जेनरेटिव और प्रेडिक्टिव एआई को एक दूसरे की जरूरत है। उनका विवाह करना तय है क्योंकि प्रत्येक एक-दूसरे की सबसे बड़ी सीमाओं को संबोधित करने के लिए उपयुक्त है। यहाँ दो तरीके हैं.
एरिक सीगल
पूर्वानुमानित एआई और जनरेटिव एआई दो बिल्कुल अलग जानवर हैं, जिन्हें एक-दूसरे की सख्त जरूरत है। चूँकि वे अलग-अलग उद्देश्यों की पूर्ति करते हैं, इसलिए उन्हें नियोजित करने वाली परियोजनाएँ अक्सर एक-दूसरे से दूर हो जाती हैं। फिर भी एआई के इन दो “स्वादों” का मेल होना तय है क्योंकि प्रत्येक एक दूसरे की सबसे बड़ी सीमाओं को संबोधित करने के लिए उपयुक्त है: जेनएआई महंगा है और अक्सर अविश्वसनीय है, जबकि पूर्वानुमानित एआई का उपयोग करना कठिन है।
इस तरह से उनकी सीमाओं को संबोधित करना एआई की विश्वसनीयता को प्राप्त करने के लिए महत्वपूर्ण है एआई बुलबुले के उभरते विस्फोट को नरम करें. में एक पिछला लेखमैंने जेनरेटिव और प्रेडिक्टिव एआई को हाइब्रिडाइज करने के पांच तरीकों को कवर किया ताकि वे एक दूसरे की मदद कर सकें:
ए) मानव-इन-द-लूप हस्तक्षेप को पूर्वानुमानित रूप से लक्षित करके जेनएआई की घातक विश्वसनीयता समस्या का समाधान करें।
बी) एक चैटबॉट के साथ पूर्वानुमानित एआई की जटिलता को संबोधित करें जो स्पष्ट करने, स्पष्ट करने और सुझाव देने के लिए सहायक और विचार भागीदार के रूप में कार्य करता है।
सी) पूर्वानुमानित एआई परियोजनाओं के लिए “वाइब कोड” के लिए जेनएआई का उपयोग करें।
डी) पूर्वानुमानित विशेषताएं प्राप्त करने के लिए genAI का उपयोग करें।
ई) बड़े डेटाबेस मॉडल का उपयोग करें, जो संरचित डेटा से सीखने और पूर्वानुमानित एआई विकास को अधिक टर्नकी बनाने के लिए बड़े भाषा मॉडल के समान तरीकों को नियोजित करते हैं।
उन पांचों पर विस्तार करने के लिए, यहां दो और तरीके दिए गए हैं जिनसे जेनएआई और प्रेडिक्टिव एआई एक साथ सबसे अच्छा काम करते हैं।
1) GenAI पूर्वानुमानित AI के निर्णयों की व्याख्या करता है
यह लगभग स्व-स्पष्ट है कि genAI स्वयं को समझा सकता है। मैंने चैटजीपीटी में अपने बेटे की एक तस्वीर डाली, साथ ही सवाल भी पूछा, “क्या यह व्यक्ति खुश है और क्या आप अपना उत्तर समझा सकते हैं?” और यह बिल्कुल ठीक रहा (हालाँकि एक भी उदाहरण सामान्य तौर पर विश्वसनीयता साबित नहीं करता है)।
चैटजीपीटी के साथ बातचीत।
एरिक सीगल
यह क्षमता बड़े पैमाने पर, रटे-रटाए निर्णय लेने तक फैली हुई है जो कि क्रेडिट निर्णय और चिकित्सा निदान जैसे अत्यधिक संवेदनशील डोमेन के लिए पूर्वानुमानित एआई लागू करती है।
भले ही इस तरह की पूर्वानुमानित एआई परियोजनाएं जेनएआई मॉडल की तुलना में सरल मॉडल को नियोजित करती हैं, फिर भी पूर्वानुमानित मॉडल अभी भी मनुष्यों के लिए समझने के लिए बहुत जटिल हो सकते हैं। ट्रांसफॉर्मर, बड़े भाषा मॉडल और जेनएआई के आगमन से बहुत पहले, भविष्य कहनेवाला एआई को रेखांकित करने वाली मशीन सीखने की विधियां पहले से ही ब्लैक बॉक्स को चालू करने के लिए कुख्यात थीं। उन परियोजनाओं के लिए जो निर्णय वृक्षों और लॉजिस्टिक रिग्रेशन जैसे सरल तरीकों से परे जाते हैं – बजाय इसके कि एसेम्बल मॉडल और तंत्रिका नेटवर्क जैसे अधिक परिष्कृत तरीकों का उपयोग किया जाए – परिणामी मॉडल आम तौर पर अभेद्य थे, और अभी भी समझने के लिए बहुत जटिल हैं।
समझाने योग्य मशीन लर्निंग का क्षेत्र, जिसे समझाए जाने योग्य एआई या एक्सएआई भी कहा जाता है, मनुष्यों को यह अंतर्दृष्टि प्रदान करने के लिए उभरा कि एमएल मॉडल कैसे निर्णय लेता है। कई परियोजनाओं के लिए, यह मानवीय समझ महत्वपूर्ण है, नैतिक विचारों के लिए मॉडलों की जांच करने के लिए, या हितधारकों द्वारा विश्वास हासिल करने के लिए, जो मॉडल को टिकने के बारे में कुछ अंतर्ज्ञान प्रदान किए जाने पर ही सहजता से हरी झंडी दिखाते हैं।
लेकिन समझाने योग्य एमएल अक्सर चीजों को पूरी तरह से स्पष्ट करने में विफल रहता है। जबकि XAI दृष्टिकोण तकनीकी अंतर्दृष्टि प्रदान करते हैं जिसे एमएल विशेषज्ञ समझते हैं, वे आवश्यक रूप से व्यवसाय-पक्ष के हितधारकों के लिए स्पष्टीकरण प्रदान करके “समझ के अंतर” को पूरी तरह से पाट नहीं पाते हैं।
GenAI दर्ज करें, जो तकनीकी स्पष्टीकरणों का सामान्य अंग्रेजी (या अन्य मानव भाषाओं) में अनुवाद करता है। उदाहरण के लिए, टॉकटूमॉडल प्रणाली इस तरह संवाद आयोजित करता है:
इंसान: आवेदक 358 जानना चाहते हैं कि उन्हें ऋण देने से इनकार क्यों किया गया। क्या आप मुझे बता सकते हैं?
टॉकटूमॉडल: उनकी आय और क्रेडिट स्कोर के कारण उन्हें मना कर दिया गया।
इंसान: इसे बदलने के लिए वे क्या कर सकते थे?
टॉकटूमॉडल: क्रेडिट स्कोर 30 और आय $1,000 बढ़ाएँ।
XAI का उद्देश्य न केवल एक समय में एक व्यक्तिगत निर्णय की व्याख्या करना है, बल्कि सामान्य रूप से एक मॉडल की निर्णय लेने की प्रक्रिया में अंतर्दृष्टि प्रदान करना भी है:
इंसान: मॉडल आमतौर पर किस प्रकार के रोगियों (मधुमेह) की गलत भविष्यवाणी करता है?
टॉकटूमॉडल: 30 से अधिक उम्र वाले डेटा के लिए, मॉडल आमतौर पर गलत भविष्यवाणी करता है। यदि बीएमआई >26.95 और ग्लूकोज <125 और वंशावली <0.943 है तो 53 नमूनों में से 62.3% पर मॉडल गलत है।
सरल भाषा में स्पष्टीकरण की आवश्यकता को तुरंत संबोधित करके, XAI के लिए genAI एक महत्वपूर्ण, आशाजनक और है तेज़ी से उभरते क्षेत्र।
2) पूर्वानुमानित AI सस्ते में GenAI का अनुमान लगाता है
GenAI मॉडल सामान्य-उद्देश्य वाले हैं। किसी एक कार्य में विशेषज्ञता के बजाय, वे बहुत व्यापक प्रयोज्यता प्रदान करते हैं। लेकिन जेनएआई मॉडल केवल बड़े होने के कारण ही इस व्यापकता को प्राप्त करते हैं – और इसलिए उपयोग करने के लिए कम्प्यूटेशनल रूप से महंगा है। इससे कोई फर्क नहीं पड़ता कि आप इसका उपयोग किस लिए कर रहे हैं, जेनएआई अपने साथ यह बेहतरीन ओवरहेड लेकर आता है।
उपाय? एक समय में एक व्यक्तिगत कार्य के लिए – GenAI का अनुकरण करने के लिए एक हल्के वजन वाले पूर्वानुमानित AI मॉडल को प्रशिक्षित करें।
उदाहरण के लिए, भारत में एक निर्माता को बिक्री कर्मियों द्वारा ली गई दुकान की तस्वीरों का विश्लेषण करके, दस लाख खुदरा दुकानों को मान्य करने की आवश्यकता है। कुछ तस्वीरें कपटपूर्ण हैं, आंशिक रूप से बिक्री कर्मचारियों को मैदान पर उनके बिक्री प्रयासों की सीमा की पुष्टि करने के लिए अच्छी संख्या में स्टोर तस्वीरें जमा करने के लिए दिए गए प्रोत्साहन के कारण। इसके अलावा, अन्य तस्वीरें अस्वीकार्य हैं क्योंकि वे कुछ दृश्य मानकों को पूरा करने में विफल रहती हैं। यदि अमान्य फ़ोटो का पता नहीं चल पाता है, तो बिक्री प्रयास बर्बाद होने, गलत मेट्रिक्स और अन्य समस्याओं के कारण निर्माता को इसकी कीमत चुकानी पड़ती है।
GenAI एक ठोस दृष्टिकोण प्रदान करता है: बस इसे एक स्टोरफ्रंट फोटो दिखाएं और उससे ऐसे प्रश्न पूछें जो इसकी मान्यता से संबंधित हों – जैसे कि क्या साइनेज और उत्पाद दिखाई दे रहे हैं, क्या यह दिन का समय है और दिखाया गया स्टोर खुला है और क्या स्टोर का पूरा बाहरी भाग दिखाया गया है।
लेकिन इस दृष्टिकोण को दस लाख छवियों पर लागू करना बेहद महंगा होगा। एआई विक्रेता बिज़ोम के मुख्य एआई अधिकारी रोहित अग्रवाल ने दिखाया है कि भविष्य कहनेवाला एआई इस समस्या का समाधान करता है (जैसा कि उन्होंने मेरे द्वारा स्थापित सम्मेलन श्रृंखला, मशीन लर्निंग वीक 2025 में प्रस्तुत किया था – उनकी विस्तृत स्लाइड्स के लिए यहां क्लिक करें).
GenAI के साथ बूटस्ट्रैपिंग प्रेडिक्टिव AI
सबसे पहले, रोहित की टीम ने 10,000 छवियों के नमूने को वर्गीकृत करने के लिए genAI का उपयोग किया। विशेष रूप से, प्रदर्शन में सुधार करने के लिए, उन्होंने प्रत्येक छवि को स्वीकार्य या अस्वीकार्य के रूप में वर्गीकृत करने के लिए तीन प्रतिस्पर्धी मल्टीमॉडल बड़े भाषा मॉडल को नियोजित किया, और केवल उन लोगों को स्वीकार्य के रूप में गिना, जिन्हें सभी तीन मॉडलों द्वारा सर्वसम्मति से लेबल किया गया था।
दूसरा, उनकी टीम ने इस लेबल किए गए डेटा का उपयोग गहन शिक्षण मॉडल (कन्वेंशनल न्यूरल नेटवर्क) विकसित करने के लिए प्रशिक्षण और परीक्षण डेटा के रूप में किया, जो ऐसी छवि-वर्गीकरण समस्याओं के लिए स्थापित मानक पर्यवेक्षित शिक्षण विधि है।
परिणामी गहन शिक्षण मॉडल प्रभावी और व्यावहारिक दोनों है। यह प्रोजेक्ट को पूरा करने के लिए genAI के प्रदर्शन का काफी करीब से अनुमान लगाता है। और यह बहुत कम-फ़ुटप्रिंट मॉडल है, जो बिना किसी अनावश्यक खर्च के लाखों छवियों को वर्गीकृत करने में सक्षम है। इस दृष्टिकोण को एक समान, पूरक प्रक्रिया के साथ बढ़ाकर जो डुप्लिकेट का पता लगाता है – एक ही स्टोर की तस्वीरें अलग-अलग स्टोर के रूप में प्रस्तुत की जाती हैं – बिज़ोम ने एक संपूर्ण समाधान विकसित किया है।
GenAI पूर्वानुमानित AI के बिना इस परियोजना की आवश्यकताओं को पूरा नहीं कर सकता – और इसके विपरीत भी। अंत में, एक गहन तंत्रिका नेटवर्क जेनएआई के बिना, अपने आप काम कर रहा है, लेकिन यह पहले स्थान पर प्रशिक्षण डेटा बनाने के लिए जेनएआई के बिना वहां नहीं पहुंच सकता था। बनना लेबल किया गया डेटा पूर्वानुमानित AI के लिए एक बाधा हैइसलिए इस परियोजना के बारे में सोचने का दूसरा तरीका यह है कि जेनएआई पूर्वानुमानित एआई के लिए प्रशिक्षण डेटा को लेबल करता है।
ये दोनों हाइब्रिड दृष्टिकोण आपको अपना केक बनाने और उसे खाने की सुविधा भी देते हैं: आप जेनएआई की अनूठी क्षमताओं का लाभ उठा सकते हैं, साथ ही पूर्वानुमानित एआई के मानक तरीकों के बेहद हल्के पदचिह्न का आनंद भी ले सकते हैं। दिलचस्प बात यह है कि इन दोनों दृष्टिकोणों में मॉडलों के सरल संस्करण बनाना शामिल है ताकि वे अधिक प्रबंधनीय हों – या तो अधिक समझने योग्य हों या उपयोग करने में कम महंगे हों। फिर भी दोनों दृष्टिकोण जटिल जेनएआई मॉडल द्वारा प्रदान की गई अपेक्षाकृत नई क्षमताओं का लाभ उठाते हैं।
भविष्य कहनेवाला एआई और जेनएआई को संकरण करने के अन्य पांच तरीकों के लिए, देखें मेरा पूर्व लेख और मुफ़्त ऑनलाइन कार्यक्रम में मेरी प्रस्तुति, “भविष्यवाणी एआई और जेनएआई को हाइब्रिडाइज़ करने के सात तरीके जो व्यावसायिक मूल्य प्रदान करते हैं” में भाग लें। आईबीएम जेड दिवस (12 नवंबर 2025 को लाइव और उसके बाद ऑन-डिमांड उपलब्ध)।
यदि आपके काम में हाइब्रिड एआई शामिल है, तो एक प्रस्ताव सबमिट करने पर विचार करें मशीन लर्निंग वीक 2026 में बोलें.
