प्रोफेसर सैमा अहमद-क्रिस्टेंसन, डिजिट लैब की निदेशक - साक्षात्कार श्रृंखला

प्रोफेसर साइमा अहमद-क्रिस्टेंसन वह डिजाइन इंजीनियरिंग के एक प्रमुख विद्वान और एसोसिएट प्रो-वाइस-चांसलर (अनुसंधान और प्रभाव) हैं। यूनिवर्सिटी ऑफ एक्ज़ीटरजहां वह निदेशक के रूप में भी कार्यरत हैं। डिजिट लैब, डिजिटल नवाचार और परिवर्तन पर केंद्रित एक प्रमुख अंतःविषयक अनुसंधान पहल। उनका शोध डिजाइन रचनात्मकता और संज्ञानात्मक क्षमता, डेटा-संचालित और डिजिटल डिजाइन, और जटिल इंजीनियरिंग और उत्पाद विकास में उन्नत प्रौद्योगिकियों के एकीकरण को समाहित करता है, जिसमें अकादमिक अंतर्दृष्टि को उद्योग सहयोग, नीतिगत जुड़ाव और बड़े पैमाने पर अनुसंधान कार्यक्रमों के माध्यम से वास्तविक दुनिया के प्रभाव में बदलने पर विशेष जोर दिया गया है।

आपका करियर कैम्ब्रिज, डीटीयू, इंपीरियल कॉलेज लंदन, रॉयल कॉलेज ऑफ आर्ट और अब एक्सेटर विश्वविद्यालय तक फैला हुआ है। पीछे मुड़कर देखें तो, किन अनुभवों या महत्वपूर्ण मोड़ों ने डिजाइन, रचनात्मकता और डिजिटल प्रौद्योगिकियों की भूमिका के बारे में आपकी सोच को सबसे अधिक प्रभावित किया?

डिजाइन के क्षेत्र में मेरा काम कई अलग-अलग संस्कृतियों और विधाओं तक फैला हुआ है। मैंने ब्रुनेल विश्वविद्यालय में उन कुछ चुनिंदा पाठ्यक्रमों में से एक से शुरुआत की, जिनमें प्रौद्योगिकी, मानव-केंद्रित डिजाइन और रूप की समझ का संयोजन था। इसने मुझे शुरू से ही सिखाया कि रचनात्मकता और नवाचार आपस में घनिष्ठ रूप से जुड़े हुए हैं।

कैम्ब्रिज में अध्ययन करने से मेरी सोच का दायरा और भी व्यापक हो गया। कॉलेज के वातावरण ने मुझे अनेक विषयों से परिचित कराया और दिखाया कि नवाचार विभिन्न क्षेत्रों के ज्ञान के संगम पर निर्भर करता है। मेरे पीएचडी शोध का केंद्र एयरोस्पेस क्षेत्र था और इसमें मैंने यह अध्ययन किया कि इंजीनियरिंग डिजाइनर सूचना कैसे प्राप्त करते हैं और उसका उपयोग कैसे करते हैं। मैंने यह भी अध्ययन किया कि लोग ज्ञान कैसे प्राप्त करते हैं, विशेषज्ञता को कैसे पोषित या दोहराया जा सकता है, और संज्ञानात्मक क्षमता, कंप्यूटर विज्ञान और इंजीनियरिंग डिजाइन के बीच क्या संबंध है। मानव-केंद्रित यह दृष्टिकोण तब से मेरे साथ बना हुआ है।

डिजिटल प्रौद्योगिकियों के विकास के साथ-साथ मेरे काम में उठने वाले प्रश्न भी बढ़ते गए हैं। आईओटी डेटा, एआई और उन्नत कंप्यूटेशन के उदय ने डिज़ाइन को केवल मानव-केंद्रित होने से हटाकर समाज-केंद्रित बना दिया है। यह मेरे काम को एक्सेटर विश्वविद्यालय में लगातार प्रभावित कर रहा है, जहाँ मैं डिजिट लैब का नेतृत्व करता हूँ और रचनात्मक प्रक्रिया में एलएलएम की भूमिका, उद्योगों को उन्हें अपनाने में आने वाली बाधाओं और डेटा किस प्रकार नवाचार को गति दे सकता है, पर ध्यान केंद्रित करता हूँ।

इम्पीरियल और रॉयल कॉलेज ऑफ आर्ट में बिताए मेरे समय ने इस बात को पुष्ट किया कि डिज़ाइन केवल उत्पादों या सेवाओं को आकार देने से कहीं अधिक है। सही लोगों, प्रक्रियाओं और संस्कृति के साथ, डिज़ाइन नई और व्यापक तकनीकों, सामग्रियों और विचारों का चालक बन जाता है जो आज और कल की वैश्विक चुनौतियों का समाधान कर सकते हैं।

डिजिट लैब बड़े और स्थापित संगठनों के भीतर डिजिटल परिवर्तन पर विशेष ध्यान केंद्रित करती है। आपके दृष्टिकोण से, आपको क्या लगता है कि नेता इस बारे में सबसे ज्यादा क्या गलत समझते हैं कि एआई डिजाइन, नवाचार और निर्णय लेने की प्रक्रिया को कैसे बदलेगा?

दशकों से, कृत्रिम बुद्धिमत्ता (AI) अनुसंधान में प्रगति कर रही है और कुछ उद्योगों में इसे अपनाया जा रहा है, लेकिन कौशल की कमी, नेतृत्व की समझ और आवश्यक बुनियादी ढांचे के बारे में स्पष्टता की कमी के कारण प्रगति अक्सर सीमित रही है। एलएलएम (लर्निंग लर्निंग) और डीएएलएल·ई (DALL·E) जैसे जनरेटिव टूल्स के उदय के साथ, AI अब अधिक सुलभ है और इसके लिए बहुत कम विशेषज्ञता या सेटअप की आवश्यकता होती है। लेकिन इससे गोपनीयता, डेटा सुरक्षा और सामान्य प्रयोजन मॉडल विशिष्ट क्षेत्रों में कितनी अच्छी तरह लागू होते हैं, जैसे नए प्रश्न भी उठते हैं।

डिजाइन और नवाचार के क्षेत्र में ये मुद्दे विशेष रूप से स्पष्ट हैं। हमारे शोध में, जिसमें मनुष्यों और कृत्रिम बुद्धिमत्ता द्वारा उत्पन्न 12,000 से अधिक विचारों का विश्लेषण किया गया, यह पाया गया कि कृत्रिम बुद्धिमत्ता से उत्पन्न विचार समान अवधारणाओं के इर्द-गिर्द केंद्रित होते हैं। यह इस बात पर प्रकाश डालता है कि सामान्य उपकरणों में मानवीय विशेषज्ञता को शामिल करना, विशिष्ट क्षेत्र के लिए कृत्रिम बुद्धिमत्ता को अनुकूलित करना, या मानवीय रचनात्मकता और निर्णय लेने की क्षमता के साथ कृत्रिम बुद्धिमत्ता का उपयोग कब और कैसे करना है, यह समझना आवश्यक है।

आपके शोध का अधिकांश भाग डिज़ाइन में रचनात्मकता और संज्ञानात्मक क्षमताओं पर केंद्रित है। जनरेटिव एआई अब बड़े पैमाने पर विचारों, अवधारणाओं और पुनरावृत्तियों को उत्पन्न करने में सक्षम है, ऐसे में रचनात्मकता के किन पहलुओं को आप विशिष्ट रूप से मानवीय मानते हैं — और किन भागों को जिम्मेदारीपूर्वक एआई-संचालित प्रक्रियाओं की ओर स्थानांतरित किया जा सकता है?

मेरे लिए रचनात्मकता हमेशा विकल्पों को उत्पन्न करने से कहीं अधिक रही है। यह इरादे, सांस्कृतिक अर्थ और डिज़ाइन द्वारा निर्मित भावनात्मक जुड़ाव से संबंधित है। हमारे हालिया डिजिट लैब सर्वेक्षण ने इस बात को स्पष्ट रूप से उजागर किया: 82% लोगों ने हमें बताया कि मानव-नेतृत्व वाला या हाइब्रिड कार्य अधिक सार्थक लगता है, और 71% ने कहा कि वे केवल AI द्वारा निर्मित डिज़ाइन से भावनात्मक रूप से कम जुड़ाव महसूस करते हैं। कई लोगों ने AI द्वारा निर्मित कार्य को "भावनाहीन" (48%) या "अत्यधिक परिपूर्ण" (40%) बताया, और 36% ने महसूस किया कि इसका प्रभाव जल्दी ही फीका पड़ जाता है। इन प्रतिक्रियाओं ने उस बात को पुष्ट किया जिस पर मैं लंबे समय से विश्वास करता आया हूँ। भावनात्मक जुड़ाव कोई अतिरिक्त चीज़ नहीं है; यह इस बात का अभिन्न अंग है कि लोग रचनात्मक कार्य का अनुभव और महत्व कैसे करते हैं।

मानव और कृत्रिम बुद्धिमत्ता के विचारों की तुलना करने वाले हमारे शोध से यह भी पता चलता है कि मानव डिज़ाइनर विविध, नवीन विचार उत्पन्न करने और कलाकृति, उत्पाद डिज़ाइन या सेवाओं जैसे रचनात्मक परिणामों में गहराई और अर्थ सुनिश्चित करने में बेहतर हैं। रचनात्मक विशेषज्ञों के पास एक ऐसा कौशल समूह होता है जिसकी नकल करना अभी तक संभव नहीं है। डिज़ाइनरों को विचार उत्पन्न करने से पहले समस्या को समझना आवश्यक है, और तकनीकी शिक्षा पाठ्यक्रम (एलएलएम) डिज़ाइनरों को एक समस्या से दूसरी समस्या पर जाने में मदद करने के लिए जानकारी जुटाने में बहुत उपयोगी होते हैं। यदि हम मानव विशेषज्ञता के मॉडल को एआई उपकरणों में शामिल कर सकें, तो वे विचारों के मूल्यांकन में भी सहायता कर सकते हैं, जिससे एआई मानव रचनात्मक कौशल का बेहतर लाभ उठा सकेगा।

जिस विचार-श्रृंखला दृष्टिकोण के साथ हम प्रयोग कर रहे हैं, वह समर्थन करता है। विशेषज्ञ का अनुसरण करने के लिए एलएलएम तर्कसिर्फ अंक देना ही काफी नहीं है। सभी मामलों में, परिणामों की व्याख्या करने और यह सुनिश्चित करने के लिए मानवीय निगरानी आवश्यक है कि डिज़ाइन संबंधी विकल्प उपयोगकर्ताओं के वास्तविक अनुभवों के अनुरूप हों।

यह स्पष्ट है कि हमें या तो ऐसे मॉडल बनाने होंगे जो लोगों द्वारा उत्पादों, सेवाओं और अंतःक्रियाओं के अनुभव को इस तरह से कैप्चर कर सकें जिसे कंप्यूटर समझ सकें, या फिर हमें एकत्रित किए गए सूक्ष्म या व्यापक सेंसर डेटा के साथ व्यापक डेटा (गहन गुणात्मक अंतर्दृष्टि जो संदर्भ प्रदान करती है) को एकीकृत करना होगा। इन मॉडलों को विकसित करना आसान नहीं है, और यही कारण है कि मानवीय भागीदारी अनिवार्य बनी हुई है।

तो मेरे लिए, निष्कर्ष यह नहीं है कि रचनात्मकता में एआई का कोई स्थान नहीं है। बिलकुल भी नहीं। बात यह है कि एआई और मनुष्य अलग-अलग खूबियों का योगदान करते हैं। यह तथ्य कि लोग मानव निर्मित या मिश्रित कार्यों पर लगातार अधिक सकारात्मक प्रतिक्रिया देते हैं, हमें यह बताता है कि संतुलन कहाँ है। एआई व्यापक डिज़ाइन क्षेत्र का पता लगाने, पैटर्न का विश्लेषण करने और संरचित आलोचना प्रदान करने में मदद कर सकता है, लेकिन सपाटता, एल्गोरिथम की पूर्णता और भावनात्मक दूरी की धारणाएँ यह दर्शाती हैं कि एआई को अभी भी मानवीय निर्णय की आवश्यकता है ताकि संभावनाओं को कुछ ऐसा बनाया जा सके जो लोगों को प्रभावित करे।

इसीलिए मैं रचनात्मकता के भविष्य को मूल रूप से सहयोगात्मक मानता हूँ। कृत्रिम बुद्धिमत्ता संभावनाओं के दायरे को बढ़ा सकती है। डिज़ाइनर सहानुभूति, सांस्कृतिक समझ और उद्देश्य की भावना लाते हैं जो उन संभावनाओं को अर्थ प्रदान करते हैं। जब ये दोनों मिलकर काम करते हैं, मानवीय विवेक दिशा निर्धारित करता है और कृत्रिम बुद्धिमत्ता अन्वेषण को समृद्ध करती है, तो परिणाम स्वरूप एक रचनात्मक प्रक्रिया अधिक सटीक, अधिक कल्पनाशील और अंततः अपने परिणामों में अधिक मानवीय होती है।

आपने उपयोगकर्ता अनुभवों को मापने और डिज़ाइन ज्ञान को संरचित करने के लिए नए दृष्टिकोण विकसित किए हैं। जैसे-जैसे AI सिस्टम उत्पादों और सेवाओं के निर्माण के लिए अधिक जिम्मेदार होते जा रहे हैं, हम यह कैसे सुनिश्चित करें कि मानवीय अनुभव, भावनाएँ और सांस्कृतिक संकेत डिज़ाइन प्रक्रिया के केंद्र में बने रहें?

मानवीय अनुभव को केंद्र में रखने के लिए, हमें अपनी कार्यप्रणाली में धारणा और भावनाओं के ज्ञान को समाहित करने की आवश्यकता है।

इसके दो मुख्य दृष्टिकोण हैं। पहला दृष्टिकोण गुणात्मक डेटा की आवश्यकता को पहचानता है, जो मानवीय अनुभव, धारणा और भावनाओं की गहन समझ प्रदान करता है और प्रभावी मानव-एआई सहयोग को बढ़ावा देता है। दूसरा दृष्टिकोण—जिस पर मेरा काम केंद्रित रहा है—इस ज्ञान को ऐसे मॉडलों में परिवर्तित करने का लक्ष्य रखता है जिन्हें एआई सिस्टम समझ सकें और उपयोग कर सकें।

इन मॉडलों को विकसित करना जटिल है, क्योंकि इनमें उपयोगकर्ता अनुभव, मानवीय धारणा और डिजाइन किए जा रहे उत्पादों या प्रणालियों की विशेषताओं को एकीकृत करना आवश्यक है, ताकि मानवीय प्रतिक्रियाओं और समग्र अनुभव की भविष्यवाणी की जा सके।

आप एयरोस्पेस, चिकित्सा, विनिर्माण और उपभोक्ता उत्पाद जैसे जटिल उद्योगों के साथ व्यापक रूप से काम करते हैं। इन उच्च जोखिम वाले वातावरण में, आप एआई-समर्थित डिज़ाइन की क्षमता और सुरक्षा, पता लगाने की क्षमता और विश्वास की आवश्यकता के बीच संतुलन कैसे बनाते हैं?

स्वास्थ्य सेवा, एयरोस्पेस और विनिर्माण जैसे उच्च जोखिम वाले क्षेत्रों में, सवाल यह नहीं है कि एआई का उपयोग किया जा सकता है या नहीं, बल्कि यह है कि इसे कैसे नियंत्रित किया जाए। इन परिवेशों में विश्वास डिजाइन और निर्णय लेने की प्रक्रिया के हर चरण में स्पष्ट जवाबदेही, पता लगाने की क्षमता और व्याख्यात्मकता पर निर्भर करता है। एआई सिमुलेशन, अनुकूलन और प्रारंभिक चरण के अन्वेषण में एक शक्तिशाली सहायक भूमिका निभा सकता है, लेकिन यह अंतिम प्राधिकारी नहीं बन सकता।

इनमें से कई क्षेत्र कड़ाई से विनियमित हैं और सख्त सुरक्षा आवश्यकताओं के अधीन हैं, जिनके तहत व्यक्तिगत या व्यावसायिक रूप से संवेदनशील सभी डेटा का सुरक्षित प्रबंधन आवश्यक है। ऐसे में, विशिष्टता और प्रासंगिकता सुनिश्चित करने के लिए अक्सर स्थानीय डेटा का उपयोग करके प्रॉम्प्ट या प्रश्न विकसित करने की आवश्यकता होती है, और इन क्षेत्रों में संगठनों के लिए अपने स्वयं के एआई टूल बनाना और उनका रखरखाव करना आम बात है।

हमारे व्यापक शोध से लगातार यही पता चलता है कि हाइब्रिड सिस्टम आवश्यक हैं: एआई को विशेषज्ञ निर्णय का पूरक होना चाहिए, न कि उसका विकल्प। हर महत्वपूर्ण निर्णय बिंदु पर मानवीय निगरानी अनिवार्य है, विशेषकर सुरक्षा, जोखिम और जवाबदेही के मामलों में। नियामकों और अंतिम उपयोगकर्ताओं को एआई-सक्षम प्रणालियों पर भरोसा करने के लिए, संगठनों को यह भी स्पष्ट रूप से दस्तावेज़ित करना होगा कि मॉडल कैसे प्रशिक्षित किए जाते हैं, वे किस डेटा का उपयोग करते हैं और आउटपुट कैसे उत्पन्न होते हैं। इस पारदर्शिता के बिना, विश्वास नहीं बढ़ सकता, चाहे तकनीक कितनी भी उन्नत क्यों न हो जाए।

कई संगठनों को "एआई के साथ प्रयोग करने" और इसे उत्पाद विकास में सार्थक रूप से एकीकृत करने के बीच के अंतर से जूझना पड़ता है। प्रयोग से रणनीतिक कार्यान्वयन की ओर बढ़ने की कोशिश कर रही टीमों के लिए आप कौन से व्यावहारिक कदम सुझाएंगे?

कई संगठन प्रायोगिक चरण में ही अटक जाते हैं क्योंकि वे स्पष्ट रणनीतिक उद्देश्य के बिना ही एआई को अपना लेते हैं। पहला व्यावहारिक कदम यह स्पष्ट करना है कि विकास प्रक्रिया में एआई की क्या भूमिका होनी चाहिए, चाहे वह विचारों को बढ़ावा देना हो, परीक्षण में तेजी लाना हो, मूल्यांकन में सुधार करना हो या निर्णय लेने की क्षमता बढ़ाना हो। इस स्पष्टता के बिना, पायलट प्रोजेक्ट वास्तविक व्यवसाय और डिज़ाइन परिणामों से अलग-थलग रह जाते हैं।

टीमों को सही बुनियाद की भी आवश्यकता होती है। इसका अर्थ है उच्च गुणवत्ता वाले, सुव्यवस्थित डेटा में निवेश करना, विशेष रूप से ऐसा डेटा जो केवल तकनीकी प्रदर्शन के बजाय वास्तविक उपयोगकर्ता अनुभव को दर्शाता हो। इसका यह भी अर्थ है कि एआई की वर्तमान सीमाओं के बारे में यथार्थवादी होना, खासकर रचनात्मक और मानव-केंद्रित निर्णय लेने के क्षेत्र में, जहां विशेषज्ञ पर्यवेक्षण आवश्यक बना रहता है।

कई क्षेत्रों में एआई से संबंधित नीतियां विकसित की जा रही हैं जो टीमों को एआई के साथ प्रयोग करने की प्रक्रिया में मार्गदर्शन करती हैं, जिसमें व्यावसायिक योजना बनाने और पायलट प्रोजेक्ट चलाने से लेकर व्यापक स्तर पर इसे अपनाने तक शामिल है। ये नीतियां संगठनों को यह पहचानने में मदद करती हैं कि एआई वास्तव में कहां मूल्य जोड़ सकता है, साथ ही यह भी सुनिश्चित करती हैं कि जहां आवश्यक हो, मानवीय भागीदारी बनी रहे।

अंततः, संगठनों को संरचित, कम जोखिम वाले पायलट प्रोजेक्ट चलाने चाहिए जो वास्तविक कार्यप्रवाहों में समाहित हों, न कि अलग-थलग। ये पायलट प्रोजेक्ट अंतर्विषयक होने चाहिए, जिनमें डिज़ाइनर, इंजीनियर, डेटा वैज्ञानिक और डोमेन विशेषज्ञ एक साथ आएं ताकि ज्ञान साझा किया जा सके और हस्तांतरणीय हो। एआई तभी मूल्य प्रदान करता है जब इसे रोजमर्रा के अभ्यास में शामिल किया जाता है, न कि एक अलग प्रायोगिक परत के रूप में माना जाता है।

ज्ञान को संरचित और स्वचालित करने की विधियों को विकसित करने में आपका लंबा अनुभव है। हम ऐसे एआई सिस्टम से कितने करीब हैं जो डिज़ाइन के उद्देश्य, उपयोगकर्ता की ज़रूरतों और संदर्भ के बारे में तर्क कर सकें और केवल सामग्री उत्पन्न करने के बजाय वास्तव में मूल्यवर्धन कर सकें?

कुछ क्षेत्रों में, उपयोगकर्ता की प्राथमिकताओं का अनुमान लगाना अपेक्षाकृत आसान होता है, क्योंकि ब्राउज़िंग इतिहास या देखी गई फिल्मों या टेलीविजन शो के रिकॉर्ड जैसे डेटा का उपयोग अनुशंसाएँ देने के लिए किया जा सकता है। इन क्षेत्रों को आसानी से उपलब्ध डेटा से लाभ मिलता है।

इसके विपरीत, उत्पादों और सेवाओं के डिजाइन में एक प्रमुख चुनौती यह है कि लोगों की पसंद, जरूरतों और वास्तविक अनुभवों के बारे में डेटा अक्सर आसानी से उपलब्ध नहीं होता है।

My हाल ही में किए गए अनुसंधान डिजिट लैब के साथ किए गए एक अध्ययन में, लोगों द्वारा डिज़ाइन विशेषताओं को समझने और उन पर प्रतिक्रिया देने के तरीके के मॉडल को देखते हुए, एलएलएम (लघु, लैंग्वेज लर्निंग) की क्षमता का परीक्षण किया गया। हालांकि, वर्तमान मॉडल डेटा में मौजूद पैटर्न पर काम करते हैं और अर्थ को संदर्भ में नहीं रख सकते। आकार और धारणाओं को जोड़ने वाले पूर्व अध्ययनों से पता चलता है कि रूप में छोटे-छोटे बदलाव भी भावनात्मक प्रतिक्रियाओं को प्रभावित कर सकते हैं, और मानव मार्गदर्शन या परिष्कृत मॉडलों के बिना एआई के लिए ऐसी सूक्ष्मताओं का अनुमान लगाना कठिन है। इसलिए, इरादे के बारे में एआई की तर्क क्षमता में सुधार हो रहा है, लेकिन यह अभी भी मानव विशेषज्ञता का पूरक है।

जैसे-जैसे एआई डिजाइन चक्रों को गति देता है - विचार निर्माण से लेकर प्रोटोटाइपिंग तक - डिजाइनरों को किन नए कौशलों की आवश्यकता होगी? विश्वविद्यालयों और संगठनों को रचनात्मक प्रतिभा की अगली पीढ़ी के प्रशिक्षण पर किस प्रकार पुनर्विचार करना चाहिए?

डिजाइनरों को मानवीय धारणा और एआई-आधारित उपकरणों दोनों में पारंगत होना आवश्यक होगा। आकार, सामग्री और अनुपात किस प्रकार भावनात्मक प्रतिक्रिया को प्रभावित करते हैं, यह समझना अच्छे डिजाइन के लिए मूलभूत रहेगा। साथ ही, डिजाइनरों को विचार निर्माण और मूल्यांकन में सहायक एआई प्रणालियों के साथ आत्मविश्वासपूर्वक काम करने में सक्षम होना चाहिए। इसका अर्थ है कि केवल उपकरणों का उपयोग करना ही नहीं, बल्कि यह समझना भी कि वे किस उद्देश्य के लिए अनुकूलित किए जा रहे हैं और उनकी सीमाएँ कहाँ हैं। जैसे-जैसे एआई डिजाइन कार्यप्रवाह में अधिक समाहित होता जाएगा, इसके परिणामों की आलोचनात्मक व्याख्या करने और उन्हें मानवीय निर्णय के साथ संयोजित करने की क्षमता सबसे मूल्यवान रचनात्मक कौशलों में से एक बन जाएगी।

जैसे-जैसे एआई (आरटीआई) विचारों से लेकर प्रोटोटाइपिंग तक के डिज़ाइन चक्रों को गति देता है, डिज़ाइनरों को पारंपरिक शिल्प कौशल से परे क्षमताओं और सोच के नए तरीकों के मिश्रण की आवश्यकता होगी। उन्हें यह समझने की आवश्यकता होगी कि डिजिटल प्रौद्योगिकियां कैसे काम करती हैं, विभिन्न प्रकार के डेटा क्या प्रकट कर सकते हैं (और क्या नहीं), और डिज़ाइन विशेषज्ञता को एआई साक्षरता के साथ कैसे जोड़ा जाए। इसमें उच्च-गुणवत्ता वाले, सुव्यवस्थित डेटा के साथ काम करना शामिल है जो वास्तविक उपयोगकर्ता अनुभवों को दर्शाता है, न कि केवल तकनीकी प्रदर्शन मेट्रिक्स पर निर्भर रहना। इसके साथ ही, डिज़ाइनरों को यह पहचानने की क्षमता भी होनी चाहिए कि एआई कहाँ सहायक है और कहाँ मानवीय रचनात्मकता और आलोचनात्मक सोच को केंद्रीय महत्व देना चाहिए।

इन आवश्यकताओं को पूरा करने के लिए, विश्वविद्यालयों और संगठनों को रचनात्मक प्रतिभा की अगली पीढ़ी को प्रशिक्षित करने के तरीके पर पुनर्विचार करना होगा। कुछ विश्वविद्यालय पहले से ही डिज़ाइन कार्यक्रमों में डेटा साइंस को एकीकृत कर रहे हैं; यह एक महत्वपूर्ण कदम है, लेकिन अपने आप में पर्याप्त नहीं है। अभी भी डिजिटल युग की वास्तविकताओं के लिए उपयुक्त डिज़ाइन-थिंकिंग विधियों की कमी है: ऐसी विधियाँ जो डिज़ाइनरों को AI के साथ सहयोग करने, विभिन्न विषयों में काम करने और नैतिक और मानव-केंद्रित निगरानी बनाए रखते हुए तीव्र प्रयोगों को समझने में मदद करें।

इस कमी को दूर करना अत्यंत आवश्यक है। इसीलिए मेरे सहयोगी डॉ. जी हान और मैं कैम्ब्रिज यूनिवर्सिटी प्रेस के साथ मिलकर इस विषय पर एक पुस्तक लिख रहे हैं। डिजिटल युग में डिजाइन थिंकिंगजो एआई के साथ प्रभावी ढंग से डिजाइन करने के लिए आवश्यक ढांचे, कौशल और सोचने के तरीकों को एक साथ लाता है।

डिजिट लैब जिम्मेदार परिवर्तन पर जोर देती है। आपके विचार में, जैसे-जैसे एआई विभिन्न उद्योगों में डिजाइन वर्कफ़्लो में समाहित होता जा रहा है, किन नैतिक या सामाजिक जोखिमों पर अधिक ध्यान देने की आवश्यकता है?

इसका एक उदाहरण डेटा के नैतिक उपयोग को सुनिश्चित करना है, जिसमें सूचित सहमति प्राप्त करना और एआई उत्पादों को विकसित करने के लिए उपयोग किए गए डेटासेट के बारे में पारदर्शिता बनाए रखना, साथ ही उनमें मौजूद किसी भी संभावित पूर्वाग्रह को उजागर करना शामिल है। उदाहरण के लिए, स्वास्थ्य सेवा प्रणालियों में शामिल डेटासेट की सावधानीपूर्वक जांच की जानी चाहिए ताकि यह सुनिश्चित हो सके कि वे पूरी आबादी का पर्याप्त रूप से प्रतिनिधित्व करते हैं, किसी भी ऐसे समूह की पहचान की जा सके जिसका प्रतिनिधित्व कम हो, और यह पुष्टि की जा सके कि एआई प्रणाली उद्देश्य के लिए उपयुक्त और समावेशी है। सामाजिक दृष्टिकोण से, अक्सर यह चिंता रहती है कि एआई नौकरियों को विस्थापित कर देगा; हालांकि, यह समझना महत्वपूर्ण है कि मानवीय विशेषज्ञता कहां आवश्यक बनी हुई है और एआई का उपयोग मानवीय क्षमताओं को प्रतिस्थापित करने के बजाय उन्हें बढ़ाने के लिए कैसे किया जा सकता है।

हालांकि, इससे जुड़े कुछ गहरे नैतिक मुद्दे भी हैं। जब डिज़ाइनर मानव डेटा पर निर्भर होते हैं, तो उन्हें गोपनीयता, पूर्वाग्रह और अन्य पहलुओं का ध्यान रखना चाहिए। पारदर्शिता जिम्मेदारी सेडिजिट लैब की एक कार्यशाला में विनिर्माण क्षेत्र के लिए "डेटा", "मानव" और "शासन" को मुख्य चुनौती श्रेणियों के रूप में पहचाना गया, जिसमें बेहतर डेटा संग्रहण, मानव-केंद्रित निगरानी और सुरक्षा, विश्वास, बौद्धिक संपदा और विनियमन पर स्पष्ट नीतियों की आवश्यकता पर प्रकाश डाला गया। इन जोखिमों से निपटने का अर्थ है यह सुनिश्चित करना कि एआई सिस्टम विविध डेटा पर आधारित हों, महत्वपूर्ण बिंदुओं पर मानवीय निर्णय को शामिल किया जाए और ऐसे समावेशी डिज़ाइन मानक विकसित किए जाएं जो गोपनीयता, सहमति और सांस्कृतिक संदर्भ का सम्मान करते हों।

आपने इस बात पर शोध किया है कि डेटा और एआई किस प्रकार उपयोगकर्ता अनुभव के आधार पर उत्पादों को अनुकूलित कर सकते हैं। क्या आप ऐसे भविष्य की कल्पना करते हैं जहां उत्पाद कारखाने से निकलने के बाद वास्तविक समय के डेटा के आधार पर गतिशील रूप से विकसित हों? यदि हां, तो डिजाइनरों को उस दुनिया के लिए कैसे तैयारी करनी चाहिए? 

डेटा-संचालित डिज़ाइन उत्पादों को वैयक्तिकृत, अनुकूलित या व्यक्तिगत व्यवहार के अनुरूप बनाया जा सकता है। इसके बाद वे "स्मार्ट" सिस्टम बन जाते हैं जो उनके उपयोग के बारे में डेटा एकत्र करते हैं और अंतर्निहित सेंसर और IoT कनेक्टिविटी के माध्यम से संवाद करते हैं। हमारे फ्रेमवर्क में, अनुकूलन गतिविधियों में कारखाने से निकलने के बाद उत्पादों को अपडेट और अनुकूलित करने के लिए उस डेटा का उपयोग करना शामिल है। उदाहरणों में मानव-रोबोट सहयोग के लिए जेस्चर-रिकग्निशन मॉडल को डिजिटल ट्विन से जोड़ना और अनुकूलित घटक बनाने के लिए मशीन लर्निंग-सहायता प्राप्त स्कैनिंग का उपयोग करना शामिल है।

इस बदलाव से नई जिम्मेदारियां पैदा होती हैं। डिजाइनरों को यह तय करना होगा कि कौन सी जिम्मेदारियां निभानी हैं। मानव डेटाव्यवहारिक, शारीरिक, प्रतिक्रियात्मक या भावनात्मक, कोई भी पहलू प्रासंगिक है। उन्हें यह भी सुनिश्चित करना होगा कि अपडेट उन इच्छित सौंदर्य और भावनात्मक गुणों को बनाए रखें जो रूप और धारणा से जुड़े होते हैं। अंत में, शासन महत्वपूर्ण है: हमारी उद्योग कार्यशाला ने इस बात पर प्रकाश डाला कि डेटा, विश्वास और गोपनीयता से संबंधित मुद्दों के लिए स्पष्ट नीतियों और मानवीय निगरानी की आवश्यकता है। जब इसे सही ढंग से किया जाता है, तो विकसित उत्पाद अर्थ या नैतिकता का त्याग किए बिना स्थायी मूल्य और प्रतिक्रियाशीलता प्रदान कर सकते हैं।

भविष्य की दृष्टि से देखें तो, इस समय आपको कौन से बड़े शोध प्रश्न प्रेरित करते हैं? और आपको क्या लगता है कि AI, रचनात्मकता और डिज़ाइन इंजीनियरिंग के संगम पर अगले कुछ वर्षों में इस क्षेत्र में कौन-कौन सी महत्वपूर्ण उपलब्धियाँ देखने को मिलेंगी?

ऊपर वर्णित कई चुनौतियाँ अभी भी अनसुलझी हैं - जिनमें से कई पर मैं वर्तमान में काम कर रहा हूँ, जिनमें यह सुनिश्चित करने का काम भी शामिल है कि सामान्य प्रयोजन वाले जनरेटिव एआई टूल को उन विशिष्ट क्षेत्रों के अनुरूप प्रभावी ढंग से तैयार किया जा सके जो उन्हें अपनाना चाहते हैं।

क्षेत्र स्तर पर, यह काफी अलग दिख सकता है: विनिर्माण में, इसमें मजबूत गोपनीयता और सुरक्षा उपायों के साथ-साथ डोमेन-विशिष्ट ज्ञान पर प्रशिक्षित स्थानीयकृत मॉडलों का उपयोग शामिल हो सकता है; रचनात्मक उद्योगों में, ध्यान उत्पादन में विविधता लाने और मनुष्यों और एआई के बीच अधिक सार्थक सहयोग को सक्षम करने पर हो सकता है।

तकनीकी स्तर पर, हम मूल्यांकन कार्यों में सहायता के लिए बड़े भाषा मॉडलों के साथ प्रयोग कर रहे हैं। एक अध्ययन से पता चलता है कि अच्छी तरह से डिज़ाइन किए गए संकेतों द्वारा निर्देशित होने पर एलएलएम नवीनता और उपयोगिता का आकलन कर सकते हैं और मानव विशेषज्ञों के साथ अधिक निकटता से मेल खा सकते हैं। एक संबंधित शोध पत्र में इसका उपयोग किया गया है। विचारों की श्रृंखला एआई मूल्यांकन को अधिक विश्वसनीय बनाने के लिए प्रॉम्प्टिंग और मल्टी-मॉडल एग्रीगेशन का उपयोग किया जा रहा है। हम संगठनों की डिजिटल-परिवर्तन आवश्यकताओं को समझने के लिए संवादात्मक एजेंटों का भी पता लगा रहे हैं, यह प्रदर्शित करते हुए कि चैटबॉट विश्लेषण कर सकते हैं। संरचित साक्षात्कार प्रभावी ढंग से। डिज़ाइन में मानवीय डेटा के उपयोग पर किए जा रहे कार्यों के साथ मिलकर, ये पहल एक ऐसे भविष्य की ओर इशारा करती हैं जिसमें एआई हमें विशेषज्ञता को संरक्षित करने, बेहतर निर्णय लेने और उपयोगकर्ताओं को नैतिक रूप से जोड़ने में मदद करता है।

विचारपूर्ण और ज्ञानवर्धक साक्षात्कार के लिए धन्यवाद; जो पाठक प्रोफेसर अहमद-क्रिस्टेंसन के एआई-संचालित डिजाइन, रचनात्मकता और जिम्मेदार डिजिटल परिवर्तन पर किए गए कार्यों के बारे में अधिक जानना चाहते हैं, वे उनके चल रहे शोध और पहलों के बारे में जानकारी प्राप्त कर सकते हैं। डिजिट लैब.