एडम ग्रॉस, हार्मोनआईज़ के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

Adam Gross, हार्मोनआईज़ के सह-संस्थापक और सीईओ, लगभग तीन दशकों के अनुभव वाले एक सीरियल उद्यमी हैं, जिन्होंने स्वास्थ्य सेवा, वित्तीय सेवाओं और डेटा एनालिटिक्स में प्रौद्योगिकी-चालित व्यवसायों का निर्माण और विस्तार किया है। उन्होंने 2013 में RightEye की सह-स्थापना की, जो स्वास्थ्य सेवा, पेशेवर खेल और सैन्य प्रदर्शन अनुप्रयोगों में उपयोग होने वाला एक आँख-ट्रैकिंग प्रौद्योगिकी मंच विकसित करता है, और 2024 में Dr. Melissa Hunfalvay के साथ हार्मोनआईज़ की सह-स्थापना की, ताकि इस विशेषज्ञता को एआई-संचालित मानव-स्थिति बुद्धिमत्ता में विस्तारित किया जा सके। अपने करियर की शुरुआत में, ग्रॉस ने स्वास्थ्य देखभाल लागत-नियंत्रण कंपनी KeyClaims की सह-स्थापना की, जिसे 2012 में Stratose/Zelis Healthcare ने अधिग्रहित किया, और वित्तीय विश्लेषण मंच Trending123.com, जिसे 2007 में InvestorPlace Media ने खरीदा। उन्होंने वित्तीय प्रौद्योगिकी कंपनी KeepMore की भी स्थापना की और Eastern ATM की सह-स्थापना की, जो संयुक्त राज्य के पूर्वी तट पर एक निजी एटीएम नेटवर्क चलाता था, और 1998 में अधिग्रहित हो गया।

HarmonEyes Theia नामक एक एआई फाउंडेशन मॉडल विकसित कर रहा है, जो वास्तविक समय में आँखों की गति से व्यक्ति की संज्ञानात्मक, भावनात्मक और शारीरिक स्थिति के पहलुओं का अनुमान लगाता है। यह प्रौद्योगिकी संज्ञानात्मक लोड, ध्यान, मानसिक तत्परता, थकान, तनाव, विचलन, मोशन सिकनेस, और उपयोगकर्ता प्रमाणीकरण सहित कई संकेतों को माप सकती है, और इसके संभावित उपयोग एआई सहायक, ऑटोमोटिव सिस्टम, विस्तारित वास्तविकता, रक्षा, स्वास्थ्य सेवा, शिक्षा, औद्योगिक सुरक्षा, गेमिंग और बाजार अनुसंधान में हैं। Theia को सामान्य कैमरा-सुसज्जित उपकरणों पर एज पर काम करने के लिए डिज़ाइन किया गया है, बिना विशेष आँख-ट्रैकिंग हार्डवेयर की आवश्यकता के, और HarmonEyes का कहना है कि वीडियो और व्यक्तिगत डेटा संग्रहीत नहीं होते। कंपनी अपनी प्रौद्योगिकी को RightEye तक ट्रेस करती है और बताती है कि उसके मॉडल 585 अरब से अधिक आँख-गति डेटा बिंदुओं पर आधारित हैं, जो 16.3 मिलियन रिकॉर्ड में फैले हैं, जिससे मानव-स्थिति बुद्धिमत्ता प्रौद्योगिकी को प्रशिक्षित और परिष्कृत करने के लिए एक बड़ा स्वामित्व वाला डेटासेट मिलता है।

आपने 2013 में RightEye की सह-स्थापना की और स्वास्थ्य सेवा, खेल और सैन्य अनुप्रयोगों के लिए आँख-ट्रैकिंग प्रौद्योगिकी विकसित करने में एक दशक से अधिक समय बिताया, फिर 2024 में HarmonEyes लॉन्च किया। किस बात ने आपको यह विश्वास दिलाया कि यह बुनियादी प्रौद्योगिकी और डेटासेट मानव-स्थिति बुद्धिमत्ता के लिए एक व्यापक फाउंडेशन मॉडल का समर्थन कर सकते हैं, और क्यों HarmonEyes इस दृष्टिकोण के लिए उपयुक्त साधन था?

विभिन्न क्षेत्रों के लिए आँख-ट्रैकिंग उत्पाद विकसित करने में एक दशक से अधिक के अनुभव के साथ, तीन परिवर्तन थे जिन्होंने हमारे HarmonEyes के विज़न को प्रेरित किया, जिससे मानव स्थिति बुद्धिमत्ता को अरबों उपकरणों तक पहुँचाया जा सके:

1. पिछले दशक में हमने सबसे बड़ा सत्यापित और लेबल किया गया आँख-ट्रैकिंग डेटाबेस प्राप्त किया है, जिसमें 130 से अधिक डेटासेट शामिल हैं, जो जनसांख्यिकी (जैसे आयु, लिंग), प्रदर्शन, ध्यान, भावना, दृष्टि और स्वास्थ्य स्थितियों आदि को कवर करते हैं।
2. एआई के प्रसार के साथ, वास्तविक‑समय मॉडल प्रशिक्षण की तकनीकें अचानक हमारे लिए उपलब्ध हो गईं — और हमारे पास उन्हें प्रशिक्षित करने के लिए डेटा था।
3. आँख‑ट्रैकिंग संकेत कैमरों द्वारा कैप्चर किए जाते हैं। हाल ही में, और पहली बार, उपभोक्ता‑ग्रेड कैमरे बेहतर, तेज़, सस्ते और पर्याप्त शक्तिशाली हो गए हैं कि वे इन संकेतों को निकाल सकें। हमारी टीम के नवाचारों के माध्यम से, अब हम आँख‑ट्रैकिंग मॉडल को किसी भी कैमरा‑आधारित डिवाइस पर तैनात कर सकते हैं, जिसमें लैपटॉप, फोन, टैबलेट, ऑटोमोबाइल आदि शामिल हैं।

Ofcom ने व्यवहारिक आयु अनुमान को अलग किया है, जिसमें यह देखा जाता है कि कोई व्यक्ति प्लेटफ़ॉर्म का उपयोग कैसे करता है, जबकि आयु जांच उन स्थितियों में काम करती है जहाँ पहुँच से पहले ही सत्यापित किया जाता है। आँखों की गति से आयु का अनुमान लगाना तकनीकी और नैतिक रूप से ब्राउज़िंग इतिहास, सामग्री प्राथमिकताएँ, भाषा या अन्य व्यवहारिक संकेतों के विश्लेषण से कैसे भिन्न है?

हमारी प्रौद्योगिकी को केवल विषय की आँखों की गति का एक छोटा नमूना चाहिए, जिससे व्यक्ति को आयु सीमा में रखा जा सके या यह पुष्टि की जा सके कि वह किसी विशिष्ट आयु से छोटा/बड़ा है। हम आँखों की गति डेटा को निष्क्रिय, निरंतर और गैर‑आक्रामक रूप से एकत्र कर सकते हैं, बिना किसी व्यक्तिगत पहचान योग्य जानकारी को संग्रहीत या एकत्र किए। इसके अलावा, सभी आँख‑ट्रैकिंग डेटा को आउटपुट प्रदान होने के बाद नष्ट कर दिया जाता है। हमारे पास लाइवनेस डिटेक्शन और स्पूफ़ प्रोटेक्शन करने की क्षमता भी है, जिससे लोग सिस्टम को धोखा नहीं दे सकते।

नैतिक रूप से, इसका मतलब है कि हम किसी व्यक्ति के व्यवहार, आदतों, निर्णयों या प्राथमिकताओं की प्रोफ़ाइलिंग नहीं कर रहे हैं — जो व्यवहारिक अनुमान के विपरीत है, जो परिभाषा के अनुसार समय के साथ उनके कार्यों से किसी व्यक्ति की छवि बनाता है। हम आयु आश्वासन प्रदान करते हैं बिना ऐसी व्यक्तिगत जानकारी एकत्र या रखे, इसलिए उपयोगकर्ता और अभिभावक आश्वस्त हो सकते हैं कि उन्हें ट्रैक या प्रोफ़ाइल किए बिना संरक्षित किया जा रहा है।

HarmonEyes के प्रकाशित शोध ने 45,696 लोगों की आँखों की गति का विश्लेषण किया और 12 आयु समूहों में 94.67% वर्गीकरण सटीकता रिपोर्ट की। यह सटीकता आंकड़ा वास्तव में क्या मापता है, और मॉडल को विश्वसनीय रूप से यह निर्धारित करने से पहले कि कोई व्यक्ति विशिष्ट सीमा, जैसे आयु 16, से ऊपर या नीचे है, कितना अतिरिक्त सत्यापन आवश्यक है?

सटीकता मापती है कि डेटासेट में जोड़ा गया कोई भी व्यक्ति का डेटा 94.67% समय सही आयु समूह (12 समूहों में से) में वर्गीकृत होता है। 16 वर्ष से ऊपर या नीचे होने का निर्धारण 16 वर्ष की विशिष्ट आयु सीमा की पहचान की तुलना में कम कठिन है। हालांकि, अध्ययन में उपयोग किया गया डेटा उन लोगों को बाहर रखता था जिनमें दृष्टि विकार या न्यूरोलॉजिकल स्थितियां थीं, इसलिए अतिरिक्त सत्यापन में उन लोगों को शामिल करना आवश्यक है जिनकी आँखों की गति कुछ हद तक असामान्य है।

क्या आप हमें तकनीकी रूप से समझा सकते हैं कि जब एक डेवलपर Theia की आयु‑अनुमान क्षमता को कॉल करता है, तो आँखों की गति को सामान्य कैमरे से कैप्चर करने से लेकर आयु‑रेंज परिणाम लौटाने तक क्या होता है, और कौन से चरण पूरी तरह से उपयोगकर्ता के डिवाइस पर होते हैं?

कैमरा पहले गेज वेक्टर की गणना करता है, जो निर्धारित करने में मदद करता है कि उपयोगकर्ता कहां देख रहा है। इन गेज वेक्टर को फिर हमारे SDK के माध्यम से प्रोसेस किया जाता है जहाँ उन्हें आँख‑ट्रैकिंग फीचर में परिवर्तित किया जाता है, जैसे वेग (आँखें कितनी तेज़ी से गति कर रही हैं) और फिक्सेशन (आँखें किस बिंदु पर केंद्रित हैं)।

इन फीचर उत्पन्न होने के बाद, उन्हें हमारे ML और AI एल्गोरिदम को फीड किया जाता है ताकि उपयोगकर्ता की आयु‑रेंज निर्धारित की जा सके।

इन सभी प्रक्रियाओं को एज‑आधारित किया जाता है और सीधे उपयोगकर्ता के डिवाइस पर या, परिनियोजन रणनीति के अनुसार, क्लाउड में किया जा सकता है। कोई भी कच्चा आँख‑ट्रैकिंग डेटा संग्रहीत नहीं किया जाता; प्रत्येक आउटपुट उत्पन्न होने के बाद इसे तुरंत नष्ट कर दिया जाता है।

आँखों की गति से आयु अनुमान प्रणाली प्रकाश, कैमरा गुणवत्ता, चश्मा, कॉन्टैक्ट लेंस, आँख स्थितियां, विकलांगता, जातीयता और डिवाइस से उपयोगकर्ता की दूरी जैसे कारकों पर अलग‑अलग प्रदर्शन कर सकती है। आप Theia का परीक्षण इन विविधताओं के खिलाफ कैसे कर रहे हैं, और विभिन्न जनसंख्या और पर्यावरणों के लिए सटीकता के संबंध में डेवलपर्स को कौन सा प्रमाण मिलेगा?

यह सत्य है कि आयु अनुमान की सटीकता स्थितियों के आधार पर बदलती है। सामान्य जनसंख्या को आयु आश्वासन मॉडल प्रदान करने के लिए, HarmonEyes परीक्षण, सत्यापन और परिणामों को पारदर्शी रूप से रिपोर्ट करता है ताकि Theia का उपयोग जिम्मेदारी से किया जा सके। इसमें बड़े और अधिक विविध डेटासेट का उपयोग करके हमारे मॉडलों को विस्तारित और सामान्यीकृत करना शामिल है।

• हम सटीकता दरों पर मार्गदर्शन प्रदान करते हैं और यदि, उदाहरण के लिए, कम डेटा सैंपलिंग दरें आयु आश्वासन आउटपुट की विलंबता को प्रभावित करती हैं।
• डेटा गुणवत्ता के कई पहलुओं के लिए विचार और वास्तविक‑समय निगरानी।

Theia कैसे पूर्व‑रिकॉर्डेड वीडियो, फ़ोटो, सिंथेटिक चेहरों, बड़े भाई/बहन द्वारा जांच पूरा करने, या उपयोगकर्ता द्वारा जानबूझकर अपनी नज़र बदलने जैसे बायपास प्रयासों का सामना करेगा, और क्या लाइवनेस डिटेक्शन सीधे सॉफ़्टवेयर डेवलपमेंट किट में निर्मित होगा?

सभी HarmonEyes आयु आश्वासन मॉडल में लाइवनेस डिटेक्शन और स्पूफ़िंग जाँच शामिल होगी। आँखों की गति प्रत्येक व्यक्ति के लिए अद्वितीय होती है और HarmonEyes यह निर्धारित कर सकता है कि किसी खाते के लिए आँखों की गति उस व्यक्ति से मेल खाती है जिसने खाता बनाया है, या वह किसी अन्य व्यक्ति, जैसे बड़ा भाई/बहन है।

कोई भी आयु‑अनुमान मॉडल पूरी तरह से सटीक नहीं होगा, विशेष रूप से उन उपयोगकर्ताओं के लिए जो कानूनी सीमा के निकट हैं। डेवलपर्स को अनिश्चित परिणामों को कैसे संभालना चाहिए, और क्या आप Theia को प्राथमिक जांच, जोखिम संकेत या एक स्तरित प्रक्रिया के भाग के रूप में देखते हैं जो कुछ उपयोगकर्ताओं को दूसरी सत्यापन विधि की ओर ले जाता है?

कोई भी आयु अनुमान मॉडल पूर्ण नहीं है। हम प्रत्येक परिणाम के साथ एक विश्वास स्तर प्रदान करते हैं। यह सटीकता और विश्वास स्तर आयु आश्वासन की पुष्टि करने के लिए पर्याप्त हो सकता है। हालांकि, यदि उदाहरण के लिए किसी विशिष्ट माप के लिए विश्वास स्तर एक निश्चित सीमा से नीचे है, तो इसे द्वितीयक सत्यापन को ट्रिगर करने के रूप में उपयोग किया जा सकता है। हमारा आयु आश्वासन मॉडल कई विधियों में से एक के रूप में उपयोग किया जा सकता है, जहाँ कई विधियों को पास करना आवश्यक है। अंत में, जोखिम सहनशीलता और उपयोग केस यदि विशिष्ट आयु, आयु रेंज, या यहाँ तक कि आयु सीमा (जैसे 16 या उससे कम) की आवश्यकता रखता है, तो यह निर्धारित करेगा कि समाधान प्राथमिक जांच है या स्तरित प्रक्रिया।

HarmonEyes कहता है कि Theia किनारे (एज) पर जानकारी प्रोसेस करता है और आउटपुट प्रदान होने के बाद आँख‑ट्रैकिंग डेटा को नष्ट कर देता है। डेवलपर्स, ऑडिटर्स या नियामक इस आर्किटेक्चर को स्वतंत्र रूप से कैसे सत्यापित कर सकते हैं, और कंपनी कैसे अपने मॉडलों को सुधार सकती है बिना तैनात अनुप्रयोगों से कच्चा आँख‑ट्रैकिंग डेटा एकत्र किए?

हमारी मॉडल विकास प्रक्रिया, और उसके बाद मॉडल सुधार, हमारे स्वामित्व वाले आँख‑ट्रैकिंग पाइपलाइन के भीतर किया जाता है। हम इसके लिए ग्राहक डेटा का उपयोग नहीं करते — हम मौजूदा (और बढ़ते) सत्यापित डेटा का उपयोग करते हैं।

यह हमें आवश्यकता अनुसार हमारे समाधान एज (क्लाउड‑रहित) पर प्रदान करने की अनुमति देता है। इन एज‑आधारित वातावरणों में, कंप्यूट और स्टोरेज आमतौर पर सीमित होते हैं और डिवाइस पर डेटा संग्रहीत करने की कोई क्षमता नहीं होती। हम हर सेकंड आयु आश्वासन आउटपुट प्रदान करते हैं — और हमारी नीति है कि प्रत्येक आउटपुट प्रदान होने के बाद आँख‑ट्रैकिंग डेटा को हर सेकंड नष्ट कर दिया जाए।

हम मानते हैं कि आर्किटेक्चर दावे तभी विश्वसनीय होते हैं जब उन्हें बाहरी रूप से पुष्टि किया जा सके। हम तृतीय‑पक्ष प्रमाणपत्र और प्रमाणन प्राप्त करने की दिशा में काम कर रहे हैं, जो डेवलपर्स, ऑडिटर्स और नियामकों को यह सत्यापित करने में सक्षम बनाते हैं कि तैनात अनुप्रयोगों में आँख‑ट्रैकिंग डेटा एकत्र या संग्रहीत नहीं किया गया है।

यूनाइटेड किंगडम अत्यधिक प्रभावी जांचों के लिए मानदंड विकसित कर रहा है, जबकि यूरोपीय संघ न्यूनतम व्यक्तिगत जानकारी प्रकट करने वाले गुमनाम आयु‑प्रमाण प्रणाली पर जोर दे रहा है। HarmonEyes यह कैसे प्रदर्शित करेगा कि शारीरिक आयु अनुमान इन उभरते आवश्यकताओं को पूरा करता है, न कि केवल एक अलग प्रकार की बायोमेट्रिक निगरानी पेश करता है?

हम प्रत्येक मॉडल के साथ एक श्वेतपत्र (white paper) प्रदान करते हैं जो विकास पद्धति, मॉडल सटीकता और ज्ञात सीमाओं का दस्तावेज़ीकरण करता है, और हम Theia को लाइव, रिमोट परीक्षण के लिए उपलब्ध कराते हैं ताकि नियामक या ऑडिटर वास्तविक‑विश्व प्रदर्शन का सीधे मूल्यांकन कर सकें।

जैसे-जैसे आयु आश्वासन व्यक्तिगत सामाजिक प्लेटफ़ॉर्म से ऑपरेटिंग सिस्टम, ऐप स्टोर और डिवाइस‑स्तर की बुनियादी संरचना की ओर बढ़ता है, आप मानते हैं कि Theia को उस तकनीकी स्टैक में कहाँ स्थित होना चाहिए, और उपभोक्ता ऐप्स, गेमिंग, सोशल मीडिया और अन्य आयु‑सीमित सेवाओं में जिम्मेदार अपनाने का स्वरूप क्या होगा?

हम अपनी आयु आश्वासन क्षमता के लिए कई प्रकार के एकीकरणों की तलाश कर रहे हैं। हम Theia को कंपनी के निजी तकनीकी स्टैक में, जैसे सामाजिक मीडिया प्लेटफ़ॉर्म; डिवाइस बुनियादी संरचना में, जैसे ऑपरेटिंग सिस्टम; वाणिज्य बुनियादी संरचना में, जैसे भुगतान नेटवर्क; या सीधे ऐप स्तर पर कार्य करते हुए देखते हैं।

हमारे लिए, जिम्मेदार अपनाना मतलब है सटीक आयु आश्वासन क्षमता प्रदान करना, सत्यापन प्रक्रियाओं की पारदर्शिता, मॉडल में डेटा विविधता, और इसे निजी तथा लागत‑प्रभावी तरीके से तैनात करना।

उत्कृष्ट साक्षात्कार के लिए धन्यवाद, अधिक जानने के इच्छुक पाठकों को HarmonEyes पर जाना चाहिए।