రికార్డ్ చేసిన సమావేశాలు పూర్తిగా వినియోగించని జ్ఞాన వనరులు. వాటిలో వెతకడం కష్టం, మళ్లీ చూడటానికి ఎక్కువ సమయం పడుతుంది, పైగా అవి వివిధ బృందాల డ్రైవ్లలో విడివిడిగా ఉంటాయి. అందువల్ల విలువైన అవగాహనలు తరచూ గుర్తింపునకు నోచుకోవు.
ఒకరోజు హ్యాకథాన్లో ముగ్గురు సభ్యుల బృందం Callombiaను రూపొందించింది. ఇది రికార్డ్ చేసిన కాల్లను స్వయంచాలకంగా లిప్యంతరీకరించి, ట్యాగ్ చేసి, సంగ్రహించి, క్లిప్లుగా విభజించే అంతర్గత వేదిక. ప్రపంచవ్యాప్త కార్యాలయాలన్నింటి నుంచి అందుబాటులో ఉండే, శోధించగల YouTube తరహా రిపోజిటరీలో వాటిని ఉంచుతుంది.
పూర్తిగా Codexతో నిర్మించిన ఈ పరిష్కారం, OpenAI ఎంబెడింగ్లు మరియు కోసైన్ సారూప్యత ఆధారిత సెమాంటిక్ శోధనను ఉపయోగించి, ఖచ్చితమైన కీలక పదాలు లేకపోయినా సంబంధిత సందర్భాలను వెలికితీస్తుంది. దీనికి అదనంగా RAG చాట్బాట్, నోటిఫికేషన్ వ్యవస్థ ఉన్నాయి.
గతంలో వారాలు పట్టే పనిని ఏడు గంటల్లో పూర్తి చేశాం. Codex వంటి కోడింగ్ ఏజెంట్లతో కూడిన, కృత్రిమ మేధ ఆధారిత అభివృద్ధి ఉత్పత్తి అభివృద్ధి కాలచక్రాన్ని ఎంతగా కుదించగలదో, అంతర్గత హ్యాకథాన్ల నుంచి నిజమైన వ్యాపార విలువను ఎలా సృష్టించగలదో ఇది చూపించింది.
మీరు నాలాంటి వారైతే, రికార్డ్ చేసిన సమావేశాలను మళ్లీ వినడానికి సమయం లేదా అంతసేపు శ్రద్ధ నిలిపే ఓపిక అరుదుగా ఉంటుంది. ఎందుకంటే అస్తవ్యస్తంగా ఉన్న బృంద డ్రైవ్లలో వెతకాలి, అంతగా ఉపయోగం లేని కబుర్లను దాటవేయాలి, ఈమెయిల్లు, సందేశాలు పంపుతూనే నిజంగా వినడానికి ప్రయత్నించాలి.
కానీ ఇది ఇలాగే ఉండాల్సిన అవసరం లేదేమో. రికార్డ్ చేసిన సమావేశాల వినియోగాన్ని పూర్తిగా మార్చే దాన్ని మనం రూపొందించగలమేమో. మా ఇటీవలి హ్యాకథాన్ ప్రాజెక్టుకు మూలమైన ఆలోచన ఇదే.
కేవలం ఒక్క రోజులో మా ఇంజినీరింగ్, డెలివరీ, కార్యకలాపాల బృందాలకు చెందిన 50 మంది, వ్యాపారంలోని వివిధ విభాగాల నుంచి వచ్చిన అనేక సమస్యలను పరిష్కరించేందుకు ప్రయత్నించారు. నియామక కార్యకలాపాల విస్తరణ, పని పరిధి పత్రాల రూపకల్పన సరళీకరణ, ప్రాజెక్టుల స్థితి అవగాహన, ప్రత్యక్ష నమూనాల రూపకల్పన, రికార్డ్ చేసిన సమావేశాల్లోని అవగాహనలను వెలికితీయడం వాటిలో ఉన్నాయి.
Codex ఆధారిత ఈ హ్యాకథాన్లో మేము Callombiaను నిర్మించాం. Callombia మా వ్యాపారానికి YouTube లాంటిది. ఇది ప్రతి కాల్ను ఎప్పటికప్పుడు ఉపయోగపడే, శోధించగల వనరుగా మారుస్తుంది. ప్రతి కాల్ను స్వయంచాలకంగా లిప్యంతరీకరించి, ట్యాగ్ చేసి, సంగ్రహిస్తారు. ఆపై విషయాలవారీగా క్లిప్లుగా విభజించి, ఛానల్లు అంటే క్లయింట్లు, అంశాలు అంటే కృత్రిమ మేధ నైపుణ్య విభాగాల ప్రకారం సమూహీకరించిన రిపోజిటరీకి జోడిస్తారు. దీనివల్ల లండన్, ఎడిన్బరో, సింగపూర్, ఆస్ట్రేలియాలోని ఏ బృంద సభ్యుడైనా తనకు అవసరమైన కాల్ సందర్భాలను వెంటనే చూడగలరు.
సుపరిచితమైన, మా బ్రాండ్కు అనుగుణమైన వినియోగదారు ముఖపటం కంటెంట్ను సులభంగా కనుగొనేలా చేస్తుంది. సెమాంటిక్ శోధనతోపాటు RAG కృత్రిమ మేధ చాట్బాట్ కూడా ప్రజలు తాము వెతుకుతున్నదాన్ని కచ్చితంగా కనుగొనడంలో సహాయపడుతుంది. నోటిఫికేషన్ వ్యవస్థ ద్వారా మా సహోద్యోగులు నిర్దిష్ట అంశాలకు చందా తీసుకుని, వాటికి సంబంధించిన కొత్త క్లిప్లు విడుదలైనప్పుడు సమాచారం పొందవచ్చు.
Callombiaలో ఆకట్టుకునే విషయం ఉత్పత్తి కాదు, హ్యాకథాన్ గెలిచినందుకు వచ్చిన £2వేల బహుమతి కూడా కాదు. ఇద్దరు ఇంజినీర్లు, ఒక డెలివరీ లీడ్తో కేవలం ఏడు గంటల్లో ఇదంతా రూపొందించగలిగామన్నదే అసలు విశేషం. ఏడాది క్రితం ఇది సాధ్యమయ్యేది కాదు. కోడింగ్ ఏజెంట్ల మెరుగుదలలు ఉత్పత్తి అభివృద్ధి ప్రక్రియను ఆరంభం నుంచి ముగింపు వరకు గణనీయంగా వేగవంతం చేశాయి. వాటి సామర్థ్యాల్లోని అసమాన సరిహద్దులను అర్థం చేసుకోవడానికి ఈ హ్యాకథాన్ చక్కని పరీక్షా వేదికగా నిలిచింది. అయితే మేము Codexను ఎలా ఉపయోగించాం.
కేవలం అవసరాల జాబితాను రాయడానికి బదులు, సమస్య పరిధి మరియు Callombiaపై మా దార్శనికత గురించి బృందంగా ఏర్పరచుకున్న అభిప్రాయాన్ని ప్రాంప్ట్ రూపంలో పంచుకోవడంతో ప్రారంభించాం. ఉద్దేశపూర్వకంగా ఎక్కువ వివరాలు ఇవ్వకుండా, మోడల్ను స్వేచ్ఛగా పనిచేయనిచ్చి సృజనాత్మకంగా ఆలోచించే అవకాశం కల్పించాం.
పది నిమిషాల చర్చ తర్వాత అవసరాలను స్పష్టం చేసి, నిర్మాణంలోని సాంకేతిక భాగానికి దిశానిర్దేశం చేసేందుకు ప్రణాళిక మోడ్ను ప్రారంభించాం. సాధ్యమైన ప్రతి పరిస్థితినీ ముందే ఆలోచించి, సహాయం చేస్తున్నానంటూ వరుస ప్రశ్నలు అడిగే చికాకు కలిగించే స్నేహితుడికి సమాధానాలు చెప్పినట్లే ప్రణాళిక మోడ్ అనిపిస్తుంది. వీడియోల సంఖ్య, సెమాంటిక్ లేదా కీలకపద శోధన, ఉపయోగించాల్సిన నిర్మాణం వంటి అంశాలను ఖరారు చేసిన తర్వాత, అక్కడి నుంచి ప్రాజెక్టుకు పునాదిగా నిలిచిన మార్క్డౌన్ ఫైల్ను అది రూపొందించింది.
ప్రణాళిక సిద్ధమైన తర్వాత, Callombia నిజంగా పనిచేయడానికి అవసరమైన ప్రధాన భాగాలను నిర్మించడం తదుపరి దశ. అంటే రికార్డ్ చేసిన కాల్లను శోధించగల వనరులుగా మార్చే ప్రక్రియను రూపొందించాలి.
వీడియోలు, లిప్యంతరణలను వ్యవస్థలోకి తీసుకోవడం.
వాటిని అర్థవంతమైన సందర్భాలుగా విభజించడం.
సారాంశాలు, ట్యాగ్లతో వాటిని మరింత ఉపయోగకరంగా మార్చడం.
ముందుభాగం వినియోగించగల అనువర్తన ప్రోగ్రామింగ్ అంతర్ముఖాల ద్వారా వాటిని అందించడం.
ముడి రికార్డింగ్లు, లిప్యంతరణ సమాచారాన్ని ఉపయోగించగల రూపంలోకి మార్చడంపై Ed ప్రధానంగా దృష్టి పెట్టారు. ఆ సందర్భాలను కనుగొనే వీలు కల్పించే సమాచార పునరుద్ధరణ పొరపై Nico ఎక్కువగా పనిచేశారు. Codexతో వారిద్దరూ సమాచార మోడల్లు, వెలికితీత స్క్రిప్ట్లు, వెనుకభాగ అనుసంధానాలను మానవీయంగా చేసే దానికంటే ఎంతో వేగంగా సిద్ధం చేయగలిగారు. దీనివల్ల వీడియోకు జోడించిన లిప్యంతరణ కంటే ఎంతో ఎక్కువ ప్రయోజనం లభించింది. మాకు నిర్దిష్ట సందర్భాలు లభించాయి. Tescoకు సంబంధించిన విభాగం, వ్యూహాత్మక తాజా సమాచారం, నియామకాల చర్చ లేదా కాల్లో ఎవరైనా నిజంగా చూడాలనుకునే నిర్దిష్ట 90 సెకన్లు వంటివి.
ఆ సమాచార పునరుద్ధరణ పొర దగ్గరే పని మరింత ఆసక్తికరంగా మారింది. ఎవరైనా “ఆర్థిక పనితీరు,” “Tesco కార్యాచరణ ప్రణాళిక” లేదా “సంభాషణ మూల్యాంకనాలు” వంటి పదాలను నమోదు చేస్తే, అవే పదాలు ఎక్కడా పలకకపోయినా అత్యంత సంబంధిత క్లిప్లకు తీసుకెళ్లాలని కోరుకున్నాం. దానికోసం సమయ సూచికలు, సారాంశాలు, లిప్యంతరణ పాఠ్యం, అనుబంధ సమాచారంతో విభాగాలను రూపొందించాం. స్పష్టమైన నిర్మాణాన్ని దృష్టిలో ఉంచుకుని, Codex అందించిన విస్తృత సహాయంతో అంశం, సారాంశం, లిప్యంతరణను ఒకే ఇన్పుట్గా కలిపాం. ప్రతి విభాగానికి ఎంబెడింగ్లను రూపొందించేందుకు OpenAIకు చెందిన text-embedding-3-small మోడల్ను ఉపయోగించాం. ఆ ఎంబెడింగ్లను మా డేటాబేస్లో నిల్వ చేసి, వినియోగదారు శోధనను ప్రతి విభాగంతో పోల్చడానికి కోసైన్ సారూప్యతను ఉపయోగించాం. దీనివల్ల సాధారణ కీలకపద శోధనకు బదులు సెమాంటిక్ సమాచార పునరుద్ధరణ పొర లభించింది.
ఇది కచ్చితత్వం విషయంలో అద్భుతంగా పనిచేసి, హ్యాకథాన్ ప్రదర్శనలో ఉత్పత్తికి ఒక “మాయాజాలం” లాంటి అనుభూతిని ఇచ్చింది. అదే సమయంలో, వీడియోల సంఖ్య పెరుగుతూనే ఉంటే ఈ విధానం ఎప్పటికీ విస్తరించలేదని మాకు తెలుసు. ప్రతి శోధనను ప్రతి విభాగంతో పోల్చడం చివరికి చాలా ఖరీదైన ప్రక్రియగా మారుతుంది. సమాచార సమాహారం పెరిగినా పోలికల సంఖ్యను తగ్గించి, ప్రతిస్పందన జాప్యాన్ని తక్కువగా ఉంచేందుకు క్రమానుగతంగా మార్గనిర్దేశం చేయగల చిన్న ప్రపంచ నిర్మాణం వంటి మరింత సమర్థమైన సమాచార పునరుద్ధరణ వ్యూహాలను ప్రవేశపెట్టడం సహజమైన తదుపరి దశ. ఈ సదుపాయం పనిచేయడం ప్రారంభించాక Callombia ఒక మాధ్యమ గ్రంథాలయంలా కాకుండా జ్ఞాన వ్యవస్థలా అనిపించడం మొదలైంది.
మంచి హ్యాకథాన్లన్నింటిలోలాగే ఈ భాగానికీ పునరావృత మెరుగుదలలు అవసరమయ్యాయి. తొలి విభాగాల సరిహద్దులు మరీ స్థూలంగా ఉన్నాయి, కొన్ని సమయ సూచికలను కచ్చితంగా సవరించాల్సి వచ్చింది, కొన్ని ట్యాగ్లు మరీ విస్తృతంగా ఉన్నాయి, లిప్యంతరణ మరియు రికార్డింగ్ ఫైళ్లు ఎల్లప్పుడూ సరిగ్గా సరిపోలలేదు. కానీ విలువ స్పష్టంగా కనిపించింది కూడా అక్కడే. ప్రాథమిక ఏర్పాట్లు, మళ్లీ చేయాల్సిన పనుల్లో చిక్కుకోకుండా వ్యవస్థను వేగంగా మెరుగుపరిచేందుకు Codex మాకు వీలు కల్పించింది. చివరికి క్లిప్లు, చిన్న భాగాలు, నిజంగా ఉపయోగకరమైన సెమాంటిక్ శోధనకు శక్తినిచ్చే వెనుకభాగ వ్యవస్థను రూపొందించాం. అప్పుడే Callombia కేవలం హ్యాకథాన్ ప్రదర్శనలా కాకుండా నిజమైన ఉత్పత్తిలా అనిపించడం మొదలైంది.
Ed, Nicoలు సమాచార స్వీకరణ, మేధో పొరలను నిర్మిస్తుండగా నేను ముందుభాగాన్ని నిర్మించాను. మా సంపూర్ణ సాంకేతిక సముదాయ నమూనాను ఉపయోగించి, ఒక్క కోడ్ పంక్తి కూడా రాయకుండానే వెబ్సైట్ తొలి సంస్కరణను వేగంగా సిద్ధం చేయగలిగాను. నా బ్రౌజర్లో వెబ్సైట్ను స్థానికంగా తెరవమని అడిగిన తర్వాత, నేను కోరుకున్న రూపకల్పన వచ్చే వరకు మెరుగుపరచడానికి సరళమైన అంశాల జాబితా రూపంలో అభిప్రాయాన్ని ఇచ్చేవాడిని.
సుమారు గంటపాటు అటూ ఇటూ చర్చించిన తర్వాత, వినియోగదారు ముఖపటం లేదా రూపకల్పనలో ఎలాంటి అనుభవం లేకుండానే నాకు బాగా నచ్చినది సిద్ధమైంది. తుది ఉత్పత్తి కచ్చితంగా పరిపూర్ణం కాకపోయినా, ప్రజలకు ఉత్పత్తిని అర్థం చేసుకునే వీలు కల్పించే చక్కని తొలి సంస్కరణగా నిలిచింది.
రోజు ముగిసేసరికి ఒక ఫలితం ఉండేలా చూసుకోవడానికి మేము పనిని పంచుకున్నాం. కొన్ని గంటలు దాదాపు స్వతంత్రంగా పనిచేసిన తర్వాత, సహజంగానే మా స్థానిక బ్రాంచ్లలో అనేక పరస్పర విరుద్ధ మార్పులు ఏర్పడ్డాయి.
మాకు లేని సమయాన్ని వెచ్చించి ప్రతి విరుద్ధ మార్పునూ జాగ్రత్తగా పరిష్కరించడానికి బదులు, రిపోజిటరీలపై Codexను స్వేచ్ఛగా పనిచేయనిచ్చి, వాటిని దానితోనే సరిచేయించాలని నిర్ణయించాం. ప్రస్తుతం సంస్థ స్థాయి సాఫ్ట్వేర్ అభివృద్ధికి దీన్ని సిఫారసు చేయకపోయినా, పెద్దగా ప్రమాదం లేని వాతావరణంలో దీని ప్రభావం అద్భుతంగా ఉంది. ఇది మాకు ఎన్నో గంటలు ఆదా చేసింది.
హ్యాకథాన్ చివరి భాగంలో న్యాయనిర్ణేతల కోసం Callombia ప్రదర్శనను రికార్డ్ చేయాల్సి వచ్చింది. రికార్డింగ్ కోసం సహజంగానే Loom తెరవాలనిపించింది. కానీ ఇది Codexకు నిజమైన పరీక్షగా, దాని ప్రస్తుత సామర్థ్యాలకు కాస్త భిన్నమైన పనిగా ఉండవచ్చని భావించాం. అందుకే ఒక ప్రాంప్ట్ రాసి, Callombia వెబ్సైట్ లింక్ ఇచ్చి, OpenAI డెవలపర్ వేదికలో రికార్డ్ చేసిన నా స్వరాన్ని జోడించి, మిగతా పనంతా పూర్తి చేయమని కోరాం.
మొదటి ప్రయత్నమే ఎంతో ఆకట్టుకుంది. అది ప్రదర్శన పాఠ్యాన్ని రాసి, తెరను రికార్డ్ చేసి, నా వ్యాఖ్యానాన్ని జోడించి, దాదాపు అన్ని అవసరాలనూ తీర్చింది. అయితే వ్యాఖ్యానం, ప్రదర్శన రికార్డింగ్ సమకాలీకరణపై మాత్రమే మాకు వెంటనే సంతృప్తి కలగలేదు. అందుకే ఇలా అడిగాం. “తప్పనిసరి: ప్రదర్శనలో కనిపిస్తున్న దృశ్యాలతో వ్యాఖ్యానాన్ని కచ్చితంగా సమకాలీకరించు. కొన్ని చోట్ల సమకాలీకరణ తప్పింది, ఉదాహరణకు చాట్ పేజీలో. చివరగా వ్యాఖ్యానం, తెరపై రికార్డ్ చేసిన ప్రదర్శన సమకాలీకరణను మూడుసార్లు తనిఖీ చేయు. సాధ్యమైన ఏ పద్ధతినైనా ఉపయోగించి వాటిని సరిపోల్చు.”
ఆ అభ్యర్థనకు స్పందిస్తూ Codex వ్యాఖ్యానాన్ని, రికార్డింగ్ను చిన్న విభాగాలుగా విడదీసి, దాదాపు ఎలాంటి లోపం లేకుండా పనిని పూర్తి చేసింది. సాయంత్రం 5.30కు వేడుకగా బీరు, పిజ్జా ఆస్వాదించే సమయానికే అది సిద్ధమైంది.
చాలా వ్యాపారాలు ఎదుర్కొనే సమస్యను Callombia పరిష్కరిస్తుందని మాకు తెలుసు. వేగంగా విస్తరిస్తున్న సంస్థలో ప్రతి కాల్కు హాజరవడం కష్టం. కానీ ఆ కాల్లలో పంచుకునే విలువైన జ్ఞానం అమూల్యమైనది. ఇప్పుడు దీన్ని ఉత్పత్తి వాతావరణంలోకి తీసుకెళ్లడమే మిగిలింది.
అయితే కృత్రిమ మేధను సహజంగా స్వీకరించడం గురించి ఇందులో మరింత గొప్ప పాఠం ఉంది. ఉమ్మడి సమస్యల పరిష్కారానికి ఇంజినీరింగ్, ఉత్పత్తి నైపుణ్యాలను అంకితం చేయడం వల్ల కలిగే ప్రయోజనం కూడా స్పష్టమైంది. మా సాధారణ పని చక్రం నుంచి బయటపడి, బృందాల మధ్య సహకరిస్తూ, స్వల్ప పోటీ వాతావరణంలో పనిచేశాం. ఫలితంగా కొన్ని మార్పులతోనే ఉత్పత్తి వాతావరణంలో ప్రవేశపెట్టగల అనేక పరిష్కారాలు సిద్ధమయ్యాయి. దీన్ని క్రమం తప్పకుండా చేస్తే, వినియోగదారుల కోసం నిర్మించే పరిష్కారాలంత సమర్థంగా మా అంతర్గత కార్యకలాపాలూ ఉండేలా చూసుకోవచ్చు.