સિમ્ફોનિક ઇન્ટેલિજન્સનો યુગ

આધુનિક વ્યવસાયિક પ્રક્રિયાઓમાં, જનરેટિવ AIનો ઉપયોગ માત્ર સાધન તરીકેના ઉપયોગથી આગળ વધીને હવે વ્યવસ્થિત એકીકરણના તબક્કામાં પ્રવેશી રહ્યો છે.

આની પેલે પાર એક નવો બુદ્ધિનો યુગ રહેલો છે: "સિમ્ફોનિક ઇન્ટેલિજન્સ."

આ લેખ પુનરાવર્તિત કાર્ય (iterative work) અને પ્રવાહ કાર્ય (flow work) - આ બે પરિપ્રેક્ષ્યથી જનરેટિવ AIના ઉપયોગની વર્તમાન સ્થિતિ અને ભાવિ સંભાવનાઓ પર પ્રકાશ પાડશે.

પુનરાવર્તિત કાર્ય (Iterative Work)

અગાઉના એક લેખમાં, અમે જનરેટિવ AI ને વ્યવસાયિક કાર્યો કરવા સક્ષમ બનાવવા માટેના દૃષ્ટિકોણ તરીકે "પુનરાવર્તિત કાર્ય અને સાધનો" વિરુદ્ધ "પ્રવાહ કાર્ય અને સિસ્ટમો" ના પરિપ્રેક્ષ્યનું વિશ્લેષણ કર્યું હતું.

પુનરાવર્તિત કાર્ય એટલે એવા કાર્યો જ્યાં મનુષ્યો અર્ધ-અજાગૃતપણે બહુવિધ વિભિન્ન નક્કર કાર્યોને જોડે છે અને ટ્રાયલ અને એરર દ્વારા આગળ વધે છે.

અને આ પુનરાવર્તિત કાર્ય માટે, સાધનો શ્રેષ્ઠ છે. વિવિધ કાર્યોને અનુરૂપ સાધનો પસંદ કરીને, કાર્યને કાર્યક્ષમ રીતે આગળ વધારી શકાય છે. તેથી, જરૂરી ટૂલકિટ એકત્રિત કરવી અને તેના ઉપયોગમાં નિપુણ બનવું જરૂરી છે.

વર્તમાન સમયમાં, જ્યારે વ્યવસાયમાં જનરેટિવ AI નો ઉપયોગ થાય છે, ત્યારે મોટાભાગના કિસ્સાઓમાં જનરેટિવ AI નો ઉપયોગ એક સાધન તરીકે થાય છે.

જનરેટિવ AI વડે વ્યવસાયની કાર્યક્ષમતા સુધારવા અંગેની મોટાભાગની ચર્ચાઓ લગભગ હંમેશા માનવીઓ પુનરાવર્તિત કાર્ય માટે ઉપયોગમાં લેતી હાલની ટૂલકિટમાં આ નવા અને શક્તિશાળી સાધનને ઉમેરવાનો ઉલ્લેખ કરે છે.

પુનરાવર્તિત કાર્ય સાથેની સમસ્યા

બીજી બાજુ, અગાઉના લેખમાં દર્શાવ્યા મુજબ, પુનરાવર્તિત કાર્યમાં સાધનોમાંથી મળતો કાર્યક્ષમતાનો લાભ પ્રમાણમાં મર્યાદિત છે.

જેમ જેમ સાધનો વધુ કાર્યક્ષમ બને છે, તેમ તેમ મનુષ્યો આખરે અવરોધ બની જાય છે. અંતે, માનવ કાર્ય કલાકોની મર્યાદાને પાર કરી શકાતી નથી.

વળી, અનુભવી કર્મચારીઓ અને નવા ભરતી થયેલા કર્મચારીઓ વચ્ચે પુનરાવર્તિત કાર્યની કાર્યક્ષમતા અને ચોકસાઈમાં નોંધપાત્ર તફાવત હોય છે, અને આ તફાવતને દૂર કરવો મુશ્કેલ છે. તેથી, જો તમે આવતા મહિને કાર્યબોજ બમણો કરવા માંગતા હો, તો અનુભવી કૌશલ્ય ધરાવતા લોકો વિના તમે તેને સંભાળી શકતા નથી.

મનુષ્યોના અવરોધ બનવાની સમસ્યાને ઉકેલવા માટે, આખરે બધું જ કૃત્રિમ બુદ્ધિથી બદલવું પડે છે.

જોકે, વર્તમાન જનરેટિવ AI પાસે હજુ સુધી તે સ્તરનું પ્રદર્શન નથી.

વળી, દેખીતી રીતે સરળ લાગતા પુનરાવર્તિત કાર્યો પણ, જ્યારે નજીકથી તપાસવામાં આવે છે, ત્યારે મોટી સંખ્યામાં અજાગૃત કાર્યોનો સમાવેશ થાય છે.

આ કારણોસર, તેમને પરંપરાગત IT સિસ્ટમો અથવા કોઈ પણ અનુસરી શકે તેવી મેન્યુઅલમાં ઘટાડી શકાયા નથી, અને તેથી માનવીય નિપુણતા પર આધાર રાખવામાં આવ્યો હતો.

જ્યાં સુધી આ અસંખ્ય અજાગૃત, નિપુણતાની જરૂરિયાતવાળા કાર્યોને વ્યવસ્થિત કરવામાં ન આવે અને દરેક માટે જરૂરી જાણકારીને જ્ઞાનમાં કોડીફાઈડ કરવામાં ન આવે, ત્યાં સુધી જનરેટિવ AI, ભલે તેનું પ્રદર્શન ગમે તેટલું સુધરે, માનવ કાર્યને બદલી શકશે નહીં.

પ્રવાહ કાર્ય અને વ્યવસ્થિતકરણમાં રૂપાંતરિત કરવું

જનરેટિવ AI ની વર્તમાન પ્રદર્શન મર્યાદાઓમાં કાર્યોનું વિતરણ કરવાના ધ્યેયને, અને અજાગૃત કાર્યોને વ્યવસ્થિત કરવા તથા જાણકારીને કોડીફાઈડ કરવાના ધ્યેયને પહોંચી વળવા માટે, ટ્રાયલ-એન્ડ-એરર પુનરાવર્તિત કાર્યને પ્રમાણિત પ્રવાહ કાર્યમાં ગોઠવવું અત્યંત મહત્વપૂર્ણ છે.

પ્રમાણિત પ્રવાહ કાર્ય માત્ર સાધનોને જ નહીં, પરંતુ સિસ્ટમોને પણ અનુકૂળ આવે છે.

પ્રવાહ કાર્યમાં, જનરેટિવ AI દ્વારા અમલ કરાયેલા કાર્યો અને મનુષ્યો દ્વારા અમલ કરાયેલા કાર્યો હોય છે. આને એક સિસ્ટમ સાથે જોડીને, સમગ્ર પ્રવાહ કાર્ય અમલ કરવા યોગ્ય બને છે.

પ્રવાહ કાર્ય અને વ્યવસ્થિતકરણમાં રૂપાંતરિત કરવાથી ઘણા નોંધપાત્ર પ્રભાવો પ્રાપ્ત થાય છે.

એક એ છે કે જનરેટિવ AI વ્યક્તિગત કાર્યો માટે વિશિષ્ટ બને છે, જેનાથી દરેક કાર્ય માટે જનરેટિવ AI ની કાર્યક્ષમતા અને ચોકસાઈને કેવી રીતે ઑપ્ટિમાઇઝ કરવી તે સ્પષ્ટ થાય છે.

બીજું, બહુવિધ કાર્યકરો જનરેટિવ AI માં જ્ઞાન ઉમેરી શકે છે, અને તેના લાભો દરેકને મળે છે.

ત્રીજું, આ કાર્યમાં કાર્યોના વિભાજનને ધીમે ધીમે જનરેટિવ AI પર ખસેડવું સરળ બને છે.

આ રીતે, પુનરાવર્તિત કાર્યને પ્રવાહ કાર્યમાં રૂપાંતરિત કરીને અને સિસ્ટમ તરીકે દરેક કાર્ય માટે જનરેટિવ AI ને જરૂરી જ્ઞાન એકત્રિત કરીને, બૌદ્ધિક કાર્ય ફેક્ટરી લાઇન જેવું સ્વયંસંચાલન તરફ આગળ વધે છે.

અને સમયની સાથે વિકસિત થતી જનરેટિવ AI ની મૂળભૂત કામગીરીમાં સુધારાઓને સમાવીને, અને વિવિધ કાર્યો માટે વિશિષ્ટ સંચિત જ્ઞાનનો લાભ લઈને, સમગ્ર પ્રવાહ કાર્યને જનરેટિવ AI દ્વારા સંચાલિત સ્વયંસંચાલિત પ્રક્રિયા બનાવવાનું શક્ય બનશે.

વર્ચ્યુઅલ ઇન્ટેલિજન્સ (Virtual Intelligence)

અહીં પુનરાવર્તિત કાર્ય અને સાધનો, તેમજ પ્રવાહ કાર્ય અને સિસ્ટમોના પરિપ્રેક્ષ્યમાંથી થયેલું વિશ્લેષણ પૂર્ણ થાય છે.

મેં તાજેતરમાં લખેલો એક અન્ય લેખ આ ચર્ચાને વધુ વિકસાવે છે.

તે લેખમાં, મેં વર્ચ્યુઅલ ઇન્ટેલિજન્સ દ્વારા ઓર્કેસ્ટ્રેશનના વિષય પર સ્પર્શ કર્યો હતો.

વર્તમાનમાં, અને ખૂબ નજીકના ભવિષ્યમાં, પ્રદર્શન મર્યાદાઓને કારણે, જનરેટિવ AI ચોક્કસ કાર્યો પર કેન્દ્રિત હોય ત્યારે કાર્યક્ષમતા અને ચોકસાઈની દ્રષ્ટિએ વધુ સારું પ્રદર્શન કરે છે.

તેથી, પ્રવાહ કાર્ય અને સિસ્ટમો સાથે અગાઉ ચર્ચા કર્યા મુજબ, એક આદર્શ પદ્ધતિ એ હતી કે દરેક વ્યક્તિગત કાર્ય માટે વિશિષ્ટ જનરેટિવ AI ને એક સિસ્ટમ દ્વારા જોડવામાં આવે.

જોકે, ભલે જનરેટિવ AI નું પ્રદર્શન નોંધપાત્ર રીતે સુધરે, તેમ છતાં વિવિધ કાર્યોને સમાંતર પ્રક્રિયા કરવાને બદલે, એક જ પ્રક્રિયા દરમિયાન ભૂમિકાઓ બદલીને અને વિવિધ જ્ઞાનનો ઉપયોગ કરીને પ્રક્રિયા કરવી વધુ કાર્યક્ષમ અને સચોટ હોઈ શકે છે.

આ પદ્ધતિ જનરેટિવ AI ને એકબીજા સાથે જોડવા માટે સિસ્ટમની જરૂરિયાતને દૂર કરશે. સિસ્ટમ એકીકરણ જેવી કામગીરી જનરેટિવ AI ની અંદર જ થશે.

વળી, એવી પરિસ્થિતિમાંથી જ્યાં સિસ્ટમમાં ફેરફાર કર્યા વિના કાર્યનું પુનર્ગઠન અથવા ઉમેરા અશક્ય છે, ત્યાં જનરેટિવ AI પોતે જ લવચીક રીતે પ્રતિભાવ આપી શકશે.

આનો અર્થ એ છે કે પ્રવાહ-કાર્ય કરાયેલા અને વ્યવસ્થિત કરાયેલા કાર્યોને ફરીથી પુનરાવર્તિત કાર્યમાં પાછા લાવવા.

જોકે, આ પ્રવાહ-કાર્ય અને વ્યવસ્થિતકરણ પ્રક્રિયામાંથી પસાર થયા પછી પાછા ફરતું પુનરાવર્તિત કાર્ય એવી સ્થિતિમાં હશે જ્યાં ફરીથી વાપરી શકાય તેવું જ્ઞાન રચાયું છે, ભલે જનરેટિવ AI ની સંખ્યા વધારવામાં આવે અથવા તેના સંસ્કરણો બદલવામાં આવે.

આ માનવ પુનરાવર્તિત કાર્યની સમસ્યાઓનું નિરાકરણ લાવે છે અને મનુષ્યો દ્વારા કરવામાં આવતા કાર્યો જેવા લવચીક કાર્યોનું પ્રદર્શન સક્ષમ બનાવે છે.

અહીં, હું એક જ અમલીકરણ દરમિયાન ભૂમિકાઓ અને જ્ઞાનને બદલવાની જનરેટિવ AI ની ક્ષમતાને "વર્ચ્યુઅલ ઇન્ટેલિજન્સ" કહું છું. આ કમ્પ્યુટરના વર્ચ્યુઅલ મશીન જેવું જ છે.

જેમ વર્ચ્યુઅલ મશીન ટેક્નોલોજી હાર્ડવેરના એક જ ટુકડા પર ચાલતા સંપૂર્ણપણે અલગ કમ્પ્યુટર્સનું અનુકરણ કરે છે, તેમ એક જ જનરેટિવ AI બહુવિધ ભૂમિકાઓ વચ્ચે સ્વિચ કરીને પ્રક્રિયા કરે છે.

જનરેટિવ AI એ આ વર્ચ્યુઅલ ઇન્ટેલિજન્સ ક્ષમતાને પહેલેથી જ કુદરતી રીતે પ્રાપ્ત કરી લીધી છે. આ જ કારણ છે કે જનરેટિવ AI બહુવિધ લોકોનો સમાવેશ કરતી ચર્ચાઓનું અનુકરણ કરી શકે છે અથવા બહુવિધ પાત્રો દર્શાવતી નવલકથાઓ બનાવી શકે છે.

જો આ વર્ચ્યુઅલ ઇન્ટેલિજન્સ ક્ષમતા સુધરે અને તેને પૂરતું જ્ઞાન પૂરું પાડવામાં આવે, તો પુનરાવર્તિત કાર્ય કરવું શક્ય બનશે.

ઇન્ટેલિજન્સ ઓર્કેસ્ટ્રેશન

વધુમાં, હું બહુવિધ ભૂમિકાઓ અને જ્ઞાનને મુક્તપણે જોડીને કાર્યો કરવાની ક્ષમતાને "ઇન્ટેલિજન્સ ઓર્કેસ્ટ્રેશન" કહું છું.

આ બહુવિધ વર્ચ્યુઅલ મશીનોને સંભાળતી ઓર્કેસ્ટ્રેશન ટેકનોલોજી જેવું જ છે.

જેમ ઓર્કેસ્ટ્રેશન ટેકનોલોજી જરૂર પડે ત્યારે જરૂરી વર્ચ્યુઅલ મશીનો લોન્ચ કરીને સિસ્ટમોને કાર્યક્ષમ રીતે ચલાવે છે, તેમ સુધારેલી ઇન્ટેલિજન્સ ઓર્કેસ્ટ્રેશન કુશળતા ધરાવતી જનરેટિવ AI—જે વર્ચ્યુઅલ ઇન્ટેલિજન્સની એક ક્ષમતા છે—વિવિધ ભૂમિકાઓ અને જ્ઞાનનો યોગ્ય રીતે ઉપયોગ કરતી વખતે કાર્યક્ષમતા અને ચોકસાઈ જાળવી રાખીને, લવચીક રીતે પુનરાવર્તિત કાર્ય કરી શકશે.

સિમ્ફોનિક ઇન્ટેલિજન્સ

આ તબક્કે પહોંચેલ જનરેટિવ AI ને સિમ્ફોનિક ઇન્ટેલિજન્સ કહી શકાય.

જેમ એક ઓર્કેસ્ટ્રા, જેમાં દરેક સંગીતકાર પોતાના વાદ્યમાં નિપુણ હોય છે, તેઓ પોતપોતાની ભૂમિકા નિભાવતા એક જ રચના વગાડે છે, તેમ સિમ્ફોનિક ઇન્ટેલિજન્સ બૌદ્ધિક કાર્યની સિમ્ફની રચી શકે છે.

આ સિમ્ફોનિક ઇન્ટેલિજન્સ એક નવી વિભાવના છે, જે જનરેટિવ AI માટે એક અંતિમ બિંદુ રજૂ કરે છે.

જોકે, સિમ્ફોનિક ઇન્ટેલિજન્સ પોતે જ અસ્તિત્વમાં છે.

તે આપણી માનવ બુદ્ધિ છે.

આપણી પાસે સિમ્ફોનિક ઇન્ટેલિજન્સ હોવાને કારણે જ આપણે અજાગૃતપણે જટિલ બૌદ્ધિક કાર્યોને પુનરાવર્તિત કાર્ય દ્વારા લવચીક રીતે કરી શકીએ છીએ, જેમાં અસંખ્ય જાણકારીનો ઉપયોગ થાય છે.

અંતે: AGI નું સ્વરૂપ

સિમ્ફોનિક ઇન્ટેલિજન્સનું અનુકરણ કરવા સક્ષમ જનરેટિવ AI ને, અન્ય કાર્યો માટે પ્રવાહ કાર્ય પ્રક્રિયાઓ અને જ્ઞાન આધાર પૂરા પાડીને, તે બહુવિધ પુનરાવર્તિત કાર્યોને સંભાળી શકશે.

જેમ જેમ તે વિવિધ પુનરાવર્તિત કાર્યોની વિશાળ શ્રેણીને સંભાળવા સક્ષમ બનશે, તેમ તેમ તે તે કાર્યોમાં જ્ઞાનના સામાન્ય સિદ્ધાંતો અને માળખાકીય પદ્ધતિઓને સમજશે.

તે બિંદુએ, સંપૂર્ણપણે અજાણ્યા પુનરાવર્તિત કાર્યો માટે, માનવ દ્વારા એક સરળ સમજૂતી સાથે, તે ફક્ત માનવ કેવી રીતે કાર્ય કરે છે તેનું અવલોકન કરીને તે કાર્યની જાણકારી શીખી શકશે.

આ સાચી સિમ્ફોનિક ઇન્ટેલિજન્સ છે. એકવાર આ તબક્કો પહોંચી જાય, પછી મનુષ્યોને પ્રવાહ-કાર્ય કરવામાં અથવા જાણકારીને કોડીફાઈડ કરવામાં પ્રયત્નો કરવાની જરૂર રહેશે નહીં.

વધુમાં, જનરેટિવ AI દ્વારા આ રીતે આપમેળે સંચિત થયેલું જ્ઞાન જનરેટિવ AI પોતે જ એકબીજા સાથે શેર કરી શકશે.

જ્યારે આવું થશે, ત્યારે જનરેટિવ AI ની શીખવાની ક્ષમતા મનુષ્યો કરતાં ઘણી વધારે હશે.

આને AGI ના એક સ્વરૂપ તરીકે કહી શકાય.