आर्टिफिशियल इंटेलिजन्स म्हणजे काय?

आर्टिफिशियल इंटेलिजन्स (AI) म्हणजे अशी संगणक प्रणाली तयार करण्याचे क्षेत्र, जी सहसा माणसाच्या बुद्धिमत्तेशी जोडली जाणारी कामे करते — जसे की प्रतिमा ओळखणे, भाषा समजून घेणे, निर्णय घेणे किंवा अनुभवातून शिकणे. प्रत्येक परिस्थितीसाठी ठरलेल्या सूचनांचा संच पाळण्याऐवजी, एक AI प्रणाली डेटामधील पॅटर्न किंवा जगाबद्दलचे नियम वापरून काय करायचे हे ठरवते.

AI सामान्य सॉफ्टवेअरपेक्षा कसे वेगळे आहे

बहुतांश सॉफ्टवेअर स्पष्ट (explicit) असते: प्रोग्रामर नेमके नियम लिहितो. "जर वापरकर्त्याने हे बटण क्लिक केले, तर ती स्क्रीन उघडा." वर्तन आधीच पूर्णपणे ठरलेले असते.

AI प्रणाली ही पातळीच्या बाबतीत वेगळी असते. प्रोग्रामरने एकेक करून न मांडलेल्या परिस्थिती हाताळण्यासाठी ती बनवलेली असते. एखाद्या spam filter ला प्रत्येक संभाव्य spam संदेश दिलेला नसतो; त्याऐवजी ते spam आणि खरे मेल यांना वेगळे करणारे पॅटर्न शिकते. एखादे navigation app प्रत्येक मार्ग आधीच साठवून ठेवत नाही; तुम्ही विचारता तेव्हा ते चांगला मार्ग शोधते. यातला समान धागा असा की प्रणाली केवळ आधी लिहिलेल्या केसेसशी जुळवण्याऐवजी नवीन इनपुटवर विचार करते.

तरीही, ही रेषा अगदी स्पष्ट नाही. एक साधा "if-else" नियम हा AI प्रणालीचा एक छोटा भाग असू शकतो, आणि मोठी AI प्रणालीही आतून सामान्य कोडच असते. "AI" हा शब्द कोणत्याही एका तंत्रापेक्षा ध्येयाचे वर्णन करतो — माणसासारखे समस्या सोडवणे.

AI चे प्रमुख प्रकार

लोक हे क्षेत्र विभागण्याचे दोन मार्ग वापरतात, ते वेगळे केल्यास मदत होते.

क्षमतेनुसार (capability), AI चे सहसा असे वर्णन केले जाते:

• Narrow AI: अशा प्रणाली ज्या एक प्रकारचे काम चांगले करतात, जसे की मजकूर भाषांतर करणे किंवा व्हिडिओ सुचवणे. आज वापरात असलेली प्रत्येक AI प्रणाली ही Narrow AI आहे.
• General AI: एक काल्पनिक प्रणाली जी माणूस करू शकेल असे कोणतेही बौद्धिक काम शिकू शकेल. ही अस्तित्वात नाही; हे एक संशोधन-ध्येय आणि चर्चेचा विषय आहे, उत्पादन नव्हे.

तंत्रानुसार (technique), AI मध्ये अनेक पद्धतींचा समावेश होतो:

• Rule-based systems, जिथे तज्ज्ञ ज्ञानाला स्पष्ट नियमांच्या स्वरूपात मांडतात.
• Machine learning, जिथे प्रणालीला नियम सांगण्याऐवजी ती डेटामधून पॅटर्न शिकते.
• Search and planning, जिथे प्रणाली ध्येय गाठण्यासाठी संभाव्य कृतींचा शोध घेते, जसे की मार्ग-शोध किंवा गेम खेळणे.

अलीकडच्या बहुतांश प्रगतीमागे Machine learning हीच पद्धत आहे, म्हणूनच हे दोन शब्द बऱ्याचदा एकत्र वापरले जातात. अधिक माहितीसाठी आमचे machine learning म्हणजे काय हे मार्गदर्शक वाचा.

AI तुम्ही आधीपासूनच कुठे वापरता

AI केवळ संशोधन प्रयोगशाळांमध्येच नाही. तुम्ही दिवसातून अनेकदा Narrow AI ला भेटता:

• Search आणि recommendations: निकाल क्रमवारीत लावणे, पुढचा व्हिडिओ किंवा उत्पादन सुचवणे.
• भाषा साधने: predictive text, भाषांतर आणि chat assistants.
• Vision: फोनवरील face unlock, फोटोंमध्ये कोण आहे यानुसार ते वर्गीकृत करणे.
• Maps: थेट रहदारीच्या पॅटर्नवरून प्रवासाचा वेळ अंदाजणे.
• Banking: कार्डवरील असामान्य व्यवहाराला संभाव्य फसवणूक म्हणून सूचित करणे.

यातले कोणतेही माणसासारखे "विचार" करत नाही. प्रत्येक हे एका कामासाठी प्रशिक्षित किंवा प्रोग्राम केलेले लक्ष्यित साधन आहे. अधिक वास्तविक उदाहरणांसाठी machine learning ची प्रत्यक्ष जीवनातील उदाहरणे पहा.

तीन कल्पनांमधला संक्षिप्त इतिहास

AI अनेक टप्प्यांतून गेले आहे. विसाव्या शतकाच्या मध्यातील सुरुवातीच्या प्रणाली हाताने लिहिलेले तार्किक नियम वापरत आणि केवळ अरुंद, स्वच्छ समस्यांमध्येच चांगले काम करत. १९८० च्या दशकापासून, स्वस्त संगणन आणि अधिक डेटामुळे प्रणालींना नियम सांगण्याऐवजी पॅटर्न शिकता येऊ लागले, त्यातून machine learning वाढले. २०१० च्या दशकापासून, deep learning — अनेक थर असलेल्या neural networks सह केलेले machine learning — यामुळे प्रतिमा आणि भाषा कामांमध्ये मोठी झेप घेतली. प्रत्येक टप्प्याने आधीच्या टप्प्याची जागा घेतली नाही; rule-based पद्धती आजही अनेक उत्पादनांच्या आत चालतात.

सामान्य चुका

• AI माणसासारखे "समजून घेते" असे समजणे. आजच्या प्रणाली पॅटर्न शोधतात आणि संभाव्य आउटपुट तयार करतात. त्यांचा मजकूर कितीही आत्मविश्वासाने भरलेला वाटला तरी त्यांना श्रद्धा, ध्येये किंवा जाणीव नसते.
• AI नेहमी अधिक अचूक असते असे गृहीत धरणे. एक AI प्रणाली ही तिच्या डेटा आणि रचनेइतकीच चांगली असते. ती चुकू शकते, पक्षपाती असू शकते किंवा आत्मविश्वासाने चुकीची असू शकते, म्हणून तिचे आउटपुट तपासणे आवश्यक आहे.
• AI आणि machine learning समान मानणे. Machine learning ही AI ची एक महत्त्वाची शाखा आहे, संपूर्ण क्षेत्र नव्हे. AI vs ML vs deep learning पहा.
• General AI लवकरच येईल अशी अपेक्षा करणे. General AI अस्तित्वात नाही, आणि ती लवकरच येईल असे दावे हे ठरलेले विज्ञान नाहीत. Narrow आणि general AI मधली रेषा अस्पष्ट करणाऱ्या जाहिरातींबाबत सावध राहा.

वारंवार विचारले जाणारे प्रश्न (FAQ)

AI शिकायला सुरुवात करण्यासाठी मला प्रगत गणित लागते का? AI साधने वापरण्यासाठी, नाही. Machine learning मॉडेल तयार करण्यासाठी मूलभूत बीजगणित, थोडी सांख्यिकी आणि थोडे प्रोग्रामिंग यांचा सराव असल्यास मदत होते. तुम्ही Python for AI पासून सुरुवात करू शकता.

AI सर्व नोकऱ्या काढून घेणार का? बहुतांश प्रकरणांत AI विशिष्ट कामे स्वयंचलित करते, संपूर्ण भूमिका नव्हे. काम कसे केले जाते ते बदलते. प्रामाणिक स्रोत कोणत्याही दिशेने धाडसी भविष्यवाणी टाळतात.

सुरुवात करण्याचा सर्वात सोपा मार्ग कोणता? AI काय करू शकते आणि काय करू शकत नाही हे शिका, नंतर थोडे Python शिका आणि एखादा छोटा machine learning प्रकल्प करून पहा. खालील आमच्या मार्गदर्शकांचा संच हा मार्ग दाखवतो.

शिकत राहा

अधिक मार्गदर्शकांसाठी संपूर्ण AI & machine learning hub एक्सप्लोर करा, किंवा Infoplanet, जळगाव येथे mentor सहाय्यासह AI टप्प्याटप्प्याने शिकण्यासाठी आमच्या रचनाबद्ध Artificial Intelligence course च्या waitlist मध्ये सामील व्हा.