कव्हर स्टोरी - प्रा. डॉ. दीपक ताटपुजे

एआय समजून घ्या, सजगतेने वापरा!

लीड
सन २०२६चा सुवर्ण नियम असा आहे, की एआयकडे एका अतिशय हुशार पण कधीकधी अतिआत्मविश्वास असलेल्या शिकाऊ उमेदवारासारखे पाहावे. मानवानेच किंवा वापरकर्त्याने दिशा ठरवावी, डेटा पुरवावा आणि अंतिम संपादन नेहमी स्वतः करावे. जरी नियम असले तरी डीपफेकद्वारे पसरणारी चुकीची माहिती, वेगाने बदलणाऱ्या नोकऱ्यांची आव्हाने आणि यंत्रणेत नकळत शिरणारा पूर्वग्रह हे प्रश्न कायम आहेतच.
०००००

विशेषतः या वर्षाच्या सुरुवातीपासून कृत्रिम बुद्धिमत्ता (एआय) क्षेत्रातील प्रगतीने एक असा टप्पा गाठला आहे, जिथे तंत्रज्ञान केवळ प्रश्नांची उत्तरे देणारे साधन न राहता एक स्वायत्त सहाय्यकारी ठरले आहे. ‘जेमिनाय २.५ प्रो’ आणि ‘जेमिनाय एंटरप्राईज एजंट प्लॅटफॉर्म’च्या व अन्य काही एआय टूल्स लाँचने या क्रांतीचा पाया रचला गेला असून, या बदलामुळे एआयकडे बघण्याचा आणि एआय वापराचा दृष्टिकोन पूर्णपणे बदलला आहे. आता आपण ‘असिस्टिव्ह एआय’कडून ‘एजंटिक एआय’च्या युगात प्रवेश केला आहे. पूर्वीचे एआय मॉडेल केवळ संवादापुरते मर्यादित होते, मात्र आताचे एआय प्रत्यक्ष कृती करण्यावर भर देत आहे.
या बदलाचा सर्वात महत्त्वाचा पैलू म्हणजे एआयची तार्किक क्षमता किंवा ‘रिझनिंग पॉवर’. आजचे एआय केवळ डेटा प्रोसेसिंग करत नाही, तर एखाद्या क्लिष्ट समस्येवर उत्तर देण्यापूर्वी मानवाप्रमाणे विचार करून टप्प्याटप्प्याने मार्ग काढते. यामध्ये ‘नेटिव्ह मल्टिमोडालिटी’चा समावेश असल्याने, एआय एकाच वेळी मजकूर, ऑडिओ आणि व्हिडिओवर प्रक्रिया करून अधिक अचूक निर्णय घेण्यास सक्षम झाले असले, तरी डेटाबेस विश्लेषणावर आधारित निर्णय प्रक्रिया ही मर्यादा लक्षात घेणे आवश्यक आहे.

व्यावसायिक स्तरावर विचार केल्यास, एआय आता केवळ सहाय्यक दिशादर्शक राहिलेले नाही. हे प्लॅटफॉर्म्स आता फाइल मॅनेजमेंटपासून ते सॉफ्टवेअर डेव्हलपमेंटपर्यंतचे संपूर्ण वर्कफ्लो स्वतःहून हाताळण्यास सक्षम आहेत. १० दशलक्ष टोकन्सपर्यंत वाढलेल्या ‘कन्टेक्स्ट विंडो’मुळे एआय आता विशाल कोडबेसेस आणि संपूर्ण कंपनीची माहिती एका झटक्यात आत्मसात करू शकते. विशेष म्हणजे ‘व्हाइब कोडिंग’सारख्या संकल्पनांमुळे आता केवळ नैसर्गिक भाषेत आपला हेतू स्पष्ट केला, तरी एआय स्वतःहून सॉफ्टवेअर तयार करून देखरेख करू शकते. अशा प्रकारे हे वर्ष एआयला केवळ एका चॅटबॉक्सच्या चौकटीतून बाहेर काढून त्याला जागतिक अर्थव्यवस्थेचा एक सक्रिय आणि स्वायत्त कणा बनवणारे ठरले आहे. या बदलाचा प्रमुख परिणाम हा त्याच्या सजग वापराशी निगडित आहे.
भारत आता केवळ कृत्रिम बुद्धिमत्तेचा ग्राहक राहिला नसून, त्याच्या उपयोगाचा एक प्रगत निर्माता झाला आहे. या नवीन युगात युवक असोत, लघु उद्योजक असोत किंवा तंत्रज्ञान प्रमुख असोत, प्रत्येकजण एका नवीन ‘एआय टूलकिट’चा वापर करत आहे. त्यामुळे उत्पादकतेची व्याख्याच बदलून गेली आहे. हा बदल समजून घेण्यासाठी आपल्याला मानवी कल्पकता आणि यंत्राची क्षमता यातील पुसट रेषेचे स्पष्ट ज्ञान प्राप्त करणे आवश्यक झाले आहे. संशोधनामध्ये एआयमुळे साहित्य सर्वेक्षण आणि दस्तावेज विश्लेषण प्रक्रियेतही आमूलाग्र बदल झाला आहे. एआयआधारित प्लॅटफॉर्म्स आपोआप लेख स्क्रिन करून त्यांना प्राधान्यक्रम देतात, निष्कर्षांचे सारांश तयार करतात. यामुळे अचूकता तपासणे, ‘हॅलुसिनेशन’ टाळणे, तसेच कोणकोणते टप्पे स्वयंचलित केले गेले हे पारदर्शकपणे नोंदवणे या जबाबदाऱ्या अधिक महत्त्वाच्या झाल्या आहेत.

अष्टपैलू संशोधनासाठी जेमिनाय
दैनंदिन कार्यासाठी एक आधुनिक व्यावसायिक प्रथम गुगलच्या ‘जेमिनाय’कडे (Gemini) वळू शकतो. जेमिनाय एक अष्टपैलू संशोधन आणि मल्टिमोडल सहाय्यक म्हणून काम करते. त्याची सर्वात मोठी ताकद म्हणजे गुगल वर्कस्पेस. त्याचबरोबर त्याचे सखोल एकत्रीकरण आणि ‘डीप रिसर्च’ मोडद्वारे प्रचंड डेटावर प्रक्रिया करण्याची क्षमता आहे. विशेषतः भारतीय बाजारपेठेसाठी, २२ अधिकृत भारतीय भाषांमध्ये स्थानिक बदलानुसार आशय तयार करण्याची त्याची क्षमता ही एक मोठा फायदा ठरते, तरीही वापरकर्त्यांनी सावधगिरी बाळगली पाहिजे. कारण हे साधन कधीकधी बाह्य स्रोतांपेक्षा गुगलच्या स्वतःच्या इकोसिस्टीममधील निकालांना प्राधान्य देऊ शकते.

चॅटजीपीटी आणि सोरा २चे सर्जनशील काम
जेव्हा एखादे कार्य सर्जनशील लेखन, कोडिंग किंवा उच्च-दर्जाच्या व्हिडिओ कथांकडे वळते, तेव्हा ‘चॅटजीपीटी’ (ChatGPT) आणि ‘सोरा २’सारखी (Sora 2) साधने महत्त्वाची आहेत. या प्रणालींचा संवाद सर्वात मानवी वाटतो आणि सोरा-२मुळे भारतीय निर्माते केवळ मजकूर सूचनांद्वारे सिनेमासारखे मार्केटिंग व्हिडिओ तयार करू शकतात. तथापि, यासाठी मोठी किंमत मोजावी लागते, कारण यातील प्रीमियम वैशिष्ट्यांसाठी दरमहा काही खर्च येतो, आणि तो विद्यार्थी आणि स्वतंत्र निर्मात्यांसाठी अडथळा ठरू शकतो.

विश्लेषणात्मक क्लॉड
एखाद्या कायद्याच्या फर्ममध्ये किंवा कॉर्पोरेट ऑफिसमध्ये अधिक विश्लेषणात्मक कामासाठी ‘क्लॉड’ (Claude) हे पसंतीचे साधन आहे. ते प्रगत तर्क आणि कायदेशीर कागदपत्रांच्या विश्लेषणासाठी ओळखले जाते. याची खास ताकद म्हणजे ‘कॉन्स्टिट्यूशनल एआय’. संवेदनशील डेटा हाताळण्यासाठी हे सर्वात सुरक्षित साधन मानले जाते आणि इतर साधनांच्या तुलनेत हे चुकीची माहिती खूपच कमी देते. याची उणीव म्हणजे यात जेमिनाय किंवा चॅटजीपीटीप्रमाणे अंगभूत प्रतिमा किंवा व्हिडिओ तयार करण्याची क्षमता नाही.

सांस्कृतिक आणि भाषिक बारकाव्यांचे कृत्रिम
पाश्चात्त्य मॉडेल्सना भारतीय भाषांमधील बारकावे समजणे अनेकदा कठीण जाते, तिथे ओला फाउंडेशनचे ‘कृत्रिम’ (Krutrim) कामी येते. हे सांस्कृतिक आणि भाषिक बारकावे समजून घेण्यासाठी तयार केलेले भारतावर आधारित मॉडेल आहे. हे मॉडेल भारतीय डेटावर प्रशिक्षित असल्याने ‘हिंग्लिश’ (हिंदी + इंग्लिश) आणि स्थानिक वाक्प्रचार चांगल्या प्रकारे समजून घेते, परंतु गणिती किंवा वैज्ञानिक कार्यांसाठी याची तार्किक क्षमता अजूनही जागतिक स्तरावरील प्रगत मॉडेल्सच्या तुलनेत मागे आहे.

ज्ञान व्यवस्थापनासाठी नोटबुकएलएम
माहितीच्या महासागरात स्वतःचे ज्ञान व्यवस्थापन करण्यासाठी ‘नोटबुकएलएम’ (NotebookLM) हे एक महत्त्वाचे एआय टूल ठरले आहे. हे टूल वापरकर्त्याला ५० स्थानिक स्रोत, उदाहरणार्थ, पीडीएफ किंवा ट्रान्सक्रिप्ट अपलोड करण्याची सुविधा देते. त्यामुळे एक खासगी, संदर्भासहित आणि विश्वासार्ह प्रतिसाद तयार होतो. हा प्रतिसाद दिलेल्या डेटाच्या बाहेर जाऊन चुकीची माहिती किंवा तथ्ये यांची रचना करीत नाही. ही विश्वासार्हता त्याची ताकद असली, तरी हे केवळ दिलेल्या डेटापुरते मर्यादित असल्याने सामान्य वेब-आधारित विचारमंथनासाठी काही वेळा ते तितकेसे प्रभावी ठरत नाही.

संवादात्मक शोध इंजिन परप्लेक्सिटी
जेव्हा रिअल-टाइम तथ्ये किंवा बाजारातील कल तपासण्याची वेळ येते, तेव्हा ‘परप्लेक्सिटी’ (Perplexity) एका संवादात्मक शोध इंजिनसारखे कार्य करते, संदर्भांसह उत्तरे देते. हे साधन सर्जनशील लिखाणापेक्षा तथ्यांसाठी तयार केले गेले आहे आणि बातम्या व विशेष संदर्भ पडताळण्यासाठी उत्कृष्ट आहे.

व्हॉइस क्लोनिंग आणि डबिंग करणारे इलेव्हनलॅब्ज
‘इलेव्हनलॅब्ज’ (ElevenLabs) हे उच्च दर्जाचे व्हॉइस क्लोनिंग आणि डबिंग करते. हे मॉडेल भारतीय चित्रपट आणि शिक्षण क्षेत्रासाठी आवश्यक ठरते आहे, कारण यामुळे मूळ वक्त्याचा भावनिक सूर राखून कोणत्याही भाषेतून कोणत्याही भाषेत डबिंग करता येते, उदाहरणार्थ हिंदी व्याख्यान मराठीत डब करता येते. परंतु, योग्य देखरेख नसल्यास यामध्ये ‘डीपफेक’च्या दुरुपयोगाचा मोठा धोका आहे.

या साधनांना व्यवसायासाठी अधिक प्रभावी करण्यासाठी केवळ चॅटिंग करून चालत नाही, तर ‘रिट्रिव्हल-ऑगमेंटेड जनरेशन’सारख्या प्रगत तंत्रांचा अवलंब करावा लागतो. ही रचना एआयला बाह्य आणि विश्वासार्ह डेटाबेसशी जोडते, जेणेकरून मॉडेलला पुन्हा प्रशिक्षित न करता अचूक उत्तरे मिळू शकतील. तसेच ‘प्रॉम्प्ट इंजिनिअरिंग’च्या माध्यमातून, उदाहरणे देऊन एआयला विशिष्ट टोनमध्ये उत्तर देण्यास शिकवले जाऊ शकते.

जबाबदारीचे प्रश्न
एआयचा वापर आता सॉफ्टवेअर डेव्हलपमेंटच्या संपूर्ण जीवनचक्रात केला जात आहे. ‘गिटहब कोपायलट’, ‘ॲमेझॉन क्यू’ आणि ‘कोडिअम’सारखी साधने रिअल-टाइम कोड पूर्ण करण्यासाठी आणि सुरक्षा तपासणीसाठी मदत करतात. ‘कर्सर’सारखी बुद्धिमान संपादक प्रणाली संपूर्ण प्रकल्पाची पुनर्रचना करू शकते. याशिवाय, आरोग्य क्षेत्रात ‘हेडी एआय’ हे क्लिनिकल दस्तावेजीकरणासाठी आणि वित्त व कायद्यात ‘हेबिया’ () किंवा ‘यावी लीगल एआय’ हे समग्र दस्तावेज संशोधनासाठी वापरले जात आहे. व्यावसायिक आता साध्या कोडिंगपासून बुद्धिमान प्रणालींचे संचालन करण्यापर्यंत प्रगत झाले आहेत, परंतु या महान क्षमतेसोबत जबाबदारीचे गंभीर प्रश्नही उभे राहतात. एआय यंत्रणा डेटापासून शिकतात आणि त्याकडे स्वतःची ‘अचूक’ किंवा ‘चूक’ समजण्याची बुद्धी नसते. यंत्रांना मानवी नैतिकता समजत नाही, ते केवळ आपण दिलेल्या सूचनांचे प्रतिबिंब असतात. त्यामुळे नैतिकता, गोपनीयता आणि नियम अत्यंत महत्त्वाचे ठरतात. एआयच्या नैतिकतेचे मुख्य स्तंभ म्हणजे निष्पक्षता, उत्तरदायित्व आणि पारदर्शकता आहेत. निष्पक्षतेने कोणताही भेदभाव करू नये, कारण लिंग किंवा जातीवर आधारित भेदभाव करणे ही बुद्धिमत्ता नसून पूर्वग्रह आहे. उत्तरदायित्व म्हणजे जेव्हा एआय चूक करते, तेव्हा त्याची जबाबदारी डेव्हलपर, कंपनी किंवा मालकाची असते. तसेच वापरकर्त्यांना कळले पाहिजे, की ते एआयशी संवाद साधत आहेत आणि निर्णय कसे घेतले जात आहेत.

गोपनीयता ही दुसरी मोठी चिंता आहे, कारण एआय आपल्या प्रत्येक डिजिटल हालचालीवर आधारित डेटा वापरते. अनेकदा कंपन्या वापरकर्त्यांना पूर्णपणे कळू न देता मोठ्या प्रमाणात वैयक्तिक डेटा गोळा करतात आणि जर तो सुरक्षित नसेल, तर तो हॅक किंवा दुरुपयोगाचा बळी ठरू शकतो. खऱ्या गोपनीयतेचा अर्थ असा आहे, की वापरकर्त्यांनी त्यांचा डेटा कसा वापरला जातो हे समजून घेणे, तसेच त्यास संमती देणे आवश्यक आहे. अन्यथा एआय हे सेवेपेक्षा सर्वेक्षणाचे महत्त्वाचे साधन होऊ शकते.

हे धोके नियंत्रित करण्यासाठी भारत सरकारने ‘डिजिटल पर्सनल डेटा प्रोटेक्शन’ ( डीपीडीपी) कायदा आणि एआय गव्हर्नन्स मार्गदर्शक तत्त्वे लागू केली आहेत. भारतीय एआय नैतिकतेच्या ‘सात सूत्रां’नुसार, कोणत्याही एआय तथ्याला पडताळणीशिवाय अंतिम सत्य मानू नये आणि मानवावर आधारित दृष्टिकोन ठेवावा, जेणेकरून एआय वापरकर्त्यांना पूर्णपणे विस्थापित न करता त्यांच्या कामात भर घालेल. तसेच हे साधन जात, धर्म किंवा लिंगाच्या आधारावर भेदभाव करणारे नसावे, याची खात्री करणे आवश्यक आहे.

‘आयटी अमेंडमेंट नियम २०२६’अंतर्गत सुरक्षा अनिवार्य करण्यात आली आहे. यात ‘३-तास नियम’ समाविष्ट आहे. म्हणजे जर एखाद्या वापरकर्त्याने चुकून हानिकारक माहिती तयार केली किंवा शेअर केली, तर अधिकारी ती तीन तासांच्या आत काढून टाकण्याची मागणी करू शकतात. संवेदनशील सरकारी किंवा आर्थिक कामासाठी डेटा भारतामधील सर्व्हरवरच साठवणे आवश्यक आहे. विशेषतः कायदेशीर किंवा वैद्यकीय क्षेत्रात काम करताना एआयने दिलेल्या संदर्भांची नेहमी पुन्हा पडताळणी केली पाहिजे.

सन २०२६चा सुवर्ण नियम असा आहे, की एआयकडे एका अतिशय हुशार पण कधीकधी अतिआत्मविश्वास असलेल्या शिकाऊ उमेदवारासारखे पाहावे. मानवानेच किंवा वापरकर्त्याने दिशा ठरवावी, डेटा पुरवावा आणि अंतिम संपादन नेहमी स्वतः करावे. जरी नियम असले तरी डीपफेकद्वारे पसरणारी चुकीची माहिती, वेगाने बदलणाऱ्या नोकऱ्यांची आव्हाने आणि यंत्रणेत नकळत शिरणारा पूर्वग्रह हे प्रश्न कायम आहेतच.

एआयचे भविष्य केवळ स्मार्ट मशिन्स तयार करण्याबद्दल नाही, तर मानवाला अधिक स्मार्ट करण्याबद्दल आहे. तंत्रज्ञान आणि मानवी कल्पकता यांच्यातील जोडणी जर नैतिकता आणि सुरक्षिततेच्या पायावर उभी राहिली, तर हे दशक अभूतपूर्व प्रगती घेऊन येईल. शेवटी एआय हे भविष्य ठरवत नाही, तर आपण एआय विकसक आणि वापरकर्ते ते ठरवत आहोत हे लक्षात घेणे गरजेचे आहे.
०००००००
प्रा. डॉ. दीपक ताटपुजे अप्लाइड एआय क्षेत्रातील पुणेस्थित संशोधक आणि अभ्यासक आहेत.