Serendipity with Generative AI: Repurposing knowledge components during polycrisis with a Viable Systems Model approach
यह शोध पत्र यह प्रदर्शित करता है कि कैसे जनरेटिव एआई (generative AI) मौजूदा साहित्य से पुन: प्रयोज्य ज्ञान घटकों को निकालने और उन्हें एक 'विएबल सिस्टम्स मॉडल' (Viable Systems Model) के अनुरूप रिपॉजिटरी में व्यवस्थित करने के लिए एक 'सेरेंडिपिटी इंजन' (serendipity engine) के रूप में कार्य कर सकता है, जिससे संगठनों को केवल अभूतपूर्व नवाचार पर निर्भर रहने के बजाय व्यवस्थित ज्ञान पुनरुत्पादन के माध्यम से 'पॉलीक्राइसिस' (polycrisis) अनिश्चितता से निपटने के लिए एक रणनीतिक ढांचा प्रदान किया जा सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मुख्य चित्र: "पॉलीक्राइसिस" (Polycrisis) और खोई हुई लाइब्रेरी
कल्पना कीजिए कि दुनिया वर्तमान में एक पॉलीक्राइसिस (Polycrisis) का सामना कर रही है। इसे केवल एक अकेले तूफान के रूप में न देखें, बल्कि एक ऐसे 'परफेक्ट स्टॉर्म' के रूप में देखें जहाँ एक ही समय में चक्रवात, जंगल की आग और बाढ़ आ रही हो। जलवायु परिवर्तन, महामारियाँ और आर्थिक बदलाव—ये सब एक साथ घटित हो रहे हैं।
इस उथल-पुथल के बीच, संगठन (कंपनियाँ, विश्वविद्यालय, सरकारें) जीवित रहने के लिए नवाचार (innovation) करने की कोशिश कर रहे हैं। लेकिन वे एक बड़ी गलती कर रहे हैं: वे नए उत्तरों के लिए बाहर देख रहे हैं जबकि वे उस ज्ञान के भंडार को अनदेखा कर रहे जो उनके अपने बेसमेंट में ही पड़ा है।
समस्या: संगठनों के पास हजारों दस्तावेज़, शोध पत्र और रिपोर्ट (उनका "ज्ञान") हैं। लेकिन यह ज्ञान बंद (locked away) है। यह एक ऐसी लाइब्रेरी की तरह है जहाँ हर किताब अलग भाषा में लिखी गई है, धूल के ढेरों के नीचे दबी हुई है, और किसी को नहीं पता कि उनके अंदर क्या है। जब कोई नया संकट आता है, तो वे शून्य से समाधान बनाने की कोशिश करते हैं, जिससे समय और पैसा बर्बाद होता है।
समाधान: लेखक जेनेरेटिव एआई (Generative AI) (जैसे आज के स्मार्ट चैटबॉट्स) का उपयोग करने का प्रस्ताव देते हैं, कविता लिखने या चित्र बनाने के लिए नहीं, बल्कि एक सुपर-लाइब्रेरियन और ज्ञान अनुवादक (knowledge translator) के रूप में।
मूल विचार: "अपसाइकिलिंग" (Upcycling) के रूप में पुनरुत्पादन (Repurposing)
ज्ञान को फर्नीचर की तरह समझें।
- पुराना तरीका (Breakthroughs): जब आपको एक कुर्सी की आवश्यकता होती है, तो आप कच्चे लकड़ी से एक बिल्कुल नई कुर्सी बनाने की कोशिश करते हैं, भले ही आपके पास अटारी में एक अच्छी, थोड़ी क्षतिग्रस्त कुर्सी पहले से मौजूद हो।
- नया तरीका (Repurposing): आप उस पुरानी कुर्सी को लेते हैं, उसे घिसते हैं, पेंट करते हैं, और उसे एक स्टाइलिश साइड टेबल में बदल देते हैं। आपने एक नई वस्तु का आविष्कार नहीं किया; आपने बस एक मौजूदा वस्तु को पुन: उपयोग के योग्य (repurpose) बनाया।
पेपर का तर्क है कि संगठन "फर्नीचर" (मॉडल, फ्रेमवर्क, चेकलिस्ट, पैटर्न) से भरे हुए हैं जो एक विशिष्ट समस्या के लिए बनाए गए थे लेकिन उन्हें आसानी से ठीक करके किसी बिल्कुल अलग समस्या के लिए उपयोग किया जा सकता है।
इंजन: एआई कैसे काम करता है
शोधकर्ताओं ने 206 अकादमिक शोध पत्रों को स्कैन करने के लिए जेनेरेटिव एआई का उपयोग करके एक टूल बनाया है। यहाँ वे एक रूपक (metaphor) का उपयोग करके प्रक्रिया का वर्णन करते हैं:
"घास के ढेर में सुई" (Needle in a Haystack) का रूपक:
एक विशाल घास के ढेर (20 la de 206 पेपर) की कल्पना करें। इसके भीतर 711 छोटी, सुनहरी सुइयाँ छिपी हुई हैं (पुन: प्रयोज्य विचार जैसे कि "सुरक्षा के लिए चेकलिस्ट" या "विकास के लिए मॉडल")।
- इंसान: यदि आप किसी इंसान को उन सभी सुइयों को खोजने के लिए कहें, तो इसमें उन्हें वर्षों लग जाएंगे। वे थक जाने या पक्षपाती होने के कारण कुछ सुइयों को मिस कर सकते हैं।
- एआई (AI): एआई एक सुपर-पावर्ड चुंबक है। यह घंटों में घास के ढेर को स्कैन करता है, हर एक सुई को ढूंढ निकालता है, और उन्हें व्यवस्थित बक्सों में छाँट देता है।
परिणाम: उन्होंने प्रति पेपर औसतन 3.5 पुन: प्रयोज्य विचार पाए। इसका मतलब है कि एक एकल विभाग के पास सैकड़ों "बिल्डिंग ब्लॉक्स" प्रतीक्षा कर रहे हैं।
सिद्धांत: विएबल सिस्टम्स मॉडल (VSM)
यह समझाने के लिए कि यह क्यों काम करता है, लेखक विएबल सिस्टम्स मॉडल (VSM) नामक एक सिद्धांत का उपयोग करते हैं। आइए इसे मानव शरीर के रूपक से समझते हैं:
- सिस्टम 1 (हाथ/पैर): ये वे कार्यकर्ता हैं जो वास्तव में काम करते हैं। वे शोध पत्र और डेटा बनाते हैं। वे व्यस्त हैं और अपने विशिष्ट कार्यों पर केंद्रित हैं।
- सिस्टम 4 (मस्तिष्क/रणनीतिकार): यह संगठन का वह हिस्सा है जो क्षितिज की ओर देखता है, आने वाले तूफानों को देखता है और अनुकूलन (adapt) करने की योजना बनाता है।
- समस्या (ट्रांसडक्शन गैप): आमतौर पर, "हाथ" (सिस्टम 1) इतने व्यस्त होते हैं कि वे "मस्तिष्क" (सिस्टम 4) से बात नहीं कर पाते। मस्तिष्क को पता ही नहीं चलता कि हाथों ने क्या खोजा है। जानकारी अनुवाद में खो जाती है। इसे ट्रांसडक्शन कॉस्ट (Transduction Cost) कहा जाता है।
- एआई एक "तंत्रिका तंत्र" (Nervous System) के रूप में: जेनेरेटिव एआई हाथों को मस्तिष्क से जोड़ने वाले तंत्रिका तंत्र के रूप में कार्य करता है। यह "हाथों" के कच्चे, अव्यवस्थित काम को लेता है, उसे एक स्पष्ट, उपयोगी प्रारूप में अनुवादित करता है, और तुरंत "मस्तिष्क" को भेज देता है।
जादू: इस अनुवाद की लागत को कम करके, एआई संगठन को संकटों के प्रति तुरंत प्रतिक्रिया देने में सक्षम बनाता है। एक नए आविष्कार की प्रतीक्षा करने के बजाय, "मस्तिष्क" कह सकता है, "अरे, 'हाथों' ने पिछले साल इसके लिए एक मॉडल बनाया था! चलो उसका उपयोग करते हैं!"
"सेरेंडिपिटी" (Serendipity) इंजन
पेपर एक कूल अवधारणा पेश करता है: योजनाबद्ध सेरेंडिपिटी (Planned Serendipity)।
- सेरेंडिपिटी (Serendipity) आमतौर पर एक सुखद संयोग होता है। आप एक मोजा ढूंढ रहे हैं, लेकिन आपको $20 का नोट मिल जाता है।
- योजनाबद्ध सेरेंडिपिटी एक ऐसी मशीन सेट करना है जो यह गारंटी देती है कि आपको वह $20 का नोट मिल जाएगा।
सब कुछ स्कैन करने के लिए एआई का उपयोग करके, संगठन भाग्य का इंतजार करना बंद कर देते हैं। वे एक ऐसा सिस्टम बनाते हैं जहाँ "सुखद दुर्घटनाएं" (एक पूरी तरह से अलग क्षेत्र में समाधान खोजना) हमेशा होती रहती हैं।
- उदाहरण: मार्केटिंग में "कस्टमर को-क्रिएशन" के बारे में एक पेपर गलती से शहरी नियोजन विभाग में "कम्युनिटी एंगेजमेंट" के लिए एक आदर्श पैटर्न प्रदान कर सकता है। एक इंसान इस संबंध को नहीं देख पाएगा, लेकिन एआई पैटर्न को तुरंत पहचान लेता है।
वास्तविक दुनिया का प्रभाव: "5-दिवसीय स्प्रिंट"
पेपर एक मध्यम आकार के निर्माता की एक कहानी (विनेट) देता जिसका सप्लायर अचानक विफल हो गया।
- एआई के बिना: घबराहट। वे एक नई सप्लाई चेन figuring out करने में हफ्तों बिताते हैं।
- एआई के साथ: "मस्तिष्क" (सिस्टम 4) तुरंत रिपॉजिटरी से क्वेरी करता है। एआई बाहर निकालता है:
- जोखिम मूल्यांकन के लिए एक चेकलिस्ट।
- डिजिटल खरीद के लिए एक फ्रेमवर्क।
- अस्थायी स्टाफिंग के लिए एक पैटर्न।
- सुरक्षा बफर की गणना करने के लिए एक ह्यूरिस्टिक (Heuristic - त्वरित नियम)।
5 दिनों में, उनके पास एक नई सप्लाई चेन योजना है। उन्होंने कुछ भी नया आविष्कार नहीं किया; उन्होंने बस मौजूदा ज्ञान के ब्लॉकों को पुनर्संयोजित (recombined) किया।
स्थिरता का पहलू: "नॉलेज अपसाइकिलिंग" (Knowledge Upcycling)
अंत में, पेपर इसे पर्यावरण से जोड़ता है।
- हम जानते हैं कि प्लास्टिक की बोतलों को रीसायकल करने से ऊर्जा बचती है और कचरा कम होता है।
- नॉलेज अपसाइकिलिंग भी वैसा ही है। यदि हम किसी फ्रेमवर्क या मॉडल का पुन: उपयोग करते हैं, तो हमें उसे फिर से आविष्कार करने में ऊर्जा (अनुसंधान घंटे, पैसा, कार्बन फुटप्रिंट) खर्च करने की आवश्यकता नहीं होती है।
ज्ञान का पुन: उपयोग करके, संगठन अधिक टिकाऊ बनते हैं। वे एक बार उपयोग के बाद स्मार्ट विचारों को "फेंकना" बंद कर देते हैं।
सारांश
एक वाक्य में पेपर:
निरंतर अराजकता की दुनिया में, संगठनों को शून्य से नए समाधान बनाने की कोशिश नहीं करनी चाहिए; इसके बजाय, उन्हें अपने स्वयं के दस्तावेजों में छिपे हजारों स्मार्ट विचारों को खोजने, अनुवाद करने और पुन: उपयोग करने के लिए एक सुपर-लाइब्रेरियन के रूप में एआई का उपयोग करना चाहिए।
मुख्य बात:
किसी बड़े ब्रेकथ्रू का इंतजार न करें। पुन: उपयोग (Repurposing) शुरू करें। अपने "पुराने फर्नीचर" को नए, जीवन रक्षक समाधानों में बदलने के लिए एआई का उपयोग करें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।