਕਰਦਾ ਹੈ, ਸਗੋਂ ਅੰਦਰੂਨੀ ਦਸਤਾਵੇਜ਼ਾਂ ਅਤੇ ਰੈਜ਼ਿਊਮੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵੀ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇੱਕ ਵਿਆਪਕ ਗਿਆਨ ਗ੍ਰਾਫ ਤਿਆਰ ਹੁੰਦਾ ਹੈ। ਇਹ ਗਿਆਨ ਗ੍ਰਾਫ ਨਾ ਸਿਰਫ਼ ਕਰਮਚਾਰੀਆਂ ਦੇ ਹੁਨਰਾਂ ਅਤੇ ਤਜ਼ਰਬੇ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਸਗੋਂ ਵੱਖ-ਵੱਖ ਪ੍ਰੋਜੈਕਟਾਂ ਅਤੇ ਅੰਤਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਉਹਨਾਂ ਦੇ ਯੋਗਦਾਨ ਨੂੰ ਵੀ ਰਿਕਾਰਡ ਕਰਦਾ ਹੈ। ਇਸ ਗਿਆਨ ਗ੍ਰਾਫ ਦੇ ਜ਼ਰੀਏ, OrgLens ਸਹੀ ਮਾਹਿਰ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਕਿਸੇ ਖਾਸ ਕੰਮ ਲਈ ਸਭ ਤੋਂ ਢੁਕਵਾਂ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਉਹਨਾਂ ਲੋਕਾਂ ਨੂੰ ਸਿਫ਼ਾਰਸ਼ ਕਰ ਸਕਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਮਦਦ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, OrgLens ਉਪਭੋਗਤਾ ਅਨੁਭਵ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ। ਇਹ ਇੱਕ ਅਨੁਭਵੀ ਅਤੇ ਆਸਾਨੀ ਨਾਲ ਵਰਤੋਂ ਕਰਨ ਵਾਲਾ ਵੈੱਬ ਇੰਟਰਫੇਸ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸਦੇ ਜ਼ਰੀਏ ਉਪਭੋਗਤਾ ਸਹੀ ਮਾਹਿਰ ਨੂੰ ਲੱਭਣ ਲਈ ਕੀਵਰਡਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਖੋਜ ਕਰ ਸਕਦੇ ਹਨ ਜਾਂ ਐਡਵਾਂਸਡ ਫਿਲਟਰ ਵਰਤ ਸਕਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, “ਡਿਜੀਟਲ ਜੁੜਵੇਂ (digital twin)” ਵਿਸ਼ੇਸ਼ਤਾ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸ਼ੁਰੂਆਤੀ ਸਵਾਲ ਪੁੱਛਣ ਅਤੇ ਤੁਰੰਤ ਜਵਾਬ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਮਾਹਿਰ ਅਤੇ ਮੰਗਣ ਵਾਲੇ ਦੋਵਾਂ ਦਾ ਸਮਾਂ ਬਚਦਾ ਹੈ। ਮਾਹਿਰ ਮੈਚਿੰਗ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਨੂੰ ਜੋੜ ਕੇ, OrgLens ਵਿੱਚ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਉਹਨਾਂ ਦੇ ਅੰਦਰੂਨੀ ਪ੍ਰਤਿਭਾ ਸਰੋਤਾਂ ਦੇ ਪ੍ਰਬੰਧਨ ਅਤੇ ਵਰਤੋਂ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆਉਣ ਦੀ ਸਮਰੱਥਾ ਹੈ, ਜਿਸ ਨਾਲ ਬਿਹਤਰ ਸਹਿਯੋਗ, ਨਵੀਨਤਾ, ਅਤੇ ਸਮੁੱਚੀ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਸੁਧਾਰ ਹੋਵੇਗਾ।
OrgLens ਦੀ ਸਫਲਤਾ ਇਸ ਗੱਲ ਵਿੱਚ ਹੈ ਕਿ ਇਹ ਕਾਰਪੋਰੇਟ ਅੰਦਰੂਨੀ ਗਿਆਨ ਪ੍ਰਬੰਧਨ ਦੀਆਂ ਮੁਸ਼ਕਲਾਂ ਨੂੰ ਹੱਲ ਕਰਦਾ ਹੈ। ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਕਰਮਚਾਰੀਆਂ ਦੇ ਹੁਨਰਾਂ ਦੇ ਖਿੰਡਣ ਅਤੇ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚਣ ਵਿੱਚ ਮੁਸ਼ਕਲ ਦਾ ਸਾਹਮਣਾ ਕਰਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਸਰੋਤਾਂ ਦੀ ਬਰਬਾਦੀ ਅਤੇ ਘੱਟ ਕੁਸ਼ਲਤਾ ਹੁੰਦੀ ਹੈ। OrgLens ਮਾਹਿਰ ਮੈਚਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਕੇ ਇਸ ਮੁੱਦੇ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਹੱਲ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਕੰਪਨੀਆਂ ਨੂੰ ਹੇਠ ਲਿਖੇ ਮਹੱਤਵਪੂਰਨ ਫਾਇਦੇ ਹੁੰਦੇ ਹਨ:
- ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਵਾਧਾ: ਕਰਮਚਾਰੀ ਜਲਦੀ ਉਹ ਮਦਦ ਲੱਭ ਸਕਦੇ ਹਨ ਜਿਸਦੀ ਉਹਨਾਂ ਨੂੰ ਲੋੜ ਹੈ, ਜਿਸ ਨਾਲ ਪ੍ਰੋਜੈਕਟ ਦੀ ਪ੍ਰਗਤੀ ਤੇਜ਼ ਹੁੰਦੀ ਹੈ।
- ਨਵੀਨਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ: ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਦੇ ਮਾਹਿਰਾਂ ਨੂੰ ਜੋੜ ਕੇ, ਨਵੇਂ ਵਿਚਾਰਾਂ ਅਤੇ ਹੱਲਾਂ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
- ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ: ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੰਮ ਅਤੇ ਸਰੋਤਾਂ ਦੀ ਬਰਬਾਦੀ ਤੋਂ ਬਚਦਾ ਹੈ, ਅਤੇ ਸਮੁੱਚੀ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ।
- ਕਰਮਚਾਰੀ ਦੀ ਸ਼ਮੂਲੀਅਤ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ: ਕਰਮਚਾਰੀਆਂ ਲਈ ਗਿਆਨ ਅਤੇ ਤਜ਼ਰਬੇ ਨੂੰ ਸਾਂਝਾ ਕਰਨਾ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਉਹਨਾਂ ਦੀ ਸ਼ਮੂਲੀਅਤ ਅਤੇ ਮਲਕੀਅਤ ਦੀ ਭਾਵਨਾ ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ।
Compliance Wizards – ਦੂਜਾ ਇਨਾਮ
Compliance Wizards ਨੇ ਇੱਕ AI-ਸਮਰਥਿਤ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਕ ਬਣਾਇਆ ਹੈ, ਜੋ ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਕਸਟਮ ਜੋਖਮ ਮੁਲਾਂਕਣ ਐਲਗੋਰਿਦਮ ਦੇ ਆਧਾਰ ‘ਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਚੇਤਾਵਨੀ ਦੇਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਈਮੇਲ ਸੂਚਨਾਵਾਂ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਭੇਜੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਜਿਸ ਵਿੱਚ ਟ੍ਰਾਂਜੈਕਸ਼ਨਾਂ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਜਾਂ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਫਿਰ ਉਪਭੋਗਤਾ ਰਿਪੋਰਟ ਕਰਨ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਕਰਨ ਲਈ ਇੱਕ AI ਵੌਇਸ ਸਹਾਇਕ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦੇ ਹਨ। Llama API ਦੇ ਮਲਟੀਮੋਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਧੋਖਾਧੜੀ ਮੁਲਾਂਕਣਕਰਤਾ ਗਾਹਕ ਜਾਣਕਾਰੀ ਅਪਲੋਡ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਆਪਣੇ ਗਾਹਕਾਂ ਨਾਲ ਸਬੰਧਤ ਖ਼ਬਰਾਂ ਦੀ ਖੋਜ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲਦੀ ਹੈ ਕਿ ਗਾਹਕ ਕਿਸੇ ਧਿਆਨ ਦੇਣ ਯੋਗ ਅਪਰਾਧਿਕ ਗਤੀਵਿਧੀ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ ਜਾਂ ਨਹੀਂ।
Compliance Wizards ਦੁਆਰਾ ਬਣਾਇਆ ਗਿਆ ਇੱਕ ਨਕਲੀ ਬੁੱਧੀ (AI) ਸਮਰਥਿਤ ਲੈਣ-ਦੇਣ ਵਿਸ਼ਲੇਸ਼ਕ ਇੱਕ ਗੁੰਝਲਦਾਰ ਜੋਖਮ ਮੁਲਾਂਕਣ ਐਲਗੋਰਿਦਮ ਰਾਹੀਂ ਸ਼ੱਕੀ ਗਤੀਵਿਧੀਆਂ ਦੀ ਪਛਾਣ ਕਰਕੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਚੇਤਾਵਨੀ ਦੇਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਸਿਸਟਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਈਮੇਲ ਸੂਚਨਾਵਾਂ ਭੇਜ ਕੇ ਕੰਮ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਉਹਨਾਂ ਨੂੰ ਕੁਝ ਲੈਣ-ਦੇਣ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਫਿਰ ਉਪਭੋਗਤਾ ਲੈਣ-ਦੇਣ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਜਾਂ ਉਹਨਾਂ ਦੀ ਵੈਧਤਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਇੱਕ AI ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਵੌਇਸ ਸਹਾਇਕ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦੇ ਹਨ। Llama API ਦੀਆਂ ਬਹੁ-ਮੋਡ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਲਾਭ ਉਠਾਉਂਦੇ ਹੋਏ, ਧੋਖਾਧੜੀ ਮੁਲਾਂਕਣਕਰਤਾ ਗਾਹਕ ਜਾਣਕਾਰੀ ਅਪਲੋਡ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਸੰਬੰਧਿਤ ਖ਼ਬਰਾਂ ਦੀ ਖੋਜ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਗਾਹਕ ਕਿਸੇ ਧਿਆਨ ਦੇਣ ਯੋਗ ਅਪਰਾਧਿਕ ਗਤੀਵਿਧੀ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ ਜਾਂ ਨਹੀਂ।
Compliance Wizards ਦਾ ਕੇਂਦਰ ਇਸਦਾ ਸ਼ਕਤੀਸ਼ਾਲੀ AI ਇੰਜਣ ਹੈ, ਜੋ ਲੈਣ-ਦੇਣ ਡਾਟਾ ਦਾ ਡੂੰਘਾਈ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਸੰਭਾਵਿਤ ਧੋਖਾਧੜੀ ਦੇ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ। ਇਹ ਇੰਜਣ ਨਾ ਸਿਰਫ਼ ਧੋਖਾਧੜੀ ਦੇ ਰਵਾਇਤੀ ਕੰਮਾਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦਾ ਹੈ, ਸਗੋਂ ਗਾਹਕ ਦੀ ਖਾਸ ਜੋਖਮ ਸਥਿਤੀ ਦੇ ਆਧਾਰ ‘ਤੇ ਅਨੁਕੂਲਿਤ ਜੋਖਮ ਮੁਲਾਂਕਣ ਵੀ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲਗਾਉਣ ਦੀ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, Compliance Wizards ਨੇ ਇੱਕ ਖ਼ਬਰ ਖੋਜ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਵੀ ਜੋੜਿਆ ਹੈ, ਜੋ ਧੋਖਾਧੜੀ ਮੁਲਾਂਕਣਕਰਤਾਵਾਂ ਨੂੰ ਆਪਣੇ ਗਾਹਕਾਂ ਬਾਰੇ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਜਲਦੀ ਇਕੱਠੀ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਮੀਡੀਆ ਵਿੱਚ ਜ਼ਿਕਰ ਅਤੇ ਕਾਨੂੰਨੀ ਰਿਕਾਰਡ। ਇਹ ਸੰਦਰਭਿਕ ਜਾਣਕਾਰੀ ਗਾਹਕ ਦੇ ਸਮੁੱਚੇ ਜੋਖਮ ਪ੍ਰੋਫਾਈਲ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਅਤੇ ਸੰਭਾਵਿਤ ਖਤਰਿਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦੀ ਹੈ।
AI ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਵੌਇਸ ਸਹਾਇਕ Compliance Wizards ਦਾ ਇੱਕ ਹੋਰ ਮੁੱਖ ਹਿੱਸਾ ਹੈ। ਇਹ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਲੈਣ-ਦੇਣ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਅਤੇ ਸਵੀਕਾਰ ਕਰਨ ਦਾ ਇੱਕ ਸੁਵਿਧਾਜਨਕ ਅਤੇ ਕੁਸ਼ਲ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਉਹ ਯਾਤਰਾ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹਨ। ਵੌਇਸ ਸਹਾਇਕ ਲੈਣ-ਦੇਣ ਬਾਰੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਵੀ ਦੇ ਸਕਦਾ ਹੈ ਅਤੇ ਸੰਬੰਧਿਤ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਬਾਰੇ ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ।
Compliance Wizards ਦੇ ਮੁੱਖ ਫਾਇਦੇ ਇਸਦੇ ਬਹੁ-ਪਰਤੀ ਸੁਰੱਖਿਆ ਤਰੀਕੇ ਵਿੱਚ ਹਨ:
- ਐਡਵਾਂਸਡ ਰਿਸਕ ਮੁਲਾਂਕਣ: ਅਨੁਕੂਲਿਤ ਜੋਖਮ ਮੁਲਾਂਕਣ ਐਲਗੋਰਿਦਮ ਰਾਹੀਂ, ਸੰਭਾਵਿਤ ਧੋਖਾਧੜੀ ਦੇ ਕੰਮਾਂ ਦੀ ਵਧੇਰੇ ਸਹੀ ਢੰਗ ਨਾਲ ਪਛਾਣ ਕਰਨ ਦੇ ਸਮਰੱਥ।
- ਰੀਅਲ-ਟਾਈਮ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ: ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਸਾਰੇ ਲੈਣ-ਦੇਣ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦਾ ਹੈ, ਅਤੇ ਸ਼ੱਕੀ ਗਤੀਵਿਧੀਆਂ ਦਾ ਸਮੇਂ ਸਿਰ ਪਤਾ ਲਗਾਉਂਦਾ ਹੈ।
- ਸਥਿਤੀ ਜਾਗਰੂਕਤਾ: ਖ਼ਬਰ ਜਾਣਕਾਰੀ ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਦੇ ਸਮਰੱਥ, ਜਿਸ ਨਾਲ ਕਲਾਇੰਟ ਦੇ ਜੋਖਮ ਪ੍ਰੋਫਾਈਲ ਦਾ ਵਿਆਪਕ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
- ਸੁਵਿਧਾਜਨਕ ਰਿਪੋਰਟਿੰਗ: ਵੌਇਸ ਸਹਾਇਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜੋ ਰਿਪੋਰਟਿੰਗ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ।
Compliance Wizards ਸਿਰਫ਼ ਇੱਕ ਟੂਲ ਹੀ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇੱਕ ਵਿਆਪਕ ਪਾਲਣਾ ਹੱਲ ਹੈ ਜੋ ਕੰਪਨੀਆਂ ਨੂੰ ਧੋਖਾਧੜੀ ਦੇ ਜੋਖਮ ਨੂੰ ਘੱਟ ਕਰਨ ਅਤੇ ਸੰਬੰਧਿਤ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
Llama CCTV Operator – ਤੀਜਾ ਇਨਾਮ
ਅਗਜਾਨ ਤੋਰਾਯੇਵ ਦੀ ਅਗਵਾਈ ਵਾਲੀ ਇੱਕ ਟੀਮ ਨੇ ਇੱਕ Llama CCTV AI ਕੰਟਰੋਲ ਰੂਮ ਆਪਰੇਟਰ ਬਣਾਇਆ ਹੈ, ਜੋ ਬਿਨਾਂ ਕਿਸੇ ਮਾਡਲ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਦੇ ਕਸਟਮ ਨਿਗਰਾਨੀ ਵੀਡੀਓ ਘਟਨਾਵਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਪਛਾਣ ਸਕਦਾ ਹੈ। ਆਪਰੇਟਰ ਸਧਾਰਨ ਭਾਸ਼ਾ ਵਿੱਚ ਵੀਡੀਓ ਘਟਨਾਵਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ। Llama 4 ਦੀ ਬਹੁ-ਮੋਡਲ ਚਿੱਤਰ ਸਮਝ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਸਿਸਟਮ ਹਰ ਪੰਜ ਫਰੇਮ ਵਿੱਚ ਗਤੀ ਨੂੰ ਕੈਪਚਰ ਕਰਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਪੂਰਵ-ਪਰਿਭਾਸ਼ਿਤ ਘਟਨਾਵਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ ਅਤੇ ਆਪਰੇਟਰ ਨੂੰ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ।
Llama CCTV Operator ਦੇ ਪਿੱਛੇ ਵਿਚਾਰ ਨਿਗਰਾਨੀ ਸਿਸਟਮ ਨੂੰ ਸਮਾਰਟ ਬਣਾਉਣਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਸਿਰਫ਼ ਪੈਸਿਵ ਢੰਗ ਨਾਲ ਵੀਡੀਓ ਰਿਕਾਰਡ ਕਰਨ ਦੀ ਬਜਾਏ ਅਸਧਾਰਨ ਘਟਨਾਵਾਂ ਦੀ ਸਰਗਰਮੀ ਨਾਲ ਪਛਾਣ ਕਰ ਸਕੇ। ਇਹ ਸਿਸਟਮ Llama 4 ਦੀ ਸ਼ਕਤੀਸ਼ਾਲੀ ਚਿੱਤਰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਦਾ ਲਾਭ ਉਠਾਉਂਦਾ ਹੈ, ਜੋ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਵੀਡੀਓ ਫੀਡਸ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ ਅਤੇ ਪਹਿਲਾਂ ਤੋਂ ਨਿਰਧਾਰਤ ਕੀਤੇ ਗਏ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਕੰਮਾਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਸ਼ੱਕੀ ਗਤੀਵਿਧੀ, ਅਣਅਧਿਕਾਰਤ ਪਹੁੰਚ, ਜਾਂ ਸੁਰੱਖਿਆ ਖਤਰੇ। ਆਪਰੇਟਰ ਇਹਨਾਂ ਘਟਨਾਵਾਂ ਨੂੰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਜਾਂ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਦੇ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਗਿਆਨ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਸਧਾਰਨ ਭਾਸ਼ਾ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਸਕਦਾ ਹੈ।
ਇਹ ਸਿਸਟਮ ਹਰ ਪੰਜ ਫਰੇਮਾਂ ਵਿੱਚ ਗਤੀ ਨੂੰ ਕੈਪਚਰ ਕਰਕੇ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਇਹ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ Llama 4 ਦੀਆਂ ਬਹੁ-ਮੋਡਲ ਸਮਰੱਥਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਕੈਪਚਰ ਕੀਤੀ ਗਈ ਗਤੀ ਕਿਸੇ ਵੀ ਪੂਰਵ-ਪਰਿਭਾਸ਼ਿਤ ਘਟਨਾਵਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ। ਜੇਕਰ ਕੋਈ ਮੈਚ ਮਿਲਦਾ ਹੈ, ਤਾਂ ਸਿਸਟਮ ਤੁਰੰਤ ਘਟਨਾ ਨੂੰ ਆਪਰੇਟਰ ਨੂੰ ਰਿਪੋਰਟ ਕਰੇਗਾ, ਅਤੇ ਇਸਦੇ ਨਾਲ ਸੰਬੰਧਿਤ ਸੰਦਰਭਿਕ ਜਾਣਕਾਰੀ ਵੀ ਦੇਵੇਗਾ।
Llama CCTV Operator ਦੇ ਮੁੱਖ ਫਾਇਦੇ ਹੇਠ ਲਿਖੇ ਹਨ:
- ਫਾਈਨ-ਟਿਊਨਿੰਗ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ: ਮਾਡਲ ਨੂੰ ਕੋਈ ਵੀ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ, ਜਿਸ ਨਾਲ ਤਿਆਰ ਅਤੇ ਨਿਭਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਬਹੁਤ ਸਰਲ ਹੋ ਜਾਂਦੀ ਹੈ।
- ਕਸਟਮ ਘਟਨਾਵਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ: ਆਪਰੇਟਰ ਸਧਾਰਨ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਸਟਮ ਨਿਗਰਾਨੀ ਘਟਨਾਵਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਉਹਨਾਂ ਦੀਆਂ ਖਾਸ ਸੁਰੱਖਿਆ ਲੋੜਾਂ ਪੂਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ।
- ਰੀਅਲ-ਟਾਈਮ ਵਿਸ਼ਲੇਸ਼ਣ: ਸਿਸਟਮ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਵੀਡਿਓ ਫੀਡ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ, ਜਿਸ ਨਾਲ ਸ਼ੱਕੀ ਗਤੀਵਿਧੀਆਂ ਦਾ ਜਲਦੀ ਤੋਂ ਜਲਦੀ ਪਤਾ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।
- ਆਟੋਮੈਟਿਕ ਰਿਪੋਰਟਿੰਗ: ਸਿਸਟਮ ਆਪਣੇ ਆਪ ਹੀ ਪਤਾ ਲਗਾਈਆਂ ਗਈਆਂ ਘਟਨਾਵਾਂ ਦੀ ਰਿਪੋਰਟ ਆਪਰੇਟਰ ਨੂੰ ਦੇਵੇਗਾ, ਜਿਸ ਨਾਲ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ ਘੱਟ ਜਾਂਦੀ ਹੈ।
Geo-ML – Llama API ਦੀ ਸਭ ਤੋਂ ਵਧੀਆ ਵਰਤੋਂ
ਭੂ-ਵਿਗਿਆਨੀ ਵਿਲੀਅਮ ਡੇਵਿਸ ਨੇ ਸੰਭਾਵਿਤ ਖੁਦਾਈ ਸਥਾਨਾਂ,ਟੌਪੋਗ੍ਰਾਫਿਕਲ ਨਕਸ਼ਿਆਂ ਅਤੇ ਖਣਿਜ ਭੰਡਾਰਾਂ ਦਾ 3D ਭੂ-ਵਿਗਿਆਨਕ ਮਾਡਲ ਤਿਆਰ ਕਰਨ ਲਈ Llama 4 Maverick ਅਤੇ GemPy ਦੀ ਵਰਤੋਂ ਕੀਤੀ। Geo-ML 400 ਪੰਨਿਆਂ ਦੀਆਂ ਭੂ-ਵਿਗਿਆਨਕ ਰਿਪੋਰਟਾਂ ‘ਤੇ ਕਾਰਵਾਈ ਕਰਕੇ ਉਹਨਾਂ ਵਿੱਚੋਂ ਜਾਣਕਾਰੀ ਕੱਢਦਾ ਹੈ, ਅਤੇ ਜਾਣਕਾਰੀ ਨੂੰ ਇੱਕ ਢਾਂਚਾਗਤ ਭੂ-ਵਿਗਿਆਨਕ ਖੇਤਰ-ਵਿਸ਼ੇਸ਼ ਭਾਸ਼ਾ ਵਿੱਚ ਜੋੜਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਇਸਦੀ ਵਰਤੋਂ ਭੂਮੀਗਤ ਭੂ-ਵਿਗਿਆਨ ਦੀ 3D ਪ੍ਰਤੀਨਿਧਤਾ ਤਿਆਰ ਕਰਨ ਲਈ ਕਰਦਾ ਹੈ।
ਡੇਵਿਸ ਨੇ ਕਿਹਾ, “ਇਹ ਪਹਿਲੀ ਵਾਰ ਹੈ ਜਦੋਂ ਮੈਂ ਅਸਲ ਵਿੱਚ ਲੰਬੇ ਭੂ-ਵਿਗਿਆਨਕ ਖੋਜ ਪੱਤਰਾਂ ਤੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਲੰਬੇ ਟੈਕਸਟ ਅਤੇ ਚਿੱਤਰਾਂ ਨੂੰ ਕੱਢਣ ਲਈ LLM API ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ, ਇਸ ਲਈ ਮੈਂ ਟੈਕਸਟ ਕੱਢਣ ਅਤੇ ਇਸਨੂੰ ਡੋਮੇਨ-ਵਿਸ਼ੇਸ਼ ਭਾਸ਼ਾ ਵਿੱਚ ਬਦਲਣ ਲਈ Llama Maverick ਦੀ ਵਾਧੂ-ਲੰਬੀ ਸੰਦਰਭ ਵਿੰਡੋ ਅਤੇ ਟੈਕਸਟ ਅਤੇ ਚਿੱਤਰ ਬਹੁ-ਮੋਡਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਜਿਸ ਨਾਲ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਸਟੋਰ ਕੀਤੀ ਹਰ ਚੀਜ਼ ਦਾ ਇੱਕ ਸੰਕੁਚਿਤ ਸੰਸਕਰਣ ਦਿੱਤਾ ਗਿਆ,” “ਮੈਂ ਆਪਣਾ ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ ਭੂ-ਵਿਗਿਆਨਕ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਪੜ੍ਹਨ ਵਿੱਚ ਬਿਤਾਉਂਦਾ ਹਾਂ। ਇੱਕ LLM ਹੋਣਾ ਜੋ ਮੇਰੇ ਲਈ ਬੈਕਗ੍ਰਾਊਂਡ ਵਿੱਚ ਇਹ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ, ਬਹੁਤ ਵਧੀਆ ਹੋਵੇਗਾ।”
ਭੂ-ਵਿਗਿਆਨੀ ਵਿਲੀਅਮ ਡੇਵਿਸ ਨੇ Llama 4 Maverick ਅਤੇ GemPy ਦੀ ਸਮਝਦਾਰੀ ਨਾਲ ਵਰਤੋਂ ਕਰਕੇ ਭੂ-ਵਿਗਿਆਨਕ ਮਾਡਲਿੰਗ ਲਈ ਇੱਕ ਨਵਾਂ ਤਰੀਕਾ ਖੋਲ੍ਹਿਆ ਹੈ। Geo-ML ਦਾ ਉਦੇਸ਼ ਨਕਲੀ ਬੁੱਧੀ (AI) ਦੀ ਸ਼ਕਤੀ ਦਾ ਲਾਭ ਉਠਾਉਣਾ ਹੈ, ਅਤੇ ਵੱਡੀਆਂ ਭੂ-ਵਿਗਿਆਨਕ ਰਿਪੋਰਟਾਂ ਤੋਂ ਲੁਕੀ ਹੋਈ ਜਾਣਕਾਰੀ ਕੱਢਣਾ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਉਪਯੋਗੀ ਅਤੇ ਸਮਝਣ ਵਿੱਚ ਆਸਾਨ 3D ਮਾਡਲਾਂ ਵਿੱਚ ਬਦਲਣਾ ਹੈ।
ਇਹ ਸਿਸਟਮ 400 ਪੰਨਿਆਂ ਜਾਂ ਇਸ ਤੋਂ ਵੱਧ ਦੇ ਲੰਬੇ ਭੂ-ਵਿਗਿਆਨਕ ਖੋਜ ਪੱਤਰਾਂ ‘ਤੇ ਕਾਰਵਾਈ ਕਰਕੇ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਜਾਣਕਾਰੀ ਨੂੰ ਇੱਕ ਢਾਂਚਾਗਤ ਭੂ-ਵਿਗਿਆਨਕ ਖੇਤਰ-ਵਿਸ਼ੇਸ਼ ਭਾਸ਼ਾ ਵਿੱਚ ਜੋੜਦਾ ਹੈ। ਇਹ ਭਾਸ਼ਾ ਰਿਪੋਰਟਾਂ ਵਿੱਚ ਵਰਣਿਤ ਮੁੱਖ ਭੂ-ਵਿਗਿਆਨਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਬਣਤਰਾਂ, ਅਤੇ ਖਣਿਜ ਭੰਡਾਰਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰਦੀ ਹੈ। ਫਿਰ ਸਿਸਟਮ ਇਸ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਭੂਮੀਗਤ ਭੂ-ਵਿਗਿਆਨ ਦੀ 3D ਪ੍ਰਤੀਨਿਧਤਾ ਤਿਆਰ ਕਰਨ ਲਈ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਭੂ-ਵਿਗਿਆਨੀਆਂ ਲਈ ਭੂਮੀਗਤ ਵਾਤਾਵਰਣ ਨੂੰ ਵੇਖਣਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।
ਡੇਵਿਸ ਨੇ ਖੁਦ Geo-ML ਨੂੰ ਸੰਭਵ ਬਣਾਉਣ ਵਿੱਚ Llama 4 Maverick ਦੀ ਲੰਬੀ ਸੰਦਰਭ ਵਿੰਡੋ ਅਤੇ ਬਹੁ-ਮੋਡਲ ਸਮਰੱਥਾਵਾਂ ਦੀ ਮਹੱਤਤਾ ‘ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ। ਲੰਬੀ ਸੰਦਰਭ ਵਿੰਡੋ ਸਿਸਟਮ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਪੂਰੇ ਖੋਜ ਪੱਤਰਾਂ ‘ਤੇ ਕਾਰਵਾਈ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਬਹੁ-ਮੋਡਲ ਸਮਰੱਥਾਵਾਂ ਇਸਨੂੰ ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਟੈਕਸਟ ਅਤੇ ਚਿੱਤਰ ਦੋਵੇਂ ਕੱਢਣ ਦੇ ਸਮਰੱਥ ਬਣਾਉਂਦੀਆਂ ਹਨ।
Geo-ML ਦੇ ਮੁੱਖ ਫਾਇਦੇ ਇਸਦੀ ਹੇਠ ਲਿਖੀਆਂ ਯੋਗਤਾਵਾਂ ਵਿੱਚ ਹਨ:
- ਭੂ-ਵਿਗਿਆਨਕ ਮਾਡਲਿੰਗ ਨੂੰ ਆਟੋਮੈਟਿਕ ਕਰਨਾ: ਭੂ-ਵਿਗਿਆਨਕ ਮਾਡਲਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਆਟੋਮੈਟਿਕ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਮਨੁੱਖੀ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਸਮੇਂ ਅਤੇ ਮਿਹਨਤ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ।
- ਲੁਕੀ ਹੋਈ ਜਾਣਕਾਰੀ ਕੱਢਣਾ: ਵੱਡੀਆਂ ਭੂ-ਵਿਗਿਆਨਕ ਰਿਪੋਰਟਾਂ ਤੋਂ ਲੁਕੀ ਹੋਈ ਜਾਣਕਾਰੀ ਕੱਢਦਾ ਹੈ, ਅਤੇ ਭੂ-ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਸੰਭਾਵਿਤ ਖੁਦਾਈ ਸਥਾਨਾਂ ਅਤੇ ਖਣਿਜ ਭੰਡਾਰਾਂ ਦੀ ਖੋਜ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
- 3D ਮਾਡਲ ਤਿਆਰ ਕਰਨਾ: ਭੂਮੀਗਤ ਭੂ-ਵਿਗਿਆਨ ਦੀ 3D ਪ੍ਰਤੀਨਿਧਤਾ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਭੂ-ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਭੂਮੀਗਤ ਵਾਤਾਵਰਣ ਨੂੰ ਵੇਖਣਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।
- ਭੂ-ਵਿਗਿਆਨਕ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨਾ: ਭੂ-ਵਿਗਿਆਨਕ ਮਾਡਲਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਤੇਜ਼ ਕਰਕੇ, ਭੂ-ਵਿਗਿਆਨਕ ਖੋਜ ਦੀ ਪ੍ਰਗਤੀ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ।
ਵਿਸ਼ੇਸ਼ ਮਾਨਤਾ: ਟੀਮ ਕੰਸੀਅਰਜ (Concierge)
ਕੰਸੀਅਰਜ (Concierge) ਨਾਮਕ ਇੱਕ ਫਾਈਨਲਿਸਟ ਮੁਕਾਬਲੇ ਵਿੱਚ ਆਪਣੇ GPU ਨਾਲ ਆਇਆ, ਜਿਸ ਨਾਲ ਉਹ ਪ੍ਰਤੀਯੋਗਤਾ ਵਿੱਚ ਵੱਖਰਾ ਨਜ਼ਰ ਆਇਆ।
ਟੀਮ ਨੇ ਕਿਹਾ, “ਸਾਡਾ ਮੰਨਣਾ ਹੈ ਕਿ Llama 4 Maverick ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਪੱਖ ਇਸਦੀ ਵਿਰਲੀ ਮਾਹਿਰ ਮਿਸ਼ਰਣ ਪ੍ਰਕਿਰਤੀ ਅਤੇ ਓਪਨ ਸੋਰਸ ਉਪਲਬਧਤਾ ਹੈ, ਜਿਸ ਨਾਲ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਦੀ ਇਜਾਜ਼ਤ ਮਿਲਦੀ ਹੈ,” “Meta ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਇੱਕ ਸ਼ਾਨਦਾਰ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਟੂਲ ਜਾਰੀ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ GitHub ‘ਤੇ ਉਪਲਬਧ ਹੈ। Llama API ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਅਸੀਂ QA ਡਾਟਾਸੈੱਟ ਬਣਾਉਣ ਅਤੇ Llama 4 Maverick ਮਾਡਲ ਨੂੰ ਫਾਈਨ-ਟਿਊਨ ਕਰਨ ਲਈ ਕਈ ਸਰੋਤਾਂ ਤੋਂ ਡਾਟਾ ਕੰਪਾਇਲ ਕੀਤਾ ਹੈ। ਅਸੀਂ ਇਸਨੂੰ ਓਪਨ ਬੈਂਚਮਾਰਕਿੰਗ ਵਿੱਚ ਜਮ੍ਹਾਂ ਕਰਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੇ ਹਾਂ, ਕਿਉਂਕਿ ਸਾਡੇ ਕੋਲ ਇਸ ਸਮੇਂ Llama 4 ਐਨਕੋਡਰ ਦੀ ਕਮੀ ਹੈ, ਅਤੇ 1M ਸੰਦਰਭ ਵਿੰਡੋ ਦੇ ਨਾਲ, ਇਸਦੇ ਇੱਕ ਅਪਵਾਦ ਹੋਣ ਦੀ ਉਮੀਦ ਹੈ।”
Concierge ਦਾ ਵਿਲੱਖਣ ਤਰੀਕਾ Llama 4 Maverick ਮਾਡਲ ਨੂੰ ਫਾਈਨ-ਟਿਊਨ ਕਰਨ ‘ਤੇ ਕੇਂਦਰਿਤ ਹੈ, ਜਿਸ ਨਾਲ ਇਸਦੀ ਖਾਸ ਕੰਮਾਂ ‘ਤੇ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ। ਟੀਮ ਦਾ ਮੰਨਣਾ ਸੀ ਕਿ Llama 4 Maverick ਦੀ ਵਿਰਲੀ ਮਾਹਿਰ ਮਿਸ਼ਰਣ ਪ੍ਰਕਿਰਤੀ, ਇਸਦੀ ਓਪਨ ਸੋਰਸ ਉਪਲਬਧਤਾ ਦੇ ਨਾਲ ਮਿਲ ਕੇ, ਇਸਨੂੰ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਲਈ ਇੱਕ ਆਦਰਸ਼ ਉਮੀਦਵਾਰ ਬਣਾਉਂਦੀ ਹੈ।
ਮਾਡਲ ਨੂੰ ਫਾਈਨ-ਟਿਊਨ ਕਰਨ ਲਈ, ਟੀਮ ਨੇ QA ਡਾਟਾਸੈੱਟ ਬਣਾਉਣ ਲਈ ਕਈ ਸਰੋਤਾਂ ਤੋਂ ਡਾਟਾ ਕੰਪਾਇਲ ਕੀਤਾ। ਫਿਰ, ਉਹਨਾਂ ਨੇ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ Meta ਦੇ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਟੀਮ ਇਸਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਫਾਈਨ-ਟਿਊਨ ਕੀਤੇ ਮਾਡਲ ਨੂੰ ਓਪਨ ਬੈਂਚਮਾਰਕ ਵਿੱਚ ਜਮ੍ਹਾਂ ਕਰਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀ ਹੈ।
ਫਾਈਨਲਿਸਟਾਂ ਦੀ ਪ੍ਰਦਰਸ਼ਨੀ ਦੇਖੋ
ਤੁਸੀਂ ਫਾਈਨਲਿਸਟਾਂ ਦੀ ਪ੍ਰਦਰਸ਼ਨੀ YouTube ‘ਤੇ ਦੇਖ ਸਕਦੇ ਹੋ।
ਅਗਲੇ Llama ਹੈਕਾਥਨ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ
ਡਿਵੈਲਪਰ ਅਗਲੇ Llama ਹੈਕਾਥਨ ਲਈ ਅਰਜ਼ੀ ਦੇ ਸਕਦੇ ਹਨ, ਜੋ ਕਿ 31 ਮਈ ਤੋਂ 1 ਜੂਨ 2025 ਤੱਕ ਨਿਊਯਾਰਕ ਸਿਟੀ ਵਿੱਚ ਆਯੋਜਿਤ ਕੀਤਾ ਜਾਵੇਗਾ।