सभी के लिए कृत्रिम बुद्धि

जनवरी 2019 की शुरुआत में, फोर्ब्स ने 2018 की मुख्य तकनीकी पुस्तकों में से एक टॉप -10 को संकलित किया, जिनमें से प्रीडिक्शन मशीन: द सिंपल इकोनॉमिक्स ऑफ आर्टिफिशियल इंटेलिजेंस थे । लेखकों की एक टीम द्वारा लिखी गई पुस्तक - जोशुआ गन्स (जोशुआ गन्स), अजय अग्रवाल (अजय अग्रवाल) और एवी गोल्डफार्ब (एवी गोल्डफार्ब) ने कृत्रिम बुद्धिमत्ता के स्थापित विचार को समझा और इसे पूरी तरह से अलग विमान में तब्दील कर दिया। यह किताब असली है।

पुस्तक के लेखकों में से एक, आर्टिफिशियल इंटेलिजेंस के विशेषज्ञ, जोशुआ हंस, टोरंटो विश्वविद्यालय (कनाडा) में रोटमैन स्कूल ऑफ मैनेजमेंट के एक प्रोफेसर, दैनिक समाचार ऐ ट्रैकिंग पर बहुत समय बिताते हैं, वास्तविकता से प्रचार को अलग करते हैं। आज, वह एमबीए छात्रों को नेटवर्किंग और डिजिटल मार्केटिंग रणनीति सिखाता है, जिसमें यह भी शामिल है कि कैसे कंपनियां तकनीकी नवाचार के माध्यम से अपने बाजारों में सफलतापूर्वक प्रतिस्पर्धा कर सकती हैं।

CEO.com के संपादकीय बोर्ड ने जोशुआ के साथ व्यापार मंडलियों में उनकी सनसनीखेज किताब, "प्रेडिक्शन मशीन: द सिंपल इकोनॉमिक्स ऑफ आर्टिफिशियल इंटेलिजेंस" पर चर्चा की । उसके साथ साक्षात्कार का अनुवाद पढ़ें।



आज वे AI की क्षमताओं के बारे में बहुत सारी बातें करते हैं।
लेकिन क्या आज के कारोबारी जगत में एआई के लाभों के ठोस उदाहरण हैं?

मैं मानता हूं: आज कृत्रिम बुद्धिमत्ता के आसपास बहुत प्रचार है। लेकिन पुस्तक में, हम पिछले 10 वर्षों में एआई के क्षेत्र में बनाई गई हर चीज की जांच करने के लिए एक अलग दृष्टिकोण लेते हैं। हम एक किताब में सामान्य बुद्धि के बारे में बात नहीं कर रहे हैं जो लोगों और उनकी सभी संज्ञानात्मक क्षमताओं को बदल सकती है - हम केवल एक पहलू के बारे में बात कर रहे हैं, अर्थात् हमारी भविष्यवाणी करने की क्षमता (भविष्यवाणी, भविष्यवाणी)।

आमतौर पर हम पूर्वानुमान के संदर्भ में दूरदर्शिता की बात करते हैं। उदाहरण के लिए, मौसम के साथ, हम पहले हवा, वर्षा और अन्य कारकों पर ऐतिहासिक डेटा एकत्र करते हैं, और फिर कल या अगले सप्ताह के लिए मौसम का पूर्वानुमान बनाते हैं।

लेकिन भविष्यवाणी हमेशा भविष्य के बारे में नहीं होती है। कंप्यूटर की दृष्टि यहां के अच्छे उदाहरणों में से एक है: जब आप कंप्यूटर को एक छवि देते हैं और पूछते हैं कि यह "क्या देखता है", तो आपको जो जवाब मिलता है वह वास्तव में एक भविष्यवाणी है। कंप्यूटर हालांकि खुद से पूछता है: "इस चित्र में किसी व्यक्ति के बारे में क्या सोचा जाएगा?" और एक जवाब देता है।

दूरदर्शिता का हमेशा बेहतर निर्णय लेने का लक्ष्य होता है। मौसम के पूर्वानुमान के लिए धन्यवाद, हम तय कर सकते हैं कि क्या कपड़े पहनने हैं। और जब आपके पास इस बारे में एक धारणा है, उदाहरण के लिए, एक एमआरआई छवि में, आप उपचार के सही पाठ्यक्रम को लिख सकते हैं।

इस दृष्टि से, AI काफी उबाऊ है। यह केवल बेहतर सांख्यिकीय तकनीक है। लेकिन एआई के विकास में भारी प्रगति इस तथ्य की ओर ले जाती है कि इसकी भविष्यवाणियां बेहतर, तेज और सस्ती हो जाएंगी। और यह उन महान अवसरों को खोलेगा जो हमारे पास पहले नहीं थे।

तो AI विज्ञापन से वास्तविक मूल्य तक कैसे चलता है?

जब हमने यह पुस्तक लिखी, तो हमें याद आया कि कंप्यूटर क्रांति और इंटरनेट क्रांति का क्या हुआ। उनके आसपास बहुत उत्तेजना थी, और कई कंपनियों ने उन चीजों पर लाखों डॉलर खर्च किए जो वास्तव में अच्छी तरह से सोचा नहीं गया था।

हम इस गलती को दोहराना नहीं चाहते हैं। इसके बजाय, हम कहते हैं: "यदि पूर्वानुमान निर्णय लेने की प्रक्रिया को बेहतर बनाने में मदद करता है, तो चलो हमारे संगठन की कार्य प्रक्रियाओं को लेते हैं और उन सभी निर्णयों का चयन करते हैं जो हमें स्रोत डेटा से परिणाम तक ले जाने के लिए बनाने की आवश्यकता होती है, और इस प्रक्रिया में हम यह निर्धारित करेंगे कि कहाँ अनिश्चितता के स्रोत। " यह तब है जब आप यह समझना शुरू कर देंगे कि एआई आपके लिए विशेष रूप से उपयोगी हो सकता है ताकि अनिश्चितताओं की संख्या को कम किया जा सके और बेहतर निर्णय लिया जा सके।

यह प्रक्रिया कंप्यूटर के साथ पहले भी हो चुकी है। लोगों ने तब वर्कफ़्लो और कार्यों को अलग-अलग पुनरावृत्तियों में विभाजित किया, और यह पता लगाया कि कंप्यूटर कहाँ उपयोगी होंगे। 20-25 साल पहले, यह पुनरुत्थान की घटना का कारण बना। हम इसे फिर से करने का सुझाव देते हैं।

आप लिखते हैं कि हर किसी के पास एआई के साथ अंतर्दृष्टि का क्षण है - एक ऐसा क्षण जब सब कुछ स्पष्ट हो जाता है, जैसे कि उंगली का एक स्नैप। क्या प्रत्येक उद्योग को एआई का उपयोग शुरू करने के लिए इसकी अंतर्दृष्टि की प्रतीक्षा करनी चाहिए?

ऐसे लोग हैं जो सोच रहे हैं: "क्या AI हमारे व्यवसाय में मदद कर सकता है?" लेकिन यह पहले से ही एक वास्तविकता हो सकती है। उदाहरण के लिए, हमने एक सुपरमार्केट श्रृंखला का अध्ययन किया। उन्होंने कोल्ड वेयरहाउस के लोडिंग के स्तर की भविष्यवाणी करने के लिए एआई का इस्तेमाल किया, जिससे अनुकूलन के मामले में महत्वपूर्ण लागत बचत हो सकती है। आखिरकार, खाद्य गोदाम महंगे हैं, और आपको आपूर्ति और मांग का एक इष्टतम संतुलन बनाए रखने की आवश्यकता है, अन्यथा आप सामानों के लिए खराब हो जाएंगे।

इस नेटवर्क ने मशीन सीखने का उपयोग यह समझने के लिए किया है कि दही के लिए कनाडा की मांग क्या है। उन्होंने पाया कि मौसम यह निर्धारित करने में महत्वपूर्ण कारक था कि क्या दिन के अंत में स्टोर में अधिक दही था या अपेक्षा से कम था। यहां तक ​​कि आमतौर पर ठंडे कनाडा में कई डिग्री के तापमान में गिरावट ने दही की उपभोक्ता मांग को बदल दिया है। और यह पूरी तरह से अविश्वसनीय कुछ निकला! वे मुनाफे को देखने लगे - यहाँ ५%, वहाँ ५% - और यह सब कुल लाभ को जोड़ता है। यह वही क्षण है जब लोग महसूस करते हैं: "ओह, यह वास्तव में हमारे लिए महत्वपूर्ण है।"

AI को डेटा पर "फीड" करने के लिए जाना जाता है। ऐसी कंपनियां हैं जिन्होंने काम के लिए बड़ी मात्रा में डेटा जमा किया है, और अन्य जो इस क्षेत्र में पिछड़ रहे हैं। क्या एआई को बड़ी मात्रा में डेटा के साथ कंपनियों को फायदा होगा?

वास्तव में, इस प्रश्न का उत्तर देना कठिन है। निश्चित रूप से, AI के लिए, आपको डेटा की आवश्यकता होती है, लेकिन AI से सभी को डराने का सबसे आसान तरीका यह है कि: "उनके पास डेटा है, लेकिन आप नहीं हैं।" मुझे इसमें कोई संदेह नहीं है कि Google, Facebook और Amazon जैसी कंपनियां इस समय AI का नेतृत्व कर रही हैं क्योंकि वे लंबे समय से डेटा के बारे में सोच रहे हैं और इसे सही तरीके से एकत्र कर रहे हैं। आमतौर पर, डेटा एकत्र करने वाली कंपनी, यह नहीं सोचती है कि इसका उपयोग कैसे किया जाएगा, और इसलिए जरूरी नहीं कि उसी स्थिति में हो।

एआई को सही डेटा की जरूरत है - ठीक से संरचित, सही विशेषताओं को मापने, साफ। यह संभावना है कि खरोंच से डेटा एकत्र करने के लिए आज से शुरू होने वाली नई कंपनियां अंततः एआई के लिए बेहतर डेटा बना सकती हैं।

किसी संगठन में AI का उपयोग करने की क्षमता कहां है?

यह एक जटिल मुद्दा है जिसका कई संगठन सामना करते हैं। अब मैं एआई को विश्लेषणात्मक प्रणालियों के कार्यों में से एक के रूप में देखता हूं, क्योंकि अभी भी बड़ी संख्या में विभिन्न तत्व हैं जो उनके साथ जुड़े डेटा के गहन अध्ययन की आवश्यकता है।

लेकिन लंबे समय में, यह बदलना चाहिए। सबसे पहले, हमेशा एक विकल्प होता है - आउटसोर्सिंग या अपने सिस्टम बनाना, और दोनों ही मामलों में फायदे और जोखिम हैं। यह इस बात पर भी निर्भर करता है कि संगठन के किन क्षेत्रों में एआई कार्यों से प्रभावित होना चाहिए। सामान्य एआई की क्षमताओं को केंद्रीकृत कार्यों में समझ में आता है, लेकिन विशिष्ट विभागों के लिए अधिक विशिष्ट कार्य इन विभागों में संबंधित एआई कार्यों में बदलाव का कारण बन सकते हैं।

उदाहरण के लिए एचआर को लें: मानव संसाधन प्रबंधक हमेशा यह अनुमान लगाने की कोशिश कर रहे हैं कि क्या एक नया कर्मचारी उत्पादक होगा, या किसी मौजूदा कर्मचारी को अपग्रेड करना है या नहीं। आज, एचआर विभागों ने बहुत सारे डेटा जमा किए हैं जो इन पूर्वानुमानों की मदद कर सकते हैं, लेकिन सभी आवश्यक जानकारी फ़ाइलों में संग्रहीत है और उपयोग नहीं की जाती है।

एआई के कार्यान्वयन की तैयारी के लिए क्या किया जाना चाहिए?

कहानी से सावधान रहें। प्रौद्योगिकी उपहार देने वाले लोगों से सावधान रहें। ऐ बहुत विशिष्ट बात है। तकनीक का एक गहरा ज्ञान और यह आपको क्या दे सकता है यह समझने में आपकी मदद करेगा कि क्या वे आपको वास्तव में कुछ सार्थक बेचने की कोशिश कर रहे हैं और इसकी क्षमता क्या है। दूसरे शब्दों में, यह बहुत महत्वपूर्ण है कि संगठन में ऐसे लोग हैं जो यह आंकलन करने में आपकी मदद कर सकते हैं कि डेटा विज्ञान और कंपनी के संचालन के दृष्टिकोण से संभावित लाभ वास्तविक हैं या नहीं।

इसी समय, प्रयोगों से भारी लाभ होता है। यदि आपके पास एक बड़ा संगठन है, तो व्यक्तिगत टीमों को उनकी गतिविधियों में कृत्रिम बुद्धि का उपयोग करने दें। एक प्रयोग के रूप में (और मुख्य कार्यों के प्रतिस्थापन के रूप में नहीं), इससे बहुत लाभ हो सकता है। आपको अपने जोखिमों का प्रबंधन करना चाहिए, लेकिन आपको उन अवसरों को नहीं खोना चाहिए जो एआई प्रदान करता है।