सर्जनशील एआय: नवनिर्मितीचे नवे पर्व

आजच्या तंत्रज्ञानाच्या युगात, कृत्रिम बुद्धिमत्ता (Artificial Intelligence - AI) हा शब्द आपल्या सर्वांच्या परिचयाचा झाला आहे. याच कृत्रिम बुद्धिमत्तेचे एक प्रगत आणि अत्यंत प्रभावी स्वरूप म्हणजे 'सर्जनशील एआय' (Generative AI). सर्जनशील एआय म्हणजे अशी तंत्रप्रणाली जी नवीन आणि मूळ सामग्री, जसे की मजकूर, प्रतिमा, संगीत, व्हिडिओ आणि कोड तयार करू शकते. ही केवळ माहितीचे विश्लेषण किंवा वर्गीकरण करत नाही, तर उपलब्ध डेटाच्या आधारे काहीतरी नवीन 'निर्माण' करते. त्यामुळेच या तंत्रज्ञानाने कला, साहित्य, मनोरंजन आणि तंत्रज्ञान यांसारख्या अनेक क्षेत्रांमध्ये क्रांती घडवून आणली आहे.

सर्जनशील एआय कसे कार्य करते?

सर्जनशील एआयच्या कार्यामागे 'मशीन लर्निंग' (Machine Learning) आणि 'डीप लर्निंग' (Deep Learning) या संकल्पना आहेत. या प्रणालींना प्रचंड मोठ्या डेटासेटवर प्रशिक्षित केले जाते. उदाहरणार्थ, जर एखाद्या एआय मॉडेलला चित्रे तयार करायला शिकवायचे असेल, तर त्याला लाखो-करोडो चित्रे आणि त्यांच्या वर्णनांचा डेटा दिला जातो. या डेटामधून मॉडेल चित्रांमधील नमुने (patterns), शैली आणि संबंध शिकते.

एकदा प्रशिक्षण पूर्ण झाल्यावर, हे मॉडेल दिलेल्या निर्देशांनुसार (prompts) नवीन आणि मूळ प्रतिमा तयार करू शकते. उदाहरणार्थ, 'एक अंतराळवीर घोड्यावर बसून मंगळावर फिरत आहे' असे निर्देश दिल्यास, एआय त्याप्रमाणे एक चित्र तयार करेल, जे त्याने यापूर्वी कधीही पाहिलेले नसते. हीच प्रक्रिया मजकूर, संगीत आणि इतर प्रकारच्या सामग्रीसाठीही वापरली जाते.

विविध क्षेत्रांतील उपयोग

सर्जनशील एआयचा वापर आज अनेक क्षेत्रांमध्ये मोठ्या प्रमाणावर होत आहे आणि त्याचे फायदेही दिसून येत आहेत.

- कला आणि साहित्य: चित्रकार, लेखक आणि संगीतकार आता एआयचा वापर नवनवीन कल्पना मिळवण्यासाठी आणि आपल्या कलेला अधिक प्रभावी बनवण्यासाठी करत आहेत. एआयच्या मदतीने आकर्षक चित्रे, कविता, कथा आणि संगीत रचना तयार केल्या जात आहेत. 'मिडजर्नी' (Midjourney) आणि 'DALL-E' सारखी टूल्स वापरकर्त्यांना केवळ मजकूर निर्देशांवरून आकर्षक प्रतिमा तयार करण्याची सुविधा देतात.

- मनोरंजन: चित्रपट आणि गेमिंग उद्योगात, सर्जनशील एआयचा उपयोग नवीन पात्रे, कथा आणि व्हिज्युअल इफेक्ट्स तयार करण्यासाठी केला जात आहे. यामुळे निर्मिती प्रक्रियेला गती मिळाली आहे आणि खर्चही कमी झाला आहे.

- शिक्षण: शिक्षण क्षेत्रात, 'पर्सनलाइज्ड लर्निंग' (Personalized Learning) म्हणजेच प्रत्येक विद्यार्थ्याच्या गरजेनुसार शैक्षणिक साहित्य तयार करण्यासाठी एआयचा वापर होत आहे. यामुळे विद्यार्थ्यांना त्यांच्या गतीने आणि क्षमतेनुसार शिकण्याची संधी मिळते.

- जाहिरात आणि विपणन: कंपन्या आपल्या उत्पादनांसाठी आकर्षक जाहिराती आणि विपणन साहित्य तयार करण्यासाठी सर्जनशील एआयचा वापर करत आहेत. यामुळे ग्राहकांना अधिक प्रभावीपणे आकर्षित करता येते.

फायदे आणि आव्हाने

सर्जनशील एआयचे अनेक फायदे आहेत. यामुळे सर्जनशीलतेचे लोकशाहीकरण झाले आहे, म्हणजेच आता कोणीही सहजपणे कला किंवा साहित्य निर्माण करू शकतो. उत्पादकता वाढली आहे आणि नवनवीन कल्पनांना चालना मिळाली आहे.

मात्र, या तंत्रज्ञानासमोर काही आव्हाने आणि धोकेही आहेत.

- रोजगारावर परिणाम: एआयमुळे अनेक प्रकारची कामे स्वयंचलित (automate) होत असल्याने, काही क्षेत्रांतील नोकऱ्या कमी होण्याची भीती आहे.
- गैरवापर: 'डीपफेक' (Deepfake) सारख्या तंत्रज्ञानाचा वापर करून खोटी आणि दिशाभूल करणारी माहिती पसरवली जाऊ शकते, ज्यामुळे सामाजिक आणि राजकीय अस्थिरता निर्माण होऊ शकते.
- बौद्धिक संपदा हक्क: एआयने तयार केलेल्या कलाकृती किंवा साहित्याचे मालकी हक्क कोणाकडे असतील, हा एक मोठा कायदेशीर आणि नैतिक प्रश्न आहे.
- माहितीची सत्यता: एआयने तयार केलेली माहिती नेहमीच अचूक असेल याची खात्री देता येत नाही. त्यामुळे चुकीची माहिती पसरण्याचा धोका असतो.

भविष्यातील वाटचाल

सर्जनशील एआय हे एक अत्यंत शक्तिशाली साधन आहे आणि त्याचे भविष्य उज्ज्वल आहे. जसजसे हे तंत्रज्ञान अधिक विकसित होईल, तसतसे त्याचे उपयोगही वाढत जातील. मात्र, या तंत्रज्ञानाचा वापर जबाबदारीने आणि नैतिकतेने करणे आवश्यक आहे. मानवी सर्जनशीलता आणि एआय यांची सांगड घालून आपण अनेक अशक्य वाटणाऱ्या गोष्टी साध्य करू शकतो. भविष्यात, सर्जनशील एआय मानवाचा एक अविभाज्य सहकारी बनेल आणि नवनिर्मितीच्या एका नव्या युगाची सुरुवात करेल, यात शंका नाही.

--- तुषार भ. कुटे

 

GPT-5 ची घोषणा

OpenAI ने अधिकृतपणे ७ ऑगस्ट रोजी GPT-5 हे नवीन मॉडेल (तंत्रज्ञान) बाजारात आणले आहे. त्यांनी म्हटले आहे की हे आतापर्यंतचे सर्वात हुशार, जलद आणि उपयुक्त मॉडेल आहे.

हे मॉडेल आता Free, Plus, Pro, आणि Team या सर्व प्रकारच्या वापरकर्त्यांसाठी उपलब्ध आहे. GPT-5 मुळे आता लेखनासाठी, कोडिंगसाठी, आरोग्य आणि इतर अनेक गोष्टींसाठी जलद, अधिक अचूक आणि संदर्भाला अनुसरून प्रतिसाद मिळणार आहे.

Pro वापरकर्त्यांना GPT-5 Pro चा वापर करता येईल, जी सर्वात प्रगत आवृत्ती आहे. ती मोठ्या आणि क्लिष्ट कामांसाठी विशेष बुद्धिमत्ता प्रदान करते.

हे नवीन GPT-5 मॉडेल आता GPT-4o, GPT-4.5 आणि इतर जुन्या आवृत्तीची जागा घेणार आहे. तुम्हाला ते वेगळे निवडण्याची गरज नाही. फक्त ChatGPT उघडा आणि लिहायला सुरुवात करा.

ज्या वापरकर्त्यांचा मोफत वापर (free-tier) आहे, त्यांना हे मॉडेल हळूहळू उपलब्ध होईल. त्यांची मर्यादा संपल्यावर ते आपोआप GPT-5 Mini वर जातील. Enterprise आणि Edu वापरकर्त्यांना हे मॉडेल एका आठवड्यात उपलब्ध होईल.

हे मॉडेल जुन्या व्हर्जनपेक्षा खूपच प्रगत आहे.

- GPT-5 च्या प्रतिसादांमध्ये GPT-4o च्या तुलनेत 45% कमी चुका आहेत.
- तर्क लावण्याच्या कामांमध्ये OpenAI च्या O3 मॉडेलच्या तुलनेत 80% कमी चुका आहेत.
- OpenAI ने या मॉडेलमध्ये सुरक्षा यंत्रणा आणखी मजबूत केली आहे, जेणेकरून चुकीची माहिती (hallucinations) मिळण्याचे प्रमाण कमी होईल आणि जैविक धोके निर्माण होतील, असे प्रतिसाद तयार होणार नाहीत.

कोडिंगच्या बाबतीत, GPT-5 आता फक्त एकाच सूचना देऊन 'मिनी-बॉल सिम्युलेटर' किंवा 'टायपिंग गेम्स' सारखे गेम्स तयार करू शकते. तसेच लेखन, संपादन (editing), ई-मेल आणि आरोग्याशी संबंधित प्रश्नांवरही ते अधिक चांगले काम करते.

OpenAI ने सांगितले आहे की आरोग्याशी संबंधित प्रश्नांवर जरी GPT-5 चांगले काम करत असले, तरी त्याचा उद्देश डॉक्टरांची जागा घेणे नाही, तर त्यांना मदत करणे हा आहे!

(आधारित)

--- तुषार भ. कुटे

रीइन्फोर्समेंट लर्निंग: अनुभवातून शिकण्याची कला

रीइन्फोर्समेंट लर्निंग (Reinforcement Learning), अर्थात 'प्रबलीकरण शिक्षण', हे कृत्रिम बुद्धिमत्तेचे (Artificial Intelligence) एक अत्यंत प्रभावी आणि वेगाने विकसित होणारे क्षेत्र आहे. ही एक अशी प्रक्रिया आहे जिथे संगणक किंवा मशीनला, माणसांप्रमाणे किंवा प्राण्यांप्रमाणे, थेट सूचना न देता केवळ अनुभवातून आणि त्यातून मिळणाऱ्या परिणामांमधून शिकवले जाते. याची सर्वात सोपी कल्पना करायची झाल्यास, आपण लहान मुलाला किंवा पाळीव प्राण्याला जसे शिकवतो, तसेच हे तंत्रज्ञान कार्य करते. जेव्हा मूल एखादी चांगली गोष्ट करते, तेव्हा आपण त्याचे कौतुक करतो (बक्षीस देतो) आणि जेव्हा ते काहीतरी चुकीचे करते, तेव्हा आपण त्याला समज देतो (एक प्रकारचा दंड). हळूहळू, कोणत्या कृतीमुळे कौतुक मिळते आणि कोणत्या कृतीमुळे नाही, हे त्याला समजू लागते आणि ते योग्य वर्तन करण्यास शिकते. रीइन्फोर्समेंट लर्निंगमध्ये संगणक प्रणाली, ज्याला 'एजंट' म्हटले जाते, ती सुद्धा अशाच प्रकारे 'बक्षीस' (Reward) मिळवण्याच्या उद्देशाने आणि 'दंड' (Punishment) टाळण्याच्या हेतूने एका विशिष्ट 'पर्यावरणात' (Environment) योग्य 'कृती' (Action) करायला शिकते.

या शिक्षण पद्धतीचे मूळ मानसशास्त्र आणि प्राणी वर्तन अभ्यासात दडलेले आहे. १९५० च्या दशकात मानसशास्त्रज्ञ बी.एफ. स्किनर यांनी मांडलेल्या 'ऑपरंट कंडिशनिंग' सिद्धांताने याचा पाया घातला. संगणकीय क्षेत्रात, रिचर्ड बेलमन यांनी विकसित केलेले 'डायनॅमिक प्रोग्रामिंग' आणि 'बेलमन इक्वेशन' या गणिती संकल्पनांमुळे रीइन्फोर्समेंट लर्निंगच्या अल्गोरिदमला एक सैद्धांतिक चौकट मिळाली. सुरुवातीला संगणकीय क्षमतेच्या अभावामुळे याचा वापर मर्यादित होता. परंतु, १९८० आणि ९० च्या दशकात 'क्यू-लर्निंग' (Q-Learning) आणि 'टेम्पोरल डिफरन्स लर्निंग' (Temporal Difference Learning) यांसारख्या अल्गोरिदमच्या विकासामुळे या क्षेत्राने गती घेतली. खऱ्या अर्थाने क्रांती झाली ती २१ व्या शतकात, जेव्हा 'डीप लर्निंग' (Deep Learning) या तंत्रज्ञानाला रीइन्फोर्समेंट लर्निंगची जोड मिळाली. यातून 'डीप रीइन्फोर्समेंट लर्निंग'चा उदय झाला. याचे सर्वात प्रसिद्ध उदाहरण म्हणजे गूगलच्या डीपमाइंड (DeepMind) कंपनीने तयार केलेला 'अल्फागो' (AlphaGo) हा प्रोग्राम. २०१६ मध्ये, अल्फागोने 'गो' या अतिशय गुंतागुंतीच्या चिनी बोर्ड गेममध्ये जगातील सर्वश्रेष्ठ खेळाडू, ली सेडोल, यांना पराभूत करून संपूर्ण जगात खळबळ माजवली. ही घटना या तंत्रज्ञानाच्या क्षमतेचा एक मैलाचा दगड ठरली.

रीइन्फोर्समेंट लर्निंगची अनेक व्यावहारिक उदाहरणे आहेत जी त्याच्या उपयुक्ततेची कल्पना देतात. व्हिडिओ गेम्स हे याचे उत्तम उदाहरण आहे. गेममधील कॅरॅक्टर (एजंट) सुरुवातीला अंदाधुंद खेळतो, पण गुण मिळवणे (बक्षीस) आणि 'गेम ओव्हर' टाळणे (दंड) या अनुभवातून तो हळूहळू खेळण्यात निपुण होतो. रोबोटिक्समध्ये, एका रोबोटला एखादे विशिष्ट काम, जसे की वस्तू उचलून ठेवणे, शिकवण्यासाठी याचा वापर होतो. प्रत्येक यशस्वी प्रयत्नावर त्याला सकारात्मक सिग्नल (बक्षीस) दिला जातो, ज्यामुळे तो आपले कार्य अधिक अचूकपणे करायला शिकतो. त्याचप्रमाणे, स्वयंचलित कार (Self-Driving Cars) यांना सुरक्षित ड्रायव्हिंगचे प्रशिक्षण देण्यासाठी आभासी वातावरणात (Simulation) रीइन्फोर्समेंट लर्निंगचा उपयोग केला जातो, जिथे वाहतुकीचे नियम पाळल्यास बक्षीस आणि अपघात किंवा नियमभंग झाल्यास मोठा दंड आकारला जातो.

आज रीइन्फोर्समेंट लर्निंगचा उपयोग अनेक क्षेत्रांमध्ये मोठ्या प्रमाणावर होत आहे. आर्थिक क्षेत्रात, शेअर बाजारात कधी खरेदी-विक्री करावी याचे धोरण ठरवण्यासाठी अल्गोरिदम विकसित केले जात आहेत. आरोग्यसेवेत, रुग्णाच्या विशिष्ट परिस्थितीनुसार आणि उपचारांना मिळणाऱ्या प्रतिसादानुसार सर्वोत्तम उपचार पद्धती सुचवण्यासाठी याचा वापर होत आहे. ई-कॉमर्स आणि जाहिरात क्षेत्रात, ग्राहकांना त्यांच्या आवडीनुसार उत्पादने किंवा जाहिराती दाखवण्यासाठी (Recommendation Systems) हे तंत्रज्ञान अत्यंत प्रभावी ठरत आहे. याशिवाय, शहरातील वाहतूक नियंत्रणासाठी ट्रॅफिक लाईट्सचे स्वयंचलित व्यवस्थापन करणे, कंपन्यांसाठी पुरवठा साखळी (Supply Chain) अधिक कार्यक्षम बनवणे आणि ऊर्जा वापराचे व्यवस्थापन करणे यांसारख्या गुंतागुंतीच्या समस्या सोडवण्यासाठीही रीइन्फोर्समेंट लर्निंगचा वापर वाढत आहे. थोडक्यात, रीइन्फोर्समेंट लर्निंग हे केवळ एक तांत्रिक मॉडेल नसून, ते मशीनला स्वायत्तपणे शिकण्याची आणि मानवापेक्षाही अधिक चांगल्या प्रकारे धोरणात्मक निर्णय घेण्याची क्षमता देणारे एक शक्तिशाली साधन आहे, जे भविष्यातील तंत्रज्ञानाची दिशा ठरवत आहे.

--- तुषार भ. कुटे

एआयने तयार केलेला एक अद्भुत पदार्थ

आजकाल आपण अनेक गोष्टींमध्ये कृत्रिम बुद्धिमत्तेचा (Artificial Intelligence) वापर होताना पाहतो. पण तुम्हाला माहीत आहे का, की याच एआयच्या मदतीने शास्त्रज्ञांनी असा एक नवीन पदार्थ तयार केला आहे, जो वजनाने फोम (foam) सारखा अतिशय हलका आहे, पण ताकदीच्या बाबतीत तो स्टीलसारखा मजबूत आहे!

या नवीन पदार्थाला 'कार्बन नॅनोलॅटिस' असे नाव देण्यात आले आहे. 'नॅनोलॅटिस' म्हणजे खूप लहान, सूक्ष्म जाळीसारखी रचना. या पदार्थाचे वैशिष्ट्य असे आहे की, तो पोकळ आणि जाळीदार असल्यामुळे खूप हलका आहे, पण त्याच्या कणांची रचना इतकी मजबूत आहे की, तो सहजासहजी तुटत नाही.

हा पदार्थ तयार करण्याची कल्पना शास्त्रज्ञांना कशी सुचली?

विमाने, हेलिकॉप्टर आणि अंतराळयाने बनवण्यासाठी असे पदार्थ लागतात, जे खूप हलके आणि त्याचबरोबर मजबूत असावेत. कारण जितके वाहन हलके असेल, तितके इंधन कमी लागेल आणि पर्यावरणाचे प्रदूषणही कमी होईल. पण अशा दोन्ही गोष्टी एकाच वेळी मिळवणे खूप अवघड होते.

या समस्येवर उपाय शोधण्यासाठी शास्त्रज्ञांनी एआयची मदत घेतली. त्यांनी एक विशेष मशीन लर्निंग अल्गोरिदम तयार केला. या अल्गोरिदमने वेगवेगळ्या पदार्थांच्या रचनेचा अभ्यास केला आणि कोणत्या रचनेमुळे एखादा पदार्थ खूप मजबूत आणि हलका बनतो, हे शोधून काढले. एआयने सुचवलेल्या रचनेनुसार, शास्त्रज्ञांनी ३डी प्रिंटरचा वापर करून हा 'कार्बन नॅनोलॅटिस' पदार्थ तयार केला.

या शोधाचे महत्त्व खूप मोठे आहे. भविष्यात या पदार्थाचा वापर करून हलकी आणि मजबूत वाहने बनवता येतील. यामुळे फक्त इंधनाची बचतच होणार नाही, तर हवाई प्रवास आणि अंतराळ मोहिमा अधिक सुरक्षित आणि सोप्या होतील. तसेच, खेळांचे साहित्य, संरक्षण उपकरणे आणि बांधकाम क्षेत्रातही याचा उपयोग होऊ शकतो. थोडक्यात, एआयच्या बुद्धिमत्तेमुळे एक असा 'अद्भुत' पदार्थ तयार झाला आहे, जो आपल्या अनेक समस्यांवर तोडगा काढू शकतो आणि भविष्यात अनेक क्षेत्रात क्रांती घडवू शकतो.

(आधारित)
संदर्भ: sci.news

--- तुषार भ. कुटे

माणुसकी जिंकली (सध्यातरी!)

टोकियोमध्ये झालेल्या एका मोठ्या कोडिंग स्पर्धेत (AtCoder World Tour Finals) एका माणसाने 'ओपनएआय'च्या (OpenAI) अत्याधुनिक एआय मॉडेलला हरवून इतिहास रचला आहे.

- स्पर्धेचा निकाल: एकूण १२ स्पर्धकांमध्ये, ज्यात ओपनएआयने स्वतः तयार केलेला एआय मॉडेलही होता, फक्त प्रझेमिस्लॉ "सायको" देंबिअक (Przemysław “Psyho” Dębiak) याने बाजी मारली. १० तासांच्या या अत्यंत कठीण स्पर्धेत त्याने सगळ्यांना मागे टाकले.

- स्पर्धा होती तरी काय?: स्पर्धकांना एका ग्रीडवर (grid) व्हर्च्युअल रोबोट्सना (virtual robots) सर्वात चांगल्या पद्धतीने आणि कमीत कमी वेळेत नियंत्रित करायचे होते. यासाठी वेगवान बोटांपेक्षा रणनीती, पॅटर्न ओळखण्याची क्षमता आणि सहनशीलता जास्त महत्त्वाची होती.

- माणसाची सरशी: ओपनएआयच्या मॉडेलने जवळपास निर्दोष कोड लिहिला, पण तो वेळेनुसार स्वतःमध्ये बदल करू शकला नाही. सायकोने मात्र एआयला न दिसलेले पॅटर्न ओळखले आणि सामन्यादरम्यान स्वतःच्या पद्धतीत सुधारणा करत तो पुढे राहिला. यामुळे त्याने ९.५% जास्त गुण मिळवले.

- सायको कोण आहे?: सायको हा एक सामान्य माणूस नाही. तो स्वतः एक माजी ओपनएआय संशोधक आहे, कोडी (puzzles) सोडवण्याचा विजेता आहे, आणि स्वतः शिकलेला प्रोग्रामर आहे. त्याने कधीही पूर्णवेळ नोकरी केली नाही, पण त्याला कोड कसा विचार करतो हे चांगलेच समजते.

- विजय संदेश: जिंकल्यानंतर सायकोने म्हटले, "माणुसकी जिंकली आहे (सध्यातरी!)." ओपनएआयचे प्रमुख सॅम अल्टमन यांनीही त्याचे कौतुक करत "शाब्बास सायको" असे म्हटले.

या घटनेतून काय शिकायला मिळते?

एआय खूप वेगाने प्रगती करत आहे यात शंका नाही, पण ही घटना आपल्याला काही महत्त्वाच्या गोष्टी आठवण करून देते:

- मानवाची सर्जनशीलता, अंतर्ज्ञान आणि परिस्थितीनुसार बदलण्याची क्षमता आजही महत्त्वाची आहे.
- एआय ही एक शक्तिशाली साधन आहे, पण त्यामागची प्रणाली समजून घेणे त्याहून अधिक शक्तिशाली आहे.

यावरून एक महत्त्वाचा प्रश्न निर्माण होतो: एआय-केंद्रित जगात माणसाचे कौशल्य कोणत्या क्षेत्रात अजूनही श्रेष्ठ आहे असे तुम्हाला वाटते?

संदर्भ: timesnownews.com 

--- तुषार भ. कुटे

चॅटजीपीटी आणि मानवी मेंदू

एआयच्या साधनांचा (AI tools) आपल्या मेंदूवर काय परिणाम होतो, याबद्दल एमआयटीने (MIT) केलेल्या एका अभ्यासातून काही महत्त्वाच्या गोष्टी समोर आल्या आहेत. हा अभ्यास 'चॅटजीपीटी' (ChatGPT) या एआयवर आधारित असून त्याचे मुख्य निष्कर्ष खालीलप्रमाणे आहेत:

चॅटजीपीटीमुळे मेंदूवर होणारे परिणाम:

१. बौद्धिक क्षमतेत घट (Cognitive Decline): निबंध लिहिण्यासारख्या कामांसाठी चॅटजीपीटीचा नियमित वापर केल्यास स्मरणशक्ती कमी होऊ शकते, मेंदूची क्रियाशीलता घटू शकते आणि गंभीरपणे विचार करण्याची (critical thinking) क्षमता कमकुवत होऊ शकते. एआयवर अवलंबून असलेल्या विद्यार्थ्यांची कामगिरी इतर विद्यार्थ्यांच्या तुलनेत कमी दिसून आली.

२. मेंदूची क्रियाशीलता (Brain Activity): 'ईईजी ब्रेन स्कॅन' (EEG brain scan) मध्ये असे आढळले की, चॅटजीपीटी वापरणाऱ्यांच्या मेंदूत न्यूरॉन्सचे (neurons) जुळणे कमी होते, विशेषतः 'अल्फा' (alpha) आणि 'थीटा' (theta) लाटांच्या (waves) बाबतीत. या लाटांचा संबंध स्मरणशक्ती, सर्जनशीलता आणि सखोल विचारांशी असतो. याउलट, एआयची मदत न घेता काम करणाऱ्यांच्या मेंदूची क्रियाशीलता अधिक होती.

३. स्मरणशक्तीचा अभाव (Memory Loss): चॅटजीपीटी वापरणाऱ्या ८३% लोकांना काही मिनिटांपूर्वी त्यांनी काय लिहिले होते, हे आठवले नाही. या उलट, एआय न वापरणाऱ्या किंवा गुगल सर्च (Google Search) वापरणाऱ्यांमध्ये हे प्रमाण फक्त १०% होते. याचा अर्थ, एआयवर अवलंबून राहिल्यामुळे मेंदू शिकण्याच्या प्रक्रियेत कमी सहभागी होतो, ज्यामुळे 'कॉग्निटिव्ह ऑफलोडिंग' (cognitive offloading) होते.

४. एआयवरील अवलंबित्व (Dependence on AI): जेव्हा चॅटजीपीटी वापरणाऱ्यांना एआयची मदत न घेता लिहायला सांगितले गेले, तेव्हा त्यांच्या मेंदूची क्रियाशीलता आणखी कमी झाली. यातून गंभीरपणे विचार करण्याची क्षमता कमी झाल्याचे दिसून आले. याउलट, ज्यांनी आधी स्वतःहून लिहायला सुरुवात केली आणि नंतर चॅटजीपीटीचा वापर केला, त्यांची बौद्धिक कामगिरी चांगली होती.

५. सर्च इंजिनशी तुलना (Comparison to Search Engines): अभ्यासामध्ये असेही दिसून आले की, चॅटजीपीटी वापरणाऱ्यांच्या तुलनेत सर्च इंजिन वापरणाऱ्यांची स्मरणशक्ती आणि कार्यकारी कार्य (executive function) अधिक चांगली होती. असे कदाचित त्यामुळे झाले असावे की, सर्च इंजिन वापरताना वापरकर्त्याला अधिक गंभीरपणे विचार करावा लागतो आणि प्रश्न तयार करावे लागतात.

या अभ्यासातून शिक्षण आणि कामाच्या ठिकाणी एआयचा वापर जबाबदारीने करण्याची गरज अधोरेखित होते. तसेच, एआयच्या वापरामुळे होणाऱ्या संभाव्य बौद्धिक नुकसानावर (cognitive costs) उपाययोजना करण्याची आवश्यकताही दिसून येते. या धोक्यांची जाणीव ठेवून आपण एआय साधनांचा अधिक प्रभावीपणे वापर करू शकतो आणि आपल्या बौद्धिक क्षमता टिकवून ठेवू शकतो.

संदर्भ: https://techstartups.com

---- तुषार भ. कुटे

आर्थर सॅम्युअल: मशीन लर्निंगचे जनक आणि त्यांचा पहिला 'शिकणारा' प्रोग्राम

आज आपण कृत्रिम बुद्धिमत्ता (Artificial Intelligence - AI) आणि मशीन लर्निंग (Machine Learning - ML) या शब्दांनी वेढलेलो आहोत. आपल्या स्मार्टफोनपासून ते ऑनलाइन शॉपिंगपर्यंत सर्वत्र या तंत्रज्ञानाचा वापर होत आहे. पण या क्रांतीची मुळे खूप खोलवर, अगदी १९५० च्या दशकात रुजलेली आहेत. या प्रवासातील एक महत्त्वाचे आणि आदरणीय नाव म्हणजे आर्थर सॅम्युअल (Arthur Samuel). त्यांना अनेकदा 'मशीन लर्निंगचे जनक' म्हटले जाते. त्यांनी बनवलेला एक साधा वाटणारा पण क्रांतिकारी प्रोग्राम हा या क्षेत्रातील मैलाचा दगड ठरला. 

आर्थर सॅम्युअल: एक द्रष्टा संशोधक

आर्थर सॅम्युअल हे एक अमेरिकन संगणक शास्त्रज्ञ होते. त्यांनी आपल्या कारकिर्दीचा मोठा काळ आयबीएम (IBM) या प्रसिद्ध कंपनीत घालवला. सॅम्युअल यांचा विश्वास होता की संगणक केवळ दिलेल्या आज्ञांचे पालन करणारी यंत्रे नाहीत, तर त्यांना अनुभवातून शिकवून अधिक बुद्धिमान बनवता येते. ही त्या काळासाठी एक अत्यंत पुढारलेली कल्पना होती. हीच कल्पना प्रत्यक्षात आणण्यासाठी त्यांनी एका खेळाची निवड केली - चेकर्स (Checkers).

चेकर्सच्या खेळाची निवड का?

सॅम्युअल यांनी मशीनला शिकवण्यासाठी बुद्धीबळासारख्या (Chess) अत्यंत गुंतागुंतीच्या किंवा टिक-टॅक-टो (Tic-Tac-Toe) सारख्या अगदी सोप्या खेळाची निवड केली नाही. त्यांनी चेकर्स निवडले कारण त्याचे नियम स्पष्ट आणि तुलनेने सोपे असले तरी, जिंकण्यासाठी रणनीती आणि दूरदृष्टीची आवश्यकता असते. यात संभाव्य चालींची संख्या अफाट होती, पण ती संगणकाला हाताळता येण्यासारखी होती. त्यामुळे, मशीनला 'शिकवण्यासाठी' हा एक उत्तम मध्यम मार्ग होता.

प्रोग्राम कसा 'शिकला'?

सॅम्युअल यांच्या प्रोग्रामचे खरे वैशिष्ट्य त्याच्या शिकण्याच्या पद्धतीत होते. त्यांनी प्रोग्रामला केवळ चेकर्स कसे खेळायचे हे शिकवले नाही, तर हरलेल्या डावांमधून शिकून स्वतःच्या खेळात सुधारणा कशी करायची हे देखील शिकवले. या प्रोग्रामने मुख्यत्वे दोन पद्धती वापरून स्वतःला प्रशिक्षित केले.
पहिली पद्धत होती पाठांतर (Rote Learning). या पद्धतीत, प्रोग्राम आपल्या प्रत्येक डावातील पटाची स्थिती (board position) आणि त्या स्थितीनंतर खेळाचा काय निकाल लागला, हे लक्षात ठेवत असे. जेव्हा भविष्यात तशीच स्थिती पुन्हा निर्माण होई, तेव्हा प्रोग्राम आपल्या स्मरणातून सर्वोत्तम चाल निवडत असे. हे एखाद्या विद्यार्थ्याने पाढे पाठ करण्यासारखे होते.
पण खरी जादू दुसऱ्या पद्धतीत होती, जिला अनुभवातून शिकणे (Learning by Generalization) म्हटले जाते. सॅम्युअल यांनी एक 'मूल्यांकन फंक्शन' (Evaluation Function) तयार केले होते. हे फंक्शन पटावरील स्थिती किती चांगली किंवा वाईट आहे, हे काही निकषांच्या आधारे ठरवत असे. या निकषांमध्ये पटावर कोणाच्या सोंगट्या जास्त आहेत, कोणाच्या राजा झालेल्या सोंगट्या (Kings) जास्त आहेत, आणि पटावर कोणाचे नियंत्रण अधिक आहे, अशा गोष्टींचा समावेश होता.

सुरुवातीला या सर्व निकषांना समान महत्त्व दिले गेले होते. पण प्रोग्राम जसजसा खेळू लागला, तसतसा तो शिकू लागला. प्रोग्राम स्वतःच्याच दुसऱ्या प्रतीसोबत हजारो डाव खेळायचा. प्रत्येक डावानंतर, तो जिंकण्यासाठी कोणत्या निकषांना अधिक महत्त्व देणे फायद्याचे ठरले आणि कोणत्या निकषांमुळे पराभव झाला, याचे विश्लेषण करायचा. उदाहरणार्थ, जर केवळ सोंगट्यांची संख्या जास्त ठेवण्याच्या नादात खेळात पराभव होत असेल, तर प्रोग्राम त्या निकषाचे महत्त्व (weight) कमी करायचा आणि पटावरील नियंत्रणासारख्या दुसऱ्या निकषाचे महत्त्व वाढवायचा. ही प्रक्रिया सतत चालू राहायची. जणू काही तो प्रोग्राम अनुभवातून शहाणा होत होता आणि आपली जिंकण्याची रणनीती स्वतःच अधिक परिपक्व करत होता.

या शोधाचे महत्त्व आणि परिणाम

१९५९ साली आर्थर सॅम्युअल यांनी 'मशीन लर्निंग' हा शब्दप्रयोग आपल्या एका शोधनिबंधात वापरला आणि तो जगभर प्रसिद्ध झाला. त्यांच्या प्रोग्रामने हे सिद्ध केले की मशीनला केवळ आज्ञावली देऊन चालवता येत नाही, तर त्याला अनुभवातून शिकण्याची क्षमता देखील देता येते. १९६० च्या दशकात त्यांच्या या प्रोग्रामने अमेरिकेतील एका चांगल्या दर्जाच्या चेकर्स खेळाडूला हरवून सर्वांना आश्चर्यचकित केले.
आर्थर सॅम्युअल यांच्या या कार्यामुळे कृत्रिम बुद्धिमत्तेच्या संशोधनाला एक नवी दिशा मिळाली. त्यांनी घातलेला पाया इतका भक्कम होता की आज विकसित झालेले अत्याधुनिक AI मॉडेल्स, जसे की बुद्धीबळ खेळणारा डीप ब्लू (Deep Blue) किंवा गो (Go) खेळणारा अल्फागो (AlphaGo), कुठेतरी सॅम्युअल यांच्या त्याच मूळ कल्पनेवर आधारित आहेत.
थोडक्यात सांगायचे तर, आर्थर सॅम्युअल यांनी एका साध्या चेकर्सच्या खेळाद्वारे मशीनला 'विचार' करायला आणि 'शिकायला' शिकवले. त्यांचे हे योगदान केवळ एका गेमिंग प्रोग्रामपुरते मर्यादित नव्हते, तर ते एका अशा तंत्रज्ञानाची सुरुवात होती जे आज आपल्या जीवनाचा अविभाज्य भाग बनले आहे.

(आधारित)

--- तुषार भ. कुटे 

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