लेखक मनु जोसेफ यांच्या मते, आर्टिफिशियल इंटेलिजन्स (AI) शैक्षणिक आणि कला क्षेत्रातील मानवी तज्ञांची जागा घेऊ शकते. यामुळे ओळख मिळवण्याची प्रक्रिया अधिक सोपी होऊ शकते. मात्र, या अल्गोरिदमच्या अचूकतेवर आणि पक्षपातावर प्रश्नचिन्ह निर्माण होत आहे.
AI मुळे बदलेल मूल्यांकनाची पद्धत
प्रसिद्ध पत्रकार आणि लेखक मनु जोसेफ यांनी एक नवीन दृष्टिकोन मांडला आहे. त्यांच्या मते, आर्टिफिशियल इंटेलिजन्स (AI) मुळे वैज्ञानिक आणि कलात्मक कामांचे मूल्यमापन करण्याची पद्धत पूर्णपणे बदलू शकते. AI हे आजवर चालत आलेले 'गेटकीपिंग'चे (Gatekeeping) वर्चस्व मोडून काढू शकते. यात वैज्ञानिक, शैक्षणिक आणि कला क्षेत्रातील तज्ञांचे छोटे गट ठरवतात की काय महत्त्वाचे आहे.
जोसेफ यांच्या मते, या बदलामुळे व्यक्तीनिष्ठ पक्षपाताऐवजी (subjective biases) वस्तुनिष्ठ गुणवत्तेला (objective merit) अधिक प्राधान्य मिळेल, कारण अनेकदा सध्याच्या पद्धतीत जुन्या विचारसरणीच्या लोकांना जास्त महत्त्व दिले जाते.
क्युरेशन-आधारित उद्योगांवर परिणाम
ज्या उद्योगांमध्ये कामाची निवड, मूल्यांकन आणि प्रसिद्धी यावर भर दिला जातो, त्यांच्यासाठी मानवी मूल्यांकनाकडून अल्गोरिथमिक मूल्यांकनाकडे होणारा हा बदल खूप महत्त्वाचा ठरू शकतो. शिक्षण तंत्रज्ञान (EdTech), पारंपरिक प्रकाशन आणि माध्यम कंपन्यांमध्ये अनेकदा मनुष्यबळ पॅनेलद्वारे अर्जांचे पुनरावलोकन केले जाते, प्रवेश दिले जातात किंवा पुरस्कार दिले जातात.
जर AI प्रणालींनी हे काम केले, तर या 'गेटकीपर्स'च्या व्यवसाय मॉडेलमध्ये (business model) मोठे बदल होऊ शकतात. मोठ्या प्रमाणात डेटाचे विश्लेषण करून, AI अशा ठिकाणाहूनही नवीन प्रतिभा किंवा कल्पना शोधून काढू शकते, ज्यांना मानवी समीक्षकांनी दुर्लक्षित केले असते, कारण ते अनेकदा कागदपत्रांवर किंवा संस्थात्मक प्रतिष्ठेवर (institutional prestige) आधारित असतात.
अल्गोरिथमिक निर्णयातील जोखीम आणि विश्वासार्हता
अधिक गुणवत्तेवर आधारित प्रणालीचे भविष्य आकर्षक असले तरी, व्यक्तिनिष्ठ मूल्यांकनासाठी AI वर अवलंबून राहिल्याने विशिष्ट व्यावसायिक आणि कार्यान्वयन जोखीम (operational risks) निर्माण होतात. सर्वात मोठे आव्हान 'ब्लॅक बॉक्स' समस्येचे आहे. AI ने घेतलेल्या निर्णयामागील कारणे नेहमी स्पष्ट किंवा समजण्यासारखी नसतात.
जर एखाद्या कंपनीने गंभीर मूल्यांकनासाठी AI लागू केले, तर त्यांना अल्गोरिथमिक पक्षपाताचा (algorithmic bias) धोका संभवतो. मशीन वस्तुनिष्ठतेचे वचन देऊनही समाजातील विद्यमान पूर्वग्रह (societal prejudices) प्रतिबिंबित करू शकते. याव्यतिरिक्त, 'सूक्ष्मतेचा अभाव' (loss of nuance) ही देखील एक जोखीम आहे – मशीन कला किंवा वैज्ञानिक सिद्धांतांना परिभाषित करणारा भावनिक किंवा सांस्कृतिक संदर्भ (emotional or cultural context) समजू शकत नाही.
व्यवसायांसाठी धोरणात्मक विचार
जे व्यवसाय AI ला त्यांच्या मूल्यांकन प्रक्रियेत समाकलित करू इच्छितात, त्यांच्यासाठी धडा हा आहे की तंत्रज्ञान हे एक साधन आहे, मानवी निर्णयाची परिपूर्ण जागा नाही. AI ची क्षमता मोठ्या डेटावर प्रक्रिया करण्याची आणि मानवी तज्ञांची सूज्ञता यांचा समतोल साधणे हे ध्येय असले पाहिजे. व्यावसायिक सेवा किंवा सामग्री क्युरेशनमध्ये AI च्या अवलंबनावर लक्ष ठेवणारे गुंतवणूकदार आणि उद्योग निरीक्षकांनी कंपन्या AI ची कार्यक्षमता आणि मानवी निरीक्षणाची गरज यांच्यातील तडजोड कशी व्यवस्थापित करतात यावर लक्ष ठेवले पाहिजे.
अशा प्रणालींचे अंतिम यश हे सार्वजनिक विश्वास टिकवून ठेवण्यावर आणि केवळ नवीन डिजिटल चौकटीखाली सध्याचे उद्योग पक्षपात स्वयंचलित करण्याऐवजी, निष्पक्ष आणि स्पष्ट परिणाम देण्यावर अवलंबून असेल.
