विश्वास अर्जित किया जाता है, दिया नहीं जाता। क्या एआई ने खुद को सिद्ध किया है?

निस्संदेह, एआई का उदय अद्भुत रहा है। अनुमान दिखाते हैं कि एआई बाजार 2025 से 2030 के बीच लगभग 28% वार्षिक वृद्धि के लिए तैयार है। यह अपेक्षित है कि 2025 में US$243.72 बिलियन से बढ़कर 2030 में US$826.73 बिलियन तक पहुंचेगा। 

एआई बाजार में कई घटक हैं। इसमें कंप्यूटर विज़न, एआई रोबोटिक्स, मशीन लर्निंग, स्वायत्त और सेंसर तकनीक, और प्राकृतिक भाषा प्रसंस्करण शामिल हैं। विश्लेषकों का मानना है कि इन सभी में मशीन लर्निंग सबसे महत्वपूर्ण घटक है। हालांकि, सभी घटकों के की वृद्धि की उम्मीद है है, लेकिन उनकी वृद्धि की दर अलग-अलग हो सकती है। 

डिजिटल युग में रहने का मतलब है कि हम डिजिटल तकनीकों को अपनाने के लिए अधिक उत्सुक हो गए हैं। वैज्ञानिक साहित्य की बड़ी मात्रा – पढ़ने योग्य और ऑडियोविज़ुअल – ने लोगों को यह समझाया है कि एआई कैसे लाभदायक हो सकता है। 

ग्राहक दक्षता को प्राथमिकता देते हैं, जबकि प्रदाता सुविधा और संचालन की सरलता की तलाश में होते हैं। इन दोनों को एआई के कार्यान्वयन के माध्यम से हासिल किया जा सकता है। 

फिर भी, दीर्घकालिक सतत विकास केवल संचालन की सरलता और दक्षता का फल नहीं है। यह कई सूक्ष्म कारकों का मिश्रण भी है। 

लोग तकनीक को कैसे देखते हैं, यह निर्धारित करता है कि वे इसे अपनाने के बाद भविष्य में भी उपयोग करेंगे या नहीं। और लोग किसी भी तकनीक को दीर्घकाल में कैसे देखते हैं, यह काफी हद तक इस बात पर निर्भर करता है कि वे उस पर भरोसा कर सकते हैं या नहीं। 

जैसे ही एआई घातीय वृद्धि के लिए तैयार हो रहा है, हमें पूछना चाहिए: क्या एआई ने खुद को सिद्ध किया है? क्योंकि भरोसा वह चीज़ है जिसे कमाया जाना चाहिए। यह एक इकाई से दूसरी इकाई को सहजता से नहीं दिया जाता। 

क्या हम एआई पर बहुत अधिक भरोसा कर रहे हैं?

सरे विश्वविद्यालय के एक नए अध्ययन ने निश्चित रूप से इस बात को बदल दिया है कि हम एआई को कैसे देखते हैं और वर्तमान में इसे जीवन के सभी क्षेत्रों में, बैंकिंग और स्वास्थ्य देखभाल से लेकर अपराध पहचान तक, कैसे उपयोग करते हैं। 

रिपोर्ट के अनुसार, अध्ययन एआई मॉडलों के डिजाइन और मूल्यांकन में तत्काल बदलाव की मांग करता है, इन शक्तिशाली एल्गोरिदम में पारदर्शिता और भरोसेमंदता की आवश्यकता पर ज़ोर देता है। ‘यह वास्तव में एक मजबूत आह्वान है। 

ऐसे आह्वान के पीछे कौन से कारण हैं? आइए गहराई से देखें।

लेख प्रकाशित हुआ¹ Applied Artificial Intelligence में, शीर्षक ‘Real-World Efficacy of Explainable Artificial Intelligence using the SAGE Framework and Scenario-Based Design.’ 

पेपर ने एक डिजाइन और मूल्यांकन दृष्टिकोण प्रस्तुत किया जो एक व्याख्यात्मक एआई (XAI) मॉडल की वास्तविक दुनिया में प्रभावशीलता प्रदान करता है। पेपर ने इस दृष्टिकोण को अपने प्रकार का पहला बताया। यह तीन पूरक लेकिन अलग-अलग फ्रेमवर्क पर आधारित था जिसने इसे उपयोगकर्ता-केंद्रित, संदर्भ-संवेदनशील और धोखाधड़ी पहचान के लिए पोस्ट-हॉक व्याख्याएँ प्रदान करने में सक्षम बनाया। 

इसने अपने प्रेरणा को परिदृश्य-आधारित डिजाइन के सिद्धांतों से लिया और दो स्वतंत्र वास्तविक दुनिया के स्रोतों को मिलाकर एक वास्तविक कार्ड धोखाधड़ी भविष्यवाणी परिदृश्य स्थापित किया। 

इसके बाद, इसने SAGE फ्रेमवर्क को लागू किया, जिसे उसके चार प्रमुख घटकों के संक्षिप्त रूप के रूप में नामित किया गया है:

• सेटिंग्स
• ऑडियंस
• गोल्स
• एथिक्स

यह फ्रेमवर्क मॉडल चयन के लिए प्रमुख संदर्भ-संवेदनशील मानदंडों की पहचान करने में मदद करता है, जिससे वर्तमान XAI मॉडल डिजाइन में अंतराल उजागर होते हैं और आगे के मॉडल विकास के लिए मार्ग प्रशस्त होते हैं। प्रभावशीलता मूल्यांकन के लिए एक कार्यात्मक-आधारित मूल्यांकन विधि भी स्थापित की गई। 

परिणाम ऐसे व्याख्याओं के रूप में आया जो स्थापित मॉडलों की तुलना में वास्तविक दुनिया की आवश्यकताओं को अधिक सटीक रूप से दर्शा सकते थे। 

एआई को भरोसा जीतने के लिए अपने निर्णयों की बेहतर व्याख्या करनी चाहिए

जबकि ये विवरण बहुत वैज्ञानिक लग सकते हैं, मूल रूप से शोध ने एक महत्वपूर्ण क्षेत्र पर प्रकाश डाला: यह एआई में उपयोगकर्ता भरोसे को बढ़ाने की वकालत करता है। यह उन क्षेत्रों पर केंद्रित था जहाँ एआई को अपने निर्णयों की पर्याप्त व्याख्या प्रदान करनी चाहिए। तभी यह भरोसेमंद बन सकता है, क्योंकि उपयोगकर्ता एआई को समझ सकते हैं और एआई को अपनाने में जो भी भ्रम या असुरक्षा महसूस करते थे, उसे दूर कर सकते हैं। 

एआई की अपनी निर्णयों की व्याख्या करने में असमर्थता या अंतर्निहित कमियाँ संभावित रूप से हानिकारक हो सकती हैं क्योंकि अब वे स्वास्थ्य देखभाल, बैंकिंग आदि जैसे कई महत्वपूर्ण क्षेत्रों में उपयोग हो रहे हैं। 

शोधकर्ताओं द्वारा प्रस्तुत किया गया है कि जहाँ एआई सिस्टम ने अपने निर्णयों की पर्याप्त व्याख्या करने में विफलता दिखाई है, वह चिंताजनक रहा है। रिपोर्ट धोखाधड़ी डेटासेट में अंतर्निहित असंतुलन की ओर संकेत करती है जहाँ नुकसान का पैमाना अरबों डॉलर तक पहुंच सकता है, लेकिन वे सभी लेनदेन का केवल 0.01% ही बनाते हैं। 

जबकि यह एक अच्छी बात है कि अधिकांश लेनदेन पारदर्शी और वास्तविक हैं, यह असंतुलन एआई मॉडलों को धोखाधड़ी पैटर्न सीखने में चुनौतियों का सामना करा सकता है। सकारात्मक पक्ष यह है कि एआई एल्गोरिदम बहुत सटीकता से धोखाधड़ी लेनदेन की पहचान कर सकते हैं। 

हालाँकि, भरोसा बनाने के प्रयासों को नुकसान यह है कि वे धोखाधड़ी के कारणों की व्याख्या नहीं कर सकते। 

डॉ. वोल्फ़गैंग गार्न, अध्ययन के सह-लेखक और सरे विश्वविद्यालय में एनालिटिक्स के वरिष्ठ लेक्चरर, इस संबंध में एक महत्वपूर्ण टिप्पणी करते हैं। वह कहते हैं:

“हमें यह नहीं भूलना चाहिए कि हर एल्गोरिदम के समाधान के पीछे वास्तविक लोग होते हैं जिनकी ज़िंदगियाँ निर्धारित निर्णयों से प्रभावित होती हैं। हम ऐसे एआई सिस्टम बनाना चाहते हैं जो न केवल बुद्धिमान हों बल्कि लोगों – तकनीक के उपयोगकर्ताओं – को ऐसी व्याख्याएँ प्रदान करें जिन पर वे भरोसा कर सकें और समझ सकें।” 

वह मूल रूप से हमें बड़े चित्र की ओर संकेत करते हैं: प्रौद्योगिकी अकेले नहीं फलती-फूलती। यह मानव जीवन पर सार्थक प्रभाव डालकर फलती-फूलती है। मानव भरोसा जीतने के लिए, एआई को अपने कार्यों की व्याख्या उसी तरह करनी चाहिए जैसे अन्य मनुष्य करते हैं। 

हम पहले ही डॉ. गार्न द्वारा प्रस्तावित फ्रेमवर्क पर चर्चा कर चुके हैं जो एआई को अधिक मानवीय बनाता है। उनके प्रस्तावित कार्यप्रवाह के अतिरिक्त, वह एआई की संदर्भ जागरूकता की कमी को सार्थक व्याख्याएँ प्रदान करने में एक चुनौती के रूप में देखते हैं। 

एक उपाय के रूप में, गार्न का पेपर “एआई विकास में एक ऐसा विकास प्रस्तावित करता है जो उपयोगकर्ता-केंद्रित डिजाइन सिद्धांतों को प्राथमिकता देता है।” 

गार्न जानते हैं कि उपयोगकर्ता-केंद्रितता के लिए विशेषज्ञ इनपुट की आवश्यकता होगी। और इसलिए वह कहते हैं:

“यह (शोध पत्र) एआई डेवलपर्स को उद्योग विशेषज्ञों और अंतिम उपयोगकर्ताओं के साथ सक्रिय रूप से जुड़ने का आह्वान करता है, एक सहयोगी माहौल को बढ़ावा देता है जहाँ विभिन्न हितधारकों से प्राप्त अंतर्दृष्टि एआई के भविष्य को आकार दे सकती है। एक सुरक्षित और अधिक विश्वसनीय एआई परिदृश्य की दिशा में मार्ग तकनीक को समझने और हमारे जीवन पर उसके प्रभाव को समझने की प्रतिबद्धता से शुरू होता है। हमारे लिए परिवर्तन के आह्वान को नजरअंदाज करना बहुत जोखिम भरा है।” 

विश्वसनीय एआई कैसे सुनिश्चित करें?

एक प्रमुख उद्योग प्रतिभागी, Vice President & Head of Digital Modalities at SAP (SAP ), जो AI नवाचार अपनाने को बढ़ाने के लिए बिक्री और व्यावसायिक विकास उत्पादकता को बढ़ाता है, ने सुरक्षित, सुरक्षित और विश्वसनीय एआई सुनिश्चित करने के बारे में महत्वपूर्ण बिंदु दिए। उन्होंने माना कि एआई की विश्वसनीयता स्थापित करने के लिए यह सुनिश्चित करना आवश्यक है कि एआई की निर्णय‑निर्धारण प्रक्रिया नैतिक, समान और मानव मूल्यों के साथ सामंजस्यपूर्ण हो।

उन्होंने एआई को समझने योग्य बनाकर और उसकी तर्कसंगतता को आसानी से समझाया जा सके, इस दिशा में काम करने की वकालत की। अन्य बातों के साथ, उन्होंने असाधारण डेटा गवर्नेंस, एआई को मजबूत सुरक्षा के साथ सुदृढ़ करने की आवश्यकता, और एक व्यापक, बहु‑विषयक दृष्टिकोण तैयार करने की आवश्यकता पर ज़ोर दिया ताकि एआई सिस्टम समाज पर सकारात्मक प्रभाव डालें, नवाचार को बढ़ावा दें और संभावित नुकसान से बचें।

डॉ. अमित कलेले, TCS Incubation के AI Performance and Trust Management (AIPM) कार्यक्रम के समाधान आर्किटेक्ट, और रविंद्रन सुब्बियाह, ऑपरेशंस फ्रेमवर्क इन्क्यूबेशन प्रोग्राम में एंटरप्रेन्योर‑इन‑रेसिडेंस (EIR), के अनुसार, विश्वसनीय एआई के पाँच स्तंभ हैं: व्याख्यात्मकता, पक्षपात और निष्पक्षता, पुनरुत्पादनशीलता, स्थिरता, और पारदर्शिता। 

वे मानते हैं कि मशीन लर्निंग सिस्टम और परिणामों की व्याख्यात्मकता को सुधारने, विकास और उत्पादन में पक्षपात को समझने, दस्तावेज़ करने और मॉनिटर या कम करने, और निष्पक्षता सुनिश्चित करने के लिए उपकरण और प्रक्रियाएँ विकसित करना आवश्यक है। 

एक अन्य तकनीकी दिग्गज IBM (IBM ) भी इसी दिशा में काम कर रहा है। IBM के अनुसार, एआई में भरोसा बनाना इसके भीतर नैतिकता का बोध, पूर्ण पारदर्शिता में कार्य करना, और व्यवसायों एवं उपभोक्ताओं के लिए उत्पन्न होने वाले अवसरों के बारे में शिक्षा प्रदान करने के लिए महत्वपूर्ण प्रयास की आवश्यकता होगी।

IBM सिफारिश करता है कि एक ठोस एआई जीवन‑चक्र प्रबंधन रणनीति हो, जहाँ संगठन एआई प्रक्रिया के प्रत्येक चरण को देख सकें और सत्यापनीय टचपॉइंट्स पर भरोसा कर सकें जो संगठन के समग्र लक्ष्य को प्रतिबिंबित करते रहें, जिससे अधिक पारदर्शिता और परिणामों की बेहतर समझ के साथ सटीक, भरोसेमंद एआई निर्णय प्रदान किए जा सकें। 

रॉब कात्ज़, Salesforce के प्रोडक्ट, रिस्पॉन्सिबल एआई और टेक के Vice President, ने भी विश्वसनीय एआई एजेंट बनाने के पाँच तरीकों की रूपरेखा प्रस्तुत की है। 

उनका मानना है कि एआई में भरोसा बनाना एक यात्रा है जिसके लिए सावधानीपूर्वक डिजाइन, कठोर परीक्षण और निरंतर नवाचार की आवश्यकता होती है। Salesforce का दावा है कि इंटेंशनल डिजाइन, सिस्टम‑लेवल कंट्रोल्स, और ट्रस्ट पैटर्न को लागू करने पर ध्यान केंद्रित करके वह भविष्य की दिशा बना रहा है जहाँ मनुष्य और एआई सहजता और प्रभावी ढंग से साथ काम कर सकें।

आने वाले भाग में, हम Salesforce द्वारा विकसित Agentforce पर चर्चा करेंगे, जिसे दावा किया गया है कि यह विश्वसनीय एआई पर निर्मित है। 

1. Salesforce (SAP )

Agentforce by Salesforce एक सक्रिय, स्वायत्त एआई एप्लिकेशन है जो कर्मचारियों या ग्राहकों को विशेष, हमेशा‑ऑन समर्थन प्रदान करता है। इसे किसी भी आवश्यक व्यावसायिक ज्ञान से सुसज्जित किया जा सकता है ताकि वह अपनी विशिष्ट भूमिका के अनुसार कार्यों को निष्पादित कर सके। Agentforce विभिन्न वर्टिकल्स में विभिन्न एजेंट बनाने में मदद करता है, जिसमें सेवा, बिक्री, मार्केटिंग, कॉमर्स आदि शामिल हैं। 

उदाहरण के लिए, एक सर्विस एजेंट पारंपरिक चैटबॉट्स को एआई से बदल देता है जो पूर्व‑प्रोग्राम्ड परिदृश्यों के बिना व्यापक सेवा मुद्दों को संभाल सकता है, जिससे ग्राहक सेवा की दक्षता में सुधार होता है। 

एक बायर एजेंट B2B खरीद अनुभव को बेहतर बनाता है, जिससे खरीदारों को उत्पाद खोजने, खरीदारी करने और चैट या बिक्री पोर्टलों के भीतर ऑर्डर ट्रैक करने में मदद मिलती है। 

Agentforce के साथ, संगठनात्मक टीमें किसी भी विभाग के लिए नई प्री‑बिल्ट स्किल लाइब्रेरी के साथ तेज़ी से अपना कस्टमाइज़्ड Agentforce बना सकती हैं। ये स्किल्स CRM, Slack, Tableau, और पार्टनर उपयोग मामलों को कवर करती हैं, साथ ही कंपनी की कस्टम स्किल्स भी। Agentforce मौजूदा APIs से जुड़कर या MuleSoft के प्री‑बिल्ट कनेक्टर्स के माध्यम से 40 से अधिक सिस्टम्स के साथ एक्शन ले सकता है।

Salesforce का दावा है कि Agentforce 2.0 पहले से अधिक भरोसेमंद है। इसका रीजनिंग इंजन Atlas अब उन्नत रीजनिंग और डेटा रिट्रीवल तकनीकों के साथ अधिक स्मार्ट है। यह Agentforce को जटिल, बहु‑चरणीय प्रश्नों के सामने गहराई से सोचने में सक्षम बनाता है – डेटा स्रोतों के बीच रीजनिंग करता है जो अतिरिक्त ग्राहक‑विशिष्ट मेटाडेटा के साथ समृद्ध किए गए हैं। इसके माध्यम से, Agentforce सर्वोत्तम कार्रवाई ले सकता है और इनलाइन सिटेशन के साथ सटीक, अच्छी तरह से शोधित उत्तर प्रदान कर सकता है।

Salesforce मानता है कि भरोसा Agentforce की सफलता का मूल है। वास्तव में, कृत्रिम बुद्धिमत्ता (AI) एजेंट की संभावनाएँ तभी साकार हो सकती हैं जब उन्हें किसी की ओर से कार्य करने का भरोसा हो। 

इस आवश्यक मानदंड को पूरा करने के लिए, Salesforce सुनिश्चित करता है कि एआई इस तरह डिजाइन किया गया है जिससे मनुष्य एआई के साथ सुरक्षित और आसान साझेदारी कर सकें। 

Salesforce का दावा है कि उनका दृष्टिकोण इंटेंशनल डिजाइन और सिस्टम‑लेवल कंट्रोल्स पर आधारित है जो पारदर्शिता, जवाबदेही और सुरक्षा को प्राथमिकता देता है।

Salesforce दावा करता है कि वह विश्व का नंबर एक एआई कस्टमर रिलेशनशिप मैनेजमेंट (CRM) प्लेटफ़ॉर्म है, और 150,000 से अधिक कंपनियाँ इसका क्लाउड‑बेस्ड सॉफ़्टवेयर उपयोग करती हैं। वित्तीय वर्ष 2024 (31 जनवरी, 2024 को समाप्त) में, Salesforce ने कुल $34.9 बिलियन राजस्व की रिपोर्ट की, जो वर्ष‑दर‑वर्ष 11% की वृद्धि दर्शाता है।

2. IBM (IBM )

एक अन्य कंपनी जो प्रभावी एआई समाधान बनाने में भरोसेमंदता को महत्वपूर्ण मानती है, वह IBM है। IBM का दावा है कि उसका रिसर्च विंग भविष्य में निर्मित एआई सिस्टम को निष्पक्ष, मजबूत, व्याख्यात्मक, जवाबदेह और समाज के मूल्यों के साथ संरेखित रखने के लिए विभिन्न दृष्टिकोणों पर काम कर रहा है। वह यह भी दावा करता है कि भविष्य में एआई एप्लिकेशन अपने पूरे जीवन‑चक्र में जितना कुशल है, उतना ही निष्पक्ष भी होगा।

2018 में, IBM ने अपने “Principles for Trust and Transparency” प्रस्तुत किए। यह उन प्रमुख कंपनियों में से एक थी जिसने एआई एथिक्स बोर्ड बनाया ताकि कंपनी के एआई विकास और उपयोग के आंतरिक प्रक्रियाओं, टूल्स, दिशानिर्देशों, शिक्षा और जोखिम मूल्यांकन को नियंत्रित किया जा सके। 

IBM ने दिसंबर 2023 में AI Alliance की सह‑स्थापना भी की, जो अब 100 से अधिक कंपनियों, शैक्षणिक संस्थानों, सरकारी एजेंसियों और विश्व भर के शोध लैब्स को सम्मिलित करता है, जिसमें Meta, Sony, NASA, Harvard और Cleveland Clinic शामिल हैं, और यह ओपन‑सोर्स नवाचार को तेज़ करने के लिए काम करता है ताकि एआई में भरोसा बढ़े और यह हमारे समाज के सभी वर्गों को लाभ पहुँचा सके। 

डारियो गिल, IBM रिसर्च के वरिष्ठ उपाध्यक्ष और निदेशक, कहते हैं:

“कृत्रिम बुद्धिमत्ता एक क्षैतिज तकनीक है जिसका प्रभाव हर सेक्टर, हर देश और हर मूल्य प्रणाली पर पड़ता है।”

उनका मानना है कि इसे कई विविध संस्थानों के सहयोग से विकसित किया जाना चाहिए। इसलिए पारस्परिक भरोसा अत्यंत आवश्यक है। 

IBM रिसर्च का दावा है कि उसने यह समझ लिया है कि इन‑कॉन्टेक्स्ट लर्निंग क्यों फाउंडेशन मॉडल की भविष्यवाणियों को सुधारता है, जिससे मशीन लर्निंग का रहस्य उजागर होता है और तकनीक में पारदर्शिता आती है। यह शोध IBM रिसर्च और रेंससेलर पॉलीटेक्निक इंस्टीट्यूट (RPI) के वैज्ञानिकों की टीम द्वारा किया गया था। 

IBM में काम करने वाली टीम का मानना है कि विश्वसनीय एआई बनाने का एक हिस्सा इन जटिल सिस्टम्स, जैसे LLMs और जनरेटिव एआई, के मूल कार्य तंत्र को देखना है, और उन्हें बिट‑बाय‑बिट और घटक‑दर‑घटक समझना है ताकि पता चल सके कि वे कैसे काम करते हैं या कब सफल या असफल होते हैं। 

“हम इस काली जादू में पारदर्शिता जोड़ रहे हैं। लोग इसे बहुत उपयोग करते हैं लेकिन यह नहीं समझते कि यह कैसे काम करता है।”

– वरिष्ठ शोधकर्ता Pin-Yu Chen, Trusted AI group, IBM Research

29 जनवरी, 2025 को, IBM ने चौथी तिमाही 2024 की आय परिणामों की घोषणा की। चौथी तिमाही के लिए, IBM ने $17.6 बिलियन का राजस्व रिपोर्ट किया, जो 1% बढ़ा, स्थिर मुद्रा पर 2% बढ़ा। पूरे वर्ष 2024 के लिए, कंपनी ने $62.8 बिलियन का राजस्व दर्ज किया, जो 1% बढ़ा, स्थिर मुद्रा पर 3% बढ़ा। 

एआई का एक भरोसेमंद भविष्य

एआई द्वारा देखी जा रही घातीय वृद्धि के लिए यह आवश्यक है कि उसके आसपास एक मजबूत नैतिक इकोसिस्टम हो जो उसे घेरकर सुरक्षित रखे। भरोसा और पारदर्शिता को अंतर्निहित गुण बनाने के लिए, एआई को यथासंभव जिम्मेदार बनना आवश्यक है। 

यह सभी के लिए उपयोगी होना चाहिए। इसके लाभ सभी स्तरों तक पहुँचने चाहिए। एक भरोसेमंद एआई को इस सिद्धांत पर काम करना चाहिए कि डेटा और अंतर्दृष्टि उनके निर्माताओं की ही संपत्ति हैं। 

न्यायसंगत और पारदर्शी डेटा नीतियाँ भरोसा बढ़ाने में मदद करेंगी। एआई को दीर्घकाल में भरोसा जीतने के लिए यह भी खुला होना चाहिए कि किसने उनके एआई सिस्टम को प्रशिक्षित किया है और किस प्रकार का डेटा उसमें डाला गया है। 

उपयोग में आसानी और सहज उपयोगकर्ता इंटरफ़ेस का डिजाइन पारदर्शिता को समझौता करने का अर्थ नहीं होना चाहिए। एक अच्छा डिजाइन सहज हो सकता है फिर भी यह प्रभावी रूप से यह समझा सके कि अंदर क्या हो रहा है। यदि एआई सिस्टम भरोसेमंद, निष्पक्ष, संतुलित और उचित रूप से कैलिब्रेटेड है, तो वह उपयोगकर्ताओं को निष्पक्ष विकल्प बनाने में सफलतापूर्वक मदद करेगा। 

एआई को एक साथ सटीक और जवाबदेह होना चाहिए। इसे संदर्भ को अच्छी तरह समझना चाहिए। डेवलपर्स को एआई मॉडल की तकनीकी जटिलता को इस बात के बहाने नहीं बनाना चाहिए कि उनके समाधान पहुंच से बाहर रहें। 

भरोसा तकनीकी परिष्कार का घमंड करके नहीं अर्जित किया जा सकता। अच्छी तकनीकें वे हैं जो उपयोग में आसान, समझने योग्य, उपयोगकर्ता के संदर्भ और आवश्यकताओं के प्रति संवेदनशील, पुनरुत्पादित, व्याख्यात्मक और भरोसे के योग्य हों! 

क्लिक करें यहाँ एआई में निवेश के बारे में सभी जानकारी जानने के लिए।

अध्ययन संदर्भ:

1. Mill, E., Garn, W., & Turner, C. (2024). Real-World Efficacy of Explainable Artificial Intelligence using the SAGE Framework and Scenario-Based Design. Applied Artificial Intelligence, 38(1). https://doi.org/10.1080/08839514.2024.2430867