गुणवत्ता प्रबंधन के भीतर कृत्रिम बुद्धिमता (Artificial Intelligence - AI) की क्षमता
=======
कृत्रिम बुद्धिमत्ता (Artificial Intelligence - AI) का तात्पर्य मशीनों में मानव बुद्धि के अनुकरण या सन्निकटन से है। कृत्रिम बुद्धिमत्ता का विभिन्न क्षेत्रों की संस्थाओं पर गहरा प्रभाव पड़ता है। कृत्रिम बुद्धिमत्ता के लक्ष्यों में कंप्यूटर-संवर्धित शिक्षा, तर्क और धारणा शामिल हैं। कृत्रिम बुद्धिमत्ता का उपयोग आज विभिन्न उद्योगों और मानव जीवन के क्षेत्रों में किया जा रहा है। यह निर्णय लेने की प्रक्रियाओं को बढ़ाता है, नियमित कार्यों को स्वचालित करता है और दक्षता हासिल करने में मदद करता है। कृत्रिम बुद्धिमत्ता दो प्रकार के हो सकती हैं: (1) उत्पादक कृत्रिम बुद्धिमत्ता (Generative
AI), और (2) भावी-सूचक कृत्रिम बुद्धिमत्ता (Predictive
AI)।
साभार - कृत्रिम बुद्धिमत्ता उपकरण (AI tools) की सहायता से चित्र निर्मित किया।
आइए दोनों पदों (terms) को समझें। उत्पादक कृत्रिम बुद्धिमत्ता (Generative AI) उन प्रणालियों और प्रक्रियाओं को संदर्भित करता है जो मानव-समान पैटर्न की नकल करने वाली नई सामग्री, डेटा या आउटपुट बना सकते हैं। यह संभव है क्योंकि कृत्रिम बुद्धिमत्ता प्रणाली और प्रक्रियाएँ बड़े आकड़ों के संग्रह (dataset) से प्रशिक्षित होती हैं और वास्तविक दिखने वाले आउटपुट उत्पन्न करना सीखती हैं। उत्पादक कृत्रिम बुद्धिमत्ता (Generative
AI) का एक उल्लेखनीय उदाहरण ओपनएआई (OpenAI) का चैटजीपीटी मॉडल हैं। ये प्राप्त इनपुट के आधार पर मानव जैसा यथार्थवादी पाठ, चित्र बना देते हैं या संगीत उत्पन्न करते हैं। दूसरी ओर, भावी-सूचक कृत्रिम बुद्धिमत्ता (Predictive
AI) में प्रदान किए गए ऐतिहासिक डेटा के आधार पर भविष्यवाणियाँ या पूर्वानुमान बनाने के लिए एल्गोरिदम और मॉडल का उपयोग करना शामिल है। भावी-सूचक कृत्रिम बुद्धिमत्ता (Predictive
AI) प्रणाली और प्रक्रियाएँ भविष्य के परिणामों का पूर्वानुमान लगाने के लिए पैटर्न और रुझानों का विश्लेषण करती हैं। इसका उपयोग उत्पादित उत्पाद की गुणवत्ता की जाँच के लिए किया जा सकता है। पूर्वानुमानित रखरखाव में, कृत्रिम बुद्धिमत्ता एल्गोरिदम उपकरण प्रदर्शन डेटा का विश्लेषण कर सकता है और भविष्यवाणी कर सकता है कि उपकरण कब विफल हो सकता है। भावी-सूचक कृत्रिम बुद्धिमत्ता (Predictive
AI) का एक उदाहरण पाने के लिए, किसी संस्था की आपूर्ति श्रृंखला प्रबंधन के एक परिदृश्य पर विचार करें। भावी-सूचक कृत्रिम बुद्धिमत्ता (Predictive
AI) एल्गोरिदम मांग पैटर्न, आपूर्तिकर्ता प्रदर्शन और लॉजिस्टिक दक्षता जैसे कारकों पर ऐतिहासिक आकड़ों का विश्लेषण कर सकता है। रुझानों और सहसंबंधों की पहचान करके, सिस्टम भविष्य की माँग का पूर्वानुमान लगा सकता है, इन्वेंट्री स्तर को अनुकूलित कर सकता है और संभावित व्यवधानों का अनुमान लगा सकता है। यह संस्थाओं को अपनी आपूर्ति श्रृंखला रणनीतियों को सक्रिय रूप से समायोजित करने, देरी को कम करने और लागत को कम करने की अनुमति देता है।
गुणवत्ता प्रबंधन में कृत्रिम बुद्धिमत्ता
उत्पादक कृत्रिम बुद्धिमत्ता (Generative AI) और भावी-सूचक कृत्रिम बुद्धिमत्ता (Predictive
AI) दोनों में गुणवत्ता प्रबंधन के भीतर काफी संभावनाएँ हैं। गुणवत्ता नियंत्रण प्रक्रियाओं के परीक्षण और सत्यापन के लिए सिंथेटिक या सिम्युलेटेड डेटासेट बनाने के लिए उत्पादक कृत्रिम बुद्धिमत्ता (Generative
AI) का उपयोग किया जा सकता है। उदाहरण के लिए, उत्पादक कृत्रिम बुद्धिमत्ता (Generative
AI) गुणवत्ता निरीक्षण के लिए कंप्यूटर विज़न मॉडल को प्रशिक्षित करने के लिए यथार्थवादी उत्पाद दोष छवियाँ उत्पन्न कर सकता है। भावी-सूचक कृत्रिम बुद्धिमत्ता (Predictive
AI) संभावित दोषों के घटित होने से पहले ही उनका पूर्वानुमान लगाकर या पूर्वानुमान लगाकर गुणवत्ता नियंत्रण बढ़ा सकता है। उदाहरण के लिए, भावी-सूचक कृत्रिम बुद्धिमत्ता (Predictive
AI) विनिर्माण प्रक्रिया में समस्याओं का पूर्वानुमान लगाने के लिए उत्पादन आकड़ों का विश्लेषण कर सकता है और दोषों को रोकने के लिए समायोजन की अनुमति दे सकता है।
संस्थाओं के लिए चुनौतियाँ
कृत्रिम बुद्धिमत्ता का उपयोग करने वाली संस्थाओं के लिए कई चुनौतियाँ हैं, जिन्हें नीचे बताया जा रहा है।
आकड़ों की गुणवत्ता - संस्थाओं के लिए उच्च-गुणवत्ता वाले आकड़े प्रदान करना एक बड़ी चुनौती है क्योंकि विश्वसनीय कृत्रिम बुद्धिमत्ता मॉडल के लिए उच्च-गुणवत्ता वाले आकड़ों की आवश्यकता होती है। संस्थाओं के लिए आकड़ों की सटीकता और प्रासंगिकता सुनिश्चित करना एक महत्वपूर्ण चुनौती होती है।
उच्च कार्यान्वयन लागत - कृत्रिम बुद्धिमत्ता प्रौद्योगिकी प्राप्त करने और कर्मियों को प्रशिक्षण देने सहित प्रारंभिक स्थापना लागत (setup cost)
पर्याप्त हो सकती है।
नैतिक विचार - एल्गोरिदम में पूर्वाग्रह (Bias in
Algorithms) - एल्गोरिदम में पूर्वाग्रह की संभावना है जिसका अर्थ है एल्गोरिदम द्वारा उत्पादित परिणामों में विशेष समूहों या व्यक्तियों के प्रति या उनके खिलाफ व्यवस्थित और अनुचित पक्षपात की उपस्थिति हो सकती है। यदि कृत्रिम बुद्धिमत्ता मॉडल में उपयोग किए गए ऐतिहासिक आकड़ों में अंतर्निहित पूर्वाग्रह है, तो एल्गोरिदम उन पूर्वाग्रहों को सीख सकता है और बनाए रख सकता है। कृत्रिम बुद्धिमत्ता विकास में पूर्वाग्रह को संबोधित (address) करना एक महत्वपूर्ण नैतिक विचार है। इसमें कई आवश्यक कदम हो सकते हैं, जैसे सावधानीपूर्वक डेटा क्यूरेशन (careful data curation), एल्गोरिदम में पारदर्शिता, निरंतर निगरानी जो पूर्वाग्रह को कम कर सकती है।
नैतिक विचार - नौकरी विस्थापन (Job Displacement) - स्वचालन और कृत्रिम बुद्धिमत्ता प्रौद्योगिकियाँ बहुत से मानवीय कार्यों को प्रतिस्थापित करती हैं, जिससे संस्थाओं में कई लोगों की नौकरी छूट जाती है। यह इस तथ्य के कारण है कि जैसे-जैसे कृत्रिम बुद्धिमत्ता और स्वचालन प्रौद्योगिकियाँ आगे बढ़ती हैं, वे नियमित, दोहराव वाले, मैन्युअल कार्यों को अपने हाथ में ले सकते हैं, जिससे संस्था की दक्षता में वृद्धि होती है लेकिन संभावित रूप से उन विशिष्ट कार्यों में जनशक्ति की माँग कम हो जाती है जिससे नौकरी में विस्थापन पैदा होता है। नौकरी विस्थापन के प्रबंधन में कई कारकों पर विचार करना शामिल है, जैसे, कार्यबल को फिर से प्रशिक्षित करना, ऐसी नीतियाँ बनाना जो मानव कार्यबल को संस्थाओं में नई भूमिकाओं में स्थानांतरित करने का समर्थन करती हों।
कृत्रिम बुद्धिमत्ता डेवलपर्स (AI Developers) और कृत्रिम बुद्धिमत्ता का उपयोग करने वाली संस्थाओं को उपरोक्त मुद्दों के बारे में जागरूक होने और कृत्रिम बुद्धिमत्ता प्रणाली और प्रक्रियाओं को निष्पक्ष, पारदर्शी और उनके व्यापक सामाजिक निहितार्थों पर विचार करने की दिशा में काम करने की आवश्यकता है।
संस्थाओं के लिए अवसर
कृत्रिम बुद्धिमत्ता का उपयोग करने वाली संस्थाओं के लिए कई अवसर हैं, जिन्हें नीचे बताया जा रहा है।
दक्षता - कृत्रिम बुद्धिमत्ता उत्पादन प्रक्रियाओं को अनुकूलित करने, अपशिष्ट को कम करने और समग्र परिचालन दक्षता को बढ़ाने में उपयोगी है। इस प्रकार, संस्थाएँ कृत्रिम बुद्धिमत्ता उपकरणों (AI tools) का उपयोग करके अपनी दक्षता में सुधार कर सकते हैं।
पूर्वानुमानित रखरखाव - कृत्रिम बुद्धिमत्ता की मदद से, संस्थाएँ पूर्वानुमानित रखरखाव लागू कर सकते हैं, जो उपकरण विफलता का अनुमान लगा सकता हो और संस्था सक्रिय रखरखाव कदम उठा सकते हैं, जिससे लागत बचत हो सकती है।
अनुकूलन
(Customization) - कृत्रिम बुद्धिमत्ता ग्राहकों की प्राथमिकताओं, जरूरतों और अपेक्षाओं के आधार पर उत्पाद तैयार
करने में
सक्षम बनाता
है।
कंप्यूटर विज़न और मशीन लर्निंग तकनीकों का उपयोग
करके उत्पादित उत्पादों की गुणवत्ता की जांच करने
के लिए
कृत्रिम बुद्धिमत्ता को लागू किया
जा सकता
है। उदाहरण के लिए, एक विनिर्माण सेटिंग में, कृत्रिम बुद्धिमत्ता-संचालित दृश्य निरीक्षण प्रणाली वास्तविक समय
में उत्पादों की छवियों का विश्लेषण कर सकती है।
कृत्रिम बुद्धिमत्ता प्रणाली स्वीकार्य और दोषपूर्ण उत्पादों के डेटासेट से सीखता है,
दोषों से जुड़े पैटर्न की पहचान करता
है। यह इसे उत्पादन के दौरान संभावित मुद्दों को चिह्नित करने की अनुमति देता है, यह सुनिश्चित करता
है कि केवल उच्च
गुणवत्ता वाले
उत्पाद ही विनिर्माण प्रक्रिया में आगे बढ़ें। संक्षेप में, कृत्रिम बुद्धिमत्ता वास्तविक समय
गुणवत्ता नियंत्रण उपकरण के रूप
में कार्य
करता है।
हम यह निष्कर्ष निकाल सकते हैं
कि उत्पादक कृत्रिम बुद्धिमत्ता (Generative AI) और भावी-सूचक कृत्रिम बुद्धिमत्ता (Predictive
AI) दोनों में
गुणवत्ता प्रबंधन में महत्वपूर्ण क्षमता है, जो दक्षता बढ़ाने, दोषों को कम करने,
पूर्वानुमानित रखरखाव करने और संस्था की प्रक्रियाओं को अनुकूलित करने
के तरीके
प्रदान करते
हैं। हालाँकि, संस्थाओं को डेटा
गुणवत्ता, लागत
और एल्गोरिदम में पूर्वाग्रह के नैतिक विचारों और नौकरी विस्थापन से संबंधित चुनौतियों का उचित रूप
से समाधान करना चाहिए ताकि
कृत्रिम बुद्धिमत्ता द्वारा संस्थाएँ दिए
जाने वाले
अवसरों से अधिकतम लाभ
उठा सके।
इसी लेख का अंग्रेजी संस्करण पढ़ने के लिए
क्लिक करें।
सादर,
केशव राम सिंघल
