साक्षात्कार
मोल्हम अरेफ, रिलेशनलएआई के सीईओ और संस्थापक
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मोल्हम रिलेशनलएआई के मुख्य कार्यकारी अधिकारी हैं। उनके पास विभिन्न उद्योगों में उच्च मूल्य वाली मशीन लर्निंग और आर्टिफ़िशियल इंटेलिजेंस समाधानों को विकसित करने और लागू करने वाले संगठनों का नेतृत्व करने का 30 से अधिक वर्षों का अनुभव है। रिलेशनलएआई से पहले वह लॉजिकब्लॉक्स और प्रेडिक्सिटी (अब इन्फोर) के सीईओ, ऑप्टिमी (अब एरिक्सन) के सीईओ और ब्रिकस्ट्रीम (अब एफएलआईआर) के सह-संस्थापक थे। मोल्हम ने एचएनसी सॉफ्टवेयर (अब फिको) और रेटेक (अब ओरेकल) में वरिष्ठ नेतृत्व पदों पर भी काम किया है।
रिलेशनलएआई उद्योग, प्रौद्योगिकी और उत्पाद विकास में दशकों का अनुभव एकत्र करता है ताकि पहली और एकमात्र वास्तविक क्लाउड-मूल क्नोलेज ग्राफ डेटा प्रबंधन प्रणाली को आगे बढ़ाया जा सके जो अगली पीढ़ी के बुद्धिमान डेटा अनुप्रयोगों को शक्ति प्रदान करे।
रिलेशनलएआई के संस्थापक और सीईओ के रूप में, आपके द्वारा कंपनी बनाने के पीछे का प्रारंभिक दृष्टिकोण क्या था, और पिछले सात वर्षों में यह दृष्टिकोण कैसे विकसित हुआ है?
प्रारंभिक दृष्टिकोण कृत्रिम इंटेलिजेंस के सफल रूप से तैनाती पर ज्ञान और अर्थव्यवस्था के प्रभाव को समझने के इर्द-गिर्द केंद्रित था। हम जहां आज हैं, उसके लिए हमें मशीन लर्निंग (एमएल) पर बहुत अधिक ध्यान केंद्रित करना पड़ा, जिसमें व्यवहारों का विश्लेषण करना शामिल था, जैसे कि धोखाधड़ी का पता लगाना या उपभोक्ता खरीदारी पैटर्न। समय के साथ, यह स्पष्ट हो गया कि कृत्रिम इंटेलिजेंस को प्रभावी ढंग से तैनात करने के लिए, ज्ञान को एक ऐसे तरीके से प्रस्तुत करने की आवश्यकता थी जो कृत्रिम इंटेलिजेंस के लिए सुलभ हो और जटिल प्रणालियों को सरल बनाने में सक्षम हो।
यह दृष्टिकोण गहरे शिक्षण नवाचारों और हाल ही में, भाषा मॉडल और उत्पन्न कृत्रिम इंटेलिजेंस के उद्भव के साथ विकसित हुआ है। ये प्रगति हमारी कंपनी द्वारा की जा रही चीजों को नहीं बदली है, लेकिन उनके दृष्टिकोण को बढ़ा दिया है, विशेष रूप से कृत्रिम इंटेलिजेंस को अधिक सुलभ और व्यावहारिक बनाने के लिए।
हाल ही में पीडब्ल्यूसी की एक रिपोर्ट अनुमान लगाती है कि कृत्रिम इंटेलिजेंस 2030 तक वैश्विक अर्थव्यवस्था में $15.7 ट्रिलियन तक का योगदान कर सकती है। आपके अनुभव में, यह महत्वपूर्ण आर्थिक प्रभाव को चलाने वाले प्राथमिक कारक क्या हैं, और व्यवसायों को इन अवसरों पर पूंजीकरण करने के लिए कैसे तैयार रहना चाहिए?
कृत्रिम इंटेलिजेंस का प्रभाव पहले से ही महत्वपूर्ण रहा है और निश्चित रूप से बढ़ जाएगा। इस आर्थिक प्रभाव को चलाने वाले प्रमुख कारकों में से एक बौद्धिक श्रम का स्वचालन है।
दस्तावेजों को पढ़ने, सारांशित करने और विश्लेषण करने जैसे कार्य – जो अक्सर उच्च वेतन वाले पेशेवरों द्वारा किए जाते हैं – अब अधिकांश भाग के लिए स्वचालित किए जा सकते हैं, जिससे इन सेवाओं को अधिक सस्ती और सुलभ बनाया जा सकता है।
इन अवसरों पर पूंजीकरण करने के लिए, व्यवसायों को उन प्लेटफार्मों में निवेश करने की आवश्यकता है जो कृत्रिम इंटेलिजेंस कार्यभार के लिए डेटा और कंप्यूटिंग आवश्यकताओं का समर्थन कर सकते हैं। यह महत्वपूर्ण है कि वे एक दिए गए प्लेटफ़ॉर्म पर लागत प्रभावी ढंग से ऊपर और नीचे स्केल कर सकें, साथ ही साथ अपने कर्मचारियों में कृत्रिम इंटेलिजेंस साक्षरता में निवेश करें ताकि वे इन मॉडलों का प्रभावी ढंग से उपयोग करने और उन्हें कुशलता से उपयोग करने के लिए समझ सकें।
कृत्रिम इंटेलिजेंस विभिन्न उद्योगों में एकीकृत होती रहती है, तो आप कृत्रिम इंटेलिजेंस को प्रभावी ढंग से अपनाने में उद्यमों का सामना करने वाली सबसे बड़ी चुनौतियों को क्या देखते हैं? डेटा कृत्रिम इंटेलिजेंस को प्रभावी ढंग से अपनाने में इन चुनौतियों को पार करने में क्या भूमिका निभाता है?
मैं जो सबसे बड़ी चुनौती देखता हूं, वह यह है कि उद्योग-विशिष्ट ज्ञान कृत्रिम इंटेलिजेंस के लिए सुलभ है। आज हम जो देख रहे हैं, वह यह है कि कई उद्यमों में ज्ञान डेटाबेस, दस्तावेजों, स्प्रेडशीट, और कोड में वितरित है। यह ज्ञान अक्सर कृत्रिम इंटेलिजेंस मॉडलों के लिए अपारदर्शी होता है और संगठनों को वह मूल्य प्राप्त करने की अनुमति नहीं देता है जो वे प्राप्त कर सकते हैं।
उद्योग को जिस चुनौती का सामना करने की आवश्यकता है, वह यह है कि इस ज्ञान को प्रबंधित करना और एकीकृत करना, जिसे कभी-कभी सेमैंटिक्स कहा जाता है, ताकि यह कृत्रिम इंटेलिजेंस प्रणालियों के लिए सुलभ हो। इस तरह, कृत्रिम इंटेलिजेंस विशिष्ट उद्योगों में और उद्यमों के भीतर अधिक प्रभावी हो सकती है क्योंकि वे अपने विशिष्ट ज्ञान आधार का लाभ उठा सकते हैं।
आपने उल्लेख किया है कि उत्पन्न कृत्रिम इंटेलिजेंस को अपनाने के भविष्य में तकनीकों जैसे कि रिट्रीवल-ऑगमेंटेड जेनरेशन (आरएजी) और एजेंटिक आर्किटेक्चर के संयोजन की आवश्यकता होगी। आप इन संयुक्त दृष्टिकोणों की आवश्यकता के पीछे के कारणों को विस्तार से बता सकते हैं और वे क्या लाभ प्रदान करते हैं?
यह कृत्रिम इंटेलिजेंस-संचालित प्रणालियों को बनाने के लिए जो न केवल अधिक सटीक हैं बल्कि जटिल जानकारी पुनर्प्राप्ति और प्रसंस्करण कार्यों को संभालने में सक्षम हैं, इसके लिए विभिन्न तकनीकों जैसे कि ग्राफआरएजी और एजेंटिक आर्किटेक्चर की आवश्यकता होगी।
अब कई लोग आखिरकार यह महसूस करने लगे हैं कि हमें आगे बढ़ने के लिए एक से अधिक तकनीक की आवश्यकता होगी, बल्कि मॉडल और उपकरणों का संयोजन होगा। उनमें से एक एजेंटिक आर्किटेक्चर है, जहां आपके पास विभिन्न क्षमताओं वाले एजेंट हैं जो एक जटिल समस्या का समाधान करने में मदद कर रहे हैं। यह तकनीक इसे टुकड़ों में तोड़ देती है जिन्हें आप विभिन्न एजेंटों को सौंप सकते हैं जो परिणाम प्राप्त करने में मदद करते हैं।
इसके अलावा, रिट्रीवल-ऑगमेंटेड जेनरेशन (आरएजी) है जो भाषा मॉडल का उपयोग करते समय जानकारी निकालने में हमारी मदद करता है। जब हम पहली बार आरएजी के साथ काम करना शुरू किया, तो हम उन प्रश्नों के उत्तर दे सकते थे जिनके उत्तर एक दस्तावेज़ के एक हिस्से में पाए जा सकते थे। हालांकि, हम जल्द ही यह महसूस करने लगे कि भाषा मॉडल मुश्किल प्रश्नों का उत्तर देने में कठिनाई होती है, विशेष रूप से जब जानकारी विभिन्न स्थानों पर लंबे दस्तावेजों में और दस्तावेजों में फैली होती है। इसलिए, ग्राफआरएजी यहां आता है। भाषा मॉडल का उपयोग करके जानकारी के ज्ञान ग्राफ प्रतिनिधित्व बनाने से, यह जानकारी तक पहुंच सकता है जिसकी हमें परिणाम प्राप्त करने की आवश्यकता है और त्रुटियों या हॉलुसिनेशन की संभावना को कम कर सकता है।
डेटा एकीकरण कृत्रिम इंटेलिजेंस मूल्य को संगठनों के भीतर चलाने के लिए एक महत्वपूर्ण विषय है। आप बता सकते हैं कि एकीकृत डेटा कृत्रिम इंटेलिजेंस के लिए इतना महत्वपूर्ण क्यों है, और यह निर्णय लेने की प्रक्रियाओं को कैसे बदल सकता है?
एकीकृत डेटा सुनिश्चित करता है कि उद्यम द्वारा ज्ञान – चाहे वह दस्तावेजों में, स्प्रेडशीट में, कोड में या डेटाबेस में हो – कृत्रिम इंटेलिजेंस प्रणालियों के लिए सुलभ है। यह एकीकरण यह सुनिश्चित करता है कि कृत्रिम इंटेलिजेंस उद्योग-विशिष्ट ज्ञान का लाभ उठा सकती है, जिससे यह अधिक प्रासंगिक और सटीक हो जाती है।
डेटा एकीकरण के बिना, कृत्रिम इंटेलिजेंस प्रणालियां केवल ज्ञान के खंडित टुकड़ों पर काम कर सकती हैं, जिससे अधूरे या असटीक अंतर्दृष्टि मिलती है। डेटा को एकीकृत करके, हम सुनिश्चित करते हैं कि कृत्रिम इंटेलिजेंस के पास एक पूर्ण और सुसंगत चित्र है, जो निर्णय लेने की प्रक्रियाओं को बदलने और संगठनों के भीतर वास्तविक मूल्य चलाने के लिए महत्वपूर्ण है।
रिलेशनलएआई का डेटा के लिए दृष्टिकोण, विशेष रूप से इसकी संबंधपरक ज्ञान ग्राफ प्रणाली के साथ, उद्यमों को बेहतर निर्णय लेने के परिणामों को प्राप्त करने में कैसे मदद करता है?
रिलेशनलएआई का डेटा-केंद्रित वास्तुकला, विशेष रूप से हमारी संबंधपरक ज्ञान ग्राफ प्रणाली, ज्ञान को सीधे डेटा के साथ एकीकृत करती है, इसे घोषणात्मक और संबंधपरक बनाती है। यह दृष्टिकोण पारंपरिक वास्तुकला से अलग है, जहां ज्ञान को कोड में निहित किया जाता है, जो गैर-तकनीकी उपयोगकर्ताओं के लिए पहुंच और समझ को जटिल बना देता है।
आज के प्रतिस्पर्धी व्यावसायिक वातावरण में, तेजी से और सूचित निर्णय लेना आवश्यक है। हालांकि, कई संगठनों को यह चुनौती का सामना करना पड़ता है क्योंकि उनके डेटा में आवश्यक संदर्भ की कमी है। हमारी संबंधपरक ज्ञान ग्राफ प्रणाली डेटा और ज्ञान को एकीकृत करती है, जिससे मानवों और कृत्रिम इंटेलिजेंस को अधिक सटीक निर्णय लेने की अनुमति मिलती है।
उदाहरण के लिए, विचार करें कि एक वित्तीय सेवा फर्म निवेश पोर्टफोलियो का प्रबंधन कर रही है। फर्म को बाजार के रुझान, ग्राहक जोखिम प्रोफाइल, नियामक परिवर्तन और आर्थिक संकेतक का विश्लेषण करने की आवश्यकता है। हमारी ज्ञान ग्राफ प्रणाली इन जटिल, अंतर्संबंधित कारकों को तेजी से संश्लेषित कर सकती है, जिससे फर्म को समय पर और सूचित निवेश निर्णय लेने में मदद मिलती है जो रिटर्न को अधिकतम करते हुए जोखिम को प्रबंधित करते हैं।
यह दृष्टिकोण जटिलता को कम करता है, पोर्टेबिलिटी में सुधार करता है, और विशिष्ट प्रौद्योगिकी विक्रेताओं पर निर्भरता को कम करता है, जिससे निर्णय लेने में दीर्घकालिक रणनीतिक लचीलापन प्राप्त होता है।
मुख्य डेटा अधिकारी (सीडीओ) की भूमिका महत्व में बढ़ रही है। आप कृत्रिम इंटेलिजेंस के उदय के साथ सीडीओ की जिम्मेदारियों को कैसे विकसित होते देखते हैं, और आगे बढ़ने के लिए उन्हें कौन से कौशल आवश्यक होंगे?
सीडीओ की भूमिका तेजी से विकसित हो रही है, विशेष रूप से कृत्रिम इंटेलिजेंस के उदय के साथ। पारंपरिक रूप से, सीडीओ के तहत आने वाली जिम्मेदारियां मुख्य रूप से सीआईओ या सीटीओ द्वारा प्रबंधित की जाती थीं, जो मुख्य रूप से प्रौद्योगिकी संचालन या कंपनी द्वारा उत्पादित प्रौद्योगिकी पर केंद्रित थीं। हालांकि, डेटा आधुनिक उद्यमों के लिए सबसे मूल्यवान संपत्तियों में से एक बन गया है, सीडीओ की भूमिका विशिष्ट और महत्वपूर्ण हो गई है।
सीडीओ डेटा की गोपनीयता, पहुंच और मonetization को सुनिश्चित करने के लिए जिम्मेदार है। कृत्रिम इंटेलिजेंस व्यवसायिक संचालन में एकीकृत होती रहती है, सीडीओ कृत्रिम इंटेलिजेंस मॉडलों को ईंधन देने वाले डेटा का प्रबंधन करने में एक महत्वपूर्ण भूमिका निभाएगा, सुनिश्चित करेगा कि यह डेटा साफ, सुलभ और नैतिक रूप से उपयोग किया जाता है।
आगे बढ़ने के लिए सीडीओ के लिए आवश्यक कौशल में डेटा शासन, कृत्रिम इंटेलिजेंस प्रौद्योगिकियों और व्यावसायिक रणनीति की गहरी समझ शामिल होगी। उन्हें अन्य विभागों के साथ मिलकर काम करने की आवश्यकता होगी, जो पारंपरिक रूप से डेटा तक सीधी पहुंच नहीं रखते थे, जैसे कि वित्त, विपणन और एचआर, ताकि वे डेटा-संचालित अंतर्दृष्टि का लाभ उठा सकें। यह डेटा को संगठन भर में लोकतांत्रिक बनाने की क्षमता नवाचार को चलाने और प्रतिस्पर्धी बढ़त बनाए रखने के लिए महत्वपूर्ण होगी।
रिलेशनलएआई सीडीओ और उनकी टीमों को डेटा और कृत्रिम इंटेलिजेंस एकीकरण की बढ़ती जटिलता को प्रबंधित करने में कैसे समर्थन प्रदान करता है?
रिलेशनलएआई सीडीओ को समर्थन प्रदान करता है bằng प्लेटफ़ॉर्म और फ्रेमवर्क प्रदान करके जो डेटा और कृत्रिम इंटेलिजेंस एकीकरण की जटिलता को प्रभावी ढंग से प्रबंधित करने में मदद करते हैं। कृत्रिम इंटेलिजेंस के उदय के साथ, सीडीओ को यह सुनिश्चित करने की जिम्मेदारी है कि डेटा न केवल सुलभ और सुरक्षित हो, बल्कि यह भी कि यह संगठन भर में अपनी पूरी क्षमता तक पहुंचे।
हम सीडीओ को एक डेटा-केंद्रित दृष्टिकोण प्रदान करके मदद करते हैं जो ज्ञान को सीधे डेटा के साथ लाता है, इसे गैर-तकनीकी हितधारकों के लिए सुलभ और समझने योग्य बनाता है। यह विशेष रूप से महत्वपूर्ण है क्योंकि सीडीओ उन टीमों को सशक्त बनाने का प्रयास कर रहे हैं जिनके पास पारंपरिक रूप से डेटा तक सीधी पहुंच नहीं थी, जैसे कि विपणन, वित्त और यहां तक कि प्रशासनिक टीमें। डेटा को एकीकृत करके और इसके प्रबंधन को सरल बनाकर, रिलेशनलएआई सीडीओ को अपनी टीमों को सशक्त बनाने और नवाचार को चलाने में मदद करता है, सुनिश्चित करता है कि उनके संगठन कृत्रिम इंटेलिजेंस द्वारा प्रस्तुत अवसरों का लाभ उठा सकते हैं।
रिलेशनलएआई डेटा के लिए एक डेटा-केंद्रित दृष्टिकोण पर जोर देता है। आप उन उदाहरणों को प्रदान कर सकते हैं कि यह दृष्टिकोण आपके ग्राहकों के लिए कैसे महत्वपूर्ण दक्षता और बचत का कारण बनता है?
हमारा डेटा-केंद्रित दृष्टिकोण पारंपरिक अनुप्रयोग-केंद्रित मॉडल से अलग है, जहां व्यवसाय तर्क को कोड में निहित किया जाता है, जिससे प्रबंधन और समझना मुश्किल हो जाता है। ज्ञान को स्वयं डेटा में केंद्रित करके और इसे घोषणात्मक और संबंधपरक बनाकर, हम अपने ग्राहकों को अपने सिस्टम की जटिलता को महत्वपूर्ण रूप से कम करने, त्रुटियों को कम करने और अंततः महत्वपूर्ण लागत बचत प्राप्त करने में मदद करते हैं।
उदाहरण के लिए, ब्लू यॉन्डर ने हमारी प्रौद्योगिकी का उपयोग स्नोफ्लेक में एक ज्ञान ग्राफ को-प्रोसेसर के रूप में किया, जिसने व्यवधानों की भविष्यवाणी करने और सक्रिय रूप से उन्हें रोकने के लिए आवश्यक सेमैंटिक समझ और तर्क क्षमता प्रदान की। इस दृष्टिकोण ने उन्हें अपने विरासत कोड को 80% से अधिक कम करने और एक स्केलेबल और विस्तार योग्य समाधान प्रदान करने की अनुमति दी।
इसी तरह, ईवाई फाइनेंशियल सर्विसेज़ ने अपने विरासत कोड को 90% से अधिक कम करने और प्रसंस्करण समय को एक महीने से अधिक से कुछ घंटों तक कम करने में महत्वपूर्ण सुधार देखा। ये परिणाम दिखाते हैं कि हमारा दृष्टिकोण व्यवसायों को अधिक लचीला और बदलते बाजार की स्थितियों के प्रति अधिक प्रतिक्रियाशील बनाने में मदद करता है, साथ ही साथ विशिष्ट प्रौद्योगिकी विक्रेताओं पर निर्भरता को कम करता है।
कृत्रिम इंटेलिजेंस-संचालित कंपनियों का नेतृत्व करने के अपने अनुभव के आधार पर, आप संगठन में कृत्रिम इंटेलिजेंस को सफलतापूर्वक लागू करने के लिए सबसे महत्वपूर्ण कारकों को क्या मानते हैं?
मेरे अनुभव से, कृत्रिम इंटेलिजेंस को सफलतापूर्वक लागू करने के लिए सबसे महत्वपूर्ण कारक एक मजबूत डेटा और ज्ञान का आधार है, और यह सुनिश्चित करना कि आपके कर्मचारी, विशेष रूप से अधिक अनुभवी लोग, कृत्रिम इंटेलिजेंस टूल्स के साथ काम करने के लिए समय लेते हैं और उन्हें समझने में सहज महसूस करते हैं।
यह भी महत्वपूर्ण है कि आप नए कृत्रिम इंटेलिजेंस प्रौद्योगिकियों के आसपास – अत्यधिक उत्साह या गहरे निराशावाद – के बारे में अत्यधिक भावनात्मक प्रतिक्रियाओं में नहीं पड़ते हैं। इसके बजाय, मैं कृत्रिम इंटेलिजेंस को अपनाने और एकीकृत करने के लिए एक स्थिर, निरंतर दृष्टिकोण की सिफारिश करता हूं, जिसमें क्रमिक सुधार पर ध्यान केंद्रित किया जाता है, न कि एक चांदी की गोली का समाधान।
धन्यवाद इस शानदार साक्षात्कार के लिए, पाठक जो और जानना चाहते हैं उन्हें रिलेशनलएआई पर जाना चाहिए।
