ਆਰਥਿਕ ਅਤੇ ਪਾਲਿਸੀ ਰਿਸਰਚ ਵਿੱਚ AI ਟੂਲਸ ਦੁਆਰਾ ਕੀਤੀਆਂ ਜਾ ਰਹੀਆਂ ਗਲਤੀਆਂ ਕਾਰਨ ਹੁਣ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ (Human Oversight) ਦੀ ਮੰਗ ਤੇਜ਼ ਹੋ ਗਈ ਹੈ। ਇਨਵੈਸਟਰਾਂ ਲਈ ਇਹ ਸਮਾਂ 'Explainable AI' ਅਤੇ 'Human-in-the-loop' ਮਾਡਲਾਂ 'ਤੇ ਫੋਕਸ ਕਰਨ ਦਾ ਹੈ।
ਅੱਜ ਦੇ ਦੌਰ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਵਰਤੋਂ ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਤੇਜ਼ੀ ਨਾਲ ਹੋ ਰਹੀ ਹੈ, ਪਰ ਇਹ ਤਕਨਾਲੋਜੀ ਹੁਣ ਇੱਕ ਨਵੇਂ ਸੰਕਟ ਵਿੱਚ ਫਸਦੀ ਦਿਖਾਈ ਦੇ ਰਹੀ ਹੈ। ਮਸ਼ੀਨ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਆਡਿਟਿੰਗ ਵਿੱਚ ਗਲਤੀਆਂ ਨੇ ਕਾਰਪੋਰੇਟ ਜਗਤ ਨੂੰ ਸੋਚਣ ਲਈ ਮਜਬੂਰ ਕਰ ਦਿੱਤਾ ਹੈ ਕਿ ਕੀ 'Black Box' ਤਕਨੀਕਾਂ ਅਸਲ ਵਿੱਚ ਭਰੋਸੇਮੰਦ ਹਨ?
'Black Box' ਦਾ ਖਤਰਾ
Emmanuel Saez ਅਤੇ Gabriel Zucman ਦੀ ਆਰਥਿਕ ਰਿਸਰਚ ਨਾਲ ਜੁੜੇ ਤਾਜ਼ਾ ਵਿਵਾਦਾਂ ਨੇ ਇਹ ਸਾਫ ਕਰ ਦਿੱਤਾ ਹੈ ਕਿ AI ਡਾਟਾ ਵਿੱਚ ਗਲਤੀਆਂ ਤਾਂ ਫੜ ਲੈਂਦਾ ਹੈ, ਪਰ ਉਸਦੇ ਪਿੱਛੇ ਦਾ ਤਰਕ (Context) ਨਹੀਂ ਸਮਝ ਸਕਦਾ। ਕੰਪਨੀਆਂ ਲਈ ਇਹ ਵੱਡੀ ਮੁਸੀਬਤ ਹੈ ਕਿਉਂਕਿ ਕਲਾਇੰਟਸ ਨੂੰ ਇਹ ਸਮਝਾਉਣਾ ਮੁਸ਼ਕਲ ਹੋ ਰਿਹਾ ਹੈ ਕਿ ਕੋਈ ਨਤੀਜਾ ਕਿਉਂ ਆਇਆ।
ਨਵੀਂ ਰਣਨੀਤੀ: 'Human-in-the-loop'
ਹੁਣ ਮਾਰਕੀਟ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਤਬਦੀਲੀ ਆ ਰਹੀ ਹੈ ਜਿਸ ਨੂੰ 'Hybridization' ਕਿਹਾ ਜਾ ਰਿਹਾ ਹੈ। ਕੰਪਨੀਆਂ ਹੁਣ ਸਿਰਫ਼ ਮਸ਼ੀਨਾਂ 'ਤੇ ਨਿਰਭਰ ਰਹਿਣ ਦੀ ਬਜਾਏ, ਅੰਤਿਮ ਫੈਸਲੇ ਲਈ ਮਨੁੱਖੀ ਮਾਹਿਰਾਂ ਦੀ ਨਿਗਰਾਨੀ (Human-in-the-loop) ਨੂੰ ਜ਼ਰੂਰੀ ਬਣਾ ਰਹੀਆਂ ਹਨ। ਇਹ ਨਾ ਸਿਰਫ ਗਲਤੀਆਂ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ, ਬਲਕਿ ਰੈਗੂਲੇਟਰੀ ਦਬਾਅ ਤੋਂ ਵੀ ਬਚਾਉਂਦਾ ਹੈ।
ਇਨਵੈਸਟਰਾਂ ਲਈ ਸਬਕ
ਜੇਕਰ ਤੁਸੀਂ AI ਸੈਕਟਰ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਹੁਣ ਕੰਪਨੀ ਦੀ 'ਸਪੀਡ' ਤੋਂ ਜ਼ਿਆਦਾ ਉਸਦੇ 'Governance Frameworks' ਅਤੇ 'Explainable AI (XAI)' ਵੱਲ ਧਿਆਨ ਦੇਣ ਦੀ ਲੋੜ ਹੈ। ਜੋ ਕੰਪਨੀਆਂ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਸਹੀ ਆਡਿਟਿੰਗ ਪ੍ਰੋਟੋਕੋਲ ਅਪਣਾਉਣਗੀਆਂ, ਉਹੀ ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਮਾਰਕੀਟ ਦਾ ਭਰੋਸਾ ਜਿੱਤ ਸਕਣਗੀਆਂ।