Predicting consumer-technology ownership without a diffusion history
यह शोध पत्र प्रदर्शित करता है कि उपभोक्ता प्रौद्योगिकियों के कथित गुण, जिन्हें मनुष्यों और फ्रंटियर लैंग्वेज मॉडल्स दोनों द्वारा रेट किया गया है, लॉन्च-आयु बेसलाइन्स की तुलना में स्वामित्व की व्यापकता के पूर्वानुमान में महत्वपूर्ण रूप से सुधार कर सकते हैं, हालांकि यह लाभ अल्पकालिक पूर्वानुमानों के लिए कम हो जाता है जहाँ स्वामित्व के रुझान स्थिर रहते हैं।
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
कल्पना कीजिए कि आप एक जासूस हैं जो अपराध होने से पहले ही उसे सुलझाने की कोशिश कर रहे हैं। तकनीक की दुनिया में, यह सबसे बड़ी चुनौती है: यह अनुमान लगाना कि क्या कोई बिल्कुल नया गैजेट घर-घर का हिस्सा बन जाएगा या दराज में धूल फांकता रह जाएगा। आमतौर पर, विशेषज्ञ यह अनुमान लगाने के लिए देखते हैं कि अतीत में समान उत्पादों का प्रदर्शन कैसा रहा है, जैसे कल के बादलों को देखकर आज के मौसम का पूर्वानुमान लगाने की कोशिश करना। लेकिन क्या होगा यदि वह गैजेट इतना नया हो कि उसके जैसा पहले कभी कुछ अस्तित्व में ही न रहा हो? वहाँ देखने के लिए कोई बादल नहीं हैं। यह "प्री-लॉन्च" (लॉन्च से पूर्व की) समस्या है। इसे हल करने के लिए, वैज्ञानिक UTAUT2 नामक एक ढांचे का उपयोग करते हैं, जो मूल रूप से सात भावनाओं की एक चेकलिस्ट है जो लोगों के मन में एक नए उपकरण के प्रति होती हैं: क्या यह उपयोगी है? क्या इसे उपयोग करना आसान है? क्या मेरे दोस्त सोचते हैं कि मेरे पास यह होना चाहिए? क्या यह मजेदार है? क्या इसकी कीमत बहुत अधिक है? यदि हम इन भावनाओं को माप सकें, तो शायद हमें बिना किसी क्रिस्टल बॉल (भविष्य बताने वाले गोले) के भविष्य का अनुमान लगाने में मदद मिल सकती है।
यह शोध पत्र एक नए प्रकार के क्रिस्टल बॉल का परीक्षण करने के बारे में है। शोधकर्ता यह देखना चाहते थे कि क्या वे किसी विशिष्ट तकनीक के "व्यक्तित्व गुणों" (UTAUT2 भावनाओं) के बारे में पूछकर यह अनुमान लगा सकते हैं कि कितने लोग उसे अपनाएंगे, बिना उस उत्पाद के अपने बिक्री इतिहास को जाने। उन्होंने 65 अलग-अलग गैजेटों की एक सूची एकत्र की, स्मार्टवॉच से लेकर रसोई के उपकरणों तक, और दो समूहों से उन्हें रेट करने के लिए कहा: वास्तविक इंसान और सुपर-स्मार्ट कंप्यूटर प्रोग्राम (AI भाषा मॉडल)। इंसान ऑनलाइन सर्वे किए गए सामान्य लोग थे, जबकि कंप्यूटर उपलब्ध सबसे उन्नत AI मॉडलों में से दो थे, जिनके नाम Claude Opus 4.7 और GPT-5.5 थे।
टीम ने एक गणितीय रेसिपी बनाई ताकि यह देखा जा सके कि क्या ये रेटिंग वास्तविक स्वामित्व (ownership) के आंकड़ों की भविष्यवाणी कर सकती हैं। उन्होंने डेटा के साथ "लुका-छिपी" का खेल खेला: उन्होंने सूची में से एक गैजेट निकाला, अन्य 64 गैजेटों की रेटिंग का उपयोग करके उसकी लोकप्रियता का अनुमान लगाया, और फिर जांच की कि क्या वे सही थे। परिणाम आश्चर्यजनक थे। जब कंप्यूटर रेटिंग कर रहे थे, तो वे लोकप्रियता का अनुमान लगाने में इंसानों की तुलना में बहुत बेहतर थे। Claude Opus 4.7 मॉडल ने ऐसी गलतियाँ कीं जो केवल इस आधार पर लगाए गए अनुमान से 17% कम थीं कि तकनीक कितनी पुरानी है, और इसने मानव रेटिंगों को एक बड़े अंतर से पीछे छोड़ दिया। GPT मॉडल भी इंसानों से बेहतर था, हालांकि वह Claude जितना अच्छा नहीं था।
हालाँकि, इस कहानी में एक मोड़ है। जबकि विशेषता रेटिंग्स इस बात की भविष्यवाणी करने में बेहतरीन थीं कि कोई उत्पाद अभी कितना लोकप्रिय है, वे यह अनुमान लगाने में विफल रहीं कि समय के साथ उसकी लोकप्रियता में क्या बदलाव आएगा। जब शोधकर्ताओं ने देखा कि 2022 और 2025 के बीच स्वामित्व के आंकड़ों में कैसे बदलाव आया, तो रेटिंग्स ने बिल्कुल भी मदद नहीं की। वास्तव में, केवल यह अनुमान लगाना कि "कुछ नहीं बदलेगा" उतना ही सटीक था जितना कि फैंसी AI रेटिंग का उपयोग करना। यह सुझाव देता है कि जबकि हम किसी उत्पाद की वर्तमान सफलता का एक स्नैपशॉट लेने के लिए इन गुणों का उपयोग कर सकते हैं, वे हमें यह बताने के लिए पर्याप्त जादुई नहीं हैं कि अगले कुछ वर्षों में कोई गैजेट तेजी से बढ़ेगा या विफल हो जाएगा।
शोधकर्ताओं को AI द्वारा किए गए एक चालाकी भरे धोखे के बारे में भी सावधान रहना पड़ा। चूंकि AI को इंटरनेट के डेटा पर प्रशिक्षित किया गया था, इसलिए संभव था कि वह "जानता" हो कि कौन से गैजेट पहले से ही प्रसिद्ध हैं और वह उनके गुणों के आधार पर रेटिंग देने का नाटक कर रहा हो, जबकि वास्तव में वह केवल उत्तर याद कर रहा था। उन्होंने यह जांचने के लिए विशेष परीक्षण किए कि क्या AI अपनी याददाश्त का उपयोग कर रहा था, और हालांकि वे यह साबित नहीं कर सके कि AI अपनी याददाश्त का उपयोग नहीं कर रहा था, साक्ष्य बताते हैं कि वह तथ्यों को केवल दोहराने के बजाय तर्क करने का काम कर रहा था।
अंत में, यह शोध पत्र तकनीक के भविष्य का पूर्वानुमान लगाने का एक आशाजनक तरीका दिखाता है। किसी AI से किसी नए उत्पाद को "यह कितना मजेदार है" या "इसे उपयोग करना कितना आसान है" जैसी चीजों पर रेटिंग करने के लिए कहकर, हम आश्चर्यजनक रूप से सटीक अनुमान प्राप्त कर सकते हैं कि कितने लोग उसे अपनाएंगे। हालाँकि, इस अध्ययन का मुख्य परिणाम उन तकनीकों पर लागू होता है जो पहले से ही बाजार में मौजूद हैं, जहाँ AI उनके गुणों के बारे में तर्क करने के लिए अपने प्रशिक्षण डेटा का उपयोग कर सकता है। यह उत्पादों के बारे में समझने के लिए एक बहुत ही सटीक उपकरण है जिन्हें बाजार द्वारा पहले ही परखा जा चुका है, लेकिन क्या यही विधि वास्तव में किसी गैजेट की सफलता की भविष्यवाणी कर सकती है जिसे किसी ने भी पहले कभी देखा या स्वामित्व में लिया ही नहीं है, यह अगला बड़ा सवाल है। यह एक बहुत ही तेज कैमरे की तरह है जो आपको आज बता सकता है कि कार कैसी दिखती है, लेकिन यह अभी भी यह नहीं बता सकता कि वह कार कल दौड़ जीतेगी या नहीं।
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।