Friday, September 27, 2024

प्रज्ञा युग - मंदार कुलकर्णी

Sam Altman's recent blog post translated in Marathi by Mandar Kulkarni (USA). 

 Original blogpost link at the end of the article.

 
प्रज्ञा युग  - मंदार कुलकर्णी 

AI (Artificial Intelligence) च्या मदतीने येत्या काही दशकांमध्ये आपण असे काही करू शकू, जे आपल्या आजी-आजोबांना जादूसारखे वाटले असते. हे काही पहिल्यांदाच घडते आहे असे नाही पण आता ते अधिक वेगाने होईल. गेल्या काही वर्षांमध्ये लोक खूपच सक्षम झाले आहेत; आपले पूर्वज ज्या गोष्टी अशक्य मानत होते, अशा अनेक गोष्टी आपण आज सहज साध्य करू शकतो.
आपली ही सक्षमता वाढण्यामागे, आपल्यात झालेले आनुवंशिक बदल हे कारणीभूत नाहीत, तर समाजात निर्माण झालेल्या, कोणालाही स्मार्ट आणि सक्षम बनवू शकतील अशा अनेक पायाभूत सुविधांचा आपण लाभ घेत आहोत आणि त्यातूनच हे शक्य झाले आहे. त्या अर्थाने, समाज स्वतःच प्रगत बुद्धिमत्तेचे (प्रज्ञेचे) रूप आहे, असे म्हणता येईल. आपल्या आजी-आजोबांनी आणि त्यांच्या पूर्वीच्या पिढ्यांनी अनेक महत्त्वाच्या गोष्टी घडवल्या आणि साध्य केल्या. त्यांनी मानवी प्रगतीच्या पायाभूत रचनेत भर घातली, आणि आपण सर्वजण आता त्याचा फायदा घेतो आहोत. AI मुळे लोकांना जटिल समस्या सोडवण्यासाठी साधने मिळतील. फक्त आपल्या स्वतःच्या प्रयत्नाच्या बळावर आपण जिथे पोहोचू शकणार नाही, अशा नवीन उंचीपर्यंत पोहोचण्यात AI आपल्याला मदत करेल. प्रगतीचा प्रवाह असाच निरंतर सुरू राहील आणि जे आपण आज करू शकत नाही, ते आपली मुले सहज करू शकतील.
हे सर्व बदल एकाच वेळी घडून येतील असे नाही, पण लवकरच आपण AI कडे, जणू आपला एखादा सहकारी असावा, असे बघू शकू आणि त्याच्या मदतीशिवाय जे शक्य होईल त्यापेक्षा कितीतरी जास्त काम त्याच्या मदतीने साध्य होऊ शकेल. लवकरच आपल्यापैकी प्रत्येकाकडे virtual experts च्या वैयक्तिक AI टीम्स असतील, या टीम्स एकमेकांबरोबर काम करतील आणि त्यातूनच, आपण ज्याची कल्पना करू शकतो अशी जवळजवळ कोणतीही गोष्ट निर्माण करू शकतील. आपल्या मुलांकडे प्रत्येकाचे वैयक्तिक शिक्षक (personal AI tutors) असतील, जे कोणत्याही विषयात, कोणत्याही भाषेत आणि प्रत्येक मुलाच्या/मुलीच्या गरजेनुसार योग्य त्या वेगाने मार्गदर्शन करू शकतील. याच धर्तीवर, आपण उत्तम आरोग्यसेवा, कोणत्याही प्रकारचे सॉफ्टवेअर तयार करण्याची क्षमता आणि इतरही अनेक गोष्टींची कल्पना करू शकतो.
या नवीन क्षमतांमुळे, आपण आज ज्याची कल्पनाही करू शकत नाही अशा पातळीवर सामायिक समृद्धी निर्माण करू शकू. भविष्यात प्रत्येकाचे जीवन कोणाच्याही आजच्या जीवनापेक्षा चांगले असेल. अर्थात, फक्त समृद्धीमुळेच लोक आनंदी होतील असे नाही – खूप श्रीमंत लोक असंतुष्ट, दुःखी असतात – पण यामुळे जगभरातील लोकांचे जीवन अर्थपूर्णरीत्या सुधारेल, यात शंका नाही.
मानवी इतिहासाकडे बघण्याचा एक दृष्टिकोन असा असू शकतो: हजारो वर्षांच्या वैज्ञानिक संशोधनानंतर आणि तांत्रिक प्रगतीनंतर, आम्ही वाळूवर रासायनिक प्रक्रिया करून, त्यापासून संगणकाच्या चिप्स तयार करण्याचे तंत्रज्ञान निर्माण केले आणि या चिप्सचा वापर करून आता कृत्रिम बुद्धिमत्तेसारखी (AI) सक्षम प्रणाली तयार करण्याचे कौशल्य प्राप्त केले आहे. आतापर्यंतच्या इतिहासातील ही सर्वात परिणामकारक कामगिरी ठरू शकते. मला वाटते, येत्या काही हजार दिवसांत आपण superintelligence चा टप्पा गाठू शकू; यासाठी कदाचित थोडा अधिक वेळही लागू शकतो, परंतु मला खात्री आहे की आपण ते साध्य करू.
आपण समृद्धीच्या पुढच्या टप्प्यापर्यंत कसे पोहोचलो?
अगदी कमी शब्दांत सांगायचे झाले तर: "डीप-लर्निंग या तंत्रज्ञानाच्या मदतीने."
थोड्या जास्त शब्दात: "यासाठी डीप-लर्निंग या तंत्रज्ञानाची मदत होते आहे. जितक्या जास्त प्रमाणात ते वापरले गेले, तितका त्याचा अपेक्षित असा चांगला परिणाम दिसून आला, आणि आपण त्यासाठी जास्तीत जास्त संसाधने समर्पित केली." एवढेच खरे तर यातले तथ्य आहे. कोणत्याही डेटाच्या वितरणाचा खरा अर्थ शिकू-समजू शकेल असा अल्गोरिदम मानवाने शोधला. किंवा खरे म्हणजे त्या वितरणाच्या मागचे ‘नियम’ शोधले. जितकी अधिक संगणनशक्ती आणि डेटा उपलब्ध होईल, तितका हा अल्गोरिदम मानवाच्या कठीणात कठीण समस्या सोडवण्यात अधिक मदत करेल. यावर विचार करण्यात मी कितीही वेळ घालवला तरी ही घटना किती महत्त्वाची आहे, हे खऱ्या अर्थाने समजून घेण्यासाठी मी कमीच पडेन.
आपल्याला अजूनही बऱ्याच गोष्टी शोधायच्या आहेत, परंतु कोणत्याही विशिष्ट, आणि एकाच आव्हानाकडे लक्ष देणे (आणि इतर गोष्टींकडे दुर्लक्ष करणे) चुकीचे ठरेल. डीप-लर्निंग त्याचे कार्य करते आणि त्याच्या आधारे आपण उर्वरित समस्या सोडवू शकतो. भविष्यात काय घडू शकते याबद्दल आपण बरीच विधाने करू शकतो, परंतु एक नक्की की जितक्या जास्त प्रमाणात AI वापरले जाईल, तेवढे ते जास्त उपयुक्त ठरेल, आणि त्यामुळे जगभरातील लोकांच्या जीवनात अर्थपूर्ण सुधारणा होईल.
AI मॉडेल्स ही लवकरच आपले स्वायत्त वैयक्तिक सहाय्यक म्हणून आपल्यासाठी आपली कामे पार पाडतील, उदाहरणार्थ, आपल्यासाठी वैद्यकीय सेवांचे नियोजन करणे. पुढील काही काळानंतर AI प्रणाली इतक्या चांगल्या होतील की त्यांच्यामुळेच पुढच्या टप्प्यातल्या(next generation), अधिक प्रगत प्रणाली बनवण्यास आणि सर्वंकष वैज्ञानिक प्रगती करण्यात मदत होईल.
तंत्रज्ञानाने आपल्याला अश्मयुगापासून कृषीयुगापर्यंत आणि त्यानंतर औद्योगिक युगापर्यंत आणले. येथून पुढील, प्रज्ञा युगाचा मार्ग हा संगणनशक्ती, ऊर्जा आणि मानवी इच्छाशक्तीनेच घडणार आहे. आपण AI जितक्या अधिक लोकांच्या हाती सोपवू इच्छितो आहोत, तितक्याच अधिक प्रमाणात त्यासाठी लागणाऱ्या संगणनशक्तीचा खर्च कमी करावा लागेल आणि ती प्रचंड प्रमाणात उपलब्ध करावी लागेल (यासाठी खूप ऊर्जा आणि चिप्सची आवश्यकता असेल). जर आपण पुरेशा पायाभूत सुविधा तयार केल्या नाहीत तर AI हे एक अत्यंत मर्यादित साधन ठरेल, त्यासाठी युद्धे होतील आणि ते मुख्यतः श्रीमंत लोकांपुरते मर्यादित साधन ठरेल.
म्हणूनच, आपण हुशारीने, विचारपूर्वक परंतु ठामपणे कार्य केले पाहिजे. प्रज्ञा युगाची होत असलेली सुरुवात ही मोठया विकासाची नांदी आहे आहे, त्यामध्ये अत्यंत गुंतागुंतीची आणि उच्च-जोखमीची आव्हाने आहेत. ही पूर्णपणे, फक्त सकारात्मकच कथा असेल असे नाही, परंतु जे काही घडेल त्यातील फायदे, लाभ खूप मोठे आहेत आणि म्हणूनच आपण त्यावर जाणीवपूर्वक आणि जबाबदारीने काम करणे आवश्यक आहे. शिवाय, भविष्यातल्या जोखमींचा सामना कसा करायचा याचाही विचार करणे गरजेचे आहे.
मला विश्वास आहे की भविष्य इतके उज्ज्वल असेल की आज कोणालाही त्याचे योग्य वर्णन करता येणार नाही; पण, प्रज्ञा युगाचे एक वैशिष्ट्य नक्की असेल, ते म्हणजे सर्वत्र मोठ्या प्रमाणात निर्माण होणारी समृद्धी! हे सर्व टप्प्याटप्प्याने घडेल, परंतु मोठमोठया, आश्चर्यकारक गोष्टी अगदी सर्वसामान्य ठरतील. उदाहरणार्थ, जागतिक हवामान सुधारणे, अंतराळात वसाहतीची स्थापना करणे, किंवा भौतिकशास्त्रातील सर्व शोध लावणे. जवळजवळ अमर्यादित बुद्धिमत्ता आणि प्रचंड ऊर्जा उपलब्ध असताना, उत्कृष्ट कल्पना निर्माण करण्याची आणि त्या अंमलात आणण्याची क्षमता असताना आपण खूप काही करू शकतो.
इतर तंत्रज्ञानांप्रमाणेच, याचे काही तोटेही असतील. AI चे फायदे जास्तीत जास्त प्रमाणात सार्वत्रिक कसे होतील आणि त्याचे हानिकारक परिणाम कमी कसे करता येतील, यावर आपण आतापासूनच काम सुरू केले पाहिजे. उदाहरणार्थ, येत्या काही वर्षांत AI या तंत्रज्ञानामुळे नोकरी करणाऱ्या मंडळींच्या कामात महत्त्वपूर्ण बदल होऊ शकतात (चांगले आणि वाईट), परंतु बहुतेक बदल लोकांच्या अपेक्षेपेक्षा सावकाश होतील. आपल्याकडे करण्यासारखे काहीच उरणार नाही, असे मला वाटत नाही (त्या आजच्या "खऱ्या नोकऱ्या" सारख्या दिसणार नाहीत). लोकांमध्ये काहीतरी नवे निर्माण करण्याची आणि एकमेकांना मदत करण्याची नैसर्गिक इच्छा असते आणि AI मुळे आपल्याला आपल्या क्षमता आजवर न अनुभवलेल्या पातळीवर नेण्यासाठी मदत होईल. एक समाज म्हणून आपण पुन्हा एकदा नव्याने विस्तारणाऱ्या जगाचा अनुभव घेऊ आणि सर्वांच्या भल्यासाठी असणाऱ्या गोष्टींवर काम करू.
शे-दोनशे वर्षांपूर्वीच्या काळात जगणाऱ्या, काम करणाऱ्या लोकांना आज आपल्या आजूबाजूला असलेली सुबत्ता आणि समृद्धी ही कल्पनेच्याही पलीकडली वाटेल. अगदी तसेच, AI मुळे आजपासून शंभर वर्षांनंतर जी सुबत्ता आणि समृद्धी असेल ती आजच्या काळातही कल्पनेच्या पलीकडचीच भासेल.

Wednesday, June 26, 2024

AI Glossary

 

AI glossary

Created for ‘AI करेल ना बे!’ being presented at BMM 2024, Bay Area. 

Artificial Intelligence (AI): A field of computer science focused on creating systems capable

 of performing tasks that normally require human intelligence.

Natural Language Processing (NLP): A subfield of AI that focuses on the interaction between 

computers and humans through natural language.

Bias: A tendency of an AI system to make decisions based on prejudiced or unfair preferences, 

often reflecting societal prejudices. Biases can also arise from hallucinations due to edge cases, 

unreliable data, or a lack of understanding of the context.

Algorithm: A set of rules or steps a computer follows to perform a task.

Training Data: The data used to teach an AI model how to make decisions. Biases in training data

 can lead to biased AI.

Machine Learning: A method of teaching AI systems to learn from data and improve over time without

 being explicitly programmed.

Model: A mathematical representation of a problem or task that an AI system uses to make decisions.

Ethics in AI: The study of moral principles and how they apply to the development and use of AI technologies.

Fairness: Ensuring that AI systems make decisions impartially, without favoritism or bias.

Transparency: The practice of making the workings and decisions of AI systems understandable to humans.

Accountability: The responsibility of developers and organizations to ensure AI systems are used ethically and fairly.

Human-in-the-Loop: A model of AI decision-making that involves human oversight and intervention to 

ensure accurate and fair outcomes.

Cognitive Bias: Patterns of thinking that can lead to errors in judgment, affecting both humans and AI.

Mitigation Strategies: Techniques and methods used to reduce or eliminate bias in AI systems.

Explainability: The ability of an AI system to explain its decisions in a way that humans can understand.

Trust in AI: Building confidence that AI systems will perform reliably and ethically.

Citizen Science: Public participation in scientific research, often involving collaboration with professional 

scientists to collect and analyze data, contributing to AI development and validation.

Long-Term Impact: The potential future consequences of AI technologies on society, which can be positive 

if managed responsibly.

Key Points

  1. Bias Awareness: Both AI and humans can have biases; it's important to recognize

     and address them, especially biases arising from hallucinations due to edge cases, 

    unreliable data, or lack of understanding.

  2. Ethical Use: Using AI responsibly and ethically ensures fairness and transparency.

  3. Human Oversight: Humans play a crucial role in overseeing AI to prevent and

     correct biases.

  4. Citizen Science: Public involvement in scientific research enhances AI developmen

    t and helps ensure diverse and comprehensive data.

  5. Positive Future: With careful management, AI can lead to beneficial outcomes for society.


प्रज्ञा युग - मंदार कुलकर्णी

Sam Altman's recent blog post translated in Marathi by Mandar Kulkarni (USA).   Original blogpost link at the end of the article.   प्रज...