कंपनियां जिम्मेदार और पारदर्शी एआई कैसे बना सकती हैं – विचार नेता

द्वारा एरिक पैटर्नोस्टर, इंफोसिस पब्लिक सर्विसेज के सीईओ

गूगल के मूल कंपनी अल्फाबेट के सीईओ सुंदर पिचाई ने एआई में विकास को “अग्नि या बिजली से अधिक गहन” बताया है, और कोविड-19 ने इस प्रौद्योगिकी के वादे को पूरा करने में ताजगी ला दी है। एआई के अनुप्रयोग अब पूरी तरह से सुर्खियों में हैं, कोविड उपचार में सुधार, संभावित कोविड वाहक का पता लगाना, और आपूर्ति से वंचित खुदरा वेबसाइटों के उपयोगकर्ताओं के लिए वास्तविक समय में चैटबॉट तैनात करना। इन अनुप्रयोगों ने दिखाया है कि एआई एक व्यवसाय की लचीलापन में सुधार करता है और व्यापक समाज को लाभान्वित करता है।

इसलिए, “क्लाउड-मूल” के साथ, पिछली तिमाही का बाजवورد हो सकता है “एआई-पहला परिवर्तन,” एक शब्द जिसे उद्योग के पрак्टिशनर्स का मानना है कि यह कोविड चले जाने के बाद भी सच होगा। कई कंपनियों के लिए, कम लागत (अर्थात, आपूर्ति श्रृंखला अल्गोरिदम जो आपूर्ति को मांग के साथ मेल खाते हैं) और उत्पादकता में प्रशंसनीय वृद्धि (अर्थात, जब बैंक वास्तविक समय में दस्तावेज़ और पहचान सत्यापन का उपयोग करते हैं) का वादा बहुत अच्छा है और अनदेखा नहीं किया जा सकता है।

एआई-पहला परिवर्तन क्यों?

एआई-पहले परिवर्तन में, एक उद्यम एआई का उपयोग उत्तरी तारे के रूप में करता है, न केवल बुद्धिमानी से इसका उपयोग करने का प्रयास करता है, बल्कि इस तरह से भी जो लोगों, प्रक्रियाओं और प्रणालियों द्वारा किए गए निर्णयों को प्रभावित करता है। यह संगठनों को कर्मचारियों, भागीदारों और ग्राहकों के बीच बदलते गतिविधियों में ट्यून करता है। इससे उन्हें तेजी से बदलाव और बदलती मांगों को पूरा करने में सक्षम बनाता है, साथ ही दीर्घकालिक प्रतिस्पर्धी लाभ भी पैदा करता है।

लेकिन सभी कंपनियां एआई परिपक्वता के एक ही स्तर पर नहीं हैं। कुछ ऐसे हैं जिन्हें “पारंपरिक एआई समूह” कहा जा सकता है, या एच1। ये कंपनियां, जिनके पास कम अनुभव और निवेश है, आमतौर पर क्लासिकल अल्गोरिदम जैसे नेव बेस, जो 250 वर्ष पुराना है, या रैंडम फॉरेस्ट (टिन कम हो द्वारा 1995 में विकसित) का उपयोग करके मौजूदा प्रणालियों के भीतर खंडित बुद्धिमत्ता को बढ़ाने के लिए करती हैं। एआई के ऐसे उपयोग सख्ती से नियम-आधारित और काफी जड़ हैं, जो नियमों से सामान्यीकरण करने में असमर्थ हैं। फिर “गहरे शिक्षण समूह” है, या एच2। ये कंपनियां अधिक जटिल एआई को अपनाती हैं, जिसमें न्यूरल मशीन अनुवाद और ट्रांसक्रिप्शन-आधारित प्रणाली शामिल हैं, जो वार्तालाप अंतर्दृष्टि की खुदाई करने के लिए हैं। ऐसी प्रणालियों में अधिक शक्ति है, लेकिन वे आसानी से यह नहीं बता सकती हैं कि वे जो कुछ भी करते हैं उसे क्यों करते हैं। उनमें पारदर्शिता की भी कमी है। इन दो समूहों के लिए, उपयोग किया जाने वाला एआई अक्सर विश्वसनीय या विश्वसनीय नहीं होता है और पक्षपातपूर्ण निर्णय ले सकता है जो कंपनी को सरकारी निकायों, नियामकों और सामान्य जनता से नकारात्मक ध्यान आकर्षित कर सकते हैं।

इन कंपनियों को अब अपने एआई कार्यान्वयन को एक कदम आगे ले जाने के लिए कदम उठाने की आवश्यकता है – तीसरे शिविर (एच3) में जहां एआई स्व-शिक्षित और उत्पादक है। इस बिंदु पर, एआई प्रणालियां अर्ध-पर्यवेक्षित या यहां तक कि पर्यवेक्षित भी हैं। वे पारदर्शी हैं और बहु-कार्य सीखने के माध्यम से “सामान्य ज्ञान” प्राप्त करते हैं। ये प्रणालियां समृद्ध बुद्धिमत्ता प्रदान करती हैं और वास्तविक समय में, क्रियाशील अंतर्दृष्टि प्रदान करती हैं। यह अच्छी तरह से प्रबंधित, शासित एआई के माध्यम से किया जाता है जो सभी चरणों में व्याख्यात्मक और समझने योग्य है।

जिम्मेदार, पारदर्शी एआई की ओर कैसे काम करें

एआई का उपयोग अब स्कूलों, कार्यस्थलों और अन्य सार्वजनिक संस्थाओं को प्रबंधित करने के लिए किया जा रहा है। इन सेटिंग्स में, यह अधिक महत्वपूर्ण है कि एआई न्यायसंगत और पारदर्शी हो। हालांकि, एआई के इस विस्फोटक गोद लेने के माध्यम से समाज के रूप में, नियामक निकाय एआई प्रौद्योगिकियों के विकास और तैनाती पर सीमित मार्गदर्शन प्रदान कर रहे हैं। इसलिए, कंपनियों पर यह जिम्मेदारी है कि वे आगे बढ़ें। व्यापक टेक उद्योग को वित्तीय मांसपेशियों और मानव पूंजी को काम पर रखने की आवश्यकता है, जो प्रारंभिक कार्यान्वयन को कुशल, रचनात्मक, जिम्मेदार और पारदर्शी बुद्धिमत्ता-संचालित पारिस्थितिकी तंत्र में बदल देता है। इस स्थान में जाने के लिए, कंपनियों को निम्नलिखित चार चीजें करनी चाहिए:

• मानवों को लूप में रखें: एआई मॉडल अक्सर मानवों के स्वतंत्र रूप से संचालित होने के लिए डिज़ाइन किए जाते हैं। हालांकि, कई मामलों में मानव तत्व महत्वपूर्ण है। मानवों को निर्णयों की समीक्षा करनी चाहिए और पक्षपात और गलतियों से बचना चाहिए जो अक्सर एआई परियोजनाओं को विचलित करते हैं। दो उपयोग के मामले धोखाधड़ी का पता लगाने और मामलों में शामिल हैं जहां कानून प्रवर्तन शामिल है। हमारा सुझाव है कि कंपनियां धीरे-धीरे लेकिन लगातार एआई व्यवसायियों को नियुक्त करें ताकि वे अपनी एआई-पहली यात्रा में आगे बढ़ सकें।
• पक्षपातपूर्ण डेटासेट को समाप्त करें: एक निष्पक्ष डेटासेट विश्वसनीय, न्यायसंगत और भेदभावपूर्ण एआई मॉडल बनाने के लिए एक महत्वपूर्ण पूर्वापेक्ष है। इसके महत्व को समझने के लिए, एआई का उपयोग फिर से शुरू करने और बैंकों द्वारा क्रेडिट स्कोरिंग के लिए किया जा रहा है, और यह甚至 कुछ न्यायिक प्रणालियों में अपना रास्ता बना लिया है। इस परिदृश्य में, जांच किए बिना पक्षपात के बहुत वास्तविक परिणाम हुए हैं।
• सुनिश्चित करें कि निर्णय समझाए जा सकते हैं: यह सुविधा कई बड़े समाचार आउटलेट्स द्वारा कवर की गई है, और सही ढंग से। एक्सएआई समझाता है कि एक एआई प्रणाली ने एक निश्चित निर्णय क्यों लिया। यह खुलासा करता है कि गहरे शिक्षण मॉडल के कौन से विशेषताएं अपने पूर्वानुमान या परिकल्पना बनाने के लिए अधिक उपयोग की जाती हैं। विशेषता महत्व को समझना और यह न्यायसंगत करना कि निर्णय कैसे पहुंचे जाते हैं, स्वायत्त वाहनों और चिकित्सा बायोप्सी में उपयोग किए जाने वाले कंप्यूटर दृष्टि जैसे उपयोग के मामलों के लिए महत्वपूर्ण है।
• परिणामों को विश्वसनीय रूप से पुन: उत्पन्न करें: एक सामान्य आवश्यकता अनुसंधान परियोजनाओं में, एआई मॉडल को समय के साथ सुसंगत होना चाहिए जब भविष्यवाणियां दी जाती हैं। ऐसे मॉडल नए डेटा की प्रस्तुति पर चरणबद्ध नहीं होने चाहिए।

इन चार चीजों से पारदर्शी, बुद्धिमत्ता-संचालित पारिस्थितिकी तंत्र बनेंगे, जो हमारे द्वारा “लाइव एंटरप्राइज” कहे जाने वाले की ओर बढ़ रहे हैं। यहां, निष्पक्ष, समझने योग्य निर्णय वास्तविक समय में किए जाते हैं, पूरे उद्यम को एक जीवंत जीव के रूप में कार्य करते हैं जो मानवों द्वारा शासित होता है। इंफोसिस नॉलेज इंस्टीट्यूट व्हाइट पेपर पढ़ें और अधिक जानें।