લોકો રોમાન્સને સ્લોટ મશીનની જેમ લેવામાં થાકી ગયા છે. એક ડેટિંગ એપ ખોલો. સ્વાઇપ કરો. સ્વાઇપ. સ્વાઇપ. જે પદ્ધતિ એક સમયે કાર્યક્ષમ લાગતી હતી તે હવે પોકળ લાગે છે. મોટાભાગના પ્લેટફોર્મ હજુ પણ આ સરળ બાઈનરી પર આધારિત છે: ફોટો અને એક-બે વાક્યોના આધારે હા કે ના. અનુભવ ડિઝાઇન મુજબ છીછરો રહે છે. વપરાશકર્તાઓને લાગે છે કે સ્ક્રીનની પાછળ કંઈક સ્માર્ટ છે, છતાં તેઓ તેને કામ કરતા જોઈ શકતા નથી. આ અદ્રશ્યતા શંકા પેદા કરે છે. જ્યારે કોઈ અલ્ગોરિધમ મેચ સૂચવે છે, ત્યારે લોકો વિચારે છે કે તે ખરેખર તેમના વિશે શું જાણે છે, અને શું તે કંઈક છુપાવી રહ્યું છે. તેઓ AI મેચમેકિંગ પર વિશ્વાસ કરતા નથી કારણ કે તે મૂવી ભલામણો અથવા શોપિંગ સૂચનો કરતા ઘણો ઊંચો દાવ ધરાવતા 'બ્લેક બોક્સ' જેવું લાગે છે.
આ વિશ્વાસની સમસ્યાને માત્ર સારા માર્કેટિંગ અથવા વધુ મૈત્રીપૂર્ણ કલર સ્કીમથી સુધારી શકાશે નહીં. તેના માટે પારદર્શિતાના આધારે સિસ્ટમને ફરીથી બનાવવાની જરૂર છે. વપરાશકર્તાઓને સમજવાની જરૂર છે કે મેચ કેમ થાય છે. જ્યારે તેઓ તર્ક સમજી લે છે, ત્યારે તેઓ પોતે જ તેનું મૂલ્યાંકન કરી શકે છે. વિશ્વાસ કુદરતી રીતે જ આવે છે.
ઉદ્યોગ કેવી રીતે AI મેચમેકિંગ સિસ્ટમ તરફ આગળ વધી શકે છે જે વાસ્તવિક આત્મવિશ્વાસ મેળવે તે અહીં છે.
જોડાણ કેમ અસ્તિત્વમાં છે તે દર્શાવો
દરેક ભલામણ પાછળના તર્કને સમજાવો. વપરાશકર્તાઓ એ જાણવા માટે હકદાર છે કે તેમના ફીડમાં ચોક્કસ પ્રોફાઇલ કેમ દેખાઈ. રહસ્યમય ટકાવારી સ્કોર રજૂ કરવાને બદલે, ઇન્ટરફેસે મેચ કરવા માટેના વાસ્તવિક સંકેતો (signals) દર્શાવવા જોઈએ. કદાચ બંને વ્યક્તિઓએ હાઇકિંગને મુખ્ય શોખ તરીકે દર્શાવ્યો હોય, અથવા તેઓ વર્ક-લાઇફ બેલેન્સ પ્રત્યે સમાન અભિગમ ધરાવતા હોય, અથવા તેમના લાંબા ગાળાના લક્ષ્યો પારિવારિક યોજનાઓ પર સુસંગત હોય. આ વિશિષ્ટતાઓ એક અસ્પષ્ટ અલ્ગોરિધમને વાતચીત શરૂ કરવાના સાધન (conversation starter) માં બદલી નાખે છે.
પારદર્શિતાનો અર્થ પ્રોપ્રાઇટરી કોડ (proprietary code) જાહેર કરવો એ નથી. તેનો અર્થ મશીન લોજિકને માનવીય શબ્દોમાં સમજાવવો એ છે. જ્યારે કોઈ વ્યક્તિ જુએ છે કે તેમને મેચ કરવામાં આવ્યા છે કારણ કે બંને માનસિક સ્વાસ્થ્યને પ્રાધાન્ય આપે છે અને રસોઈનો આનંદ લે છે, ત્યારે તે સૂચન સમજાવી શકાય તેવું બની જાય છે. તેઓ તર્ક સાથે સહમત થઈ શકે છે અથવા અસહમત થઈ શકે છે. ગમે તે હોય, તેઓ હવે માત્ર અનુમાન નથી કરી રહ્યા. નક્કર તર્ક વપરાશકર્તાઓને તેમની પોતાની અપેક્ષાઓને સુધારવામાં પણ મદદ કરે છે. જો સિસ્ટમ માત્ર લોકેશનના આધારે તેમને મેચ કરવાનું ચાલુ રાખે છે, તો તેઓ અન્ય પરિબળોને વધુ મહત્વ આપવાનું નક્કી કરી શકે છે, જે દરેક માટે પરિણામો સુધારે છે.
ઈચ્છાઓને આકાર આપતા ડેટાનું ઓડિટ કરો
વૈવિધ્યસભર ડેટાનો ઉપયોગ કરો. ટ્રેનિંગ સેટ્સમાં પક્ષપાત ટાળો. આ સાંભળવામાં ટેકનિકલ લાગે છે, પરંતુ તેની માનવીય કિંમત ખૂબ જ વ્યક્તિગત હોય છે.
મોટાભાગના મશીન લર્નિંગ મોડલ્સ ઐતિહાસિક વર્તન પરથી શીખે છે. ડેટિંગ એપ્સમાં, તે ઇતિહાસ ઘણીવાર અસ્તિત્વમાં રહેલા સામાજિક પક્ષપાતોને પ્રતિબિંબિત કરે છે. જો ભૂતકાળના વપરાશકર્તાઓએ તેમના પોતાના વંશીય જૂથના લોકો સાથે અપ્રમાણસર મેસેજ કર્યા હોય, તો એક અનિયંત્રિત અલ્ગોરિધમ સમાન જાતિના મેચને પ્રાધાન્ય આપવાનું શીખી શકે છે. જો ટ્રેનિંગ ડેટા ૨૦ ના દાયકામાં રહેતા શહેરી વ્યાવસાયિકો તરફ ઝુકાવ ધરાવતો હોય, તો સિસ્ટમ ગ્રામીણ વપરાશકર્તાઓ અથવા મોટી ઉંમરના ડેટર્સને શાંતિથી બાજુ પર રાખી શકે છે. આ પેટર્ન પ્રોગ્રામ કરવાની જરૂર નથી. જ્યારે ડેટામાં પૂરતી વ્યાપકતાનો અભાવ હોય ત્યારે તે આપમેળે ઉભરી આવે છે.
ડેવલપર્સને એવા ટ્રેનિંગ સેટ્સની જરૂર છે જે વય, પૃષ્ઠભૂમિ, શરીરના પ્રકાર, ભૂગોળ, જેન્ડર એક્સપ્રેશન અને સંબંધોના લક્ષ્યોની વિશાળ શ્રેણીને આવરી લેતા હોય. કોડ જેટલું જ ક્યુરેશન (curation) પણ મહત્વનું છે. ટીમોએ નિયમિતપણે પરીક્ષણ કરવું જોઈએ કે તેમના મોડલ્સ વિવિધ વસ્તી વિષયક જૂથો સાથે ન્યાયી રીતે વર્તે છે કે નહીં, અને જ્યારે તેઓ પક્ષપાતી પરિણામો જુએ ત્યારે તેમાં સુધારો કરવો જોઈએ. એક વિશ્વસનીય સિસ્ટમ વપરાશકર્તાઓને ફિલ્ટર બબલ્સમાં ફસાઈ જવાથી સક્રિયપણે અટકાવે છે જે કોણ કોની સાથે હોવું જોઈએ તે વિશેના સાંકડા ધારણાઓને પુષ્ટિ આપે છે.
લોકોને નિયંત્રણ આપો
વપરાશકર્તાઓને નિયંત્રણ આપો. તેમને તેમની પોતાની પસંદગીઓ ગોઠવવા દો. ઘણા પ્લેટફોર્મ એવો દેખાવ કરે છે કે તેઓ તેમના વપરાશકર્તાઓને તેઓ પોતે જાણે તેના કરતા વધુ સારી રીતે જાણે છે. આ અહંકાર વિશ્વાસ તોડી નાખે છે.
વાસ્તવિક નિયંત્રણ ઉંમર અને અંતર જેવા મૂળભૂત ફિલ્ટર્સ કરતાં વધુ ઊંડું છે. વપરાશકર્તાઓ અલ્ગોરિધમ વિવિધ લક્ષણોને કેટલું મહત્વ આપે છે તે ગોઠવી શકવા સક્ષમ હોવા જોઈએ. કદાચ કોઈ વ્યક્તિ સમાન રાજકીય મૂલ્યો વિશે ખૂબ જ ચિંતિત હોય પરંતુ કારકિર્દીની મહત્વાકાંક્ષા બાબતે લવચીક હોય. બીજું કોઈ શૈક્ષણિક પૃષ્ઠભૂમિ કરતાં સર્જનાત્મક રુચિઓને પ્રાધાન્ય આપી શકે છે. તેમને તેમ કહેવા દો. સ્લાઇડર્સ, રેન્કિંગ અથવા સ્પષ્ટ ટ્રેડ-ઓફ ટૂલ્સ પ્રદાન કરો જે વ્યક્તિઓને તેમના પોતાના સર્ચ ક્રાઇટેરિયાને આકાર આપવા દે.
સ્વાયત્તતાનો અર્થ એ પણ છે કે લોકોને અમુક ડેટા સિગ્નલ્સમાંથી બહાર નીકળવાની (opt out) મંજૂરી આપવી. જો વપરાશકર્તા ન ઈચ્છતા હોય કે તેમનો લિસનિંગ હિસ્ટ્રી અથવા બ્રાઉઝિંગ બિહેવિયર રોમેન્ટિક મેચિંગમાં ગણવામાં આવે, તો તેઓ તેને ડિસ્કનેક્ટ કરવા સક્ષમ હોવા જોઈએ. જ્યારે વપરાશકર્તાઓ વિષય (subjects) ને બદલે સહભાગીઓ (participants) જેવું અનુભવે છે ત્યારે વિશ્વાસ વધે છે. એક અલ્ગોરિધમ જે પ્રતિસાદ સાંભળે છે અને દેખીતી રીતે અનુકૂલન સાધે છે, તે વ્યક્તિગત મેચો નિષ્ફળ જાય ત્યારે પણ ધીરજ મેળવે છે.
સફળતાને મિનિટોમાં નહીં, મહિનાઓમાં માપો
લાંબા ગાળાના મૂલ્ય પર ધ્યાન કેન્દ્રિત કરો. ઝડપી ક્રિયાપ્રતિક્રિયાઓથી આગળ વધો. સ્વાઇપ ઇકોનોમી તાત્કાલિક જોડાણ માટે કામ કરે છે: ઓપન્સ, લાઇક્સ, પ્રથમ કલાકમાં મોકલેલા મેસેજ. જે લોકો કાયમી ભાગીદારી શોધી રહ્યા છે તેમના માટે આ મેટ્રિક્સ સંપૂર્ણપણે નિષ્ફળ જાય છે.
ડિઝાઇનરોએ એવા પરિણામોને ટ્રેક કરવા જોઈએ જે ખરેખર વપરાશકર્તાઓ માટે મહત્વના હોય. શું એક અઠવાડિયા પછી પણ બે લોકો વાતચીત કરી રહ્યા છે? શું તેઓ મળ્યા? શું તેઓ બંને આ વાતચીતથી સંતુષ્ટ છે? સિસ્ટમને જથ્થા કરતાં ઊંડાણને પ્રાધાન્ય આપવા માટે સંકેત આપો. એક મેચ જે ત્રણ વિચારશીલ મેસેજ તરફ દોરી જાય છે તે વીસ ખાલી અભિવાદનો કરતા વધુ મૂલ્યવાન છે.
આ પરિવર્તન ઇન્ટરફેસના નિર્ણયોને બદલે છે. સામાન્ય ઓપનર્સને બદલે સહિયારા રસ પર આધારિત વાતચીત શરૂ કરવા માટે વપરાશકર્તાઓને પ્રોમ્પ્ટ કરો. અનંત બ્રાઉઝિંગને બદલે સાવચેતીપૂર્વક વિચારણાને પ્રોત્સાહિત કરવા માટે દૈનિક ભલામણો મર્યાદિત કરો. એવા પ્રોફાઇલ્સ સામે લાવો જે વપરાશકર્તાની જણાવેલ લાંબા ગાળાની પ્રાથમિકતાઓને પૂરક હોય, ભલે તે પ્રોફાઇલ્સ સૌથી ઝડપી ક્લિક ન મેળવે. ધ્યેય જોડાણ છે, વ્યસન નહીં.
માત્ર એન્જિનિયરિંગથી નહીં, પણ સહાનુભૂતિ સાથે બનાવો
આ સિસ્ટમ્સ બનાવવા માટે કોડ કરતાં વધુની જરૂર છે. તેને સહાનુભૂતિની જરૂર છે. લોજિકની દરેક લાઇન વાસ્તવિક મનુષ્યોને અસર કરે છે જેઓ અસુરક્ષિતતા, આશા અને એકલતાનો સામનો કરી રહ્યા છે. તમે માત્ર ઓપ્ટિમાઇઝેશન દ્વારા સાચી આત્મીયતા મેળવી શકતા નથી.
ડિઝાઇનરો અને એન્જિનિયરોએ તેમના વપરાશકર્તાઓની ભાવનાત્મક સ્થિતિ સમજવામાં સમય વિતાવવો જોઈએ. એક અઠવાડિયા સુધી શૂન્ય મેચ મળવી કેવું લાગે છે? એવું લાગવું કે અલ્ગોરિધમે તમને નકારી દીધા છે તે કેવું લાગે છે? આ પ્રશ્નો ટેકનિકલ રોડમેપ્સની સાથે પ્રોડક્ટ મીટિંગ્સમાં હોવા જોઈએ.
માત્ર એન્ગેજમેન્ટ મેટ્રિક્સ માટે નહીં, પણ માનવીય જોડાણ માટે ડિઝાઇન કરો. જ્યારે કોઈ પ્લેટફોર્મ તેના વપરાશકર્તાઓને રિટેન્શન ફનલમાં ડેટા પોઈન્ટ્સ તરીકે નહીં પણ સંપૂર્ણ વ્યક્તિ તરીકે જુએ છે, ત્યારે ટેકનોલોજી પૃષ્ઠભૂમિમાં વિલીન થઈ જાય છે. જે બાકી રહે છે તે એક એવી સેવા છે જે ખરેખર કોઈને તે શોધવામાં મદદ કરે છે જે તેઓ શોધી રહ્યા છે.
વિશ્વસનીય AI મેચમેકિંગ કોઈ એક મોટી સફળતા દ્વારા નહીં આવે. તે ડઝનબંધ નાના નિર્ણયોમાંથી આવે છે જે રહસ્ય કરતાં સ્પષ્ટતાને, સુવિધા કરતાં ન્યાયીપણાને અને મશીન કંટ્રોલ કરતાં માનવીય સ્વાયત્તતાને પ્રાધાન્ય આપે છે. જે એપ્સ આને ઓળખશે તે ભીડભાડવાળા બજારમાં અલગ તરી આવશે. વપરાશકર્તાઓ પહેલેથી જ જાણે છે કે ક્યારે તેમની સાથે છેતરપિંડી થઈ રહી છે. તેઓ એવા પ્લેટફોર્મ્સને પુરસ્કાર આપશે જે તેમની બુદ્ધિ અને તેમના હૃદયનું સન્માન કરે છે.
અહીં સંપૂર્ણ વિગત વાંચો: Source