कृत्रिम बुद्धिमत्ता

कृत्रिम बुद्धिमत्ता (Artificial Intelligence किंवा AI) ही संगणकशास्त्रातील अशी शाखा आहे ज्यामध्ये संगणक किंवा यंत्रांना मानवी बुद्धिमत्तेशी संबंधित काही कार्ये करण्यास सक्षम बनवले जाते. माहिती समजून घेणे, नमुने ओळखणे, भाषेवर प्रक्रिया करणे, अंदाज बांधणे आणि उपलब्ध माहितीच्या आधारे निर्णयासाठी मदत करणे ही AI प्रणालींची काही उदाहरणे आहेत. कृत्रिम बुद्धिमत्ता ही मानवी बुद्धिमत्तेची पूर्ण प्रतिकृती नसून विशिष्ट उद्दिष्टांसाठी तयार केलेल्या गणिती पद्धती, अल्गोरिदम आणि संगणकीय मॉडेल्सचा समूह आहे.

इतिहास आणि विकास

कृत्रिम बुद्धिमत्तेचा विचार संगणकांच्या सुरुवातीच्या विकासकाळापासून केला जात होता. १९५० मध्ये गणितज्ञ अ‍ॅलन ट्युरिंग यांनी यंत्र विचार करू शकते का, असा मूलभूत प्रश्न उपस्थित केला. १९५६ मध्ये अमेरिकेतील डार्टमथ येथे झालेल्या संशोधन कार्यशाळेत ‘Artificial Intelligence’ ही संज्ञा औपचारिकपणे वापरात आली. त्यानंतर संशोधकांनी तर्कशास्त्र, गणित, भाषा आणि समस्या सोडवण्याच्या पद्धती संगणकांमध्ये वापरण्याचा प्रयत्न केला.

सुरुवातीच्या AI प्रणाली ठरावीक नियमांवर आधारित होत्या. त्या नियमांनुसारच उत्तर देत असल्यामुळे नवीन किंवा अनपेक्षित परिस्थितींमध्ये त्यांची क्षमता मर्यादित होती. पुढे संगणकांची प्रक्रिया क्षमता वाढली, मोठ्या प्रमाणात डिजिटल माहिती उपलब्ध झाली आणि सांख्यिकी पद्धती विकसित झाल्या. त्यामुळे मशीन लर्निंग आणि डीप लर्निंगचा विकास वेगाने झाला. आज AI चा वापर संशोधन, उद्योग, शिक्षण, आरोग्य, शेती, वाहतूक आणि सार्वजनिक सेवांमध्ये केला जातो.

कृत्रिम बुद्धिमत्तेची प्रमुख क्षेत्रे

AI हा एकच कार्यक्रम नसून अनेक संबंधित तंत्रज्ञानांचा व्यापक समूह आहे.

AI कसे कार्य करते?

अनेक आधुनिक AI प्रणालींमध्ये प्रथम संबंधित माहिती किंवा डेटा गोळा केला जातो. त्यानंतर त्या डेटाची स्वच्छता, वर्गीकरण आणि आवश्यक स्वरूपात मांडणी केली जाते. मशीन लर्निंग मॉडेलला प्रशिक्षण देताना उदाहरणांमधील संबंध आणि नमुने शोधण्यास शिकवले जाते. प्रशिक्षणानंतर मॉडेल नवीन माहितीवर अंदाज किंवा वर्गीकरण करू शकते.

उदाहरणार्थ, हजारो लेबल केलेल्या छायाचित्रांवर प्रशिक्षण घेतलेली प्रणाली नवीन छायाचित्रात मांजर आहे की कुत्रा, याचा अंदाज देऊ शकते. भाषिक मॉडेल मोठ्या प्रमाणातील मजकूरातील शब्दसंबंध शिकून प्रश्नांची उत्तरे, सारांश किंवा भाषांतर तयार करू शकते. मात्र मॉडेलचे उत्तर नेहमी सत्य असेलच असे नाही. प्रशिक्षणातील त्रुटी, अपूर्ण माहिती किंवा प्रश्नाचा संदर्भ चुकीचा समजल्यामुळे चुकीचे उत्तर मिळू शकते.

कृत्रिम बुद्धिमत्तेचे प्रकार

क्षमता लक्षात घेऊन AI चे सामान्यतः तीन सैद्धांतिक प्रकार सांगितले जातात.

1. मर्यादित किंवा विशिष्ट AI (Narrow AI): एखादे ठरावीक काम करण्यासाठी तयार केलेली प्रणाली. आवाज ओळखणे, शिफारसी देणे, भाषांतर करणे किंवा छायाचित्रातील वस्तू ओळखणे ही उदाहरणे आहेत. आज प्रत्यक्ष वापरातील बहुतांश AI या प्रकारात येते.
2. सामान्य कृत्रिम बुद्धिमत्ता (AGI): मानवी बुद्धिमत्तेप्रमाणे विविध प्रकारची बौद्धिक कामे अनेक क्षेत्रांत स्वतंत्रपणे करू शकणारी व्यापक क्षमता. अशी प्रणाली प्रत्यक्षात सिद्ध झालेली नाही.
3. अतिबुद्धिमान AI: मानवी क्षमतेपेक्षा अनेक क्षेत्रांत अधिक प्रगत बुद्धिमत्ता असलेली सैद्धांतिक संकल्पना. ती सध्या प्रत्यक्ष उपलब्ध तंत्रज्ञान नाही.

विविध क्षेत्रांतील उपयोग

शिक्षण: AI आधारित साधने विद्यार्थ्यांना संकल्पना समजावून सांगणे, भाषांतर, सराव प्रश्न तयार करणे आणि शिकण्यातील अडचणी ओळखणे यासाठी मदत करू शकतात. शिक्षकांच्या अध्यापनाची जागा घेण्याऐवजी पूरक साधन म्हणून त्यांचा वापर अधिक योग्य ठरतो.

आरोग्य: वैद्यकीय प्रतिमांमधील काही नमुने ओळखणे, संशोधनातील माहितीचे विश्लेषण करणे, रुग्णालयीन नोंदी व्यवस्थापित करणे आणि औषध संशोधनाला मदत करणे यासाठी AI वापरले जाते. निदान किंवा उपचाराचा अंतिम निर्णय प्रशिक्षित वैद्यकीय तज्ज्ञांनीच घ्यावा.

शेती: हवामान, माती, पिकांची स्थिती आणि उपग्रह प्रतिमांचा अभ्यास करून शेतीविषयक निर्णयांना मदत करता येते. पिकांवरील रोग किंवा कीड ओळखण्यासाठी प्रतिमा विश्लेषणाचाही वापर होतो.

उद्योग आणि वाहतूक: उत्पादन प्रक्रियेतील दोष शोधणे, यंत्रांच्या देखभालीचा अंदाज, वाहतूक नियोजन आणि गोदाम व्यवस्थापन यांसारख्या कामांमध्ये AI उपयुक्त ठरते.

भाषा आणि संवाद: भाषांतर, वाणीचे मजकुरात रूपांतर, ग्राहक सहाय्य आणि शोध प्रणालींमध्ये AI वापरले जाते.

भारतातील कृत्रिम बुद्धिमत्ता

भारतामध्ये AI संशोधन, कौशल्यविकास आणि सार्वजनिक हितासाठी तंत्रज्ञानाचा वापर वाढवण्याचे प्रयत्न सुरू आहेत. भारत सरकारच्या IndiaAI उपक्रमाचा उद्देश देशातील AI परिसंस्था विकसित करणे, संगणकीय साधनांची उपलब्धता वाढवणे, दर्जेदार डेटासेट आणि संशोधनाला प्रोत्साहन देणे तसेच विविध क्षेत्रांत AI चा उपयोग वाढवणे हा आहे. AIKosh या मंचावर डेटासेट, मॉडेल्स आणि साधने उपलब्ध करून देण्याचा प्रयत्न केला जातो. भारतीय भाषांमध्ये डिजिटल सेवा उपलब्ध करण्यासाठीही AI महत्त्वाचे ठरू शकते.

फायदे आणि मर्यादा

AI मोठ्या प्रमाणातील माहितीचे जलद विश्लेषण करू शकते, पुनरावृत्तीची कामे स्वयंचलित करू शकते आणि काही कामांमध्ये अचूकता व कार्यक्षमता वाढवू शकते. संशोधनासाठी नवीन शक्यता निर्माण करणे आणि दिव्यांग व्यक्तींना सहाय्यक तंत्रज्ञान उपलब्ध करून देणे हेही त्याचे महत्त्वाचे उपयोग आहेत.

तथापि, AI प्रणालींना काही गंभीर मर्यादा आहेत. प्रशिक्षणासाठी वापरलेला डेटा पक्षपाती किंवा अपूर्ण असल्यास परिणामांमध्ये भेदभाव दिसू शकतो. काही प्रणाली चुकीची माहिती आत्मविश्वासाने देतात. वैयक्तिक माहितीचा गैरवापर, सायबर सुरक्षा, कॉपीराइट, पारदर्शकता आणि रोजगारातील बदल हेही महत्त्वाचे प्रश्न आहेत. AI चा वापर करताना माहितीची पडताळणी, मानवी देखरेख आणि गोपनीयतेचे संरक्षण आवश्यक असते.

जबाबदार वापर

AI कडून मिळालेली माहिती महत्त्वाच्या शैक्षणिक, वैद्यकीय, आर्थिक किंवा कायदेशीर निर्णयांसाठी एकमेव आधार मानू नये. अधिकृत कागदपत्रे आणि विश्वासार्ह स्रोत तपासणे आवश्यक आहे. वैयक्तिक किंवा गोपनीय माहिती अनोळखी सेवांमध्ये देणे टाळावे. AI तयार करताना आणि वापरताना मानवी हक्क, समानता, सुरक्षितता आणि उत्तरदायित्व यांना महत्त्व देणे गरजेचे आहे.

संदर्भ

1. IndiaAI
2. AIKosh
3. NIST AI Framework
4. UNESCO AI Ethics

शेवटचे संपादन: ६ नोव्हेंबर २०२६