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

द्वारा एरिक पैटर्नोस्टर, इंफोसिस पब्लिक सर्विसेज के सीईओ

गूगल के सीईओ सुंदर पिचाई ने एआई में विकास को “आग या बिजली से अधिक गहरा” 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 स्पॉटलाइट में हैं, कोविड उपचार में सुधार, संभावित कोविड वाहक का पता लगाना और रिटेल वेबसाइटों 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 बाजवॉर्ड हो सकता है “एआई-पहला परिवर्तन”, एक शब्द जिसे उद्योग के पractioners मानते हैं कि यह कोविड चले जाने के बाद भी सच होगा। कई फर्मों के लिए, कम लागत (यानी, आपूर्ति श्रृंकला एल्गोरिदम जो आपूर्ति को मांग के साथ मिलाते हैं) और उत्पादकता में प्रशंसनीय बढ़ोतरी (यानी, जब बैंक वास्तविक समय में दस्तावेज़ और पहचान सत्यापन का उपयोग करते हैं) का वादा बहुत अच्छा है जिसे नजरअंदाज नहीं किया जा सकता है।

एआई-पहला परिवर्तन क्यों?

एआई-पहले परिवर्तन में, एक उद्यम एआई को एक उत्तरी तारा के रूप में उपयोग करता है, न केवल बुद्धिमानी से इसका उपयोग करने के लिए, बल्कि इस तरह से भी जो निर्णय लेने वाले लोगों, प्रक्रियाओं और प्रणालियों को प्रभावित करता है। यह संगठनों को कर्मचारियों, भागीदारों और ग्राहकों के बीच बदलते गतिविधियों में सुर मिलाता है। यह उन्हें तेजी से बदलने और बदलते मांगों को पूरा करने में सक्षम बनाता है, साथ ही दीर्घकालिक प्रतिस्पर्धी लाभ बनाता है।

लेकिन सभी फर्म एआई परिपक्वता के एक ही स्तर पर नहीं हैं। कुछ ऐसे हैं जिन्हें “पारंपरिक एआई समूह” या एच1 कहा जा सकता है। ये फर्म, जिनके पास कम अनुभव और निवेश है, आमतौर पर क्लासिकल एल्गोरिदम जैसे नेव बेस, जो 250 वर्षों से आसपास है, या रैंडम फॉरेस्ट (जो 1995 में टिन कम हो द्वारा विकसित किया गया था) का उपयोग करके मौजूदा प्रणालियों के भीतर खंडित बुद्धिमत्ता को बढ़ाने के लिए करते हैं। एआई का ऐसा उपयोग सख्ती से नियम-आधारित है और बहुत कठोर है, जो नियमों से सामान्यीकरण करने में असमर्थ है। फिर “गहरा शिक्षा समूह” या एच2 है। ये फर्म अधिक जटिल एआई को अपनाती हैं, जिसमें न्यूरल मशीन अनुवाद और ट्रांसक्रिप्शन-आधारित प्रणालियां शामिल हैं, जो संवादात्मक अंतर्दृष्टि को खनन करने के लिए उपयोग की जाती हैं। ऐसी प्रणालियों में अधिक शक्ति है, लेकिन वे आसानी से समझा नहीं पाती हैं कि वे चीजें क्यों करती हैं। वे पारदर्शिता की भी कमी है। इन दो समूहों के लिए, उपयोग किया जाने वाला एआई अक्सर विश्वसनीय या विश्वसनीय नहीं होता है और पूर्वाग्रहपूर्ण निर्णय ले सकता है जो फर्म को सरकारी निकायों, नियामकों और सामान्य जनता से नकारात्मक ध्यान आकर्षित कर सकता है।

इन फर्मों 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 व्याख्या करने योग्य और समझने योग्य है।

जिम्मेदार और 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 है। हालांकि, एआई अपनाने के इस विस्फोट के माध्यम से समाज के काम करते हुए, नियामक निकाय एआई प्रौद्योगिकियों के विकास और तैनाती पर सीमित मार्गदर्शन प्रदान कर रहे हैं। इसलिए, कंपनियों पर नेतृत्व लेने का भार है। व्यापक तकनीकी उद्योग को वित्तीय मांसपेशियों और मानव पूंजी को काम पर रखने के लिए परिवर्तित करने के लिए प्रारंभिक एआई कार्यान्वयन को कुशल, रचनात्मक, जिम्मेदार और पारदर्शी बुद्धिमत्ता-संचालित प्रणालियों में बदलने के लिए। इस स्थान में जाने के लिए, फर्मों को निम्नलिखित चार चीजें करनी चाहिए:

• मानवों को लूप में रखें: एआई मॉडल अक्सर मानवों के स्वतंत्र रूप से काम करने के लिए डिज़ाइन किए जाते हैं। हालांकि, मानव तत्व कई मामलों में महत्वपूर्ण है। मानवों को निर्णयों की समीक्षा करनी चाहिए और एआई परियोजनाओं को अक्सर विचलित करने वाले पूर्वाग्रह और गलतियों से बचना चाहिए। दो उपयोग के मामले धोखाधड़ी का पता लगाना और मामले शामिल हैं जहां कानून प्रवर्तन शामिल है। हम सिफारिश करते हैं कि फर्म धीरे-धीरे लेकिन लगातार एआई व्यवसायियों को नियुक्त करें ताकि वे अपने एआई-पहले यात्रा पर एक पैर प्राप्त कर सकें।
• पूर्वाग्रहपूर्ण डेटासेट को समाप्त करें: एक निरपेक्ष डेटासेट विश्वसनीय, न्यायसंगत और भेदभावपूर्ण एआई मॉडल बनाने के लिए एक महत्वपूर्ण पूर्वापेक्ष है। इसके महत्व को समझने के लिए, एआई का उपयोग रिज्यूमे को शॉर्टलिस्ट करने और बैंकों द्वारा क्रेडिट स्कोरिंग के लिए किया जा रहा है, और यहां तक कि कुछ न्यायिक प्रणालियों में भी इसका उपयोग किया जा रहा है। इस परिदृश्य में, अनियंत्रित पूर्वाग्रहों ने वास्तविक परिणामों का उत्पादन किया है।
• सुनिश्चित करें कि निर्णय समझाए जा सकते हैं: यह सुविधा कई बड़े समाचार आउटलेट्स द्वारा कवर की गई है, और सही तरीके से। एक्सएआई यह समझाने में मदद करता है कि एक एआई प्रणाली ने एक निश्चित निर्णय क्यों लिया। यह उन विशेषताओं को उजागर करता है जो गहरे शिक्षा मॉडल में अधिक उपयोग की जाती हैं ताकि इसकी भविष्यवाणी या परिकल्पना बनाई जा सके। विशेषता महत्व को समझना और यह समझना कि निर्णय कैसे लिए 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। ऐसे मॉडल को नए डेटा की प्रस्तुति पर चरणबद्ध नहीं होना चाहिए।

इन चार चीजों से पारदर्शी, बुद्धिमत्ता-संचालित प्रणालियां बनाई जा सकती हैं, जो हम जिसे “लाइव एंटरप्राइज” कहते हैं उसकी ओर बढ़ रही हैं। यहां, पूर्वाग्रहपूर्ण, समझने योग्य निर्णय वास्तविक समय में लिए जाते हैं, और पूरा उद्यम एक जीवित जीव के रूप में कार्य करता है जो मानवों द्वारा शासित है। इंफोसिस नॉलेज इंस्टीट्यूट व्हाइट पेपर पढ़ें और अधिक जानें।