പ്രണയത്തെ ഒരു ചൂതാട്ട യന്ത്രം (slot machine) പോലെ കാണുന്നതിൽ ആളുകൾ മടുത്തു കഴിഞ്ഞു. ഒരു ഡേറ്റിംഗ് ആപ്പ് തുറക്കുക. സ്വൈപ്പ് ചെയ്യുക. സ്വൈപ്പ്. സ്വൈപ്പ്. പണ്ട് കാര്യക്ഷമമായി തോന്നിച്ചിരുന്ന ഈ രീതി ഇപ്പോൾ ശൂന്യമായി തോന്നുന്നു. മിക്ക പ്ലാറ്റ്ഫോമുകളും ഇപ്പോഴും ഈ ലളിതമായ ബൈനറിയിൽ (yes or no) ആണ് നിലനിൽക്കുന്നത്: ഒരു ഫോട്ടോയും ഒന്നോ രണ്ടോ വരികളും മാത്രം നോക്കി തീരുമാനമെടുക്കുക. ഡിസൈൻ തന്നെ ഇത്തരത്തിലുള്ളതായതുകൊണ്ട് അനുഭവം വളരെ ഉപരിപ്ലവമായി തുടരുന്നു. സ്ക്രീനിന് പിന്നിൽ കൂടുതൽ ബുദ്ധിപരമായ എന്തോ ഒന്ന് പ്രവർത്തിക്കുന്നുണ്ടെന്ന് ഉപയോക്താക്കൾക്ക് തോന്നുന്നുണ്ടെങ്കിലും, അത് എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്ന് അവർക്ക് കാണാൻ കഴിയില്ല. ഈ അദൃശ്യത സംശയം വളർത്തുന്നു. ഒരു അൽഗോരിതം ഒരു മാച്ച് നിർദ്ദേശിക്കുമ്പോൾ, അത് അവരെക്കുറിച്ച് യഥാർത്ഥത്തിൽ എന്താണ് അറിയുന്നതെന്നും എന്തെങ്കിലും ഒളിച്ചുവെക്കുന്നുണ്ടോ എന്നും ആളുകൾ അത്ഭുതപ്പെടുന്നു. സിനിമ നിർദ്ദേശങ്ങളോ ഷോപ്പിംഗ് നിർദ്ദേശങ്ങളോ പോലെ അത്ര വലിയ കാര്യമല്ലാത്തതിനാൽ, അവർക്ക് AI മാച്ച്മേക്കിംഗിനെ വിശ്വാസമില്ല.
ഈ വിശ്വാസപ്രശ്നം മികച്ച മാർക്കറ്റിംഗിലൂടെയോ ആകർഷകമായ നിറങ്ങളിലൂടെയോ പരിഹരിക്കാൻ കഴിയില്ല. സുതാര്യതയുടെ അടിസ്ഥാനത്തിൽ സിസ്റ്റം പുനർനിർമ്മിക്കുകയാണ് വേണ്ടത്. ഒരു മാച്ച് ഉണ്ടാകുന്നത് എന്തുകൊണ്ടാണെന്ന് ഉപയോക്താക്കൾക്ക് മനസ്സിലാകണം. അതിന്റെ കാരണം അവർക്ക് മനസ്സിലാകുമ്പോൾ, അവർക്ക് അത് സ്വയം വിലയിരുത്താൻ കഴിയും. വിശ്വാസം സ്വാഭാവികമായും ഉണ്ടാകും.
യഥാർത്ഥ ആത്മവിശ്വാസം നേടിയെടുക്കുന്ന AI മാച്ച്മേക്കിംഗ് സംവിധാനങ്ങളിലേക്ക് വ്യവസായം എങ്ങനെ മാറാം എന്ന് താഴെ നൽകുന്നു.
ബന്ധം ഉണ്ടാകാനുള്ള കാരണം വ്യക്തമാക്കുക
ഓരോ നിർദ്ദേശത്തിന് പിന്നിലെയും യുക്തി വിശദീകരിക്കുക. ഒരു പ്രത്യേക പ്രൊഫൈൽ അവരുടെ ഫീഡിൽ വരുന്നത് എന്തുകൊണ്ടാണെന്ന് അറിയാൻ ഉപയോക്താക്കൾക്ക് അവകാശമുണ്ട്. ഒരു നിഗൂഢമായ ശതമാനം (percentage score) കാണിക്കുന്നതിന് പകരം, ആ മാച്ചിന് കാരണമായ യഥാർത്ഥ സൂചനകൾ (signals) ഇന്റർഫേസ് കാണിക്കണം. ഒരുപക്ഷേ രണ്ടുപേരും ഹൈക്കിംഗ് ഒരു പ്രധാന വിനോദമായി രേഖപ്പെടുത്തിയിട്ടുണ്ടാകാം, അല്ലെങ്കിൽ അവർക്ക് ജോലി-ജീവിത സന്തുലിതാവസ്ഥയെക്കുറിച്ച് (work-life balance) സമാനമായ കാഴ്ചപ്പാടുകൾ ഉണ്ടാകാം, അല്ലെങ്കിൽ അവരുടെ ദീർഘകാല ലക്ഷ്യങ്ങൾ കുടുംബപരമായ കാര്യങ്ങളിൽ യോജിച്ചുപോകാമെന്ന് വരാം. ഈ കൃത്യമായ വിവരങ്ങൾ ഒരു അവ്യക്തമായ അൽഗോരിതത്തെ സംഭാഷണത്തിന് തുടക്കമിടുന്ന ഒന്നാക്കി മാറ്റുന്നു.
സുതാര്യത എന്നാൽ ഉടമസ്ഥാവകാശമുള്ള കോഡ് (proprietary code) വെളിപ്പെടുത്തുക എന്നല്ല അർത്ഥമാക്കുന്നത്. മെഷീൻ ലോജിക്കിനെ മനുഷ്യർക്ക് മനസ്സിലാകുന്ന രീതിയിൽ വിവർത്തനം ചെയ്യുക എന്നാണ് അതിനർത്ഥം. മാനസികാരോഗ്യത്തിന് പ്രാധാന്യം നൽകുന്നതിനാലും പാചകം ഇഷ്ടപ്പെടുന്നതിനാലും തങ്ങൾ മാച്ച് ചെയ്യപ്പെട്ടുവെന്ന് ഒരാൾ കാണുമ്പോൾ, ആ നിർദ്ദേശം വിശദീകരിക്കാൻ കഴിയുന്ന ഒന്നായി മാറുന്നു. അവർക്ക് ആ യുക്തിയോട് യോജിക്കാനോ വിയോജിക്കാനോ കഴിയും. ഏതായാലും, അവർ ഇനി ഊഹിച്ചുകൊണ്ടിരിക്കേണ്ടതില്ല. കൃത്യമായ കാരണങ്ങൾ ഉപയോക്താക്കൾക്ക് അവരുടെ പ്രതീക്ഷകൾ മെച്ചപ്പെടുത്താനും സഹായിക്കുന്നു. സിസ്റ്റം അവരുടെ ലൊക്കേഷൻ മാത്രം അടിസ്ഥാനമാക്കി മാച്ച് ചെയ്തുകൊണ്ടിരിക്കുകയാണെങ്കിൽ, മറ്റ് ഘടകങ്ങൾക്ക് കൂടുതൽ പ്രാധാന്യം നൽകാൻ അവർ തീരുമാനിച്ചേക്കാം, ഇത് എല്ലാവർക്കും മികച്ച ഫലം നൽകുന്നു.
ആഗ്രഹങ്ങളെ രൂപപ്പെടുത്തുന്ന ഡാറ്റ പരിശോധിക്കുക
വൈവിധ്യമാർന്ന ഡാറ്റ ഉപയോഗിക്കുക. ട്രെയിനിംഗ് സെറ്റുകളിൽ പക്ഷപാതം (bias) ഒഴിവാക്കുക. ഇത് സാങ്കേതികമായി തോന്നാമെങ്കിലും, ഇതിന്റെ മാനുഷിക ആഘാതം വളരെ വ്യക്തിപരമാണ്.
മിക്ക മെഷീൻ ലേണിംഗ് മോഡലുകളും ചരിത്രപരമായ പെരുമാറ്റങ്ങളിൽ നിന്നാണ് പഠിക്കുന്നത്. ഡേറ്റിംഗ് ആപ്പുകളിൽ, ആ ചരിത്രം പലപ്പോഴും നിലവിലുള്ള സാമൂഹിക പക്ഷപാതങ്ങളെ പ്രതിഫലിപ്പിക്കുന്നു. മുൻകാല ഉപയോക്താക്കൾ അവരുടെ സ്വന്തം വംശജർക്ക് മാത്രം സന്ദേശങ്ങൾ അയച്ചിട്ടുണ്ടെങ്കിൽ, പരിശോധിക്കപ്പെടാത്ത ഒരു അൽഗോരിതം ഒരേ വംശത്തിലുള്ള മാച്ചുകൾക്ക് മുൻഗണന നൽകാൻ പഠിച്ചേക്കാം. ട്രെയിനിംഗ് ഡാറ്റ ഇരുപതുകളിൽപ്പെട്ട നഗരപ്രദേശങ്ങളിലെ പ്രൊഫഷണലുകളിലേക്ക് മാത്രം ഒതുങ്ങിനിൽക്കുകയാണെങ്കിൽ, സിസ്റ്റം ഗ്രാമീണ ഉപയോക്താക്കളെയോ പ്രായമായവരെയോ പാർശ്വവൽക്കരിച്ചേക്കാം. ഈ പാറ്റേണുകൾ പ്രത്യേകം പ്രോഗ്രാം ചെയ്യേണ്ടതില്ല; ഡാറ്റയ്ക്ക് ആവശ്യമായ വ്യാപ്തി ഇല്ലാത്തപ്പോൾ അവ തനിയെ രൂപപ്പെടുന്നു.
പ്രായം, പശ്ചാത്തലം, ശരീരപ്രകൃതി, ഭൂമിശാസ്ത്രം, ലിംഗഭാവങ്ങൾ (gender expressions), ബന്ധങ്ങൾ എന്നിവയുടെ വിശാലമായ ശ്രേണി ഉൾക്കൊള്ളുന്ന ട്രെയിനിംഗ് സെറ്റുകൾ ഡെവലപ്പർമാർക്ക് ആവശ്യമാണ്. കോഡിനെപ്പോലെ തന്നെ ഡാറ്റയുടെ തിരഞ്ഞെടുപ്പും (curation) പ്രധാനമാണ്. വ്യത്യസ്ത വിഭാഗങ്ങളെ അവരുടെ മോഡലുകൾ പക്ഷപാതമില്ലാതെ പരിഗണിക്കുന്നുണ്ടോ എന്ന് ടീമുകൾ കൃത്യമായി പരിശോധിക്കണം. ആരെങ്കിലും ആർക്കൊപ്പം ചേരണം എന്നതിനെക്കുറിച്ചുള്ള ഇടുങ്ങിയ ധാരണകൾ സ്ഥിരീകരിക്കുന്ന 'ഫിൽട്ടർ ബബിളുകളിൽ' (filter bubbles) ഉപയോക്താക്കളെ തളച്ചിടുന്നത് ഒരു വിശ്വസനീയമായ സിസ്റ്റം തടയുന്നു.
നിയന്ത്രണം ആളുകൾക്ക് നൽകുക
ഉപയോക്താക്കൾക്ക് നിയന്ത്രണം നൽകുക. അവരുടെ താൽപ്പര്യങ്ങൾ ക്രമീകരിക്കാൻ അവരെ അനുവദിക്കുക. പല പ്ലാറ്റ്ഫോമുകളും ഉപയോക്താക്കളെ അവരേക്കാൾ നന്നായി അറിയാമെന്ന് നടിക്കുന്നു. ആ അഹങ്കാരം വിശ്വാസം തകർക്കുന്നു.
പ്രായം, ദൂരം എന്നിവയ്ക്കുള്ള അടിസ്ഥാന ഫിൽട്ടറുകളേക്കാൾ ആഴത്തിലുള്ള നിയന്ത്രണം ആവശ്യമാണ്. അൽഗോരിതം വിവിധ ഗുണങ്ങൾക്ക് (traits) എത്രത്തോളം പ്രാധാന്യം നൽകണം എന്ന് ക്രമീകരിക്കാൻ ഉപയോക്താക്കൾക്ക് കഴിയണം. ഒരുപക്ഷേ ഒരാൾക്ക് രാഷ്ട്രീയ മൂല്യങ്ങൾക്ക് വലിയ പ്രാധാന്യമുണ്ടാകാം എന്നാൽ കരിയറിനെക്കുറിച്ച് അവർക്ക് വലിയ വാശികളില്ലായിരിക്കാം. മറ്റൊരാൾ വിദ്യാഭ്യാസ പശ്ചാത്തലത്തേക്കാൾ സർഗ്ഗാത്മക താൽപ്പര്യങ്ങൾക്ക് മുൻഗണന നൽകിയേക്കാം. അത് അവർക്ക് പറയാൻ അനുവദിക്കുക. വ്യക്തികൾക്ക് അവരുടെ തിരയൽ മാനദണ്ഡങ്ങൾ രൂപപ്പെടുത്താൻ സഹായിക്കുന്ന സ്ലൈഡറുകൾ (sliders), റാങ്കിംഗുകൾ അല്ലെങ്കിൽ വ്യക്തമായ ടൂളുകൾ നൽകുക.
ചില ഡാറ്റാ സിഗ്നലുകളിൽ നിന്ന് ഒഴിവാകാനുള്ള അധികാരം (agency) നൽകുന്നതും ഇതിൽ ഉൾപ്പെടുന്നു. ഒരു ഉപയോക്താവ് അവരുടെ ലിസണിംഗ് ഹിസ്റ്ററിയോ ബ്രൗസിംഗ് പെരുമാറ്റമോ മാച്ച് മേക്കിംഗിൽ ഉൾപ്പെടുത്താൻ ആഗ്രഹിക്കുന്നില്ലെങ്കിൽ, അത് വിച്ഛേദിക്കാൻ അവർക്ക് കഴിയണം. ഉപയോക്താക്കൾ വെറും വിഷയങ്ങളല്ല (subjects), മറിച്ച് പങ്കാളികളാണെന്ന് (participants) തോന്നുമ്പോൾ വിശ്വാസം വളരുന്നു. ഉപയോക്താക്കളുടെ ഫീഡ്ബാക്ക് കേൾക്കുകയും അതിനനുസരിച്ച് മാറുകയും ചെയ്യുന്ന ഒരു അൽഗോരിതം, ചില മാച്ചുകൾ പരാജയപ്പെട്ടാൽ പോലും ഉപയോക്താക്കളുടെ ക്ഷമ നേടിയെടുക്കും.
വിജയം മിനിറ്റുകളിലല്ല, മാസങ്ങളിൽ അളക്കുക
ദീർഘകാല മൂല്യത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുക. പെട്ടെന്നുള്ള ഇടപെടലുകൾക്കപ്പുറം ചിന്തിക്കുക. 'സ്വൈപ്പ് ഇക്കോണമി' (swipe economy) ഉടനടിയുള്ള എൻഗേജ്മെന്റിനായി രൂപകൽപ്പന ചെയ്തതാണ്: തുറന്നു നോക്കലുകൾ, ലൈക്കുകൾ, ആദ്യ മണിക്കൂറിനുള്ളിൽ അയക്കുന്ന സന്ദേശങ്ങൾ എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു. ശാശ്വതമായ പങ്കാളിത്തം ആഗ്രഹിക്കുന്നവർക്ക് ഈ അളവുകോലുകൾ കൊണ്ട് യാതൊരു പ്രസക്തിയുമില്ല.
ഉപയോക്താക്കൾക്ക് യഥാർത്ഥത്തിൽ പ്രസക്തമായ ഫലങ്ങളാണ് ഡിസൈനർമാർ നിരീക്ഷിക്കേണ്ടത്. ഒരാഴ്ചയ്ക്ക് ശേഷവും രണ്ട് വ്യക്തികൾ തമ്മിൽ സംഭാഷണം തുടരുന്നുണ്ടോ? അവർ നേരിട്ട് കണ്ടുമുട്ടിയോ? ആ ഇടപഴകലിൽ രണ്ടുപേരും സംതൃപ്തരാണോ? അളവിനേക്കാൾ (volume) ആഴത്തിന് (depth) മുൻഗണന നൽകാൻ സിസ്റ്റത്തിന് നിർദ്ദേശം നൽകുക. ഇരുപത് വെറും അഭിവാദ്യങ്ങളേക്കാൾ മൂല്യമുള്ളതാണ് ചിന്താപരമായ മൂന്ന് സന്ദേശങ്ങളിലേക്ക് നയിക്കുന്ന ഒരു മാച്ച്.
ഈ മാറ്റം ഇന്റർഫേസ് തീരുമാനങ്ങളെ സ്വാധീനിക്കുന്നു. സാധാരണമായ അഭിവാദ്യങ്ങൾക്ക് പകരം, പങ്കുവെച്ച താൽപ്പര്യങ്ങളിൽ നിന്ന് തയ്യാറാക്കിയ സംഭാഷണ തുടക്കങ്ങൾ (conversation starters) ഉപയോഗിച്ച് ഉപയോക്താക്കളെ പ്രോത്സാഹിപ്പിക്കുക. അവസാനമില്ലാത്ത ബ്രൗസിംഗിന് പകരം, കാര്യമായ ആലോചനകൾ പ്രോത്സാഹിപ്പിക്കുന്നതിനായി ദൈനംദിന ശുപാർശകൾ (recommendations) പരിമിതപ്പെടുത്തുക. ഒരു പ്രൊഫൈൽ വേഗത്തിൽ ക്ലിക്ക് ചെയ്യപ്പെടുന്നില്ലെങ്കിൽ പോലും, ഉപയോക്താവിന്റെ ദീർഘകാല മുൻഗണനകൾക്ക് അനുയോജ്യമായ പ്രൊഫൈലുകൾ മുന്നിലെത്തിക്കുക. ലക്ഷ്യം ബന്ധങ്ങൾ സ്ഥാപിക്കുക എന്നതാണ്, അല്ലാതെ അടിമപ്പെടുത്തുകയല്ല.
എഞ്ചിനീയറിംഗിനൊപ്പം സഹാനുഭൂതിയോടെയും നിർമ്മിക്കുക
ഇത്തരം സംവിധാനങ്ങൾ നിർമ്മിക്കാൻ കോഡിംഗിനേക്കാൾ ഉപരിയായി സഹാനുഭൂതി ആവശ്യമാണ്. ഓരോ ലോജിക് വരികളും പ്രതീക്ഷയും ഏകാന്തതയും ദുർബലതയും അനുഭവിക്കുന്ന യഥാർത്ഥ മനുഷ്യരെ ബാധിക്കുന്നു. കേവലം ഒപ്റ്റിമൈസേഷനിലൂടെ യഥാർത്ഥമായ അടുപ്പം ഉണ്ടാക്കിയെടുക്കാൻ കഴിയില്ല.
ഡിസൈനർമാരും എഞ്ചിനീയർമാരും ഉപയോക്താക്കളുടെ വൈകാരികാവസ്ഥ മനസ്സിലാക്കാൻ സമയം ചെലവഴിക്കണം. ഒരാഴ്ചത്തേക്ക് ഒരു മാച്ച് പോലും ലഭിക്കാത്ത അവസ്ഥയിൽ ഒരാൾക്ക് എന്ത് തോന്നും? അൽഗോരിതം തന്നെ അവഗണിച്ചു എന്ന് സംശയിക്കുമ്പോൾ എന്ത് തോന്നും? ഇത്തരം ചോദ്യങ്ങൾ സാങ്കേതിക റോഡ്മാപ്പുകൾക്കൊപ്പം ഉൽപ്പന്ന മീറ്റിംഗുകളിലും ചർച്ച ചെയ്യപ്പെടേണ്ടതാണ്.
കേവലം എൻഗേജ്മെന്റ് മെട്രിക്സുകൾക്ക് വേണ്ടിയല്ല, മറിച്ച് മനുഷ്യബന്ധങ്ങൾക്കായി രൂപകൽപ്പന ചെയ്യുക. ഒരു പ്ലാറ്റ്ഫോം ഉപയോക്താക്കളെ വെറും ഡാറ്റാ പോയിന്റുകളായല്ല, മറിച്ച് പൂർണ്ണരായ മനുഷ്യരായി കാണുമ്പോൾ, സാങ്കേതികവിദ്യ പശ്ചാത്തലത്തിലേക്ക് മാറുന്നു. അപ്പോൾ അവിടെ അവശേഷിക്കുന്നത് ഒരാൾ തിരയുന്ന കാര്യം കണ്ടെത്താൻ യഥാർത്ഥത്തിൽ സഹായിക്കുന്ന ഒരു സേവനമായിരിക്കും.
വിശ്വസനീയമായ AI മാച്ച്മേക്കിംഗ് എന്നത് ഒരു ഒറ്റപ്പെട്ട നേട്ടത്തിലൂടെ ഉണ്ടാകുന്നതല്ല. നിഗൂഢതയേക്കാൾ വ്യക്തതയ്ക്കും, സൗകര്യത്തേക്കാൾ നീതിക്കും, യന്ത്രനിയന്ത്രണത്തേക്കാൾ മനുഷ്യന്റെ തീരുമാനങ്ങൾക്കും മുൻഗണന നൽകുന്ന ഡസൻ കണക്കിന് ചെറിയ തീരുമാനങ്ങളിൽ നിന്നാണ് അത് ഉണ്ടാകുന്നത്. ഇത് തിരിച്ചറിയുന്ന ആപ്പുകൾ തിരക്കേറിയ വിപണിയിൽ വേറിട്ടുനിൽക്കും. തങ്ങൾ കൃത്രിമമായി സ്വാധീനിക്കപ്പെടുന്നുണ്ടെന്ന് ഉപയോക്താക്കൾക്ക് നേരത്തെ തന്നെ മനസ്സിലാകും. തങ്ങളുടെ ബുദ്ധിയെയും ഹൃദയത്തെയും ബഹുമാനിക്കുന്ന പ്ലാറ്റ്ഫോമുകളെ അവർ പിന്തുണയ്ക്കും.
പൂർണ്ണമായ വിവരങ്ങൾ ഇവിടെ വായിക്കാം: Source