Sotheby’s એ કસ્ટમ આર્ટિફિશિયલ-ઇન્ટેલિજન્સ મોડલ્સ રજૂ કર્યા છે જે હરાજીના ભાવનું અનુમાન લગાવે છે અને હજારો એકસાથે વપરાશકર્તાઓ ધરાવતા રિયલ-ટાઇમ બિડિંગ પ્લેટફોર્મને સંચાલિત કરે છે. સદીઓ જૂનું આ હરાજી હાઉસ મૂલ્યાંકનને સચોટ બનાવવા અને વૈશ્વિક હરાજીને સરળતાથી ચલાવવા માટે ડેટા-ડ્રિવન ટેકનોલોજી પર દાવ લગાવી રહ્યું છે.
આ પરિવર્તન શા માટે મહત્વનું છે
કલા હરાજી હંમેશા વ્યક્તિલક્ષી નિર્ણય અને બજારના જ્ઞાનનું મિશ્રણ રહી છે. ઓનલાઇન બિડિંગે એક સમયે માત્ર મર્યાદિત લોકો માટેના રૂબરૂ કાર્યક્રમને હાઈ-ટ્રાફિક ડિજિટલ અનુભવમાં ફેરવી દીધો છે. વેચાણકર્તાઓ વધુ સચોટ અનુમાન સાથે ટાઈટ રિઝર્વ પ્રાઈસ સેટ કરી શકે છે અને અંતિમ હથોડાના ભાવ (hammer prices) ને ઊંચા કરી શકે છે. ભાવ સ્પષ્ટ હોવાથી ખરીદદારો વધુ પડતું ચૂકવવાનું ટાળે છે. Sotheby’s દ્વારા તેના કેન્દ્રમાં AI ને સામેલ કરવું એ સંકેત આપે છે કે ઉદ્યોગ હવે માત્ર નિષ્ણાતોની અંતર્જ્ઞાન (intuition) પર નિર્ભર નથી.
“art intelligence”નું નિર્માણ
Sotheby’s માં કમ્પ્યુટર-સાયન્સ અને ગણિતના નિષ્ણાત કેલી શેન (Kelly Shen), એક એવી ટીમનું નેતૃત્વ કરે છે જેણે "art intelligence" અલ્ગોરિધમ્સ બનાવ્યા છે. સામાન્ય માર્કેટ-ફોરકાસ્ટિંગ ટૂલ્સથી વિપરીત, આ મોડલ્સ ડેટાના વિવિધ મુદ્દાઓનું વિશ્લેષણ કરે છે: ઐતિહાસિક વેચાણના ભાવ, તાજેતરના હરાજીના પરિણામો, કલેક્ટરના રસના વલણો અને ચોક્કસ કલાકારો વિશે સોશિયલ મીડિયા પરની ચર્ચાઓ. કોઈ ચિત્રકારના કામ માટેની માંગ કેવી રીતે વધે છે કે ઘટે છે તેના પર નજર રાખીને, સિસ્ટમ ભાવનો અંદાજ આપે છે જે નવા સંકેતો મળતા જ રિયલ-ટાઇમમાં બદલાય છે.
આ મોડલ્સ સ્થિર સ્પ્રેડશીટ્સ નથી. તેઓ નવા ડેટા પર ફરીથી તાલીમ લે છે, જેનાથી અચાનક આવતા ફેરફારો પકડી શકાય છે—જેમ કે કોઈ મોટી મ્યુઝિયમ પ્રદર્શન જે અગાઉ અવગણવામાં આવેલા માસ્ટર આર્ટમાં રસ વધારે છે. Sotheby’s માટે, આના બે ફાયદા છે: વેચાણકર્તાઓ (consignors) માટે વધુ સચોટ રિઝર્વ પ્રાઈસ અને અસ્થિર બજારમાં બિડર્સ માટે સ્પષ્ટ માર્ગદર્શક.
ડિજિટલ હરાજી ફ્લોરનું સ્કેલિંગ
ભાવનું અનુમાન લગાવવું એ માત્ર અડધું કામ છે. આધુનિક હરાજી દરેક ખંડના બિડર્સને આકર્ષે છે, જેઓ મિલિસેકન્ડના અંતરે ક્લિક, સ્ક્રોલ અને બિડ કરે છે. અનુભવને સરળ રાખવા માટે, Sotheby’s એ તેના પ્રિડિક્ટિવ મોડલ્સને લો-લેટન્સી (low-latency) અને હાઈ-કન્કરન્સી (high-concurrency) વર્કલોડ માટે ડિઝાઇન કરેલા હાઈ-પરફોર્મન્સ કમ્પ્યુટિંગ સ્ટેક સાથે જોડ્યા છે.
શેનનું યોગદાન માત્ર અલ્ગોરિધમ્સ પૂરતું મર્યાદિત નથી. તેમણે કેટલોગિંગના ઓટોમેશન પર દેખરેખ રાખી—ઇમેજ-રેકગ્નિશન ટૂલ્સનો ઉપયોગ કરીને પ્રોવેનન્સ (provenance) વિગતો, કન્ડિશન રિપોર્ટ્સ અને વિઝ્યુઅલ એટ્રિબ્યુટ્સને ટેગ કરવા માટે—જેથી લિસ્ટિંગ ઓનલાઇન પ્લેટફોર્મ પર ઝડપથી અને માનવીય ભૂલો વગર અપલોડ થાય. ઇન્ફ્રાસ્ટ્રક્ચર ટ્રાફિકને મલ્ટિપલ સર્વર્સ પર વહેંચે છે, જ્યારે કોઈ મુખ્ય લોટ (headline lot) પર અચાનક ધ્યાન આવે ત્યારે સંસાધનોને ડાયનેમિકલી સ્કેલ કરે છે. પરિણામ એ છે કે લાઈવ હરાજી પ્રતિભાવશીલ રહે છે, ભલે એકસાથે બિડર્સની સંખ્યામાં મોટો ઉછાળો આવે.
કોડ પાછળનો વ્યવહારિક અભિગમ
ટેક સર્કલ્સમાં, વધુ વધુ અત્યાધુનિક મોડલ્સ પાછળ દોડવાની લાલચ હોય છે. શેન ચેતવણી આપે છે કે વ્હાઇટબોર્ડ પરની સુંદરતા આપમેળે બિઝનેસ વેલ્યુમાં રૂપાંતરિત થતી નથી. “અલ્ગોરિધમની સફળતા સીધી રીતે પ્રેક્ષકોના જોડાણ (engagement) વધારવાની તેની ક્ષમતા સાથે જોડાયેલી છે,” તેઓ કહે છે. લક્ઝરી સેગમેન્ટમાં, ટેકનોલોજી એ એક અદ્રશ્ય માળખું હોવું જોઈએ, અવરોધ નહીં જે પર્સનલ ટચના આદિ કલેક્ટર્સને મૂંઝવણમાં મૂકે.
તે વ્યવહારિક વલણ ટીમનો રોડમેપ નક્કી કરે છે. જે ફીચર્સ બિડ કન્વર્ઝન રેટમાં સુધારો કરતા નથી અથવા કેટલોગિંગના સમયને ઘટાડતા નથી, તેમને પ્રાથમિકતા આપવામાં આવતી નથી, ભલે તે અત્યાધુનિક મશીન-લર્નિંગ રિસર્ચ દર્શાવતા હોય. ધ્યાન નક્કર પરિણામો પર રહે છે: સચોટ ભાવ રેન્જ, સરળ બિડિંગ અને વધુ આકર્ષક ડિજિટલ શોરૂમ.
સાવચેતીના અવાજો
ટીકાકારો દલીલ કરે છે કે અલ્ગોરિધમિક પ્રાઇસિંગ પર વધુ પડતો આધાર રાખવાથી તે સૂક્ષ્મ નિષ્ણાતતાને નુકસાન પહોંચાડી શકે છે જે લાંબા સમયથી ટોચના હરાજી હાઉસને અલગ પાડે છે. ઐતિહાસિક પૂર્વગ્રહો (biases) સામેલ થવાનું જોખમ પણ છે—જો ભૂતકાળના વેચાણમાં ચોક્કસ વસ્તી કે પ્રદેશોને પ્રાધાન્ય આપવામાં આવ્યું હોય, તો મોડલ અજાણતા તે પેટર્નને જાળવી રાખશે. Sotheby’s આ ચિંતાઓ સ્વીકારે છે, અને નોંધે છે કે હ્યુમન ક્યુરેટર્સ હજુ પણ પ્રકાશન પહેલા મોડલના આઉટપુટની સમીક્ષા કરે છે, અને AI એ અનુભવી એપ્રેઝર્સ (appraisers) ના વિકલ્પ તરીકે નહીં પણ નિર્ણય લેવામાં મદદરૂપ સાધન તરીકે કામ કરે છે.
આગળ શું જોવું
Sotheby’s નું આ રોલઆઉટ હજુ શરૂઆતના તબક્કામાં છે, પરંતુ ઇન્ફ્રાસ્ટ્રક્ચર પહેલેથી જ ઘણા હાઈ-પ્રોફાઇલ વેચાણો સંભાળી રહ્યું છે. આગામી પરીક્ષા એ હશે કે શું AI સંપૂર્ણપણે નવી બજારની પરિસ્થિતિઓ સાથે અનુકૂલન સાધી શકે છે—જેમ કે આર્ટ ઈમ્પોર્ટ્સને અસર કરતા અચાનક નિયમનકારી ફેરફારો અથવા ડિજિટલ-નેટિવ કલેક્ટર્સની નવી પેઢીનું આગમન. નિરીક્ષકો એ પણ જોશે કે સ્પર્ધકો કેવી રીતે પ્રતિક્રિયા આપે છે; સમાન ડિપ્લોયમેન્ટ્સનું મોજું સેકન્ડરી આર્ટ માર્કેટના અર્થશાસ્ત્રને નવું રૂપ આપી શકે છે.
જો આ ટેકનોલોજી સફળ સાબિત થાય, તો તેનાથી ઊભા થતા પરિણામો ખૂબ જ ઊંડા હોઈ શકે છે: વધુ સચોટ કિંમત નિર્ધારણ વધુ મોટી સંખ્યામાં બિડર્સને આકર્ષી શકે છે, જ્યારે સુવ્યવસ્થિત કેટલોગિંગ નાના કન્સાઇનર્સ માટે બજારમાં પ્રવેશવાનું અવરોધ ઘટાડી શકે છે. તેનાથી વિપરીત, જો મોડલ્સ દબાણ હેઠળ અસ્થિર સાબિત થાય, તો ઉદ્યોગ વધુ સાવધ, હાઇબ્રિડ અભિગમ તરફ પાછો ફરી શકે છે જે માનવીય નિર્ણયશક્તિ પર વધુ આધાર રાખે છે.
મુખ્ય સારાંશ
કિંમતની આગાહી અને રિયલ-ટાઇમ બિડિંગ માટે Sotheby’s દ્વારા કરવામાં આવેલું કસ્ટમ AI નું સંકલન દર્શાવે છે કે પરંપરામાં ઊંડા મૂળ ધરાવતા ક્ષેત્રો પણ ડેટા-ડ્રિવન એન્જિનિયરિંગમાંથી માપી શકાય તેવા લાભો મેળવી શકે છે—શરત એટલી કે ટેકનોલોજી સ્પષ્ટ વ્યવસાયિક લક્ષ્યો પૂરા કરે અને માનવીય કુશળતા દ્વારા તેનું નિરીક્ષણ કરવામાં આવે.