સ્ટાનફોર્ડ ટીમે માનવસમાન નિર્ણય લેવાની ક્ષમતા ધરાવતા AI સિમ્યુલેશન એજન્ટ્સ વિકસાવ્યા.
Brief news summary
સ્ટેનફોર્ડના જૂન સુંગ પાર્કના નેતૃત્વમાં આવેલું સંશોધન પૃથ્વીની કેટલીક દરેક બતાવવાનું વળતર સુધારણ કરવું વારિયે છે, જે 1,000 વિવિધ સભ્યો પાસેથી એકત્ર કરાયેલા ડેટાની મદદથી માનવ વ્યવહારનું અનુકરણ કરવા માટે એજન્ટ્સ બનાવે છે. આ સભ્યોએ ઇન્ટરવ્યુ, વ્યક્તિત્વ મૂલ્યાંકન, સામાજિક સર્વે અને તર્ક રમતોથી વિગતો પ્રદાન કરી, જેથી "તમાશા એજન્ટ્સ" સુધારવા ગોઠવવામાં આવ્યું, જેના કારણે 85% માનવીય લક્ષણો સમાજ-વિજ્ઞાનમાં એટલે કે સામાજિક મીડિયા ભૂલ ધ્યાન સંબંધિત પ્રશ્નો અભિવ્યક્તિતી માટે નવી રીતો રજૂ કરવાને સાધવાનો સામર્થ્ય હોય છે. પાર્ક આ એજન્ટ્સની ક્ષમતા સમાજના વિજ્ઞાનને બદલી શકે એવું માને છે. MITના જ્હોન ಹಾರ್ಟನ್ આ તથ્ય પર જોર આપે છે કે આ એજન્ટ્સ માનવીય લક્ષણો સાથે સંકલિત કરે છે. તેમ છતાં, તેમની ઉપયોગીતા અંગે ચિંતાઓ પણ છે, જેમ કે ઓનલાઇન છદ્મવેશનો ઉપયોગ અને દરેક વ્યક્તિના અનન્યતા પકડી લેવી. ન્યાય અને વ્યક્તિગત કેટેગરીઓ જેવા કાર્યમાં AI હજી વિકલ્પ ધરાવે છે, જેમ કે "ડિક્ટેટર ગેમ" જેવા અભ્યાસે દર્શાવ્યું છે. વ્યક્તિગત પ્રતિનિધિ વધારવા માટે, પાર્ક ગુણાત્મક ઇન્ટરવ્યૂનો ઉપયોગ કરે છે, જે તેના પોડકાસ્ટિંગ અનુભવનું છે. ટાવસની કંપનીએ તેવાના નેતૃત્વ હેઠળિજ ડેટાસેટ્સનું હોવું જરૂરી નથી, કારણ કે ઇન્ટરવ્યું पर्याप्त હોઇ શકે. ટાવસના CEO હસ્સાન રઝાએ આ રસ્તાને બળ આપ્યા, જે AIમાં વધારે સારી ઇન્ટરવ્યુ તકનીક તરફના ફેરફારને સૂચવે છે.સ્ટેનફોર્ડના પીએચડી વિદ્યાર્થી જૂન સુંગ પાર્ક દ્વારા નેતૃત્વમાં આવેલી એક સંશોધન ટીમે 1, 000 વિવિધ વ્યક્તિઓના પ્રતિનિધિ તાંત્રિક સ્વરૂપો દ્વારા કૃત્રિમ બુદ્ધિ આધારિત સિમ્યુલેશન એજન્ટ્સ વિકસાવ્યા. ભાગ લેનારોએ બે વખત વ્યકિતત્વ ટેસ્ટ, સામાજિક સર્વેક્ષણો અને તર્ક ખેલો પૂર્ણ કર્યા, ત્યારબાદ તેમના AI એજન્ટ્સએ સમાન કાર્યો કર્યાં. પરિણામે, માનવ ભાગીદારો અને તેમના AI પ્રતિરૂપો વચ્ચે 85% સમાનતા દેખાઈ. જૂન સુંગ પાર્ક માનતા हैं કે, આ AI એજન્ટ્સ ભવિષ્યમાં માનવ નિણર્યક્ષણને સચોટ રીતે પુનરાવર્તન કરી શકે છે. આ સિમ્યુલેશન એજન્ટ્સ સામાજિક વિજ્ઞાન સંશોધન માટે આર્થિક, વ્યવહારુ અને નૈતિક પદ્ધતિ પૂરી પાડી શકે છે. AI મોડેલોને ખરેખર લોકોની જેમ વર્તવું શીખવીને સંશોધકો સામાજિક મીડિયા, ટ્રાફિક વર્તન, અને વધુ પર હસ્તક્ષેપોને તપાસી શકે છે. હાલના સાધન આધારિત AI એજન્ટ્સ—જે דאટા એન્ટ્રી અથવા નિમણૂંકી નક્કી કરવાના કામ માટે બનાવવામાં આવેલ છે—સિમ્યુલેશન એજન્ટ્સથી અલગ છે, પરંતુ એ બંને AI વિકાસને સુધારી શકે છે. એમઆઈટી સ્લોનના જ્હોન હોર્ટન સૂચવે છે કે પ્રોગ્રામેબલ પર્સોને બનાવવા માટે સાચા માનવ ડેટાને જોડીને AI સંશોધનમાં વૃદ્ધિ હોઈ શકે છે. હાલांकि, અભ્યાસે સંભવિત જોખમોને હાઇલાઇટ કર્યો છે, જેમ કે અનઉત્તેશન અધિકૃત ડીપફેક્સ બનાવવી અને માનવ વર્તનના સાચા પ્રતિનિધિત્વને નિશ્ચિત કરવું.
ટીમે ધ સામાન્ય સામાજિક સર્વેક્ષણ અને "બિગ ફાઇવ" વ્યકિતત્વ લક્ષણોની કસોટીઓને લોકેલા, પણ આ માનવ અનોખાપણાને સંપૂર્ણ રીતે પકડતા નથી. તેઓએ જોતું કે AI ને "ડેક્ટેટર રમત" જેવી વર્તન કસોટીઓમાં વધુ મુશ્કેલી પડી. આ પડકારોને પાર કરવા માટે, સંશોધકોએ ગુણાત્મક મુલાકાતો યોજી, જે તેમને માનવ અનોખાપણાની અનુકૃતિ માટે વધુ અસરકારક વાગી. જૂન દલીલ કરે છે કે મુલાકાતો વ્યક્તિત્વની વિશિષ્ટતાઓ અને છોવાયેલી ઉચીરાઓ પ્રકટ કરે છે જે સર્વેક્ષણોથી નહીં. તેમણે આને પાઠ્પાઠ અથવા પોડકાસ્ટ મુલાકાતોમાં અનુભવ્યું છે, એટલે કે તેઓ આ તકનીકને વ્યક્તિઓ વિશે શીખવાની શક્તિશાળી પદ્ધતિ ગણાવાશે. ટાવસના સીઈઓ હસ્સાન રાઝા નોટે છે કે ડિજિટલ ટ્વિન ઉત્પન્ન કરવા માટે પરંપરાગત રીતે મોટા ડેટા ઇનપુટની જરૂર પડે છે, પરંતુ નવો અભિગમ સૂચવે છે કે મુલાકાતો દ્વારા ઓછું પણ મહત્વપૂર્ણ માનવ માહિતી ભેગી કરી શકાય છે. તેમનું કંપની આ કાર્યક્ષમતાવાળી પદ્ધતિને શોધી રહી છે કે થોડા, અંતતઃ AI મુલાકાતો સંકલિત કરી શકેછે, જેથી એક સંપૂર્ણ ડિજિટલ ટ્વિન વિકસાવી શકાય.
Watch video about
સ્ટાનફોર્ડ ટીમે માનવસમાન નિર્ણય લેવાની ક્ષમતા ધરાવતા AI સિમ્યુલેશન એજન્ટ્સ વિકસાવ્યા.
Try our premium solution and start getting clients — at no cost to you
