मानव व्यवहार को समझने के लिए नया वर्ल्ड मॉडल तैयार कर रहा मिरर पार्टिकल

अभिव्यक्ति आहूजा के अनुसार भाषा मॉडल उस तरह दुनिया को नहीं देख पाते जिस तरह एक जीता-जागता इंसान देखता है। एलएलएम केवल लिखित भाषा का ढांचा तैयार करते हैं, जबकि मनुष्य की पूरी बनावट दृश्य धारणा, स्थानिक समझ और सामाजिक समझदारी से मिलकर बनती है। उनका मानना है कि सिर्फ भाषा मॉडल्स पर निर्भर रहने का मतलब है उन बातों के आधार पर निष्कर्ष निकालना जिन पर इंसान खुद ध्यान ही नहीं देते। जब लक्ष्य इंसानी व्यवहार का सटीक पूर्वानुमान लगाना हो, तो यह तरीका असल मुद्दे से पूरी तरह भटक जाता है।

इंसानी बदलावों को भांपने वाला नया वर्ल्ड मॉडल

मिरर पार्टिकल ने इसके विपरीत एक नया रास्ता चुना है। स्टार्टअप एक ऐसा फाउंडेशन मॉडल या वर्ल्ड मॉडल तैयार कर रहा है जो शून्य से विकसित किया गया है। यह मॉडल इस बात का डिजिटल सिमुलेशन तैयार करता है कि इंसान कोई कदम क्यों उठाते हैं और समय के साथ उनका आचरण किस तरह बदलता है। कंपनी किसी स्थिर या जड़ इंसान की छवि को नहीं, बल्कि लगातार बदलते इंसान के तौर-तरीकों को दर्ज करना चाहती है।

इस प्रक्रिया के तहत लंबी अवधि का ऐसा डेटा जुटाया जाता है जिससे पता चले कि लोग कैसे बदल रहे हैं, कौन से ट्रिगर्स उन्हें प्रभावित कर रहे हैं और यह बदलाव किस गहराई तक हो रहा है। यदि किसी व्यक्ति या समूह के व्यवहार में कोई बदलाव नहीं आ रहा है, तो स्टार्टअप उसे भी एक अहम संकेत मानता है। इस प्रणाली में ग्राहकों के आंतरिक डेटा के साथ-साथ ताजातरीन समसामयिक घटनाएं, पॉप संस्कृति और सोशल मीडिया का विस्तृत डेटा मिलाया जाता है। इससे किसी खास डेमोग्राफिक वर्ग को एक गतिशील व्यवस्था के रूप में देखा जाता है। कंपनी का सबसे बड़ा जोर लोगों के वास्तविक व्यवहार पर है, यानी वे असल जिंदगी में क्या करते हैं, न कि उन बातों पर जो वे केवल सर्वेक्षणों में दर्ज कराते हैं।

बाजार अनुसंधान और ब्रांड रणनीतियों में शुरुआती इस्तेमाल

व्यावसायिक दुनिया में कदम रखने के लिए मिरर पार्टिकल ने उन क्षेत्रों पर ध्यान केंद्रित किया है जहां इस तरह के विश्लेषण के लिए बजट पहले से मौजूद हैं। इनमें मुख्य रूप से मार्केट रिसर्च, ब्रांड स्ट्रैटेजी और प्रोडक्ट प्लानिंग शामिल हैं। उदाहरण के तौर पर, यह तकनीक किसी सौंदर्य प्रसाधन ब्रांड को सिर्फ जेन जी पीढ़ी के लिए बेहतर विज्ञापन कॉपी लिखने में ही मदद नहीं करती, बल्कि यह भी तय करती है कि उस वर्ग को वास्तव में वह उत्पाद चाहिए भी या नहीं। यदि लक्षित खरीदार आईशैडो पैलेट चाहते ही नहीं हैं, तो उस बाजार में ब्लश बेचना ज्यादा समझदारी भरा फैसला साबित हो सकता है।

मिरर पार्टिकल का यह इंजन ब्रांड्स को केवल भविष्य के कदमों का अनुमान ही नहीं देता, बल्कि उन निर्णयों के पीछे की असली वजह भी बताता है। इसमें खरीदारों की प्रेरणाएं, उनकी सीमाएं और वह पूरा संदर्भ शामिल होता है जो किसी सिफारिश को ठोस आधार देता है। एक शुरुआती परीक्षण में पालतू जानवरों का खाना बनाने वाले एक प्रसिद्ध ब्रांड ने पूछा कि बिक्री बढ़ाने के लिए पैकेजिंग पर चिकन, बीफ या सब्जियों में से किसका चित्र लगाना चाहिए। मिरर की तकनीक ने खुलासा किया कि ब्रांड गलत सवाल पूछ रहा था। पैकेजिंग पर मौजूद तस्वीर से कोई फर्क नहीं पड़ने वाला था, क्योंकि ब्रांड की पहचान बहुत आम और सस्ती बन चुकी थी। जब तक वह अपनी इस सस्ती धारणा की समस्या को ठीक नहीं करता, तब तक उसकी बिक्री में ठहराव बना रहने वाला था।

फाउंडर्स का सफर और भविष्य की योजनाएं

अभिव्यक्ति आहूजा अपने मॉडल के विकास की तुलना एक बच्चे के दुनिया को समझने के सफर से करती हैं। जैसे एक बच्चा पहले देखने की क्षमता हासिल करता है, फिर भाषा सीखता है, अपने शरीर को समझता है और अंत में सामाजिक समझ हासिल करता है, ठीक उसी तरह यह तकनीक भी आगे बढ़ रही है। इंसानी दिमाग को मॉडल करने में आहूजा की गहरी रुचि न्यूरोसाइंस और कंप्यूटर साइंस की उनकी पढ़ाई से आई है। मूल रूप से भारत की रहने वाली आहूजा ने यूनिवर्सिटी ऑफ टोरंटो में शिक्षा हासिल की, जहां वे न्यूरल नेटवर्क के दिग्गज जेफ्री हिंटन के शोध कार्यों से काफी प्रभावित हुईं।

अपनी पढ़ाई पूरी करने के बाद आहूजा ने अमेज़न रोबोटिक्स में काम किया, जहां वे अन्य रोबोट बनाने वाले रोबोट्स के निर्माण से जुड़ी थीं। वहीं उनकी मुलाकात अपने सह-संस्थापकों विल सॉन्ग और थॉमसन येन से हुई। सॉन्ग ने अपने करियर का बड़ा हिस्सा बिक्री को निजीकृत करने वाले इंजन बनाने में बिताया है, जबकि येन ने डीप लर्निंग के जरिए यह समझने पर काम किया है कि एआई एजेंट्स इंसानी आचरण को कैसे समझते हैं। स्टार्टअप का दीर्घकालिक सपना इंसानी व्यवहार का पूर्वानुमान लगाने वाली एक सामान्य परत बनना है, ताकि आने वाले समय में पूरी आबादी के स्तर से आगे बढ़कर व्यक्तिगत स्तर पर सटीक जानकारियां दी जा सकें।