*Artificial Intelligence*(AI) म्हणजे कृत्रिम बुद्धिमत्ता.
नैसर्गिक बुद्धिमत्ता ही निसर्गनिर्मित मानवा कडे आहे . मग राहिली कृत्रिम बुद्धिमत्ता म्हणजे एखाद्या मशीन किंवा संगणकाला दिलेली बुद्धिमत्ता.
आता तुम्ही म्हणाल मशीन किंवा संगणकाला कशी बुद्धिमत्ता देणार ?
मग त्याचे उत्तर आहे की
कॉम्प्युटर ला एखादे काम सांगितले तर ते काम त्यानं कसे करावे हे सगळं प्रोग्राम मध्ये लिहिलेले असते.पण कृत्रिम बुद्धिमत्तेत आधी लिहिलेले प्रोग्राम AI चा पाया म्हणून काम करतात पण ते प्रोग्राम आपल्याला लिहावे लागतात. आणि त्याचा डाटा इनपुट म्हणून द्यावा लागतो. गरजेनुसार आणि बाह्य परिस्थितीनुसार ( म्हणजे डेटाप्रमाणे ) या प्रोग्रॅम्समध्ये आपोआपच बदल करण्याची किंवा अगदी नवीन प्रोग्रॅम्स किंवा अल्गोरिदम्स स्वत : लाच लिहिता येण्याची क्षमता म्हणजे AL . थोडक्यात इथे उलटंच होतं . भरपूर डेटा दिला की त्यातून ' शिकून ' AI मध्ये अल्गोरिदम्स तयार होतात . यंत्रामध्ये माणसाइतक्याच क्षमता निर्माण करणं आणि यंत्राला माणसासारखीच बुद्धी असावी हे AI चं एक मोठं ध्येय होतं.
आता मी मुबई हून पुण्याला घरी जात आहे . मला चहा प्यायचा आहे तर मी काय करणार माझ्या जवळच्या रिमोट की किंवा यंत्राला , संगणकाला सांगणार किंवा लिहिणार तो लगेच माझ्या घरी असलेल्या मशीन / रोबोट ला कळणार ते यंत्र ॲक्टिव मोड मध्ये येणार आणि मग गॅस च्या दिशेने जाणे गॅस पेटविने त्यावर भांडे ठेवणे पाणी ,दूध,पावडर मोजून टाकने व एका तापमानावर येऊन बंद करणे . या सर्व क्रिया ह्या प्रोग्राम च्या माध्यमातून दिल्या जातात. तुम्ही म्हणाल हे कसं?
. खरं तर याला आर्टिफिशियल जनरल इंटेलिजन्स ' असं म्हणतात . पण हे निदान बराच काळ तरी शक्य नाही हे लक्षात आल्यावर तंत्रज्ञांनी आपल्या अपेक्षा मर्यादित केल्या . तरीही ' उपयुक्त AI ' साठी अतिशय वेगवान कॉम्प्युटरची गरज होती . त्यामुळे एक्स्पर्ट सिस्टिम्स , रोबॉटिक्स , नॅचरल लँग्वेज प्रोसेसिंग , न्यूरल नेटवर्क्स , मशीन लर्निंग , डीप लर्निंग अशा तंत्रज्ञानांची प्रगती दृश्य स्वरूपात यायला बराच काळ जावा लागला . अनेक वर्ष थांबत थांबत का होईना AL तंत्रज्ञानाची प्रगती चालू होती , पण 2000 सालानंतर मात्र या तंत्रज्ञानांमध्ये प्रचंड वेग आला . IOT ( इंटरनेट ऑफ थिंग्ज ) IIOT ( इंडस्ट्रियल इंटरनेट ऑफ थिंग्ज ) आणि बिग डेटा या सगळ्या यंत्रांना जोडण्याचं काम करेल . पण यंत्रांनी डेटा गोळा करणं , तो डेटा साठवणं , कुठला डेटा आपल्यासाठी उपयुक्त आहे , त्याची उपयुक्तता किती आहे , त्या डेटाचा वापर कधी आणि कसा करायचा आणि मुख्य म्हणजे निर्णय घ्यायची वेळ आली तर निर्णय कसा घ्यायचा हे सगळं AI शिवाय अशक्य आहे .(Ref Infotech )
याचेच पुढे उदाहरण म्हणून यंत्राला भांड्यातून पाणी आणायला सांगणे म्हणजे त्याला इनपुट प्रोग्राम देणे. एका ठिकाणावरून एका दिशेकडे नियोजित अंतरावर जाऊन एका उंचीवर नेऊन त्याला rotational , axial दिशा देऊन त्याला प्रत्येक सूक्ष्म activities ची माहिती द्यावी लागते. म्हणजे प्रत्येक कृती चा डाटा प्रोग्रामिंग भाषेमध्ये अपलोड करणे जेणे करून त्याला समजेल की आपल्याला काय करायचे आहे . खर सांगायचे झाले यंत्र हे निर्जीव आहे .पण त्याला सजीव सारख्या activities करायला लावणे म्हणजे AI.
माणसाचा मेंदू कुठलीही भाषा किंवा अनेक गोष्टी या निरीक्षणाने अभ्यासाने आत्मसात करतो. म्हणजे इथे डाटा प्रथम येतो आणि त्यानंतर त्याविषयीचे नियम काढले जातात. पण AI मध्ये उलटे असते.
AI मध्ये दोन पद्धतीचा विचार झाले
एक म्हणजे symbolic आणि दुसरी म्हणजे Connectionist.
Symbolic पध्दति मध्ये चिन्हांचा वापर करून आला मेंदू कसा काम करतो याचा विचार केलेला आहे .
Connectionist पद्धती मध्ये प्रत्येक कार्याचे कनेक्शन म्हणजे संबंध जोडला जातो. त्यासाठी artificial neural network (ANN) चा उपयोग केला जातो.
उदा. समजा आपल्याला फळ्यावर अक्षर किंवा आकडे ओळखण्यासाठी सॉफ्टवेअर किंवा algorithm लिहायचे आहे तर symbolic पद्धतीमध्ये आपल्याला प्रत्येक अक्षर किंवा आकडे ओळखण्यासाठी algorithm लिहावा लागतो. उदा. एक पूर्ण वर्तुळ असेल तर शून्य(०) हा आकडा. दोन लहान वर्तुळ, एक उभ्या रेषा आणि त्याच्यामध्ये एक आडवी रेषा असतील म्हणजे "ळा' हे अक्षर वगैरे असेल.
पण हे इतके सोप नाही. याचे कारण रेषा म्हणजे काय? वर्तुळ म्हणजे काय हे आपल्याला प्रोग्राम, algorithm, software ,coding च्या माध्यमातून त्याला लिहावं लागेल.
पण Connectionist पद्धतीत त्या scanner ला अनेक अक्षर, आकडे दाखवून ते कसे ओळखायचे ते शिकविले जाते. यासाठी प्रत्येक अक्षर आणि आकडे अनेक वेळा अनेक आकारात दाखवावा लागतो. उदा. 9 आकडा 9999999 वगैरे. अशी वेगवेगळ्या स्वरूपातील अनेक अक्षर आकडे दाखविल्यावर ते सॉफ्टवेअर शिकत असते. त्यानंतर ती अक्षर आकडे ओळखायला लागतं.
*संकलन Dr. Jitendra A Hole*
Comments
Post a Comment