|| सौरभ करंदीकर

ध्वनिलहरी यंत्राद्वारे साठवण्याचा पहिला प्रयोग १८७८ साली थॉमस एडिसन यांनी त्यांच्या फोनोग्राफच्या साहाय्याने केला. ‘आज केलेलं रेकॉर्डिंग कालांतराने तसंच्या तसं ऐकता येतं’ हा त्या काळात चमत्कार समजला गेला असेल.

actor pratik gandhi talks about experience working with vidya balan
‘चरित्रपटांचं आव्हान अधिक भावतं’
Gangu Ramsay
व्यक्तिवेध: गंगू रामसे
Amitabh Bachchan stopped talking to Jaya Bachchan
दोन दिवस जया बच्चन व मुलांशी बोलले नव्हते अमिताभ बच्चन, ‘त्या’ चित्रपटाच्या सेटवर असं काय घडलं होतं? जाणून घ्या
artificial intelligence in indian movie
कुतूहल : कृत्रिम बुद्धिमत्ता आणि भारतीय चित्रपट

 

२००८ साली प्रसिद्ध झालेल्या डिस्ने-पिक्सारच्या ‘वॉली’ या चित्रपटात अशी कल्पना दर्शवली आहे की पृथ्वी कचरामय झाली आहे, आता तिथे जीवसृष्टी पुन्हा निर्माण होण्याची शक्यता नाही, त्यामुळे सगळी मानवजात पृथ्वीच्या कक्षेत भ्रमण करणाऱ्या एका महाकाय अंतराळयानात वास्तव्य करून आहे. कथेच्या सुरुवातीला मनुष्याने त्या अंतराळयानात सुमारे सातशे वर्षे काढली आहेत. त्याचे जीवन स्वयंचलित यंत्रांच्या साहाय्याने आरामदायक बनवलं गेलं आहे. प्रत्येक मानव खुर्चीला खिळलेला आहे. त्याच्यासमोर टीव्ही आहे, ज्यावर मनोरंजक कार्यक्रम सतत दिसत आहेत. खाणं-पाणी एका स्ट्रॉमधून भरवण्याची व्यवस्था आहे, इतकंच नाही तर कपडे बदलायलादेखील त्याला फक्त एक बटण दाबावं लागतं आहे! वर्षानुवर्षे अशा सुखासीनतेने मनुष्याच्या हालचाली मंदावलेल्या आहेत. शरीरं जाडजूड झाली आहेत. हाडं कमकुवत झाली आहेत, आणि हे गुण(?)धर्म पिढ्यान्पिढ्या जपले गेले आहेत. गोष्ट पुढे सरकते आणि पृथ्वीवर जीवसृष्टी पुन्हा नांदायची शक्यता भासू लागते, परंतु ही गोलमटोल, मंद हालचालींची मानवजात पुन्हा भूतलावर येईल का? आपापल्या खुर्च्या सोडून कष्ट घेऊ शकेल का? याबद्दल प्रेक्षकांच्या मनात शंका निर्माण होते.

चित्रपट विनोदी, लहान मुलांचं मनोरंजन व्हावं या हेतूने बनवला असला तरी भविष्याचं भेदक (आणि काहीसं भीतीदायक) चित्रण करतो. शारीरिक आणि मानसिक शक्ती वापरल्याने वाढते हे शास्त्रसिद्ध आहे. वाचकांपैकी अनेकांना मोबाइल पूर्वकाळ आठवत असेल. त्या काळी मला स्वत:ला ३०-३५ नंबर आठवत असत. आज मोबाइलमध्ये शेकडो क्रमांक साठवण्याची व्यवस्था असल्यामुळे आपण कुणाचेही ‘नंबर’ आता लक्षात ठेवत नाही. मोबाइल बदलला तरी ‘कॉन्टॅक्ट्स ट्रान्स्फर’ करतो, नाहीतर सोशल मीडियाकरवी सर्वांना मोबाइल नंबर पुन्हा कळवण्याचे विनंतीवजा आदेश देतो. आज माझी स्मरणशक्ती, निदान दूरध्वनी क्रमांकांच्या बाबतीत तरी खिळखिळी झाली आहे. जेमतेम ५-६ नंबर माझ्या लक्षात राहतात, कारण मानसिक शक्तीचा तसा वापर आता करावा लागत नाही.

शारीरिक कष्टाचंदेखील काहीसं तसंच आहे. भारतासारख्या शेतीप्रधान, कष्टकरी समाजामध्येदेखील तंत्रज्ञान-प्रायोजित सहजता शिरकाव करू लागली आहे. शहरातच नाही तर गावागावांतदेखील मोबाइल तंत्रज्ञानामुळे काही क्रिया कराव्या लागत नाहीत. मोबाइल बँकिंगमुळे बँकेत जाऊन, टोकन घेऊन, आर्थिक व्यवहार करायचे दिवस संपुष्टात आले आहेत. ऑनलाइन शॉपिंग आपल्या गरजा घरबसल्या भागवत आहे. करोनाकाळाचं सोडा, पण भविष्यातदेखील आपण आपल्या मोबाइलवर अवलंबून राहणार आहोत. त्यात आज भर पडली आहे ती ‘व्हॉइस रेकग्निशन’ची. ऑनलाइन शॉपिंगसाठी मोबाइल उचलायचेदेखील कष्ट पडू नयेत म्हणून अ‍ॅमेझॉन अ‍ॅलेक्सा आपल्या दिमतीला आहे. फक्त बोलण्याची खोटी, आपला मोबाइल किंवा अ‍ॅलेक्सा, सीरी, गूगल असिस्टंटने युक्त यंत्रं आपल्या गरजा पूर्ण करू पाहत आहेत.

ध्वनिलहरींचं आकलन म्हणजेच ‘व्हॉइस रेकग्निशन’ या तंत्रज्ञानाची पाळंमुळं मोबाइल आणि इंटरनेटपूर्व काळात सापडतात. १७६९ साली वुल्फगॅन्ग केम्पेलेन या संशोधकाने एका पुतळ्यातून मानवी आवाज येतील अशी व्यवस्था केली होती. त्याच्या कामाने प्रभावित होऊन १८६३ साली चाल्र्स व्हाइटस्टोननेदेखील बोलणाऱ्या यंत्रमानवाची रचना केली. परंतु ही दोन्ही यंत्र मानवाच्या आवाजाशिवाय चालत नसत. या दोघांच्या कामाचा प्रभाव लहानग्या अलेक्झांडर ग्रॅहम बेलवर पडला. कालांतराने (१८७६) त्याने मानवी आवाजाचे प्रक्षेपण एका ठिकाणाहून दुसऱ्या ठिकाणी यांत्रिक व्यवस्थेद्वारे केलं (ज्या व्यवस्थेला आज आपण टेलिफोन म्हणून ओळखतो). ध्वनिलहरी यंत्राद्वारे साठवण्याचा पहिला प्रयोग १८७८ साली थॉमस एडिसन यांनी त्यांच्या फोनोग्राफच्या साहाय्याने केला. ‘आज केलेलं रेकॉर्डिंग कालांतराने तसंच्या तसं ऐकता येतं’ हा त्या काळात चमत्कार समजला गेला असेल. १९३८ च्या वल्र्ड-फेअर दरम्यान बेल लॅबोरेटरीमध्ये काम करणाऱ्या होमर डडली यांनी विशिष्ट बटणं दाबली की त्याप्रमाणे बोलणाऱ्या ‘वोडर’ नावाच्या यंत्राचं प्रदर्शन केलं. या साऱ्या शोधकार्याचा रोख हा यंत्रांना मानवी आवाजाचं आकलन घडावं, यंत्रांना भाषेचा अर्थ लावता यावा आणि त्यांनी आपली कामं करावी याकडे वळू लागला.

संगणकाच्या आगमनाने मानवी आवाजाचं परिवर्तन माहितीत करणं शक्य झालं. यंत्र ‘ऐकू’ लागली. १९५० ते १९७० या कालखंडात बेल लॅब्सने ० ते ९ आकडे म्हणताच ते अचूक ओळखणारं ‘ऑड्री’ नावाचं यंत्र बनवलं, तर आयबीएमने १६ वेगवेगळे इंग्रजी शब्द ऐकणारा ‘शुबॉक्स’ आणि त्यानंतर इंजिनीअरच्या प्रश्नांना उत्तरं देणारी ‘ऑटोमॅटिक कॉल आयडेंटिफिकेशन सिस्टीम’ अस्तित्वात आणली. एकविसाव्या शतकात या तंत्रज्ञानाने वेगळं वळण घेतलं. कृत्रिम विचारप्रणाली (आर्टिफिशियल इंटेलिजन्स) आणि इंटरनेटचं जाळं यामुळे मानवी आवाजाचं आकलन आणि त्या आकलनावर आधारित क्रिया तात्काळ होऊ लागल्या. बॉसने डिक्टेट केलेला मजकूर एखाद्या सेक्रेटरीप्रमाणे लिहू शकणारी ‘ड्रॅगन’ (२००२) नावाची यंत्रणा मायक्रोसॉफ्टने बाजारात आणली. त्यामागोमाग गूगलचं ‘गूग’ (२००८), आयफोनमधली ‘सिरी’ (२०११), गूगल असिस्टंट (२०१६), अ‍ॅमेझॉन अ‍ॅलेक्सा (२०१८) इत्यादी नोकरमंडळी आपल्या दिमतीला हजर झाली. आपल्या शब्दावर गोष्टी घडू लागल्या, माहिती मिळू लागली, कष्ट कमी आणि सुविधा अधिक अशी परिस्थिती निर्माण झाली.

तंत्रज्ञानातील प्रगती मानवाला निष्क्रिय तर बनवणार नाही ना?, ही भीती सार्थ आहे, परंतु ती आपल्याला फाजील कामातून मुक्त करते, अधिक महत्त्वाची कामं करायला मोकळं करते, हे कायम लक्षात ठेवायला हवं. आपल्याला एक मनुष्यजन्म तरी नक्की मिळालेला आहे. त्याचा पुरेसा फायदा करून घेऊ. तंत्रज्ञाने दिलेल्या स्वातंत्र्याचा सदुपयोग करू म्हणजे झालं.

viva@expressindia.com