चाहे सीईओ के पद पर कार्यभार संभालने के लिए एआई को प्रशिक्षित करना हो या टिकट बुक करने में आपकी मदद करना हो, आवश्यकताएं एक जैसी ही हैं। दुनिया भर में हर एक एआई मॉडल को डेटा पर प्रशिक्षित करने की आवश्यकता है।

एआई को प्रशिक्षित करने का तरीका यह है कि आप उसे एक डेटासेट और एक विशिष्ट उपयोग-मामला प्रदान करते हैं। फिर आप आवश्यक उत्तर प्रदान करने के लिए मापदंडों को लगातार संरेखित करके उसके द्वारा उत्पादित परिणामों को परिष्कृत करते हैं। लेकिन एआई सीईओ को प्रशिक्षित करने के मामले में, किस तरह के डेटासेट की आवश्यकता होती है? कोरोवर के सबरवाल कहते हैं कि लगभग 4,000 सीईओ के सामान्य व्यवहार एक मजबूत डेटासेट के लिए पर्याप्त हो सकते हैं।

संदर्भ के लिए, यह नेशनल स्टॉक एक्सचेंज (31 दिसंबर, 2023 तक 2,266) में सूचीबद्ध सार्वजनिक कंपनियों का आधा से अधिक है और बॉम्बे स्टॉक एक्सचेंज (24 जनवरी, 2024 तक 5,309) में सूचीबद्ध कंपनियों का लगभग 75% है। विचार करने के लिए कंपनियों का आकार है। मध्यम आकार के निगम में सीईओ की भूमिकाएँ और ज़िम्मेदारियाँ बड़ी कंपनी की तुलना में बहुत अलग होंगी। लेकिन ओवरलैप होने की संभावना है।

E42.ai के सह-संस्थापक और तकनीक और उत्पाद प्रमुख संजीव मेनन ने कहा, “हर भूमिका की अपनी आवश्यकता और विशिष्ट मूल्यांकन संकेतक होते हैं। हमारे द्वारा बनाए गए AI को भी उसी के अनुसार काम करना होगा।” उनकी कंपनी ऐसे AI सहकर्मियों का निर्माण कर रही है जो जटिल, प्रक्रिया गहन प्रक्रियाओं को स्वचालित करते हैं, जिन्हें आम तौर पर लोगों द्वारा किया जाता है।

लेकिन एक ऐसा AI बनाने के लिए जो CEO की भूमिका को संभाल सके, फिर भी सामान्यीकृत क्षमताओं पर प्रशिक्षण की आवश्यकता है। इस संबंध में, सबरवाल द्वारा उल्लिखित डेटासेट आवश्यकता महत्वपूर्ण है। केवल एक बार जब इसका ध्यान रखा जाता है, तो कोई संभावित रूप से किसी विशिष्ट कंपनी को पूरा करने के लिए प्रशिक्षण को सीमित करने के बारे में सोच सकता है।

मेनन ने कहा, “यह कभी भी ‘सबके लिए एक जैसा’ मॉडल नहीं होगा। एआई को वास्तव में प्रभावी होने के लिए किसी संगठन के डेटा पर प्रशिक्षित होना होगा और इसे कुछ समय के लिए मानवीय प्रतिक्रिया के माध्यम से सुदृढ़ीकरण सीखने की प्रक्रिया से गुजरना होगा, ताकि यह कम से कम निर्णय लेने में कुछ हद तक सहायता प्रदान करने में सक्षम हो सके।”

मानव अनुभव का एक मुख्य हिस्सा, चाहे वह सीईओ हो या कोई और, “अवधारणाओं” की समझ और विभिन्न स्थितियों में उनके अनुप्रयोग है। मनुष्य अवधारणाओं को व्यापक रूप से लागू करने में सक्षम हैं, इसका कारण यह है कि हम अपने पिछले अनुभवों और ज्ञान का उपयोग करके यह समझने में सक्षम हैं कि उन्हें कब और कहाँ उपयोग करना है। एलएलएम और जेनएआई मॉडल के मामले में ऐसा नहीं है।

मूलतः, सभी जनरेटिव एआई मॉडल और एलएलएम पैटर्न पहचान के आधार पर काम करते हैं।

तकनीकी रूप से, मशीन लर्निंग के ज़रिए, एक AI मॉडल को एक विशिष्ट “अवधारणा” सिखाई जा सकती है। उदाहरण के लिए, एक AI को यह सिखाने के लिए कि बिल्ली क्या है, शोधकर्ता उसे बहुत सारा डेटा देते हैं – इस मामले में, बिल्लियों की तस्वीर।

एआई को सीखने के लिए, यह सिस्टम में पहले से ही डाले गए नियमों के एक सेट का उपयोग करता है ताकि चित्रों का विश्लेषण किया जा सके और पैटर्न पाया जा सके। इन नियमों के आधार पर, यह एक बिल्ली की तरह दिखने वाली अपनी खुद की छवि बनाने में सक्षम है और फिर पहचाने गए पैटर्न के आधार पर बिल्लियों की छवियों की पहचान करता है। मोटे तौर पर यही तरीका है जिससे अधिकांश एआई मॉडल बनाए जाते हैं, लागू किए जाते हैं और लगातार सुधार किए जाते हैं।

मेनन के अनुसार, “एक पूरी तरह से अलग समस्या के लिए पूरी तरह से नए वातावरण में वैचारिक ज्ञान का उपयोग करके एआई सीखना ‘अहा!’ क्षण है।”

एआई में वैचारिक शिक्षा पर लंबे समय से बहस चल रही है। कम से कम 1980 के दशक से, दार्शनिकों और संज्ञानात्मक वैज्ञानिकों ने प्रस्ताव दिया है कि एआई अवधारणाओं को आपस में जोड़ने और उन्हें नई सेटिंग्स में लागू करने में सक्षम नहीं है, जिन्हें “वैचारिक सामान्यीकरण” कहा जाता है। लेकिन हाल के शोध से पता चलता है कि हम एक कदम और करीब हैं।

न्यूयॉर्क विश्वविद्यालय और स्पेन के पोम्पेउ फ़बरा विश्वविद्यालय के एक शोधकर्ता जोड़ी ने पिछले साल एक पेपर प्रकाशित किया, जिसमें AI को पढ़ाने के लिए एक नया दृष्टिकोण दिखाया गया, जिसे कंपोज़िशनलिटी के लिए मल्टी-लर्निंग कहा जाता है। एक प्रेस विज्ञप्ति के अनुसार, यह तकनीक “न्यूरल नेटवर्क को प्रशिक्षित करके काम करती है – चैटजीपीटी और भाषण पहचान और प्राकृतिक भाषा प्रसंस्करण के लिए संबंधित तकनीकों को चलाने वाले इंजन – अभ्यास के माध्यम से कंपोज़िशनल सामान्यीकरण में बेहतर बनने के लिए”।

शोध में पाया गया है कि यह विधि मौजूदा तरीकों से बेहतर है और बराबर है और कुछ मामलों में, मानव प्रदर्शन से बेहतर है। जबकि चैटजीपीटी-3 और जीपीटी-4 जैसे मॉडल पहले भी कुछ उदाहरणों में इस तरह के व्यवहार को प्रदर्शित कर चुके हैं, लेकिन यह उसी पैमाने पर नहीं है जैसा कि शोधकर्ताओं ने पाया है। एआई मॉडल पहले मनुष्यों में देखी जाने वाली सोच का अनुकरण करने में संघर्ष करते रहे हैं।

संरचना के लिए बहु-शिक्षण का उपयोग एआई मॉडल को नई अवधारणाएं सिखाने के लिए किया जा सकता है, जहां हम पहले संघर्ष करते थे और इसे उन मामलों में अवधारणाओं को लागू करने देते थे जहां यह पहले नहीं कर सकता था।