मुख्य तथ्य
- कंपनियां एआई का तेजी से उपयोग कर रही हैं जो बताती है कि यह कैसे परिणाम प्राप्त करता है।
- लिंक्डइन ने हाल ही में एआई का उपयोग करने के बाद अपने सब्सक्रिप्शन राजस्व में वृद्धि की, जिसने ग्राहकों को रद्द करने के जोखिम की भविष्यवाणी की और बताया कि यह अपने निष्कर्ष पर कैसे पहुंचा।
- संघीय व्यापार आयोग ने कहा है कि एआई जो व्याख्या योग्य नहीं है उसकी जांच की जा सकती है।
सॉफ्टवेयर में सबसे नए रुझानों में से एक आर्टिफिशियल इंटेलिजेंस (एआई) हो सकता है जो बताता है कि यह अपने परिणामों को कैसे पूरा करता है।
व्याख्यात्मक एआई भुगतान कर रहा है क्योंकि सॉफ्टवेयर कंपनियां एआई को और अधिक समझने योग्य बनाने की कोशिश करती हैं। लिंक्डइन ने हाल ही में एआई का उपयोग करने के बाद अपनी सदस्यता राजस्व में वृद्धि की, जिसने ग्राहकों को रद्द करने के जोखिम की भविष्यवाणी की और बताया कि यह अपने निष्कर्ष पर कैसे पहुंचा।
"व्याख्यात्मक एआई आउटपुट पर भरोसा करने में सक्षम होने के साथ-साथ यह समझने में सक्षम है कि मशीन वहां कैसे पहुंची," सिनेरएआई के सीईओ और माइक्रोसॉफ्ट में मुख्य डेटा विज्ञान, वित्तीय सेवाओं के ट्रैविस निक्सन ने एक ईमेल साक्षात्कार में लाइफवायर को बताया।.
"'कैसे?' कई एआई प्रणालियों के लिए एक प्रश्न है, खासकर जब निर्णय किए जाते हैं या आउटपुट उत्पन्न होते हैं जो आदर्श नहीं होते हैं," निक्सन ने कहा। "विभिन्न जातियों के साथ गलत व्यवहार करने से लेकर गंजे सिर को फुटबॉल समझ लेने तक, हमें यह जानने की जरूरत है कि एआई सिस्टम अपने परिणाम क्यों उत्पन्न करते हैं। एक बार जब हम 'कैसे' समझ जाते हैं, तो यह कंपनियों और व्यक्तियों को 'आगे क्या?' का जवाब देने के लिए तैनात करता है।"
एआई को जानना
AI सटीक साबित हुआ है और कई तरह की भविष्यवाणियां करता है। लेकिन एआई अक्सर यह समझाने में सक्षम होता है कि वह अपने निष्कर्ष पर कैसे पहुंचा।
और नियामक एआई की व्याख्या करने की समस्या पर ध्यान दे रहे हैं। संघीय व्यापार आयोग ने कहा है कि एआई जो व्याख्या योग्य नहीं है उसकी जांच की जा सकती है। ईयू आर्टिफिशियल इंटेलिजेंस एक्ट के पारित होने पर विचार कर रहा है, जिसमें ऐसी आवश्यकताएं शामिल हैं जो उपयोगकर्ता एआई भविष्यवाणियों की व्याख्या करने में सक्षम हों।
लिंक्डिन उन कंपनियों में से है जो सोचती है कि समझाने योग्य एआई मुनाफे को बढ़ावा देने में मदद कर सकता है। इससे पहले, लिंक्डइन सेल्सपर्सन अपने ज्ञान पर भरोसा करते थे और ऑफ़लाइन डेटा के माध्यम से बड़ी मात्रा में समय बिताते थे ताकि यह पता लगाया जा सके कि कौन से खाते व्यवसाय करना जारी रख सकते हैं और अगले अनुबंध नवीनीकरण के दौरान उन्हें किन उत्पादों में दिलचस्पी हो सकती है। समस्या को हल करने के लिए, लिंक्डइन ने क्रिस्टल कैंडल नामक एक कार्यक्रम शुरू किया जो रुझानों को देखता है और बिक्री करने वालों की मदद करता है।
एक अन्य उदाहरण में, निक्सन ने कहा कि एक कंपनी की बिक्री बल के लिए एक कोटा सेटिंग मॉडल के निर्माण के दौरान, उनकी कंपनी एक सफल नए बिक्री भाड़े की ओर इशारा करने वाली विशेषताओं की पहचान करने के लिए व्याख्या योग्य एआई को शामिल करने में सक्षम थी।
"इस आउटपुट के साथ, इस कंपनी का प्रबंधन यह पहचानने में सक्षम था कि कौन से सेल्सपर्सन को 'फास्ट ट्रैक' पर रखना है और किन लोगों को कोचिंग की आवश्यकता है, इससे पहले कि कोई भी बड़ी समस्या उत्पन्न हो, "उन्होंने कहा।
स्पष्ट एआई के लिए कई उपयोग
व्याख्यात्मक एआई का उपयोग वर्तमान में अधिकांश डेटा वैज्ञानिकों के लिए एक आंत जांच के रूप में किया जा रहा है, निक्सन ने कहा। शोधकर्ता अपने मॉडल को सरल तरीकों से चलाते हैं, सुनिश्चित करते हैं कि कुछ भी गड़बड़ नहीं है, फिर मॉडल को शिप करें।
"यह आंशिक रूप से इसलिए है क्योंकि कई डेटा विज्ञान संगठनों ने KPI के रूप में अपने सिस्टम को 'टाइम ओवर वैल्यू' के आसपास अनुकूलित किया है, जिससे जल्दी प्रक्रियाएँ और अधूरे मॉडल बन गए हैं," निक्सन ने कहा।
मुझे चिंता है कि गैर-जिम्मेदार मॉडल से झटका एआई उद्योग को गंभीर रूप से वापस ला सकता है।
लोग अक्सर परिणामों से आश्वस्त नहीं होते हैं कि AI समझा नहीं सकता है। कोगिटो के मुख्य इंजीनियरिंग अधिकारी राज गुप्ता ने एक ईमेल में कहा कि उनकी कंपनी ने ग्राहकों का सर्वेक्षण किया है और पाया है कि लगभग आधे उपभोक्ताओं (43%) को कंपनी और एआई के बारे में अधिक सकारात्मक धारणा होगी यदि कंपनियां उनके उपयोग के बारे में अधिक स्पष्ट थीं। प्रौद्योगिकी की।
और यह सिर्फ वित्तीय डेटा नहीं है जो समझाने योग्य एआई से मदद कर रहा है। एक क्षेत्र जो नए दृष्टिकोण से लाभान्वित हो रहा है, वह है छवि डेटा, जहां यह इंगित करना आसान है कि छवि के कौन से हिस्से एल्गोरिदम सोचते हैं कि आवश्यक हैं और जहां मानव के लिए यह जानना आसान है कि क्या वह जानकारी समझ में आती है, सामंथा क्लेनबर्ग, स्टीवंस के एक सहयोगी प्रोफेसर इंस्टीट्यूट ऑफ टेक्नोलॉजी और समझाने योग्य एआई के विशेषज्ञ ने ईमेल के जरिए लाइफवायर को बताया।
"ईकेजी या निरंतर ग्लूकोज मॉनिटर डेटा के साथ ऐसा करना बहुत कठिन है," क्लेनबर्ग ने कहा।
निक्सन ने भविष्यवाणी की थी कि समझाने योग्य एआई भविष्य में हर एआई सिस्टम का आधार होगा। और बिना समझाने योग्य AI के, परिणाम भयानक हो सकते हैं, उन्होंने कहा।
"मुझे आशा है कि हम आने वाले वर्षों में व्याख्यात्मक एआई लेने के लिए इस मोर्चे पर काफी आगे बढ़ेंगे और आज हम उस समय को पीछे मुड़कर देखेंगे तो आश्चर्य होगा कि कोई भी ऐसे मॉडल को तैनात करने के लिए पागल होगा जो उन्हें समझ में नहीं आया, " उसने जोड़ा।"अगर हम इस तरह से भविष्य को पूरा नहीं करते हैं, तो मुझे चिंता है कि गैर-जिम्मेदार मॉडल से झटका एआई उद्योग को गंभीर रूप से वापस कर सकता है।"
