صنعتوں میں ، کاروبار اب ٹیکنالوجی اور ڈیٹا کمپنیاں ہیں۔ جتنی جلدی وہ اس کو سمجھیں گے اور اس پر عمل کریں گے ، اتنی جلدی وہ اپنے صارفین کی ضروریات اور توقعات پر پورا اتریں گے ، زیادہ کاروباری قدر پیدا کریں گے اور آگے بڑھیں گے۔ کاروبار کو نئے سرے سے متعین کرنا اور نئے کاروباری عمل ، ثقافت ، کسٹمر کے تجربات اور مواقع پیدا کرنے کے لیے ڈیجیٹل ٹیکنالوجیز کا استعمال کرنا تیزی سے اہم ہوتا جا رہا ہے۔

ڈیجیٹل تبدیلی کے بارے میں ایک افسانہ یہ ہے کہ یہ سب ٹیکنالوجی کے استعمال کے بارے میں ہے۔ یہ. کامیاب ہونے کے لیے ، ڈیجیٹل تبدیلی قدرتی طور پر درکار ہوتی ہے اور تنوع پر منحصر ہوتی ہے۔ مصنوعی ذہانت (AI) انسانی ذہانت کا نتیجہ ہے ، جو اس کی بے پناہ صلاحیتوں کے باعث فعال ہے اور اس کی حدود کے لیے بھی حساس ہے۔

لہذا ، تنظیموں اور ٹیموں کے لیے ضروری ہے کہ وہ تنوع کو ترجیح دیں اور روایتی احساس سے ہٹ کر اس کے بارے میں سوچیں۔ میرے لیے ، تنوع تین کلیدی ستونوں کے گرد ہے۔

لوگ۔

لوگ مصنوعی ذہانت کا سب سے اہم حصہ ہیں۔ حقیقت یہ ہے کہ انسان مصنوعی ذہانت پیدا کرتا ہے۔ لوگوں کا تنوع-فیصلہ سازوں کی ٹیم جو AI الگورتھم بنانے میں ملوث ہے-عام آبادی کے تنوع کی عکاسی کرتی ہے۔

یہ AI اور ٹیکنالوجی کے کرداروں میں خواتین کے مواقع کو یقینی بنانے سے باہر ہے۔ اس کے علاوہ ، اس میں جنس ، نسل ، نسل ، مہارت کا سیٹ ، تجربہ ، جغرافیہ ، تعلیم ، رویے ، دلچسپیاں اور بہت کچھ شامل ہے۔ کیوں؟ جب آپ کے پاس متنوع ٹیمیں ہیں جو فیصلے کرنے کے لیے ڈیٹا کا جائزہ اور تجزیہ کرتی ہیں ، تو آپ ان کے اپنے انفرادی اور الگ الگ انسانی تجربات ، مراعات اور حدود کے امکان کو کم کرتے ہیں ، اور انہیں دوسروں کے تجربات سے اندھا چھوڑ دیتے ہیں۔

ڈیجیٹل ٹرانسفارمیشن کے بارے میں ایک افسانہ یہ ہے کہ یہ سب ٹیکنالوجی کے استعمال کے بارے میں ہے۔ یہ.

اجتماعی طور پر ، ہمارے پاس مستقبل کو آگے بڑھانے اور بہتر کام کرنے کے لیے AI اور مشین لرننگ کو لاگو کرنے کا موقع ہے۔ اس کا آغاز لوگوں کی متنوع ٹیموں سے ہوتا ہے جو ہماری دنیا کے مکمل تنوع اور بھرپور انداز کی عکاسی کرتے ہیں۔

مہارت ، رویوں ، تجربات اور جغرافیائی تنوع نے ہماری ڈیجیٹل تبدیلی میں اہم کردار ادا کیا ہے۔ لیوی اسٹراس اینڈ کمپنی میں ، ہماری بڑھتی ہوئی حکمت عملی اور AI ٹیم میں صرف ڈیٹا اور مشین لرننگ سائنسدان اور انجینئر شامل نہیں ہیں۔ ہم نے حال ہی میں دنیا بھر سے تنظیم کے ملازمین کو ٹیپ کیا اور جان بوجھ کر ان لوگوں کو تربیت دی جو کوڈنگ یا اعداد و شمار کا سابقہ ​​تجربہ نہیں رکھتے۔ ہم نے لوگوں کو ریٹیل آپریشنز ، ڈسٹری بیوشن سینٹرز اور گوداموں کے ڈیزائن اور منصوبہ بندی میں شامل کیا ، اور انہیں ہمارے پہلے مشین لرننگ بوٹ کیمپ کے ذریعے ، ان کی ماہر خوردہ مہارت کی تعمیر اور کوڈنگ اور اعدادوشمار کے ساتھ ان کو سپرچارج کیا۔

ہم نے مطلوبہ پس منظر کو محدود نہیں کیا ہم نے صرف ان لوگوں کی تلاش کی جو متجسس مسائل حل کرنے والے ، تجزیاتی نوعیت کے تھے اور کاروباری مسائل کے قریب آنے کے مختلف طریقوں کی مسلسل تلاش میں تھے۔ موجودہ ماہر خوردہ مہارت اور اضافی مشین لرننگ علم کے امتزاج کا مطلب یہ ہے کہ جو ملازمین اس پروگرام سے فارغ التحصیل ہیں ان کے کاروباری قدر کے اوپر نئے معنی خیز نقطہ نظر ہیں۔ ریٹیل انڈسٹری میں اپنی نوعیت کا یہ پہلا اقدام ہمیں ٹیم کے ممبروں کی باصلاحیت اور متنوع بینچ تیار کرنے میں مدد کرتا ہے۔

حقیقت

اے آئی اور مشین لرننگ کی صلاحیتیں صرف اتنی ہی اچھی ہیں جتنا سسٹم میں ڈالا گیا ڈیٹا۔ ہم اکثر اپنے آپ کو ساختہ جدولوں – اعداد اور اعداد و شمار کے لحاظ سے اعداد و شمار کے بارے میں سوچنے تک محدود رکھتے ہیں لیکن ڈیٹا وہ چیز ہے جسے ڈیجیٹل کیا جاسکتا ہے۔

جینز اور جیکٹس کی ڈیجیٹل تصاویر جو کہ ہماری کمپنی پچھلے 168 سالوں سے تیار کررہی ہیں وہ ڈیٹا ہیں۔ کسٹمر سروس کی گفتگو (صرف اجازت کے ساتھ ریکارڈ کی گئی) ڈیٹا ہے۔ ہیٹ میپ اس بات کا ڈیٹا ہے کہ لوگ ہمارے اسٹورز میں کیسے آتے ہیں۔ ہمارے صارفین کے جائزے ڈیٹا ہیں۔ آج ، جو کچھ بھی ڈیجیٹل کیا جاسکتا ہے وہ ڈیٹا بن جاتا ہے۔ ہمیں اعداد و شمار کے بارے میں سوچنے کے انداز کو وسیع کرنے اور اس بات کو یقینی بنانے کی ضرورت ہے کہ ہم تمام ڈیٹا کو مسلسل AI کام میں شامل کرتے رہیں۔

زیادہ تر پیشن گوئی کرنے والے ماڈلز مستقبل کی پیش گوئی کے لیے ماضی کا ڈیٹا استعمال کرتے ہیں۔ لیکن چونکہ ملبوسات کی صنعت اب بھی ڈیجیٹل ، ڈیٹا اور AI اپنانے کے ابتدائی مراحل میں ہے ، اس لیے ماضی کے اعداد و شمار کو سیاق و سباق میں ڈالنا اکثر ایک عام مسئلہ ہے۔ فیشن میں ، ہم مکمل طور پر رجحانات کی پیش گوئی اور نئی مصنوعات کی مانگ کے منتظر ہیں جن کی فروخت کی کوئی تاریخ نہیں ہے۔ ہم یہ کیسے کرتے ہیں؟

ہم پہلے سے کہیں زیادہ ڈیٹا استعمال کرتے ہیں ، مثال کے طور پر ، نئی مصنوعات کی تصاویر اور پچھلے سیزن کی مصنوعات کا ہمارا ڈیٹا بیس۔ اس کے بعد ہم پرانے اور نئے فیشن کی مصنوعات کے درمیان مماثلت کا پتہ لگانے کے لیے کمپیوٹر وژن الگورتھم لگاتے ہیں ، جس سے ہمیں ان نئی مصنوعات کی مانگ کا اندازہ لگانے میں مدد ملتی ہے۔ یہ ایپلی کیشنز تجربے یا بدیہی کے مقابلے میں کہیں زیادہ درست تخمینے فراہم کرتی ہیں ، اعداد و شمار اور AI سے چلنے والی پیش گوئیوں کے ساتھ پچھلی مشقوں کی تکمیل کرتی ہیں۔

لیوی اسٹراس اینڈ کمپنی یہاں ، ہم ڈیجیٹل امیجز اور تھری ڈی اثاثوں کا استعمال بھی کرتے ہیں تاکہ کپڑے کیسا محسوس کریں اور یہاں تک کہ نئے فیشن بنائیں۔ مثال کے طور پر ، ہم نیورل نیٹ ورکس کو تربیت دیتے ہیں کہ مختلف جین سٹائل کے ارد گرد کی باریکیوں کو سمجھیں جیسے پتلی ٹانگیں ، سرگوشی کے نمونے اور پریشان نظر ، اور ان اجزاء کی جسمانی خصوصیات کو دریافت کریں جو پردے ، تہوں اور کریز کو متاثر کرتے ہیں۔ اس کے بعد ہم اسے مارکیٹ کے اعداد و شمار کے ساتھ جوڑ سکتے ہیں ، جہاں ہم اپنے پروڈکٹ پورٹ فولیو کو صارفین کی بدلتی ہوئی ضروریات اور خواہشات کو پورا کرنے اور ڈیموگرافکس میں اپنے برانڈ کی شمولیت پر توجہ مرکوز کر سکتے ہیں۔ مزید یہ کہ ہم ملبوسات کے نئے انداز بنانے کے لیے AI کا استعمال کرتے ہیں جبکہ ہمیشہ اپنے عالمی معیار کے ڈیزائنرز کی تخلیقی صلاحیتوں اور جدت کو برقرار رکھتے ہیں۔

اوزار اور تکنیک

لوگوں اور ڈیٹا کے علاوہ ، ہمیں الگورتھم بنانے اور تیار کرنے میں استعمال ہونے والے ٹولز اور تکنیک میں تنوع کو یقینی بنانے کی ضرورت ہے۔ کچھ AI نظام اور مصنوعات درجہ بندی کی تکنیک استعمال کرتی ہیں ، جو صنفی یا نسلی تعصب کو برقرار رکھ سکتی ہیں۔

مثال کے طور پر ، درجہ بندی کی تکنیک یہ فرض کرتی ہے کہ جنس بائنری ہے اور لوگوں کو عام طور پر جسمانی ظاہری شکل اور دقیانوسی عقائد کی بنیاد پر “مرد” یا “عورت” کے طور پر نامزد کیا جاتا ہے ، یعنی صنفی شناخت کی دیگر تمام اقسام کو مٹا دیا جاتا ہے۔ یہ ایک مسئلہ ہے ، اور یہ ہم سب پر منحصر ہے کہ اس فیلڈ میں کام کریں ، کسی بھی کمپنی یا انڈسٹری میں ، لوگوں کی زندگیوں میں تمام باریکیوں اور زمروں پر قبضہ کرنے کے لیے تعصب اور پیشگی تکنیک کو روکنا۔ مثال کے طور پر ، ہم تعصب سے مسلسل حفاظت کرتے ہوئے الگورتھم ریس بلائنڈ کو آزمانے اور پیش کرنے کے لیے ڈیٹا سے ریس نکال سکتے ہیں۔

ہم اپنی AI مصنوعات اور نظاموں میں تنوع کے لیے پرعزم ہیں اور اس کے لیے کوشش کرنے کے لیے ہم اوپن سورس ٹولز استعمال کرتے ہیں۔ اوپن سورس ٹولز اور لائبریریاں اپنی نوعیت کے اعتبار سے زیادہ متنوع ہیں کیونکہ وہ دنیا بھر میں ہر ایک کے لیے دستیاب ہیں اور تمام پس منظر اور شعبوں کے لوگ ان کے تجربات سے مالا مال ہوتے ہوئے ان کو بڑھانے اور آگے بڑھانے کے لیے کام کرتے ہیں اور اس طرح تعصب کو محدود کرتے ہیں۔

ہم لیوی اسٹراس اینڈ کمپنی میں یہ کیسے کرتے ہیں اس کی ایک مثال ہمارے یو ایس ریڈ ٹیب لائلٹی پروگرام کے ساتھ ہے۔ جیسا کہ شائقین اپنے پروفائلز مرتب کرتے ہیں ، ہم ان سے کسی جنس کا انتخاب کرنے یا اے آئی سسٹم کو مفروضے بنانے کی اجازت نہیں دیتے ہیں۔ اس کے بجائے ، ہم ان سے پوچھتے ہیں کہ وہ اپنی طرز کی ترجیحات (خواتین ، مرد ، دونوں یا نہیں جانتے) کا انتخاب کریں تاکہ ہمارے اے آئی سسٹم کے مطابق خریداری کے تجربات اور زیادہ ذاتی نوعیت کی مصنوعات کی سفارشات تیار کریں۔

لوگوں ، ڈیٹا اور ٹیکنالوجیز اور ٹولز کا تنوع لیوی اسٹراس اینڈ کمپنی کو ہمارے کاروبار اور ہماری پوری صنعت میں انقلاب لانے میں مدد دے رہا ہے ، دستی کو خودکار ، اینالاگ سے ڈیجیٹل اور بدیہی طور پر پیشن گوئی میں تبدیل کر رہا ہے۔ ہم اپنی کمپنی کی سماجی اقدار کی وراثت پر بھی تعمیر کر رہے ہیں ، جو 168 سالوں سے مساوات ، جمہوریت اور شمولیت کے لیے کھڑا ہے۔ AI میں تنوع اس وراثت کو جاری رکھنے اور فیشن کے مستقبل کی تشکیل کے لیے تازہ ترین مواقع میں سے ایک ہے۔

From : techcrunch.com

Leave a Reply

Your email address will not be published. Required fields are marked *

You May Also Like

سیاہ فام ملکیت والے کاروباری اداروں کے لئے سائٹ بناتے وقت BIPOC طلبا ویب ڈیزائن کی مہارت حاصل کرتے ہیں

یوتھ ویب ڈیزائن پروگرام والا طالب علم اپنی ویب سائٹ پر کام…

ٹیک اسپرنچ – ہر ایس پی اے سی خالص کوڑا کرکٹ نہیں ہے

ٹیک ہرنچ ایکسچینج میں خوش آمدید ، ہفتہ وار اسٹارٹ اپ اور…

نوٹ: ایمیزون ویٹس نے بڑی تعداد میں معلومات کا نظم کرنے کے لئے ایک آلہ کار ڈینڈرون کے لئے $ 2M بڑھایا

ڈینڈرون کے بانی کیون لن ، بائیں ، اور کرن پاٹھھاکوٹا ہیں۔…

نئے مطالعے سے پتہ چلتا ہے کہ ، کوویڈ ۔19 کی نمائش ایپ نے واشنگٹن ریاست میں ہزاروں مقدمات کی روک تھام میں مدد کی

یہ کیسے کام کرتا ہے: WA Notify ایک ایسا نظام استعمال کرتا…