एआयच्या क्षेत्रात शिरू पाहत असलेल्यांनी एआयसंबंधीच्या प्राथमिक विषयांची ओळख करून घेतल्यानंतर ‘हगिंग फेस‘ या इंटरनेटवरच्या अत्यंत महत्त्वाच्या संकेतस्थळाला भेट दिलीच पाहिजे. एआयशी संबंधित असलेल्या सगळ्या महत्त्वाच्या आणि अत्याधुनिक गोष्टी या वेबसाइटवर असतात. शिवाय हे सगळं ‘ओपन सोर्स’ असल्यामुळे ते वापरण्यासाठी कुठलाच खर्च येत नाही.
एआयच्या क्षेत्रात शिरू पाहत असलेल्यांनी एआयसंबंधीच्या प्राथमिक विषयांची ओळख करून घेतल्यानंतर ‘हगिंग फेस‘ या इंटरनेटवरच्या अत्यंत महत्त्वाच्या संकेतस्थळाला भेट दिलीच पाहिजे. एआयशी संबंधित असलेल्या सगळ्या महत्त्वाच्या आणि अत्याधुनिक गोष्टी या वेबसाइटवर असतात. उदाहरणार्थ एआयला आता इतकं लोकप्रिय आणि वापरायला सहजसुलभ करणारं ‘ट्रान्सफॉर्मर’चं तंत्रज्ञान चालवण्यासाठीच्या ‘मॉडेल’सारख्या अनेक गोष्टी इथे असतात. म्हणजेच समजा आपल्याला दिलेल्या मजकुरातून नेमकं काहीतरी शोधून काढायचं आहे किंवा असंख्य चित्रांमधून नेमकी चित्रं ओळखायची आहेत किंवा एका भाषेतून इतर कुठल्या तरी भाषेत मजकूर बदलायचा आहे; अशांसारख्या अनेक गोष्टींसाठी हगिंग फेसवर खूप सोयी असतात. शिवाय हे सगळं ‘ओपन सोर्स’ असल्यामुळे ते वापरण्यासाठी कुठलाच खर्च येत नाही. हगिंग फेसवरच्या या सुविधा वापरण्यासाठी आपल्याला पायथन भाषेत प्रोग्रॅम लिहावे लागतात. याचं नेमकं वैशिष्टय काय असतं?
हगिंग फेसची खासियत समजून घेण्यासाठी आपण एक सोपं उदाहरण घेऊ. समजा आपल्या ग्राहकांनी आपल्या व्यवसायाबद्दल किंवा आपल्या ग्राहकसेवेबद्दल दिलेल्या लिखित प्रतिक्रियांचा मोठा साठा साचलेला आहे. यातून आपल्या ग्राहकांना आपल्या व्यवसायाविषयी किंवा एकूणच आपण त्यांना देत असलेल्या वागणुकीविषयी नेमकं काय वाटतं हे जाणून घ्यायचं आहे. तसंच ग्राहकांनी या प्रतिक्रियांमध्ये दिलेल्या सूचनांनुसार, तक्रारींनुसार किंवा अगदी शाबासकीनुसारही पुढची पावलं टाकायची आहेत. तसंच एकूणच आपल्या कामाच्या पद्धतीत सुधारणा करण्यासाठी या माहितीचा आपल्याला अर्थातच खूप फायदा मिळू शकतो, हे ओघानं आलंच. ग्राहकांच्या म्हणण्याकडे दुर्लक्ष करण्याचे दुष्परिणाम काय असू शकतात हे वेगळ्यानं सांगायला नकोच! आता या कामामध्ये हगिंग फेसची कशी मदत होऊ शकते?
हगिंग फेसच्या वेबसाइटवर दिलेल्या मजकुराचा नेमका अर्थ लावणं किंवा त्या मजकुराचा नेमका सूर काय असू शकतो, हे समजून घेण्यासाठीची तयार ‘मॉडेल्स’ असतात. म्हणजे नेमकं काय, तर आपण ग्राहकांच्या मजकुराचा साठा या ‘मॉडेल’ला पुरवायचा. हे मॉडेल म्हणजे जणू एखादा डेटाबेसच असतो, असं आपण ढोबळमानानं म्हणू शकतो. आपल्या मजकुरामधलं प्रत्येक वाक्य वाचून हे मॉडेल त्या वाक्याचा सूर काय असेल, याविषयीचा आपला अंदाज बांधतं आणि आपल्याला तसं सांगतं. उदाहरणार्थ समजा एखाद्या ग्राहकानं ‘वा, मजा आली!’ असं म्हटलेलं असेल तर तो ग्राहक आपल्या कंपनीविषयी खूश असल्याचा अंदाज हे मॉडेल आपल्याला सांगेल. तसंच एखाद्या ग्राहकानं ‘तसं सगळं ठीकठाक होतं’ अशी प्रतिक्रिया दिलेली असेल तर हा ग्राहक आपल्या कंपनीविषयी किंवा ग्राहकसेवेविषयी खूप खूशही नाही किंवा नाराजही नाही; असं हे मॉडेल आपल्याला सांगेल. याउलट जर एखाद्या ग्राहकाची प्रतिक्रिया ‘नुसता वैताग आला’ असं म्हटलेलं असेल तर हे मॉडेल हा ग्राहक आपल्यावर खूप नाखूश असल्याचा इशारा आपल्याला देईल.
या मॉडेलला हे नेमकं कसं समजतं? तर या मॉडेलला हे समजण्यासाठी हे मॉडेल तयार केलेल्या माणसानं किंवा चमूनं त्यासाठी या मॉडेलला माहितीच्या प्रचंड मोठ्या साठ्याचा पुरवठा आधी केलेला असतो. या माहितीच्या साठ्यातून हे मॉडेल ‘शिकतं’. यालाच मशीन लर्निंग म्हणतात, याचा उल्लेख आधी आलेलाच आहे. या प्रकारच्या ‘मशीन लर्निंग’ला ‘सुपरव्हाइज्ड मशीन लर्निंग’ म्हणतात. म्हणजेच या मॉडेलला वाक्य आणि त्यामागची नेमकी भावना अशा दोन्ही गोष्टी पुरवल्या जातात. उदाहरणार्थ ‘धन्यवाद’ असं म्हटलेलं असेल तर त्याचा अर्थ ग्राहक आपल्या सेवेविषयी समाधानी आहे, असं प्रशिक्षित होत असलेल्या मॉडेलला समजतं. अशा प्रकारे लाखो निरनिराळे संदेश असलेला मजकूर आणि अशा प्रत्येक वाक्यामागची भावना; यातून नव्या मजकुराचा अर्थ लावण्याची क्षमता या मॉडेलमध्ये निर्माण होते. अक्षरश: कुठलाही माणूस ज्या प्रकारे हे शिकेल आणि त्यानंतर मजकूर बघून त्यानुसार त्यामागे ग्राहकाची भावना नेमकी काय असेल हे सांगू शकेल; तसाच प्रकार इथेही घडतो.
यामागे अनेक प्रकारच्या गमतीजमती असू शकतात. त्याविषयी पुढच्या वेळी.
akahate@gmail.com
