श्री जगदीश काबरे
☆ “कृत्रिम बुद्धिमत्ता (AI): इतिहास आणि वर्तमान ” ☆ श्री जगदीश काबरे ☆
’AI मुळे मनुष्यबळ घटना असा ॲमेझॉनच्या मुख्य अधिकाऱ्यांनी कर्मचाऱ्यांना इशारा दिलेला आहे. कृत्रिम प्रज्ञा तंत्रज्ञानामुळे कंपनीच्या मनुष्यबळात मोठी घट होणार आहे त्यामुळे कर्मचाऱ्यांनी नवीन कृत्रिम तंत्रज्ञान शिकून घ्यावे असा इशारासुद्धा त्यांनी दिला. ’ नुकतीच ही बातमी वर्तमानपत्रात आपण वाचली असेलच. ही बातमी वाचल्यावर अनेक संगणक कर्मचाऱ्यांचे धावे दणाणले. यानिमित्ताने कृत्रिम बुद्धिमत्तेचा इतिहास आणि वर्तमान जाणून घेणे महत्त्वाचे आहे आणि AI नेमके कसे कार्य करते हेही समजून घेणे महत्त्वाचे आहे.
21व्या शतकाच्या सुरुवातीला तंत्रज्ञानाच्या विकासाचा वेग एवढा वाढला आहे की त्याने सर्व क्षेत्रांत क्रांती घडवून आणली आहे. यामध्ये कृत्रिम बुद्धिगत्ता (Artificial Intelligence – AI) हे सर्वात क्रांतिकारी आणि महत्त्वपूर्ण क्षेत्र ठरले आहे. यंत्राने मानवासारखा विचार करणे, शिकणे, निर्णय घेणे आणि संवाद साधणे यामध्ये आश्चर्यकारकरीत्या अचूकता व स्वायतता निर्माण झाली आहे. AI नवा दृष्टिकोन आणि तंत्रज्ञान शोधण्यासाठी कार्यरत आहे. कृत्रिम बुद्धिमत्ता म्हणजे अशी प्रणाली जी संगणक, रोबोट किंवा अन्य यांत्रिक प्रणालीला मानवाच्या बुद्धिमत्तेसारखे वर्तन करण्याची क्षमता देईल, यामध्ये मशीन लर्निंग (Machine Learning), डीप लर्निंग (Deep Learning), न्यूरल नेटवर्क्स, नॅचरल लैंग्वेज प्रोसेसिंग (NLP), रोबोटिक्स, आणि इतर अनेक प्रगतीशील तंत्रज्ञानांचा समावेश होतो, AI ही एक अशी प्रणाली असते जी स्वतः शिकते, समस्येचे विश्लेषण करते, निर्णय घेते आणि समस्यांचे निराकरण करते. या AI चा इतिहास खूपच रंजक आहे
अँलन ट्युरिंग यांनी AI ची सुरुवात मागच्या शतकातील 40-50 च्या दशकात केली. तेव्हा अँलन ट्युरिंग यांनी ‘यंत्र विचार करू शकते काय? ‘ असा प्रश्न विचारला होता. त्यांनी ट्युरिंग चाचणीची कल्पना माडली, जी नंतर मानवी बुद्धिमत्तेच्या मानकावर आधारित तपासणी म्हणून वापरली गेली. त्यावेळी संगणकांमध्ये न्यूरॉन नेटववर्स किंवा मोठ्या डेटा प्रोरोरिंग क्षमतेची कल्पना आली नव्हती, परंतु ट्युरिंग यांनी संगणकाद्वारे विचार शिकण्याची शक्यता मांडली होती.
1956 मध्ये जॉन मॅकार्थी, मार्विन मिनस्की आणि ॲलन नोवेल यांनी ‘कृत्रिम बुद्धिमत्ता अर्थात AI’ या संकल्पनेला जन्म दिला. त्यांनी डार्टमाऊथ कार्यशाळा आयोजित केली, या कार्यशाळेमध्ये AI ला एक स्वतंत्र शाखा महणून परिभाषित करण्यात आले. येथे संगणक तज्ञांनी कल्पना केली की, संगणक मानवासारखा विचार करू शकतो. या काळात AI संशोधनाची लाट सुरू झाली आणि विविध अल्गोरिदम व प्रणाली विकसित करण्याच्या दिशेने काम सुरू झाले,
1980 च्या दशकात संगणकीय शक्तीच्या कमतरतेमुळे आणि न्यूरल नेटवर्क्स आणि अल्गोरिदमच्या कार्यक्षमतेसाठी आवश्यक असलेल्या जटिलतेमुळे AI मध्ये मंदी आली. या काळात Al शीतझोपेची संकल्पना प्रचलित झाली. जेव्हा काही मोठ्या AI प्रकल्पांमध्ये अपयश आले, तेव्हा या क्षेत्रात गुंतवणूक कमी झाली. त्याचचरोबर काही समस्यांचे निराकरण करण्यासाठी अधिक प्रमाणावर माणूस-मशीन संवादाची आवश्यकता होती.
1990 च्या दशकात AI च्या क्षेत्रात दुसरी लाट तज्ञ प्रणालीच्या उगमामुळे आली. या प्रणाली विशेष ज्ञानावर आधारित असत. त्या एका विशिष्ट क्षेत्रात तज्ज्ञांप्रमाणे निर्णय घेत होत्या. MYCIN ही एक अशी प्रणाली होती जी वैद्यकीय निदान करण्यात तज्ज्ञासारखी काम करत होती, पण त्या काळात ही प्रणाली फक्त विशिष्ट क्षेत्रातील माहितीवर आधारित होती म्हणून ती जास्त लवचिक नव्हती.
1990 च्या दशकातच मशीन लर्निंग आणि डीप लर्निंग या नवनवीन तंत्रज्ञानामुळे AI मध्ये नवे वळण आले. या तंत्रज्ञानामुळे डेटा व अल्गोरिदमवर आधारित निर्णय घेण्याची क्षमता Al प्रणालींमध्ये वाढवली. 2012 नंतर सखोल तटस्थ नेटवर्कचा वापर वाढला आणि संगणकांनी अनुत्पादक कामे, आवाज ओळख, चेहरा ओळख, भाषांतर यांसारख्या जटील कार्याचा नवा स्तर गाठला.
Al ची मुख्य तांत्रिक पायाभूत तत्त्वे अशी आहेत…
विदा (Data): AI प्रणालींच्या कार्यक्षमतेसाठी आवश्यक असलेली मुख्य गोष्ट म्हणजे मोठ्या प्रमाणावर विदा उपलब्ध असणे. AI ला शिकवण्यासाठी व निर्णय घेण्यासाठी विविध प्रकारे संकलित केलेली विदा आवश्यक आहे. Mining चे महत्व खूप वाढले आहे. यामुळे Al ला त्याच्या सर्व कार्यांमध्ये योग्य विदा मिळवणे सोपे झाले आहे.
AI चे काम सुरळीत व्हावे म्हणून सर्वात आधी आपल्याला भरपूर विदा लागते. उदाहरणार्थ, जर आपण एका संगणकाला ‘फळ ओळखा’ शिकवायचं असेल, तर आपण त्याला वेगवेगळ्या सफरचंद, केळी, संत्री यांचे फोटो (आणि योग्य लेबले–म्हणजे“हे सफरचंद आहे) दाखवतो. पण कच्च्या डेटामध्ये चुकीची, अर्धवट किंवा अचूक नसलेली माहिती असू शकते. त्यामुळे आपण ती स्वच्छ करतो. म्हणजे असे की हरवलेली माहिती भरून काढणे, चित्रांना एकाच आकारात बदलणे, किंवा आकड्यांना मानक स्वरूपात आणणे, इ. मग मशीनला योग्य माहितीवर लक्ष केंद्रित करता यावं म्हणून त्या वस्तूची वैशिष्ट्ये स्पष्ट करतो. उदाहरणार्थ, फळांच्या ओळखीकरिता रंग, आकार, वजन, पोत अशी वैशिष्ट्ये महत्त्वाची ठरतात. त्यासाठी एक निश्चित मॉडेल ठरवावे लागते. हे मॉडेल म्हणजे एक गणिती संरचना असते जी डेटा पाहून नियम (पॅटर्न) शिकते. कोणते मॉडेल वापरायचे आहे हे समस्या कशा स्वरूपाची आहे त्यावर अवलंबून असतं. हे मशीन लर्निंगमधलं “शिकवण्याचं” खरं काम आहे. मशीन आपल्याला दिलेल्या डेटावरून काय काय नियम असू शकतात ते शिकतं. उदाहरणार्थ, मशीन अनेक सफरचंदांचे फोटो पाहून शिकते की, “जर लालसर व गोलसर असेल तर बहुधा सफरचंद. ” शिकताना मशीन “पॅटर्न” शोधते आणि स्वतःच काही नियम बदलते. मग मॉडेल योग्य प्रकारे शिकले की नाही ते तपासण्यासाठी नवीन डेटा वापरून पाहते. ते अचूक अंदाज लावतं का हे पाहीले जाते. चुकीचे अंदाज लागत असतील तर पुन्हा प्रशिक्षण किंवा सुधारणा केली जाते. शेवटी हे तयार मॉडेल प्रत्यक्ष वापरासाठी दिलं जातं. उदाहरणार्थ, तुम्ही मोबाईलमधील ‘फेस अनलॉक’ वापरता तेव्हा मशीन लर्निंग मॉडेल तुमचं चेहरा ओळखतं. कारण आधी ते अशाच डेटावर शिकलेलं आहे.
गणनशक्ती (Computing Power): AI चे तंत्रज्ञान मोठ्या प्रमाणावर प्रक्रिया करण्याची क्षमता राखणाऱ्या मशीनवर आधारित आहे. प्रचंड डेटावर आधारित मशीन लर्निंग, डीप लर्निंगचे मॉडेल्स तयार करण्यासाठी GPU (Graphics Processing Units) आणि TPU (Tensor Processing Units) सारख्या उच्च कार्यक्षमतेच्या चिप्सचा वापर केला जातो. यामुळे शिकण्याच्या प्रक्रियेतील वेग वाढला आहे.
अल्गोरिदम (Algorithms): मशीन लर्निंग आणि डीप लर्निंगचे कार्य खूप प्रभावी अल्गोरिदमवर आधारित आहे. बॅकप्रॉपगेशन, यादृच्छिक जंगल, सपोर्ट वेक्टर मशीन (SVM) —हा एक प्रकारचा पर्यवेक्षित शिक्षण अल्गोरिथम आहे, जो मशीन लर्निंगमध्ये वर्गीकरण सोडवण्यासाठी वापरला जातो, रीइन्फोर्समेंट लर्निंग या प्रकारच्या अल्गोरिदमने AI ची कार्यक्षमता मोठ्या प्रमाणावर वाढवली आहे. मशीन लर्निंग हे म्हणजे एकप्रकारे विदेपासून अनुभव घेणं आहे. माणूस जसा अनुभवातून शिकतो तसे मशीन विदा पाहून नियम शिकते, आणि नंतर त्याचा वापर करून निर्णय घेते. त्यामुळे, जितकी जास्त विदा आणि चांगली प्रणाली, तितकं मशीन लर्निंग प्रभावी ठरतं.
मानवी संशोधन व सहकार्य: मुक्त स्त्रोत तंत्रज्ञानाच्या वापरामुळे आणि विविध शास्त्रज्ञांचा सहकार्यामुळे AI मध्ये प्रगती होऊ शकली आहे. Python, TensorFlow, PyTorch सारख्या मुक्त स्त्रोत चौकटीच्या मदतीने AI शोध आणखी वेगवान झाले आहेत.
आता आपण पाहूया आधुनिक AI चा वापर कुठे आणि कसा होतो तसेच त्याचे परिणाम काय होत होतील?
भाषाविज्ञान (Natural Language Processing): भाषांतर, भाषेचे स्वरूप ओळखणे, पाठ वाचन, संवाद साधणे या सर्व कार्यासाठी AI चा वापर सुरू झाला आहे. गुगल ट्रान्सलेटर, चॅटGPT सारखे चॅटबॉट्स ही त्याची आपल्याला परिचित असलेली उदाहरणे आहेत. AI ला विविध भाषांमधील भाषांतर करण्यासाठी आणि संवाद साधण्यासाठी शिकवले गेले आहे.
दृश्य विश्लेषण (Computer Vision): चेहरा ओळखणे, वस्तू ओळखणे, दृश्य माध्यमातील विश्लेषण करण्यासाठी AI वापरला जाते. स्वयंचलित वाहने (Autonomous Vehicles), आणि चेहरा ओळख प्रणाली यासाठी AI प्रणाली उपयोगात आणल्या जातात.
आरोग्य व औद्योगिक क्षेत्र: AI च्या मदतीने आरोग्य क्षेत्रात रोग निदान, वैद्यकीय प्रतिमा विश्लेषण, टेलिमेडिसिन आणि औद्योगिक क्षेत्रात स्मार्ट मॅन्युफॅक्चरिंग, उत्पादन प्रक्रियांचा वापर मोठ्या प्रमाणावर वाढला आहे. भारतात ई-संजीवनीसारख्या प्लॅटफॉर्मवर AI चा वापर केला जातो.
भारत सरकारच्या ‘सगळ्यांसाठी Al’ धोरणामुळे देशात AI चा वापर विविध क्षेत्रांत होऊ लागला आहे. नीती आयोगच्या Al रोड मॅपवर आधारित कृषी तंत्रज्ञानामध्ये, शिक्षण व आरोग्य क्षेत्रांमध्ये AI च्या मदतीने प्रगती साधता येते. भारत सरकारने “भाषिनी” प्रकल्पाची घोषणा केली आहे. त्याद्वारे विविध भारतीय भाषांमध्ये AI आचारित भाषांतर केले जाईल.
असे असले तरी याचा काही लोक गैरफायदा घेऊ शकतात. त्यामुळे AI ने नैतिक, कायदेशीर व सामाजिक आव्हाने निर्माण केलेली आहेत. AI मुळे काही गोष्टींचा धोका आहे. उदा. गोपनीयता, डेटा संरक्षण, विना मानवी हस्तक्षेप निर्णय घेणे. अन्यथा सामाजिक शोषण होण्याची शक्यता असते. बेरोजगारी व डिजिटल दरी (Digital Divide) वाढू शकते आणि यामुळे AI मुळे सामाजिक फटका बसू शकतो. असे असले तरी AI चा भविष्यातील वापर, कृषी, ओद्योगिक, आरोग्य व शिक्षण यांसारख्या क्षेत्रांत मोठ्या प्रमाणावर होईल. तथापि, Al च्या नैतिक व सामाजिकदृष्ट्या योग्य वापरासाठी एक नियामक चौकट तयार करणे गरजेचे ठरणार आहे.
थोडक्यात काय तर कृत्रिम बुद्धिमत्ता जगभरातील विविध क्षेत्रांत मोठ्या प्रमाणावर बदल घडवून आणत आहे. भारतासारख्या विकसनशील देशात AI च्या मदतीने सामाजिक, आर्थिक प्रगती आणि जीवनमान सुधारणे शक्य होईल, मात्र, या नव-तंत्रज्ञानाचा वापर विवेक व जबाबदारीने होणे आवश्यक आहे, त्यासाठी सरकार, उद्योग आणि संशोधक या सर्वांनी एकत्र येऊन काम करणे महत्त्वाचे आहे.
© श्री जगदीश काबरे
मो ९९२०१९७६८०
≈संपादक – श्री हेमन्त बावनकर/सम्पादक मंडळ (मराठी) – सौ. उज्ज्वला केळकर/श्री सुहास रघुनाथ पंडित /सौ. मंजुषा मुळे/सौ. गौरी गाडेकर≈
