मानवी मेंदूसारखे काम करणारे नवे कृत्रिम बुद्धिमत्ता मॉडेल

सध्याच्या प्रगत तंत्रज्ञानाच्या युगात कृत्रिम बुद्धिमत्ता आणि लार्ज लँग्वेज मॉडेल्स यांनी संपूर्ण जगात एक मोठी क्रांती घडवून आणली आहे. परंतु, या पारंपरिक तंत्रज्ञानामध्ये एक मोठी त्रुटी आहे, ती म्हणजे प्रचंड प्रमाणात लागणारी विजेची आणि ऊर्जेची गरज. या समस्येवर मात करण्यासाठी आता चीनमधील संशोधकांनी एक  नाविन्यपूर्ण आणि थेट मानवी मेंदूप्रमाणे काम करणारे नवे कृत्रिम बुद्धिमत्ता मॉडेल विकसित केले आहे. हे नवे मॉडेल आजकालच्या प्रचलित आणि पारंपरिक एआय सिस्टीमपेक्षा पूर्णपणे वेगळ्या पद्धतीने काम करते. नेहमीचे लार्ज लँग्वेज मॉडेल्स सतत आणि न थांबता प्रचंड मोठ्या प्रमाणावरील माहितीवर प्रक्रिया करत असतात, ज्यामुळे त्यांच्यासाठी प्रचंड ऊर्जा खर्च होते. याउलट, या नव्या रचनेमध्ये चिनी संशोधकांनी 'स्पायकिंग न्यूरल नेटवर्क्स' चा कल्पकतेने वापर केला आहे. या नेटवर्कचे सर्वात मोठे वैशिष्ट्य म्हणजे ते केवळ गरज असेल तेव्हाच सक्रिय होतात. आपल्या शरीरातील जैविक न्यूरॉन्स जसे एकमेकांशी संवाद साधण्यासाठी सूक्ष्म अशा विद्युत लहरींचा वापर करतात, अगदी त्याच नैसर्गिक प्रक्रियेची अचूक नक्कल या नव्या मॉडेलमध्ये करण्यात आली आहे. यामुळे गुंतागुंतीची आणि अवघड कामे तितक्याच क्षमतेने पूर्ण करताना ऊर्जेचा वापर मात्र आश्चर्यकारक रीत्या कमी करण्यात या संशोधकांना मोठे यश आले आहे.

पारंपरिक कृत्रिम बुद्धिमत्ता मॉडेल्स आणि हे नवे मानवी मेंदूवर आधारित मॉडेल यांच्या कार्यपद्धतीत एक अतिशय मोठा आणि मूलभूत फरक आहे. आज आपण वापरत असलेले चॅटबॉट किंवा इतर एआय मॉडेल्स दर सेकंदाला अब्जावधी गणिते आणि आकडेमोड करत असतात. सर्वात आश्चर्याची गोष्ट म्हणजे, ज्यावेळी यापैकी बहुतांश कामांची किंवा आकडेमोडीची प्रत्यक्षात कोणतीही आवश्यकता नसते, तेव्हाही ही मॉडेल्स बॅकग्राउंडला सतत सुरूच राहतात. हे म्हणजे एखाद्या गाडीची गरज नसतानाही तिचे इंजिन सतत चालू ठेवण्यासारखे आहे, ज्यामुळे मोठ्या प्रमाणावर इंधनाची नासाडी होते. या समस्येवर उपाय म्हणून नव्या तंत्रज्ञानात स्पायकिंग न्यूरल नेटवर्क्सचा वापर करण्यात आला आहे, जे 'इव्हेंट-ड्रिव्हन कम्प्युटेशन' (Event-driven computation) म्हणजेच केवळ घटना किंवा गरजेवर आधारित संगणना या तत्त्वावर काम करतात. या प्रणालीतील कृत्रिम न्यूरॉन्स सामान्य परिस्थितीत पूर्णपणे निष्क्रिय किंवा शांत राहतात. जेव्हा बाहेरून येणारे सिग्नल्स किंवा माहिती एका विशिष्ट मर्यादेपर्यंत पोहोचते, केवळ तेव्हाच आणि त्याच क्षणी हे न्यूरॉन्स जागे होतात आणि कमी काळासाठी सक्रिय होऊन प्रतिसाद देतात. आपले काम पूर्ण होताच ते पुन्हा एकदा निष्क्रिय आणि शांत अवस्थेत जातात.

या नव्या कार्यपद्धतीचा सर्वात मोठा फायदा म्हणजे संपूर्ण प्रणालीची कार्यक्षमता प्रचंड वेगाने वाढते आणि विजेची अभूतपूर्व बचत होते. बहुतांश न्यूरॉन्स जास्तीत जास्त वेळ निष्क्रिय अवस्थेत राहत असल्यामुळे, या सिस्टीमला पारंपरिक मॉडेल्सच्या तुलनेत अत्यंत कमी आकडेमोड करावी लागते. यामुळे केवळ ऊर्जेचीच मोठी बचत होत नाही, तर लांबलचक आणि गुंतागुंतीच्या माहितीच्या शृंखलेवर वेगाने आणि अचूकपणे प्रक्रिया करणेही शक्य होते. मानवी मेंदू ज्याप्रमाणे कमीत कमी ऊर्जा वापरून गुंतागुंतीचे निर्णय अगदी सेकंदाच्या काही भागात घेतो, तशीच काहीशी अवस्था या नव्या कृत्रिम बुद्धिमत्तेची आहे. यामुळे भविष्यात माहितीवर प्रक्रिया करण्याचा वेग अनेक पटींनी वाढणार आहे आणि डेटा सेंटर्सवर पडणारा प्रचंड ताणही कमी होण्यास मदत मिळणार आहे.

या संशोधनाचे आणखी एक महत्त्वाचे आणि जागतिक राजकारणाच्या दृष्टीने लक्षवेधी पैलू म्हणजे यासाठी वापरण्यात आलेले हार्डवेअर. सध्या जगभरातील बहुतेक सर्वच एआय कंपन्या आपल्या मॉडेल्ससाठी विशिष्ट आणि महागड्या परदेशी चिप्सवर अवलंबून आहेत. मात्र, चिनी संशोधकांनी या नव्या मॉडेलची रचना अशी केली आहे की, हे तंत्रज्ञान चालवण्यासाठी त्यांना कोणत्याही परदेशी आणि महागड्या हार्डवेअरवर विसंबून राहावे लागणार नाही. त्यांनी हे मॉडेल पूर्णपणे देशांतर्गत विकसित केलेल्या आणि स्थानिक पातळीवर बनवलेल्या कॉम्प्युटर चिप्सवर यशस्वीरीत्या चालवून दाखवले आहे. या महत्त्वपूर्ण पावलामुळे एआय तंत्रज्ञानाच्या क्षेत्रातील त्यांची इतर देशांवरील आणि परदेशी बनावटीच्या उत्पादनांवरील अवलंबित्व मोठ्या प्रमाणावर कमी होणार आहे. चिप्सच्या जागतिक तुटवड्याच्या पार्श्वभूमीवर स्वतःच्या देशात तयार केलेल्या हार्डवेअरवर इतके प्रगत सॉफ्टवेअर चालवणे हे तंत्रज्ञान क्षेत्रातील स्वावलंबनाचे एक मोठे उदाहरण मानले जात आहे.

मानवी मेंदूपासून प्रेरणा घेऊन तयार करण्यात आलेले हे कृत्रिम बुद्धिमत्ता तंत्रज्ञान भविष्यात अनेक क्षेत्रांसाठी वरदान ठरणार आहे. विशेषतः ज्या उपकरणांमध्ये संगणकीय क्षमता आणि बॅटरीचे आयुष्य मर्यादित असते, अशा ठिकाणी हे तंत्रज्ञान अतिशय मोलाची भूमिका बजावेल. उदाहरणार्थ, रोबोटिक्सच्या क्षेत्रात काम करणाऱ्या यंत्रमानवांना अनेकदा मर्यादित बॅटरीवर काम करावे लागते. अशा वेळी हे ऊर्जा वाचवणारे तंत्रज्ञान त्यांना अधिक काळ सक्रिय राहण्यास आणि अचूक काम करण्यास मदत करेल. यासोबतच स्वयंचलित वाहने म्हणजेच ड्रायव्हरलेस कार्स, स्मार्टवॉच आणि फिटनेस ट्रॅकर यांसारखी अंगावर परिधान करण्यायोग्य उपकरणे आणि इंटरनेट ऑफ थिंग्जशी संबंधित इतर अनेक स्मार्ट गॅजेट्ससाठी हे तंत्रज्ञान क्रांतीकारी ठरू शकते. या उपकरणांना सतत आणि तत्काळ निर्णय घ्यावे लागतात, परंतु त्यांच्याकडे मोठ्या सर्व्हरसारखी प्रचंड ऊर्जा नसते. अशा परिस्थितीत स्पायकिंग न्यूरल नेटवर्कवर आधारित हे मॉडेल कमीत कमी ऊर्जेत जास्तीत जास्त वेगाने काम करून अतिशय प्रभावी परिणाम देऊ शकते.

कृत्रिम बुद्धिमत्तेच्या क्षेत्रात नुसतेच मॉडेल्सचा आकार वाढवत नेणे आणि त्यांना अधिक डेटा खाऊ घालणे हा एकमेव पर्याय असू शकत नाही, हे या संशोधनाने प्रभावीपणे सिद्ध केले आहे. अधिक चांगले परिणाम मिळवण्यासाठी केवळ मॉडेल्स मोठे करणे हाच एकमेव मार्ग नाही. त्याऐवजी, निसर्गाकडून आणि विशेषतः मानवी मेंदूच्या अप्रतिम रचनेकडून प्रेरणा घेऊन आणि त्याला आधुनिक संगणकीय विज्ञानाची जोड देऊन आपण अधिक वेगवान, अधिक अचूक आणि ऊर्जेची मोठी बचत करणारी  प्रभावी यंत्रणा निर्माण करू शकतो. हे नवीन संशोधन म्हणजे केवळ एका देशाचे यश नसून, संपूर्ण मानवजातीसाठी अधिक शाश्वत आणि पर्यावरणपूरक तंत्रज्ञानाकडे टाकलेले एक अत्यंत महत्त्वाचे आणि आशादायी पाऊल आहे. भविष्यातील तंत्रज्ञान हे केवळ आकाराने मोठे नसून, ते निसर्गाशी आणि मानवी शरीररचनेशी साधर्म्य सांगणारे अधिक स्मार्ट तंत्रज्ञान असेल, हेच यातून स्पष्ट होते.

(चित्र: एआय निर्मित)

--- तुषार भ. कुटे 

#AI #ArtificialIntelligence #Marathi 

कृत्रिम बुद्धिमत्तेचे 'मेंदू': न्यूरल नेटवर्क आणि डीप लर्निंगची दुनिया

आज आपण अशा एका युगात जगत आहोत जिथे यंत्रमानव (robots), स्वतः चालणाऱ्या गाड्या आणि आपल्याशी बोलणारे मोबाईल असिस्टंट्स आता केवळ विज्ञानाच्या कथांमध्ये राहिलेले नाहीत. या सर्व अद्भुत तंत्रज्ञानाच्या मागे एक शक्तिशाली संकल्पना आहे, जी मानवी मेंदूच्या रचनेवरून प्रेरित आहे. ती संकल्पना म्हणजे न्यूरल नेटवर्क (Neural Network).

न्यूरल नेटवर्क म्हणजे नेमकं काय? 🧠

सोप्या भाषेत सांगायचे तर, न्यूरल नेटवर्क ही एक संगणक प्रणाली आहे जी मानवी मेंदू ज्याप्रमाणे माहितीवर प्रक्रिया करतो आणि शिकतो, त्याच पद्धतीची नक्कल करण्याचा प्रयत्न करते. आपला मेंदू कोट्यवधी 'न्यूरॉन्स' (neurons) नावाच्या पेशींनी बनलेला आहे. हे न्यूरॉन्स एकमेकांना जोडलेले असतात आणि विद्युत आणि रासायनिक संकेतांद्वारे (signals) एकमेकांशी संवाद साधतात. याच रचनेवरून प्रेरणा घेऊन कृत्रिम न्यूरल नेटवर्क तयार केले जाते.

एका कृत्रिम न्यूरल नेटवर्कमध्ये तीन मुख्य प्रकारचे थर (layers) असतात:

- इनपुट लेअर (Input Layer): हा नेटवर्कचा दरवाजा आहे. या थराला बाहेरील जगाकडून माहिती मिळते. उदाहरणार्थ, जर आपल्याला एखादा फोटो ओळखून तो कुत्रा आहे की मांजर हे ठरवायचे असेल, तर त्या फोटोमधील पिक्सेल्सची (pixels) माहिती या लेअरला दिली जाते.
- हिडन लेअर्स (Hidden Layers): हा नेटवर्कचा खरा 'विचार करणारा' भाग आहे. इनपुट लेअरकडून मिळालेल्या माहितीवर येथे प्रक्रिया केली जाते. एका न्यूरल नेटवर्कमध्ये एक किंवा एकापेक्षा जास्त हिडन लेअर्स असू शकतात. प्रत्येक लेअर मिळालेल्या माहितीतील विशिष्ट नमुने (patterns) ओळखण्याचा प्रयत्न करतो.
- आउटपुट लेअर (Output Layer): हिडन लेअर्सने प्रक्रिया केल्यानंतर अंतिम निष्कर्ष या लेअरमधून बाहेर येतो. वरील उदाहरणात, हा लेअर "मांजर" किंवा "कुत्रा" असे उत्तर देईल.

एक सोपे उदाहरण: मांजर 🐈 की कुत्रा 🐕?

समजा, आपण एका न्यूरल नेटवर्कला मांजर आणि कुत्रा यांच्यातील फरक ओळखायला शिकवत आहोत.
प्रशिक्षण (Training): सुरुवातीला, आपण नेटवर्कला हजारो फोटो दाखवतो ज्यावर "मांजर" किंवा "कुत्रा" असे लेबल लावलेले असते.
शिकण्याची प्रक्रिया:
- जेव्हा नेटवर्कला मांजरीचा फोटो दाखवला जातो, तेव्हा इनपुट लेअर त्या फोटोचे पिक्सेल्स घेते.
- पहिला हिडन लेअर त्या पिक्सेल्समधून अगदी साधे नमुने ओळखतो, जसे की सरळ रेषा, वक्र रेषा किंवा विशिष्ट रंग.
- पुढचा हिडन लेअर या साध्या नमुन्यांना एकत्र करून थोडे अधिक जटिल आकार ओळखतो, जसे की टोकदार कान, गोल डोळे किंवा मिशा.
- त्यापुढील लेअर हे आकार एकत्र करून "मांजरीसारखा चेहरा" किंवा "कुत्र्यासारखे कान" असे भाग ओळखतो.
ही सर्व माहिती शेवटी आउटपुट लेअरकडे जाते. समजा, नेटवर्कने सुरुवातीला चुकीचे उत्तर दिले आणि मांजरीच्या फोटोला "कुत्रा" म्हटले. तेव्हा आपण त्याला सांगतो की तुझे उत्तर चुकले आहे, हा "मांजर" आहे. या प्रक्रियेला 'बॅकप्रोपगेशन' (Backpropagation) म्हणतात.
या प्रतिक्रियेमुळे (feedback), नेटवर्क आपल्या आतल्या जोडण्यांचे (connections) वजन (weights) थोडे बदलते. ते 'शिकते' की 'टोकदार कान' आणि 'मिशा' हे नमुने 'मांजर' या उत्तराशी अधिक संबंधित आहेत.

हजारो वेळा ही प्रक्रिया केल्यानंतर, नेटवर्क मांजर आणि कुत्रा यांच्यातील सूक्ष्म फरक ओळखण्यात इतके पारंगत होते की ते न पाहिलेला नवीन फोटोसुद्धा अचूकपणे ओळखू शकते.

न्यूरल नेटवर्कचा इतिहास

न्यूरल नेटवर्कची संकल्पना एका रात्रीत जन्माला आलेली नाही. याचा इतिहास अनेक दशकांचा आहे.
- १९४० चे दशक: वॉरन मॅककलोच आणि वॉल्टर पिट्स यांनी पहिल्यांदा एका गणितीय मॉडेलद्वारे कृत्रिम न्यूरॉनची संकल्पना मांडली. हा एक सैद्धांतिक पाया होता.
- १९५० चे दशक: फ्रँक रोझेनब्लॅट यांनी 'पर्सेप्ट्रॉन' (Perceptron) नावाचे पहिले न्यूरल नेटवर्क मशीन तयार केले. हे मशीन अक्षरे ओळखू शकत होते, ज्यामुळे खूप उत्साह निर्माण झाला.
- १९७०-८० चे दशक (AI Winter): सुरुवातीच्या उत्साहानंतर, असे लक्षात आले की तत्कालीन न्यूरल नेटवर्क्स खूपच मर्यादित होती. ती क्लिष्ट समस्या सोडवू शकत नव्हती. त्यामुळे या क्षेत्रातील संशोधन आणि निधी कमी झाला. या काळाला 'एआय विंटर' (AI Winter) म्हटले जाते.
- १९८०-९० चे दशक: 'बॅकप्रोपगेशन' (Backpropagation) या अल्गोरिदमच्या विकासामुळे न्यूरल नेटवर्क्सना पुन्हा संजीवनी मिळाली. यामुळे अनेक थरांचे नेटवर्क प्रभावीपणे प्रशिक्षित करणे शक्य झाले. जेफ्री हिंटन (Geoffrey Hinton) सारख्या संशोधकांचे यात मोठे योगदान आहे.
- २०१० पासून आजपर्यंत: प्रचंड संगणकीय शक्ती (विशेषतः GPUs), इंटरनेटमुळे उपलब्ध झालेला प्रचंड डेटा आणि सुधारित अल्गोरिदम्समुळे न्यूरल नेटवर्क्सची क्षमता प्रचंड वाढली आणि आज आपण त्याचे परिणाम अनुभवत आहोत.

डीप लर्निंग म्हणजे काय? (What is Deep Learning?)

जेव्हा तुम्ही "डीप लर्निंग" (Deep Learning) हा शब्द ऐकता, तेव्हा गोंधळून जाण्याचे कारण नाही. डीप लर्निंग हे न्यूरल नेटवर्कचेच एक प्रगत रूप आहे.
फरक फक्त इतकाच आहे की, साध्या न्यूरल नेटवर्कमध्ये एक किंवा दोन हिडन लेअर्स असतात, तर डीप लर्निंग नेटवर्कमध्ये अनेक (कधीकधी शेकडो) हिडन लेअर्स असतात.

या 'खोलवर' (deep) रचनेमुळे काय होते?

अधिक लेअर्स असल्यामुळे, नेटवर्क अत्यंत गुंतागुंतीचे आणि सूक्ष्म नमुने ओळखू शकते. जसे की:
- पहिला लेअर फक्त प्रकाश आणि सावल्या ओळखेल.
- मधले लेअर्स चेहऱ्याचे भाग ओळखतील.
- त्यापुढील लेअर्स संपूर्ण चेहरा ओळखतील.
- आणि सर्वात वरचे लेअर्स चेहऱ्यावरील हावभाव (जसे की आनंद किंवा दुःख) ओळखायला शिकतील.

ही अतिरिक्त खोलीच डीप लर्निंगला आवाज ओळखणे (Speech Recognition), नैसर्गिक भाषा प्रक्रिया (Natural Language Processing - जसे की चॅटबॉट्स) आणि स्वतः चालणाऱ्या गाड्या (Self-Driving Cars) यांसारख्या जटिल कामांसाठी प्रचंड शक्तिशाली बनवते.

थोडक्यात, सर्व डीप लर्निंग नेटवर्क्स ही न्यूरल नेटवर्क्स आहेत, पण सर्व न्यूरल नेटवर्क्स 'डीप' नसतात.

अर्थात न्यूरल नेटवर्क ही मानवी बुद्धिमत्तेची नक्कल करण्याची एक अद्भुत पद्धत आहे. मेंदूच्या न्यूरॉन्सच्या जाळ्यापासून प्रेरणा घेऊन, ही प्रणाली डेटाच्या महासागरातून शिकते, स्वतःला सुधारते आणि अशी कामे करते जी काही वर्षांपूर्वी अशक्य वाटत होती. डीप लर्निंगने या क्षमतेला एका नवीन उंचीवर नेले आहे. भविष्यात हे तंत्रज्ञान आपल्या जीवनाच्या प्रत्येक पैलूला स्पर्श करेल आणि मानवी प्रगतीचा एक अविभाज्य भाग बनेल यात शंका नाही.

(आधारित)

--- तुषार भ. कुटे

CNNs (Convolutional Neural Networks) कसे कार्य करतात?

डीप लर्निंगमधील CNNs (Convolutional Neural Networks) कसे कार्य करतात याचे एक विलक्षण प्रात्यक्षिक!
हा व्हिडिओ दर्शवितो की प्रतिमा लहान करणे म्हणजे नेहमीच महत्त्वाचे तपशील गमावणे असा होत नाही. हे लक्षात घ्या की प्रतिमा खूपच लहान असूनही, आपण स्पष्टपणे पाहू शकतो की या चित्रामध्ये कुत्रा आहे!
याचा अर्थ जर सुरुवातीच्या प्रतिमेच्या फक्त २५% भागामध्ये ती काय आहे, हे शोधण्यासाठी पुरेशी माहिती असेल तर आपण फक्त त्या भागावर लक्ष केंद्रित करू शकतो. अशा प्रकारे, आपल्याला CNN मध्ये संपूर्ण प्रतिमेसह कार्य करण्याची गरज नाही, ज्यामुळे गोष्टी अधिक सोप्या आणि जलद होतात.

(संकलित)