સિમ્ફોનિક ઇન્ટેલિજન્સનો યુગ

આધુનિક વ્યવસાયિક પ્રક્રિયાઓમાં, જનરેટિવ AI અપનાવવાનું ટૂલ ઉપયોગના તબક્કાથી આગળ વધી ગયું છે અને હવે સિસ્ટમેટીકરણના તબક્કામાં પ્રવેશી રહ્યું છે.

આ ઉપરાંત, "સિમ્ફોનિક ઇન્ટેલિજન્સ" નામનો એક નવો બુદ્ધિમત્તાનો યુગ રાહ જોઈ રહ્યો છે.

આ લેખ પુનરાવર્તન કાર્ય (iteration work) અને ફ્લો કાર્ય (flow work) ના બે દૃષ્ટિકોણથી જનરેટિવ AI ના ઉપયોગની વર્તમાન સ્થિતિ અને ભવિષ્યની સંભાવનાઓને શોધે છે.

પુનરાવર્તન કાર્ય

અગાઉના એક લેખમાં, મેં જનરેટિવ AI ને કાર્યો કરવા સક્ષમ બનાવવા માટેના દૃષ્ટિકોણ તરીકે, પુનરાવર્તન કાર્ય અને સાધનો, અને ફ્લો કાર્ય અને સિસ્ટમ્સના પરિપ્રેક્ષ્યનું વિશ્લેષણ કર્યું હતું.

પુનરાવર્તન કાર્ય એવા કાર્યોનો સંદર્ભ આપે છે જે મનુષ્યો અર્ધજાગૃતપણે બહુવિધ ભિન્ન નક્કર કાર્યોને જોડીને અને ટ્રાયલ અને એરર દ્વારા આગળ વધીને કરે છે.

અને આ પુનરાવર્તન કાર્ય માટે, સાધનો શ્રેષ્ઠ છે. વિવિધ કાર્યોને અનુરૂપ સાધનો પસંદ કરીને, કાર્ય કાર્યક્ષમ રીતે આગળ વધી શકે છે. તેથી, જરૂરી ટૂલકીટ તૈયાર કરવી અને તેનો ઉપયોગ કરવામાં નિપુણતા મેળવવી આવશ્યક છે.

હાલમાં, જ્યારે જનરેટિવ AI નો વ્યવસાયમાં ઉપયોગ થાય છે, ત્યારે મોટાભાગના કિસ્સાઓમાં જનરેટિવ AI એક સાધન તરીકે સામેલ હોય છે.

જનરેટિવ AI સાથે વ્યવસાયિક કાર્યક્ષમતા સુધારવા વિશેની મોટાભાગની ચર્ચાઓ માનવો દ્વારા તેમના પુનરાવર્તન કાર્ય માટે ઉપયોગમાં લેવાતી હાલની ટૂલકિટમાં આ નવા અને શક્તિશાળી સાધનને ઉમેરવાનો સંદર્ભ આપે છે.

પુનરાવર્તન કાર્યની સમસ્યાઓ

બીજી તરફ, અગાઉના એક લેખમાં દર્શાવ્યા મુજબ, પુનરાવર્તન કાર્યમાં સાધનોમાંથી મળતી કાર્યક્ષમતા પ્રમાણમાં મર્યાદિત હોય છે.

જેમ જેમ સાધનો વધુ કાર્યક્ષમ બને છે, તેમ તેમ અંતે મનુષ્યો બોટલનેક બની જાય છે. આપણે માનવ કાર્યકારી કલાકોની મર્યાદાને પાર કરી શકતા નથી.

વધુમાં, અનુભવી કર્મચારીઓ અને નવા ભરતી થયેલા કર્મચારીઓ વચ્ચે પુનરાવર્તન કાર્યની કાર્યક્ષમતા અને ચોકસાઈમાં નોંધપાત્ર અંતર હોય છે, અને આ અંતર ભરવું મુશ્કેલ છે. પરિણામે, જો કોઈ આવતા મહિને કાર્યભાર બમણો કરવાનો લક્ષ્ય રાખે તો પણ, અનુભવી વ્યક્તિની કુશળતા ધરાવતા કર્મચારીઓ વિના તે સંભાળી શકાતું નથી.

મનુષ્યો બોટલનેક હોવાની સમસ્યાને ઉકેલવા માટે, અંતિમ ઉપાય એ હશે કે બધું જ કૃત્રિમ બુદ્ધિમત્તાથી બદલી નાખવામાં આવે.

જોકે, વર્તમાન જનરેટિવ AI માં હજી તે સ્તરનું પ્રદર્શન નથી.

વધુમાં, દેખીતી રીતે સરળ લાગતા પુનરાવર્તન કાર્યો પણ, જો નજીકથી તપાસવામાં આવે, તો તે મોટી સંખ્યામાં અચેતન ઉપ-કાર્યોથી બનેલા હોય છે.

આ કારણોસર, આ કાર્યોને પરંપરાગત IT સિસ્ટમ્સ અથવા અનુસરવા માટે સરળ મેન્યુઅલમાં વિભાજીત કરી શકાયા ન હતા, અને તેના બદલે માનવ નિપુણતા પર આધાર રાખવામાં આવ્યો હતો.

જ્યાં સુધી નિપુણતાની જરૂર હોય તેવા આ અસંખ્ય અચેતન કાર્યોને વ્યવસ્થિત કરવામાં ન આવે, અને દરેક માટે જરૂરી જાણકારીને જ્ઞાનમાં સ્ફટિકીકરણ કરવામાં ન આવે, ત્યાં સુધી જનરેટિવ AI, ભલે તેનું પ્રદર્શન ગમે તેટલું સુધરે, માનવોના સ્થાને કાર્યો કરી શકશે નહીં.

ફ્લો વર્ક રૂપાંતરણ અને સિસ્ટમેટીકરણ

જનરેટિવ AI ની વર્તમાન પ્રદર્શન મર્યાદાઓમાં કાર્યોનું વિતરણ કરવાના, અને અચેતન કાર્યોને વ્યવસ્થિત કરવા તથા જાણકારીને જ્ઞાનમાં સ્ફટિકીકરણ કરવાના ઉદ્દેશ્યોને પહોંચી વળવા માટે, ટ્રાયલ-એન્ડ-એરર પુનરાવર્તન કાર્યને પ્રમાણભૂત ફ્લો કાર્યમાં ગોઠવવું અત્યંત મહત્ત્વપૂર્ણ છે.

પ્રમાણભૂત ફ્લો કાર્ય ફક્ત સાધનો માટે જ નહીં પરંતુ સિસ્ટમ્સ માટે પણ યોગ્ય છે.

ફ્લો કાર્યમાં, જનરેટિવ AI દ્વારા કરવાના કાર્યો અને માનવીઓ દ્વારા કરવાના કાર્યો હોય છે. આ કાર્યોને સિસ્ટમ સાથે જોડીને, સંપૂર્ણ ફ્લો કાર્ય અમલમાં મૂકી શકાય છે.

ફ્લો વર્ક રૂપાંતરણ અને સિસ્ટમેટીકરણ અનેક નોંધપાત્ર ફાયદાઓ આપે છે:

પ્રથમ, કારણ કે જનરેટિવ AI દરેક વ્યક્તિગત કાર્ય માટે વિશેષતા ધરાવે છે, દરેક કાર્ય માટે તેની કાર્યક્ષમતા અને ચોકસાઈને ઑપ્ટિમાઇઝ કરવાનું સ્પષ્ટ બને છે.

બીજું, બહુવિધ કાર્યકર્તાઓ જનરેટિવ AI માં જ્ઞાન ઉમેરી શકે છે, અને તેના ફાયદાઓ દરેકને મળે છે.

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

પુનરાવર્તન કાર્યને ફ્લો કાર્યમાં રૂપાંતરિત કરીને અને સિસ્ટમ તરીકે દરેક કાર્ય માટે જનરેટિવ AI દ્વારા જરૂરી જ્ઞાનને સંચિત કરીને, બૌદ્ધિક કાર્ય સ્વચાલિતતાની નજીક પહોંચે છે, જેમ કે ફેક્ટરી ઉત્પાદન લાઇન.

અને સમય સાથે વિકસિત થતી જનરેટિવ AI ની મૂળભૂત કામગીરીમાં સુધારો કરીને, અને વિવિધ કાર્યો માટે વિશેષતા ધરાવતા સંચિત જ્ઞાનનો ઉપયોગ કરીને, સંપૂર્ણ ફ્લો કાર્યને જનરેટિવ AI દ્વારા હાથ ધરવામાં આવતી સ્વચાલિત પ્રક્રિયા બનાવવાનું શક્ય બનશે.

વર્ચ્યુઅલ ઇન્ટેલિજન્સ

આ મુદ્દા સુધી, વિશ્લેષણ પુનરાવર્તન કાર્ય અને સાધનો, તેમજ ફ્લો કાર્ય અને સિસ્ટમ્સના પરિપ્રેક્ષ્યમાંથી કરવામાં આવ્યું છે.

તાજેતરનો એક બીજો લેખ આ ચર્ચાને વધુ આગળ ધપાવે છે.

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

હાલમાં, અને ખૂબ જ નજીકના ભવિષ્યમાં, પ્રદર્શન મર્યાદાઓને કારણે, જનરેટિવ AI ચોક્કસ કાર્યો પર કેન્દ્રિત હોય ત્યારે વધુ કાર્યક્ષમ અને સચોટ હોય છે.

તેથી, જેમ કે અગાઉ ફ્લો કાર્ય અને સિસ્ટમ્સ સાથે ચર્ચા કરવામાં આવી હતી, દરેક વ્યક્તિગત કાર્ય માટે વિશિષ્ટ જનરેટિવ AI ને જોડતી એક પદ્ધતિ આદર્શ હતી.

જોકે, જનરેટિવ AI નું પ્રદર્શન નોંધપાત્ર રીતે સુધરે તો પણ, માત્ર એકસાથે વિવિધ કાર્યોને હેન્ડલ કરવાને બદલે, એક જ પ્રક્રિયામાં ભૂમિકાઓ બદલીને અને જ્ઞાનનો ઉપયોગ કરીને કાર્યોની પ્રક્રિયા કરવાથી સંભવતઃ ઉચ્ચ કાર્યક્ષમતા અને ચોકસાઈ પ્રાપ્ત થઈ શકે છે.

આ અભિગમ જનરેટિવ AI ને એકસાથે જોડવા માટે સિસ્ટમની જરૂરિયાતને દૂર કરે છે. સિસ્ટમ એકીકરણ જેવી કામગીરી જનરેટિવ AI ની અંદર જ થશે.

વધુમાં, તે જનરેટિવ AI ની અંદર જ લવચીક પ્રતિભાવો માટે પરવાનગી આપે છે, એવી પરિસ્થિતિઓથી દૂર ખસી જાય છે જ્યાં સિસ્ટમને સુધાર્યા વિના કાર્યોને બદલી અથવા ઉમેરી શકાતા નથી.

આનો અર્થ એ છે કે સિસ્ટમેટીકૃત ફ્લો કાર્યને પુનરાવર્તન કાર્યમાં પાછું લાવવું.

જોકે, આ પુનરાવર્તન કાર્ય, સિસ્ટમેટીકરણ અને ફ્લો વર્ક રૂપાંતરણમાંથી પસાર થયા પછી, હવે એવી સ્થિતિમાં છે જ્યાં ફરીથી વાપરી શકાય તેવું જ્ઞાન બનાવી શકાય છે, ભલે જનરેટિવ AI ની સંખ્યા વધારવામાં આવે અથવા સંસ્કરણો બદલવામાં આવે.

આ માનવ પુનરાવર્તન કાર્યની સમસ્યાઓનું નિરાકરણ લાવે છે, જેનાથી માનવો સમાન લવચીક કાર્ય શક્ય બને છે.

અહીં, હું એક જ અમલીકરણ દરમિયાન ભૂમિકાઓ અને જ્ઞાન બદલવાની જનરેટિવ AI ની ક્ષમતાને વર્ચ્યુઅલ ઇન્ટેલિજન્સ તરીકે ઓળખાવું છું. આ કમ્પ્યુટરના વર્ચ્યુઅલ મશીન સમાન છે.

જેમ કે વર્ચ્યુઅલ મશીન ટેકનોલોજી એક જ હાર્ડવેર પર સંપૂર્ણપણે અલગ કમ્પ્યુટર્સ ચાલવાનું અનુકરણ કરે છે, તેમ એક જ જનરેટિવ AI બહુવિધ ભૂમિકાઓ વચ્ચે સ્વિચ કરીને કાર્યોની પ્રક્રિયા કરે છે.

વર્તમાન જનરેટિવ AI એ આ વર્ચ્યુઅલ ઇન્ટેલિજન્સ ક્ષમતા કુદરતી રીતે જ મેળવી લીધી છે. આ કારણોસર, જનરેટિવ AI બહુવિધ લોકો વચ્ચેની ચર્ચાઓનું અનુકરણ કરી શકે છે અને બહુવિધ પાત્રો દર્શાવતી નવલકથાઓ બનાવી શકે છે.

જો આ વર્ચ્યુઅલ ઇન્ટેલિજન્સ ક્ષમતા સુધરે અને પૂરતું જ્ઞાન પ્રદાન કરવામાં આવે, તો પુનરાવર્તન કાર્ય કરવું શક્ય બનશે.

બુદ્ધિ ઓર્કેસ્ટ્રેશન

વધુમાં, કાર્યો કરવા માટે બહુવિધ ભૂમિકાઓ અને જ્ઞાનને મુક્તપણે જોડવાની ક્ષમતાને હું બુદ્ધિ ઓર્કેસ્ટ્રેશન તરીકે ઓળખાવું છું.

આ બહુવિધ વર્ચ્યુઅલ મશીનોનું સંચાલન કરતી ઓર્કેસ્ટ્રેશન ટેકનોલોજી જેવું જ છે.

જેમ કે ઓર્કેસ્ટ્રેશન ટેકનોલોજી જરૂર પડે ત્યારે જરૂરી વર્ચ્યુઅલ મશીનો લોન્ચ કરીને સિસ્ટમોને કાર્યક્ષમ રીતે ચલાવે છે, તેમ ઉન્નત બુદ્ધિ ઓર્કેસ્ટ્રેશન કૌશલ્યો ધરાવતી જનરેટિવ AI—વર્ચ્યુઅલ બુદ્ધિની એક ક્ષમતા—અસંખ્ય ભૂમિકાઓ અને જ્ઞાનને યોગ્ય રીતે સંચાલિત કરતી વખતે અને કાર્યક્ષમતા અને ચોકસાઈ જાળવી રાખતી વખતે, પુનરાવર્તન કાર્યને લવચીક રીતે કરી શકશે.

સિમ્ફોનિક ઇન્ટેલિજન્સ

આ તબક્કે પહોંચેલ જનરેટિવ AI ને સિમ્ફોનિક ઇન્ટેલિજન્સ કહી શકાય.

જેમ કે ઓર્કેસ્ટ્રા, દરેક સાધનને વગાડવામાં કુશળ, તેમની સંબંધિત ભૂમિકાઓ પૂરી કરતા એક જ સંગીતનો ટુકડો રજૂ કરે છે, તેમ સિમ્ફોનિક ઇન્ટેલિજન્સ બૌદ્ધિક કાર્યોની સિમ્ફની વગાડી શકે છે.

આ સિમ્ફોનિક ઇન્ટેલિજન્સ એક નવો ખ્યાલ છે, જે જનરેટિવ AI માટેના એક મુખ્ય અંતિમ બિંદુનું પ્રતિનિધિત્વ કરે છે.

જોકે, સિમ્ફોનિક ઇન્ટેલિજન્સ પોતે તો પહેલેથી જ અસ્તિત્વમાં છે.

તે આપણી માનવીય બુદ્ધિ છે.

તે ચોક્કસપણે એટલા માટે છે કે આપણે સિમ્ફોનિક ઇન્ટેલિજન્સ ધરાવીએ છીએ કે આપણે પુનરાવર્તન કાર્ય દ્વારા, અસંખ્ય જાણકારીનો લાભ લઈને, અનેક જટિલ બૌદ્ધિક કાર્યોને અર્ધજાગૃતપણે અને લવચીક રીતે કરી શકીએ છીએ.

છેલ્લે: AGI નું સ્વરૂપ

સિમ્ફોનિક ઇન્ટેલિજન્સનું અનુકરણ કરવા સક્ષમ જનરેટિવ AI ને અન્ય કાર્યો માટે ફ્લો વર્ક અને નોલેજ બેઝ પ્રદાન કરવાથી, તે બહુવિધ પુનરાવર્તન કાર્યોને હેન્ડલ કરવા સક્ષમ બનશે.

એકવાર તે અનેક વિવિધ પુનરાવર્તન કાર્યોને હેન્ડલ કરી શકશે, પછી તે તે કાર્યો વચ્ચેના સામાન્ય નિયમો અને જ્ઞાનમાં માળખાકીય પેટર્ન સમજી શકશે.

તે સમયે, સંપૂર્ણપણે અજાણ્યા પુનરાવર્તન કાર્યો માટે, માનવ તરફથી માત્ર ટૂંકા સમજૂતી સાથે, AI ફક્ત માનવ કેવી રીતે કાર્ય કરે છે તેનું અવલોકન કરીને તે કાર્યની જાણકારી શીખી શકશે.

આ સાચી સિમ્ફોનિક ઇન્ટેલિજન્સ છે. એકવાર આ તબક્કો પ્રાપ્ત થાય, પછી માનવોને કાર્યને ફ્લો પ્રક્રિયાઓમાં રૂપાંતરિત કરવા અથવા જાણકારીને જ્ઞાનમાં સ્ફટિકીકરણ કરવા માટે પ્રયત્ન કરવાની જરૂર રહેશે નહીં.

વધુમાં, આ રીતે જનરેટિવ AI દ્વારા આપમેળે સંચિત થયેલ જ્ઞાન અન્ય જનરેટિવ AI વચ્ચે શેર કરી શકાય છે.

જો આવું થાય, તો જનરેટિવ AI ની શીખવાની ક્ષમતા માનવીઓની સરખામણીમાં ઘણી વધી જશે.

આને AGI ના એક સ્વરૂપ તરીકે ગણી શકાય.