प्रो. साइमा अहमद-क्रिस्टेंसेन, डीआईजीआईटी लैब के निदेशक – साक्षात्कार श्रृंखला

प्रोफेसर साइमा अहमद-क्रिस्टेंसेन एक प्रमुख डिजाइन इंजीनियरिंग विद्वान और एसोसिएट प्रो-उप-चांसलर (रिसर्च एंड इम्पैक्ट) हैं एक्सेटर विश्वविद्यालय में, जहां वे डीआईजीआईटी लैब के निदेशक के रूप में भी कार्य करते हैं, जो एक प्रमुख अंतरविषयक अनुसंधान पहल है जो डिजिटल नवाचार और परिवर्तन पर केंद्रित है। उनका शोध डिजाइन रचनात्मकता और संज्ञान, डेटा-संचालित और डिजिटल डिजाइन, और जटिल इंजीनियरिंग और उत्पाद विकास में उन्नत प्रौद्योगिकियों के एकीकरण पर केंद्रित है, जिसमें उद्योग सहयोग, नीति जुड़ाव और बड़े पैमाने पर अनुसंधान कार्यक्रमों के माध्यम से वास्तविक दुनिया के प्रभाव में अकादमिक अंतर्दृष्टि को अनुवादित करने पर मजबूत जोर दिया जाता है।

आपका करियर कैम्ब्रिज, डीटीयू, इंपीरियल कॉलेज लंदन, रॉयल कॉलेज ऑफ आर्ट, और अब एक्सेटर विश्वविद्यालय में फैला है। पीछे मुड़कर देखते हुए, डिजाइन, रचनात्मकता और डिजिटल प्रौद्योगिकियों की भूमिका के बारे में आपकी सोच को आकार देने वाले अनुभव या मोड़ क्या थे?

मेरा डिजाइन में काम कई अलग-अलग संस्कृतियों और विषयों में फैला है। मैंने ब्रुनेल में एक पाठ्यक्रम पर शुरुआत की जो उस समय प्रौद्योगिकी, मानव-केंद्रित डिजाइन और रूप की समझ को मिलाता था। इसने मुझे शुरू से ही सिखाया कि रचनात्मकता और नवाचार घनिष्ठ रूप से जुड़े हुए हैं।

कैम्ब्रिज में अध्ययन करने से मेरी सोच और विकसित हुई। कॉलेज के माहौल ने मुझे कई विषयों से परिचित कराया और दिखाया कि नवाचार ज्ञान के विभिन्न क्षेत्रों में एक साथ आने पर निर्भर करता है। मेरे पीएचडी ने एयरोस्पेस क्षेत्र पर केंद्रित किया और जांच की कि इंजीनियर डिजाइनर जानकारी कैसे खोजते हैं और इसका उपयोग कैसे करते हैं। मैंने अध्ययन किया कि लोग ज्ञान कैसे प्राप्त करते हैं, विशेषज्ञता का समर्थन या प्रतिकृति कैसे की जा सकती है, और संज्ञान, कंप्यूटर विज्ञान और इंजीनियरिंग डिजाइन के बीच का अंतर। यह मानव-केंद्रित लेंस मेरे साथ बना हुआ है।

जैसे-जैसे डिजिटल प्रौद्योगिकियां बढ़ीं, मेरे काम में प्रश्न भी बढ़े। आईओटी डेटा, एआई और उन्नत गणना के उदय ने डिजाइन को मानव-केंद्रित से समाज-केंद्रित की ओर स्थानांतरित कर दिया। यह एक्सेटर विश्वविद्यालय में मेरे काम को आकार देता है, जहां मैं डीआईजीआईटी लैब का नेतृत्व करता हूं और रचनात्मक प्रक्रिया में एलएलएम की भूमिका, उद्योगों द्वारा उनके अपनाने में आने वाली बाधाओं, और डेटा द्वारा नवाचार को चलाने पर ध्यान केंद्रित करता हूं।

मेरा समय इंपीरियल और रॉयल कॉलेज ऑफ आर्ट में यह पुष्टि करता है कि डिजाइन केवल उत्पादों या सेवाओं को आकार देने से अधिक है। सही लोगों, प्रक्रियाओं और संस्कृति के साथ, डिजाइन नए और स्केलेबल प्रौद्योगिकियों, सामग्रियों और विचारों को चलाने वाला बन जाता है जो आज और कल की वैश्विक चुनौतियों का सामना कर सकते हैं।

डीआईजीआईटी लैब बड़े स्थापित संगठनों के भीतर डिजिटल परिवर्तन पर बहुत जोर देता है। अपने दृष्टिकोण से, आप क्या मानते हैं कि नेता डिजाइन, नवाचार और निर्णय लेने में एआई के परिवर्तनकारी प्रभाव के बारे में सबसे अधिक गलत समझते हैं?

दशकों से, एआई ने शोध में प्रगति की है और कुछ उद्योगों में अपनाया गया है, लेकिन प्रगति अक्सर कौशल अंतर, नेतृत्व की समझ, और मूल्य और आवश्यक बुनियादी ढांचे पर स्पष्टता की कमी के कारण सीमित रही है। एलएलएम और डीएलएल-ई जैसे जनरेटिव टूल्स के उदय के साथ, एआई अब अधिक सुलभ है और कम विशेषज्ञ विशेषज्ञता या सेटअप की आवश्यकता है। लेकिन यह नई चुनौतियां भी प्रस्तुत करता है, जैसे कि गोपनीयता, डेटा सुरक्षा और यह कि सामान्य-उद्देश्य मॉडल विशिष्ट डोमेन में कितनी अच्छी तरह लागू होते हैं।

डिजाइन और नवाचार में, ये मुद्दे विशेष रूप से स्पष्ट हैं। हमारे शोध, जिसने मानव और एआई द्वारा उत्पन्न 12,000 से अधिक विचारों का अध्ययन किया, यह दर्शाता है कि एआई विचार समान अवधारणाओं के आसपास क्लस्टर करने की प्रवृत्ति रखते हैं। यह मानव विशेषज्ञता को सामान्य उपकरणों में निर्मित करने, एआई को डोमेन के लिए अनुकूलित करने, या एआई का उपयोग मानव रचनात्मकता और निर्णय लेने के साथ कब और कैसे करना है, इसकी आवश्यकता को रेखांकित करता है।

आपका बहुत सारा शोध डिजाइन में रचनात्मकता और संज्ञान का अन्वेषण करता है। जनरेटिव एआई अब विचार, अवधारणाओं और पुनरावृत्तियों को बड़े पैमाने पर उत्पन्न करने में सक्षम है। आप कौन से रचनात्मकता के पहलुओं को मानव-विशिष्ट मानते हैं – और कौन से हिस्से एआई-संचालित प्रक्रियाओं की ओर जिम्मेदारी से स्थानांतरित किए जा सकते हैं?

रचनात्मकता हमेशा मेरे लिए विकल्प उत्पन्न करने से अधिक रही है। यह इरादा, सांस्कृतिक अर्थ और डिजाइन द्वारा बनाई गई भावनात्मक जुड़ाव के बारे में है। हमारे हालिया डीआईजीआईटी लैब सर्वेक्षण ने इसे तेजी से स्पष्ट किया: 82% लोगों ने हमें बताया कि मानव-नेतृत्व वाला या हाइब्रिड कार्य अधिक अर्थपूर्ण लगता है, और 71% ने कहा कि वे एआई-केवल डिजाइन से कम भावनात्मक रूप से जुड़े हुए महसूस करते हैं। कई लोगों ने एआई-उत्पन्न कार्य को “भावना की कमी” (48%) या “अत्यधिक परिपूर्ण” (40%) के रूप में वर्णित किया, और 36% ने महसूस किया कि इसका प्रभाव जल्दी फीका पड़ जाता है। ये प्रतिक्रियाएं ने मुझे लंबे समय से जो माना है, उसे पुष्टि की – भावनात्मक जुड़ाव एक अच्छा होना नहीं है; यह रचनात्मक कार्य के अनुभव और मूल्यांकन के लिए आवश्यक है।

हमारे शोध जो मानव और एआई विचारों की तुलना करता है, यह भी दिखाता है कि मानव डिजाइनर विविध, नए विचारों को बनाने और यह सुनिश्चित करने में बेहतर हैं कि रचनात्मक आउटपुट, चाहे वह कला, उत्पाद डिजाइन या सेवाएं हों, में गहराई और अर्थ है। रचनात्मक विशेषज्ञ एक कौशल सेट रखते हैं जो अभी तक प्रतिकृति करना संभव नहीं है। डिजाइनरों को समस्या को समझने की आवश्यकता है trước कि वे विचार उत्पन्न करें, और एलएलएम विशेष रूप से जानकारी इकट्ठा करने में सहायक हो सकते हैं ताकि डिजाइनर एक समस्या से दूसरी समस्या में स्थानांतरित हो सकें। यदि हम मानव विशेषज्ञता के मॉडल को एआई टूल में निर्मित कर सकते हैं, तो वे विचारों के मूल्यांकन का भी समर्थन कर सकते हैं, जिससे एआई मानव रचनात्मक कौशल का बेहतर लाभ उठा सकता है।

हम जिस श्रृंखला-विचार दृष्टिकोण के साथ प्रयोग कर रहे हैं वह एलएलएम को विशेषज्ञ तर्क का पालन करने में सहायता करता है, न कि केवल स्कोर प्रदान करता है। सभी मामलों में, परिणामों की व्याख्या करने और यह सुनिश्चित करने के लिए मानव पर्यवेक्षण आवश्यक है कि डिजाइन विकल्प उपयोगकर्ताओं के अनुभवों से मेल खाते हैं।

यह स्पष्ट है कि हमें या तो मॉडल बनाने होंगे जो यह कैप्चर कर सकते हैं कि लोग उत्पादों, सेवाओं और इंटरैक्शन का अनुभव कैसे करते हैं ताकि कंप्यूटर उन्हें व्याख्या कर सकें, या मोटी डेटा (समृद्ध गुणात्मक अंतर्दृष्टि जो संदर्भ प्रदान करती है) को पतली या बड़ी सेंसर डेटा के साथ एकीकृत करें जो हम एकत्र करते हैं। इन मॉडलों का विकास सीधा नहीं है, और यह ठीक वह जगह है जहां मानव भागीदारी अभी भी आवश्यक है।

इसलिए, मेरे लिए निष्कर्ष यह नहीं है कि एआई की रचनात्मकता में कोई जगह नहीं है। दूर से। यह है कि एआई और मानव अलग-अलग ताकत प्रदान करते हैं। यह तथ्य कि लोग लगातार मानव या हाइब्रिड कार्य के प्रति अधिक सकारात्मक प्रतिक्रिया देते हैं, यह हमें केवल यह बताता है कि गुरुत्वाकर्षण का केंद्र कहां है। एआई डिजाइन स्थान का अन्वेषण करने में मदद कर सकता है, पैटर्न का विश्लेषण कर सकता है और संरचित आलोचना प्रदान कर सकता है, लेकिन उन सपाटता, एल्गोरिदमिक परिपूर्णता और भावनात्मक दूरी की धारणाएं दिखाती हैं कि एआई अभी भी मानव निर्णय की आवश्यकता को बदल देता है।

इसलिए, मैं रचनात्मकता के भविष्य को मूल रूप से सहयोगी के रूप में देखता हूं। एआई संभावनाओं के क्षेत्र को व्यापक बना सकता है। डिजाइनर सहानुभूति, सांस्कृतिक समझ और उन संभावनाओं को अर्थ देने वाले इरादे को लाते हैं। जब दोनों साथ मिलकर काम करते हैं, तो मानव निर्णय दिशा निर्धारित करता है और एआई अन्वेषण को समृद्ध बनाता है, तो परिणामी रचनात्मक प्रक्रिया अधिक कठोर, अधिक कल्पनाशील और अंततः अधिक मानवीय होती है।

आपने उपयोगकर्ता अनुभवों और डिजाइन ज्ञान को मात्रा निर्धारित करने और संरचित करने के लिए दृष्टिकोण विकसित किए हैं। एआई प्रणाली उत्पादों और सेवाओं को उत्पन्न करने के लिए अधिक जिम्मेदार होती जा रही है, तो हम कैसे सुनिश्चित करें कि मानव अनुभव, भावनाएं और सांस्कृतिक संकेत डिजाइन प्रक्रिया में केंद्रीय बने रहें?

मानव अनुभव को केंद्र में रखने के लिए, हमें अपने तरीकों में धारणा और भावना के ज्ञान को नियंत्रित करने की आवश्यकता है।

दो मुख्य दृष्टिकोण हैं। पहला गुणात्मक डेटा की आवश्यकता को मान्यता देता है जो मानव अनुभव, धारणा और भावना की समृद्ध समझ को सक्षम बनाता है, जो प्रभावी मानव-एआई सहयोग को सूचित करता है। दूसरा – जिस पर मेरा काम केंद्रित है – इस ज्ञान को मॉडल में अनुवादित करने का लक्ष्य रखता है जो एआई प्रणाली समझ और उपयोग कर सकती है।

इन मॉडलों को विकसित करना जटिल है, क्योंकि उन्हें उपयोगकर्ता अनुभव, मानव धारणा और डिजाइन की जा रही उत्पादों या प्रणालियों की विशेषताओं को एकीकृत करने की आवश्यकता है, ताकि मानव प्रतिक्रियाओं और समग्र अनुभव की भविष्यवाणी की जा सके।

आप जटिल उद्योगों के साथ व्यापक रूप से काम करते हैं – एयरोस्पेस, चिकित्सा, विनिर्माण, और उपभोक्ता उत्पाद। इन उच्च जोखिम वाले वातावरण में, आप सुरक्षा, ट्रेसबिलिटी और विश्वास की आवश्यकता के साथ एआई-समर्थित डिजाइन की संभावना को कैसे संतुलित करते हैं?

उच्च जोखिम वाले क्षेत्रों जैसे स्वास्थ्य सेवा, एयरोस्पेस और विनिर्माण में, प्रश्न यह नहीं है कि एआई का उपयोग किया जा सकता है या नहीं, बल्कि यह कि यह कैसे शासित है। इन वातावरण में विश्वास प्रत्येक चरण में स्पष्ट जवाबदेही, ट्रेसबिलिटी और व्याख्या पर निर्भर करता है। डिजाइन और निर्णय लेने की प्रक्रिया में। एआई प्रारंभिक अन्वेषण, अनुकूलन और सिमुलेशन में एक शक्तिशाली सहायक भूमिका निभा सकता है, लेकिन यह अंतिम प्राधिकरण नहीं बन सकता है।

इनमें से कई क्षेत्र सख्ती से नियंत्रित हैं और सुरक्षा आवश्यकताओं के अधीन हैं, जिनमें सभी डेटा को सुरक्षित रूप से संभालने की आवश्यकता होती है, चाहे वह व्यक्तिगत हो या व्यावसायिक रूप से संवेदनशील। इन संदर्भों में, प्रॉम्प्ट या प्रश्न अक्सर स्थानीय डेटा का उपयोग करके विकसित किए जाने की आवश्यकता होती है ताकि विशिष्टता और प्रासंगिकता सुनिश्चित की जा सके, और यह अक्सर ऐसे क्षेत्रों में संगठनों के लिए अपने स्वयं के एआई टूल बनाने और बनाए रखने के लिए सामान्य है।

हमारे व्यापक शोध ने लगातार दिखाया है कि हाइब्रिड सिस्टम आवश्यक हैं: एआई को विशेषज्ञ निर्णय का समर्थन करना चाहिए, न कि इसे प्रतिस्थापित करना चाहिए। सुरक्षा, जोखिम और दायित्व से संबंधित प्रत्येक महत्वपूर्ण निर्णय बिंदु पर मानव पर्यवेक्षण निर्मित किया जाना चाहिए। नियामक और अंतिम उपयोगकर्ताओं को एआई-संचालित प्रणालियों पर भरोसा करने के लिए, संगठनों को यह भी पारदर्शी दस्तावेज़ीकरण की आवश्यकता है कि मॉडल कैसे प्रशिक्षित किए जाते हैं, वे किस डेटा का उपयोग करते हैं, और आउटपुट कैसे उत्पन्न होते हैं। उस पारदर्शिता के बिना, विश्वास को स्केल नहीं किया जा सकता है, चाहे प्रौद्योगिकी कितनी ही उन्नत क्यों न हो।

कई संगठन एआई के साथ प्रयोग करने और इसे उत्पाद विकास में सामरिक रूप से एकीकृत करने के बीच की खाई से जूझते हैं। टीमों के लिए जो प्रयोग से रणनीतिक कार्यान्वयन में स्थानांतरित करने का प्रयास कर रहे हैं, आप क्या व्यावहारिक कदम सिफारिश करेंगे?

कई संगठन प्रयोग चरण में अटक जाते हैं क्योंकि वे एआई को स्पष्ट रणनीतिक उद्देश्य के बिना अपनाते हैं। पहला व्यावहारिक कदम यह है कि विकास प्रक्रिया में एआई की भूमिका के बारे में स्पष्ट होना चाहिए, चाहे वह विचार उत्पन्न करना, परीक्षण त्वरण, मूल्यांकन में सुधार, या निर्णय लेने में सुधार करना हो। बिना उस स्पष्टता के, पायलट वास्तविक व्यावसायिक और डिजाइन परिणामों से जुड़े नहीं हैं।

टीमों को सही नींव भी रखने की आवश्यकता है। इसका अर्थ है उच्च गुणवत्ता वाले, अच्छी तरह से शासित डेटा में निवेश करना, विशेष रूप से डेटा जो वास्तविक उपयोगकर्ता अनुभव को प्रतिबिंबित करता है, न कि केवल तकनीकी प्रदर्शन मेट्रिक्स पर। इसका अर्थ यह भी है कि एआई की वर्तमान सीमाओं, विशेष रूप से रचनात्मक और मानव-केंद्रित निर्णय लेने में के बारे में वास्तविक होना, जहां विशेषज्ञ पर्यवेक्षण आवश्यक रहता है।

कई क्षेत्र एआई प्रयोग से लेकर व्यापक अपनाने तक प्रक्रिया के माध्यम से टीमों का मार्गदर्शन करने वाली एआई नीतियों को विकसित करना शुरू कर रहे हैं। ये नीतियां संगठनों को यह पहचानने में मदद करती हैं कि एआई वास्तव में मूल्य को जोड़ सकता है, जबकि सुनिश्चित करता है कि मानव जहां आवश्यक हो वहां शामिल हैं।

अंत में, संगठनों को वास्तविक कार्य प्रवाह में एम्बेड किए गए, निम्न-जोखिम वाले पायलट के माध्यम से आगे बढ़ना चाहिए, न कि अलगाव में। ये पायलट अंतरविषयक होने चाहिए, जो डिजाइनरों, इंजीनियरों, डेटा वैज्ञानिकों और डोमेन विशेषज्ञों को एक साथ लाते हैं ताकि सीखने को साझा किया जा सके और हस्तांतरणीय हो। एआई तब मूल्य प्रदान करता है जब यह रोजमर्रा की प्रथा में डिजाइन किया जाता है, एक अलग प्रयोगात्मक परत के रूप में नहीं माना जाता है।

आपने डिजाइन में ज्ञान को संरचित और स्वचालित करने के लिए दृष्टिकोण विकसित किए हैं। एआई प्रणाली डिजाइन इरादे, उपयोगकर्ता आवश्यकताओं और संदर्भ के बारे में कैसे तर्क कर सकती हैं ताकि यह वास्तव में मूल्य जोड़े, न कि केवल सामग्री उत्पन्न करे?

कुछ क्षेत्रों में, उपयोगकर्ता प्राथमिकताओं की भविष्यवाणी करना अपेक्षाकृत सरल है, क्योंकि डेटा जैसे ब्राउज़िंग इतिहास या देखी गई फिल्मों या टेलीविजन शो के रिकॉर्ड का उपयोग सिफारिशें करने के लिए किया जा सकता है। ये क्षेत्र आसानी से उपलब्ध डेटा से लाभान्वित होते हैं।

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

मेरे हाल के शोध में, जिसे डिजिट लैब के साथ किया गया था, ने एक एलएलएम की क्षमता की जांच की जब यह मानव धारणा और प्रतिक्रिया के मॉडल के साथ दी जाती है … हालांकि, वर्तमान मॉडल डेटा में पैटर्न पर काम करते हैं और अर्थ को संदर्भित नहीं कर सकते हैं। पहले के अध्ययन जो आकार को धारणाओं से जोड़ते हैं, यह दिखाते हैं कि आकार में भी छोटे परिवर्तन भावनात्मक प्रतिक्रियाओं को बदल सकते हैं, और ऐसी बारीकियां एआई के लिए मानव मार्गदर्शन के बिना या जटिल मॉडल के बिना प्रत्याशित करना मुश्किल है।

इसलिए, एआई का इरादा बेहतर हो रहा है, लेकिन यह मानव विशेषज्ञता का पूरक बना हुआ है।

जैसे-जैसे एआई डिजाइन चक्र को तेज करता है – विचार से लेकर प्रोटोटाइप तक – डिजाइनरों को कौन से नए कौशल की आवश्यकता होगी? डिजाइन की अगली पीढ़ी की रचनात्मक प्रतिभा के प्रशिक्षण के लिए विश्वविद्यालयों और संगठनों को कैसे पुनर्विचार करना चाहिए?

डिजाइनरों को मानव धारणा और एआई-संचालित उपकरण दोनों में प्रवीण होने की आवश्यकता होगी। रूप, सामग्री और अनुपात कैसे भावनात्मक प्रतिक्रिया को आकार देते हैं, यह समझना अच्छे डिजाइन के लिए मूलभूत बना हुआ है। साथ ही, डिजाइनरों को एआई प्रणालियों के साथ आत्मविश्वास से काम करने में सक्षम होने की आवश्यकता होगी जो विचार उत्पन्न करने और मूल्यांकन में सहायता करती हैं। इसका अर्थ है न केवल उपकरणों का उपयोग करना, बल्कि यह समझना कि वे किस लिए अनुकूलन कर रहे हैं और उनकी सीमाएं कहां हैं।

जैसे-जैसे एआई डिजाइन चक्र को तेज करता है, डिजाइनरों को एक नए संयोजन की क्षमताओं और सोच की आवश्यकता होगी जो पारंपरिक शिल्प कौशल से परे है। उन्हें यह समझने की आवश्यकता होगी कि डिजिटल प्रौद्योगिकियां कैसे काम करती हैं, विभिन्न प्रकार के डेटा क्या (और क्या नहीं) प्रकट कर सकते हैं, और डिजाइन विशेषज्ञता को एआई साक्षरता के साथ कैसे जोड़ा जाए। इसमें वास्तविक उपयोगकर्ता अनुभवों को प्रतिबिंबित करने वाले उच्च गुणवत्ता वाले, शासित डेटा के साथ काम करने की क्षमता शामिल है, न कि केवल तकनीकी प्रदर्शन मेट्रिक्स पर निर्भर रहना।

डिजाइनरों को यह भी निर्णय लेने की आवश्यकता होगी कि कौन से मानव डेटा, व्यवहार, प्रतिक्रिया या भावनात्मक डेटा प्रासंगिक है। उन्हें यह सुनिश्चित करने की भी आवश्यकता होगी कि अद्यतन इरादा किए गए सौंदर्य और भावनात्मक गुणों को बनाए रखें जो हम जानते हैं कि रूप और धारणा से जुड़े हुए हैं।

अंततः, डिजाइनरों को यह तय करने की आवश्यकता होगी कि कौन से मानव डेटा का उपयोग किया जाना चाहिए, क्या व्यवहार, प्रतिक्रिया या भावनात्मक डेटा प्रासंगिक है, और कैसे अद्यतन किए जाने वाले उत्पादों को सुनिश्चित किया जाए कि वे इरादा किए गए सौंदर्य और भावनात्मक गुणों को बनाए रखें।

डीआईजीआईटी लैब जिम्मेदार परिवर्तन पर जोर देता है। आपके दृष्टिकोण से, एआई डिजाइन कार्य प्रवाह में निहित होने के medida जोखिमों को और अधिक ध्यान देने की आवश्यकता है – और क्या?

एक उदाहरण यह सुनिश्चित करने के लिए है कि डेटा का नैतिक उपयोग किया जाता है, जिसमें एआई उत्पादों को विकसित करने के लिए उपयोग किए जाने वाले डेटासेट में निहित संभावित पूर्वाग्रह शामिल हैं। उदाहरण के लिए, स्वास्थ्य सेवा प्रणालियों में निहित डेटासेट को सावधानी से जांचा जाना चाहिए ताकि यह सुनिश्चित किया जा सके कि वे पूरी आबादी का प्रतिनिधित्व करते हैं, पहचानें कि कौन से समूह कम प्रतिनिधित्व कर सकते हैं, और पुष्टि करें कि एआई प्रणाली उपयुक्त और समावेशी है।

हालांकि, गहरे नैतिक मुद्दे भी हैं। जब डिजाइनर मानव डेटा पर भरोसा करते हैं, तो उन्हें गोपनीयता, पूर्वाग्रह और पारदर्शिता को जिम्मेदारी से संभालना चाहिए। एक डीआईजीआईटी लैब कार्यशाला ने “डेटा”, “मानव” और “शासन” को विनिर्माण क्षेत्र में मुख्य चुनौती श्रेणियों के रूप में पहचाना, जो बेहतर डेटा कैप्चर, मानव-इन-द-लूप पर्यवेक्षण और सुरक्षा, विश्वास, बौद्धिक संपदा और नियमन पर स्पष्ट नीतियों की आवश्यकता को रेखांकित करता है। इन जोखिमों को संबोधित करने का अर्थ है सुनिश्चित करना कि एआई प्रणाली विविध डेटा पर बनाई जाती है, मानव निर्णय को महत्वपूर्ण बिंदुओं पर निर्मित किया जाता है, और समावेशी डिजाइन मानक विकसित किए जाते हैं जो गोपनीयता, सहमति और सांस्कृतिक संदर्भ का सम्मान करते हैं।

आपने डेटा और एआई का उपयोग करके उत्पादों को उपयोगकर्ता अनुभव के आसपास कैसे अनुकूलित किया जा सकता है, इसका अनुसंधान किया है। क्या आप एक भविष्य देखते हैं जहां उत्पाद वास्तविक समय के डेटा के आधार पर कारखाने से बाहर निकलने के बाद गतिशील रूप से विकसित होते हैं? यदि हां, तो डिजाइनरों को उस दुनिया के लिए कैसे तैयार करना चाहिए?

डेटा-संचालित डिजाइन का उपयोग उत्पादों को व्यक्तिगत, अनुकूलित या व्यवहार के अनुसार अनुकूलित करने के लिए किया जा सकता है। वे तब “स्मार्ट” प्रणाली बन जाते हैं जो उनके उपयोग के बारे में डेटा एकत्र करते हैं और निहित सेंसर और आईओटी कनेक्टिविटी के माध्यम से संवाद करते हैं। हमारे ढांचे में, अनुकूलन गतिविधियों में उस डेटा का उपयोग शामिल है ताकि उत्पादों को कारखाने से बाहर निकलने के बाद अद्यतन और अनुकूलित किया जा सके। उदाहरणों में मानव-रोबोट सहयोग के लिए एक डिजिटल ट्विन के साथ इशारा पहचान मॉडल को जोड़ना और मानव-रोबोट सहयोग के लिए एक डिजिटल ट्विन के साथ इशारा पहचान मॉडल को जोड़ना और मशीन लर्निंग-सहायता प्राप्त स्कैनिंग का उपयोग करके अनुकूलित घटक बनाना शामिल है।

यह परिवर्तन नई जिम्मेदारियां पैदा करता है। डिजाइनरों को यह तय करने की आवश्यकता है कि कौन से मानव डेटा, व्यवहार, प्रतिक्रिया या भावनात्मक डेटा प्रासंगिक है। उन्हें यह सुनिश्चित करने की आवश्यकता है कि अद्यतन इरादा किए गए सौंदर्य और भावनात्मक गुणों को बनाए रखें जो हम जानते हैं कि रूप और धारणा से जुड़े हुए हैं।

अंततः, डिजाइनरों को यह तय करने की आवश्यकता होगी कि कौन से मानव डेटा का उपयोग किया जाना चाहिए, क्या व्यवहार, प्रतिक्रिया या भावनात्मक डेटा प्रासंगिक है, और कैसे अद्यतन किए जाने वाले उत्पादों को सुनिश्चित किया जाए कि वे इरादा किए गए सौंदर्य और भावनात्मक गुणों को बनाए रखें।

आगे देखते हुए, आपको अभी क्या बड़े शोध प्रश्न प्रेरित करते हैं? और एआई, रचनात्मकता और डिजाइन इंजीनियरिंग के बीच के संगम पर अगले कुछ वर्षों में क्या सफलता आप देखते हैं?

कई चुनौतियां जो ऊपर वर्णित हैं, अभी भी हल होना बाकी हैं – जिनमें से कई मैं वर्तमान में काम कर रहा हूं, जिसमें सामान्य-उद्देश्य जनरेटिव एआई टूल को विशिष्ट क्षेत्रों में प्रभावी ढंग से अनुकूलित करने के लिए काम शामिल है जो उन्हें अपनाना चाहते हैं।

एक क्षेत्र स्तर पर, यह काफी अलग दिख सकता है: विनिर्माण में, यह स्थानीय ज्ञान पर प्रशिक्षित मॉडल के साथ-साथ मजबूत गोपनीयता और सुरक्षा उपायों का उपयोग करना शामिल कर सकता है; रचनात्मक उद्योगों में, ध्यान विविध आउटपुट को विविध बनाने और मानव और एआई के बीच अधिक अर्थपूर्ण सहयोग को सक्षम करने पर हो सकता है।

तकनीकी स्तर पर, हम बड़ी भाषा मॉडल के साथ प्रयोग कर रहे हैं ताकि मूल्यांकन कार्यों का समर्थन किया जा सके। एक अध्ययन दिखाता है कि एलएलएम नोवेल्टी और उपयोगिता का मूल्यांकन कर सकते हैं और अच्छी तरह से डिज़ाइन किए गए प्रॉम्प्ट के साथ मानव विशेषज्ञों के साथ अधिक संरेखित हो सकते हैं। एक संबंधित पत्र एलएलएम को मूल्यांकन को अधिक विश्वसनीय बनाने के लिए श्रृंखला-विचार प्रॉम्प्टिंग और मल्टी-मॉडल एग्रीगेशन का उपयोग करता है। हम संगठनों की डिजिटल-परिवर्तन आवश्यकताओं को कैप्चर करने के लिए संवादी एजेंटों का भी अन्वेषण कर रहे हैं, जो यह प्रदर्शित करते हैं कि चैटबॉट प्रभावी ढंग से संरचित साक्षात्कार आयोजित कर सकते हैं। ये पहल एआई को हमारे लिए विशेषज्ञता को संरक्षित करने, बेहतर निर्णय लेने और उपयोगकर्ताओं के साथ नैतिक रूप से जुड़ने में मदद करने वाले भविष्य की ओर इशारा करती हैं।

साक्षात्कार के लिए धन्यवाद; प्रोफेसर अहमद-क्रिस्टेंसेन के एआई-संचालित डिजाइन, रचनात्मकता और जिम्मेदार डिजिटल परिवर्तन पर चल रहे शोध और पहलों के बारे में अधिक जानने के लिए इच्छुक पाठक डीआईजीआईटी लैब का अन्वेषण कर सकते हैं।