ਲੇਖਕ ਮਨੂ ਜੋਸਫ਼ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ AI ਅਕਾਦਮਿਕ ਅਤੇ ਕਲਾ ਦੇ ਖੇਤਰਾਂ ਵਿੱਚ ਮਨੁੱਖੀ ਗੇਟਕੀਪਰਾਂ (Gatekeepers) ਦੀ ਥਾਂ ਲੈ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਮਾਨਤਾ ਦਾ ਲੋਕਤੰਤਰੀਕਰਨ ਹੋ ਸਕਦਾ ਹੈ। ਇਹ ਸਿਧਾਂਤਕ ਮਾਡਲ ਪਬਲਿਸ਼ਿੰਗ, ਐਡ-ਟੈਕ ਅਤੇ ਮੀਡੀਆ ਵਰਗੇ ਕੁਰੇਸ਼ਨ (Curation) 'ਤੇ ਨਿਰਭਰ ਕਾਰੋਬਾਰਾਂ ਲਈ ਇੱਕ ਵੱਡਾ ਬਦਲਾਅ ਲਿਆ ਸਕਦਾ ਹੈ, ਪਰ ਇਸ ਨਾਲ ਐਲਗੋਰਿਦਮਿਕ ਸ਼ੁੱਧਤਾ ਅਤੇ ਪੱਖਪਾਤ ਬਾਰੇ ਚਿੰਤਾਵਾਂ ਵੀ ਖੜ੍ਹੀਆਂ ਹੋਣਗੀਆਂ।
AI ਕਰੇਗੀ ਕੰਮਾਂ ਦਾ ਮੁਲਾਂਕਣ?
ਪੱਤਰਕਾਰ ਅਤੇ ਨਾਵਲਕਾਰ ਮਨੂ ਜੋਸਫ਼ ਨੇ ਆਪਣੇ ਇੱਕ ਨਵੇਂ ਵਿਚਾਰ ਵਿੱਚ ਕਿਹਾ ਹੈ ਕਿ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਸਾਡੇ ਸਿਰਜਣਾਤਮਕ ਅਤੇ ਵਿਗਿਆਨਕ ਕੰਮਾਂ ਦੇ ਮੁੱਲ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲ ਸਕਦੀ ਹੈ। ਜੋਸਫ਼ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ AI ਵਿੱਚ ਉਹ 'ਗੇਟਕੀਪਿੰਗ' ਸਿਸਟਮ ਨੂੰ ਖਤਮ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਮਾਹਿਰਾਂ ਦੇ ਛੋਟੇ-ਛੋਟੇ ਗਰੁੱਪ ਹੀ ਤੈਅ ਕਰਦੇ ਹਨ ਕਿ ਵਿਗਿਆਨ, ਅਕਾਦਮਿਕ ਜਾਂ ਕਲਾ ਵਿੱਚ ਕਿਸ ਚੀਜ਼ ਨੂੰ ਮਹੱਤਤਾ ਦਿੱਤੀ ਜਾਵੇ। ਉਨ੍ਹਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਇਸ ਬਦਲਾਅ ਨਾਲ ਸਿਰਫ਼ ਯੋਗਤਾ ਨੂੰ ਤਰਜੀਹ ਮਿਲੇਗੀ, ਨਾ ਕਿ ਉਨ੍ਹਾਂ ਪੱਖਪਾਤਾਂ ਨੂੰ ਜੋ ਅਕਸਰ ਮੌਜੂਦਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਲੋਕਾਂ ਦੇ ਹੱਕ ਵਿੱਚ ਜਾਂਦੇ ਹਨ।
ਕੁਰੇਸ਼ਨ-ਆਧਾਰਿਤ ਇੰਡਸਟਰੀਜ਼ 'ਤੇ ਅਸਰ
ਜਿਨ੍ਹਾਂ ਇੰਡਸਟਰੀਜ਼ ਦਾ ਕੰਮ ਹੀ ਪ੍ਰਤਿਭਾ ਨੂੰ ਲੱਭਣਾ, ਮੁਲਾਂਕਣ ਕਰਨਾ ਅਤੇ ਪ੍ਰਮੋਟ ਕਰਨਾ ਹੈ, ਉਨ੍ਹਾਂ ਲਈ ਮਨੁੱਖੀ ਗੇਟਕੀਪਰਾਂ ਤੋਂ ਐਲਗੋਰਿਦਮਿਕ ਮੁਲਾਂਕਣ ਵੱਲ ਜਾਣਾ ਇੱਕ ਵੱਡਾ ਬਦਲਾਅ ਸਾਬਿਤ ਹੋ ਸਕਦਾ ਹੈ। ਐਜੂਕੇਸ਼ਨਲ ਟੈਕਨਾਲੋਜੀ (EdTech), ਪਬਲਿਸ਼ਿੰਗ ਅਤੇ ਮੀਡੀਆ ਹਾਊਸ ਵਰਗੇ ਸੈਕਟਰ ਅਕਸਰ ਸਬਮਿਸ਼ਨਾਂ ਦੀ ਸਮੀਖਿਆ, ਦਾਖਲੇ ਜਾਂ ਮਾਨਤਾ ਦੇਣ ਲਈ ਮਨੁੱਖੀ ਪੈਨਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਜੇਕਰ AI ਸਿਸਟਮ ਇਹ ਕੰਮ ਕਰਦੇ ਹਨ, ਤਾਂ ਇਨ੍ਹਾਂ ਗੇਟਕੀਪਰਾਂ ਦਾ ਬਿਜ਼ਨਸ ਮਾਡਲ ਬਦਲ ਸਕਦਾ ਹੈ। ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡਾਟਾ ਪ੍ਰੋਸੈਸ ਕਰਕੇ, AI ਅਜਿਹੀਆਂ ਪ੍ਰਤਿਭਾਵਾਂ ਜਾਂ ਵਿਚਾਰਾਂ ਨੂੰ ਲੱਭ ਸਕਦੀ ਹੈ ਜੋ ਸ਼ਾਇਦ ਮਨੁੱਖੀ ਸਮੀਖਿਅਕਾਂ ਦੁਆਰਾ ਅਣਦੇਖੇ ਰਹਿ ਜਾਂਦੇ, ਕਿਉਂਕਿ ਉਹ ਅਕਸਰ ਰੈਜ਼ਿਊਮੇ ਜਾਂ ਸੰਸਥਾਗਤ ਪ੍ਰਤਿਸ਼ਠਾ ਤੋਂ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦੇ ਹਨ।
ਐਲਗੋਰਿਦਮਿਕ ਫੈਸਲਿਆਂ ਵਿੱਚ ਜੋਖਮ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ
ਹਾਲਾਂਕਿ ਇੱਕ ਨਿਰਪੱਖ ਪ੍ਰਣਾਲੀ ਦੀ ਸੰਭਾਵਨਾ ਆਕਰਸ਼ਕ ਹੈ, ਪਰ ਅਜਿਹੇ ਨਿਰਣਾਇਕ ਕੰਮਾਂ ਲਈ AI 'ਤੇ ਨਿਰਭਰ ਰਹਿਣ ਨਾਲ ਕਾਰੋਬਾਰੀ ਅਤੇ ਸੰਚਾਲਨ ਸੰਬੰਧੀ ਖਾਸ ਜੋਖਮ ਪੈਦਾ ਹੁੰਦੇ ਹਨ। ਮੁੱਖ ਚੁਣੌਤੀ 'ਬਲੈਕ ਬਾਕਸ' ਸਮੱਸਿਆ ਹੈ, ਜਿਸ ਵਿੱਚ AI ਦੇ ਫੈਸਲੇ ਦਾ ਕਾਰਨ ਹਮੇਸ਼ਾ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੁੰਦਾ। ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਅਜਿਹੇ ਮਹੱਤਵਪੂਰਨ ਮੁਲਾਂਕਣਾਂ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਐਲਗੋਰਿਦਮਿਕ ਪੱਖਪਾਤ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ, ਜਿੱਥੇ ਮਸ਼ੀਨ ਵਸਤੂਨਿਸ਼ਠਤਾ ਦੇ ਵਾਅਦੇ ਦੇ ਬਾਵਜੂਦ ਸਮਾਜਿਕ ਪੂਰਵ-ਗ੍ਰਹਾਂ ਨੂੰ ਦੁਹਰਾਉਂਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, 'ਸੂਖਮਤਾ ਦਾ ਨੁਕਸਾਨ' ਹੋਣ ਦਾ ਵੀ ਖਤਰਾ ਹੈ—ਭਾਵ, ਮਸ਼ੀਨ ਦੁਆਰਾ ਕਲਾ ਜਾਂ ਵਿਗਿਆਨਕ ਸਿਧਾਂਤਾਂ ਦੇ ਭਾਵਨਾਤਮਕ ਜਾਂ ਸੱਭਿਆਚਾਰਕ ਸੰਦਰਭ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਅਸਮਰੱਥਾ।
ਕਾਰੋਬਾਰਾਂ ਲਈ ਰਣਨੀਤਕ ਵਿਚਾਰ
ਜਿਹੜੀਆਂ ਸੰਸਥਾਵਾਂ AI ਨੂੰ ਆਪਣੇ ਮੁਲਾਂਕਣ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨਾ ਚਾਹੁੰਦੀਆਂ ਹਨ, ਉਨ੍ਹਾਂ ਲਈ ਇਹ ਸਿੱਖਿਆ ਹੈ ਕਿ ਤਕਨਾਲੋਜੀ ਇੱਕ ਸਾਧਨ ਹੈ, ਮਨੁੱਖੀ ਨਿਰਣੇ ਦਾ ਸੰਪੂਰਨ ਬਦਲ ਨਹੀਂ। ਟੀਚਾ ਅਕਸਰ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡਾਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਵਿੱਚ AI ਦੀ ਕੁਸ਼ਲਤਾ ਨੂੰ ਮਨੁੱਖੀ ਮਾਹਿਰਾਂ ਦੀ ਸਮਝਦਾਰੀ ਨਾਲ ਸੰਤੁਲਿਤ ਕਰਨਾ ਹੁੰਦਾ ਹੈ। ਪੇਸ਼ੇਵਰ ਸੇਵਾਵਾਂ ਜਾਂ ਕੰਟੈਂਟ ਕੁਰੇਸ਼ਨ ਵਿੱਚ AI ਦੇ ਅਪਣਾਉਣ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਉਦਯੋਗ ਦੇ ਮਾਹਰਾਂ ਨੂੰ ਇਹ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੰਪਨੀਆਂ AI ਦੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਕਿਵੇਂ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਅਜਿਹੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਅੰਤਿਮ ਸਫਲਤਾ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ ਕਿ ਕੀ ਉਹ ਜਨਤਕ ਭਰੋਸਾ ਬਣਾਈ ਰੱਖ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਨਿਰਪੱਖ, ਸਮਝਾਉਣਯੋਗ ਨਤੀਜੇ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਨਾ ਕਿ ਸਿਰਫ਼ ਇੱਕ ਨਵੇਂ, ਡਿਜੀਟਲ ਢਾਂਚੇ ਦੇ ਹੇਠਾਂ ਮੌਜੂਦਾ ਉਦਯੋਗਿਕ ਪੱਖਪਾਤਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰ ਸਕਦੀਆਂ ਹਨ।