गुगल इयर इन सर्च २०२५: भारतात AI ची चलती, चॅटजीपीटीला मागे टाकत 'जेमिनी' ठरले अव्वल

२०२५ हे वर्ष भारतासाठी 'आर्टिफिशियल इंटेलिजन्स' (AI) चे वर्ष ठरले आहे. गुगलने आपला वार्षिक 'इयर इन सर्च २०२५' अहवाल प्रसिद्ध केला असून, त्यामध्ये भारतीयांनी इंटरनेटवर सर्वाधिक काय शोधले, याची रंजक माहिती समोर आली आहे. या अहवालानुसार, भारतात एआय टूल्सचा वापर केवळ माहिती घेण्यासाठीच नाही, तर दैनंदिन कामे आणि मनोरंजनासाठीही मोठ्या प्रमाणावर वाढला आहे.

१. 'गुगल जेमिनी'ची जोरदार मुसंडी भारतात २०२५ मध्ये गुगलचे स्वतःचे एआय टूल 'जेमिनी' (Gemini) सर्वाधिक लोकप्रिय ठरले आहे. संपूर्ण देशात सर्वाधिक शोधल्या गेलेल्या गोष्टींमध्ये 'इंडियन प्रीमियर लीग' (IPL) नंतर 'जेमिनी' दुसऱ्या क्रमांकावर आहे. विशेष म्हणजे, लोकप्रियतेच्या शर्यतीत जेमिनीने 'चॅटजीपीटी'ला (ChatGPT) मागे टाकले आहे!

२. 'नॅनो बनाना' आणि साडी ट्रेंड जेमिनीच्या लोकप्रियतेमागे एक महत्त्वाचे कारण म्हणजे त्याचे इमेज जनरेशन मॉडेल, ज्याला 'नॅनो बनाना' (Nano Banana) असे नाव देण्यात आले आहे. भारतीयांनी या टूलचा वापर करून विविध प्रकारचे फोटो तयार केले. यामध्ये 'जेमिनी साडी ट्रेंड' (Gemini Saree Trend) आणि '3D मॉडेल ट्रेंड' सोशल मीडियावर प्रचंड व्हायरल झाले.

३. इतर एआय टूल्सची क्रेझ केवळ गुगल जेमिनीच नाही, तर इतर एआय टूल्सबद्दलही भारतीयांमध्ये कुतूहल पाहायला मिळाले:
    ग्रोक (Grok): एलन मस्क यांचे 'ग्रोक' एआय हे तिसऱ्या क्रमांकाचे सर्वात लोकप्रिय एआय टूल ठरले.
    डीपसीक (DeepSeek) आणि परप्लेक्सिटी (Perplexity): माहिती अचूकपणे शोधण्यासाठी भारतीयांनी या टूल्सचाही मोठ्या प्रमाणावर वापर केला.
    चॅटजीपीटी (ChatGPT): जुने आणि प्रसिद्ध असूनही चॅटजीपीटी या यादीत सातव्या क्रमांकावर राहिले.
    घिबली आर्ट (Ghibli Art): चॅटजीपीटीचा वापर करून स्वत:चे फोटो 'अ‍ॅनिमे' (Anime) स्टाईलमध्ये तयार करण्याचा 'घिबली आर्ट' ट्रेंडही खूप गाजला.

४. एआय आता दैनंदिन जीवनाचा भाग हा अहवाल हे स्पष्ट करतो की, एआय आता फक्त तंत्रज्ञानापुरते मर्यादित राहिलेले नाही. विद्यार्थी, नोकरदार आणि कलाकार हे आपापल्या कामात, अभ्यासात आणि सोशल मीडियासाठी कंटेंट तयार करण्यात एआयचा रोजचा वापर करत आहेत.

थोडक्यात सांगायचे तर, २०२५ मध्ये भारताने एआयला पूर्णपणे स्वीकारले असून, तंत्रज्ञानाच्या या युगात भारत जगाच्या बरोबरीने वेगाने पुढे जात आहे.

(आधारित)

--- तुषार भ. कुटे

 

गुगल मॅपची बनवाबनवी

आजच्या तंत्रज्ञानाच्या युगामध्ये गाडीने प्रवास करत असताना आपले सर्वात जवळचे सोबती म्हणजे "गुगल मॅप्स" होय. एका आकडेवारीनुसार जगात सर्वाधिक गुगल मॅप्सचा वापर भारतामध्ये होतो. आता तर कारच्या नवीन आवृत्तीमध्ये गाडीच्या सॉफ्टवेअरमध्येच गुगल मॅप्सचा अंतर्भाव केलेला आहे. अगदी छोटे-छोटे रस्ते शोधण्यासाठीदेखील आपण गुगल मॅपचा वापर करतो. एका अर्थाने प्रवासामध्ये आपल्या सारथ्यासारखे काम गुगल मॅप करत आहे, असे म्हटले तरी वावगे ठरणार नाही. अर्थात या गुगल मॅपचा वापर मी देखील सातत्याने करत असतो. परंतु मागच्या काही महिन्यांमध्ये मला आलेले तीन अनुभव या ठिकाणी मी मांडत आहे. ज्याचे निष्कर्ष मला निश्चितपणे सांगता येणार नाही. अर्थात ज्याने त्याने स्वअनुभवाने ठरवावेत, असे मला वाटते. 

१. पुणे ते धुळे
पुण्याहून गाडी मार्गाने पहिल्यांदाच मी धुळ्याच्या दिशेने प्रवास केला. गुगल मॅपवर दोन वेगवेगळे रस्ते दाखवत होते. एक रस्ता सिन्नर-निफाड-चांदवड मार्गे धुळ्याकडे जाण्याचा होता, जो अंतराने सर्वात कमी होता. आणि दुसरा रस्ता सिन्नर होऊन थेट समृद्धी महामार्गाने प्रवास करत छत्रपती संभाजीनगर मार्गे धुळ्याच्या दिशेने दाखवत होता. ज्याला सर्वात कमी अंतर लागणार होते. समृद्धी महामार्गाने गेल्यास गुगल मॅपच्या अनुमानाप्रमाणे २५ मिनिटे कमी लागणार होती. परंतु पहिला रस्ता माझ्या बऱ्यापैकी ओळखीचा होता म्हणून आम्ही त्याच रस्त्याने जाण्याचे ठरवले. आम्ही समृद्धी महामार्ग पुणे-नाशिक महामार्गाद्वारे ओलांडल्यानंतर मला सर्वात जवळचा रस्ता नाशिकच्या दिशेने आहे, असे गुगल मॅपने दाखवले. परंतु तो रस्ता देखील मी घेतला नाही. सिन्नर-निफाड-चांदवडमार्गे धुळ्याला पोहोचलो. माझ्या पोहोचण्याची वेळ ही समृद्धी महामार्गाने दाखवलेल्या वेळेपेक्षाही पाऊण तासाने कमी होती, हे विशेष. याचा अर्थ गुगल मॅपने मला माझा प्रवासमार्ग सर्वाधिक वेळ खाऊ आहे, असे सांगितले होते. परंतु प्रत्यक्षात तसे काहीच घडले नाही. समृद्धी महामार्गाने गेल्यास मला साडेचारशे रुपये अतिरिक्त टोल लागणार होता. शिवाय नाशिकमार्गे गेल्यावरही तब्बल तीन अतिरिक्त टोलनाके लागणार होते. तसेही काही झाले नाही. मी या रस्त्याने देखील वेळेच्या आधीच पोहोचलो. मग गुगल मॅपने मला हे दुसरे रस्ते प्राधान्य क्रमाने का दाखवले असावेत?

२. पुणे ते पेण
पुण्याहून पेणला जाण्यासाठी दोन मार्ग आहेत. पुणे-मुंबई द्रुतगती महामार्ग आणि पुणे-मुंबई जुना महामार्ग. या दोन्हींच्या वेळेमध्ये पंधरा मिनिटांचा फरक दाखवत होते. अर्थात यावेळेस मला पुणे मुंबई दृतगती महामार्ग प्राधान्य क्रमाने दाखवण्यात आला. परंतु त्या मार्गाने मी प्रत्यक्षात गेलो नाही. जुन्या महामार्गाने प्रवास केला. जेव्हा प्रत्यक्ष पेणमध्ये पोहोचलो तेव्हा फक्त चारच मिनिटांचा अतिरिक्त वेळ गेला होता! या प्रवासासाठी जर मी एक्सप्रेस वेने गेलो असतो तर ६२० रुपये टोल पडला असता. याउलट जुन्या महामार्गाने केवळ १४१ रुपये टोल लागला!

३. पुणे ते पणजी
पुण्याहून गोव्याला जाण्यासाठी बरेच वेगळे रस्ते आहेत. शिवाय कुठल्या ना कुठल्या घाटाने तुम्हाला कोकणामध्ये उतरावे लागते. गुगल मॅप प्राधान्य क्रमाने जो रस्ता दाखवते तो कोल्हापूर-निपाणी आणि आंबोली घाटामार्गे पणजी असा जातो. याशिवाय ताम्हिणी घाट, अनुस्कुरा घाट, अंबा घाट, फोंडा घाट या मार्गे देखील आपण कोकणात उतरू शकतो. यापैकी ताम्हिणी घाटामार्गे गेल्यास कुठेही कोणताही टोल नाका लागत नाही. तर आंबोली घाटामार्गे गेल्यास तब्बल पाच टोलनाके लागतात! त्याहून विशेष म्हणजे दोन्हीही रस्त्यांचा वेळ जवळपास प्रत्यक्षपणे सारखाच आहे. पुणे-कोल्हापूर रस्त्यावर सध्या खूप मोठ्या प्रमाणात रस्ता दुरुस्तीची तसेच रुंदीकरणाची कामे चालू आहेत. त्यामुळे अनेकदा रहदारीचा सामना करावा लागतो. अशावेळी प्रवासाचा वेळ देखील वाढत आहे. तो गुगल मॅप दाखवत नाही. याउलट मुंबई-गोवा महामार्गावर काही ठराविक ठिकाणे सोडली तर रस्ता बऱ्यापैकी रिकामा असतो. तरी देखील गुगल मॅप या रस्त्याला प्राधान्यक्रम देत नाही. इथे देखील, का? हा प्रश्न पडतो. 

ही सर्व माझी स्वतःची उदाहरणे आहेत. यातून निष्कर्ष काढला तर असे लक्षात येते की गूगल मॅप जवळपास प्रत्येक वेळी आपल्याला ज्या ठिकाणी टोलनाके आहेत तोच रस्ता सर्वात जलद आहे असेच दाखवते. यामागे गुगल मॅपची नक्की काय बनवाबनवी आहे, हे समजत नाही. आपण आंधळेपणाने गुगल मॅपच्या रस्त्यांवर विश्वास ठेवतो. अर्थात गुगलने ती विश्वासार्हता कमावलेली आहे म्हणूनच... परंतु काही छोट्या छोट्या गोष्टी अजूनही आपल्या ध्यानात आलेल्या नाहीत. कदाचित आपल्या विश्वासार्हतेच्या बळावरच गुगल मॅप नक्की कोणती बनवाबनवी करत आहे, हे अजूनही समजलेले नाही. 

--- तुषार भ. कुटे

जुन्नर आणि बिबटे

कोकणामध्ये जाताना गर्द झाडीमध्ये असणाऱ्या घाटातील एका उपहारगृहापाशी थांबलो होतो. सूर्य मावळला होता आणि हळूहळू अंधार देखील दाटू लागला होता. तेव्हा त्या उपहारगृहाच्या मालकाला विचारले, "इथे बिबटे असतात का हो?"

"आहेत की जंगलामध्ये."

"मग तुम्हाला भीती नाही वाटत?"

"नाही.... सहसा ते मानवी वस्तीमध्ये कधीच येत नाहीत."

"आमच्या इथे तर भर दिवसात देखील लोकांना बिबटे दिसतात आणि हल्ला पण करतात... ", मी म्हणालो. 

यावर त्याने लगोलग प्रश्न केला,

" तुम्ही जुन्नरचे का?"

तेव्हा जुन्नर आणि इथले बिबटे किती प्रसिद्ध झाले आहेत याची प्रचिती आली!

 

महाराष्ट्रातील किल्ल्यांचा सर्वसमावेशक डेटासेट आता Kaggle वर उपलब्ध!

नमस्कार मित्रांनो!

आपल्या महाराष्ट्राला शौर्याचा आणि पराक्रमाचा गौरवशाली इतिहास लाभला आहे. या इतिहासाचे मूक साक्षीदार म्हणजे सह्याद्रीच्या कुशीत वसलेले आणि समुद्राच्या लाटांवर नजर ठेवून असलेले आपले गडकिल्ले! याच गडकिल्ल्यांची माहिती आता एकाच ठिकाणी, एका क्लिकवर उपलब्ध झाली आहे.
मी तयार केलेला "Maharashtra Heritage Forts Dataset" हा अमूल्य डेटासेट आता प्रसिद्ध डेटा सायन्स प्लॅटफॉर्म Kaggle वर प्रकाशित करत आहोत.
या डेटासेटमध्ये तुम्हाला काय मिळेल?
👉 ३४६ किल्ल्यांची माहिती: महाराष्ट्राच्या कानाकोपऱ्यातील किल्ल्यांची तपशीलवार माहिती.
👉 भौगोलिक तपशील: प्रत्येक किल्ल्याचे अक्षांश-रेखांश (Latitude-Longitude), उंची, जिल्हा आणि तालुका.
👉 ऐतिहासिक संदर्भ: किल्ला कोणी बांधला, कोणत्या काळात बांधला आणि त्याच्याशी संबंधित महत्त्वाच्या ऐतिहासिक घटना.
👉 दुर्ग प्रकार: किल्ला गिरीदुर्ग आहे, जलदुर्ग की भुईकोट, याची माहिती.
👉 सद्यस्थिती: किल्ल्याची सध्याची अवस्था कशी आहे (उदा. सुस्थितीत, पडझडीत).
👉 ट्रेकिंगसाठी उपयुक्त माहिती: ट्रेकची काठीण्य पातळी (सोपा, मध्यम, कठीण), ट्रेकला लागणारा वेळ आणि किल्ल्याला भेट देण्यासाठी सर्वोत्तम ऋतू.
👉 सोयी-सुविधा: किल्ल्यावर पाण्याची आणि निवासाची सोय आहे का, याची माहिती.

हा डेटासेट कोणासाठी उपयुक्त आहे?
🔶 इतिहासकार आणि विद्यार्थी: महाराष्ट्राच्या इतिहासावर संशोधन करण्यासाठी आणि नवीन दृष्टिकोन मिळवण्यासाठी.
🔶 डेटा सायंटिस्ट आणि विश्लेषक: डेटा व्हिज्युअलायझेशन, मॅपिंग आणि विश्लेषणाद्वारे किल्ल्यांच्या माहितीचा अभ्यास करण्यासाठी.
🔶 दुर्गप्रेमी आणि ट्रेकर्स: आपल्या पुढील ट्रेकचे नियोजन करण्यासाठी आणि किल्ल्यांविषयी सखोल माहिती मिळवण्यासाठी.
🔶 पर्यटक आणि छायाचित्रकार: महाराष्ट्रातील पर्यटन स्थळांची नवी ओळख करून घेण्यासाठी.

चला, या डेटाच्या माध्यमातून आपल्या पूर्वजांच्या पराक्रमाची गाथा नव्या पिढीपर्यंत पोहोचवूया. हा डेटासेट सर्वांसाठी विनामूल्य उपलब्ध आहे. खालील लिंकवर जाऊन तो नक्की डाउनलोड करा, वापरा आणि आपले विश्लेषण आमच्यासोबत शेअर करा.

Kaggle Dataset Link: https://www.kaggle.com/datasets/tusharkute/maharashtra-heritage-forts

मागच्या दोन महिन्यांपासून माहितीच्या विविध स्त्रोतांद्वारे मी यातील माहिती एकत्रित केलेली आहे. यामध्ये आपल्याला काही चुका आढळल्यास किंवा अतिरिक्त माहिती द्यायची असल्यास तुमच्या प्रतिक्रिया आणि सूचनांचे स्वागत आहे!

--- तुषार भ. कुटे

पुणे -> धुळे -> पुणे = ६९१ किमी

धुळ्याच्या श्री विलेपार्ले केळवणी मंडळाच्या तंत्रशिक्षण संस्थेमध्ये अखिल भारतीय तंत्रशिक्षण परिषदेने आयोजित केलेल्या ब्लॉगचेन या तंत्रज्ञानावर आधारित कार्यशाळेसाठी शिक्षकांना आणि विद्यार्थ्यांना मार्गदर्शन करण्यासाठी मला जायचे होते. तसं पाहिलं तर माझे येथील व्याख्यान केवळ अडीच ते तीन तासांचे होते. शिवाय सध्याच्या व्यग्र वेळापत्रकामधून पुण्यापासून इतक्या दूरवर व्याख्यान देण्यासाठी जायचे म्हणजे जिकीरीचे काम होते.
अखेरीस रस्त्यानेच स्वतःच्या गाडीने प्रवास करत जायचे आम्ही ठरवले. माझी गाडी इलेक्ट्रिक अर्थात टाटाची नेक्सॉन ईव्ही. आणि पुण्यापासून धुळ्यापर्यंतचा अंतर होतं सव्वातीनशे किलोमीटर पेक्षा अधिक! एका दिवसामध्ये जाऊन परत येणं तसं अवघड वाटत होतं. परंतु दुसऱ्या दिवशी पुन्हा ऑफिसमध्ये नेहमीच्या प्रशिक्षणासाठी यायचं होतं. त्या दृष्टीने धुळ्याच्या या एका दिवसाच्या प्रवासाची आम्ही योजना आखली.
पहाटेच पुणे-नाशिक महामार्गाने धुळ्याच्या दिशेने रवाना झालो. आदल्या दिवशी विजांच्या गडगटाटासह पावसाने धुमाकूळ घातला होता. त्यामुळे या प्रवासातही मुसळधार आणि जोरदार पावसाची शक्यता होती. परंतु प्रत्यक्ष जसे काहीही झाले नाही. सकाळी निघालो त्यावेळेस आकाशातले ढग बऱ्यापैकी निघून गेले होते. संगमनेरचा टोलनाका पार झाल्यानंतर लगेचच गाडी चार्जिंगला लावली. अर्थात एवढ्या ऊर्जेमध्ये आम्ही धुळ्यापर्यंत निश्चित पोहोचू शकत होतो. 
नारायणगावपासून सिन्नर पर्यंतचा पुणे-नाशिक महामार्गाचा टप्पा भयावह स्थितीमध्ये आलेला आहे. बऱ्याच ठिकाणी अजूनही वाहनचालकांना गाडी चालवण्यासाठी कसरत करावी लागते. अर्थात यामध्ये आम्ही देखील सामील होतो. राष्ट्रीय महामार्गांवर इलेक्ट्रिक वाहनांना ५०% टोलमाफीची घोषणा झाली, परंतु अजूनही कोणत्याच टोलनाक्यावर या सूचनेची अंमलबजावणी केली जात नाही. याचाही अनुभव आला!
सिन्नरपाशी महामार्ग सोडला आणि निफाडकडे जाणाऱ्या रस्त्याने मार्गक्रमण चालू केले. तेव्हा वातावरण पूर्णपणे निरभ्र झालेले होते. आजूबाजूला जिथवर नजर जाईल तिथपर्यंत हिरवीगर्द झाडी आणि त्यांच्या मधून काळा कुळकुळीत डांबरी रस्ता दिसत होता. महामार्ग सोडल्याने आता रस्त्यावरची गर्दी बऱ्यापैकी कमी झालेली होती. थोड्याच वेळात नांदूर-मध्यमेश्वरच्या पक्षी अभयारण्यापाशी पोहोचलो. त्या निसर्गरम्य परिसराचा आस्वाद घेत तसेच नाशिक जिल्ह्यातल्या सिन्नर आणि निफाड तालुक्यातील समृद्ध गावांच्या परिसरातून प्रवास करत आम्ही नाशिक-संभाजीनगर महामार्गाला लागलो. या रस्त्याची ही परिस्थिती भयावह अशीच होती. येथून निफाड पर्यंतचा तीन किलोमीटरचा रस्ता पार करायला जवळपास १५ मिनिटे लागली! निफाडनंतर चांदवडच्या दिशेने निघालो. थोड्याच वेळात दूरवर चांदवड तालुक्यातील सातमाळ्याच्या रांगा दृष्टीस पडू लागल्या. पावसाचे अजूनही नामोनिशान नव्हते. थोड्याच वेळात चांदवड शहरात पोहोचलो. जवळपास दशकभरानंतर या शहराचे दर्शन घेतले होते. मुंबई-आग्रा राष्ट्रीय महामार्ग लागला आणि पुन्हा तीच गर्दी रस्त्यावर दिसू लागली. चांदवडहून मालेगाव आणि मग लवकरच धुळे शहरामध्ये पोहोचलो. मागच्या तीन-चार तासांमध्ये जाणवत असलेल्या वातावरणातील गारवा नष्ट झाला होता. खरोखर उन्हाळा ऋतू चालू आहे की काय, असं वाटू लागलं होतं. अर्थात महाराष्ट्रातल्या विविध ठिकाणांमधील वातावरणातला तसेच तापमानातील हा फरक स्पष्टपणे जाणवत होता. यावेळेस देखील आम्ही गुगल मॅपला पाऊण ते एक तासाने हरवले होते!
बरोबर दोन वाजता महाविद्यालयात पोहोचलो आणि पाच वाजता व्याख्यान संपल्यानंतर पुन्हा परतीच्या मार्गाने लागलो. नियोजनात थोडीशी गडबड झाल्यामुळे धुळे शहर सोडायला साडेसहा वाजले. संध्याकाळीची महामार्गावरील गर्दी आणि अधूनमधून कोसळणारा पाऊस यातून मार्ग काढत मुंबई-आग्रा महामार्गाने प्रवास करू लागलो. बहुतांश ठिकाणी रस्त्याची कामे चाललेली होती. त्यामुळे भयंकर रहदारीचा सामना करत आणि भल्या मोठ्या मालवाहू कंटेनर आणि ट्रकच्यामधून मार्ग काढत आम्ही पुढे सरकत होतो. मालेगाव बाह्यमार्ग सोडल्यानंतर रस्ता बऱ्यापैकी रिकामा झाला. तोपर्यंत हा प्रवास कष्टप्रद असाच वाटत होता. चांदवडमध्ये पोहोचायला जवळपास दोन तास लागले.
चांदवड ते सिन्नर हा जवळपास ८० किलोमीटरचा रस्ता आहे. यामध्ये निफाड वगळता अन्य कोणतेही मोठे गाव लागत नाही. साडेआठ ते साडेनऊच्या सुमारास आम्ही इथल्या अंतर्गत सामसूम झालेल्या रस्त्यांवरून वेगाने प्रवास करत होतो. रस्त्यातली सर्व गावे जवळपास शांत झालेली होती. वर्दळदेखील अतिशय कमी झालेली होती. शांत आणि सातत्यपूर्ण वेगाने आमचा प्रवास या मार्गावरून पूर्ण झाला. पावणेदहा वाजता पुन्हा पुणे-नाशिक महामार्गाला लागलो. समृद्धी महामार्गाच्या जवळ जेवण केले, गाडी चार्ज केली आणि थेट पुण्याच्या दिशेने परतीच्या मार्गाला लागलो.
हा प्रवास थकवणारा नव्हता... एक रोमांचकारी अनुभव होता आणि सुयोग्य नियोजनाचे धडे देणारा होता. प्रत्येक वेळी गुगल मॅपला आम्ही अर्धा ते पाऊण तासाने हरवले. कदाचित ही आमच्या गाडीची किमया होती. एकंदर प्रवासामध्ये सहाशे नव्वद किलोमीटरचे अंतर पार झाले. यापूर्वीचा पुणे ते हैदराबाद हा पावणे सहाशे किलोमीटरचा विक्रम मोडीत निघाला.
इंद्रायणी, भामा, भीमा, घोड, मीना, कुकडी, मुळा, प्रवरा, गोदावरी आणि मोसम अशा तब्बल दहा नद्या आणि चार महामार्ग या एकंदरीत प्रवासात पार झाले! 

 

मानवी मेंदूची बचत आणि कृत्रिम बुद्धिमत्तेचा (AI) विजेचा वापर

मानवी मेंदू हा जैविक रचनेचा एक अद्भुत नमुना आहे. तो फक्त १२ वॅट्स विजेवर चालतो, जे एका मंद दिव्याला लागणाऱ्या विजेइतके आहे. लाखो वर्षांच्या उत्क्रांतीमध्ये विकसित झालेल्या त्याच्या अत्यंत कार्यक्षम रचनेमुळे हे शक्य झाले आहे.

मेंदूतील चेतापेशी (न्यूरॉन्स) विद्युत-रासायनिक संकेतांद्वारे (electrochemical signals) एकमेकांशी संवाद साधतात. या प्रक्रियेत माहितीवर प्रक्रिया करण्यासाठी आयन चॅनेल्स आणि चेतापेशींमधील जोडणीचा (synaptic connections) वापर केला जातो. ही प्रक्रिया नैसर्गिक संकेतांवर चालणारी (ॲनालॉग) असल्यामुळे, मेंदू कमीतकमी उर्जेत नमुने ओळखणे, निर्णय घेणे आणि नवनिर्मिती करणे यांसारखी गुंतागुंतीची कामे करू शकतो. अब्जावधी चेतापेशी कोणत्याही एका केंद्रीय नियंत्रणाशिवाय एकाच वेळी काम करतात, ज्यामुळे मेंदूची कार्यक्षमता आणखी वाढते.

याउलट, सध्याच्या कृत्रिम बुद्धिमत्ता (AI) प्रणालींना, जसे की मोठ्या न्यूरल नेटवर्क्सना प्रचंड प्रमाणात संगणकीय शक्तीची गरज असते. मोठ्या डेटा सेंटर्समध्ये या प्रणाली २.७ अब्ज वॅट्सपर्यंत वीज वापरू शकतात. ही अकार्यक्षमता AI च्या डिजिटल स्वरूपामुळे येते, कारण ते सिलिकॉनवर आधारित प्रोसेसर, जीपीयू (GPU) आणि टीपीयू (TPU) वर अवलंबून असते. या प्रणाली अब्जावधी गणिती क्रिया करतात, ज्यासाठी गणना, त्यांना थंड ठेवणे आणि डेटा पाठवण्यासाठी प्रचंड वीज लागते. मेंदूच्या नैसर्गिक कार्यक्षमतेच्या विरुद्ध, AI ची डिजिटल पद्धत खूप जास्त ऊर्जा वापरते, विशेषतः मोठ्या भाषिक मॉडेल्सना प्रशिक्षण देताना किंवा रिअल-टाइम डेटावर प्रक्रिया करताना.

मेंदूसारखीच कामे करण्यासाठी AI ला लाखो पटीने जास्त ऊर्जा लागते. ही मोठी तफावत मेंदूचा उत्क्रांतीमुळे मिळालेला फायदा दाखवते. तथापि, AI चा विजेचा वापर कमी करण्यासाठी नवनवीन तंत्रज्ञानावर काम सुरू आहे. यामध्ये मेंदूच्या रचनेची नक्कल करणारे 'न्यूरोमॉर्फिक कंप्युटिंग' आणि अधिक कार्यक्षम अल्गोरिदम यांचा समावेश आहे. AI जरी मोठी कामे अचूकपणे करू शकत असला तरी, ऊर्जेच्या वापराची ही तफावत कमी करणे हे भविष्यातील प्रगतीसाठी एक मोठे आव्हान आहे. हे आव्हान यशस्वीपणे पेलल्यास तंत्रज्ञानाच्या जगात एक शाश्वत क्रांती घडू शकते.

(आधारित)

--- तुषार भ. कुटे

 

डेटा: सध्याच्या पिढीच्या कृत्रिम बुद्धिमत्तेचे (AI) इंधन

आपण अशा युगात जगत आहोत जिथे 'कृत्रिम बुद्धिमत्ता' किंवा 'Artificial Intelligence (AI)' हा शब्द आपल्या कानावर सतत पडतो. आपल्या स्मार्टफोनमधील व्हॉईस असिस्टंटपासून ते ऑनलाइन खरेदीच्या शिफारसींपर्यंत, AI आपल्या जीवनाचा एक अविभाज्य भाग बनला आहे. पण हे AI चालते कसे? या तंत्रज्ञानामागे अशी कोणती शक्ती आहे, जी त्याला इतके 'हुशार' बनवते? या प्रश्नाचे उत्तर एका शब्दात दडले आहे - डेटा (Data).
ज्याप्रमाणे गाडी चालवण्यासाठी पेट्रोल किंवा डिझेल या इंधनाची गरज असते, त्याचप्रमाणे सध्याच्या पिढीच्या AI ला चालवण्यासाठी, शिकवण्यासाठी आणि कार्यक्षम बनवण्यासाठी 'डेटा' नावाच्या इंधनाची गरज असते. म्हणूनच, "डेटा हे सध्याच्या पिढीच्या AI चे इंधन आहे" असे म्हटले जाते. चला, ही संकल्पना सोप्या भाषेत समजून घेऊया.

डेटा म्हणजे नक्की काय?

सगळ्यात आधी, डेटा म्हणजे काय हे समजून घेणे महत्त्वाचे आहे. डेटा म्हणजे केवळ आकडेवारी किंवा मजकूर नव्हे. आपण आपल्या दैनंदिन जीवनात कळत-नकळतपणे प्रचंड प्रमाणात डेटा तयार करत असतो.
- तुम्ही काढलेला प्रत्येक फोटो किंवा व्हिडिओ हा एक डेटा आहे.
- सोशल मीडियावर तुम्ही दिलेली प्रत्येक 'लाईक' किंवा 'कमेंट' हा एक डेटा आहे.
- गुगलवर तुम्ही शोधलेली कोणतीही माहिती हा एक डेटा आहे.
- ऑनलाइन नकाशा वापरताना तुमचे लोकेशन (स्थान) हा एक डेटा आहे.
- तुम्ही ऑनलाइन काय खरेदी करता, काय पाहता, ही सर्व माहिती म्हणजे डेटा आहे.

थोडक्यात सांगायचे झाल्यास, कोणतीही नोंदवलेली माहिती, मग ती कोणत्याही स्वरूपात असो, तिला 'डेटा' म्हणतात. आजच्या डिजिटल जगात, प्रत्येक सेकंदाला अब्जावधी जीबी डेटा तयार होत आहे.

AI हे इंधन कसे वापरते?

आता प्रश्न पडतो की, AI या प्रचंड डेटाचे काय करते? AI स्वतःहून हुशार नसते. त्याला हुशार बनवावे लागते, त्याला 'शिकवावे' लागते. ही शिकण्याची प्रक्रिया पूर्णपणे डेटावर अवलंबून असते. याला 'मशीन लर्निंग' (Machine Learning) म्हणतात.

एका लहान मुलाचे उदाहरण घेऊ. आपण लहान मुलाला 'मांजर' ओळखायला कसे शिकवतो? आपण त्याला अनेक मांजरींचे फोटो दाखवतो, वेगवेगळ्या रंगांच्या, आकारांच्या मांजरी दाखवतो. हजारो वेळा हे केल्यावर, त्याच्या मेंदूत एक 'नमुना' (Pattern) तयार होतो. त्यानंतर, जेव्हा तो एखादी नवीन, आधी न पाहिलेली मांजर पाहतो, तेव्हा तो तिला लगेच ओळखतो.

AI सुद्धा अगदी असेच शिकते. AI च्या अल्गोरिदमला (एक प्रकारची नियम-प्रणाली) लाखो-करोडो फोटो दाखवून 'प्रशिक्षित' (Train) केले जाते. उदाहरणार्थ, जर आपल्याला चेहरा ओळखणारे AI बनवायचे असेल, तर त्याला लाखो लोकांचे चेहरे (डेटा) दाखवावे लागतात. हा डेटा 'पचवून' AI चेहऱ्याचे नमुने, जसे की डोळ्यांमधील अंतर, नाकाचा आकार इत्यादी, शिकते. या प्रशिक्षणानंतरच ते कोणताही नवीन चेहरा अचूकपणे ओळखू शकते.

डेटाची गुणवत्ता आणि प्रमाण: उत्तम इंधन, उत्तम कामगिरी

गाडीमध्ये जसे चांगले आणि शुद्ध पेट्रोल टाकल्यास इंजिन चांगले चालते, त्याचप्रमाणे AI साठी डेटा जेवढा जास्त आणि जेवढा दर्जेदार असेल, तेवढे AI अधिक अचूक आणि कार्यक्षम बनते.
- डेटाचे प्रमाण (Quantity): AI ला जेवढा जास्त डेटा दिला जातो, तेवढे ते अधिक चांगल्या प्रकारे शिकते. कमी डेटामुळे AI चुकीचे निष्कर्ष काढू शकते. उदाहरणार्थ, फक्त १०-१५ मांजरींचे फोटो दाखवून मुलाला शिकवल्यास, ते प्रत्येक चार पायांच्या प्राण्याला मांजर म्हणू शकते.
- डेटाची गुणवत्ता (Quality): फक्त जास्त डेटा असून उपयोग नाही, तो योग्य आणि स्वच्छ असणेही महत्त्वाचे आहे. जर डेटामध्ये चुका असतील किंवा तो पक्षपाती असेल, तर AI सुद्धा चुकीचे आणि पक्षपाती निर्णय घेऊ शकते. याला 'कचरा आत, कचरा बाहेर' (Garbage In, Garbage Out) असे म्हणतात.

दैनंदिन जीवनातील उदाहरणे
- आरोग्यसेवा (Healthcare): डॉक्टरांना कर्करोगाचे निदान करण्यासाठी, AI हजारो एक्स-रे आणि एमआरआय स्कॅन (डेटा) तपासते. या डेटामधून शिकून, ते मानवी डोळ्यांना सहज न दिसणारे सूक्ष्म बदलही ओळखू शकते.
- शेती (Agriculture): ड्रोनद्वारे शेताचे फोटो (डेटा) घेऊन, AI पिकांची वाढ, संभाव्य रोग आणि पाण्याची गरज याबद्दल अचूक माहिती देते.
- स्वयं-चालित गाड्या (Self-Driving Cars): या गाड्या रस्त्यावरील कॅमेरे आणि सेन्सर्समधून सतत रिअल-टाइम डेटा गोळा करतात. या डेटामुळेच त्या रस्ता, इतर वाहने, पादचारी यांना ओळखून सुरक्षितपणे चालू शकतात.
- मनोरंजन (Entertainment): नेटफ्लिक्स किंवा यूट्यूब तुम्हाला तुमच्या आवडीनुसार व्हिडिओ किंवा चित्रपट सुचवते. हे तुमच्या आणि तुमच्यासारख्या इतर लाखो वापरकर्त्यांच्या पाहण्याच्या सवयींच्या डेटाचे विश्लेषण करून केले जाते.

डेटा हे AI साठी इंधन असले तरी, याच्याशी संबंधित काही आव्हाने देखील आहेत. डेटा गोपनीयता (Privacy) आणि सुरक्षितता (Security) हे सर्वात मोठे मुद्दे आहेत. आपला वैयक्तिक डेटा कोणाकडे आहे आणि तो कसा वापरला जात आहे, याची चिंता असणे स्वाभाविक आहे.

थोडक्यात, डेटा हा आधुनिक AI चा आत्मा आणि प्राणवायू आहे. डेटाशिवाय, आजचे AI केवळ एक निष्फळ प्रोग्राम आहे. ज्याप्रमाणे तेल आणि वायूने औद्योगिक क्रांती घडवली, त्याचप्रमाणे 'डेटा' आजच्या डिजिटल आणि बौद्धिक क्रांतीला चालना देत आहे. आपण तयार करत असलेला प्रत्येक बाईट डेटा या महाकाय AI इंजिनला शक्ती देत आहे, जे आपल्या भविष्याला एक नवीन आकार देण्यास सज्ज आहे. म्हणूनच, या 'इंधनाचे' महत्त्व समजून घेणे आणि त्याचा वापर जबाबदारीने करणे ही काळाची गरज आहे.

--- तुषार भ. कुटे

कॉग्निटिव्ह कॉम्प्युटिंग: माणसाप्रमाणे विचार करणाऱ्या संगणकाचे युग

आजच्या तंत्रज्ञानाच्या जगात आपण दररोज नवनवीन शब्दांशी परिचित होत असतो. 'आर्टिफिशियल इंटेलिजन्स' (Artificial Intelligence), 'मशीन लर्निंग' (Machine Learning) यांसारखे शब्द आता आपल्या कानावर सतत पडत असतात. याच मालिकेतील एक अत्यंत महत्त्वाचे आणि भविष्यवेधी तंत्रज्ञान म्हणजे 'कॉग्निटिव्ह कॉम्प्युटिंग' (Cognitive Computing) अर्थात 'संज्ञानात्मक संगणन'. पण हे नक्की आहे तरी काय? सोप्या भाषेत सांगायचे तर, ही एक अशी संगणक प्रणाली आहे जी माणसाच्या मेंदूप्रमाणे विचार करण्याचा, शिकण्याचा आणि समस्या सोडवण्याचा प्रयत्न करते.

कल्पना करा की तुमच्याकडे एक असा सहायक आहे जो केवळ तुम्ही दिलेले आदेशच पाळत नाही, तर तुमच्या बोलण्याचा अर्थ समजतो, तुमच्या प्रश्नांमागील भावना ओळखतो, विविध प्रकारच्या माहितीचे (उदा. लेख, फोटो, व्हिडिओ) विश्लेषण करतो आणि त्याआधारे तुम्हाला योग्य सल्ला देतो. कॉग्निटिव्ह कॉम्प्युटिंग हेच काम करते.

ही प्रणाली मानवी मेंदूच्या कार्यपद्धतीची नक्कल करते. आपला मेंदू जसा भाषा समजतो, अनुभवातून शिकतो, तर्क लावतो आणि निर्णय घेतो, त्याचप्रमाणे कॉग्निटिव्ह कॉम्प्युटिंग प्रणाली तयार केली जाते. ही प्रणाली केवळ 'काय' (What) यावर लक्ष केंद्रित करत नाही, तर 'का' (Why) आणि 'कसे' (How) यावरही विचार करते.

आपण रोज वापरत असलेला संगणक किंवा मोबाईल हा प्रोग्रामिंगवर चालतो. त्याला काय करायचे आहे, हे स्पष्ट शब्दात सांगावे लागते. उदाहरणार्थ, कॅल्क्युलेटरला तुम्ही २+२ दिल्यास तो नेहमी ४ हेच उत्तर देईल, कारण त्याला तसे प्रोग्राम केलेले आहे.

याच्या उलट, कॉग्निटिव्ह कॉम्प्युटिंग प्रणाली प्रोग्रामिंगच्या पलीकडे जाऊन काम करते. ती निश्चित उत्तरांवर अवलंबून नसते, तर संभाव्यतेवर (Probability) काम करते. ती वेगवेगळ्या स्त्रोतांकडून माहिती गोळा करते, त्यातील संबंध ओळखते आणि सर्वात योग्य वाटणारे उत्तर किंवा पर्याय सुचवते. एखाद्या डॉक्टरप्रमाणे, जो रुग्णाची लक्षणे, रिपोर्ट्स आणि वैद्यकीय इतिहास पाहून संभाव्य आजाराचे निदान करतो, त्याचप्रमाणे ही प्रणाली काम करते.

कॉग्निटिव्ह कॉम्प्युटिंग कसे कार्य करते?

हे तंत्रज्ञान मानवी मेंदूप्रमाणे काम करण्यासाठी काही प्रमुख तंत्रज्ञानांचा आधार घेते:

- मशीन लर्निंग (Machine Learning): या तंत्रज्ञानामुळे संगणक मोठ्या प्रमाणात डेटा (माहिती) मधून आपोआप शिकतो. जसे लहान मूल अनुभवातून शिकते, तसेच ही प्रणाली डेटाच्या विश्लेषणातून स्वतःला अधिक हुशार बनवते.
- नैसर्गिक भाषा प्रक्रिया (Natural Language Processing - NLP): यामुळे संगणक मानवी भाषा (उदा. मराठी, हिंदी, इंग्रजी) वाचू, समजू आणि बोलू शकतो. आपण गुगल असिस्टंट किंवा सिरीशी जसा संवाद साधतो, ते NLP मुळेच शक्य होते.
- न्यूरल नेटवर्क्स (Neural Networks): ही मानवी मेंदूतील नसांच्या जाळ्याप्रमाणे (न्यूरॉन्स) तयार केलेली एक कृत्रिम प्रणाली आहे. याच्या मदतीने संगणक अतिशय गुंतागुंतीची माहिती समजून घेऊ शकतो आणि त्यातील पॅटर्न्स ओळखू शकतो.

कॉग्निटिव्ह कॉम्प्युटिंगची प्रमुख वैशिष्ट्ये

- अनुकूलनशील (Adaptive): ही प्रणाली सतत नवीन माहिती शिकते आणि त्यानुसार स्वतःमध्ये बदल घडवते.
- संवादात्मक (Interactive): ती मनुष्याशी सोप्या आणि नैसर्गिक भाषेत संवाद साधू शकते.
- संदर्भानुसार (Contextual): ती केवळ शब्दांवर लक्ष देत नाही, तर बोलण्याचा संदर्भ, वेळ, ठिकाण आणि उद्देशही समजून घेते.
- पुनरावृत्ती आणि स्थितीची जाणीव (Iterative and Stateful): ती आपल्या मागील संवादांना लक्षात ठेवते, ज्यामुळे प्रत्येक वेळी नवीन सुरुवात करण्याची गरज पडत नाही.

कॉग्निटिव्ह कॉम्प्युटिंग आता केवळ एक वैज्ञानिक संकल्पना राहिलेली नाही, तर ती आपल्या जीवनाचा भाग बनली आहे.

- आरोग्यसेवा (Healthcare): डॉक्टर रुग्णांचे रिपोर्ट्स, एक्स-रे आणि वैद्यकीय इतिहासाचे विश्लेषण करण्यासाठी या प्रणालीचा वापर करतात. यामुळे कर्करोगासारख्या गंभीर आजारांचे निदान लवकर आणि अधिक अचूकपणे करता येते.
- ग्राहक सेवा (Customer Service): अनेक कंपन्यांच्या वेबसाइटवर असणारे 'चॅटबॉट्स' (Chatbots) आता अधिक हुशार झाले आहेत. ते तुमच्या प्रश्नांना समजून घेऊन २४ तास मदत पुरवतात.
- बँकिंग आणि वित्त (Banking and Finance): तुमच्या क्रेडिट कार्ड किंवा बँक खात्यावर होणारे संशयास्पद व्यवहार ओळखण्यासाठी आणि फसवणूक टाळण्यासाठी या तंत्रज्ञानाचा प्रभावीपणे वापर केला जातो.
- ई-कॉमर्स आणि मनोरंजन (E-commerce and Entertainment): तुम्ही ॲमेझॉनवर कोणती वस्तू खरेदी कराल किंवा नेटफ्लिक्सवर कोणती फिल्म पाहाल, यासाठी मिळणाऱ्या शिफारसी (Recommendations) तुमच्या आवडीनिवडी ओळखून याच तंत्रज्ञानाद्वारे दिल्या जातात.
- शिक्षण (Education): प्रत्येक विद्यार्थ्याची शिकण्याची क्षमता आणि गती ओळखून त्याला वैयक्तिक मार्गदर्शन करण्यासाठी 'पर्सनलाइज्ड लर्निंग प्लॅटफॉर्म्स' तयार केले जात आहेत.

कॉग्निटिव्ह कॉम्प्युटिंगचे भविष्य अत्यंत उज्ज्वल आहे. भविष्यात आपल्याला असे डिजिटल सहाय्यक मिळतील जे केवळ आपले कामच करणार नाहीत, तर आपले मित्र, मार्गदर्शक आणि सल्लागार म्हणूनही काम करतील. वैज्ञानिक संशोधनापासून ते हवामान अंदाजापर्यंत, प्रत्येक क्षेत्रात याचा क्रांतिकारी वापर होईल.

मात्र, या तंत्रज्ञानासमोर डेटाची गोपनीयता (Data Privacy), अल्गोरिदममधील पक्षपातीपणा (Algorithmic Bias) आणि या प्रणाली तयार करण्याचा प्रचंड खर्च यांसारखी काही आव्हानेही आहेत.

थोडक्यात, कॉग्निटिव्ह कॉम्प्युटिंग हे संगणकीय क्रांतीचे पुढचे पाऊल आहे. हे तंत्रज्ञान मानवी बुद्धिमत्तेला पर्याय म्हणून नव्हे, तर एक शक्तिशाली सहकारी म्हणून उदयास येत आहे. ज्याप्रमाणे संगणकाने आपले जीवन सोपे केले, त्याचप्रमाणे 'विचार करणारा संगणक' भविष्यात आपल्यासमोरील अत्यंत गुंतागुंतीच्या समस्या सोडवण्यासाठी मदत करेल आणि मानवी प्रगतीला एका नव्या उंचीवर घेऊन जाईल.

--- तुषार भ. कुटे