डीप रीइन्फोर्समेंट लर्निंग - व्यक्तिगत प्राथमिकताएँ सीखना
ऑनलाइन सिस्टम के साथ व्यक्तिगत बातचीत अब सर्वव्यापी हैं। कई संगठनों को यह सुनिश्चित करना होगा कि सभी उपयोगकर्ता संतुष्ट हों और प्रतिस्पर्धी बने रहने के लिए व्यक्तिगत उपयोगकर्ता वरीयताओं पर विचार करते हुए किसी विशेष सेवा प्रस्ताव का आनंद लें। ग्राहक वैयक्तिकरण का उद्देश्य उपयोगकर्ता वरीयताओं का अनुमान लगाना और तदनुसार उपयोगकर्ता अनुभव को अनुकूलित करना है। कृत्रिम बुद्धिमत्ता को सुदृढीकरण अधिगम तकनीकों के साथ जोड़ा जाना इस कार्य के लिए उपयुक्त है क्योंकि कृत्रिम तंत्रिका नेटवर्क सीधे उपयोगकर्ता से सीखने की क्षमता प्रदान करता है।
| मूवी A | मूवी B | मूवी C | ||
| व्यक्ति A | 5 स्टार | 3 स्टार | 4 स्टार | |
| व्यक्ति B | 3 स्टार | 5 स्टार | 2 स्टार | |
| व्यक्ति C | 2 स्टार | 3 स्टार | 5 स्टार |
मुख्य सिद्धांत समान रुचियों वाले अन्य उपयोगकर्ताओं की पसंद के आधार पर उपयोगकर्ता वरीयताओं का आवश्यक मैट्रिक्स प्राप्त करने के लिए पहले से उपयोगकर्ता वरीयताओं का अनुमान लगाना है। सहयोगी फ़िल्टरिंग के लिए मल्टीलेयर पर्सेप्ट्रॉन का उपयोग नेटवर्क को उपयोगकर्ताओं के सिस्टम के साथ बातचीत करते समय सीखने और अनुकूल होने देकर समय से पहले उपयोगकर्ता वरीयताओं का सटीक अनुमान लगाने के लिए किया जा सकता है। पर्याप्त डेटा बिंदुओं को देखते हुए, सिस्टम उपयोगकर्ता वरीयताओं का अनुमान लगाने में उल्लेखनीय रूप से सटीक हो जाता है क्योंकि समानता रखने वाले लोग एक समूह में झुकते हैं।
संगठनात्मक चुनौती का अवलोकन
संगठनों को ऐसी सेवाएं प्रदान करना आवश्यक है जो विविध जनसांख्यिकीय वर्ग के लिए सुलभ हों। एक ऐसी प्रणाली जो हर किसी के लिए व्यक्तिगत उपयोगकर्ता प्राथमिकताओं को प्रोग्रामेटिक और सिमेंटिक रूप से दोनों तरह से ध्यान में रखती है, को परिभाषित करना चुनौतीपूर्ण है। यह विशेष रूप से इस तथ्य से और जटिल हो जाता है कि व्यक्तिगत प्राथमिकताएँ दिन-प्रतिदिन या व्यक्ति के जीवन के चरण के आधार पर बदल सकती हैं।
इस समस्या को हल करना आवश्यक है क्योंकि सामग्री को एक तरीके से प्रदर्शित करना विशिष्ट उपयोगकर्ताओं के लिए बेहतर हो सकता है जबकि अन्य उपयोगकर्ताओं से ध्यान भटकाता है, जिससे सीधे तौर पर उन उपयोगकर्ताओं की अधिकतम सीमा प्रभावित होती है जिन्हें एक उत्पाद प्राप्त करने की संभावना है और उपयोगकर्ता द्वारा प्लेटफ़ॉर्म पर बिताए गए समय की मात्रा प्रभावित होती है। YouTube और Instagram जैसे स्थापित प्लेटफ़ॉर्म को बाधित करने वाले सोशल मीडिया ऐप TikTok के साथ वास्तविक दुनिया के प्रभाव देखे गए हैं। जबकि बाद में उल्लिखित प्लेटफ़ॉर्म सामग्री सुझाने के लिए सोशल-मीडिया ग्राफ़ विश्लेषण का उपयोग करते हैं, TikTok पूरी तरह से उपयोगकर्ता-प्रदान की गई जानकारी और सामग्री को व्यवस्थित करने के लिए कंप्यूटर विज़न, प्राकृतिक भाषा प्रसंस्करण और मेटा-डेटा विश्लेषण के संयोजन पर निर्भर करता है। यह इतना अच्छा काम किया है कि प्लेटफ़ॉर्म पर उपयोगकर्ता प्रतिधारण प्रतिस्पर्धियों से अधिक है।
सामग्री को व्यवस्थित करने के लिए पारंपरिक मशीन लर्निंग का उपयोग एक सुस्थापित विचार है जो बाद में विकसित हुआ और कृत्रिम बुद्धिमत्ता ढांचे अधिक सुलभ होने के साथ कृत्रिम तंत्रिका नेटवर्क का उपयोग करने तक प्रगति की। मशीन लर्निंग का उपयोग करके सामग्री को व्यवस्थित करने का एक प्रारंभिक उदाहरण नेटफ्लिक्स पुरस्कार (https://en.wikipedia.org/wiki/Netflix_Prize) था, जहां नेटफ्लिक्स ने मशीन लर्निंग मॉडल के सबमिशन के लिए विजेता को $1,000,000 USD का इनाम देने का आह्वान किया था। बाद में, इस विचार के कई पुनरावृत्तियां MovieLens डेटासेट (https://movielens.org/) के साथ साकार हुईं।
वर्तमान और भविष्य के प्लेटफॉर्म को इस क्षमता को स्थापित करने की आवश्यकता होगी जो उपयोगकर्ताओं को पुनः प्रशिक्षित करने और आकर्षित करने के लिए कृत्रिम तंत्रिका नेटवर्क का उपयोग करती है।
AI इनपुट के रूप में उपलब्ध संगठनात्मक डेटा
AI पूर्वानुमान में उपयोग के लिए उपलब्ध डेटा स्रोत निम्नलिखित हैं:
कृत्रिम बुद्धिमत्ता को डीप लर्निंग विधियों के साथ जोड़कर ग्राहक वैयक्तिकरण प्रदान करने के तरीके के लिए एक उच्च-स्तरीय प्रक्रिया निम्नलिखित प्रदान करती है:
- CRM सिस्टम से ग्राहक मेटा-डेटा (यानी Salesforce, Microsoft CRM)
- खरीद इतिहास (जैसे Amazon, Shopify)
- लेन-देन के टाइमस्टैम्प और राशि (यानी PoS सिस्टम, Stripe, PayPal)
एकीकरण कार्यप्रणाली
- किसी उपयोगकर्ता के बारे में ऐसी विशेषताओं को कैप्चर करें जो उपयोगकर्ता की प्राथमिकताओं का अनुमान लगा सकें
- कैप्चर की गई विशेषताओं के साथ डीप-लर्निंग मॉडल को प्रशिक्षित करें
- विशेषताओं के आधार पर उपयोगकर्ता क्या पसंद करेगा, इसकी भविष्यवाणी करें
- उपयोगकर्ता क्या देखना चाहता है, इसके लिए भविष्यवाणियों के माध्यम से सामग्री को अनुकूलित करें
- उपयोगकर्ता के ऑनलाइन प्रणाली के साथ इंटरैक्ट करने के दौरान मॉडल को लगातार सही करें, जिससे समय के साथ प्रणाली में सुधार हो।
चूंकि Telemus AI™ अधिकांश कार्य का ध्यान रखता है, इसलिए संगठन तकनीकी कार्यान्वयन के बजाय बिज़नेस लॉजिक पर ध्यान केंद्रित कर सकता है।
संगठनात्मक अनुप्रयोग
आपके संगठन के लिए अन्य संभावित अनुप्रयोगों की निम्नलिखित सूची:
- खरीद की संभावना को बढ़ाने के लिए उपयोगकर्ता के लिए सामग्री को अनुकूलित करना
- उपयोगकर्ता प्रतिधारण में सुधार करने वाली सेवा के साथ ग्राहक संतुष्टि सुनिश्चित करना
- यह सुनिश्चित करना कि सामग्री नई और उपयोगकर्ता के लिए प्रासंगिक हो
संभावित और महसूस किए गए लाभ
Telemus AI™ एक ऑस्ट्रेलियाई-स्थित कृत्रिम बुद्धिमत्ता कंपनी है जो सरकारों और उद्यमों को उन्नत समाधान प्रदान करती है। आज ही हमसे संपर्क करें और जानें कि कैसे Telemus AI™ को आपके संगठन में एकीकृत किया जा सकता है, इस पर निःशुल्क परामर्श प्राप्त करें।
