2018 දී, Google අසාමාන්ය දෙයක් කළේ: ඔවුන් සම්පූර්ණයෙන්ම නව රැකියා තනතුරක් නිර්මාණය කළේය. Cassie Kozyrkov Google හි පළමු ප්රධාන තීරණ විද්යාඥ බවට පත් විය - ප්රධාන දත්ත නිලධාරි, විශ්ලේෂණ සභාපති නොව, නමුත් සංවිධානය හොඳ තීරණ ගැනීම සඳහා උදවු කිරීම සඳහා පැහැදිලි රැකියාවක් ඇති අයෙකි.
ඇයි? නිසා Google බොහෝ සංවිධාන තවමත් නොදන්නා දෙය සොයා ගත්තේ: දත්ත තිබීම දත්ත හොඳින් භාවිතා කිරීම වෙන වෙනම දෙය. ඔවුන් පෙටාබයිට් ගණනක තොරතුරු, දත්ත විද්යාඥයන් සේනාවක්, සහ ලෝක ප්රමුඛ යන්ත්ර ඉගෙනීමේ පහසුකම් තිබුණා. නමුත් ඔවුන් එකම රටාව දුටුවා: බ්රහ්ම විශ්ලේෂණය යම් කිසිවක් නිසා ක්රියා නොකළා, ප්රතිචාර නිසා ප්රතිචාර නොකළ ඩැෂබෝඩ්, AI ආකෘති ප්රතිඵල නිපදවූ නමුත් බලපෑමක් නොමැත.
"තීරණ බුද්ධිය යනු යම් ස්ථානයක යම් පරිමාණයක තොරතුරු හොඳ ක්රියාකාරකම් බවට පරිවර්තනය කරන විද්යාවයි."
මෙය පරණ අදහස් සඳහා නව ලේබලයක් පමණක් නොවේ. තීරණ බුද්ධිය සංවිධාන තුළ දත්ත, විශ්ලේෂණ, සහ ක්රියාව අතර සම්බන්ධය ගැන කලින් සිතුවාට මූලික වෙනසක් නියෝජනය කරයි. ඔබ අපගේ සහයෝගී තීරණ ගැනීමේ මාර්ගෝපදේශ කියවූ පරිදි, ඔබ මෙම සමීකරණයේ මානව පැත්ත — කොන්ඩෝර්සෙට් සිට ගූගල් ප්රොජෙක්ට් ඇරිස්ටෝටල් දක්වා 240 වසරක පර්යේෂණ මගින් ප්රමාණවත් ලෙස සංකලනය කරන ලද විවිධ දසුන්, තනි තීරණ ප්රමාණය ඉක්මවයි.
තීරණ බුද්ධිය මෙම පදනම ගොඩනගා ඇසුවේ: AI, හේතු ආකෘතිකරණය සහ ස්වයං ප්රතිචාර ප්රතිචක්රය එක් කළ විට කුමක් සිදු වේද?
3.1 ට්රිලියන් ප්රශ්නය: ක්රියාකාරකම් නොමැති අත්දැකීම
මෙය ඕනෑම සංවිධාන වළලට බිය ගන්වන අංකය: 65% සංවිධාන තවමත් දත්ත තීරණ ගැනීම සඳහා පමණක් භාවිතා කරයි, දත්ත තීරණ ගැනීම සඳහා භාවිතා කරන බ්රහ්ම බුද්ධි ඩැෂබෝඩ් ඇත. ඔවුන් දත්ත විද්යා කණ්ඩායම් ඇත. නමුත් දත්ත ප්රතිචාර නොමැත.
විශ්ලේෂණ-ක්රියා පරතරය
- BI ඔබට කියයි: "Q3 හි විකුණුම් 12% කින් පහළ ගියේය."
- Data Science ඔබට කියයි: "Q4 හි විකුණුම් 8% තවදුරටත් පහළ යා හැක."
- දෙකම ඔබට නොකියයි: යම් නියමිත ක්රියාවක් ගත යුතුද, එහි සම්භාව්ය ප්රතිඵලය කුමක්ද, එය ක්රියාත්මක වූයේ මොකද යන්න.
McKinsey ගණන් බලා මෙම විශ්ලේෂණ-ක්රියා පරතරය මුල දී ම දත්ත ආයෝජන සඳහා $3.1 ට්රිලියන් අහිමි වටිනාකම ඇත.
මෙය තීරණ බුද්ධිය පරිහරණය කරන ප්රශ්නයයි. තවත් ඩැෂබෝඩ් හෝ තවත් ML ආකෘති එකතු කිරීම නොවේ - තොරතුරු සිට ක්රියාකාරකම් දක්වා ප්රතිඵල මැනීම දක්වා සම්පූර්ණ ප්රවාහය නැවත නිර්මාණය කිරීම මගින්.
තීරණ ඉංජිනේරු විද්යාව සිට තීරණ බුද්ධිය දක්වා සංක්ෂිප්ත ඉතිහාසය
තීරණ බුද්ධියේ සංකල්ප මූලයන් 1950 ගණන් වල දී ඇරඹුණු අතර - කෘත්රිම බුද්ධිය, ක්රියාත්මක පර්යේෂණ සහ හර්බට් සයිමන් ගේ බහු සම්මත බුද්ධි පර්යේෂණ සඳහා නොබෙල් ත්යාගය ලැබූ කාර්ය සමග.
අධ්යාපන මාර්ගය
ආචාර්ය ලොරියන් ප්රට් (Rutgers PhD, පෙර DARPA පර්යේෂක) 2010 දී "තීරණ ඉංජිනේරු විද්යාව" යන යෙදුම හඳුන්වා දුන් අතර 2012 දී "තීරණ බුද්ධිය" ලෙස නම වෙනස් කරන ලදී. ඇය ගේ කාර්ය යන්ත්ර ඉගෙනීම, හේතු යුක්ති සහ සංවිධාන තීරණ ගැනීම එක්ව සංයුක්ත ඉංජිනේරු විද්යාවක් බවට පත් කරන ලදී.
"'තීරණ ඉංජිනේරු විද්යාව' යන යෙදුම විකුණන්න බැහැ. අපි අපේ සාමග්රි සහ පිළියෙළ කිරීම සියල්ල වෙනස් කළා."
කර්මාන්ත මාර්ගය
Cassie Kozyrkov (Duke PhD, තුච්චයෙක්) 2018-2023 අතර Google හි තීරණ බුද්ධි කාර්ය නිර්මාණය කරන ලදී. ඇය දහස් ගණනක ගූගල් වරුන් DI ක්රම පුහුණු දුන්නාය. Google එය "තීරණ බුද්ධි ඉංජිනේරු විද්යාව" ලෙස හඳුන්වයි.
"දත්ත විද්යාව සමාජ සහ කළමනාකරණ විද්යාව."
මෙම සමගාමී සිදු වූයේ දෙකම එකම බිත්තියක් මුණ ගැසුණු නිසා: තාක්ෂණික සංකීර්ණත්වය තීරණ බලපෑම නොමැත. ප්රට්ගේ අධ්යාපන කාර්ය හේතු යුක්තිය අතුරුදන් වීම ඇති කරන නිසා ඇති වූ අතර Kozyrkov ගේ කර්මාන්ත කාර්ය එය පරිමාණයෙන් විසඳීම දැක්වීය.
ව්යාපාරික බුද්ධිය vs දත්ත විද්යාව vs තීරණ බුද්ධිය
DI යනු කුමක්ද යන්න තේරුම් ගැනීම සඳහා පැහැදිලිම මාර්ගය එය සසඳන මාර්ගය වේ. මෙම තුන් විද්යාව කෙසේ වෙනස් ද:
| අංශය | ව්යාපාර බුද්ධිය | දත්ත විද්යාව | තීරණ බුද්ධිය |
|---|---|---|---|
| මූලික ප්රශ්නය | "මොකද සිදු වුනේ?" | "මොකද සිදුවේවි?" | "අපි මොකද කරනවාද?" |
| විශ්ලේෂණ වර්ගය | වර්ණනාත්මක | ��නාගත වක්තෘ | නිර්දේශිත + ප්රතිචාර |
| ප්රතිඵල | මුද්රණ, ඩැෂබෝඩ | නිර්මාණ, අනාවැක | තීරණ + ප්රතිඵල |
| කාල දිශානතිය | අතීත / වර්තමාන | අනාගත | සම්පූර්ණ වටය (අතීත → ක්රියා → අනාගත → ඉගෙනීම) |
| මානව භූමිකා | මුද්රණ අර්ථ කථනය | අනාවැක අර්ථ කථනය | වගකීම, අගයයන්, හුවමාරු |
මූලික අවබෝධය: DI BI හෝ Data Science අත්තිකරණය නොකරයි - එය අඩු කරයි. BI ඉතිහාස පසුබිම සපයයි. Data Science අනාවැකි සපයයි. DI තීරණ යුක්ති, ක්රියා නිර්දේශ සහ අත්දැකීම සහ බලපෑම අතර පරතරය වසා දෙන ප්රතිචාර ප්රතිචක්රය එකතු කරයි.
තීරණ බුද්ධි පරිචය
එහි හදවත සරල නමුත් ශක්තිශාලි ආකෘතියක් මත පදනම් වේ:
නිරීක්ෂණය
වර්තමාන තත්වය පිළිබඳ දත්ත එකතු කරන්න
නිර්මාණය
කාරණ සම්බන්ධතා සිතියම
තීරණ
��නාවැක ප්රතිඵලයක් සහිත ක්රියාව තෝරන්න
ඉගෙනීම
ප්රතිඵල මැන, නිර්මාණය යාවත්කාල කරන්න
තීරණ බුද්ධි චක්රය: නිරීක්ෂණය → ආකෘතිය → තීරණය → ඉගෙන ගන්න → (නැවත)
මෙය මිලිටරි උපාය සඳහා නිර්මාණය කරන ලද OODA චක්රය (නිරීක්ෂණ-අද්දැකීම-තීරණ-ක්රියා) මත මෙය පෙනෙන නමුත් මූලික වෙනස ඇත: ඉගෙන ගන්න පියවර. OODA නිරන්තර සටන් තීරණ සඳහා නිර්මාණය කරන ලද අතර ඔබ ප්රතිඵල මැන ගැනීම සඳහා නවතින්න බැහැ. DI සංවිධාන තීරණ සඳහා නිර්මාණය කර ඇත - ඔබ කළ හැකි අතර යුතුකම ප්රතිඵල ස්වයං ඉගෙනීම සඳහා.
හේතු තීරණ සටහන්: හේතු-ප්රතිඵල සිතියම දැකීම
තීරණ බුද්ධියේ හදවත වන්නේ හේතු යුක්ති - යමක් යමක් සමඟ සම්බන්ධ වී ඇති බව පමණක් නොව, යමක් ඇති කරන බව තේරුම් ගැනීමයි. මෙය වෙනස අතර:
සම්බන්ධතා-ආධාරිත විශ්ලේෂණ
"A නිෂ්පාදනය මිලදී ගන්නා පාරිභෝගිකයින් A නිෂ්පාදනය B මිලදී ගන්නා පාරිභෝගිකයින්ට සමානය."
ප්රශ්නය: B ප්රචාරණය කළ විට A විකුණුම් වැඩි වේද? අපි දන්නේ නැහැ.
හේතු තීරණ සටහන
"A හි මිල අඩු කිරීම → A විකුණුම් වැඩි කිරීම → B විකුණුම් වැඩි කිරීම (සප්පා ප්රයෝගය)."
ක්රියාකාරී: අපි මංකොල්ල (A මිල) සහ යන්ත්රය (සප්පා ප්රයෝගය) දනිමු.
හේතු තීරණ සටහන (CDD) මෙම හේතු-ප්රතිඵල සම්බන්ධතා විස්තර කරයි. එය පෙන්නයි:
- ඉලක්ක: අපි ලබා ගැනීමට උත්සාහ කරන ප්රතිඵල
- ලෙවර්: අපි ගත හැකි ක්රියා
- අතරවරාදී: ලෙවර් සහ ඉලක්ක අතර ඇති බලපෑම් ගැනවිලි
- බාහිර: අපි පාලනය කර නොහැකි අංශ, නමුත් ගණන් කර යුතු
"තීරණය ගැනීම සඳහා තොරතුරු තීරණය වටා නොව තොරතුරු වටා සංවිධානය කිරීම වඩා හොඳය."
AI ස්ථානය: අතිකරණය, නොව ප්රතිස්ථාපනය
මෙතැන දී තීරණ බුද්ධිය Decision Intelligence අතිමහත් ලෙස වෙනස් වේ. "AI සියල්ල ස්වයංක්රීය කරයි" උණුසුම හා "මනුෂ්යයන් සදාකාලිකව තීරණ ගන්නා" සම්ප්රදායික දෘෂ්ටිය හා සම්පූර්ණ වශයෙන් වෙනස් වේ. DI ගේ තනිකඩ: AI මනුෂ්ය තීරණ ගැනීම අතිකරණය කරයි; මනුෂ්යයන් වගකීම රකිත්.
DI හි යෝග්ය AI
තොරතුරු සංස්ලේෂණ
මිනිසුන් සඳහා අසාධ්ය දත්ත පරිමාණ සංස්කරණය. 10,000 ලිපි සාරාංශ ලබා දෙන අනුබල වට ට්ටු වලට.
න්යාය සොයා ගැනීම
මිනිසුන් මිස නොහැකි උච්ච මාන දත්ත හරහා සම්බන්ධතා සහ විචල්යතා සොයන්න.
ප්රතිඵල සංඛ්යා මත
මානව විශ්ලේෂණයට වඩා වේගවත් ලෙස සහ සම්පූර්ණ ලෙස 'මොකද යත්නය කරනවාද' දර්ශන නිර්මාණය කරන්න.
AI නොකරන මනුෂ්ය කාර්ය
අගයයන් සහ නීති
මිල නිර්ණය කරන්න. ප්රතිවාදී වාග් අධිකාරි අනුකූලතා සමතුල්ය කරන්න.
සන්දර්භ සහ තීරණ
සංවිධාන දැනුම, සම්බන්ධතා දැනුම, සහ තත්ව සුක්ෂ්ම බව යොදන්න.
වගකීම
තීරණය හිමි වන්න. නියාමන සහ වාග් අධිකාරි අපේක්ෂා කරන මානව-පාලන මාර්ගය වන්න.
Netflix උදාහරණ වේ. ඔවුන්ගේ නිර්දේශ එන්ජින් (AI) 300 මිලියන ග්රාහකයන් සඳහා දෘශ්ය නැරඹුම් නිමුම් සංස්කරණය කරයි. එය එක ද කථා ප්රසංග තිර ගත නොවූ තුර House of Cards සාර්ථක වන බව අනාවැකි පල කළේය. නමුත් මනුෂ්යයන් — ස්ටුඩියෝ විධායක — $100 මිලියන නිෂ්පාදනය සඳහා අවසර දුන්නේය. AI නමුණු සොයා ගැනීමේ සංකල්ප භාරය ගත්තේය; මනුෂ්යයන් වගකීම ගත්තේය.
Netflix හි 80% දෘශ්ය නැරඹුම් නිර්දේශ එන්ජින් වලින් ලැබේ. නමුත් Netflix පවසන්නේ "මනුෂ්යයන්, නොව යන්ත්ර මානව අවසාන තීරණ ගන්නේ".
2025-2030 අනුගමන තරංගය
Decision Intelligence අධ්යයන මට්ටමින් සමාගම් අනුගමනය වේගයෙන් ගමන් කර ඇත:
වර්තමාන තත්වය (Gartner, 2025)
- 33% සංවිධාන ඩීඅයි ස්ථාපිත කර ඇත
- 17% 6 මාස ඇතුලත ප්රයෝග සඳහා පොරොන්දු වී ඇත
- 19% 6-12 මාස ඇතුලත ස්ථාපිත කිරීම සලකා බලයි
- 25% 12-24 මාස ඇතුලත ස්ථාපිත කිරීම සමාලෝචනය කරයි
- පමණක් 7% කිසිදු අනුමතියක් ප්රකාශ කළේ නැත
වෙළඳපොල මත ඇගයීම
2025 Gartner AI උණුසුම චක්රය Decision Intelligence වල පරිවර්තන තාක්ෂණයක් ලෙස පිළිගනී — 5-20% වර්තමාන අනුගමනය සමග 2-5 වර්ෂ ඇතුලත ප්රමුඛ පරිණත බව අපේක්ෂා කරයි. දැන් තීරණ බුද්ධිය හැකියාව ගොඩනගන සංවිධාන එය මේජර් ස්ථානය වන විට පරිපූර්ණ ක්රියාවලි හා සංවිධාන විශේෂඥ දැනුම ලබා ගනී.
සහයෝගී තීරණ ගැනීම සිට තීරණ බුද්ධිය දක්වා
ඔබ අපගේ Collaborative Decision Making guide කියවා ඇත්නම්, තීරණ බුද්ධිය ගොඩ නගන පදනම ඔබට හඳුනාගත හැක.
CDM ඇති කළ දේ
- විවිධ දසුන් තනි තීරණ ප්රමාණය ඉක්මවයි (කොන්ඩෝර්සෙට්, 1785)
- මානසික ආරක්ෂාව දසුන් බෙදා ගැනීමට ඉඩ ඇත (ගූගල් ප්රොජෙක්ට් ඇරිස්ටෝටල්)
- දූර සමීප අදියර කණ්ඩායම් සොයා ගැනීමට ප්රදානය කරයි
- සංකල්ප පක්ෂපාත සංරචිත පරිචය සමග අඩු කර ඇත
DI එකතු කරන දේ
- ඒඅයි පුළුල් කිරීම: මිනිසුන් සඳහා පිරිමැසුම් තොරතුරු පරිමාණ හසුරුවන්න
- කාරණ නිර්මාණය: 'මොකද යත්නය කරනවාද' විශ්ලේෂණය සඳහා කාරණ-ප්රතිඵල සම්බන්ධතා සිතියම
- ප්රතිචාර වට: තීරණ ප්රතිඵල සඳහා පද්ධතිමය මැන
- තීරණ ස්වයංක්රිය: ඒඅයි සමග මිනිස් පාලනය සහිත දිනකර තීරණ හසුරුවන්න
මෙය මෙසේ අර්ථ නිරූපණය කරන්න: CDM මනුෂ්ය-කේන්ද්රික පදනම; DI එම පදනම මත ගොඩ නගන තාක්ෂණික පද්ධතිය. ඔබට CDM ගේ සහයෝගී තීරණ මූලධර්ම තිබිය යුතුය; නමුත් ඔබ DI හි හැකියාව නැතිව නොමැත.
Argumentree තීරණ බුද්ධිය ක්රියාත්මක කරන ආකාරය
Argumentree තීරණ බුද්ධිය මූලධර්ම සංවිධාන තීරණ ගැනීම සඳහා යොදා ගනී. තීරණ එක්-විට සිදුවීම් ලෙස සැලකීමට වඩා, පරිපාලන මණ්ඩලය ස්වයංක්රීය ඉගෙනුම් පද්ධතියක් නිර්මාණය කරයි:
ප්රතිඵලය: සෑම තීරණයක් ඉගෙනුම් අවස්ථාවක් බවට පත් වේ. කණ්ඩායම් සංවිධාන මතක ගබඩා ගනිති. නව සාමාජිකයන් තීරණය කළ දේ පමණක් නොව ඇයි ද යන්න තේරුම් ගනිති — හා යුක්ති යුක්ති යථාර්ථයට එරෙහිව පැවතුනා ද?
සම්පූර්ණ මාර්ගෝපදේශ
මෙම ලිපිය තීරණ බුද්ධිය ගැන මූලික දේ හඳුන්වා දෙයි. සම්පූර්ණ ගැඹුරු පැන ඇතුලත් — පූර්ණ චතුරස්රාකාර ගොඩනැගීම, අත්හදා බැලීමේ මූලපත්ර, කාරණ සිතියම් සැලැස්ම, හා පවත්නා BI/DS පරිපාලන මණ්ඩලය සමග ඒකාබද්ධ කිරීම — අපගේ නිර්ණායක සම්පත් බලන්න:
තීරණ බුද්ධිය යනු කුමක්ද?
සම්පූර්ණ ආධාර මාර්ගෝපදේශ
5,000+ වචන තීරණ බුද්ධිය ගැන සම්පූර්ණ චතුරස්රාකාර ගොඩනැගීම, අත්හදා බැලීමේ මූලපත්ර, හා පර්යේෂණ පිළිබඳ සියල්ල.
සම්පූර්ණ මාර්ගෝපදේශ කියවන්න