Theory
ખરી દુનિયામાં કામ કરતું AI
AI ની પ્રામાણિક વ્યાખ્યા આપણે કરી લીધી, એટલે કે સાંકડું, ચોક્કસ કામ પૂરતું અને data માંથી શીખતું. હવે એ જુદાં જુદાં ક્ષેત્રોમાં ખરેખર શું કરે છે એ જોવા જેવું છે. દરેક ક્ષેત્રમાં AI કોઈ સર્વસામાન્ય મન નથી પણ ઉપયોગી કામ કરતું ચોક્કસ સાધન છે, અને ઘણી વાર એ કામ બહુ સારી રીતે કરે છે.
AI unit નો આ છેલ્લો પાઠ આરોગ્યસેવા, શિક્ષણ, ખેતી અને ઉત્પાદન માં ખરાં application પર નજર ફેરવે છે. ખેતીના દાખલા આપણા smart farm ના ચાલુ દાખલા સાથે સીધા જોડાય છે. નક્કર વપરાશ જોવાથી અમૂર્ત વિચારો જમીન પર બેસે છે: આ AI જેવું ખરેખર વપરાય છે તેવું છે, ધૂમધામ નહીં.
At a glance
| ક્ષેત્ર | AI શું કરે છે |
|---|---|
| આરોગ્યસેવા | નિદાનમાં મદદ કરે (scans તપાસીને), દર્દીનું જોખમ ભાખે, દવાની શોધમાં મદદ કરે |
| શિક્ષણ | શીખવાનું દરેક પ્રમાણે ઢાળે, ગુણાંકન આપોઆપ કરે, મદદ જોઈતી હોય એવા વિદ્યાર્થીઓ ચીંધે |
| ખેતી | પાક અને જમીન પર નજર રાખે, ચિત્રો પરથી રોગ કે જીવાત પકડે, ઉપજ ભાખે |
| ઉત્પાદન | ખામી પકડે (ગુણવત્તા ચકાસણી), યંત્રનું ભંગાણ ભાખે, પ્રક્રિયાઓ સુધારે |
Theory
ચાર ક્ષેત્ર, નક્કર કામ
આરોગ્યસેવા માં AI સંભવિત રોગ ચીંધવા તબીબી ચિત્રો તપાસવામાં મદદ કરે છે, દર્દીનું જોખમ ભાખે છે અને દવાની શોધ ઝડપી બનાવે છે, પણ એ તબીબોને મદદ કરે છે, તબીબી નિર્ણયની જગ્યા લેતું નથી. શિક્ષણ માં AI દરેક વિદ્યાર્થી પ્રમાણે ઢળતું (adaptive) શિક્ષણ ચલાવે છે, ગુણાંકન આપોઆપ કરે છે અને જેમને મદદ જોઈએ એવા શીખનારાઓ ઓળખી કાઢે છે.
ખેતી માં AI પાક અને જમીન પર નજર રાખે છે, camera ના ચિત્રો પરથી રોગ કે જીવાત પકડે છે અને ઉપજ ભાખે છે, એટલે કે ચોકસાઈવાળી ખેતી, જે બરાબર આપણો smart farm નો દાખલો છે. ઉત્પાદન માં AI ગુણવત્તાની ચકાસણી કરે છે (દૃષ્ટિથી ખામી પકડીને), predictive maintenance કરે છે (યંત્ર બગડે એ પહેલાં એનું ભંગાણ ભાખીને, જેથી સમયસર સમારકામ થાય) અને પ્રક્રિયાઓ સુધારે છે. દરેક કિસ્સામાં narrow AI એક સ્પષ્ટ વ્યાખ્યાવાળું, કીમતી કામ કરે છે.
Quiz
ઉત્પાદનમાં કોઈ AI system ભાખે છે કે યંત્ર ક્યારે બગડવાની શક્યતા છે, જેથી એ ભાંગી પડે એ પહેલાં એનું સમારકામ થઈ શકે. આ application ને શું કહેવાય?
- દરેક પ્રમાણે ઢળતું શિક્ષણ
- Predictive maintenance, એટલે કે યંત્ર બગડે એ પહેલાં એનું ભંગાણ ભાખવા AI વાપરવું
- દવાની શોધ
- પાકના રોગની ઓળખ
Show the answer
Predictive maintenance, એટલે કે યંત્ર બગડે એ પહેલાં એનું ભંગાણ ભાખવા AI વાપરવું
યંત્ર ક્યારે બગડવાની શક્યતા છે એ ભાખવું જેથી પહેલેથી સમારકામ થઈ શકે, એ predictive maintenance છે, જે ઉત્પાદનમાં AI નું મોટું application છે અને મોંઘાં અણધાર્યાં ભંગાણ અટકાવે છે. વિકલ્પ A, એટલે કે દરેક પ્રમાણે ઢળતું શિક્ષણ, શિક્ષણ નું application છે (દરેક વિદ્યાર્થી પ્રમાણે ઢળવું). વિકલ્પ C, એટલે કે દવાની શોધ, આરોગ્યસેવા નું application છે. વિકલ્પ D, એટલે કે પાકના રોગની ઓળખ, ખેતી નું application છે. દરેક ક્ષેત્રનાં પોતાનાં ચોક્કસ AI કામ હોય છે; અગાઉથી maintenance ગોઠવવા યંત્રનું ભંગાણ ભાખવું એ ઉત્પાદનનો પ્રચલિત ઉપયોગ છે, અને એક કીમતી તથા સ્પષ્ટ વ્યાખ્યાવાળું કામ કરતા narrow AI નો સારો દાખલો છે.
Think first
આ બધાં ક્ષેત્રોમાં AI સારી રીતે વપરાય ત્યારે કઈ સામાન્ય લઢણ દેખાય છે?
આરોગ્યસેવા, શિક્ષણ, ખેતી, ઉત્પાદન; આ બધામાં AI ના સફળ ઉપયોગોમાં સામાન્ય શું છે? વિચારીને પછી tap કરો.
Show the answer
સામાન્ય લઢણ એ છે કે AI ને એવાં ચોક્કસ, સ્પષ્ટ વ્યાખ્યાવાળાં કામ પર લગાડાય છે જ્યાં પુષ્કળ સંબંધિત data હોય અને પ્રશ્ન સ્પષ્ટ હોય, અને એ માણસ નિષ્ણાતોના નિર્ણયની જગ્યા લેવાને બદલે એમને વધુ સક્ષમ બનાવે છે; narrow AI અસરકારક રીતે બરાબર આ જ રીતે વપરાય છે.
દાખલા પર નજર ફેરવો. દરેક ક્ષેત્રમાં સફળ ઉપયોગ સાંકડું, નક્કર કામ છે: આ પ્રકારના તબીબી scan માં આ પ્રકારનું ચિહ્ન શોધવું, આ પાઠને આ વિદ્યાર્થીના દેખાવ પ્રમાણે ઢાળવો, આ camera ના ચિત્ર પરથી આ પાકનો રોગ પકડવો, આ sensor ના data પરથી આ યંત્રનું ભંગાણ ભાખવું. એમાંનું કોઈ AI ને સર્વસામાન્ય મન બનવાનું કહેતું નથી; દરેક એને શીખવા માટે data સાથે એક સ્પષ્ટ કામ આપે છે. Narrow AI બરાબર આમાં જ સારું છે.
બીજું, શ્રેષ્ઠ ગોઠવણોમાં નિર્ણય, સંદર્ભ અને છેલ્લા ચુકાદા માટે માણસ સાંકળમાં રહે છે: AI સંભવિત ગાંઠ ચીંધે અને radiologist એની ખાતરી કરે, AI મદદ જોઈતી હોય એવા વિદ્યાર્થીઓ સૂચવે અને શિક્ષક એમને ટેકો આપે, AI સંભવિત રોગની ચેતવણી આપે અને ખેડૂત નક્કી કરે કે શું કરવું, AI યંત્રનું ભંગાણ ભાખે અને engineer maintenance ગોઠવે. AI મોટા પાયે ઝડપી, data આધારિત વિશ્લેષણ આપે છે; માણસ સમજ, જવાબદારી અને અણધારી પરિસ્થિતિ સંભાળવાનું આપે છે.
ત્રીજું, આ ઉપયોગો ત્યાં જ સફળ થાય છે જ્યાં સારો data હોય, કારણ કે AI data માંથી જ શીખે છે; ચિત્રો, sensor નાં માપ અને નોંધોથી ભરેલાં ક્ષેત્રો એના માટે ફળદ્રુપ જમીન છે.
એટલે AI ને સારી રીતે વાપરવાની રીત, જે દરેક ક્ષેત્રમાં દેખાય છે, એ છે: સ્પષ્ટ data વાળું ચોક્કસ કામ પસંદ કરો, લઢણો શોધવાનું ભારે કામ AI ને સોંપો, અને નિર્ણય તથા અસામાન્ય કિસ્સાઓની જવાબદારી માણસ પાસે રાખો. Narrow AI ખરું મૂલ્ય આપવાની આ જ વ્યવહારુ અને પ્રામાણિક રીત છે, એટલે કે માણસની જગ્યા લેતી સર્વસામાન્ય બુદ્ધિ હોવાનો ડોળ કરવાને બદલે સારી રીતે સીમાંકિત કામોમાં લોકોને વધુ સક્ષમ બનાવવા. ચોક્કસ કામ, સારો data અને માણસની દેખરેખ, એ જ જીતતી લઢણ છે.
Summary
Key takeaways
- AI અનેક ક્ષેત્રોમાં સ્પષ્ટ વ્યાખ્યાવાળું કામ કરતા ચોક્કસ, સાંકડા સાધન તરીકે વપરાય છે.
- આરોગ્યસેવા: નિદાનમાં મદદ (scans તપાસીને), દર્દીના જોખમની આગાહી, દવાની શોધમાં મદદ; એ તબીબોને વધુ સક્ષમ બનાવે છે, એમની જગ્યા લેતું નથી.
- શિક્ષણ: દરેક પ્રમાણે ઢળતું (adaptive) શિક્ષણ, આપોઆપ ગુણાંકન, અને મદદ જોઈતી હોય એવા વિદ્યાર્થીઓ ચીંધવા.
- ખેતી: પાક અને જમીન પર નજર, ચિત્રો પરથી રોગ કે જીવાતની ઓળખ, ઉપજની આગાહી (smart farm).
- ઉત્પાદન: ગુણવત્તાની ચકાસણી (ખામી પકડવી), predictive maintenance (ભંગાણ વહેલું ભાખવું), પ્રક્રિયાઓ સુધારવી.
- સામાન્ય લઢણ: સારા data વાળાં ચોક્કસ કામ, જ્યાં AI માણસ નિષ્ણાતોને વધુ સક્ષમ બનાવે અને નિર્ણય એમના હાથમાં જ રહે.
- યાદ રાખવાની કડી: AI દરેક ક્ષેત્રમાં નક્કર કામ કરે છે, એટલે કે નિદાન, દરેક પ્રમાણે ઢાળવું, પાક પર નજર, ભંગાણની આગાહી, અને એ લોકોની સાથે કામ કરતું સાંકડું સાધન છે.