विशाखा कुलकर्णी
नेटफ्लिक्सवर २०१३ मध्ये एक सिनेमा आला होता, ‘हर’ नावाचा. त्यात थिओडोर नावाचा एक लेखक प्रायोगिक तत्त्वावर उपलब्ध असलेली एक आर्टिफिशियल इंटेलिजन्स ‘सखी’ विकत घेतो. ही सखी त्या लेखकाशी गप्पा मारत असते, त्याच्या समस्यांवर उपाय शोधते, ती सखी आपल्याला हव्या त्या पद्धतीने वागेल – बोलेल यापलीकडेही तिला स्वत:ची विचार करण्याची क्षमता आहे हे लक्षात येऊन हा लेखक हळूहळू तिच्या प्रेमात पडतो. दहा वर्षांपूर्वी ‘सायन्स फिक्शन’ म्हणून दाखवण्यात आलेला हा सिनेमा. या सिनेमात दाखवण्यात आलेलं आर्टिफिशयल इंटेलिजन्सचं तंत्र आता ‘चॅट जीपीटी’च्या रूपाने काहीसं प्रत्यक्षात उतरलं आहे.
‘चॅट जीपीटी..’ गेल्या काही दिवसांत सोशल मीडियावर वारंवार ऐकू येणारं नाव – म्हणजे आहे तरी काय? ‘चॅट जनरेटिव्ह प्री- ट्रेनिंग ट्रान्सफॉर्मर’ हे त्याचं तांत्रिक उत्तर. तर हे चॅट जीपीटी म्हणजे नेमकं काय? हे एक डीप लर्निग तंत्रज्ञानावर आधारित लँग्वेज मॉडेल आहे. वाचताना हे फार क्लिष्ट वाटतं ना, पण आपण या तंत्रज्ञानाचा वापर अनेक दिवस आपल्या स्मार्टफोनवर करतोच आहोत! ‘ओपन अक’ या आर्टिफिशियल इंटेलिजन्स क्षेत्रातील कंपनीने डेव्हलप केलेला हा एक चॅटबॉट आहे. हल्ली अनेक ॲप्सवर कस्टमर सव्र्हिससाठी असे चॅटबॉट वापरले जातात. या चॅटबॉटमध्ये आपण प्रश्न विचारला की ठरावीक प्रतिसाद देऊन चॅट पुढे नेता येतं. गूगल किंवा ॲपलच्या सिरीशीदेखील आपण अशा प्रकारे चॅट करू शकतो, पण याला अनेक मर्यादा आहेत. ‘चॅट जीपीटी’ ही जणू एखादी व्यक्तीच आहे अशा प्रकारे आपल्याशी गप्पा मारू शकते! यासाठी वापरलं जाणारं तंत्रज्ञान काय आहे हे जाणून घेणं फारच रंजक आहे.
आपल्याला लहानपणापासून हे शिकवलं गेलं आहे की संगणकाला आपली भाषा कळत नाही. त्याला फक्त ० आणि १ ची भाषा कळते. संगणकावरील प्रोग्रॅम्स तयार करताना तयार केले जाणारे कोड्स अगदी तंतोतंत तयार करावे लागतात तरच ते काम करतात. पण हल्लीच्या प्रगत तंत्रज्ञानामुळे आपण केवळ व्हॉइस कमांड देऊन आवाजाच्या साहाय्याने टीव्ही, स्मार्टफोन, अलेक्सा यांसारखी स्मार्ट उपकरणे वापरतो. सिरी आणि गूगल तर आपल्याशी गप्पादेखील मारू शकतात. ही उपकरणेदेखील लँग्वेज मॉडेलवरच आधारित आहेत, लँग्वेज मॉडेलमुळे संगणकाला मानवी भाषा आणि माणसाच्या बोलण्याच्या पद्धती अधिक चांगल्या पद्धतीने समजून घेऊन तशाच पद्धतीने प्रतिक्रिया देता येऊ लागली आहे. या लँग्वेज मॉडेल्समुळे संगणकावर करण्यात येणारी अनेक कामं अतिशय सुकर झाली आहेत. एखादा ई-मेल आल्यावर लँग्वेज मॉडेल आपल्याला त्या मेलमधला मजकूर वाचून त्याला काय रिप्लाय देता येईल हे स्वत:च सुचवते, केवळ आवाजावरून किंवा दिलेल्या मजकुराचे भाषांतर अचूक करणे, तसेच व्हॉट्सॲपवर मेसेज आल्यावर किंवा फेसबुकवर कमेंट करताना काय कमेंट करता येईल हे सजेशन्स आपोआप येतात, हेदेखील लँग्वेज मॉडेल्सच्या मदतीनेच.
वर म्हटल्याप्रमाणे संगणकाला मानवी भाषा कळत नाहीत. केवळ निष्णात प्रोग्रॅमरच्या मदतीने तयार केलेल्या अचूक प्रोग्रॅमची भाषा त्याला कळू शकते, पण मानवी भाषा अशा तंतोतंत आणि अचूक साच्यात बसवणे कठीण आहे. प्रत्येक माणूस संवाद साधताना, मजकूर लिहिताना प्रत्येक वेळी साचेबद्ध लिहीत नाही. व्यक्तिपरत्वे जरी भाषा वापरायची पद्धत बदलली तरी ती माणसांना कळते, पण संगणकाचं तसं नाही. त्यामुळे लँग्वेज मॉडेल डेव्हलप करताना सर्व शब्दांना आकडय़ांच्या स्वरूपात बदलले जाते, ज्यावर प्रक्रिया करून संगणकाला आपल्याला समजेल अशा भाषेत उत्तर देता येईल.
समजा शक्य तितके सगळे शब्द माहितीच्या स्वरूपात आपण संगणकाला पुरवले, तर संगणक या सगळय़ा शब्दांचा क्रम, तो शब्द एखाद्या मजकुरात किती वेळा येऊ शकतो, तो शब्द कुठल्या शब्दांच्या आगे-मागे वापरला जातो अशा गोष्टींचा अभ्यास करतो. याला अनेक क्लिष्ट गणितीय प्रक्रियांची जोड देऊन आपल्याला हव्या त्या प्रकारचे ‘लँग्वेज मॉडेल’ तयार करता येते. हे लँग्वेज मॉडेल आणि त्यासाठी वापरल्या जाणाऱ्या गणितीय प्रक्रिया या वापराप्रमाणे बदलतात.
हे तर झाले संवाद साधण्याच्या बाबतीत, पण चॅट जीपीटी आपल्या अनेक समस्यांचं निराकरणदेखील करू शकतो, तेही अगदी एखादा माणूस करतो तशा प्रकारे, अगदी सोप्या भाषेत. यासाठी आर्टिफिशयल इंटेलिजन्सचाच एक प्रकार असलेले डीप लर्निग हे तंत्रज्ञान वापरलं जातं. मुळात पुरवलेल्या माहितीवर प्रक्रिया करून समस्येचं उत्तर शोधणं हेच खरंतर संगणकाचं काम आहे. आर्टिफिशियल इंटेलिजन्सच्या मदतीने दिलेल्या माहितीवर काय आणि कशी प्रक्रिया करायची हे ठरवणं ही प्रक्रियाही वापरकर्त्यांला करावी लागत नाही. हे करण्यासाठी आर्टिफिशियल इंटेलिजन्समध्ये साधारण दोन प्रकारचं तंत्रज्ञान उपलब्ध आहे – मशीन लर्निग आणि डीप लर्निग. यातील डीप लर्निग हे थोडं अधिक प्रगत तंत्रज्ञान असून या दोन्ही तंत्रज्ञानांमध्ये संगणकाला माहिती पुरवली जाते. डीप लर्निग तंत्रज्ञानात अतिशय मोठय़ा प्रमाणावर माहिती घेऊन त्यावर प्रक्रिया करता येते, चॅट जीपीटीमध्ये ही माहिती आंतरजालावर उपलब्ध असलेली माहिती, जसं विकिपीडिया, असंख्य वेबसाइट्स यावर असलेले टेक्स्ट तसेच इमेज स्वरूपातील माहिती या स्वरूपात घेतली जाते. कुठल्याही माहितीवर प्रक्रिया करण्याच्या काही ठरावीक पायऱ्या असतात, डीप लर्निगमध्ये अशा असंख्य पायऱ्यांचा वापर करून माहितीवर प्रक्रिया केली जाते. डीप लर्निग आणि लँग्वेज मॉडेल यांचा वापर करून एखादा अतिशय हुशार माणूस जशी उत्तरं देऊ शकतो तशीच उत्तरं ही अक सिस्टीम देऊ शकते. समजायला काहीसे क्लिष्ट असलेल्या या प्रक्रियेमुळे तयार होणारं तंत्रज्ञान मात्र अत्यंत प्रगत आणि काही वर्षांपूर्वी ‘फिक्शन’ वाटावं असंच आहे.
अलीकडे लोकप्रिय झालेल्या चॅट जीपीटीमध्ये केवळ माहिती मिळवण्यासाठीचे प्रश्नच नाहीत तर त्यावर चॅट जीपीटीचं मतदेखील आपण विचारू शकतो! चॅट जीपीटीचा वापर गृहपाठ करण्यासाठी अनेक विद्यार्थ्यांनी केला, त्यामुळे चॅट जीपीटी चर्चेत आलं होतं. अनेक विद्यापीठांमध्ये अशा अक तंत्रज्ञानाचा वापर करण्यावर बंदी आणली गेली आहे. परंतु कुठल्याही क्षेत्राच्या कुठल्याही प्रश्नावर दिलेले अचूक उत्तर आणि एखाद्या विषयावर आर्टिफिशियल इंटेलिजन्स वापरून केलेले सखोल विश्लेषण आश्चर्यकारकरीत्या योग्य असते.
इंटरनेटवर अनेक वापरकर्त्यांनी चॅट जीपीटीला विचारलेले प्रश्न आणि त्यांची विनोदी उत्तरं व्हायरल होत आहेत, परंतु चॅट जीपीटीचा वापर केवळ प्रश्नोत्तरं विचारण्यासाठी नसून त्याचे अनेक उपयोग आहेत. आरोग्य क्षेत्रात एखाद्या रुग्णाला आपल्या आजाराविषयी सोप्या भाषेत माहिती हवी असेल, त्याला त्याच्या ट्रीटमेंटविषयी चर्चा करून योग्य ती मदत मिळण्यासाठी चॅट जीपीटी हा उत्तम पर्याय आहे. आर्थिक क्षेत्रात गुंतवणुकीसाठी सल्लागार म्हणून किंवा अगदी फ्रॉड शोधून काढण्यासाठी सुद्धा अक च्या या तंत्रज्ञानाचा उत्तम वापर होऊ शकतो. ज्याप्रमाणे अनेक ऑनलाइन शॉपिंग अॅप्स आपल्या वापरकर्त्यांना केवळ त्यांनी काय पाहिलं यावर नाही तर त्यांना काय चांगले दिसेल यावरदेखील कपडे आणि सौंदर्यप्रसाधनांचे पर्याय सुचवू शकते. मॉल्स आणि दुकानांमधूनही अशा तंत्रज्ञानाच्या साहाय्याने ग्राहकांना मार्गदर्शन करणारी यंत्रणा तयार करता येऊ शकते. याव्यतिरिक्त आपल्या केसविषयी कायदेविषयक सल्ला, नोकरीच्या मुलाखती, आपला व्यवसाय वाढवण्यासाठी सल्ला, शारीरिक व मानसिक आरोग्यासाठी सल्ला अशा अनेक कामांसाठी चॅट जीपीटीचा उत्तम वापर होऊ शकतो. चॅट जीपीटी या ओपन अक सॉफ्टवेअरव्यतिरिक्त तशाच अनेक वेबसाइट आणि अॅप्स आहेत, जे तसंच काम करत आहेत.
आंतरजालामुळे जग फार जवळ आलेलं असताना चॅट जीपीटीमुळे भाषिक बंधने गळून पडली आहेत. जगाच्या कुठल्याही कोपऱ्यातून प्रत्येक व्यक्तीच्या सोयीप्रमाणे अक्षरश: कुठलाही विषय कुठल्याही भाषेत शिकण्याची संधी उपलब्ध झालेली आहे. अगदी काहीच वर्षांपूर्वी माणसासारखा विचार करणारी संगणकीय प्रणाली, यावर कल्पनाविस्तार होत असताना ‘रोबोट’ किंवा ‘हर’ सारखे सिनेमे काल्पनिक वाटत असताना.. आर्टिफिशियल इंटेलिजन्सचं हे झपाटय़ाने बदलणारं तंत्रज्ञान आगामी काळात आणखी काय नवीन रूप घेऊन येत आहे हे पाहणं फार रंजक ठरणार आहे.
