डॉ देवव्रत शाह, इकिगाई लैब्स के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

डॉ देवव्रत शाह इकिगाई लैब्स के सह-संस्थापक और सीईओ हैं और वे एमआईटी में सांख्यिकी और डेटा साइंस सेंटर के एक प्रोफेसर और निदेशक भी हैं। उन्होंने सेलेक्ट, एक पूर्वानुमानिक विश्लेषण मंच की स्थापना की, जिसे उन्होंने नाइके को बेच दिया। देवव्रत के पास भारतीय प्रौद्योगिकी संस्थान और स्टैनफोर्ड विश्वविद्यालय से कंप्यूटर विज्ञान में स्नातक और पीएचडी है।

इकिगाई लैब्स एक एआई-संचालित मंच प्रदान करता है जो उद्यमों के लिए टेबुलर और समय श्रृंखला डेटा को पूर्वानुमानिक और कार्रवाई योग्य अंतर्दृष्टि में बदलने के लिए डिज़ाइन किया गया है। पेटेंटेड लार्ज ग्राफिकल मॉडल का उपयोग करके, यह मंच विभिन्न उद्योगों में व्यवसायिक उपयोगकर्ताओं और डेवलपर्स को अपनी योजना और निर्णय लेने की प्रक्रियाओं में सुधार करने में सक्षम बनाता है।

क्या आप इकिगाई लैब्स की स्थापना की कहानी साझा कर सकते हैं? अकादमिक से उद्यमिता में संक्रमण के लिए आपको क्या प्रेरित किया?

मैं वास्तव में कुछ वर्षों से अकादमिक और व्यावसायिक दुनिया के बीच आगे-पीछे हो रहा हूं। मैंने अपने पूर्व छात्र विनायक रमेश के साथ इकिगाई लैब्स की स्थापना की। इससे पहले, मैंने सेलेक्ट नामक एक कंपनी की स्थापना की थी, जो खुदरा विक्रेताओं को एआई-आधारित मांग पूर्वानुमान के माध्यम से इन्वेंट्री निर्णयों को अनुकूलित करने में मदद करती थी। सेलेक्ट को 2019 में नाइके द्वारा अधिग्रहित किया गया था।

लार्ज ग्राफिकल मॉडल (एलजीएम) वास्तव में क्या हैं, और वे अधिक व्यापक रूप से ज्ञात लार्ज लैंग्वेज मॉडल (एलएलएम) से कैसे भिन्न हैं?

एलजीएम या लार्ज ग्राफिकल मॉडल डेटा का एक संभाव्य दृष्टिकोण है। वे “फाउंडेशन मॉडल” आधारित एआई जैसे एलएलएम के विपरीत हैं।

फाउंडेशन मॉडल मानते हैं कि वे एक बड़े डेटा सेट से सभी प्रासंगिक “पैटर्न” सीख सकते हैं। और इसलिए, जब एक नया डेटा स्निपेट प्रस्तुत किया जाता है, तो यह डेटा सेट के प्रासंगिक हिस्से के आधार पर बढ़ाया जा सकता है। एलएलएम ने असंरचित डेटा (पाठ, छवि) के लिए बहुत प्रभावी साबित किया है।

एलजीएम इसके बजाय एक बड़े “ब्रह्मांड” से डेटा स्निपेट के लिए प्रासंगिक “कार्यात्मक पैटर्न” की पहचान करते हैं। एलजीएम को इस तरह से डिज़ाइन किया गया है कि उनके पास संरचित डेटा (टेबुलर, समय श्रृंखला) के लिए प्रासंगिक सभी “कार्यात्मक पैटर्न” उपलब्ध हैं।

एलजीएम बहुत कम डेटा का उपयोग करके सटीक पूर्वानुमान और पूर्वानुमान प्रदान करने में सक्षम हैं। उदाहरण के लिए, वे महत्वपूर्ण, गतिशील रूप से बदलते रुझानों या व्यवसायिक परिणामों के उच्च सटीक पूर्वानुमान करने के लिए उपयोग किए जा सकते हैं।

क्या आप बता सकते हैं कि एलजीएम कैसे विशेष रूप से संरचित, टेबुलर डेटा के विश्लेषण के लिए उपयुक्त हैं, और इस क्षेत्र में अन्य एआई मॉडल की तुलना में उनके क्या फायदे हैं?

एलजीएम विशेष रूप से संरचित डेटा (अर्थात टेबुलर, समय श्रृंखला डेटा) के मॉडलिंग के लिए डिज़ाइन किए गए हैं। परिणामस्वरूप, वे बेहतर सटीकता और अधिक विश्वसनीय पूर्वानुमान प्रदान करते हैं।

इसके अलावा, एलजीएम को एलएलएम की तुलना में कम डेटा की आवश्यकता होती है और इसलिए कम कम्प्यूट और स्टोरेज आवश्यकताएं होती हैं, जिससे लागत कम होती है। इसका मतलब है कि संगठन एलजीएम से सटीक अंतर्दृष्टि प्राप्त कर सकते हैं, भले ही उनके पास सीमित प्रशिक्षण डेटा हो।

एलजीएम डेटा गोपनीयता और सुरक्षा का भी बेहतर समर्थन करते हैं। वे केवल एक उद्यम के अपने डेटा पर प्रशिक्षित होते हैं – जब आवश्यक हो तब चयनित बाहरी डेटा स्रोतों (जैसे मौसम डेटा और सोशल मीडिया डेटा) से पूरक। संवेदनशील डेटा को सार्वजनिक मॉडल के साथ साझा करने का कभी जोखिम नहीं होता है।

किन व्यवसायिक परिदृश्यों में एलजीएम सबसे अधिक मूल्य प्रदान करते हैं? क्या आप कुछ उदाहरण दे सकते हैं कि वे कैसे पूर्वानुमान, योजना, या निर्णय लेने में सुधार करने के लिए उपयोग किए गए हैं?

एलजीएम उन परिदृश्यों में मूल्य प्रदान करते हैं जहां एक संगठन को एक व्यवसायिक परिणाम की भविष्यवाणी करने या रुझानों की भविष्यवाणी करने की आवश्यकता होती है ताकि वे अपनी रणनीति का मार्गदर्शन कर सकें। दूसरे शब्दों में, वे विभिन्न उपयोग के मामलों में मदद करते हैं।

एक व्यवसाय की कल्पना करें जो हैलोवीन पोशाक और वस्तुओं को बेचता है और बेहतर मर्चेंडाइजिंग निर्णयों के लिए अंतर्दृष्टि प्राप्त करने की कोशिश कर रहा है। उनकी मौसमी प्रकृति के कारण, वे एक तंग तार पर चलते हैं: एक तरफ, कंपनी को अधिक स्टॉक करने और प्रत्येक मौसम के अंत में अधिशेष इन्वेंट्री के साथ समाप्त होने से बचने की आवश्यकता है (जिसका अर्थ है बेचे गए सामान और बर्बाद किए गए पूंजी निवेश)। दूसरी ओर, वे जल्दी से स्टॉक से बाहर नहीं निकलना चाहते हैं (जिसका अर्थ है बिक्री से चूकना)।

एलजीएम का उपयोग करके, व्यवसाय अपनी खुदरा मर्चेंडाइजिंग प्रयासों को निर्देशित करने के लिए एक आदर्श संतुलन बना सकता है। एलजीएम निम्नलिखित प्रश्नों का उत्तर दे सकते हैं:

• मैं इस मौसम में कौन सी पोशाकें स्टॉक करनी चाहिए? प्रत्येक एसकेयू के लिए कितनी स्टॉक करनी चाहिए?
• एक विशिष्ट स्थान पर एक एसकेयू कितनी अच्छी तरह बिकेगी?
• यह एक्सेसरी इस पोशाक के साथ कितनी अच्छी तरह बिकेगी?
• मैं उन शहरों में बिक्री को कैसे रोक सकता हूं जहां मेरे पास कई स्टोर हैं?
• नई पोशाकें कैसे प्रदर्शन करेंगी?

एलजीएम डेटा की कमी, असंगतता या तेजी से बदलने वाले परिदृश्यों में कैसे मदद करते हैं?

एलजीएम एआई-आधारित डेटा पुनर्मिलन का लाभ उठाकर सटीक अंतर्दृष्टि प्रदान करते हैं, भले ही वे छोटे या शोर वाले डेटा सेट का विश्लेषण कर रहे हों। डेटा पुनर्मिलन यह सुनिश्चित करता है कि डेटा संगत, सटीक और पूर्ण है। इसमें डेटासेट की तुलना और सत्यापन शामिल है ताकि विसंगतियों, त्रुटियों या असंगतताओं की पहचान की जा सके। डेटा के स्थानिक और समयिक संरचना को जोड़कर, एलजीएम कम और दोषपूर्ण डेटा के साथ अच्छे पूर्वानुमान की अनुमति देते हैं। पूर्वानुमान अनिश्चितता मात्रा और व्याख्या के साथ आते हैं।

इकिगाई का एआई को लोकतंत्रीकरण करने का मिशन एलजीएम के विकास के साथ कैसे संरेखित होता है? क्या एलजीएम की क्षमताओं को आगे बढ़ाने के लिए आपके पास कोई नई सुविधाएं या विकास हैं जिनके बारे में आप विशेष रूप से उत्साहित हैं?

एआई हमारे काम करने के तरीके को बदल रहा है, और उद्यमों को सभी प्रकार के श्रमिकों को एआई-सक्षम बनाने के लिए तैयार रहना होगा। इकिगाई प्लेटफ़ॉर्म व्यवसायिक उपयोगकर्ताओं के लिए एक सरल लो-कोड/नो-कोड अनुभव और डेटा वैज्ञानिकों और डेवलपर्स के लिए एक पूर्ण एआई बिल्डर और एपीआई अनुभव प्रदान करता है। इसके अलावा, हम अपने इकिगाई अकादमी में मुफ्त शिक्षा प्रदान करते हैं ताकि कोई भी एआई के मूलभूत सिद्धांतों के साथ-साथ इकिगाई प्लेटफ़ॉर्म पर प्रशिक्षित और प्रमाणित हो सके।

एलजीएम व्यवसाय में एआई के भविष्य को आकार देने में एक बड़ा प्रभाव डालेंगे। उद्यम उन उपयोग के मामलों के लिए जेनएआई का उपयोग करना चाहते हैं जिनमें सांख्यिकीय मॉडलिंग जैसे संभाव्य पूर्वानुमान और परिदृश्य योजना की आवश्यकता होती है। लेकिन एलएलएम इन उपयोग के मामलों के लिए नहीं बनाए गए थे, और कई संगठन सोचते हैं कि एलएलएम जेनएआई का एकमात्र रूप है। इसलिए वे पूर्वानुमान और योजना उद्देश्यों के लिए बड़ी भाषा मॉडल का उपयोग करने का प्रयास करते हैं, और वे वितरित नहीं करते हैं। वे हार मान लेते हैं और मानते हैं कि जेनएआई वास्तव में इन अनुप्रयोगों का समर्थन नहीं कर सकता है। जब वे एलजीएम की खोज करते हैं, तो वे महसूस करेंगे कि वे वास्तव में जेनएआई का लाभ उठा सकते हैं ताकि बेहतर पूर्वानुमान और योजना को बढ़ावा देने और उन्हें बेहतर व्यवसायिक निर्णय लेने में मदद मिल सके।

इकिगाई का प्लेटफ़ॉर्म एलजीएम को मानव-केंद्रित दृष्टिकोण के साथ एक्सपर्ट-इन-द-लूप फीचर के माध्यम से एकीकृत करता है। क्या आप बता सकते हैं कि यह संयोजन उद्यमों में एआई मॉडल की सटीकता और अपनाने को कैसे बढ़ाता है?

एआई को गार्डरेल्स की आवश्यकता है, क्योंकि संगठन स्वाभाविक रूप से इस प्रौद्योगिकी के प्रदर्शन की सटीकता और प्रभावशीलता के बारे में संदेह करते हैं। इन गार्डरेल्स में से एक मानव पर्यवेक्षण है, जो महत्वपूर्ण डोमेन विशेषज्ञता को इंजेक्ट करने और यह सुनिश्चित करने में मदद कर सकता है कि एआई मॉडल व्यवसाय के लिए प्रासंगिक और उपयोगी पूर्वानुमान और पूर्वानुमान प्रदान कर रहे हैं। जब संगठन एआई की निगरानी में एक मानव विशेषज्ञ को रख सकते हैं, तो वे इस पर विश्वास कर सकते हैं और इसकी सटीकता की पुष्टि कर सकते हैं। यह एक बड़ी बाधा को पार करता है।

इकिगाई के प्लेटफ़ॉर्म में क्या प्रमुख तकनीकी नवाचार हैं जो इसे वर्तमान में उपलब्ध अन्य एआई समाधानों से अलग बनाते हैं?

हमारी मूल एलजीएम प्रौद्योगिकी सबसे बड़ा अंतर है। इकिगाई इस स्थान में एक अग्रणी है और इसका कोई समकक्ष नहीं है। मेरे सह-संस्थापक और मैंने एमआईटी में अपने शोध के दौरान एलजीएम का आविष्कार किया। हम बड़े ग्राफ़िकल मॉडल और संरचित डेटा पर जेनएआई के उपयोग में नवप्रवर्तनकर्ता हैं।

क्या आप उन उद्योगों पर एलजीएम के प्रभाव की कल्पना कर सकते हैं जो सटीक पूर्वानुमान और योजना पर बहुत अधिक निर्भर करते हैं, जैसे कि खुदरा, आपूर्ति श्रृंखला प्रबंधन और वित्त?

एलजीएम पूरी तरह से परिवर्तनकारी होंगे क्योंकि वे विशेष रूप से टेबुलर और समय श्रृंखला डेटा पर उपयोग के लिए डिज़ाइन किए गए हैं, जो प्रत्येक कंपनी की जीवनधारा है। लगभग हर संगठन हर उद्योग में संरचित डेटा विश्लेषण पर निर्भर करता है – मांग पूर्वानुमान और व्यवसायिक योजना के लिए अल्पकालिक और दीर्घकालिक दोनों निर्णय लेने के लिए। एलजीएम सबसे अच्छा संभव निर्णय लेने के लिए एक क्रिस्टल बॉल की तरह काम करेंगे।

आगे देखते हुए, इकिगाई लैब्स के लिए एलजीएम की क्षमताओं को आगे बढ़ाने के अगले कदम क्या हैं? क्या आपके पास पाइपलाइन में कोई नई सुविधाएं या विकास हैं जिनके बारे में आप विशेष रूप से उत्साहित हैं?

हमारे मौजूदा एआईप्लान मॉडल में व्हाट-इफ़ और परिदृश्य विश्लेषण का समर्थन है। आगे देखते हुए, हम इसके विकास को आगे बढ़ाने और संचालन टीमों के लिए पूर्ण विशेषताओं वाले रिनफोर्समेंट लर्निंग को सक्षम करने का लक्ष्य रखते हैं। यह एक ऑप्स टीम को अल्पकालिक और दीर्घकालिक दोनों में एआई-संचालित योजना करने की अनुमति देगा।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें इकिगाई लैब्स पर जाना चाहिए。