स्मार्ट मशिनच्या जगात
सध्या आर्टिफिशिअल इंटेलिजन्स म्हणजेच कृत्रिम प्रज्ञा या विषयास खूप महत्व आले आहे. सगळीकडे त्याचाच बोलबाला. प्रत्येक दिवसागणिक एआय आणि मशिन लर्निंगची मागणी वाढतच चाललीय. काही तज्ज्ञांच्यामते एआयमुळे जगातील १.७ दशलक्ष नोकऱ्यांवर गदा येऊ शकते. पण, त्याचबरोबर वेगळया भूमिकेतील नव्या संधीही निर्माण होण्याचीही दाट शक्यता वर्तवली गेलीय.
मशिन लर्निंग, हा विषय केवळ माहिती तंत्रज्ञान कंपन्यांपुरता मर्यादित राहिलेला नाही. मनोरंजन, आरोग्य सुविधा, वित्त, परिवहन अशा क्षेत्रातही मशिन लर्निंगने हातपाय पसरले आहेत. त्यामुळेच, मशिन लर्निंग या विषयाचे शिक्षण-प्रशिक्षण घेतल्यास, करिअरच्या अनेक संधीचे दार उघडले जाऊ शकते. आयबीएम, ॲमेझॉन, अक्सेंच्युअर, सारख्या कंपन्यांनी, मशिन लर्निंग तंत्रज्ञानाचा वापर करण्यात आघाडी घेतली आहे.
मशिन लर्निंग
मशिन लर्निंग तंत्रामुळे, संगणकाला स्वत:हून शिकणे शक्य होतेय. मशिन लर्निंग, ही एआयची एक शाखा आहे. मशिन लर्गिंनसाठी विशिष्ट स्वरुपाचे अल्गॉरिदम किंवा गणितीय भाषा तयार केली जाते. त्याव्दारे, दिलेल्या माहितीचा वापर करुन, संगणक स्वत: शिकतो. या शिकण्यातून त्याला निष्कर्ष काढण्याची आणि निर्णयसुध्दा घेण्याची क्षमता प्राप्त होते. आर्थिक व्यवहारातील घोटाळे ते ई-कॉमर्स प्लॅटफॉर्मवर विविध वस्तूंची शिफारस करणे, अशा अनेक क्षेत्रात, मशिन लर्निंगचा उपयोग होऊ लागलाय.
२०२७ पर्यंत एआयच्या क्षेत्रातील वार्षिक उलाढाल २६७ बिलीयन डॉलर्सपेक्षा अधिक राहण्याची शक्यता, या क्षेत्रातील तज्जांनी वर्तवलीय. या क्षेत्रातील बाजारपेठ वार्षिक ३७ टक्के या दराने वाढत असून ही वाढ २०३० पर्यंत कायम राहील. त्यामुळेच जागतिक अर्थकारणातील एआयचा वाटा १५.७ ट्रिलियन डालर्सपर्यंत राहण्याची शक्यता वर्तवण्यात आली आहे.
मानवी बुध्दीमत्तेची अनेक पारंपरिक कामे एआय सध्या करु लागला आहे. संगणकाकडून कामे करुन घेण्यासाठी विशिष्ट ॲल्गोरिदमची निर्मिती, मशिन लर्निंगव्दारे केली जाते. यामुळे मानवी उत्पादकता वाढण्यास साहाय्य होणार आहे. विविध क्षेत्रातील सर्जनशील नावीन्यतेमध्ये वाढ अपेक्षित आहे. एआय तंत्रज्ञान, झपाट्याने उत्क्रांत होत असून त्यामुळे पुढील करिअर संधी निर्माण होऊ शकतात, याकडे याक्षेत्रातील तज्ज्ञ, रोनाल्ड व्हॅन लून यांनी लक्ष वेधले आहे.
(१) मशिन लर्निंग- कृत्रिम प्रज्ञेचा वापर करुन, यंत्रे (संगणक/रोबो) मागील अनुभवावरुन शिकते. शिवाय पुढील काळात लक्षणीय सुधारणा सुध्दा करते.
(२) मशिन इंटेलिजन्स- अधिक प्रगत अल्गॉरिदमचा वापर करुन यंत्रे, मानवासारखा विचार करु लागतील आणि अधिक गतिने व प्रभावीपणे कोणतीही समस्या सोडवू शकतील.
(३) मशिन काँशियसनेस- हा भविष्यातील टप्पा असून या टप्प्यात, यंत्रांना शिकण्यासाठी कोणत्याही बाह्य डाटा किंवा माहितीची गरज भासणार नाही, ते स्वत:हून आवश्यक त्यागोष्टी अनुभवातून शिकू शकतील.
महत्वाचे घटक
मशिन लर्निंगच्या क्षेत्रात पुढील काही विषयघटक महत्वाचे ठरतात-
(१) न्युरल नेटवर्क- माणसाच्या मेंदुतील मज्जारज्जूंच्या जाळ्यांसारखे, हे जाळे असते. मज्जारज्जूप्रमाणेच त्याचे कार्य अपेक्षित आहे. यामुळे कोणत्याही प्रकारच्या क्लिष्ट डाटाचे विश्लेषण शक्य होऊन यंत्रांना अत्याधिक अचुकतेने निष्कर्ष काढणे किंवा निर्णय घेणे शक्य होते.
(३) नॅचरल लँग्वेज प्रोसेस- यामध्ये मानवी भाषा समजून घेण्याची क्षमता संगणक किंवा स्मार्ट यंत्र प्राप्त करतो. यामुळे, आपण संगणक किंवा स्मार्ट यंत्रासोबत संवाद करु शकतो. आपले सांगणे ओळखून, संगणक योग्य ते प्रतिसाद देऊ शकतो. जसेजसे, या तंत्रज्ञानात सुधारणा होत जाईल, तसे स्मार्ट यंत्रासोबतचा आपला संवाद अधिकाधिक नैसर्गिक होत जाईल.
(४) डीप लर्निंग- ही मशिन लर्निंगची पुढची पायरी. यामध्ये स्मार्ट यंत्रे, अधिक गुंतागुंतीचे किंवा व्यामिश्र प्रश्न अथवा समस्या स्वत:हून सोडवण्यासाठी सक्षम होतील. यामध्ये न्युरल नेटवर्कच्या साखळीतून डाटावर प्रकिया होऊन यंत्रांना गतिने शिकता येईल. त्वरित निर्णयही घेता येईल. चित्रे, आवाज, संहिता(टेक्स्ट )यांच्यावर प्रकिया करुन निष्कर्ष आणि निर्णयाप्रप्त पोहचणारे हे तंत्रज्ञान आहे.
याक्षेत्रातील प्रशिक्षित मनुष्यबळ पुढील क्षेत्रांना मोठ्या संख्येने लागणार आहे.
(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- (अ) बीटेक कॉम्प्युटर सायंस ॲण्ड इंजिनअरिंग इन आर्टिफिशिअल इंटेलिजन्स ॲण्ड मशिन लर्निंग, (ब) बीटेक कॉम्प्युटर सायंस ॲण्ड इंजिनअरिंग इन आर्टिफिशिअल इंटेलिजन्स ॲण्ड डाटा सायंस. संपर्क- https://www.djsce.ac.in/
(४) मुकेश पटेल स्कूल ऑफ टेक्नॉलॉजी (एनएमआयएमस युनिव्हर्सिटी) मुंबई- (अ) बीटेक इन डाटा सायंस, (ब) बीटेक इन 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
(८) डीवाय पाटील युनिव्हर्सिटी,पुणे- (अ) बीटेक इन आर्टिफिशिअल टेक्नॉलॉजी ॲण्ड मशिन लर्निंग, (ब) बीटेक इन आर्टिफिशिअल टेक्नॉलॉजी ॲण्ड डाटा सायंस.संपर्क- https://dypatiluniversitypune.edu.in/bachelor-of-technology-pune.php
सुरेश वांदिले