लोग रोमांस को स्लॉट मशीन की तरह मानने से थक चुके हैं। एक डेटिंग ऐप खोलें। स्वाइप करें। स्वाइप। स्वाइप। जो तरीका कभी कुशल लगता था, अब वह खोखला महसूस होता है। अधिकांश प्लेटफॉर्म अभी भी इसी सरल बाइनरी पर टिके हुए हैं: एक फोटो और एक-दो वाक्यों के आधार पर, हाँ या ना। अनुभव जानबूझकर सतही रखा जाता है। उपयोगकर्ताओं को महसूस होता है कि स्क्रीन के पीछे कुछ स्मार्ट काम कर रहा है, फिर भी वे इसे काम करते हुए देख नहीं पाते। यह अदृश्यता संदेह पैदा करती है। जब कोई एल्गोरिदम किसी मैच का सुझाव देता है, तो लोग सोचते हैं कि वह वास्तव में उनके बारे में क्या जानता है, और क्या वह कुछ छिपा रहा है। वे AI मैचमेकिंग पर भरोसा नहीं करते क्योंकि यह एक 'ब्लैक बॉक्स' की तरह महसूस होता है, जिसके दांव फिल्म की सिफारिशों या खरीदारी के सुझावों की तुलना में कहीं अधिक ऊंचे हैं।
इस भरोसे की समस्या को बेहतर मार्केटिंग या मित्रवत रंग योजनाओं (color schemes) से ठीक नहीं किया जा सकता। इसके लिए पारदर्शिता के इर्द-गिर्द सिस्टम को फिर से बनाने की आवश्यकता है। उपयोगकर्ताओं को यह समझने की आवश्यकता है कि मैच क्यों होता है। जब वे इसके पीछे के तर्क को समझ लेते हैं, तो वे स्वयं इसका निर्णय ले सकते हैं। भरोसा स्वाभाविक रूप से आता है।
यहाँ बताया गया है कि उद्योग कैसे उन AI मैचमेकिंग सिस्टम की ओर बढ़ सकता है जो वास्तविक विश्वास अर्जित करते हैं।
दिखाएं कि कनेक्शन क्यों मौजूद है
हर सिफारिश के पीछे के तर्क को समझाएं। उपयोगकर्ता यह जानने के हकदार हैं कि उनके फीड में कोई विशेष प्रोफाइल क्यों सामने आया। एक रहस्यमयी प्रतिशत स्कोर दिखाने के बजाय, इंटरफ़ेस को उन वास्तविक संकेतों (signals) को सामने लाना चाहिए जो मैच को प्रेरित कर रहे हैं। शायद दोनों लोगों ने हाइकिंग को एक मुख्य शौक के रूप में सूचीबद्ध किया हो, या वे कार्य-जीवन संतुलन (work-life balance) के प्रति समान दृष्टिकोण साझा करते हों, या उनके घोषित दीर्घकालिक लक्ष्य पारिवारिक योजनाओं पर मेल खाते हों। ये विशिष्ट विवरण एक अपारदर्शी एल्गोरिदम को बातचीत शुरू करने का जरिया बना देते हैं।
पारदर्शिता का मतलब प्रोप्राइटरी कोड को उजागर करना नहीं है। इसका मतलब मशीन लॉजिक को मानवीय शब्दों में अनुवादित करना है। जब कोई देखता है कि उन्हें इसलिए मैच किया गया क्योंकि वे दोनों मानसिक स्वास्थ्य को प्राथमिकता देते हैं और खाना बनाना पसंद करते हैं, तो सुझाव स्पष्ट हो जाता है। वे तर्क से सहमत या असहमत हो सकते हैं। किसी भी तरह से, वे अब केवल अनुमान नहीं लगा रहे हैं। ठोस तर्क उपयोगकर्ताओं को अपनी अपेक्षाओं को परिष्कृत करने में भी मदद करता है। यदि सिस्टम उन्हें केवल स्थान के आधार पर मैच करता रहता है, तो वे अन्य कारकों को अधिक महत्व देने का निर्णय ले सकते हैं, जिससे सभी के लिए परिणाम बेहतर होते हैं।
उस डेटा का ऑडिट करें जो इच्छाओं को आकार देता है
विविध डेटा का उपयोग करें। ट्रेनिंग सेट्स में पूर्वाग्रह (bias) से बचें। यह सुनने में तकनीकी लगता है, लेकिन इसका मानवीय प्रभाव बहुत गहरा और व्यक्तिगत होता है।
अधिकांश मशीन लर्निंग मॉडल ऐतिहासिक व्यवहार से सीखते हैं। डेटिंग ऐप्स में, वह इतिहास अक्सर मौजूदा सामाजिक पूर्वाग्रहों को दर्शाता है। यदि पिछले उपयोगकर्ताओं ने अपने ही जातीय समूह के लोगों को असमान रूप से संदेश भेजे हैं, तो एक अनियंत्रित एल्गोरिदम एक ही नस्ल के मैचों को प्राथमिकता देना सीख सकता है। यदि ट्रेनिंग डेटा बीस की उम्र के शहरी पेशेवरों की ओर झुका हुआ है, तो सिस्टम चुपचाप ग्रामीण उपयोगकर्ताओं या उम्रदराज डेटर्स को दरकिनार कर सकता है। इन पैटर्न को प्रोग्राम करने की आवश्यकता नहीं है। ये तब उभरते हैं जब डेटा में पर्याप्त व्यापकता की कमी होती है।
डेवलपर्स को ऐसे ट्रेनिंग सेट्स की आवश्यकता है जो उम्र, पृष्ठभूमि, शरीर के प्रकार, भूगोल, लिंग अभिव्यक्ति और संबंधों के लक्ष्यों की एक विस्तृत श्रृंखला को कवर करें। कोड की तरह ही क्यूरेशन (curation) भी महत्वपूर्ण है। टीमों को नियमित रूप से परीक्षण करना चाहिए कि क्या उनके मॉडल विभिन्न जनसांख्यिकीय समूहों के साथ निष्पक्ष व्यवहार करते हैं, और जब वे असंतुलित परिणाम देखते हैं तो उन्हें समायोजित करना चाहिए। एक भरोसेमंद सिस्टम सक्रिय रूप से खुद को उपयोगकर्ताओं को उन 'फ़िल्टर बबल' में फंसाने से रोकता है जो इस बारे में संकीर्ण धारणाओं की पुष्टि करते हैं कि कौन किसके साथ होना चाहिए।
लोगों को नियंत्रण दें
उपयोगकर्ताओं को नियंत्रण दें। उन्हें अपनी पसंद को समायोजित करने दें। बहुत से प्लेटफॉर्म अपने उपयोगकर्ताओं को उनके खुद के जानने से बेहतर जानने का ढोंग करते हैं। यह अहंकार भरोसे को नष्ट कर देता है।
वास्तविक नियंत्रण उम्र और दूरी जैसे बुनियादी फिल्टरों से कहीं अधिक गहरा होता है। उपयोगकर्ता यह समायोजित करने में सक्षम होने चाहिए कि एल्गोरिदम विभिन्न गुणों को कैसे महत्व देता है। शायद कोई व्यक्ति साझा राजनीतिक मूल्यों की गहराई से परवाह करता है लेकिन करियर की महत्वाकांक्षा पर लचीला है। दूसरा व्यक्ति शैक्षिक पृष्ठभूमि के बजाय रचनात्मक रुचियों को प्राथमिकता दे सकता है। उन्हें ऐसा कहने दें। स्लाइडर्स, रैंकिंग, या स्पष्ट ट्रेड-ऑफ टूल्स प्रदान करें जो व्यक्तियों को उनके अपने खोज मानदंड (search criteria) बनाने की अनुमति दें।
एजेंसी (Agency) का अर्थ यह भी है कि लोगों को कुछ डेटा संकेतों से बाहर निकलने (opt out) की अनुमति दी जाए। यदि कोई उपयोगकर्ता नहीं चाहता कि उनके सुनने के इतिहास या ब्राउज़िंग व्यवहार को रोमांटिक मैचिंग में शामिल किया जाए, तो वे इसे डिस्कनेक्ट करने में सक्षम होने चाहिए। भरोसा तब बढ़ता है जब उपयोगकर्ता खुद को विषय (subjects) के बजाय भागीदार (participants) के रूप में महसूस करते हैं। एक एल्गोरिदम जो फीडबैक सुनता है और स्पष्ट रूप से अनुकूलित होता है, वह तब भी धैर्य अर्जित करता है जब व्यक्तिगत मैच सही नहीं बैठते।
सफलता को मिनटों में नहीं, महीनों में मापें
दीर्घकालिक मूल्य पर ध्यान केंद्रित करें। त्वरित बातचीत से आगे बढ़ें। स्वाइप इकोनॉमी तत्काल जुड़ाव के लिए अनुकूलित होती है: पहले घंटे के भीतर ओपन, लाइक और भेजे गए संदेश। जो लोग स्थायी साझेदारी की तलाश में हैं, उनके लिए ये मेट्रिक्स पूरी तरह से उद्देश्य से चूक जाते हैं।
डिजाइनरों को उन परिणामों को ट्रैक करना चाहिए जो वास्तव में उपयोगकर्ताओं के लिए मायने रखते हैं। क्या एक सप्ताह के बाद भी दो लोग बातचीत कर रहे हैं? क्या वे मिले? क्या वे दोनों इस बातचीत से संतुष्ट हैं? सिस्टम को मात्रा के बजाय गहराई को प्राथमिकता देने का संकेत दें। एक ऐसा मैच जो तीन विचारशील संदेशों की ओर ले जाता है, वह बीस खाली अभिवादन से कहीं अधिक मूल्यवान है।
यह बदलाव इंटरफ़ेस संबंधी निर्णयों को बदल देता है। सामान्य ओपनर्स के बजाय साझा रुचियों से लिए गए बातचीत के शुरुआती संकेतों (conversation starters) के साथ उपयोगकर्ताओं को प्रेरित करें। अंतहीन ब्राउज़िंग के बजाय सावधानीपूर्वक विचार करने के लिए प्रोत्साहित करने हेतु दैनिक सिफारिशों को सीमित करें। ऐसे प्रोफाइल सामने लाएं जो उपयोगकर्ता की घोषित दीर्घकालिक प्राथमिकताओं के पूरक हों, भले ही वे प्रोफाइल सबसे तेज़ क्लिक उत्पन्न न करें। लक्ष्य जुड़ाव है, लत नहीं।
केवल इंजीनियरिंग नहीं, बल्कि सहानुभूति के साथ निर्माण करें
इन प्रणालियों के निर्माण के लिए केवल कोड से कहीं अधिक की आवश्यकता होती है। इसके लिए सहानुभूति की आवश्यकता होती है। तर्क (logic) की हर पंक्ति उन वास्तविक मनुष्यों को प्रभावित करती है जो संवेदनशीलता, आशा और अकेलेपन से जूझ रहे हैं। आप अनुकूलन (optimization) के माध्यम से वास्तविक आत्मीयता प्राप्त नहीं कर सकते।
डिजाइनरों और इंजीनियरों को अपने उपयोगकर्ताओं की भावनात्मक स्थिति को समझने में समय बिताना चाहिए। एक सप्ताह तक शून्य मैच मिलने पर कैसा महसूस होता है? यह संदेह होने पर कैसा लगता है कि एल्गोरिदम ने आपको खारिज कर दिया है? ऐसे प्रश्न तकनीकी रोडमैप के साथ-साथ प्रोडक्ट मीटिंग्स का हिस्सा होने चाहिए।
केवल जुड़ाव मेट्रिक्स के लिए नहीं, बल्कि मानवीय जुड़ाव के लिए डिज़ाइन करें। जब कोई प्लेटफॉर्म अपने उपयोगकर्ताओं को रिटेंशन फनल में डेटा पॉइंट्स के बजाय पूर्ण व्यक्तियों के रूप में मानता है, तो तकनीक पृष्ठभूमि में चली जाती है। जो बचता है वह एक ऐसी सेवा है जो वास्तव में किसी को वह खोजने में मदद करती है जिसकी वे तलाश कर रहे हैं।
भरोसेमंद AI मैचमेकिंग किसी एक बड़ी सफलता से नहीं आएगी। यह दर्जनों छोटे निर्णयों से आती है जो रहस्य के बजाय स्पष्टता, सुविधा के बजाय निष्पक्षता और मशीन नियंत्रण के बजाय मानवीय एजेंसी को प्राथमिकता देते हैं। जो ऐप्स इसे पहचान लेंगे, वे भीड़भाड़ वाले बाजार में खुद को अलग साबित करेंगे। उपयोगकर्ता पहले से ही जानते हैं कि कब उनके साथ हेरफेर किया जा रहा है। वे उन प्लेटफार्मों को पुरस्कृत करेंगे जो उनकी बुद्धिमत्ता और उनके हृदय का सम्मान करते हैं।
पूरा विवरण यहाँ पढ़ें: Source