साक्षात्कार
यासिर खान, वन टेक के सीईओ - साक्षात्कार श्रृंखला
यासिर खान, के सीईओ हैं एक तकनीक एक AI-संचालित प्रौद्योगिकी कंपनी जो OEM, नेटवर्क ऑपरेटरों और उद्यमों के लिए अगली पीढ़ी के IoT समाधानों को डिजाइन, विकसित और तैनात करती है।
सबसे पहले किस चीज़ ने आपको आर्टिफिशियल इंटेलिजेंस की ओर आकर्षित किया?
कुछ साल पहले, हमने एक इंडस्ट्रियल इंटरनेट ऑफ थिंग्स (IIoT) समाधान तैनात किया था, जो एक विस्तृत भौगोलिक स्थान पर कई परिसंपत्तियों को जोड़ता था। उत्पन्न डेटा की मात्रा बहुत अधिक थी। हमने पीएलसी से 50 मिलीसेकंड की नमूना दरों और बाहरी सेंसर मानों पर प्रति सेकंड कुछ बार डेटा एकत्र किया। एक मिनट के दौरान, हम जिस परिसंपत्ति से जुड़ रहे थे, उसके लिए हमारे पास हजारों डेटापॉइंट उत्पन्न हो रहे थे। हम जानते थे कि इस डेटा को सर्वर पर प्रसारित करने और किसी व्यक्ति से डेटा का मूल्यांकन कराने की मानक विधि यथार्थवादी नहीं थी, न ही व्यवसाय के लिए फायदेमंद थी। इसलिए हमने एक ऐसा उत्पाद बनाने की योजना बनाई है जो डेटा को संसाधित करेगा और उपभोज्य आउटपुट उत्पन्न करेगा, जिससे एक संगठन को डिजिटल परिवर्तन परिनियोजन के लाभों को प्राप्त करने के लिए आवश्यक निरीक्षण की मात्रा कम हो जाएगी - जो परिसंपत्ति प्रदर्शन प्रबंधन और पूर्वानुमानित रखरखाव पर अत्यधिक केंद्रित है।
क्या आप चर्चा कर सकते हैं कि वन टेक का माइक्रोएआई समाधान क्या है?
माइक्रोएआई™ एक मशीन लर्निंग प्लेटफॉर्म है जो परिसंपत्ति (डिवाइस या मशीन) के प्रदर्शन, उपयोग और समग्र व्यवहार में उच्च स्तर की अंतर्दृष्टि प्रदान करता है। यह लाभ विनिर्माण संयंत्र प्रबंधकों से लेकर हार्डवेयर ओईएम तक, जो समग्र उपकरण प्रभावशीलता में सुधार के तरीकों की तलाश कर रहे हैं, जो बेहतर ढंग से समझना चाहते हैं कि उनके उपकरण क्षेत्र में कैसे बेहतर प्रदर्शन कर रहे हैं, तक होता है। हम परिसंपत्ति के माइक्रोकंट्रोलर (एमसीयू) या माइक्रोप्रोसेसर (एमपीयू) पर एक छोटा (70 केबी जितना छोटा) पैकेट तैनात करके इसे पूरा करते हैं। एक मुख्य अंतर यह है कि माइक्रोएआई की प्रशिक्षण और मॉडल बनाने की प्रक्रिया अद्वितीय है। हम मॉडल को सीधे परिसंपत्ति पर ही प्रशिक्षित करते हैं। यह न केवल डेटा को स्थानीय रहने की अनुमति देता है, जिससे तैनाती की लागत और समय कम हो जाता है, बल्कि यह एआई आउटपुट की सटीकता और परिशुद्धता भी बढ़ाता है। माइक्रोएआई की तीन प्राथमिक परतें हैं:
- डेटा अंतर्ग्रहण - माइक्रोएआई डेटा इनपुट के प्रति अज्ञेयवादी है। हम किसी भी सेंसर मूल्य का उपभोग कर सकते हैं और माइक्रोएआई प्लेटफॉर्म इस पहली परत के भीतर इनपुट की फीचर इंजीनियरिंग और वेटिंग की अनुमति देता है।
- प्रशिक्षण - हम सीधे स्थानीय परिवेश में प्रशिक्षण लेते हैं। परिसंपत्ति का सामान्य चक्र क्या है, इसके आधार पर प्रशिक्षण अवधि उपयोगकर्ता द्वारा निर्धारित की जा सकती है। आमतौर पर, हम 25-45 सामान्य चक्रों को कैप्चर करना पसंद करते हैं, लेकिन यह काफी हद तक कैप्चर किए गए प्रत्येक चक्र की भिन्नता/अस्थिरता पर आधारित है।
- उत्पादन - पाई गई विसंगति की गंभीरता के आधार पर माइक्रोएआई द्वारा सूचनाएं और अलर्ट उत्पन्न किए जाते हैं। इन सीमाओं को उपयोगकर्ता द्वारा समायोजित किया जा सकता है। माइक्रोएआई द्वारा उत्पन्न अन्य आउटपुट में अगले रखरखाव के लिए अनुमानित दिन (सेवा शेड्यूल को अनुकूलित करने के लिए), स्वास्थ्य स्कोर और शेष संपत्ति जीवन शामिल हैं। ये आउटपुट मौजूदा आईटी सिस्टम पर भेजे जा सकते हैं जो ग्राहकों के पास हैं (उत्पाद जीवनचक्र प्रबंधन उपकरण, समर्थन/टिकटिंग प्रबंधन, रखरखाव, आदि)
क्या आप माइक्रोएआई के पीछे की कुछ मशीन लर्निंग तकनीकों पर चर्चा कर सकते हैं?
माइक्रोएआई में एक पुनरावर्ती एल्गोरिदम के भीतर पैक किया गया एक बहु-आयामी व्यवहार विश्लेषण है। एआई इंजन में फीड किया गया प्रत्येक इनपुट एआई मॉडल द्वारा निर्धारित थ्रेशोल्ड (ऊपरी और निचली सीमा) को प्रभावित करता है। हम एक कदम आगे की भविष्यवाणी प्रदान करके ऐसा करते हैं। उदाहरण के लिए, यदि एक इनपुट आरपीएम है और आरपीएम बढ़ता है, तो मशीन की तेज गति के कारण असर तापमान की ऊपरी सीमा थोड़ी बढ़ सकती है। यह मॉडल को लगातार विकसित होने और सीखने की अनुमति देता है।
माइक्रोएआई क्लाउड तक पहुंचने पर निर्भर नहीं है, इसके क्या फायदे हैं?
हमारे पास सीधे समापन बिंदु (जहां डेटा उत्पन्न होता है) पर मॉडल बनाने का एक अनूठा दृष्टिकोण है। यह तैनाती में डेटा गोपनीयता और सुरक्षा लाता है क्योंकि डेटा को स्थानीय वातावरण छोड़ने की आवश्यकता नहीं होती है। यह उन तैनाती के लिए विशेष रूप से महत्वपूर्ण है जहां डेटा गोपनीयता अनिवार्य है। इसके अलावा, क्लाउड में डेटा को प्रशिक्षित करने की प्रक्रिया में समय लगता है। अन्य लोग इस स्थान तक कैसे पहुंच रहे हैं, इस समय की खपत ऐतिहासिक डेटा को एकत्र करने, क्लाउड पर डेटा संचारित करने, एक मॉडल बनाने और अंततः उस मॉडल को अंतिम संपत्तियों तक धकेलने की आवश्यकता के कारण होती है। माइक्रोएआई स्थानीय वातावरण में 100% प्रशिक्षित और रह सकता है।
माइक्रोएआई तकनीक की विशेषताओं में से एक इसकी त्वरित विसंगति का पता लगाना है, क्या आप इस कार्यक्षमता के बारे में विस्तार से बता सकते हैं?
व्यवहार विश्लेषण के हमारे दृष्टिकोण के कारण, हम माइक्रोएआई को तैनात कर सकते हैं और तुरंत संपत्ति के व्यवहार को सीखना शुरू कर सकते हैं। हम व्यवहार के भीतर पैटर्न देखना शुरू कर सकते हैं। फिर, यह किसी भी ऐतिहासिक डेटा को लोड करने की आवश्यकता के बिना है। एक बार जब हम परिसंपत्ति के पर्याप्त चक्रों पर कब्जा कर लेते हैं, तो हम एआई मॉडल से सटीक आउटपुट उत्पन्न करना शुरू कर सकते हैं। यह अंतरिक्ष के लिए अभूतपूर्व है। एक सटीक मॉडल बनाने में जो काम हफ्तों या महीनों में लगता था, वह कुछ घंटों और कभी-कभी मिनटों में हो सकता है।
MicroAI™ Helio और MicroAI™ एटम के बीच क्या अंतर है?
माइक्रोएआई™ हेलियो सर्वर:
हमारे हेलियो सर्वर वातावरण को स्थानीय सर्वर (सबसे आम), या क्लाउड इंस्टेंस में तैनात किया जा सकता है। हेलियो निम्नलिखित कार्यक्षमता प्रदान करता है: (वर्कफ़्लो प्रबंधन, डेटा विश्लेषण और प्रबंधन, और डेटा विज़ुअलाइज़ेशन)।
परिसंपत्तियों के प्रबंधन के लिए वर्कफ़्लो - उन्हें कहां तैनात किया गया है और उनका उपयोग कैसे किया जाता है, इसका एक पदानुक्रम। (उदाहरण के लिए, विश्व स्तर पर सभी ग्राहक सुविधाओं की स्थापना, प्रत्येक सुविधा के भीतर विशिष्ट सुविधाएं और अनुभाग, व्यक्तिगत स्टेशन, प्रत्येक स्टेशन में प्रत्येक संपत्ति तक)। इसके अलावा, परिसंपत्तियों को अलग-अलग चक्र दरों के साथ अलग-अलग कार्य करने के लिए स्थापित किया जा सकता है; इसे इन वर्कफ़्लोज़ के भीतर कॉन्फ़िगर किया जा सकता है। इसके अलावा टिकट/वर्कऑर्डर प्रबंधन की क्षमता भी है, जो हेलियो सर्वर वातावरण का एक हिस्सा है।
डेटा विश्लेषण और प्रबंधन - हेलियो के इस अनुभाग के भीतर, एक उपयोगकर्ता एआई आउटपुट पर किसी भी कच्चे डेटा स्नैपशॉट (यानी, अधिकतम, न्यूनतम और प्रति घंटे के आधार पर औसत डेटा मान या डेटा हस्ताक्षर जो अलर्ट या अलार्म ट्रिगर करता है) के साथ आगे का विश्लेषण चला सकता है। . ये क्वेरीज़ हो सकती हैं जो हेलियो एनालिटिक्स डिज़ाइनर में कॉन्फ़िगर की गई हैं या प्रोग्रामिंग भाषा आर जैसे टूल से लाए गए अधिक उन्नत एनालिटिक्स हैं। डेटा प्रबंधन परत वह जगह है जहां उपयोगकर्ता तीसरे पक्ष के कनेक्शन के लिए एपीआई प्रबंधन गेटवे का उपयोग कर सकता है जो हेलियो पर्यावरण के साथ समन्वय में डेटा का उपभोग और/या भेज रहा है।
Data Visualization - हेलियो विभिन्न उद्योग विशिष्ट रिपोर्टिंग के लिए टेम्पलेट प्रदान करता है, जो उपयोगकर्ताओं को हेलियो डेस्कटॉप और मोबाइल एप्लिकेशन दोनों से उनकी कनेक्टेड संपत्तियों के उपभोक्ता एंटरप्राइज एसेट मैनेजमेंट और एसेट परफॉर्मेंस मैनेजमेंट दृश्यों की अनुमति देता है।
माइक्रोएआई एटम:
माइक्रोएआई एटम एक मशीन लर्निंग प्लेटफॉर्म है जिसे एमसीयू वातावरण में एम्बेड करने के लिए डिज़ाइन किया गया है। इसमें बहु-आयामी व्यवहार विश्लेषण पुनरावर्ती एल्गोरिदम का प्रशिक्षण सीधे स्थानीय एमसीयू आर्किटेक्चर में शामिल है - क्लाउड में नहीं और फिर एमसीयू में धकेल दिया जाता है। यह मल्टीवेरिएंट मॉडल के आधार पर ऊपरी और निचले थ्रेशोल्ड के ऑटो-जेनरेशन के माध्यम से एमएल मॉडल के निर्माण और तैनाती में तेजी लाने की अनुमति देता है जो सीधे एंडपॉइंट पर बनता है। हमने अन्य पारंपरिक तरीकों की तुलना में मॉडलों को प्रशिक्षित करने के लिए सिग्नल डेटा के उपभोग और प्रसंस्करण का अधिक कुशल तरीका बनाने के लिए माइक्रोएआई बनाया है। यह न केवल बनने वाले मॉडल में उच्च स्तर की सटीकता लाता है बल्कि होस्ट हार्डवेयर पर कम संसाधनों का उपयोग करता है (यानी, कम मेमोरी और सीपीयू उपयोग), जो हमें एमसीयू जैसे वातावरण में चलाने की अनुमति देता है।
हमारे पास माइक्रोएआई™ नेटवर्क नामक एक अन्य प्रमुख पेशकश है।
माइक्रोएआई™ नेटवर्क - सीधे किनारे पर कई मॉडल बनाने के लिए परमाणुओं के नेटवर्क को बाहरी डेटा स्रोतों के साथ समेकित और मैश करने की अनुमति देता है। यह एटम चलाने वाली विभिन्न परिसंपत्तियों पर क्षैतिज और ऊर्ध्वाधर विश्लेषण चलाने की अनुमति देता है। माइक्रोएआई नेटवर्क यह समझने के और भी गहरे स्तर की अनुमति देता है कि एक उपकरण/परिसंपत्ति तैनात की गई समान संपत्तियों के संबंध में कैसा प्रदर्शन कर रही है। फिर, सीधे किनारे पर मॉडल बनाने के हमारे अनूठे दृष्टिकोण के कारण, मशीन लर्निंग मॉडल होस्ट हार्डवेयर की बहुत कम मेमोरी और सीपीयू का उपभोग करते हैं।
वन टेक IoT सुरक्षा परामर्श भी प्रदान करता है। खतरा मॉडलिंग और IoT प्रवेश परीक्षण की प्रक्रिया क्या है?
यह समझने की हमारी क्षमता के कारण कि संपत्तियां कैसे व्यवहार करती हैं, हम कनेक्टेड डिवाइस के आंतरिक से संबंधित डेटा का उपभोग कर सकते हैं (उदाहरण के लिए, सीपीयू, मेमोरी उपयोग, डेटा पैक आकार/आवृत्ति)। IoT उपकरणों में, अधिकांश भाग के लिए, संचालन का एक नियमित पैटर्न होता है - यह कितनी बार डेटा संचारित करता है, यह डेटा कहाँ भेजता है, और उस डेटा पैकेट का आकार। हम उस कनेक्टेड डिवाइस के लिए सामान्य आधार रेखा बनाने के लिए इन आंतरिक डेटा मापदंडों का उपभोग करने के लिए माइक्रोएआई लागू करते हैं। यदि डिवाइस पर कोई असामान्य क्रिया होती है, तो हम प्रतिक्रिया ट्रिगर कर सकते हैं। यह किसी डिवाइस को रीबूट करने या वर्कऑर्डर प्रबंधन टूल के भीतर टिकट खोलने से लेकर किसी डिवाइस पर नेटवर्क ट्रैफ़िक को पूरी तरह से काटने तक हो सकता है। हमारी सुरक्षा टीम ने परीक्षण हैक विकसित किए हैं और हमने इस क्षमता में माइक्रोएआई का उपयोग करके विभिन्न जीरो-डे हमले के प्रयासों का सफलतापूर्वक पता लगाया है।
क्या कुछ और है जो आप वन टेक, इंक. के बारे में साझा करना चाहेंगे?
माइक्रोएआई एटम कैसे कार्य करता है इसका एक चित्र नीचे दिया गया है। कच्चे डेटा को प्राप्त करने, स्थानीय वातावरण में प्रशिक्षण और प्रसंस्करण, डेटा का अनुमान लगाने और आउटपुट प्रदान करने से शुरू करना।
माइक्रोएआई नेटवर्क कैसे काम करता है इसका एक चित्र नीचे दिया गया है। कई माइक्रोएआई परमाणु माइक्रोएआई नेटवर्क में फीड होते हैं। एटम डेटा के साथ, परिसंपत्ति कैसा प्रदर्शन कर रही है, इसकी अधिक विस्तृत समझ के लिए अतिरिक्त डेटा स्रोतों को मॉडल में विलय किया जा सकता है। इसके अलावा, माइक्रोएआई नेटवर्क के भीतर कई मॉडल बनाए गए हैं जो हितधारकों को क्षैतिज विश्लेषण चलाने की अनुमति देते हैं कि विभिन्न क्षेत्रों में, ग्राहकों के बीच, अपडेट से पहले और बाद में संपत्तियां कैसा प्रदर्शन कर रही हैं, आदि।
साक्षात्कार और आपकी विस्तृत प्रतिक्रियाओं के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं उन्हें अवश्य आना चाहिए एक तकनीक.
