पिछले दो वर्षों में जनरेटिव एआई के विकास और अपनाने की गति को देखते हुए, और कार्यबल की तैयारी की अवधारणा को नए सिरे से ढालने में रुचि के बावजूद, हम गलत रास्ते पर हैं।
हाल ही में, मैंने अमेरिका में काम के भविष्य पर एक बड़ी कंपनी द्वारा आयोजित एक प्रस्तुति में भाग लिया। मुख्य विचार यह था कि उच्च शिक्षा जैसे ज्ञान-आधारित उद्योगों में काम करने वालों को अपनी नौकरी के लिए डरना नहीं चाहिए, बशर्ते वे सहानुभूति, सौंदर्यपरक निर्णय और आलोचनात्मक सोच जैसी विशिष्ट मानवीय क्षमताओं के साथ-साथ एआई साक्षरता कौशल भी विकसित करें। मूल धारणा यह थी कि जनरेटिव एआई प्लेटफ़ॉर्म (जेनएआई) प्रमुख “सॉफ्ट स्किल्स” की नकल और उनकी जगह लेने की संभावना नहीं रखते, जिन कौशलों पर हम कम से कम 20वीं सदी के उत्तरार्ध में STEM शिक्षा (विज्ञान, प्रौद्योगिकी, इंजीनियरिंग और गणित) पर ज़ोर देने के बाद से चर्चा कर रहे हैं। दूसरे शब्दों में, एआई-संचालित कार्यबल की माँगों के लिए नई तकनीक-संबंधी कौशल हासिल करना आवश्यक होगा, लेकिन जिस तरह से हम लोगों को कार्यबल के लिए तैयार करते हैं, वह मौलिक रूप से नहीं बदलेगा।
वे गलत हैं: एआई-संवर्धित कार्यबल में मनुष्यों के लिए बड़े पैमाने पर पारंपरिक तरीकों से भूमिका बनाने का प्रयास, एआई भविष्य के लिए अपर्याप्त कार्यबल बनाने का सबसे सुरक्षित तरीका है। पहले से ही, ग्रामरली और पाई एआई जैसे जनरेटिव एआई प्लेटफ़ॉर्म भावनात्मक बुद्धिमत्ता का अनुकरण करते हैं, और ग्रामरली के पहलुओं का उपयोग यह सुनिश्चित करने के लिए किया जाता है कि मानव संचार सुसंगत, विनम्र, प्रासंगिक और ब्रांड के अनुरूप हो – ये सभी “विशिष्ट मानवीय कौशल” पर एआई के अतिक्रमण को दर्शाते हैं। तेजी से, एआई प्रौद्योगिकियां (जैसे ओपनएआई की चैटजीपीटी4.5) भावनात्मक रूप से बुद्धिमान, विचारशील मानव एजेंटों से अपेक्षित तरीकों से व्यवहार कर रही हैं, कम से कम सीमित संदर्भों में।
एक व्यापक रूप से चर्चित अध्ययन में (और पारंपरिक ज्ञान के विपरीत), जनरेटिव एआई कोरोनावायरस और चुनाव धोखाधड़ी के बारे में षड्यंत्रों में लोगों के विश्वास को दूर करने में उल्लेखनीय रूप से सक्षम साबित हुआ, जो यह भी सुझाव दे सकता है कि एआई संचार में उत्कृष्टता प्राप्त कर सकता है जहां मनुष्य नहीं कर सकते। एक अन्य अध्ययन, सीमित त्वरित जानकारी के साथ भी, प्राप्तकर्ताओं के मनोवैज्ञानिक प्रोफाइल के अनुसार संदेश भेजने की इसकी क्षमता के आधार पर, व्यक्तिगत अनुनय में GenAI की प्रभावकारिता का अन्वेषण करता है। ये और अन्य अध्ययन यह सुझाव दे सकते हैं कि AI-संवर्धित कार्यस्थल में मनुष्यों की स्थायी भूमिका सुनिश्चित करने के लिए सॉफ्ट स्किल्स में विश्वास गलत है।
इसके अलावा, यदि पूर्वानुमान सटीक साबित होते हैं, तो एजेंटिक AI जल्द ही ग्राहकों, छात्रों और मानव कर्मचारियों को अन्य मनुष्यों की तुलना में अधिक सहानुभूतिपूर्ण, स्पष्ट और व्यक्तिगत आवश्यकताओं के अनुरूप तरीकों से जोड़ने में सक्षम होगा। वास्तव में, एजेंटिक AI का वादा इसी विचार पर आधारित प्रतीत होता है, क्योंकि तेजी से स्वायत्त AI प्रणालियों को अपने मानव समकक्षों की आवश्यकताओं को पूरा करने के लिए मूल्य-आधारित, भावनात्मक रूप से बुद्धिमान निर्णय लेने की आवश्यकता होगी। यह धारणा कि “भावनात्मक बुद्धिमत्ता, आलोचनात्मक सोच, नेतृत्व और जटिल समस्या-समाधान स्वाभाविक रूप से मानवीय गुण हैं…” वर्तमान सीमाओं का एक बयान मात्र है, न कि उद्योग के कर्मचारियों को अपस्किल करने या “कार्यबल तत्परता” की धारणा को समायोजित करने की योजना का आधार।
भले ही एजेंटिक एआई की आकांक्षाएँ अल्पावधि में पूरी करना मुश्किल साबित हों, हम पहले ही इस विचार से आगे बढ़ चुके हैं कि एआई-साक्षरता, यानी जेनएआई प्लेटफ़ॉर्म का ज़िम्मेदारी और प्रभावी ढंग से उपयोग करने के लिए आवश्यक कौशल, “तकनीकी कौशल” और “मानव कौशल” में स्पष्ट रूप से विभाजित हैं। बेशक, जहाँ तक मानव कार्यबल का हिस्सा हैं और उन्हें एक-दूसरे के साथ सहयोग करना चाहिए, सहानुभूति, भावनात्मक बुद्धिमत्ता और आलोचनात्मक सोच कार्यबल की तत्परता के लिए हमेशा आवश्यक रहेंगे। लेकिन एआई साक्षरता के लिए उद्योग और शिक्षा में तकनीकों के साथ जुड़ने और उनका लाभ उठाने के हमारे सोचने के तरीके में एक बड़ा बदलाव आवश्यक है: इसके लिए आवश्यक है कि शिक्षा शिक्षण के लिए एक सिस्टम-सैद्धांतिक दृष्टिकोण अपनाए जो संज्ञानात्मक और भावनात्मक लचीलेपन, जिज्ञासा और अनुकूलनीय समस्या-समाधान को प्रोत्साहित करे।
अध्ययन के एक क्षेत्र के रूप में, सामान्य प्रणाली सिद्धांत (जीएसटी) 20वीं सदी के मध्य में नॉर्बर्ट वीनर, निकलास लुहमैन और लुडविग वॉन बर्टानैन्फ़ी जैसे विचारकों के साथ एक अंतःविषय ढाँचे के रूप में उभरा, जिनमें से सभी जटिल प्रणालियों की प्रकृति, उनके मार्गदर्शक सिद्धांतों और उनके अंतर्संबंधों से संबंधित प्रश्नों में रुचि रखते थे। मूल विचार यह है कि प्रणालियाँ – चाहे वे जैविक, सामाजिक या तकनीकी हों – परस्पर निर्भर घटकों, फीडबैक लूप और उभरते गुणों के माध्यम से कार्य करती हैं। सबसे महत्वपूर्ण बात यह है कि प्रणालियाँ गतिशील होती हैं, जिसका अर्थ है कि उनके अध्ययन के लिए जटिलता और परिवर्तन की समझ के साथ-साथ अप्रत्याशित के प्रति सहिष्णुता की भी आवश्यकता होती है – ये सभी बड़े भाषा मॉडल (एलएलएम) जैसी जनरेटिव एआई प्रणालियों के साथ काम करने के लिए आवश्यक हैं।
जीएसटी के प्रति कार्यबल की तत्परता और शैक्षिक अभ्यास की हमारी समझ को पुनः उन्मुख करने के लिए, अन्य बातों के अलावा, यह पहचानना आवश्यक है कि “मानव कौशल” और “एआई क्षमताओं” के बीच पारंपरिक अंतर तेजी से कृत्रिम होता जा रहा है। इसके बजाय, हमें मनुष्यों और कृत्रिम बुद्धिमत्ता के बीच के संबंध को एक जटिल प्रणाली के हिस्से के रूप में देखना चाहिए – जैविक और कृत्रिम बुद्धिमत्ता के बीच एक अंतर्संबंध, जो परस्पर क्रिया और जुड़ाव के माध्यम से एक-दूसरे को आकार देते हैं। कुशल कृत्रिम बुद्धिमत्ता उपयोगकर्ताओं को इस तथ्य को स्वीकार करना होगा कि जैसे-जैसे कृत्रिम बुद्धिमत्ता प्रणालियाँ विकसित होती हैं, वैसे-वैसे उन प्रणालियों के साथ जुड़ाव का रूप और प्रकृति भी विकसित होती है – और तेज़ी से। अनिश्चितता के प्रति सहनशीलता और समस्याओं और समाधानों को नए सिरे से गढ़ने और आकार देने की क्षमता के साथ-साथ स्पष्टता, कठोरता और ज़िम्मेदारी की भावना भी होनी चाहिए। अर्थात्, जटिल प्रणालियों की उभरती ज़रूरतों के साथ पारंपरिक कौशल और आधारभूत ज्ञानमीमांसा का एक गतिशील सम्मिश्रण होना चाहिए।
यह कहना आकर्षक है (और वास्तव में अक्सर कहा भी जाता है) कि इसका अर्थ यह है कि शिक्षा और प्रशिक्षण अब ब्लूम के वर्गीकरण के उच्च स्तरों से शुरू होना चाहिए – याद करने और समझने के बजाय विश्लेषण, मूल्यांकन और रचनात्मकता के साथ। इस दृष्टिकोण से, GenAI का उद्भव हमारे कार्यप्रवाह के अधिक यांत्रिक पहलुओं को स्वचालित करने की अनुमति देता है, जिससे हमें उच्च बौद्धिक क्षमताओं का प्रयोग करने में मदद मिलती है। परिणामस्वरूप, शिक्षा को संज्ञानात्मक कार्यप्रणाली के इन “उच्चतर” पहलुओं को विकसित करने पर ध्यान केंद्रित करना चाहिए।
लेकिन यह मुद्दा नहीं है, और न ही हो सकता है, क्योंकि ब्लूम का प्रचलित ढाँचा दीर्घकालिक शैक्षिक अभ्यास को संहिताबद्ध करता है, जिससे शिक्षण और अधिगम के बारे में पारंपरिक विचारों को बल मिलता है। दूसरे शब्दों में, ब्लूम का वर्गीकरण एक विरासत ज्ञानमीमांसा कहा जा सकता है, अर्थात, अधिगम का एक पारंपरिक सिद्धांत जो विशिष्ट सांस्कृतिक और ऐतिहासिक क्षणों में उभरा। चूँकि ऐसे सिद्धांत इस विश्वास पर आधारित हैं कि शिक्षा सूचना के अधिकांशतः स्थिर क्षेत्रों का संचय है, यह एक ऐसा दृष्टिकोण है जो AI प्रौद्योगिकियों और उनके मानव उपयोगकर्ताओं के बीच गतिशील अंतर्संबंधों को नज़रअंदाज़ कर सकता है। परिणामस्वरूप, ब्लूम के वर्गीकरण जैसे सिद्धांतों के संदर्भ में AI साक्षरता और AI संलग्नता को परिभाषित करना हमारी सोच को तेजी से अप्रासंगिक विचारों और प्रथाओं की ओर धकेलता है। ऐसा नहीं है कि GenAI हमें पारंपरिक अर्थों में अधिक रचनात्मक और विश्लेषणात्मक होने की अनुमति देता है; बल्कि अब हमें इस तथ्य के अभ्यस्त हो जाना चाहिए कि रचनात्मकता और विश्लेषण जैसी अवधारणाएँ तकनीक और लोगों के बीच जटिल संबंधों के आलोक में बदल रही हैं।
कार्यबल तत्परता के भविष्य के लिए इसका क्या अर्थ है? अन्य बातों के अलावा, यह “सिस्टम-स्तरीय” कौशलों पर ज़ोर देता है जो GenAI के साथ जुड़ने और संगठनों को AI एकीकरण का लाभ उठाने के लिए पुनर्निर्देशित करने के लिए आवश्यक होंगे। इनमें संज्ञानात्मक लचीलापन, भावनात्मक स्थिरता, जिज्ञासा, संदर्भ-संवेदनशीलता, आलोचनात्मक मूल्यांकन और अनुकूली समस्या-समाधान शामिल हैं – इन सभी को मानव-AI जुड़ाव के गतिशील संदर्भ में समझा जाना चाहिए। इन कौशलों वाले लोग AI आउटपुट में अंतर्निहित मान्यताओं और पूर्वाग्रहों की पहचान करने, GenAI को उसकी खूबियों का लाभ उठाने के तरीकों से जोड़ने और मानव-AI सहयोग के उत्पादों को मौजूदा उद्देश्यों के अनुरूप ढालने में अच्छे होंगे।
अंततः, भविष्य के कार्यबल को बौद्धिक रूप से चुस्त, भावनात्मक रूप से अनुकूलनशील और जिज्ञासु होना आवश्यक है। प्रशिक्षण और शिक्षा के प्रति प्रणाली-सिद्धांतिक दृष्टिकोण ही हमें इस लक्ष्य तक पहुँचा सकता है।
स्रोत: द एआई जर्नल / डिग्पू न्यूज़टेक्स