Codex ဖြင့် စမတ်အစည်းအဝေးရှာဖွေရေးကိရိယာ တည်ဆောက်ခြင်း

• မှတ်တမ်းတင်ထားသည့် အစည်းအဝေးများသည် အပြည့်အဝအသုံးမချရသေးသော အသိပညာအရင်းအမြစ်တစ်ခု ဖြစ်သည်။ ၎င်းတို့ကို ရှာဖွေရန်ခက်ခဲပြီး ပြန်လည်ကြည့်ရှုရန် အချိန်ကုန်သလို အဖွဲ့အလိုက် drive များတွင် သီးခြားပြန့်ကျဲနေသောကြောင့် တန်ဖိုးရှိသည့် အမြင်သစ်များကို မကြာခဏ သတိမပြုမိဘဲ ကျော်သွားတတ်သည်။

• တစ်ရက်တာ ဟက်ကသွန်တစ်ခုတွင် လူသုံးဦးပါအဖွဲ့က Callombia ကို တည်ဆောက်ခဲ့သည်။ ၎င်းသည် မှတ်တမ်းတင်ထားသော ဖုန်းခေါ်ဆိုမှုများကို အလိုအလျောက် စာသားပြောင်း၊ တဂ်တပ်၊ အနှစ်ချုပ်ကာ ကလစ်များဖြတ်တောက်ပေးပြီး ကမ္ဘာတစ်ဝန်းရှိ ရုံးများမှ အသုံးပြုနိုင်သည့် ရှာဖွေစစ်ဆေးနိုင်သော YouTube ပုံစံ သိမ်းဆည်းရန်နေရာတစ်ခုထဲ စုစည်းပေးသည့် အတွင်းသုံးပလက်ဖောင်း ဖြစ်သည်။

• Codex ဖြင့် အလုံးစုံတည်ဆောက်ထားသော ဤဖြေရှင်းချက်သည် OpenAI embedding များနှင့် cosine similarity အားသုံးသည့် အဓိပ္ပာယ်အခြေပြုရှာဖွေမှုဖြင့် စကားလုံးအတိအကျမပါလျှင်ပင် သက်ဆိုင်ရာအခိုက်အတန့်များကို ဖော်ထုတ်ပေးပြီး ၎င်းအပေါ်တွင် RAG chatbot နှင့် အသိပေးစနစ်ကို ထပ်ဆင့်ထည့်သွင်းထားသည်။

• ယခင်က ရက်သတ္တပတ်များစွာ ကြာနိုင်သည့်အရာကို ခုနစ်နာရီအတွင်း အပြီးသတ်နိုင်ခဲ့သည်။ ယင်းက Codex ကဲ့သို့ ကုဒ်ရေး အေးဂျင့်များဖြင့် AI ကို ဗဟိုပြုဖန်တီးခြင်းသည် ထုတ်ကုန်ဖွံ့ဖြိုးရေးစက်ဝန်းကို များစွာတိုတောင်းစေပြီး အတွင်းပိုင်းဟက်ကသွန်များမှ စစ်မှန်သော စီးပွားရေးတန်ဖိုးကို ဖော်ထုတ်ပေးနိုင်ကြောင်း ပြသခဲ့သည်။

ကျွန်ုပ်ကဲ့သို့ပင် သင်လည်း မှတ်တမ်းတင်ထားသော အစည်းအဝေးများကို ပြန်နားထောင်ရန် အချိန်ဖြစ်စေ၊ အာရုံစိုက်နိုင်စွမ်းဖြစ်စေ မရှိသလောက် ဖြစ်နိုင်သည်။ အကြောင်းမှာ စနစ်မကျသည့် အဖွဲ့ drive များထဲ လိုက်ရှာရခြင်း၊ စိတ်ဝင်စားစရာမကောင်းသော အပျော်စကားများကို ကျော်ရခြင်းနှင့် အီးမေးလ်၊ မက်ဆေ့ချ်များ ပို့နေရင်း တကယ်တမ်း နားထောင်နိုင်ရန် ကြိုးစားရခြင်းတို့ကြောင့် ဖြစ်သည်။

ဒါပေမဲ့ ဒီလိုဖြစ်နေစရာ မလိုဘူးဆိုရင်ကော။ မှတ်တမ်းတင်ထားသော အစည်းအဝေးများကို လုံးဝပြောင်းလဲပေးမည့် အရာတစ်ခုကို တည်ဆောက်နိုင်မလား။ ထိုအတွေးကပင် မကြာသေးမီက ပြုလုပ်ခဲ့သော ကျွန်ုပ်တို့၏ ဟက်ကသွန်ပရောဂျက်ကို ပေါ်ပေါက်စေခဲ့သည်။

တစ်ရက်တည်းအတွင်း အင်ဂျင်နီယာ၊ ပို့ဆောင်ရေးနှင့် လုပ်ငန်းလည်ပတ်ရေးအဖွဲ့ဝင် ၅၀ တို့က ကုမ္ပဏီတစ်ဝန်းမှ ရရှိသော ပြဿနာအမျိုးမျိုးကို ဖြေရှင်းခဲ့ကြသည်။ ယင်းတို့တွင် ဝန်ထမ်းခန့်အပ်ရေးလုပ်ငန်း တိုးချဲ့ခြင်း၊ SoW ဖန်တီးမှု ရိုးရှင်းမြန်ဆန်စေခြင်း၊ ပရောဂျက်အခြေအနေ နားလည်ခြင်း၊ ရှေ့ပြေးပုံစံများ ချက်ချင်းဖန်တီးခြင်းနှင့် မှတ်တမ်းတင်ထားသော အစည်းအဝေးများမှ အမြင်သစ်များ ဖော်ထုတ်ခြင်းတို့ ပါဝင်သည်။

Codex အခြေပြု ဤဟက်ကသွန်တွင် Callombia ကို ကျွန်ုပ်တို့ တည်ဆောက်ခဲ့သည်။ Callombia သည် ဖုန်းခေါ်ဆိုမှုတိုင်းကို အမြဲအသက်ဝင်ပြီး ရှာဖွေနိုင်သည့် အရင်းအမြစ်အဖြစ် ပြောင်းလဲပေးသော ကျွန်ုပ်တို့လုပ်ငန်း၏ YouTube ဖြစ်သည်။ ဖုန်းခေါ်ဆိုမှုတိုင်းကို အလိုအလျောက် စာသားပြောင်း၊ တဂ်တပ်၊ အနှစ်ချုပ်ပြီးနောက် အကြောင်းအရာအလိုက် ကလစ်များဖြတ်တောက်ကာ ချန်နယ် (ဖောက်သည်များ) နှင့် ခေါင်းစဉ် (AI အထူးပြုနယ်ပယ်များ) အလိုက် အုပ်စုဖွဲ့ထားသည့် သိမ်းဆည်းရန်နေရာသို့ ထည့်သွင်းပေးသည်။ ထို့ကြောင့် လန်ဒန်၊ အီဒင်ဘာရာ၊ စင်ကာပူနှင့် သြစတြေးလျရှိ မည်သည့်အဖွဲ့ဝင်မဆို မိမိစိတ်ဝင်စားသည့် ဖုန်းခေါ်ဆိုမှုအပိုင်းများကို ချက်ချင်းကြည့်ရှုနိုင်သည်။

ရင်းနှီးပြီး အမှတ်တံဆိပ်နှင့် ကိုက်ညီသည့် အသုံးပြုသူမျက်နှာပြင်ကြောင့် အကြောင်းအရာရှာဖွေမှုက နားလည်လွယ်ကူပြီး အဓိပ္ပာယ်အခြေပြုရှာဖွေမှုနှင့် RAG AI chatbot တို့က လူများလိုချင်သည့် အချက်အလက်ကို တိတိကျကျ ရှာဖွေပေးသည်။ အသိပေးစနစ်ကို ထည့်သွင်းထားသဖြင့် လုပ်ဖော်ကိုင်ဖက်များသည် သတ်မှတ်ထားသော ခေါင်းစဉ်များကို စာရင်းသွင်းထားနိုင်ပြီး မိမိတို့နှင့် သက်ဆိုင်သည့် ကလစ်အသစ်တင်တိုင်း အသိပေးချက် ရရှိနိုင်သည်။

သို့သော် Callombia ၏ အမိုက်ဆုံးအချက်မှာ ထုတ်ကုန်ကိုယ်တိုင်လည်း မဟုတ်၊ ဟက်ကသွန်အနိုင်ရ၍ ရခဲ့သည့် ပေါင် ၂,၀၀၀ ဆုကြေးကို ကြွားနိုင်ခြင်းလည်း မဟုတ်ပါ။ အင်ဂျင်နီယာနှစ်ဦးနှင့် ပို့ဆောင်ရေးခေါင်းဆောင်တစ်ဦးက ဤအရာအားလုံးကို ခုနစ်နာရီတည်းဖြင့် တည်ဆောက်နိုင်ခဲ့ခြင်းပင် ဖြစ်သည်။ လွန်ခဲ့သည့် တစ်နှစ်ကတော့ ယင်းသို့ လုပ်ဆောင်ရန် မဖြစ်နိုင်ခဲ့ပါ။ ကုဒ်ရေး အေးဂျင့်များ တိုးတက်လာမှုက ထုတ်ကုန်ဖွံ့ဖြိုးရေးအစမှအဆုံး လုပ်ငန်းစဉ်ကို များစွာမြန်ဆန်စေခဲ့ပြီး ဤဟက်ကသွန်က ၎င်း၏ မညီညာသေးသော လုပ်ဆောင်နိုင်စွမ်းနယ်နိမိတ်များကို နားလည်ရန် အကောင်းဆုံးစမ်းသပ်ကွင်း ဖြစ်ခဲ့သည်။ ဒီတော့ Codex ကို ဘယ်လိုအသုံးပြုခဲ့သလဲ။

လိုအပ်ချက်အများအပြားကို ချရေးရုံမလုပ်ဘဲ ပြဿနာနယ်ပယ်နှင့် Callombia အတွက် မျှော်မှန်းချက်အပေါ် ကျွန်ုပ်တို့အားလုံး၏ အမြင်ကို တုံ့ပြန်ညွှန်ကြားချက်တစ်ခုအဖြစ် မျှဝေခြင်းဖြင့် စတင်ခဲ့သည်။ ရည်ရွယ်ချက်ရှိရှိ အထွေထွေဖော်ပြခြင်းဖြင့် မော်ဒယ်ကို ဖန်တီးမှုရှိရှိ စဉ်းစားကာ အလုပ်လုပ်ခွင့်ပေးခဲ့သည်—

၁၀ မိနစ်ခန့် အပြန်အလှန်ဆွေးနွေးပြီးနောက် လိုအပ်ချက်များကို ကျဉ်းမြောင်းသတ်မှတ်ကာ တည်ဆောက်မှု၏ နည်းပညာပိုင်းကို လမ်းညွှန်ရန် Plan Mode ကို ဖွင့်ခဲ့သည်။ Plan Mode သည် ဖြစ်နိုင်သမျှ အခြေအနေတိုင်းကို အသေးစိတ်စဉ်းစားထားသည့် စိတ်အနှောင့်အယှက်ပေးတတ်ပေမဲ့ အကူအညီဖြစ်သော မိတ်ဆွေတစ်ဦး၏ မေးခွန်းများကို ဖြေနေရသလို ခံစားရသည်။ ဗီဒီယိုအရေအတွက်၊ အဓိပ္ပာယ်အခြေပြု သို့မဟုတ် စကားလုံးအခြေပြုရှာဖွေမှုနှင့် အသုံးပြုမည့် စနစ်တည်ဆောက်ပုံတို့ကို သဘောတူပြီးနောက် ပရောဂျက်၏ အခြေခံဖြစ်လာမည့် markdown ဖိုင်တစ်ခုကို ၎င်းက ဖန်တီးပေးခဲ့သည်။

အစီအစဉ်ရရှိပြီးနောက် Callombia ကို အမှန်တကယ် အလုပ်လုပ်စေမည့် အဓိကအစိတ်အပိုင်းများ တည်ဆောက်ခြင်းက နောက်တစ်ဆင့် ဖြစ်သည်။ ဆိုလိုသည်မှာ မှတ်တမ်းတင်ထားသော ဖုန်းခေါ်ဆိုမှုများမှ ရှာဖွေနိုင်သည့် အရင်းအမြစ်များအထိ ပို့ဆောင်ပေးမည့် pipeline တစ်ခု ဖန်တီးခြင်း ဖြစ်သည်—

1. ဗီဒီယိုနှင့် စာသားမှတ်တမ်းများ ထည့်သွင်းခြင်း၊

2. ၎င်းတို့ကို အဓိပ္ပာယ်ရှိသော အခိုက်အတန့်များအဖြစ် အပိုင်းခွဲခြင်း၊

3. အနှစ်ချုပ်များနှင့် တဂ်များ ထည့်သွင်း၍ ပြည့်စုံစေခြင်း၊

4. Frontend က အသုံးပြုနိုင်မည့် API များမှတစ်ဆင့် ရယူနိုင်အောင် ပြုလုပ်ခြင်း။

Ed က မူရင်းမှတ်တမ်းနှင့် စာသားမှတ်တမ်းဒေတာများကို အသုံးပြုနိုင်သည့်ပုံစံဖြစ်အောင် အဓိကလုပ်ဆောင်ခဲ့ပြီး Nico က ထိုအခိုက်အတန့်များကို ရှာဖွေတွေ့ရှိစေမည့် retrieval layer ကို အဓိကလုပ်ဆောင်ခဲ့သည်။ Codex ဖြင့် ၎င်းတို့နှစ်ဦးသည် ဒေတာမော်ဒယ်များ၊ ထုတ်ယူရေး script များနှင့် backend ချိတ်ဆက်စနစ်တို့ကို ကိုယ်တိုင်လုပ်ဆောင်ခြင်းထက် များစွာမြန်ဆန်စွာ တည်ဆောက်နိုင်ခဲ့သည်။ ယင်းက ဗီဒီယိုတွင် စာသားမှတ်တမ်းတစ်ခု ပူးတွဲထားရုံထက် များစွာပိုသောအရာကို ပေးခဲ့သည်။ အခိုက်အတန့်များကို ရရှိစေခဲ့သည်—Tesco အပိုင်း၊ မဟာဗျူဟာနောက်ဆုံးအခြေအနေ၊ ဝန်ထမ်းခန့်အပ်ရေးဆွေးနွေးမှုနှင့် တစ်စုံတစ်ဦး အမှန်တကယ်ကြည့်လိုသည့် ဖုန်းခေါ်ဆိုမှုထဲမှ စက္ကန့် ၉၀ တိတိ စသဖြင့် ဖြစ်သည်။

ထို retrieval layer က အထူးစိတ်ဝင်စားစရာကောင်းသည့် အပိုင်းဖြစ်လာသည်။ တစ်စုံတစ်ဦးက “financial performance,” “Tesco roadmap,” သို့မဟုတ် “conversation evals” ကဲ့သို့ ရိုက်ထည့်လိုက်လျှင် ထိုစကားလုံးအတိအကျကို တစ်ခါမျှမပြောခဲ့လျှင်ပင် အသက်ဆိုင်ဆုံးကလစ်များဆီ ရောက်သွားစေလိုခဲ့သည်။ ယင်းသို့လုပ်ဆောင်ရန် အချိန်မှတ်၊ အနှစ်ချုပ်၊ စာသားမှတ်တမ်းနှင့် metadata တို့ပါဝင်သော အပိုင်းများကို ဖန်တီးခဲ့သည်။ ရှင်းလင်းသည့် စနစ်တည်ဆောက်ပုံကို ချမှတ်ပြီး Codex ၏ အကူအညီများစွာဖြင့် ခေါင်းစဉ်၊ အနှစ်ချုပ်နှင့် စာသားမှတ်တမ်းတို့ကို input တစ်ခုတည်းအဖြစ် ပေါင်းစပ်ကာ အပိုင်းတစ်ခုစီအတွက် embedding များ ဖန်တီးရန် OpenAI ၏ text-embedding-3-small မော်ဒယ်ကို အသုံးပြုခဲ့သည်။ ထို embedding များကို ဒေတာဘေ့စ်တွင် သိမ်းဆည်းပြီး အသုံးပြုသူ၏ မေးမြန်းချက်ကို အပိုင်းတိုင်းနှင့် နှိုင်းယှဉ်ရန် cosine similarity ကို အသုံးပြုခဲ့သည်။ ထို့ကြောင့် ရိုးရှင်းသော စကားလုံးရှာဖွေမှုအစား အဓိပ္ပာယ်အခြေပြု retrieval layer တစ်ခု ရရှိခဲ့သည်။

ယင်းက တိကျမှုအတွက် အလွန်ကောင်းမွန်စွာ အလုပ်လုပ်ပြီး ဟက်ကသွန်သရုပ်ပြမှုအတွင်း ထုတ်ကုန်ကို “မှော်ဆန်သည့်” ခံစားချက် ပေးခဲ့သည်။ တစ်ချိန်တည်းမှာပင် ဗီဒီယိုအရေအတွက် ဆက်လက်တိုးပွားပါက မေးမြန်းချက်တိုင်းကို အပိုင်းတိုင်းနှင့် နှိုင်းယှဉ်ရခြင်းသည် နောက်ဆုံးတွင် ကုန်ကျစရိတ်များလွန်းလာမည်ဖြစ်၍ ဤနည်းလမ်းကို အကန့်အသတ်မရှိ တိုးချဲ့နိုင်မည်မဟုတ်ကြောင်း သိထားသည်။ နောက်တစ်ဆင့်အနေဖြင့် နှိုင်းယှဉ်မှုအရေအတွက် လျှော့ချပြီး အချက်အလက်စုစည်းမှု ကျယ်ပြန့်လာသည့်တိုင် တုံ့ပြန်ချိန်နည်းနေစေရန် Hierarchical Navigable Small World ကဲ့သို့ ပိုမိုထိရောက်သော ရှာဖွေရယူမှုနည်းဗျူဟာများကို ထည့်သွင်းရမည် ဖြစ်သည်။ ဤလုပ်ဆောင်ချက် အလုပ်လုပ်လာသည့်အခါ Callombia သည် မီဒီယာစာကြည့်တိုက်တစ်ခုထက် အသိပညာစနစ်တစ်ခုနှင့် ပိုတူလာသည်။

ကောင်းမွန်သော ဟက်ကသွန်တိုင်းကဲ့သို့ပင် ထိုအပိုင်းကိုလည်း ထပ်ခါတလဲလဲ ပြင်ဆင်ရသည်။ ကနဦးအပိုင်းအခြားများက ကြမ်းလွန်းခြင်း၊ အချိန်မှတ်အချို့ ပိုတိကျရန်လိုခြင်း၊ တဂ်အချို့ ကျယ်ပြန့်လွန်းခြင်းနှင့် စာသားမှတ်တမ်း၊ အသံမှတ်တမ်းဖိုင်တို့ အမြဲတမ်း သေသပ်စွာ မကိုက်ညီခြင်းတို့ ရှိခဲ့သည်။ သို့သော် ထိုနေရာမှာပင် တန်ဖိုးကို အထင်အရှား တွေ့မြင်ခဲ့ရသည်။ Codex ကြောင့် ကနဦးတပ်ဆင်မှုနှင့် ပြန်လည်လုပ်ဆောင်မှုတို့တွင် ပိတ်မိမနေဘဲ စနစ်ကို လျင်မြန်စွာ ပြင်ဆင်တိုးတက်စေနိုင်ခဲ့သည်။ နောက်ဆုံးတွင် ကလစ်များ၊ အတိုအထွာများနှင့် အမှန်တကယ်အသုံးဝင်သည့် အဓိပ္ပာယ်အခြေပြုရှာဖွေမှုကို မောင်းနှင်ပေးနိုင်သော backend တစ်ခု ရရှိခဲ့သည်။ ထိုအချိန်မှစ၍ Callombia သည် ဟက်ကသွန်သရုပ်ပြမှုသက်သက်မဟုတ်ဘဲ တကယ့်ထုတ်ကုန်တစ်ခုကဲ့သို့ စတင်ခံစားရသည်။

Ed နှင့် Nico တို့က ဒေတာထည့်သွင်းမှုနှင့် ဉာဏ်ရည်အလွှာကို တည်ဆောက်နေစဉ် ကျွန်ုပ်က frontend ကို တည်ဆောက်ခဲ့သည်။ ကျွန်ုပ်တို့၏ full-stack template ကို အသုံးပြု၍ ကုဒ်တစ်ကြောင်းမျှ မရေးဘဲ ဝဘ်ဆိုက်၏ ပထမဗားရှင်းကို လျင်မြန်စွာ ဖန်တီးနိုင်ခဲ့သည်။ ဝဘ်ဆိုက်ကို ကျွန်ုပ်၏ browser တွင် local အနေဖြင့် ဖွင့်ခိုင်းပြီးနောက် ဒီဇိုင်းကို မိမိလိုချင်သည့်ပုံစံရသည်အထိ ပြင်ဆင်ရန် ရိုးရှင်းသော အချက်ပြစာရင်းဖြင့် အကြံပြုချက်များ ပေးခဲ့သည်။

တစ်နာရီခန့် အပြန်အလှန်ပြင်ဆင်ပြီးနောက် UI သို့မဟုတ် ဒီဇိုင်းအတွေ့အကြုံ လုံးဝမရှိဘဲ ကျွန်ုပ်အတော်လေး သဘောကျသည့် ရလဒ်တစ်ခု ရရှိခဲ့သည်။ နောက်ဆုံးထုတ်ကုန်သည် လုံးဝပြီးပြည့်စုံခြင်း မရှိသေးသော်လည်း လူများက ထုတ်ကုန်ကို နားလည်နိုင်စေသည့် အတော်ကောင်းသော ပထမဗားရှင်းတစ်ခု ဖြစ်သည်။

တစ်နေ့တာအဆုံးတွင် ပြသစရာတစ်ခုရှိရန် အလုပ်များကို ကျွန်ုပ်တို့အချင်းချင်း ခွဲဝေခဲ့သည်။ နာရီအနည်းငယ်ကြာ သီးခြားစီနီးပါး လုပ်ကိုင်ပြီးနောက် ကျွန်ုပ်တို့၏ local branch အသီးသီးတွင် conflict အများအပြား ရှိလာသည်မှာ မထူးဆန်းပါ။

မရှိသလောက်ဖြစ်နေသည့် အချိန်ကိုသုံး၍ conflict များကို တစ်ခုချင်း ဂရုတစိုက်ဖြေရှင်းမည့်အစား Codex ကို သိမ်းဆည်းရန်နေရာများတွင် လွတ်လပ်စွာ လုပ်ဆောင်စေပြီး conflict များကို ကိုယ်တိုင်ပြင်ခိုင်းရန် ဆုံးဖြတ်ခဲ့သည်။ လက်ရှိတွင် လုပ်ငန်းကြီးအဆင့် ဆော့ဖ်ဝဲဖွံ့ဖြိုးရေးအတွက် ဤနည်းကို မထောက်ခံသေးသော်လည်း ဆုံးရှုံးနိုင်ခြေနည်းသည့် ပတ်ဝန်းကျင်တွင် မည်မျှထိရောက်သည်ကို မြင်ရခြင်းက အံ့ဩဖွယ်ကောင်းပြီး ကျွန်ုပ်တို့၏ အချိန်နာရီပေါင်းများစွာကို ချွေတာပေးခဲ့သည်။

ဟက်ကသွန်၏ နောက်ဆုံးအပိုင်းမှာ အကဲဖြတ်ဒိုင်များအတွက် Callombia သရုပ်ပြဗီဒီယိုကို မှတ်တမ်းတင်ခြင်း ဖြစ်သည်။ မှတ်တမ်းတင်ရန် Loom ကို အလိုလိုဖွင့်ချင်ခဲ့သော်လည်း ယင်းက Codex အတွက် စစ်မှန်သော စမ်းသပ်မှုတစ်ခုဖြစ်ပြီး ၎င်း၏ လက်ရှိလုပ်ဆောင်နိုင်စွမ်းထက် အနည်းငယ်ကျော်လွန်မည်ဟု တွေးမိခဲ့သည်။ ထို့ကြောင့်… တုံ့ပြန်ညွှန်ကြားချက်တစ်ခုရေး၍ Callombia ဝဘ်ဆိုက်လင့်ခ်နှင့် OpenAI ၏ developer platform ပေါ်တွင် မှတ်တမ်းတင်ထားသော ကျွန်ုပ်၏အသံကို ပူးတွဲပေးကာ ကျန်အလုပ်အားလုံးကို လုပ်ဆောင်ခိုင်းခဲ့သည်။

ပထမအကြိမ် ကြိုးပမ်းမှုက အလွန်အထင်ကြီးစရာကောင်းခဲ့သည်—သရုပ်ပြဇာတ်ညွှန်းရေးခြင်း၊ ဖန်သားပြင်မှတ်တမ်းတင်ခြင်းနှင့် ကျွန်ုပ်၏နောက်ခံအသံ ထည့်သွင်းခြင်းတို့ကို လုပ်ဆောင်ခဲ့ပြီး တောင်းဆိုချက်ကို အတော်လေးပြည့်မီခဲ့သည်။ ချက်ချင်းသဘောမကျသည့် တစ်ခုတည်းသောအချက်မှာ နောက်ခံအသံနှင့် သရုပ်ပြမှတ်တမ်း အချိန်ကိုက်မဖြစ်ခြင်း ဖြစ်သောကြောင့် ဤသို့ တောင်းဆိုခဲ့သည်—“MANDATORY: align the voiceover exactly with what is being shown in the demo. There was misalignment (e.g. on the chat page). Triple check alignment of voiceover and the screen-recorded demo at the end. Match it up through whichever means possible.”

ထိုတောင်းဆိုချက်ကို တုံ့ပြန်၍ Codex က နောက်ခံအသံနှင့် မှတ်တမ်းကို အပိုင်းငယ်များခွဲကာ လုပ်ငန်းကို အမှားမရှိသလောက် ဆောင်ရွက်ပေးခဲ့သည်။ ညနေ ၅:၃၀ အမီပြီးသွား၍ ဘီယာနှင့် ပီဇာဖြင့် အောင်ပွဲခံနိုင်ခဲ့သည်။

Callombia သည် လုပ်ငန်းအများစု ကြုံတွေ့နေရသည့် ပြဿနာတစ်ခုကို ဖြေရှင်းပေးကြောင်း ကျွန်ုပ်တို့ သိသည်။ လျင်မြန်စွာ ကြီးထွားနေသော ကုမ္ပဏီတစ်ခုတွင် ဖုန်းခေါ်ဆိုမှုတိုင်း တက်ရောက်ရန် ခက်ခဲသော်လည်း ထိုစကားဝိုင်းများ၌ မျှဝေသည့် အဖိုးတန်အသိအမြင်များက တန်ဖိုးဖြတ်မရပါ။ ယခုတော့ ၎င်းကို Production သို့ ပို့ဆောင်ရန်သာ လိုတော့သည်။

သို့သော် ဤနေရာတွင် AI ကို ဗဟိုပြုလုပ်ကိုင်ခြင်းနှင့် လူတိုင်းကြုံရသည့် ပြဿနာများကို ဖြေရှင်းရန် အင်ဂျင်နီယာနှင့် ထုတ်ကုန်ကျွမ်းကျင်မှုတို့ကို အားထုတ်အသုံးချခြင်းမှ ရရှိသည့် ပိုကြီးမားသော သင်ခန်းစာတစ်ခု ရှိသည်။ ပုံမှန်လုပ်ငန်းစက်ဝန်းမှ ထွက်၍ အဖွဲ့များအကြား ပူးပေါင်းပြီး ယှဉ်ပြိုင်မှုအနည်းငယ်ရှိသော ပတ်ဝန်းကျင်တွင် လုပ်ကိုင်ခြင်းဖြင့် အနည်းငယ်ပြင်ဆင်ရုံနှင့် production သို့ ပို့ဆောင်နိုင်မည့် ဖြေရှင်းချက်အများအပြားကို ရရှိခဲ့သည်။ ဤသို့ ပုံမှန်ပြုလုပ်ပါက ဖောက်သည်များအတွက် တည်ဆောက်ပေးသည့် ဖြေရှင်းချက်များကဲ့သို့ပင် ကျွန်ုပ်တို့၏ အတွင်းပိုင်းလုပ်ငန်းများလည်း လျင်မြန်ထိရောက်နေမည်ကို အာမခံနိုင်သည်။