साक्षात्कार
रेन्स टेर वेइज्डे, किमो के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
किमो एक डच स्टार्टअप है जिसकी स्थापना दो हार्वर्ड अलुमनी ने की है: कृष्णा दीपक नल्लामिल्ली (भारत) और रेन्स टेर वेइज्डे (नीदरलैंड)। टीम डिजिटल लर्निंग कंटेंट के माध्यम से व्यक्तिगत लर्निंग पथ बनाने के लिए आवश्यक आर्टिफ़िशियल इंटेलिजेंस बनाने पर केंद्रित है।
जबकि ऑनलाइन लर्निंग ने गति पकड़ी है, इसमें 95% तक की ड्रॉपआउट दर भी है। सफलता दर इतनी कम क्यों है?
जब हमने किमो शुरू किया, तो हमने स्थिति को बेहतर ढंग से समझने के लिए कुछ सौ उपयोगकर्ताओं का सर्वेक्षण किया। सबसे पहले, अधिकांश ऑनलाइन प्रदाता एमओओसी (ऑनलाइन पाठ्यक्रम) प्रदान करते हैं, लेकिन उपयोगकर्ता एमओओसी को समय की महत्वपूर्ण प्रतिबद्धता के रूप में देखते हैं। वे अक्सर अपने दैनिक कार्यक्रम में फिट होने के लिए लेख पढ़ने, पॉडकास्ट सुनने, गूगल पर प्रश्न पूछने जैसे ‘छोटे’ तरीकों का उपयोग करते थे। इसलिए, वास्तविक अभ्यास में सीखना ऑनलाइन प्रदाताओं की अनुमति से अधिक बहु-चैनल है। इसके अलावा, कई उपयोगकर्ताओं ने बताया कि उन्हें अपनी ऑनलाइन यात्रा में मार्गदर्शन की कमी महसूस होती है। परिणाम यह है कि वे बहुत समय खोज में बिताते हैं, तय करने की कोशिश करते हैं कि क्या पढ़ाई करनी है, आदि। एक तीसरा कारण वास्तविक सामग्री की प्रासंगिकता से संबंधित है। ऑनलाइन सामग्री अक्सर स्थिर, पूर्व-रिकॉर्डेड और उनके लिए पूरी तरह से प्रासंगिक नहीं होती है। आप कह सकते हैं कि सामग्री उनके लिए पर्याप्त व्यक्तिगत/प्रासंगिक नहीं है – या कम से कम समय बिताने के लिए पर्याप्त प्रासंगिक नहीं है।
(GOOGL )कई उपयोगकर्ता बताते हैं कि वे ऊब जाते हैं और अक्सर एकाग्रता की कमी का उल्लेख करते हैं, आप क्यों सोचते हैं कि उपयोगकर्ता ऑनलाइन लर्निंग से विमुख हो जाते हैं?
मुझे लगता है कि लर्निंग प्लेटफ़ॉर्म को बेहतर बनाने के लिए कम से कम दो मुख्य आयाम हैं। सबसे पहले, बेहतर बुद्धिमत्ता की आवश्यकता है ताकि उपयोगकर्ताओं को बेहतर यात्राओं पर मार्गदर्शन किया जा सके और बेहतर सामग्री सिफारिशें प्रदान की जा सकें। आप कह सकते हैं कि यह शिक्षा क्षेत्र के लिए आवश्यक अनुसंधान और विकास है, जो कि आर्टिफ़िशियल इंटेलिजेंस एल्गोरिदम से जुड़ा हुआ है। दूसरा तत्व मूल्य श्रृंखला का दूसरा पक्ष है: यूज़र इंटरफ़ेस/यूज़र अनुभव और अंतिम अनुभव। अधिकांश एलएमएस सिस्टम उपयोगकर्ताओं द्वारा उबाऊ और पुराने माने जाते हैं। वे आज के उपयोगकर्ताओं द्वारा अपेक्षित पॉलिश्ड, रियल-टाइम, सोशल और व्यक्तिगत सॉफ़्टवेयर से बहुत दूर हैं।
क्या आप किमो की उत्पत्ति की कहानी साझा कर सकते हैं और ऑनलाइन लर्निंग समस्या को हल करने के लिए आपको क्या आकर्षित किया?
बिल्कुल! किमो तब शुरू हुआ जब कृष्णा, मेरे सह-संस्थापक, और मैं हार्वर्ड बिजनेस स्कूल में मिले। हमने उस वातावरण से प्यार किया, लेकिन साथ ही महसूस किया कि अनुभव के अच्छे हिस्से विश्वभर के लोगों के लिए स्केलेबल नहीं थे। हमने एक होटल लॉबी में व्हिस्की पर तय किया कि हम एक ‘डिजिटल करियर कोच’ बनाने की कोशिश कर सकते हैं। वह कोच किमो का पहला संस्करण था।
क्या आप बता सकते हैं कि डिजिटल लर्निंग कंटेंट के माध्यम से व्यक्तिगत लर्निंग पथ बनाने के लिए आर्टिफ़िशियल इंटेलिजेंस की आवश्यकता क्यों है?
वास्तव में, किमो पाइपलाइन में कई आर्टिफ़िशियल इंटेलिजेंस मॉडल पर निर्भर करता है। कुछ मॉडल स्वाभाविक रूप से सरल हैं, अन्य अधिक जटिल हैं। सामान्य धागा यह है कि अधिकांश मॉडल प्राकृतिक भाषा को अपने इनपुट डेटा के रूप में उपयोग करते हैं (एनएलपी, उदाहरण के लिए, ट्रांसफ़ॉर्मर मॉडल)। ये मॉडल आपको मिलने वाली सामग्री सिफारिशें, सामग्री को विशिष्ट विषयों में समूहीकृत करने और नौकरियों के लिए आवश्यक महत्वपूर्ण कौशल को पहचानने के पीछे हैं। हमारे पास कुछ अधिक प्रयोगात्मक ‘जनरेटिव’ एआई मॉडल भी हैं, जैसे किमो ऐप के अंदर सामग्री-संबंधित प्रश्नों का उत्तर देने वाला मॉडल। यदि यह पर्याप्त रूप से काम करता है, तो यह हमारे द्वारा कल्पना की गई प्रोफेसरों के स्वचालन की दिशा में एक कदम है।
क्या आप बता सकते हैं कि एक एआई सिस्टम कैसे नौकरियों को विस्तार से समझना सीखता है, जैसे कि हार्ड स्किल्स या सॉफ्ट स्किल्स?
साधारण शब्दों में, हमने मौजूदा डेटाबेस (ओ*नेट, एस्को) को इस काम के लिए नजरअंदाज करने का फैसला किया क्योंकि वे पर्याप्त विस्तृत नहीं थे और पुराने थे। इसके बजाय, हमने एक ऐसी प्रणाली बनाई जो बाजार में लगभग 40,000 कौशलों को पहचान सकती है। आप कह सकते हैं कि हमारी प्रणाली इन नौकरी प्रोफाइलों को ‘पढ़ती’ है ताकि यह तय किया जा सके कि वर्तमान में नौकरियों के लिए किस प्रकार के कौशल की आवश्यकता है। बाद में पहचाने गए कौशलों को सॉफ्ट और हार्ड स्किल्स में समूहीकृत किया जाता है।
क्या आप बता सकते हैं कि प्लेटफ़ॉर्म पर व्यक्तिगत लर्निंग कैसे काम करती है, जैसे कि सिस्टम कैसे जानता है कि किस प्रकार की सामग्री प्रत्येक उपयोगकर्ता के लिए सबसे अच्छा प्रदर्शन करती है, जैसे कि लेख, वीडियो, पॉडकास्ट, पेपर आदि?
सरल उत्तर यह है कि हम उपयोगकर्ताओं और सामग्री को वेक्टर मिलान के माध्यम से मिलाते हैं, जो रिकमेंडर मॉडल में सामान्य अभ्यास है। कठिन हिस्सा यह तय करना है कि वे वेक्टर कैसे बनाए जाते हैं, यानी किन तत्वों को भारित किया जाता है। अभी के लिए, सिस्टम अपेक्षाकृत सरल है और उपयोगकर्ता की लर्निंग प्राथमिकताओं और ऑनलाइन सामग्री के लिए लोकप्रियता स्कोर के साथ काम करता है। भविष्य अधिक दिलचस्प होगा, क्योंकि हम उपयोगकर्ता की वर्तमान स्थिति (उदाहरण के लिए, उनकी नौकरी) और वांछित अंतिम स्थिति को भी शामिल करने की कोशिश कर रहे हैं।
किमो सिस्टम में वर्तमान में किन मशीन लर्निंग तरीकों का उपयोग किया जा रहा है?
हम विभिन्न मॉडलों का उपयोग करते हैं, जो कार्य पर निर्भर करता है। लेकिन मैं कह सकता हूं कि हमें ध्यान का उपयोग करने वाले एनएलपी मॉडलों के लिए गहरा प्यार है, इसलिए ट्रांसफ़ॉर्मर मॉडल।
आप ऑनलाइन शिक्षा के भविष्य को 5 साल में कैसे देखते हैं?
संक्षेप में, मुझे लगता है कि ऑनलाइन शिक्षा ‘उबाऊ, एकल और एक-आकार-फिट-सभी’ से ‘अधिक आकर्षक, सामाजिक और व्यक्तिगत’ में बदल जाएगी। ऑनलाइन शिक्षा कंपनियों को यह विचार छोड़ने की आवश्यकता है कि वे एक पारंपरिक, धीमी गति से चलने वाले उद्योग में मौजूद हैं। इसके बजाय, उन्हें यह महसूस करना चाहिए कि वे सूचना संचयन की उम्र में, कई महत्वपूर्ण रुझानों के केंद्र में प्रतिस्पर्धा कर रहे हैं।
क्या किमो के बारे में और कुछ है जो आप साझा करना चाहेंगे?
हाँ। किमो अभी भी एक शिशु है, या जैसा कि हम इसे कहते हैं ‘बीटा’। ऐप डाउनलोड करें, इसे आजमाएं, और हमें अपनी प्रतिक्रिया भेजें!
साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं उन्हें किमो पर जाना चाहिए।
