तंत्रकारण : गणित आणि मशिन्स: समाजशास्त्राचे नवे सूत्र

आता कल्पना करा की, मतदानोत्तर चाचण्यांमध्ये मोजक्या नमुन्यांऐवजी, विश्लेषकांनी डिजिटल फूटप्रट्सिंचा, जसे की समाज माध्यमी अल्गोरिदम्स, बोलणे, लाइक्स, शेअर्स आणि सबस्क्रिप्शन्स, यांचा वापर करून एखाद्याची राजकीय निवड ठरवायला सुरुवात केली. एवढ्या मोठ्या डेटाचे, केवळ आकारानेच नव्हे तर जास्त नमुन्यांचे रिअल-टाइम सर्वेक्षण केल्याने मिळणारे विश्लेषण क्वचितच चुकीचे ठरते. याचा अर्थ असा की, समाजाचा अभ्यास करताना गणित, संगणक आणि तंत्रज्ञानाची जोड दिली, तर सामाजिक शास्त्रांमध्ये क्रांती घडू शकते! या विचारातूनच कम्प्युटेशनल सोशल सायन्स (सीएसएस) या शाखेचा उदय झाला.

कम्प्युटेशनल सोशल सायन्स

सीएसएस हे सामाजिक आणि आधुनिक विज्ञान/तंत्रज्ञानाच्या संगमातून उदयास आलेले एक नवीन क्षेत्र आहे. ही केवळ एक शैक्षणिक शाखा नाही; तर आपण आपल्या जगाकडे कसे पाहतो, याचा हा एक मूलभूत पुनर्विचार आहे. आपल्या दैनंदिन डिजिटल जीवनातून निर्माण होणाऱ्या डेटाच्या विशाल आणि सतत प्रवाहाचा (उदा. समाज माध्यमी पोस्ट्स, ऑनलाइन व्यवहार आणि मोबाइल सेन्सर डेटा) मागोवा घेऊन, सीएसएस गुंतागुंतीच्या सामाजिक घटनांचे मॉडेलिंग, सिम्युलेशन आणि विश्लेषण करण्यासाठी कौशल्य प्रदान करते.

पारंपरिक समाजशास्त्र हेतुपुरस्सर गोळा केलेल्या डेटावर अवलंबून होते, परंतु सीएसएस एका नवीन, अलिखित सामाजिक करारावर आधारित आहे, जिथे आपल्या दैनंदिन कृती एका नवीन प्रकारच्या वैज्ञानिक तपासासाठी कच्चा माल बनतात. काही अभ्यासानुसार सध्या सामाजिक शास्त्रांतील अचूकतेचे प्रमाण सुमारे २० आहे, तर सीएसएसच्या वापरामुळे ते ८० पर्यंत जाण्याची चिन्हे आहेत. समाजशास्त्रांच्या कलाशाखेकडून विज्ञानाकडे जाण्याच्या प्रवासात ही शाखा महत्त्वाची भूमिका बजावेल.

आकडेमोडीची उत्क्रांती

अमेरिकन गणितज्ञ वॉरन वीव्हर (१९५०) यांनी आकडेमोडीच्या क्षमतेनुसार गणितीय जगाचे काही भाग केले आहेत. त्यांच्या मते, सन १९०० पर्यंतची आकडेमोड साधी होती, ज्यात २ किंवा ३ चल (variables) असायची. पुढील टप्प्यात या चलांची संख्या प्रचंड वाढली. त्यामुळे सरासरी, अरिथमॅटिक प्रोग्रेशन, रिग्रेशन यांसारख्या पद्धतींद्वारे संख्याशास्त्राचा विकास झाला. त्याचबरोबर कलनशास्त्राच्या (Calculus) प्रगतीमुळे ठरावीक कालखंडातील बदलांची सलग आकडेमोड शक्य झाली. वीव्हर यांच्या मते, सामाजिक शास्त्रांच्या व्यापक अभ्यासासाठी सरासरी, संख्याशास्त्र या पद्धती अपुऱ्या आहेत. अर्थशास्त्र आणि राज्यशास्त्रासाठी गणनाच्या नवीन पद्धती शोधून काढल्या पाहिजेत. दुसऱ्या महायुद्धात विकसित झालेले तंत्रज्ञान या प्रवासात भविष्यात महत्त्वाची भूमिका बजावू शकते. योगायोगाने, याच वेळी अॅलन ट्यूरिंगने संगणकाचा शोध लावल्याचा इतिहास ज्ञात आहे.

माहितीची क्रांती

२१व्या शतकात काय बदलले, तर गणनाचा प्रचंड वेग आणि प्रचंड माहिती हाताळण्याची आणि निर्माण करण्याची क्षमता! २००७ मध्ये जगात एकूण पाच झिटाबाइट (१०चा २१वा घात) इतका डिजिटल डेटा निर्माण झाला. ही सर्व माहिती कागदांवर मुद्रित करून त्याचा ढीग लावायचा म्हटल्यास तो सूर्य-पृथ्वीच्या अंतराच्या ४५०० पट होईल. त्यानंतर दर दोन वर्षांनी निर्माण होणारी माहिती दुप्पट होत आहे. आपल्या मोबाइल आणि समाजमाध्यमांतून डिजिटल फूटप्रिंट्स सोडून आपल्यापैकी प्रत्येक जण समाजशास्त्रज्ञ बनत आहे. ही सर्व माहिती हाताळण्यासाठी बिग डेटा अॅनालिसिस, मशीन लर्निंग आणि आर्टिफिशियल इंटेलिजन्ससारखी तंत्रज्ञाने विकसित होत आहेत.

आज मानवी वर्तन सातत्याने, वेगाने आणि मोठ्या प्रमाणात माहिती निर्माण करत आहे. आपल्या फोनवरील सर्चपासून ते गाड्यांमधील सेन्सर डेटा आणि समाज माध्यमावरील सार्वजनिक पोस्टपर्यंत, आपण सतत डिजिटल माहितीच्या जगात वावरत आहोत. हे नवीन युग समाजाचे हाय-रिझोल्यूशन, लाइव्ह व्हिडीओप्रमाणे चित्र दाखवण्यासाठी कच्चा माल पुरवते, जिथे प्रत्येक वैयक्तिक कृती सतत अपडेट होत असलेल्या चित्रातील एक पिक्सेल असते. हा नवीन डेटा इतका मोठा आणि गुंतागुंतीचा आहे की त्याचे विश्लेषण करण्यासाठी मशीन लर्निंग, नेटवर्क अॅनालिसिस आणि एआय यांसारख्या पूर्णपणे नवीन साधनांची आवश्यकता आहे. पारंपरिक सर्वेक्षणाप्रमाणे, जे केवळ एक स्थिर चित्र असते, बिग डेटा संपूर्ण लोकसंख्येचे सतत, सूक्ष्म आणि संपूर्ण विश्लेषण करण्याची संधी देतो. यामुळे संशोधनाचा एक नवीन मार्ग खुला झाला आहे, जिथे संशोधक कोणताही विशिष्ट प्रश्न मनात नसतानाही असे पॅटर्न्स शोधू शकतात, जे पूर्वी कधीही पाहणे शक्य नव्हते.

इथे आश्चर्याची गोष्ट अशी की, प्रश्न वेगळाच असतो आणि मोजली जाणारी मानके तिसरीच असतात, मग त्यांचा एकमेकांशी संबंध लावला जातो. उदाहरणार्थ, काही वर्षांपूर्वी निती आयोगाला भारतातील स्थलांतराची माहिती हवी होती. आता कुठला माणूस कुठून कुठे गेला आणि स्थायिक झाला याची माहिती काढणे खूप अवघड काम आहे. मात्र, अभ्यासकांनी रेल्वेचा बिग डेटा वापरला. तिकिटांचे विश्लेषण करून कोण कुठून कुठे गेला आणि पुन्हा परतीचे तिकीट काढले नाही अशा लोकांचे पॅटर्न्स शोधून काढले आणि त्यातून कमी वेळात स्थलांतरितांची माहिती मिळाली. ही आकडेवारी अचूक नसली, तरी किमान प्रयत्नात अंदाज बांधण्यासाठी ती पुरेशी आहे.

रोगराईचा उद्रेक नियंत्रणाबाहेर जाण्याआधीच आपण त्याचे भाकीत कसे करू शकतो आणि त्याला प्रतिसाद कसा देऊ शकतो? एखाद्या प्रदेशात होणाऱ्या एकूण गूगल सर्च डेटाचे विश्लेषण करून ‘ताप’ किंवा ‘खोकला’ यांसारख्या लक्षणांसाठी सर्चमध्ये अचानक वाढ झाली आहे का, हे शोधण्यासाठी अल्गोरिदम्सचा वापर केला जातो आणि हे ट्रेंड्स ज्ञात रोगराईच्या उद्रेकाशी जोडले जातात. त्यामुळे परिस्थिती नियंत्रणाबाहेर जाण्याआधीच प्रतिबंधात्मक पावले उचलता येतात.

भारतासाठी उपयोजन

भारतासारख्या प्रचंड लोकसंख्या, गुंतागुंतीची आव्हाने आणि प्रगत डिजिटल पायाभूत सुविधा असलेल्या देशात, लोककल्याणासाठी सीएसएसचा उपयोग समीकरणे बदलू शकतो. १.४ अब्जाहून अधिक लोकसंख्या आणि डिजिटल माध्यमांचा मोठ्या प्रमाणावर वापर होत असल्यामुळे, भारतात सामाजिक डेटाचा मोठा खजिना उपलब्ध आहे. सामाजिक विज्ञानाकडे अनेकदा दुर्लक्ष केले जाते अशा देशासाठी समाजविज्ञानाला गंभीरपणे घेण्यासाठी हे तंत्रज्ञान वरदान ठरू शकते.

भारतीय प्रशासनातील एक महत्त्वाचा वादविवाद ‘पुराव्यावर आधारित धोरण-निर्मिती’ (evidence- based policymaking) या संकल्पनेवर आधारित आहे. भारतातील विशालता आणि विविधता यामुळे, छोट्या प्रमाणावर चालवलेल्या प्रायोगिक कार्यक्रमांचे निष्कर्ष मोठ्या स्तरावर लागू करताना अनेकदा अडचणी येतात, त्यामुळे धोरणकर्त्यांना अनेकदा आपल्या अंतर्ज्ञानावर अवलंबून राहावे लागते. या समस्येवर सीएसएस एक थेट उपाय आहे. महागड्या आणि मर्यादित चाचण्या घेण्याऐवजी, सरकार आधार आणि यूपीआयसारख्या सध्या अस्तित्वात असलेल्या, मोठ्या प्रमाणावर वापरल्या जाणाऱ्या प्रणालींमधून मिळणाऱ्या डेटाचा वापर करून धोरणांच्या परिणामांचे रिअल-टाइम मूल्यांकन करू शकते. कोविन (CoWIN) लसीकरण प्लॅटफॉर्मचे यश आणि आधार-सक्षम डीबीटी प्रणाली ही केवळ तात्पुरती तांत्रिक यशोगाथा नाहीत; तर त्या ‘डिजिटली-नेटिव्ह गव्हर्नन्स’ या नवीन प्रशासकीय स्वरूपाची उदाहरणे आहेत. हे प्रारूप प्रशासनाला एका अपारदर्शक प्रक्रियेतून एका पारदर्शक, डेटा-आधारित प्रणालीमध्ये रूपांतरित करते, जी गतिशील सामाजिक-आर्थिक आव्हानांशी जुळवून घेऊ शकते आणि त्यांना प्रतिसाद देऊ शकते.

अर्थात, सीएसएस हा सर्व समस्यांवर रामबाण उपाय नाही. डेटाशी संबंधित नैतिक आणि कायदेशीर समस्या, जसे की परवानगीशिवाय घेतलेला डेटा आणि गोपनीयतेचा हक्क, हे प्रश्न अनुत्तरित आहेत. शिवाय, हा डेटा चोरीला गेल्यास किंवा त्याचा गैरवापर झाल्यास काय होईल याचेही निश्चित उत्तर नाही. मात्र, तंत्रज्ञानामुळे होणाऱ्या बदलांचा परिणाम केवळ निष्कर्षांमध्येच दिसत नाही, तर समाजाचा अभ्यास करण्याच्या पद्धतीसुद्धा बदलत आहेत, हे सीएसएस सिद्ध करते.