अध्ययन में पाया गया: एआई उपकरण वाइन नवाचार पर निष्कर्ष बदल देते हैं

Journal of Wine Economics में प्रकाशित एक नए अध्ययन के अनुसार, वाइन व्यवसाय में तकनीकी समानता मापने का शोधकर्ताओं का तरीका इस तस्वीर को काफी बदल सकता है कि देशों और उत्पाद क्षेत्रों में नवाचार कैसे विकसित हुआ है।

University of St Andrews की Francesca Chiaradia द्वारा किए गए इस शोध ने 1970 से 2023 के बीच 53 देशों में दायर 9,439 वाइन पेटेंट सारांशों की जांच की। पाठ को संख्यात्मक वेक्टरों में बदलने वाले कृत्रिम बुद्धिमत्ता उपकरणों का उपयोग करते हुए, अध्ययन ने पांच भाषा मॉडलों की तुलना की ताकि यह देखा जा सके कि समय के साथ वाइन आविष्कार एक-दूसरे से कितने मिलते-जुलते रहे। मुख्य निष्कर्ष सिर्फ यह नहीं था कि वाइन तकनीक बदली है, बल्कि यह भी कि अलग-अलग मॉडल अक्सर अलग रुझानों की ओर इशारा करते हैं।

यह महत्वपूर्ण है क्योंकि तकनीकी समानता का उपयोग यह ट्रैक करने के लिए किया जाता है कि विचार कैसे फैलते हैं, उत्पादक कहां साझा तरीकों के आसपास समूहित होते हैं, और नया आविष्कार पुराने मानकों से कहां अलग हो रहा है। वाइन व्यापार में इससे कंपनियाँ प्रतिस्पर्धियों के लिए बेंचमार्क तय कर सकती हैं, उभरती तकनीकों को पहचान सकती हैं, और क्षेत्रों के बीच बाजारों का आकलन कर सकती हैं।

Chiaradia ने डेटासेट को सार्वजनिक पेटेंट डेटाबेस Lens.org से तैयार किया और पेटेंट दावों के बजाय सारांशों पर ध्यान दिया। पेपर का तर्क है कि सारांश किसी आविष्कार का अधिक स्पष्ट वर्णन देते हैं और उनमें कानूनी भाषा कम होती है। इसके बाद अध्ययन ने पाठ को संसाधित किया और पांच प्रणालियों का उपयोग करके sentence embeddings तैयार किए, जो लिखित भाषा को गणितीय रूप में मैप करने की एक विधि है, ताकि पेटेंटों की तुलना 0 से 1 तक के कोसाइन समानता स्कोर के जरिए की जा सके।

ये पांच मॉडल GTE, S-BERT, USE, PaECTER और Doc2Vec थे। अध्ययन के अनुसार, इन मॉडलों में से किसी एक के चयन ने वाइन पेटेंट रिकॉर्ड की व्याख्या को काफ़ी अलग बना दिया। GTE, S-BERT और USE ने 1970 के दशक से लगभग 1990 के दशक के अंत तक औसत समानता में गिरावट दिखाई, जिसके बाद बाद के समय में रुझान अधिक सपाट रहा। इसके विपरीत, PaECTER और Doc2Vec ने अभिसरण में वृद्धि का संकेत दिया।

पेपर का कहना है कि ये अंतर इतने बड़े हैं कि वाइन नवाचार अधिक मानकीकृत हो रहा है या अधिक विविध, इस बारे में किसी व्यापक दावे को प्रभावित कर सकते हैं। दूसरे शब्दों में, जवाब आंशिक रूप से इस्तेमाल किए जा रहे मॉडल पर निर्भर करता है।

पूरे नमूने में औसत अर्थगत समानता भी मॉडल के हिसाब से अलग थी। GTE और PaECTER ने सबसे ऊंचे समग्र औसत दिए, 38.7% से 41.9% तक। S-BERT और USE कम रहे, क्रमशः 33.2% और 28.9% पर। अध्ययन में पाया गया कि कुछ तुलनाओं में 46.5% से 46.6% के स्कोर के साथ अमेरिकी और एशियाई पेटेंट अन्य क्षेत्रों के पेटेंटों की तुलना में अधिक अभिसरण दिखाते थे।

डेटा ने यह भी दिखाया कि वाइन तकनीक में पेटेंटिंग गतिविधि केंद्रित है। व्यक्तिगत देशों में संयुक्त राज्य 1,516 पेटेंट के साथ सबसे आगे रहा, उसके बाद दक्षिण कोरिया 1,453 और फ्रांस 903 के साथ रहे। यूरोप के हिस्से में 4,196 पेटेंट आए और एशिया के हिस्से में 3,032। यूरोप के भीतर, नमूने में क्षेत्र की वाइन नवाचारों में से 63.1% फ्रांस, जर्मनी और स्पेन के पास थे। उत्तरी अमेरिका और एशिया में भी कुछ ही देशों का फाइलिंग पर दबदबा था। पेपर के अनुसार, संयुक्त राज्य, दक्षिण कोरिया और जापान ने अपने-अपने महाद्वीपों में 87.2% और 75.7% हिस्सेदारी बनाई।

अध्ययन ने पेटेंटों को पांच व्यापक तकनीकी क्षेत्रों में बांटा और पाया कि खाद्य रसायन तथा रासायनिक अभियांत्रिकी का वर्चस्व था, इसके बाद मशीनरी और यांत्रिक अवयव आते थे। यूरोप में वाइन मापन तकनीक में तुलनात्मक रूप से अधिक विशेषज्ञता दिखी। उत्तरी अमेरिका डिजिटल तकनीकों और उपभोक्ता उत्पादों में अधिक उभरा। अफ्रीका और ओशिनिया में रसायन-संबंधी पेटेंटों में गिरावट की भरपाई हैंडलिंग और पैकेजिंग तकनीकों, जैसे बोतलें, कॉर्क और भंडारण, पर अधिक ध्यान से हुई।

पेपर के सबसे मजबूत क्षेत्रीय निष्कर्षों में से एक यह है कि देशों के भीतर समानता अक्सर देशों के बीच की समानता से अधिक थी। संयुक्त राज्य में वाइन पेटेंट भाषा की समानता में लंबे समय तक गिरावट दिखी, जो 2000 के शुरुआती वर्षों में अधिक स्थिर हो गई। अवधि के बाद के हिस्से में यूरोप ने उलटी दिशा पकड़ी। वहाँ 2010 के बाद समानता बढ़ी और यह विभिन्न क्षेत्रों में फैली, खासकर यांत्रिक अभियांत्रिकी और उपकरणों में।

पेपर किसी प्रत्यक्ष कारण का दावा नहीं करता, लेकिन यूरोप के इस पैटर्न के लिए कई संभावित कारणों की ओर इशारा करता है, जिनमें यूरोपीय संघ के भीतर कम व्यापार बाधाएँ और कृषि नियमों का क्रमिक सामंजस्य शामिल है। व्यापक निहितार्थ यह है कि वाइन नवाचार अब भी उस आर्थिक और संस्थागत परिवेश से गहराई से जुड़ा रहता है जिसमें आविष्कार पैदा होता है, भले ही यह व्यापक व्यापार वाले वैश्विक उद्योग का हिस्सा हो।

अध्ययन में तकनीकी क्षेत्रों के बीच भी तीखे अंतर मिले। बायोटेक्नोलॉजी, ऑर्गेनिक केमिस्ट्री और केमिकल इंजीनियरिंग से जुड़ी तकनीकों में, बड़े और अधिक परिष्कृत डेटासेट पर प्रशिक्षित मॉडलों में 1970 से 1990 के बीच समानता में अधिक तेज़ गिरावट दिखी। इसके बाद, नतीजों ने शताब्दी के मोड़ पर अधिक स्थिरता का संकेत दिया, खासकर इंजनों, पंपों और अन्य यांत्रिक घटकों जैसे मानकीकृत उपकरणों में। कंज़्यूमर गुड्स पेटेंट, जिन्हें पेपर कम तकनीकी जटिलता वाला बताता है, ने 1990 के मध्य के बाद अधिक औसत समानता और अधिक स्थिर पैटर्न दिखाए।

यह जांचने के लिए कि भाषा मॉडल विश्वसनीय नतीजे दे रहे हैं या नहीं, पेपर ने तीन सत्यापन विधियों का उपयोग किया। पहले, उसने मॉडल की भविष्यवाणियों की तुलना International Patent Classification कोड्स से की, जो पेटेंटों को दिए जाने वाले औपचारिक लेबल हैं। नतीजे मिश्रित थे। समग्र तुलनाओं में अधिकांश मॉडलों के लिए सटीकता 55.4% से 58.1% के बीच रही, और प्रिसिजन क्षेत्र के अनुसार बदलती रही। GTE ने भेद करने की क्षमता बेहतर की, जबकि कुछ मामलों में USE ने अधिक सटीकता और प्रिसिजन दर्ज की। फिर भी, पेपर का कहना है कि मानकीकृत लेबलों के मुकाबले सभी मॉडल कमजोर रहे, जिससे पता चलता है कि मौजूदा उपकरण अब भी बुनियादी स्तर से आगे समानता को पकड़ने में संघर्ष करते हैं।

दूसरे, अध्ययन ने पेटेंट चित्रों को देखा। उसने पेटेंट फाइलिंग से छवियाँ डाउनलोड कीं और Structural Similarity Index Measure, या SSIM, का उपयोग करके दृश्य समानता मापी। औसत छवि समानता 39.69% थी, जो GTE द्वारा उत्पन्न स्कोरों से काफ़ी मेल खाती थी। Chiaradia का कहना है कि यह मेल इस धारणा का समर्थन करता है कि अधिक उन्नत, बेहतर-ट्यून किए गए मॉडल तकनीकी अभिसरण की अधिक भरोसेमंद व्याख्या दे सकते हैं।

तीसरे, पेपर ने एक बड़े भाषा मॉडल से जुड़े retrieval-augmented generation सिस्टम का उपयोग किया ताकि यह परखा जा सके कि क्या एक गतिशील प्रणाली समानता को उन तरीकों से ट्रेस करती है जो स्थिर मॉडलों से मेल खाते हैं। अध्ययन के अनुसार, RAG-आधारित नतीजे GTE, S-BERT और USE से मिले पैटर्नों का बारीकी से अनुसरण करते थे, जिससे लेखक का उन मॉडलों द्वारा दिखाए गए रुझानों में भरोसा बढ़ा।

पेपर इन निष्कर्षों को इस व्यापक बहस में रखता है कि अर्थशास्त्री और उद्योग विश्लेषक नवाचार डेटा पढ़ने के लिए मशीन लर्निंग का उपयोग कैसे करते हैं। औद्योगिक बदलाव की पहचान के लिए पेटेंट रिकॉर्ड्स का उपयोग तेजी से किया जा रहा है, लेकिन अध्ययन चेतावनी देता है कि AI आउटपुट को तटस्थ या परस्पर-प्रतिस्थापनीय नहीं माना जाना चाहिए। वाइन पेटेंटों का वही सेट, उन्हें विश्लेषित करने के लिए इस्तेमाल किए गए सिस्टम के आधार पर, अलग-अलग कहानियां सुना सकता है।

लेखक का यह भी तर्क है कि ये निष्कर्ष खुद वाइन व्यवसाय की संरचना के बारे में भी कुछ कहते हैं। कुछ New World क्षेत्रों में अधिक समानता, खासकर सॉफ़्टवेयर, पैकेजिंग, ऑनलाइन विज्ञापन, लेबलिंग और गुणवत्ता नियंत्रण से जुड़े क्षेत्रों में, अधिक मानकीकरण या अधिक सघन नवाचार समूहों की ओर इशारा कर सकती है। साथ ही, रसायन और यांत्रिक अभियांत्रिकी में अधिक उन्नत तकनीकें उत्पादन और शोध की स्थानीय परिस्थितियों से अधिक निकटता से जुड़ी रहती दिखती हैं।

यह अध्ययन वर्णनात्मक है और यह साबित करने की कोशिश नहीं करता कि ये अंतर क्यों उभरे। यह केवल वाइन को कवर करता है, व्यापक पेय बाज़ार को नहीं। Chiaradia का कहना है कि नतीजे वर्तमान पीढ़ी के भाषा मॉडलों की सीमाओं से बंधे हैं और नए सिस्टम विकसित होने पर बदल सकते हैं। पेपर सुझाव देता है कि भविष्य का शोध यही तरीका स्पिरिट्स और अन्य मादक पेयों पर भी लागू कर सकता है, जहाँ पेटेंट गतिविधि और प्रतिस्पर्धा भी बढ़ रही है।