अन्वयार्थ : कृत्रिम बुद्धिमत्तेतही सांघिक काम, परस्पर सहकार्याची क्षमता

जे इतरांबरोबर चालायला शिकतात आणि उत्स्फूर्तपणे, परिणामकारक प्रयोगशीलता दाखवतात, तेच तरतात हा डार्विनचा सिद्धांत तंत्रज्ञानालाही लागू आहे.

साधना शंकर
लेखिका, केंद्रीय राजस्व सेवेतील निवृत्त अधिकारी

‘माणसांच्या आणि प्राणिमात्रांच्याही इतिहासात जे जुळवून घ्यायला आणि उत्स्फूर्तपणे परिणामकारकरीत्या प्रयोग करायला शिकले तेच तरले’, असे चार्ल्स डार्विनचे सुप्रसिद्ध वाक्य आहे. सांघिक काम आणि एकमेकांना मदत करण्याला एकंदरीतच मनुष्यजात, समाज, संस्था यांच्यात महत्त्व असते. सांघिक काम आणि परस्पर सहकार्य कृत्रिम बुद्धिमत्तेतही दिसून येते, असे संशोधकांना आढळून आले. 
कृत्रिम बुद्धिमत्ता माणसांना जास्तीत जास्त उपयोगी पडावी, यासाठी तंत्रजगतात प्रयत्न चालू आहेत. संशोधक मल्टी एजंट सिस्टम्स नामक लार्ज लँग्वेज मॉडेल्सच्या टीम्सना एकत्र आणत आहेत. आता तुम्ही या सिस्टीमला एखादा हवामानविषयक अहवाल तयार करायला, सुधारणा सुचवायला सांगितले तर ती सिस्टीम कृत्रिम बुद्धिमत्तेच्या प्रत्येक एजंटला स्वतंत्रपणे काम वाटून देईल. समन्वय करील आणि प्रत्येकाच्या कामावर आधारित अहवाल तयार करील. चर्चेतून समस्येवर असा एखादा तोडगा काढला जाईल की त्या गटातील एखाद्या एजंटाला तसा करता आला नसता. हे जरा परिचित वाटते का?
 
आपण माणसे जीवनाच्या प्रत्येक क्षेत्रात हे गेल्या कित्येक वर्षांपासून करत आलो आहोत. कोणताही मानवी हस्तक्षेप किंवा दिशादर्शन होत नसताना मल्टी एजंट सिस्टीम हे सर्व काम करील.

लार्ज लँग्वेज मॉडेल्स एकमेकांशी संवादी कशी होतात? तर इनपुट आणि आउटपुटच्या बाबतीत ती लिखित मजकूर वापरतात. ही मॉडेल्स स्वतंत्रपणे आणि संघटितपणे संवाद साधू शकतात. प्रत्येक एजंटाने काढलेला तोडगा या गटातील इतरांना सांगितला जातो. ज्यातून अंतिमत: जो तोडगा समोर ठेवला जाणार आहे तो अधिक चांगला होतो. मल्टी एजंट सिस्टीमचे अनेक व्यापारी उपयोगही यापूर्वीच शोधले गेले आहेत. वैद्यकीय सल्ला, कायदेविषयक सल्ला, लष्करी आणि इतर डावपेचात्मक निर्णय यात मल्टी एजंट सिस्टीमचा उपयोग होतो. अनेक बलाढ्य तंत्र कंपन्या या क्षेत्रात आहेत. एलएलएम (लार्ज लँग्वेज मॉडेल्स) एजंट्स बरोबर सांघिक काम करण्यासाठी ओपन सोर्स फ्रेमवर्क पुरवणारी ऑटो जेन प्रणाली मायक्रोसॉफ्टने सादर केली. ऑटो जेनवर काम करताना ऑस्ट्रेलियातील उद्योजकाने प्रतिमा निर्माण आणि भाषिक प्रारूपासाठी एक संघ तयार केला. परस्पर सहकार्यातून मूळच्या मानवी गरजेनुसार उत्तम प्रतिमानिर्मिती केली.

स्वतंत्र एलएलएमप्रमाणेच पूर्वग्रह, चुकीचे परिणाम किंवा भ्रम हेही एमएएस (मल्टी एजंट सिस्टम) संघाच्या कामगिरीत दिसून येतात. स्वतंत्र लार्ज लँग्वेज मॉडेलने काही गंभीर चुका केल्या तर त्या संघाच्या नजरेतून सुटू शकतात; अशा वेळी त्यापासून बचावासाठी काय करायचे यावर चर्चा होत आहे. यशस्वी स्वतंत्र एलएलएमला बदनाम करण्यासाठी एमएएस संघाचा वापर होऊ शकतो, हेही जरा ओळखीचे वाटते काय? 

सध्या कृत्रिम बुद्धिमत्तेने निर्माण केलेले ‘जीपीटी ४०’ तुम्हाला जवळपास माणसासारखा प्रतिसाद देऊ शकते. तोही तुम्ही दिलेल्या इनपुटनुसार. उदाहरणार्थ अन्न हवे असेल तर कोणते रेस्टॉरंट चांगले हे ते सांगेल. लवकरच हे सांघिक स्वरूपात काम करणारे एजंट्स एकापेक्षा अधिक पर्याय सुचवू शकतील. तिथे जायचे कसे, हे सांगतील. तुम्हाला परवडेल अशा ठिकाणी ते बुकिंग करून देतील. तुमची आवड-निवड पाहतील. माणसाला सुखावह, कोणतेही ओझे न वाटू देणारा, सहज अनुभव यावा, यासाठी तंत्रज्ञान प्रयत्न करत आहे. कृत्रिम बुद्धिमत्तेसमोरचे उद्दिष्टही हेच आहे. परंतु त्याचबरोबर चार्ल्स डार्विनचे क्रांतिकारी निरीक्षणही तितकेच महत्त्वाचे आहे. ‘इतरांबरोबर चालायला शिकणारे आणि उत्स्फूर्तपणे अधिक परिणामकारक प्रयोगशीलता दाखवणारेच तरतात’ हे निरीक्षणही महत्त्वाचे आहे. सध्याच्या काळात ज्या नवनवीन गोष्टी तंत्रज्ञानाच्या माध्यमातून येत आहेत, त्यावर डार्विनचे विधान वेगळा प्रकाश टाकते.
sadhna99@hotmail.com