iMerit เปิดตัวแพลตฟอร์ม Scholars เพื่อขยายการฝึกและประเมิน AI โดยผู้เชี่ยวชาญ

โมเดลอาจอธิบายเรื่องการแพทย์ได้อย่างน่าเชื่อถือ หรือตอบโจทย์คณิตศาสตร์ได้อย่างคล่องแคล่ว แต่ก็ยังอาจผิดพลาดในจุดที่มีเพียงผู้เชี่ยวชาญเท่านั้นที่จะสังเกตเห็น ความจำเป็นต้องอาศัยวิจารณญาณของผู้เชี่ยวชาญนี้เป็นที่มาของการเปิดตัว แพลตฟอร์มของ iMerit ซึ่งก็คือ แพลตฟอร์ม iMerit Scholars ระบบที่ออกแบบมาเพื่อจัดการผู้ที่ฝึก ประเมิน และท้าทายโมเดล AI ขั้นสูง

บริษัทในเครือ EXL ประกาศเปิดตัวเมื่อวันที่ 26 ตุลาคม โดยรวบรวมการสรรหา การปฐมนิเทศ การจับคู่ผู้เชี่ยวชาญ การมอบหมายโครงการ การมีส่วนร่วม และการจ่ายเงินไว้ในแพลตฟอร์มเดียว ตามประกาศดังกล่าว โครงการ Scholars ที่มีอยู่มีผู้เชี่ยวชาญที่ได้รับเชิญและผ่านการตรวจสอบแล้วมากกว่า 30,000 คน ใน 118 ประเทศ และรองรับ 106 ภาษา

แพลตฟอร์มนี้ออกแบบมาเพื่อรองรับผู้เชี่ยวชาญหลายแสนคนเมื่อความต้องการเพิ่มขึ้น ตัวเลขดังกล่าวสื่อถึงขนาดการดำเนินงานที่ตั้งเป้าไว้ ซึ่งแตกต่างจากขนาดชุมชนในปัจจุบันตามที่รายงานไว้ ข้อเสนอเร่งด่วนในขณะนี้คือการทำให้ประสานงานกับผู้เชี่ยวชาญเฉพาะด้านได้ง่ายขึ้นตลอดวงจรการพัฒนาและการนำโมเดลไปใช้งาน

สร้างกำลังคนเบื้องหลังการพัฒนาโมเดล

ชุมชน Scholars ครอบคลุมผู้เชี่ยวชาญด้านการแพทย์ คณิตศาสตร์ เกษตรกรรม ภาษาศาสตร์ ระบบอัตโนมัติ และสาขาเฉพาะทางอื่น ๆ ผู้เชี่ยวชาญเหล่านี้มีส่วนร่วมในการปรับแต่งโมเดลด้วยการเรียนรู้แบบมีผู้สอน การประเมินโมเดล การทดสอบเจาะจุดอ่อน และการเรียนรู้แบบเสริมกำลังจากผลตอบรับของมนุษย์ ซึ่งเรียกโดยทั่วไปว่า RLHF

กิจกรรมเหล่านี้ต้องอาศัยวิจารณญาณคนละแบบ การปรับแต่งโมเดลอาจต้องสร้างตัวอย่างคำตอบที่โมเดลควรให้ขึ้นมาอย่างรอบคอบ ส่วนการประเมินคือการตรวจสอบว่าผลลัพธ์เป็นไปตามเกณฑ์ที่กำหนดหรือไม่ การทดสอบเจาะจุดอ่อนมุ่งค้นหาความล้มเหลวของระบบ ขณะที่ผลตอบรับจากมนุษย์อาจให้ทั้งความเห็นและการแก้ไข ซึ่งนำไปใช้ในการฝึกครั้งต่อไปได้

ดังนั้น การจับคู่คนที่เหมาะสมกับงานจึงสำคัญพอ ๆ กับการขยายกลุ่มผู้เชี่ยวชาญ แพทย์ที่คุ้นเคยกับสาขาเฉพาะทางแคบ ๆ อาจพบข้อผิดพลาดที่ส่งผลสำคัญ ซึ่งผู้ตรวจสอบที่มีความรู้กว้างขวางอาจมองข้ามไป นักภาษาศาสตร์อาจสังเกตเห็นความกำกวมที่หายไปเมื่อแปลตามตัวอักษร

แพลตฟอร์มใหม่นี้จับคู่โครงการกับความเชี่ยวชาญเฉพาะด้านและทักษะการคิด พร้อมจัดเตรียมโครงสร้างพื้นฐานด้านการบริหารเพื่อให้ผู้เชี่ยวชาญมีส่วนร่วมอย่างต่อเนื่อง iMerit ระบุว่าเป้าหมายคือการสร้างความสัมพันธ์ต่อเนื่องกับผู้เชี่ยวชาญที่เรียนรู้งานและเข้าร่วมวงจรการให้ข้อเสนอแนะ

“เราต้องการคนที่มีความรู้มากพอ ไม่ใช่แค่สอนโมเดลได้ แต่ยังพิสูจน์ได้ว่าโมเดลผิดและแก้ไขให้ถูกต้องได้ด้วย” Radha Basu รองประธานบริหารและหัวหน้า iMerit ที่ EXL กล่าว

Ango Hub เชื่อมโยงวิจารณญาณของผู้เชี่ยวชาญเข้ากับข้อมูลฝึก

เทคโนโลยีปฏิบัติการที่อยู่เบื้องหลังแพลตฟอร์ม Scholars คือ Ango Hub แพลตฟอร์มใส่คำอธิบายประกอบข้อมูลและประเมินโมเดลของ iMerit ซึ่งทำหน้าที่เปลี่ยนงานของผู้เชี่ยวชาญให้เป็นผลงานที่จัดระบบและตรวจสอบได้ เพื่อนำเข้าสู่กระบวนการฝึกหรือประเมิน

เอกสารผลิตภัณฑ์ปัจจุบันของ Ango Hub อธิบายถึงเวิร์กโฟลว์ที่กำหนดค่าได้ ผู้ใส่คำอธิบายประกอบหลายคนต่อชิ้นข้อมูล งานทดสอบมาตรฐาน และเครื่องมือควบคุมสำหรับผู้ตรวจสอบเพื่อยอมรับ ปฏิเสธ หรือแก้ไขป้ายกำกับ แนวทางของโครงการและระบบจัดการปัญหาช่วยให้ผู้ตรวจสอบคลี่คลายข้อสงสัย ขณะที่การควบคุมสิทธิ์ตามบทบาทจะกำหนดว่าใครทำงานกับข้อมูลแต่ละชุดได้บ้าง

แพลตฟอร์มรองรับข้อมูลหลายรูปแบบ ได้แก่ ภาพ วิดีโอ เสียง ข้อความ ไฟล์ PDF และข้อมูลทางการแพทย์ DICOM ความครอบคลุมนี้มีความสำคัญ เพราะการพัฒนาโมเดลผสานภาษาเข้ากับข้อมูลภาพ ข้อมูลทางคลินิก หรือข้อมูลจากโลกกายภาพมากขึ้นเรื่อย ๆ อินเทอร์เฟซและกระบวนการตรวจสอบจึงต้องเหมาะกับเนื้อหาที่ผู้เชี่ยวชาญกำลังพิจารณา

การแยกบทบาทของสองแพลตฟอร์มนี้ช่วยให้เห็นภาพชัดเจนขึ้น: Scholars ประสานงานกำลังผู้เชี่ยวชาญและความสัมพันธ์ระหว่างผู้เชี่ยวชาญกับโครงการ ส่วน Ango Hub มีเครื่องมือและเวิร์กโฟลว์ที่เปลี่ยนผลงานจากผู้เชี่ยวชาญให้เป็นข้อมูล AI ที่นำไปใช้ได้

จากการแก้คำตอบสู่การประเมินเวิร์กโฟลว์ของเอเจนต์ทั้งระบบ

Deep Reasoning Lab ของ iMerit ช่วยให้เห็นกระบวนการดังกล่าวได้ละเอียดขึ้น บริษัทระบุว่าผู้เชี่ยวชาญจะออกแบบสถานการณ์ที่มีหลายขั้นตอน ตรวจสอบผลลัพธ์จากโมเดล จัดหมวดหมู่ข้อผิดพลาด และเสนอการแก้ไขพร้อมคำอธิบาย ตัวอย่างที่มีโครงสร้างเหล่านี้ช่วยให้นักพัฒนาระบุได้ว่าคำตอบผิดพลาดตรงไหน และสร้างเนื้อหาสำหรับการฝึกที่มุ่งแก้ปัญหานั้นได้

บันทึกร่องรอยการให้เหตุผลเหล่านี้เป็นผลงานที่คัดสรรขึ้นและตรวจสอบสำหรับงานหนึ่ง ๆ ไม่ควรสันนิษฐานว่าบันทึกเหล่านี้เปิดเผยการคำนวณภายในทุกขั้นตอนที่ทำให้โมเดลสร้างคำตอบขึ้นมา คุณค่าในทางปฏิบัติอยู่ที่การทำให้เส้นทางการประเมินและการแก้ไขปรากฏชัดพอที่จะตรวจสอบและนำกลับมาใช้ได้

บริการประเมินเอเจนต์ของบริษัทขยายการตรวจสอบจากคำตอบสุดท้ายไปสู่ขั้นตอนการวางแผน การเรียกใช้เครื่องมือ สถานะระหว่างดำเนินการ และผลลัพธ์ บริษัทยังกล่าวถึงเกณฑ์ประเมินที่มีโครงสร้างและการวินิจฉัยชี้ขาดโดยผู้เชี่ยวชาญ สำหรับประเด็นต่าง ๆ เช่น การทำงานให้เสร็จ การเลือกเครื่องมือ การยึดโยงกับข้อมูล และขอบเขตของนโยบาย

เรื่องนี้สำคัญเมื่อ AI สามารถลงมือทำได้ เอเจนต์อาจสร้างสรุปที่เรียบเรียงอย่างดี แต่กลับใช้เครื่องมือผิดหรือทำงานที่เป็นเป้าหมายไม่เสร็จ การตรวจสอบลำดับการดำเนินการช่วยให้ผู้เชี่ยวชาญระบุความล้มเหลวเหล่านั้นและส่งข้อเสนอแนะที่มีโครงสร้างกลับไปยังนักพัฒนาได้

การจ่ายเงินและความต่อเนื่องของโครงการกลายเป็นส่วนหนึ่งของโครงสร้างพื้นฐาน

การเปิดตัวครั้งนี้ยังผสาน Trolley เพื่อรองรับการจ่ายเงินทั่วโลก iMerit ระบุว่าการผสานระบบนี้ช่วยสนับสนุนการชำระเงินที่ปลอดภัยและกระบวนการปฏิบัติตามกฎระเบียบสำหรับชุมชนผู้เชี่ยวชาญนานาชาติของบริษัท

การดำเนินงานด้านการชำระเงินอาจดูเหมือนไม่เกี่ยวข้องกับประสิทธิภาพของโมเดล แต่ส่งผลต่อความสามารถของผู้เชี่ยวชาญในการเข้าร่วมงานได้อย่างต่อเนื่อง เมื่อโครงการอาศัยผู้เชี่ยวชาญจากหลายประเทศ การสรรหา การเริ่มงาน การเข้าถึงงาน และค่าตอบแทนล้วนกลายเป็นปัจจัยที่ต้องจัดการในการดำเนินงาน

แพลตฟอร์มนี้รวบรวมฟังก์ชันเหล่านั้นไว้ควบคู่กับการจับคู่และการมีส่วนร่วม แทนที่จะปล่อยให้แต่ละทีมโครงการต้องจัดเตรียมทุกอย่างแยกกัน สำหรับลูกค้า ประโยชน์ที่คาดหวังคือกำลังคนและกระบวนการตรวจสอบที่สม่ำเสมอยิ่งขึ้น ส่วนผู้เชี่ยวชาญจะมีเส้นทางที่ชัดเจนขึ้น ตั้งแต่การเข้าร่วมโครงการไปจนถึงการทำงานให้เสร็จและรับค่าตอบแทน

“คุณไม่ได้แค่ติดป้ายกำกับข้อมูล แต่กำลังช่วยกำหนดวิธีคิดและพฤติกรรมของระบบเหล่านี้ในสาขาของคุณ” Pavel Kopach, M.D. ผู้เชี่ยวชาญด้านพยาธิวิทยาจาก Beth Israel Deaconess Medical Center และ iMerit Scholar ด้าน AI ในการดูแลสุขภาพ กล่าวในประกาศ

EXL นำบริบทด้านการนำระบบไปใช้งานในองค์กรมาเสริม

การเปิดตัวครั้งนี้เกิดขึ้นหลังจาก EXL เสร็จสิ้นการเข้าซื้อกิจการ iMerit ซึ่งประกาศเมื่อวันที่ 3 สิงหาคม EXL วางตำแหน่งการรวมกิจการครั้งนี้โดยมุ่งผสานความเชี่ยวชาญด้านการฝึกและประเมินโมเดลเข้ากับข้อมูล บริบทการดำเนินงาน และขีดความสามารถด้านการนำ AI ไปใช้งานในองค์กร

การรวมกิจการนี้เปิดช่องทางสู่ตลาดให้ Scholars ได้กว้างขึ้น Basu กล่าวว่า iMerit กำลังขยายจากการพัฒนาโมเดลแนวหน้าสู่กระบวนการทำงานในภาคธนาคาร การดูแลสุขภาพ และประกันภัย ซึ่งการปรับแต่งให้เหมาะกับแต่ละสาขา ความน่าเชื่อถือ และความปลอดภัย ล้วนส่งผลต่อความสำเร็จในการนำ AI ไปใช้งานจริง

แพลตฟอร์มใหม่นี้ไม่ได้ยืนยันด้วยตัวเองว่าโมเดลมีความน่าเชื่อถือในทุกบริบทเฉพาะทาง แต่ช่วยจัดการกับสิ่งที่จำเป็นกว่าในทางปฏิบัติ นั่นคือการจัดเตรียมบุคลากร เครื่องมือ และข้อเสนอแนะที่จำเป็นต่อการทดสอบระบบให้สอดคล้องกับข้อกำหนดของบริบทนั้น เมื่อ AI เข้ามามีบทบาทมากขึ้นในกระบวนการทำงานระดับมืออาชีพ ความสามารถในการค้นหาผู้เชี่ยวชาญที่เหมาะสม รวบรวมข้อแก้ไขที่เป็นประโยชน์ และนำความรู้นั้นกลับไปใช้ในการพัฒนาจึงกลายเป็นส่วนสำคัญของโครงสร้างพื้นฐานด้านเทคโนโลยีมากขึ้นเรื่อย ๆ