Learning epidemics: a compartmental and network approach to how artificial intelligence literacy spreads inside organizations
यह शोध पत्र संगठनों के भीतर कृत्रिम बुद्धिमत्ता (AI) साक्षरता के प्रसार को एक संक्रामक प्रक्रिया के रूप में पुनर्गठित करता है, जो नेटवर्क महामारी विज्ञान (network epidemiology) और मशीन लर्निंग के माध्यम से यह प्रदर्शित करता है कि सीखने की प्रतिधारण क्षमता मुख्य रूप से संरचनात्मक संचार नेटवर्क के गुणों और उनमें व्यक्ति की स्थिति द्वारा संचालित होती है, न कि केवल व्यक्तिगत गुणों द्वारा।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपकी कंपनी एक विशाल, हलचल भरा शहर है। आमतौर पर, जब आर्टिफिशियल इंटेलिजेंस (AI) जैसा कोई नया टूल आता है, तो मैनेजमेंट इसे एक औपचारिक स्कूल की तरह देखता है: वे एक मेमो भेजते हैं, एक ट्रेनिंग सेशन आयोजित करते हैं, और उम्मीद करते हैं कि हर कोई एक ही समय में सीख जाएगा।
लेकिन यह शोध पत्र तर्क देता है कि सीखना वास्तव में इस तरह नहीं होता है। इसके बजाय, सीखना शहर की गलियों में एक संक्रामक रोग (contagion) या एक अफवाह की तरह फैलता है। यह कॉफी ब्रेक, छोटी बातचीत और "अरे, इसे देखो" जैसे क्षणों के दौरान एक व्यक्ति से दूसरे व्यक्ति तक पहुँचता है।
शोधकर्ताओं ने AI कौशल के प्रसार को एक महामारी की तरह माना। उन्होंने पूछा: यदि हम "AI का उपयोग कैसे करें यह जानने" को एक वायरस की तरह मानें, तो यह कार्यालय में कितनी तेज़ी से फैलता है, और क्यों यह कुछ जगहों पर अटक जाता है जबकि कुछ जगहों पर तेज़ी से फैलता है?
यहाँ उनके निष्कर्षों की कहानी है, जिसे सरल अवधारणाओं में विभाजित किया गया है:
1. तीन शहर (संगठन)
इस अध्ययन ने तीन अलग-अलग कंपनियों (मान लीजिए सिटी A, सिटी B और सिटी C) को तीन अलग-अलग समय पर देखा। उन्होंने यह मानचित्रण किया कि AI के बारे में कौन किससे बात करता है।
- सिटी A एक अच्छी तरह से जुड़े हुए महानगर की तरह था। अधिकांश लोग एक-दूसरे को जानते थे, और एक बहुत बड़ा "डाउनटाउन" (मुख्य केंद्र) था जहाँ लगभग सभी लोग जुड़े हुए थे।
- सिटी B थोड़ा बिखरा हुआ था, जिसमें कुछ व्यस्त केंद्र और कई शांत इलाके थे।
- सिटी C अलग-थलग पड़े द्वीपों का एक समूह था। लोग मुख्य रूप से केवल अपने एक या दो विशिष्ट सहकर्मियों से ही बात करते थे, और वे समूह किसी और से बात नहीं करते थे।
2. "रिप्रोडक्शन नंबर" (R0)
महामारी विज्ञान (epidemiology) में, वैज्ञानिक किसी बीमारी के प्रसार की भविष्यवाणी करने के लिए R0 नामक संख्या का उपयोग करते हैं।
- यदि R0 1 से कम है, तो बीमारी खत्म हो जाती है (एक बीमार व्यक्ति एक से कम अन्य व्यक्ति को संक्रमित करता है)।
- यदि R0 1 से अधिक है, तो बीमारी फैलती है (एक बीमार व्यक्ति एक से अधिक अन्य व्यक्ति को संक्रमित करता है)।
शोधकर्ताओं ने प्रत्येक शहर के लिए एक "लर्निंग R0" की गणना की। इस संख्या ने उन्हें बताया कि कंपनी का संचार नेटवर्क नए कौशल फैलाने में कितना सक्षम था।
- सिटी A का R0 उच्च (2.92) था। नेटवर्क विचारों को फैलाने के लिए एकदम सही था।
- सिटी B बीच में था (1.93)।
- सिटी C खतरे की रेखा से मुश्किल से ऊपर था (1.14)। नेटवर्क इतना टूटा हुआ था कि विचार यात्रा करने के लिए संघर्ष कर रहे थे।
परिणाम: जिस कंपनी का नेटवर्क सबसे अच्छा था (सिटी A), उसने सीखने में सबसे अधिक लोगों को जोड़े रखा। जिस कंपनी का नेटवर्क टूटा हुआ था (सिटी C), उसने लगभग सभी को खो दिया। नेटवर्क की संरचना ने प्रशिक्षण सामग्री की तुलना में सीखने के कार्यक्रम की सफलता की बेहतर भविष्यवाणी की।
3. सिकुड़ता और सघन होता समूह
यहाँ चौंकाने वाला हिस्सा है। जैसे-जैसे समय बीता, हर कोई लोगों को खोता गया। लोगों ने सर्वेक्षणों का जवाब देना बंद कर दिया या AI के बारे में बात करना बंद कर दिया। नेटवर्क छोटे होते गए।
लेकिन, जो लोग बचे रहे, वे एक-दूसरे से अधिक बार बात करने लगे।
- कल्पना कीजिए कि एक बड़ी, ढीली पार्टी चल रही है जहाँ लोग दूर जा रहे हैं। जो लोग रुक जाते हैं, वे अंततः एक तंग घेरे में सिमट जाते हैं और तीव्रता से बातें करते हैं।
- "लर्निंग नेटवर्क" बढ़ा नहीं; बल्कि वह सघन (consolidate) हुआ। यह एक घने, छोटे केंद्र में सिमट गया।
- टूटे हुए शहर (सिटी C) में, नेटवर्क इतना सिकुड़ गया कि वह कुछ छोटे, अलग-थलग पड़े समूहों में बदल गया। जुड़े हुए शहर (सिटी A) में, केंद्र मजबूत और घना बना रहा।
4. कौन रुकता है? यह केवल व्यक्ति के बारे में नहीं है
शोधकर्ताओं ने कंप्यूटर मॉडल का उपयोग यह पता लगाने के लिए किया कि कौन जुड़ा रहा और कौन चला गया। उन्हें लगा कि शायद सबसे बुद्धिमान लोग, सबसे वरिष्ठ लोग, या सबसे शिक्षित लोग रुके रहेंगे।
उन्होंने कुछ अलग पाया:
- यह आपके नेटवर्क में आपके "पते" के बारे में है: सबसे महत्वपूर्ण कारक क्लोजनेस सेंट्रैलिटी (Closenheid Centrality) था। यह कहने का एक फैंसी तरीका है: आप बाकी सभी लोगों के कितने करीब हैं? यदि आप बातचीत के प्रवाह के बीच में हैं, तो आपके निरंतर सीखते रहने की संभावना अधिक है।
- यह आपके "पड़ोस" के बारे में है: आप जिस विभाग (Department) में काम करते हैं, वह आपके जॉब टाइटल से अधिक मायने रखता था। कुछ टीमों में साझा करने की संस्कृति थी; अन्य में नहीं।
- "टेन्यूर" (कार्यकाल) की पहेली: आपने वहां कितना समय बिताया है (टेन्यूर) का संबंध सीधा "जितना लंबा, उतना बेहतर" वाला नहीं था। यह नॉन-लीनियर (गैर-रेखीय) था। इसका मतलब है कि बहुत नए कर्मचारी और बहुत पुराने कर्मचारी, दोनों ही बीच के कर्मचारियों की तुलना में अलग व्यवहार करते थे। कंप्यूटर मॉडल इस जटिल पैटर्न को देख सकते थे, लेकिन एक साधारण गणितीय रेखा नहीं।
5. मुख्य निष्कर्ष
यह शोध पत्र निष्कर्ष निकालता है कि सीखना एक संरचनात्मक गुण (structural property) है।
आप केवल एक नई तकनीक नहीं खरीद सकते और यह उम्मीद नहीं कर सकते कि वह टिक जाएगी। यदि आपका कार्यालय सिटी C (अलग-थलग द्वीप) की तरह है, तो कोई भी प्रशिक्षण काम नहीं करेगा क्योंकि लोगों के बीच के "रास्ते" टूटे हुए हैं। आपको पहले पुल बनाने होंगे।
यदि आपका कार्यालय सिटी A (एक जुड़ा हुआ शहर) की तरह है, तो सीखना स्वाभाविक रूप से फैलेगा, लेकिन आपको "डाउनटाउन" (केंद्रीय कनेक्टर्स) की रक्षा करने की आवश्यकता है क्योंकि यदि वे चले जाते हैं, तो पूरा सिस्टम ध्वस्त हो सकता है।
संक्षेप में: अपने संगठन को सीखने के योग्य बनाने के लिए, केवल व्यक्तिगत कर्मचारी पर ध्यान केंद्रित न करें। उस मानचित्र पर ध्यान दें कि कौन किससे बात करता है। यदि मानचित्र टूटा हुआ है, तो सीखना यात्रा नहीं करेगा। यदि मानचित्र जुड़ा हुआ है, तो सीखना एक अच्छी अफवाह की तरह फैलेगा।
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।