स्टीफन मेस्केन, डीपीएल के चीफ साइंटिस्ट – साक्षात्कार श्रृंखला

स्टीफन मेस्केन, डीपीएल के चीफ साइंटिस्ट, ने पिछले पांच वर्षों में डीपीएल में अपने मूल अनुसंधान और वैज्ञानिक नेतृत्व को आगे बढ़ाया है, अक्टूबर 2020 में एक अनुसंधान वैज्ञानिक के रूप में शुरू किया, नवंबर 2023 में अनुसंधान के वीपी के रूप में आगे बढ़े, और अप्रैल 2025 में म्यूनिख में अपनी वर्तमान भूमिका में कदम रखा। डीपीएल से पहले, उन्होंने कोलोन-बॉन क्षेत्र में रियल.डिजिटल में एक डेटा वैज्ञानिक के रूप में काम किया और म्यून्स्टर विश्वविद्यालय में गणितीय तर्क में अनुसंधान किया। उनका करियर मूलभूत गणितीय अनुसंधान और लागू कृत्रिम बुद्धिमत्ता को जोड़ता है, जो उन्हें डीपीएल के बड़े पैमाने पर भाषा मॉडल और बहुभाषी कृत्रिम बुद्धिमत्ता प्रणालियों के पीछे वैज्ञानिक दिशा का नेतृत्व करने के लिए तैयार करता है।

डीपीएल एक जर्मन कृत्रिम बुद्धिमत्ता कंपनी है जो उन्नत भाषा कृत्रिम बुद्धिमत्ता प्रणालियों का निर्माण करने पर केंद्रित है जो 100 से अधिक भाषाओं में सटीक, संदर्भ-जागरूक अनुवाद और संचार को सक्षम बनाती हैं। 2017 में स्थापित और कोलोन में मुख्यालय, कंपनी विश्वभर में लाखों उपयोगकर्ताओं को सेवा प्रदान करती है और सदस्यता और एपीआई प्रसाद के माध्यम से उद्यम-ग्रेड समाधान प्रदान करती है। इसका मंच अनुवाद से परे एक व्यापक भाषा कृत्रिम बुद्धिमत्ता सूट में विस्तारित हो गया है, जिसमें लेखन सहायता और वॉयस क्षमताएं शामिल हैं, जो वैश्विक व्यवसायों और संगठनों के लिए सुरक्षित, स्केलेबल संचार का समर्थन करने के लिए डिज़ाइन की गई हैं।

आपने अपना करियर गणितीय तर्क में शुरू किया और फिर लागू डेटा विज्ञान में चले गए और अंत में डीपीएल के अनुसंधान संगठन का नेतृत्व किया। पीछे मुड़कर देखते हुए, उस शुरुआती काम ने आपके दृष्टिकोण को कैसे प्रभावित किया है कि आप स्वायत्त, उद्यम-ग्रेड कृत्रिम बुद्धिमत्ता प्रणालियों का निर्माण कैसे करते हैं?

जो मुझे गणितीय तर्क और सेट सिद्धांत के क्षेत्र में आकर्षित किया था, वह यह जानने की लालसा थी कि ये जटिल प्रणालियां कैसे काम करती हैं – पहले सिद्धांतों से और बढ़ती गहराई में। यह जिज्ञासा मेरे जीवन में एक निरंतर रही है। यह मेरे काम का वह पहलू है जिसे मैं सबसे ज्यादा पसंद करता हूं। वर्तमान में, चुनौती वास्तविक जीवन में उपयोगिता पर ध्यान केंद्रित करते हुए कृत्रिम बुद्धिमत्ता विकास की स्थिति को आगे बढ़ाना है। सुरक्षा और विश्वास के अलावा, मैं यह सुनिश्चित करने के लिए अपना समय समर्पित करता हूं कि व्यवसाय और सभी प्रकार के उपयोगकर्ता इस अविश्वसनीय प्रौद्योगिकी से लाभान्वित हो सकें। अब तक, रुझान अलग रहा है: अधिकांश वास्तविक जीवन कृत्रिम बुद्धिमत्ता उपयोग या तो पूरी तरह से निष्क्रिय है (उदाहरण के लिए, सिफारिश प्रणाली जिन्हें आप उपभोग करते हैं लेकिन नियंत्रित नहीं करते) या मुख्य रूप से उच्च प्रशिक्षित, तकनीकी लोगों द्वारा उपयोग किया जाता है (उदाहरण के लिए, कोडिंग सहायक)। मैं उस अंतर को भरना चाहता हूं: प्रत्येक व्यक्ति और कंपनी को सफलता के लिए तैयार किया जाना चाहिए और अपने काम के तरीके को क्रांतिकारी बनाने में सक्षम होना चाहिए।

डीपीएल ने उच्च-precision अनुवाद पर अपनी प्रतिष्ठा बनाई है। उस भाषा मॉडलिंग में आधार कैसे कंपनी के शुरुआती विचारों को प्रभावित किया कि वे अनुवाद से परे अधिक सामान्य कृत्रिम बुद्धिमत्ता प्रणालियों में कैसे आगे बढ़ें?

कृत्रिम बुद्धिमत्ता को इतना जादुई बनाने वाली बात यह है कि बहुत समान अवधारणाएं और विचार विभिन्न डोमेन में नए समाधानों में ले जा सकते हैं: शतरंज इंजन, सिफारिश प्रणाली, प्रोटीन फोल्डिंग, स्व-ड्राइविंग कारें, अनुवाद इंजन और कई और। वे सभी एक ही सेट के सिद्धांतों और तकनीकों से संचालित होते हैं। लगभग एक दशक से इन तकनीकों पर महारत हासिल करने के बाद, हम नए समस्याओं पर ध्यान केंद्रित करने के बारे में सोचते हैं। आंतरिक रूप से, यह हमेशा मामला रहा है, जिसके परिणामस्वरूप ग्लोसरी, राइट, वॉयस, कस्टमाइजेशन हब और अधिक का आविष्कार हुआ है।

चीफ साइंटिस्ट के रूप में, आप भाषा मॉडल बनाने के बीच क्या अंतर करते हैं जो उत्पादक आउटपुट उत्पन्न करते हैं और प्रणालियों का निर्माण जो वास्तविक उद्यम कार्यप्रवाह में विश्वसनीय रूप से कार्य कर सकते हैं?

मूल विचार remarably समान हैं: हमें गहराई से समझने की आवश्यकता है कि हमारे उपयोगकर्ता क्या चाहते हैं और फिर अपने कृत्रिम बुद्धिमत्ता प्रणालियों को इन लक्ष्यों और प्राथमिकताओं के साथ संरेखित करें। कभी-कभी, वे स्पष्ट और स्पष्ट होते हैं; अन्य समय में, वे सूक्ष्म और अव्यक्त होते हैं। दोनों मामलों में, यह हमारा काम है कि हम यह सुनिश्चित करें कि हम जो काम उत्पन्न करते हैं वह हमारे उपयोगकर्ताओं के लिए उच्च मूल्य का है।
डीपीएल ने हमेशा इस क्षेत्र में उत्कृष्टता हासिल की है क्योंकि हमारा ग्राहक केंद्रित दृष्टिकोण है। हम कृत्रिम बेंचमार्क या शैक्षणिक प्रकाशनों का पीछा नहीं करते हैं – हम ग्राहक संतुष्टि का पीछा करते हैं। यह कभी भी अधिक महत्वपूर्ण नहीं रहा है, क्योंकि हम अपने क्षितिज का विस्तार करते हैं और लोगों को उनके दैनिक कार्य में सहायता प्रदान करते हैं।

डीपीएल एजेंट सहायक कृत्रिम बुद्धिमत्ता से स्वायत्त निष्पादन में परिवर्तन का प्रतिनिधित्व करता है। व्यावहारिक रूप से उस संक्रमण को काम करने के लिए सबसे बड़ी तकनीकी चुनौतियां क्या थीं?

बिल्कुल, डीपीएल एजेंट बनाने में सबसे बड़ी चुनौती उपयोगिता है। वर्षों से, कृत्रिम बुद्धिमत्ता पारिस्थितिकी तंत्र मुख्य रूप से सॉफ्टवेयर डेवलपर्स और उच्च तकनीकी विशेषज्ञों को पूरा करता है। डीपीएल एजेंट के साथ, हम इसे बदलना चाहते हैं और हर ज्ञान कार्यकर्ता को जटिल समस्याओं का समाधान करने और स्वचालन के लिए परिष्कृत उपकरण प्रदान करना चाहते हैं। इसे प्राप्त करने के लिए, हमें मान्यता, तर्क, योजना, और क्रिया में उसी स्तर की जटिलता की आवश्यकता है। उपयोगकर्ताओं को एक समृद्ध लेकिन जटिल सेट के उपकरण प्रस्तुत करने के बजाय, हमने एक संगठित, निर्बाध, और सुंदर समाधान बनाने के लिए कड़ी मेहनत की है जो अंत-से-अंत सहायता और कार्यप्रवाह स्वचालन प्रदान करता है।

वास्तुकला के दृष्टिकोण से, किन क्षमताओं को स्थापित किया जाना चाहिए trước कि एक कृत्रिम बुद्धिमत्ता प्रणाली को उद्यम वातावरण में स्वायत्त रूप से संचालित करने के लिए विश्वास किया जा सकता है?

विभिन्न प्रशासनिक कार्यों के लिए, प्रौद्योगिकी पहले से ही यहां है। डीपीएल एजेंट आपके वातावरण में विश्वसनीय रूप से कार्य कर सकता है, जब आवश्यक हो तब सलाह मांग सकता है, और मानव-इन-द-लूप सत्यापन प्रदान कर सकता है जब भी वांछित हो। यह स्तर की सिंथेटिक बुद्धिमत्ता कुछ महीने पहले शुद्ध कल्पना थी। फिर भी, अभी भी एक लंबा रास्ता तय करना है। अगले कुछ वर्षों में, कृत्रिक बुद्धिमत्ता एजेंट व्यवसायों में एक क्षैतिज परत बन जाएंगे – पृष्ठभूमि में निरंतर काम करते हुए, मानवों और एक दूसरे के साथ सहयोग करते हुए, व्यस्त कार्य को समाप्त करने और हमें पहले से अप्राप्य समस्याओं का समाधान करने में सक्षम बनाने के लिए।

आपने गहरी भाषा समझ के बारे में बात की है कि यह जिम्मेदार कृत्रिम बुद्धिमत्ता एजेंटों के लिए एक पूर्वापेक्षा है। इस संदर्भ में “गहरा” का क्या अर्थ है जो कि सतह-स्तर की चिकनाई से परे है?

भाषा आश्चर्यजनक रूप से अस्पष्ट और संदर्भ-निर्भर है – विशेष रूप से पेशेवर डोमेन में। आपने शायद इसका अनुभव किया होगा: एक समूह दोस्तों को सुनना जो एक शौक के बारे में चर्चा कर रहे हैं जिसमें आप शामिल नहीं हैं या एक पेशेवर विशेषज्ञता जिसमें आपको अनुभव की कमी है … यह बाहरी लोगों के लिए समझ में नहीं आ सकता है, लेकिन कुछ तरह से वे एक दूसरे को बिल्कुल समझते हैं। हम चाहते हैं कि कृत्रिम बुद्धिमत्ता सहायता एक अनुभवी और विश्वसनीय सहकर्मी के साथ बातचीत करने जैसी महसूस हो, जिसके साथ आप वर्षों के सहयोग साझा करते हैं। अंतर्निहित प्राथमिकताएं अंतर्निहित रहनी चाहिए। आपको बार-बार यह नहीं बताना चाहिए कि आप काम कैसे करना चाहते हैं। यह सुनने में स्पष्ट लगता है, लेकिन इसके लिए विशाल शोध की आवश्यकता है। यही मेरा मतलब है “गहरी” भाषा समझ से।

स्वायत्त प्रणालियों को तैनात करते समय जो वास्तविक कार्रवाई कर सकती हैं और केवल सिफारिशें नहीं करती हैं, आप सुरक्षा और पर्यवेक्षण के बारे में कैसे सोचते हैं?

व्यवसायिक संदर्भों में कृत्रिम बुद्धिमत्ता सहायता के लिए, हमें क्षमता और नियंत्रण के बीच सावधानी से संतुलन बनाना होगा। अधिक क्षमता उत्पादकता के अविश्वसनीय अवसर पैदा करती है, लेकिन अगर इसे नियंत्रित नहीं किया जाता है, तो यह एक देनदारी बन जाती है। यह नहीं हो सकता। डीपीएल एजेंट को दिन एक से ही उद्यम-ग्रेड सुरक्षा उपायों से सुसज्जित किया गया है, जो विभिन्न रूपों में लागू किए गए हैं। साझा कार्यक्षेत्र उपयोगकर्ताओं को डेटा और पहुंच पर सटीक नियंत्रण प्रदान करते हैं, जबकि ऑडिट ट्रेल, मानव पर्यवेक्षण, और मानव-इन-द-लूप सत्यापन को सशक्त बनाते हैं। इसके अलावा, प्रणाली प्रशासकों के पास डीपीएल एजेंट द्वारा नेविगेट की जा सकने वाली प्रणालियों और तंत्रों पर महीन नियंत्रण है जो अंतर्निहित उपकरणों को सूचित करते हैं जब वे एजेंट द्वारा संचालित होते हैं।

आपको शोध से उत्पाद विकास में विचारों को ले जाने के बारे में क्या सीखने को मिला है जिसमें विश्वसनीयता या वैज्ञानिक अनुशासन की बलि नहीं दी जाती है?

शोध और उत्पाद विकास के बीच का अंतर अधिक व्यापक है जितना आमतौर पर माना जाता है। दोनों एक जटिल समस्या को हल करने के लिए एक कठोर दृष्टिकोण से शुरू होते हैं और यह रिकॉर्ड करते हैं कि क्या काम करता है और क्या नहीं। जबकि शोध दायरे को सरल बना सकता है और एक सरल दुनिया मॉडल को मान सकता है, उत्पाद विकास को वास्तविक उपयोगकर्ताओं के संदर्भों की जटिलता के लिए खाता है। कृत्रिम बुद्धिमत्ता सहायता में, उपकरण उपयोग एक प्रमुख उदाहरण है। यह मान लेना लुभावना हो सकता है कि वातावरण हमेशा स्वचालन के लिए तैयार होंगे, प्रणाली पहुंच के साथ और तैयार एपीआई के साथ। वास्तविकता भिन्न है। जैसे स्व-ड्राइविंग कारों को आज की बुनियादी ढांचे की पूरी जटिलता को संभालना होगा, कृत्रिम बुद्धिमत्ता एजेंटों को व्यवसायों पर निर्भर पैटर्न, डेटा और प्रणालियों के भीतर प्रभावी ढंग से कार्य करना होगा। यह प्रारंभिक समझ डीपीएल एजेंट के डिजाइन के केंद्र में है।

डीपीएल के विस्तार के रूप में एक केंद्रित भाषा मंच से एक व्यापक उद्यम कृत्रिम बुद्धिमत्ता प्रणाली में, आप यह तय करने के लिए क्या मानदंड का उपयोग करते हैं कि कौन सी क्षमताएं कसकर नियंत्रित रहनी चाहिए और कौन सी अधिक स्वायत्त व्यवहार के लिए उजागर की जानी चाहिए?

कार्य को करने के लिए आवश्यक नियंत्रण का स्तर दो कारकों द्वारा निर्धारित किया जाता है: कार्य करने वाले मानव या प्रणाली की विश्वसनीयता और त्रुटियों का संभावित प्रभाव। यह मानव और मशीन दोनों निष्पादन पर लागू होता है। कृत्रिम बुद्धिमत्ता की विश्वसनीयता पिछले कुछ वर्षों में बड़े पैमाने पर बढ़ी है और आगे भी बढ़ेगी। इसलिए, कम और कम कार्यों के लिए सख्त नियंत्रण की आवश्यकता होगी। अंततः, कृत्रिम बुद्धिमत्ता की विश्वसनीयता कई कार्यों के लिए मानव विशेषज्ञ स्तरों से अधिक होगी। यह नियंत्रण तंत्र पर भी लागू होता है, जो कृत्रिम बुद्धिमत्ता पर्यवेक्षण में बढ़ रहा है। आंतरिक रूप से, डीपीएल एजेंट पहले से ही ऐसा करता है, जब स्व-सुधार संभव नहीं होता है तो उपयोगकर्ताओं से मदद मांगता है।

आगे देखते हुए, आपको लगता है कि भाषा समझ या एजेंट डिजाइन में कौन से विकास अगले दो वर्षों में उद्यम कृत्रिम बुद्धिमत्ता को सबसे ज्यादा आकार देंगे?

कृत्रिम बुद्धिमत्ता एजेंट केवल व्यक्तिगत कार्यों में मदद नहीं करेंगे। वे व्यवसायों में एक सहयोगी उत्पादकता परत बनाएंगे जो हमारी ओर से काम करती है ताकि विकर्षणों को कम किया जा सके, जानकारी को सटीक रूप से और समय पर प्रस्तुत किया जा सके, और पूरी तरह से पृष्ठभूमि में मुद्दों और जटिल कार्यों का समाधान किया जा सके।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें डीपीएल पर जाना चाहिए。