१) मनोरंजन- स्ट्रिमिंग आणि गेमिंग कंपन्यांनी, मशिन लर्निंग तंत्राचा वापर करुन प्रेक्षकांच्या आवडीनिवडीनुसार कार्यक्रम किंवा कंटेट निर्मिती सुरु केली आहे. त्यामुळे मनोरंजक कार्यक्रम बघण्याचा ग्राहकांचा वेळ वाढला आहे. त्यांच्या समाधान आणि आनंदाच्या पातळीतही वाढ झाली आहे. (२) ऑटोमोटिव्ह- वाहनांमध्ये सेन्सरचा उपयोग करुन, त्यांना अधिकाधिक माहिती पुरवली जाते. त्यामुळे संभाव्य देखभाल दुरुस्तीच्या सूचना, वाहनातील बिघाडीचे अचुक विश्लेषण शक्य होत असून, भविष्यात अधिकाधिक वाहने, स्वयंचिलतच राहतील अशी चिन्हे आहेत. (३) रिटेल- कृत्रिम प्रज्ञेचा वापर करुन ग्राहकांची वर्तणूक, आवडनिवड यांचे विश्लेषण केले जाते. खरेदीप्रक्रिया अधिक सुलभ, गतिने आणि आनंददायी अनुभव देणारी करण्याकडे लक्ष पुरवले जाते. (४) रिअल इस्टेट- जागा किंवा इमारतीचे मूल्यांकन, भविष्यसूचक विश्लेषण, विक्री आणि खरेदीची अत्यंत सुलभ अशी प्रकिया करण्यासाठी मशिन लर्निंग तंत्राचा वापर केला जातो. (५) टेलिकम्युनिकेशन- नेटवर्कची कामगिरी कायम अडथळाविरहित आणि गतिमान राहण्यासाठी, चॅटबॉट आणि आभासी साहाय्यक (व्हर्च्युअल असिस्टंट) यांच्या साहाय्याने ग्राहकांना तत्काळ प्रतिसाद दिला जातो. (६) कृषी – पिकाच्या उत्पादनाची अचुक आकडेवारी, किटकांच्या धाडीचे भाकित, खत्रांची अचुक मात्रा आदी बाबींमध्ये निर्णय घेण्यासाठी मशिन लर्निंग तंत्राचा वापर करुन शेतीचे उत्पादन आणि उत्पन्न वाढीसाठी उपयोग केला जातो. (७) पुरवठा साखळी- ही साखळी अधिकाधिक सुरक्षित होण्यासाठी स्वंयनियोजन, मागणीनुसार पुरवठ्याचे संनियंत्रण, प्रभावी वाहतूक व्यवस्थापन यासाठी, मशिन लर्निंगचा उपयोग केला जातो. (८) वित्त- आर्थिक व्यवहारातील धोके आणि फसवणूक टाळण्यासाठी, मशिन लर्निंग तंत्राचा वापर करुन सुरक्षेचे कवच निर्माण केले जाते. (९) आरोग्यसुविधा (हेल्थ केअर)-रुग्णांना अधिक उत्तम सेवा मिळावी म्हणून आरोग्य प्रशासन, आरोग्य सुविधा व्यवस्थापन याकडे लक्ष पुरवले जाते.
अपेक्षित कौशल्य
या क्षेत्रात येण्यासाठी उत्कृष्ट अशा संवादकौशल्याची गरज आहे. त्यामुळे प्रभावीपणे , सर्जनशीलह कल्पना मांडता येतात. या क्षेत्रात येऊ इच्छिणाऱ्या विद्यार्थ्यांचा गणिताचा विशेषत: सांख्यिकी आणि लिनिअर अंकगणित यांचा पाया पक्का करायला हवा. पायथॉन किंवा सी प्लस प्लस सारख्या संगणकीय भाषेवर प्रभुत्व मिळवायला हवे. अल्गॉरिदमच्या संकल्पना स्पष्ट होणे, अत्यावश्यक ठरते. प्रोग्रॅमर म्हणून सध्या काम करत असणाऱ्यांनी एआयमध्ये येण्यासाठी अल्गॉरिदम आणि कोडिंगचे प्रशिक्षण घेणे आवश्यक राहील. पायथॉन, या भाषेवरही प्रभुत्व मिळवायला हवे. डाटा सांयटिस्टना या क्षेत्रात येण्यासाठी प्रोग्रॅमिंगचे कौशल्य अधिक वाढवावे लागेल. डाटा व्हिज्युलायझेशन टूल्सवर प्रभुत्व मिळवल्यास, या क्षेत्रात अधिक प्रगती करणे शक्य होऊ शकेल.
एआय सतत उन्नत होत असल्याने या क्षेत्रात असलेल्या किंवा येऊ इच्छिणाऱ्यांना सतत कौशल्यवृध्दी करत राहणे गरजेचे आहे. अन्यथा एआयच्या गतिशी स्पर्धा करणे कठीण जाईल. शिवाय या क्षेत्रात टिकणेही कठीण होईल.
काही अभ्यासक्रम
(१) बिट्स पिलाणी या संस्थेने, वर्क इंटिग्रेटेड लर्निंग प्रोग्रॅम या उपक्रमांतर्गत, बीटेक इन स्मार्ट मॅन्युफॅक्चर हा अभ्यासक्रम सुरु केला आहे. संपर्क- https://bits-pilani-wilp.ac.in, (२) के. जे. सोमय्या स्कूल ऑफ इंजिनीअरिंग,मुंबई- बीटेक इन आर्टिफिशिअल इंटेलिजन्स ॲण्ड डाटा सायंस. संपर्क- https://kjsce.somaiya.edu/en/programme/btech-in-artificial-intelligence-data-science/,(३) डीजे संघवी कॉलेज ऑफ इंजिनीअरिंग,मुंबई- बीटेक कॉम्प्युटर सायंस ॲण्ड इंजिनअरिंग इन आर्टिफिशिअल इंटेलिजन्स ॲण्ड (अ) मशिन लर्निंग, (ब) डाटा सायंस. संपर्क- https://www.djsce.ac.in/, (४) मुकेश पटेल स्कूल ऑफ टेक्नॉलॉजी (एनएमआयएमस युनिव्हर्सिटी) मुंबई- बीटेक इन (अ) डाटा सायंस, (ब) आर्टिफिशिअल इंटेलिजन्स. संपर्क-https://engineering.nmims.edu, (६) थडोमल साहणी इंजिनीअरिंग कॉलेज, मुंबई – बीटेक इन आर्टिफिशिअल इंटेलिजन्स ॲण्ड डाटा सायंस. संपर्क-https://tsecadmission.org/
(७) सिम्बॉयसीस इंस्टिट्यूट ऑफ टेक्नॉलॉजी,पुणे- बीटेक इन आर्टिफिशिअल टेक्नॉलॉजी ॲण्ड मशिन लर्निंग. संपर्क- https://www.sitpune.edu.in/btech-AI
सुरेश वांदिले