आर्टिफिशियल इंटेलिजेंस (एआई) उद्योगों में कई बातचीत में सबसे आगे है। और क्यों नहीं? यह हमारे लिए व्यापक समाधान लेकर आया है, जिससे मानव जाति का इतना समय बचता है। लेकिन हर चीज की तरह, इसकी भी सीमाएं हैं, विशेष रूप से सामान्य एआई, जो अक्सर
कुछ स्पीकरफ़ोन के माध्यम से सुलभ एक सामान्य एल्गोरिदम के लिए कैच-ऑल टर्म की तरह लगता है जो कुछ भी कर सकता है।
जब एआई को इतनी सारी चीजों के समाधान के रूप में प्रचारित किया जाता है, तो यह मुझे सोचता है कि आप उस प्रचार को कितनी दूर तक चला सकते हैं? 'स्कूल ऑफ लाइफ' की एक प्रसिद्ध वार्ता 'आप गलत व्यक्ति से शादी क्यों करेंगे' एक प्रश्न के लिए प्रेरित किया, 'क्या आप'
एआई को चुनने दें कि आप किससे शादी करते हैं?' क्या यह सही वैवाहिक चुनाव करने में मदद कर सकता है?
जबकि एआई बेहद जटिल संबंध मामलों का पूरी तरह से उत्तर नहीं दे सकता है, यह आपको उत्तर खोजने के काफी करीब ला सकता है। हम वित्तीय दुनिया में अक्सर इसका सामना करते हैं। क्या AI अगले सौदे की भविष्यवाणी करने में सक्षम है? इसका उत्तर है नहीं, यह अभी संभव नहीं है।
हालाँकि, AI का उपयोग उन्नत विश्लेषणात्मक और पूर्वानुमान क्षमताओं के साथ मॉडल बनाने के लिए किया जा सकता है, जो आने वाले समय के बारे में एक स्पष्ट विचार प्रदान करने के लिए बहुत गहरी अंतर्दृष्टि प्रदान करता है और पैटर्न को उजागर करता है।
निर्णयों में एआई लागू करना
आइए निर्णय लेने के संदर्भ में इस पर विचार करें। सरल तरीके से हमारे पास दो प्रकार के निर्णय होते हैं:
- जिन्हें हम अक्सर बनाते हैं, और इसलिए बहुत सारे फीडबैक लूप के साथ। जैसे: दूध खरीदना। मेरे परिवार को यह पता लगाने में कुछ महीने लगे कि हमें सप्ताह में चार बोतलों की आवश्यकता है, जब तक कि यह ठंडा न हो और सप्ताहांत पर, जब सभी को कुछ अतिरिक्त 'गर्म कप्पा' की आवश्यकता हो।
एआई संभावित रूप से इसे हमारे लिए जल्द ही हल कर सकता था, जब तक कि हम इसे पैटर्न को देखने के लिए मौसम के आंकड़ों को खिलाते।
-दूसरे प्रकार का निर्णय वह होता है जिसे हम बार-बार करते हैं. संभवतः, जीवन में केवल एक बार हमारे निर्णय के परिणाम के आधार पर सुधार करने का बहुत कम मौका होता है। उदाहरण: एक पेशा चुनना, विश्वविद्यालय की डिग्री, पहली नौकरी, या
LOL, शादी करने का फैसला कर रहा है।
बेशक, हम अपनी पसंद के परिणाम के साथ जीते हैं, लेकिन उनसे सीखने और अन्य निर्णय लेने के अवसर सीमित और अक्सर महंगे होते हैं।
मेरे द्वारा पढ़ी गई एक पेरेंटिंग पुस्तक इन पंक्तियों के साथ एक चेतावनी रखती है: "जबकि हम निम्नलिखित अध्यायों में पेरेंटिंग सलाह का समर्थन करते हैं, हम स्वीकार करते हैं कि एक बच्चे पर विभिन्न पेरेंटिंग विधियों को आज़माना और परिणामों की तुलना करना संभव नहीं है"। सीधे शब्दों में कहें, कोई नहीं है
विभिन्न निर्णयों को आजमाने और परिणामों की तुलना करने का तरीका। बस एक और चीज जो पेरेंटिंग दिखाती है वह कठिन है।
और यह दर्शाता है कि पैटर्न देखने के लिए पर्याप्त डेटा होना कितना महत्वपूर्ण है।
मशीन लर्निंग चुनौतियां
मशीन लर्निंग, एआई का एक लोकप्रिय रूप है, जिसे कुछ समय के लिए जटिल समस्याओं के 'जादुई समाधान' के रूप में देखा गया है। बहुत सारे डेटा को अवशोषित करने और उसमें अर्थ खोजने की कोशिश करने में सक्षम होने का आकर्षण एक निश्चित अपील है। यह क्यों नहीं होगा? प्रौद्योगिकी का वादा
कुछ जटिल लेना और सर्वोत्तम समाधान के साथ आना किसी भी निर्णय निर्माता से अपील करेगा।
मशीन लर्निंग सॉल्यूशंस की चुनौती जटिल इनपुट जानकारी से एक आसान निर्णय लेने में मदद कर रही है; अविश्वसनीय मात्रा में डेटा, आंतरिक और बाहरी, और फिर आउटपुट को कैसे संप्रेषित किया जाता है। . दो प्रकार के निर्णयों के उपरोक्त उदाहरणों में,
उम्मीद है कि मशीन लर्निंग एल्गोरिदम दूध खरीदने के सवाल को जल्दी हल कर देगा।
यह मानते हुए कि हम खरीदी गई मात्रा और बाहर के मौसम पर डेटा प्रदान करते हैं - मॉडल आगे जाकर एक अच्छा पूर्वानुमान तैयार करेगा। पर्यटन स्थलों, रेस्तरां श्रृंखलाओं, एयरलाइंस, रसद कंपनियों और कई अन्य जैसे संगठन प्राप्त करते हैं
विश्लेषिकी जिसका उपयोग मौसम के आधार पर दैनिक, साप्ताहिक और मौसमी मात्रा का अनुमान लगाने के लिए किया जा सकता है, और यहां तक कि यह भी सुझा सकता है कि उस मांग को पूरा करने के लिए उन्हें कितने संसाधनों की आवश्यकता हो सकती है। अतिरिक्त चर मॉडल में अधिक जटिलता जोड़ते हैं और संभावित अतिरिक्त बनाते हैं
अन्य प्रश्नों के उत्तर देने और अधिक चर जोड़ने की आवश्यकता है (उदाहरण के लिए, सप्ताह जो क्लीनर आता है बनाम नहीं)।
एआई को यह तय करने की अनुमति देने के मूल प्रश्न पर वापस जाएं कि आप किससे शादी करते हैं। निश्चित रूप से, बहुत सारे डेटा बिंदु हैं - करोड़ों या अरबों विवाह। शोधकर्ताओं और मैचमेकर दोनों द्वारा सदियों से प्रासंगिक इनपुट का अध्ययन किया गया है। वहाँ हैं
बहुत सारे आउटपुट।
तो समस्या क्या है?
- जबकि कई डेटा बिंदु हैं, प्रत्येक अद्वितीय निर्णय निर्माता की अपनी विशिष्ट प्राथमिकताएँ होंगी - इसलिए मॉडलिंग की दुनिया में, हमें प्रत्येक व्यक्ति के लिए एक अलग एल्गोरिथ्म बनाने की आवश्यकता होगी, जिसे विवाह के लिए मिलान करने की आवश्यकता है। यह जटिल है, लेकिन संभव है
भविष्य में। विचार करें कि ऐप्पल म्यूज़िक और पेंडोरा जैसे अनुशंसा इंजन आपकी प्रतिक्रियाओं के आधार पर आपके द्वारा सुझाए गए संगीत के प्रकारों को कैसे विकसित करना जारी रखते हैं। ऐसे समाधान जहां प्रत्येक निर्णय विशिष्ट रूप से अनुकूलित मॉडल द्वारा किया जाता है, पहले से ही तैनात हैं
व्यापार जगत में. - दूसरे, हमें सही और प्रासंगिक डेटा बिंदुओं को पकड़ने और 'शोर' को कम करने की आवश्यकता है। जबकि कुछ नीली आंखों वाले ब्रुनेट्स या भूरी आंखों वाले गोरे लोगों को पसंद कर सकते हैं, यह साबित करने के लिए बहुत कम है कि "पसंदीदा प्रकार" के आधार पर विवाह दूसरों की तुलना में अधिक सफल होते हैं। डेटिंग
ऐप्स ऐसे मैचों के लिए सही फॉर्मूला खोजने की उम्मीद में अपने एल्गोरिदम को बेहतर बनाना जारी रखते हैं। फिर भी, आपको तारीखों पर जाकर देखना होगा। - अंत में, गलत निर्णय लेने की लागत अधिक है। निर्णय लेने वाले व्यक्तियों पर इसे छोड़ते हुए सर्वोत्तम परिणाम नहीं मिल सकते हैं, मशीन सीखने के समाधान का निर्माण करने वाली एक विशेषज्ञ टीम इन निर्णयों को लेने की जिम्मेदारी नहीं चाहती है।
एक कैरियर देयता जोखिम है जिसे काम करने की आवश्यकता है। व्यावसायिक संदर्भ में - 'ब्लैक बॉक्स' को सबसे अच्छी तरह से जानने पर जोर देने की तुलना में विशेषज्ञों को निर्णय लेने देना बेहतर हो सकता है।
अंध विश्वास से बचना
तो, विवाह की चुनौतियों पर वापस। स्कूल ऑफ लाइफ का प्रसिद्ध भाषण बस इतना कहता है कि हम निश्चित रूप से उस व्यक्ति से शादी करेंगे जो हमारे लिए कुछ गलत है। "वह व्यक्ति जो हमारे लिए सबसे उपयुक्त है वह वह व्यक्ति नहीं है जो हमारे हर स्वाद को साझा करता है (वे नहीं करते हैं)
मौजूद है), लेकिन वह व्यक्ति जो स्वाद में मतभेदों को समझदारी से बातचीत कर सकता है - वह व्यक्ति जो असहमति में अच्छा है।
पूर्ण पूरकता के कुछ काल्पनिक विचार के बजाय, यह उदारता के साथ मतभेदों को सहन करने की क्षमता है जो 'अत्यधिक गलत नहीं' व्यक्ति का सच्चा मार्कर है। अनुकूलता प्रेम की उपलब्धि है; यह इसकी पूर्व शर्त नहीं होनी चाहिए।"
मशीन लर्निंग की भाषा में एक व्यापक सामान्य संदर्भ में आगे बढ़ते हुए - संभावित उम्मीदवार के बारे में हम समय से पहले जो मानक चर जानते हैं, उनमें से कोई भी यह अनुमान लगाने में हमारी मदद नहीं कर सकता है कि निर्णय गलत है या नहीं। हम 'खिलाने' से बहुत दूर हैं
मशीन बहुत सारे डेटा' और इसे समझने की उम्मीद कर रहा है। वास्तव में, यह मानवीय हस्तक्षेप के बिना कभी नहीं हो सकता है। जब पायलट अशांति के दौरान और अच्छे कारण के लिए ऑटोपायलट को बंद कर देता है तो हम सुरक्षित महसूस करते हैं।
जबकि मशीन लर्निंग और एआई हमारे जीवन को आसान बना सकते हैं, यह कहना सुरक्षित है कि हम अपने लिए जीवन बदलने वाले निर्णय लेने के लिए इन तकनीकों पर आँख बंद करके भरोसा नहीं करेंगे। इससे हम महत्वपूर्ण व्यावसायिक निर्णय लेने वाले उद्योग विशेषज्ञों से क्या कह सकते हैं? प्रयोग करना
एआई और एमएल आपको अपने लक्ष्य तक आधे रास्ते तक ले जाने के लिए - लेकिन डेटा का विश्लेषण करने के लिए अपने विशेषज्ञों को पकड़ें और अंतिम चरणों में आपका मार्गदर्शन करने के लिए संदर्भ के साथ उनके सर्वोत्तम निर्णय का उपयोग करें। हमें यकीन है कि हम इस पर काम कर रहे हैं।
