कौस्तुभ केळकर
kmkelkar@rediffmail.com

भारतीय रिझर्व्ह बँक ही देशाची मध्यवर्ती बँक आहे. ती अर्थव्यवस्थेचा कणा असून, विविध जबाबदाऱ्या तिच्याकडे सोपविण्यात आल्या आहेत.

महागाई नियंत्रण, चलन जारी करणे, बँकिंग यंत्रणेचे नियमन अशा विविध जबाबदाऱ्या रिझर्व्ह बँक पार पाडत असते. कालानुरुप तिच्या कार्यपद्धतीत बदल झाले असून, आधुनिक तंत्रज्ञानाचाही ती अवलंब करत आहे.

कार्यक्षमता वृद्धिंगत करण्याकरिता अलीकडच्या काळात मशिन लर्निंग प्रणालीचाही वापर करण्यावर भर दिला जात आहे. त्याविषयी अधिक माहिची देण्याचा हा प्रयत्न...

भारतीय रिझर्व्ह बँकेवर मुख्यतः देखरेख (सुपरव्हायजरी), नियमन, नियंत्रण अशा अनेक जबाबदाऱ्या आहेत.

यामध्ये बँकेकडे असलेल्या आर्थिक अधिकारांमध्ये चलन जारी करणे आणि त्याविषयी धोरण तयार करणे, त्यांची अंमलबजावणी आणि देखरेख करणे, चलनाची स्थिरता राखणे, संपूर्ण बँकिंग यंत्रणेचे नियंत्रण करणे, ‘बँकर ऑफ बॅंक्स’ची भूमिका पार पाडणे, परदेशी चलन व्यवस्थापन करणे, एकंदर वित्तीय व्यवस्थेची स्थिरता राखणे आणि बँकेच्या अखत्यारीतील बाजार आणि संस्थांचे नियमन करणे अशा विविध जबाबदाऱ्या आहेत;

तसेच आणखी एक महत्त्वाची जबाबदारी म्हणजे चलनवाढीचा अंदाज घेणे, किमतींमध्ये स्थैर्य राखणे म्हणजेच चलनवाढीचे व्यवस्थापन करून, चलनवाढ आटोक्यात राखण्यासाठी योग्य ते पतधोरण आखून त्यांची अंमलबाजवणी करणे. या जबाबदाऱ्या योग्यरितीने, यशस्वीपणे पार पाडण्यासाठी बँक सदैव कार्यरत असते.

चलनवाढीचा अंदाजः कळीचा मुद्दा
चलनवाढीचा अंदाज घेणे आणि ती आटोक्यात राखणे हा भारतासाठी आणि जगातील सर्व देशांसाठी कळीचा मुद्दा राहिला आहे.

भारतीय अर्थव्यवस्थेतील चलनवाढीचा दर मोजण्याकरिता घाऊक किंमत निर्देशांक आणि ग्राहक किंमत निर्देशांक यांचा वापर करण्यात येतो. विशेषतः ग्राहक किंमत निर्देशांक (कन्झ्युमर प्राईस इंडेक्स- सीपीआय) ज्यामध्ये ग्राहक उपभोगाच्या वस्तू आणि सेवा यांचा समावेश होतो.

उदा. धान्य, भाजीपाला, फळे आदी. थोडक्यात, ग्राहक किंमत निर्देशांक देशातील महागाई किती आहे, हे दर्शवतो. इंधनाच्या किमती वाढल्या, की हा वाढत जातो कारण सर्व वस्तूंचा वाहतूक खर्च वाढतो.

महागाई हा संवेदनशील विषय असल्याने सरकारसाठी प्रमाणाबाहेर गेलेला ग्राहक किंमत निर्देशांक (म्हणजे चलनवाढीचा दर) ही धोक्याची घंटा ठरते. याचे गांभीर्य लक्षात घेऊन सरकारने रिझर्व्ह बँकेशी सल्लामसलत करून वर्ष २०१६ मध्ये पुढील पाच वर्षांसाठी म्हणजे मार्च २०२१ पर्यंत चलनवाढीचा दर दोन ते सहा टक्के या पट्ट्यामध्ये ठेवण्याचे लक्ष्य निश्चित केले. यामध्ये किमान दर दोन टक्के, तर कमाल दर सहा टक्के; तसेच सरासरी दर चार टक्के राहिल, असे ठरविण्यात आले.

पुढे मार्च २०२१ मध्ये रिझर्व्ह बँकेचे गव्हर्नर यांनी हाच पट्टा वर्ष २०२१ ते २०२६ साठी कायम ठेवला. परंतु, नोव्हेंबर २०१८ ते ऑक्टोबर २०२३ या ६० महिन्यांच्या (पाच वर्षांच्या) कालावधीमध्ये चलनवाढीचा दर ४९ महिने चार टक्क्यांच्या वर राहिला, तर २७ महिने सहा टक्क्यांच्या वर राहिला.

अन्नधान्य, फळे, भाजीपाला यांच्या किमतीमध्ये अचानक, अनपेक्षित आणि मोठी वाढ हे याचे प्रमुख कारण आहे, असे रिझर्व्ह बँकेच्या तज्ज्ञांनी नमूद केले. ग्राहक किंमत निर्देशांकातील घटकांमध्ये अन्नधान्य, फळे, भाजीपाला यांचा वाटा ४६ टक्के आहे. साहजिकच, यामधील वाढीने चलनवाढीचा दर निर्धारित लक्ष्यापेक्षा जास्त राहिला.

परंतु, हा अंदाज चुकणे केवळ आपल्या देशासाठी मर्यादित नाही. वर्ष २०२१च्या मध्यापासून जगातील विविध देशांची अर्थव्यवस्था ‘कोविड’ महासाथीच्या आलेल्या दोन महाभीषण लाटांतून कशीबशी सावरत होती.

जागतिक अर्थव्यवस्थेचे गाडे हळहळू रुळावर येत होते; मात्र फेब्रुवारी २०२२ मध्ये सुरू झालेल्या रशिया-युक्रेन युद्धाने अनेक देशांच्या अर्थव्यवस्थांवर मोठा आघात झाला. युक्रेन हे जगासाठी गहू, मका यांचे कोठार समजले जाते.

परंतु, या युद्धामुळे युक्रेन करत असलेल्या गहू, मका यांची बहुतांश निर्यात ठप्प झाली. साहजिकच, अन्नधान्याच्या किमतींमध्ये प्रचंड वाढ झाली, या युद्धामुळे अमेरिका आणि पाश्चात्य देशांनी रशियावर कडक निर्बंध घातले. परिणामी, रशियाकडून निर्यात होत असलेले नैसर्गिक वायू, कच्चे तेल यांच्या पुरवठ्यावर विपरित परिणाम झाला. यातून साऱ्या जगामध्ये चलनवाढीची अनपेक्षित आणि प्रचंड लाट आली.

जुलै २०२२ मध्ये अमेरिकेत चलनवाढीचा दर ९.५ टक्के हा गेल्या ४० वर्षांतील उच्चांकी पातळीवर पोचला. या चिवट आणि वेगाने वाढणाऱ्या चलनवाढीला आळा घालण्यासाठी साहजिकच अमेरिकेच्या फेडरल रिझर्व्ह बँकेने जानेवारी २०२२ मध्ये जवळपास शून्य टक्के असलेला व्याजदर ५.३ टक्क्यांपर्यंत वाढविला.

आपल्या देशातसुद्धा चलनवाढ आटोक्यात ठेवण्यासाठी रिझर्व्ह बँकेने गेल्या दोन वर्षांत रेपो व्याजदरांमध्ये २.५ टक्के वाढ केली.

मशीन लर्निंगच्या वापरावर भर
वरील सर्व मुद्दे लक्षात घेता, रिझर्व्ह बँक आणि इतर मध्यवर्ती बँकांचे चलनवाढीबाबतचे अंदाज बऱ्याचदा चुकत आहेत, हे पाहता त्यांनी यासाठी वापरात असलेल्या मॉडेल्समध्ये बदल करणे योग्य ठरेल आणि त्या दिशेने बँकांची पावले पडत आहेत.

आजच्या काळात विविध क्षेत्रांवर तंत्रज्ञानात होणाऱ्या बदलांचा प्रभाव पडत आहे. देशात शेतकऱ्यांना हवामानाचे अंदाज बऱ्यापैकी बिनचूक कळत आहेत. पिकाला, उत्पादनाला कोठे जास्त भाव मिळू शकेल, यांची माहिती त्यांना मोबाईलवर उपलब्ध होत आहे.

आणखी एक उदाहरण म्हणजे तंत्रज्ञानातील प्रगतीमुळे अनेक बदल होत असून, काही क्षेत्रात मनुष्यबळाची गरज कमी होत आहे आणि यामध्ये मशिनरीचा वापर वाढत आहे. परंतु, चलनवाढीचा अंदाज घेण्यासाठी वापरल्या जाणाऱ्या प्रचलित मॉडेलमध्ये मनुष्यबळाचा मोठ्या प्रमाणावर वापर गृहीत धरला जातो.

उदा. पूर्वी रस्ते तयार करण्यासाठी डांबर बनवणे, रस्त्यावर डांबरयुक्त खडी पसरवणे, साफसफाई करणे यासाठी बरेच कामगार लागत असत. आता यातील बरेचसे काम मशीनद्वारे होत आहे आणि परिणामी मनुष्यबळाची गरज कमी होत आहे.

हे पाहाता, मनुष्यबळापेक्षा मशिनरीच्या वापरावर भर हा एक नवा ट्रेंड येत आहे. असे तंत्रज्ञानातील होणारे अनेक बदल आणि त्यांचे परिणाम यांची दखल प्रचलित (पारंपरिक) मॉडेल्समध्ये घेतली जात नाही आणि परिणामी चलनवाढीचा अंदाज तितकासा बरोबर येत नाही.

आर्टफिशियल इंटेलिजन्स व मशीन लर्निंग
आर्टिफिशियल इंटेलिजन्स म्हणजे कृत्रिम बुद्धिमत्ता. यातील प्रोग्रॅम्समुळे (प्रणालीने) मशीनला तत्कालीन निर्णय लावण्याची क्षमता मिळते, बहुविध कामे करता येणे शक्य होते. उदा. डेटा विश्लेषण, स्वतःचे शिकणे, संवादाचे समजणे, आर्थिक आणि इतर समस्यांचे संशोधन, आपत्ती व्यवस्थापन, अशी अनेक अन्य क्षेत्रे.

कृत्रिम बुद्धिमत्तेचे प्रकार वेगवेगळे आहेत. उदा. कॉम्प्युटर्सना शिकविण्याचे मार्ग म्हणजे मशीन लर्निंग, न्यूरल नेटवर्क्स, ज्ञान आणि अर्थ विचारांसाठी लॉजिक प्रणाली, स्वतःचे निर्णय घेण्याची क्षमता आदी.

मशीन लर्निंग हा ‘आर्टिफिशियल इंटेलिजन्स’चा एक प्रकार असून, हे कॉम्प्युटर प्रोग्रॅमिंगचे एक अत्याधुनिक तंत्र आहे. याद्वारे तयार केलेले प्रोग्रॅम्स (प्रणाली) स्वतःहून नव्या गोष्टींचा अभ्यास करायला शिकतात आणि आवश्यकतेनुसार स्वतःहून निर्णय घेऊ शकतात.

मशीन लर्निंगद्वारे तयार केलेले प्रोग्राम्स हे पूर्वानुमान (अंदाज) लावू शकतात, म्हणजेच एखादी क्रिया घडण्याआधीच निष्कर्ष काढू शकतात. मशीन लर्निंगमध्ये डेटामधून कसे शिकायचे, पॅटर्न कसे ओळखायचे आणि त्या डेटावर आधारित अंदाज किंवा निर्णय कसे घ्यायचे हे शक्य होते.

मशीन लर्निंगचा एक प्रकार म्हणजे डीप मशीन लर्निंग. डीप मशीन लर्निंगमधील प्रोग्रॅम्स मानवाच्या पद्धतीने विचार करून दिलेल्या डेटाचे सखोल विश्लेषण करतात आणि यातून आवश्यक तो पॅटर्न काढता येणे शक्य होते.

या डीप मशीन लर्निंनचा वापर करून वर नमूद केल्याप्रमाणे रिझर्व्ह बँकेने वर्ष जून ११९६ ते जानेवारी २०२२ या कालावधीमधील चलनवाढीचा अंदाज मांडला आणि तो प्रत्यक्षात आलेल्या चलनवाढीच्या दराशी तुलना करता डीप मशीन लर्निंगने दिलेला अंदाज पारंपरिक मॉडेलने वर्तविलेल्या अंदाजापेक्षा जास्त अचूक होता.

वरील सर्व उदाहरणे आणि घटना रिझर्व्ह बँक आणि इतर देशातील मध्यवर्ती बँकांमधील मशीन लर्निंगचा वाढते महत्त्व आणि वापर स्पष्ट करतात.

चलनवाढीचा अंदाज याखेरीज बँका जोखीम व्यवस्थापन, आर्थिक गुन्हे विश्लेषण आणि त्यावर प्रतिबंधात्मक उपाय, उद्योग जगताचे व्यवसायचक्र आणि त्यामधील बदल, चढ-उतारांचा अभ्यास, विश्लेषण करणे आणि त्यानुसार पुढील धोरणे आखणे, कर्जे घेणाऱ्या ग्राहकांचे पतमूल्यांकन अशा अनेक कार्यांमध्ये आपली कार्यक्षमता अधिक वाढविण्यासाठी आर्टिफिशियल इंटेलिजन्स आणि मशीन लर्निंगच्या वापरावर भर देत आहेत. बँकांचे हे पाऊल स्वागतार्ह आहे आणि दीर्घकाळात उपयोगी ठरेल, असे दिसते.

रिझर्व्ह बँकेचा संशोधन अहवाल
मशीन लर्निंगचा वापर सुरू करण्यासाठी रिझर्व्ह बँकेने काही दिवसांपूर्वी एक संशोधनात्मक दस्तावेज सादर केला, यामध्ये मशीन लर्निंगचा प्रणालीचा वापर करून जून ११९६ ते जानेवारी २०२२ या कालावधीमधील चलनवाढीचा अंदाज मांडला आणि तो प्रत्यक्ष आलेल्या चलनवाढीच्या दराशी तुलना करता, ‘मशीन लर्निंग’ने दिलेल्या अंदाजामध्ये पारंपरिक मॉडेलने वर्तवलेल्या अंदाजापेक्षा अधिक अचूकता होती.

याचे मुख्य कारण म्हणजे ‘मशीन लर्निंग’ने चलनवाढ आणि त्यासाठी जबाबदार असणारे घटक यांचे नाते सरळ (लिनिअर) नाही, तर ते जास्त गुंतागुंतीचे आहे हा निष्कर्ष काढला आणि अंदाज वर्तवला. हे लक्षात घेता, रिझर्व्ह बँकेने एकंदर कार्यक्षमता वाढीसाठी आणि आपल्या कार्यपद्धतीमध्ये ‘मशीन लर्निंग’चा वापर वाढविण्यासाठी ‘मॅकॅन्झी इंडिया’ आणि ‘अक्सेंच्युअर सोल्युशन्स इंडिया’ या दोन सल्लागार कंपन्यांची अलीकडेच नियुक्ती केली आहे.

(लेखक आर्थिक घडामोडींचे अभ्यासक आहेत. मोबाईल ९९७००१३७३१)
----------