‘कृत्रिम बुद्धिमत्ते’ची वाढती व्याप्ती

अर्टिफिशिल इंटेलिजन्स (एआय) म्हणजे कृत्रिम बुद्धिमत्ता. त्याद्वारे कॉम्प्युटर किंवा कॉम्प्युटरद्वारे चालणारी मशिन्स ही आकलन लागणारी कामे, जसे विचार करणे, ओळखणे, शिकणे, समस्या निवारण करणे आणि निर्णय घेणे यांसारखी कामे करू शकतात. ‘एआय’ म्हणजे मनुष्याच्या आकलनशक्तीची नक्कल करणारे तंत्रज्ञान असा समज होता, पण आता त्याचा अधिक प्रमाणावर विस्तार झाला आहे. हे सर्व शक्‍य झाले ते डेटा मिळवणे, त्यावर प्रक्रिया करणे आणि कॉम्प्युटरची वाढलेली क्षमता या सर्वांमधील प्रगतीमुळे. ज्याप्रमाणे ‘एआय’ची ताकद वाढली आहे, त्याप्रमाणे त्याचा वेगवेगळ्या क्षेत्रांमध्ये वापरही वाढला आहे. तरीसुद्धा अजूनही ‘एआय’चा वापर हा नुकताच अंकुरित झालेल्या रोपासारखा आहे.

'सकाळ'चे मोबाईल ऍप डाऊनलोड करा

नीती आयोगाने पाच कार्यक्षेत्रे निवडली आहे, ज्यात ‘एआय’चा वापर सामाजिक गरजांसाठी अधिक सुलभपणे करता येईल. १) आरोग्यसेवा : उत्तम आरोग्यसेवांचा मुबलक दरात सर्वदूर पुरवठा. २) कृषी : शेतकऱ्यांचे उत्पन्न वाढवणे, शेतीची उत्पादनक्षमता वाढवणे. ३) शिक्षण: उत्तम शैक्षणिक सोयीसुविधा दूरपर्यंत उपलब्ध करणे. ४) स्मार्ट सिटी ः वाढत्या शहरीकरणाला उत्तम सोयीसुविधा उपलब्ध करणे. ५) स्मार्ट मोबिलिटी : वाहतुकीच्या समस्या सोडविण्यासाठी दळणवळणाचे उत्तम, सुरक्षित पर्याय शोधणे. थोडक्‍यात ‘एआय’च्या महत्त्वाला आता राजमान्यताही मिळाली आहे. ‘एआय’मध्ये काम करणाऱ्या लोकांची गरज आजही आहे आणि भविष्यात ती वाढणार आहे. त्यासाठी ‘एआय’ म्हणजे काय हे समजून घेणे गरजेचे आहे. ‘एआय’ची व्याख्या, मानवासारखा विचार करणे, तर्क करणे आणि निर्णय घेणे यासारखी मशिनची बुद्धिमत्ता अशी करता येईल. उदा. ऑनलाइन शॉपिंग करताना तुम्हाला आवडतील अशा वस्तू दाखविल्या जातात. हे तुमचे वय किती आहे, तुम्ही स्त्री आहात की पुरुष, यापूर्वीची तुमची खरेदी, जवळ आलेले सण वगैरे माहितीवरून भाकीत करून त्याच वस्तू दाखविल्या जातात, हा ‘एआय’चा एक उपयोग आहे. ‘एआय’मध्ये बरेच प्रकार आहेत. १) मशिन लर्निंग : ‘एआय’ खरेतर खूप विस्तारित बाब आहे. मशिन लर्निंग हा त्यातील एक भाग. ज्या ठिकाणी मशिन्स शिकतात, त्याला मशिन लर्निंग म्हणतात. मशिन्सला शिकवण्यासाठी गणित आणि संख्याशास्त्राचा उपयोग करून डेटामधील पॅटर्न म्हणजेच एक प्रणाली शोधली जाते आणि त्या आधारित भाकीत केले जाते. जितक्‍या जास्त प्रमाणावर डेटा, तितकी अचूक प्रमाणात प्रणाली आणि तितक्‍याच अचूकतेने भाकीत होते.

मशिन लर्निंग 
याचे उदाहरण म्हणजे, तुमच्या ईमेल बॉक्‍समध्ये स्पॅम फोल्डर आहे. ‘गुगल’ स्वतःहून धोकादायक ईमेल तुमच्यापर्यंत येऊ देत नाही. हे सर्व मशिन लर्निंगमुळे शक्‍य होते.२) डीप लर्निंग ः डीप म्हणजे यात अनेक स्टेप्स असतात. एका टप्प्याचे उत्तर हा पुढच्या टप्प्याला प्रश्न असतो आणि हे करून शेवटी मूळ प्रश्नाचे उत्तर शोधायचे असते. डीप लर्निंग हा मशिन लर्निंगचाच एक भाग आहे. हे करण्यासाठी खूप काम्प्युटिंग पॉवर लागते. ३) डेटा सायन्स : डेटा सायन्स हा ‘एआय’चा भाग नाही; पण ‘एआय’शी निगडित संकल्पना आहे. यात एखादा प्रश्न सोडविण्यासाठी त्याच्याशी निगडित डेटा एकत्र केला जातो आणि त्याला अनुसरून त्यातील प्रारूप शोधून बिझनेसमधील निर्णय घेतले जातात. एआय, मशिन लर्निंग, डीप लर्निंग, डेटा सायन्स या सर्वांच्या मुळाशी एकच गोष्ट आहे, ती म्हणजे ‘डेटा’- माहिती. डेटा असल्याशिवाय या तंत्रज्ञानाला काहीच अर्थ नाही.

तुम्हाला ‘एआय’मध्ये काम करायचे असेल तर काय करावे लागेल? ‘एआय’ कोणालाही शिकता येते. फक्त काही प्रोग्रामिंग लॅंग्वेजेस आणि कॉम्प्युटर सायन्सची माहिती हवी. म्हणजेच प्रोग्रामिंग कसे करतात, ते काम कसे करतात, याची माहिती हवी. स्टॅटिस्टिक्‍स येत असल्यास ही प्रक्रिया सोपी होते. सर्वच इंजिनिअरिंगच्या शाखांमध्ये हे शिकवले जाते. तुम्ही इंजिनिअर असाल तर ‘एआय’ शिकणे सुकर होते; पण इंजिनिअर नसला तरीही सध्या उपलब्ध असलेले पर्याय मदत करतात. पुढे काही पर्याय सुचवले आहेत जेणेकरून ‘एआय’मध्ये सुरुवात करता येईल. १) ई लर्निंग वेबसाइट ः ‘एआय’वर सर्वांत प्रचलित कोर्स कोणता असेल तर तो Coursera वेबसाइट वर असलेला Andrew Ng /EX यांचा AI for Everyone. तसेच Udemy, Edureka इ. वेबसाइटवरसुद्धा कोर्स उपलब्ध आहेत. २) फ्री कोर्स : ‘यू ट्यूब’वरसुद्धा बरेच कोर्स आणि व्हिडिओ आहेत, ज्याद्वारे ‘एआय’, मशिन लर्निंग, डीप लर्निंग किंवा डेटा सायन्स शिकता येते. फक्त ‘यू ट्यूब’द्वारे शिकण्यासाठी स्वयंशिस्तीची आवश्‍यकता असते आणि चांगल्या व्हिडिओचा शोध घ्यावा लागतो.

शेवटी, ‘एआय’मध्ये नवनवीन गोष्टी घडत आहेत. स्वयंचलित वाहने, होम ऑटोमेशन, Alexa, Siri सारखे पर्सनल असिस्टंट या सर्व प्रकारे आपल्या आयुष्यात ‘एआय’चा उपयोग आपण आज करत आहोत. भविष्यात आणखी अप्रतिम आणि अद्‌भुत असे आविष्कार येतील याची खात्री आहे. त्यामुळेच ‘एआय’मध्ये करिअर करणे हा उत्तम निर्णय ठरू शकतो.