थांबा! सोरा आणि डेव्हिन आलेत!

तुम्ही विचाराल कोण हा डेव्हिन? कोण ही सोरा? आणि ते आलेत म्हणून आम्ही का थांबायचे?
या दोघांबद्दल जाणून घेण्याआधी एआय म्हणजे काय ते बघू.

एआय म्हणजे आर्टिफिशियल इंटेलिजेंस म्हणजे कृत्रिम बुद्धिमत्ता! सध्या नवीन टेक्नॉलॉजी बदलत जाण्याचे प्रमाण आणि वेग इतका वाढला आहे की चार वर्षातच एखादे तंत्रज्ञान जुने होत आहे. मानवाची बुद्धिमत्ता ही नैसर्गिक! मशीन्स जेव्हा माणसासारखा विचार करायला लागले, आणि बुद्धिमान व्हायला लागले तेव्हा त्याला म्हणतात कृत्रिम बुद्धिमत्ता म्हणजे आर्टिफिशियल इंटेलिजन्स (एआय)! जे पूर्वी केवळ फक्त एक माणूसच करू शकत होता, जसे की तर्क करणे, निर्णय घेणे किंवा समस्या सोडवणे, तेच आता आर्टिफिशियल इंटेलिजेंस (AI) करू शकतो. आधी टेक्स्ट एआय मग इमेज एआय आले!

मध्यंतरी एक बातमी ऐकली की भारतात केरळमध्ये एका शाळेत एआय शिक्षिकेचा यशस्वी प्रयोग करण्यात आला.

पुढे पुढे तो दिवस दूर नाही जेव्हा संपूर्ण क्रिकेट टीम ही एआय खेळाडू खेळतील आणि प्रत्येक खेळाडू मध्ये जुन्या एक्स्पर्ट खेळाडूंचे इंटेलिजन्स फीड केलेले असेल किंवा हे ही शक्य आहे की बॅटसुद्धा एक इंटेलिजंट डिव्हाईस असेल. कारण तुम्ही IOT (Internet Of Things) हे तंत्रज्ञान ऐकले असेलच, ज्यात विविध स्मार्ट फ्रीज, स्मार्ट दरवाजा, स्मार्ट कुकर, स्मार्ट कार हे सगळे एकमेकांशी आपोआप संपर्क साधतात आणि एकमेकांना कंट्रोल करण्यासाठी निर्णय घेतात! उदाहरणार्थ, एखादी स्मार्ट कार मेन गेट जवळ आली की कार मधले स्मार्ट डिव्हाईस गेट ला लावलेल्या स्मार्ट डिव्हाईस सोबत संपर्क साधते (प्रॉक्सीमिटी सेन्सॉर द्वारे) आणि गेट आपोआप उघडते. घरमालकाने घराचा दरवाजा उघडला की स्मार्ट फॅन, बल्ब आपोआप चालू होतात.

आतापर्यंत जगभरात टेक्स्ट एआय विद्यार्थीवर्ग सुद्धा वापरू लागला आहे. तो AI पॉवरफुल आहे कारण तो म्हणतो, "आस्क मी एनिथिंग! (मला काहीही विचारा)" मग आपण त्याला समजा (कोणत्याही भाषेत विचारा, नो प्रॉब्लेम!) विचारले की, "जंगलात हरवलेल्या व्यक्तीची मनस्थिति दर्शवणारी चार ओळींची कविता लिही!" हे जे आपण लिहितो त्याला "प्रॉम्पटिंग" (Prompting) असे म्हणतात. अचूक एआय प्रॉम्पटिंग कसे करायचे ते पण खूप महत्वाचे आहे. मग तो आपल्याला कविता लिहून देतो की, "जंगलात एक व्यक्ती हरवली आहे, हरवलेल्या आत्मविश्वासाशी जुळवून घेत आहे, वृक्षांच्या शीतल छायेत बसून आहे पण त्याच्या जीवनात अजूनही एक नवीन आशा आहे!"

जर आपण विचारले की, "आज रविवारची सकाळ आहे. मी महाराष्ट्रात रहातो, तर कोणता नाश्ता बनवू?" तर तो सांगतो, "आपल्याला सकाळी नाश्त्यासाठी विविध पर्याय आहेत. तुम्ही खाण्याच्या प्रकारानुसार निवडू शकता: ओट्स: ओट्समध्ये फायबर समृद्ध आहे आणि ते उर्जा देते. पोहा आणि उपमा तुम्हाला दिवसभर काम करण्यासाठी उर्जा देते." तुम्ही त्याला रेसीपी विचारा, तो सांगतो. एआय आपल्याला संपूर्ण कथा पण लिहून देतो. त्याला फक्त सांगा की, "भारतातील महाराष्ट्रातील एका गावातील जुन्या बंगल्याबद्दल एक छोटी रहस्यकथा लिहा!" पात्रांची नावे नाही दिलीत तर तो स्वत: निवडेल.

आपली मैत्रीण एलेक्सा आता जुनी झाली. ती काय करू शकते आणि काय करू शकत नाही यावर लोकांनी विनोद सुद्धा बनवले. "एलेक्सा, दिवाळीचा फराळ बनव ग बाई!" यासारखे विनोद. नुकताच बॉलिवूडमध्ये "तेरी बातो मे ऐसां उलझा जिया" नावाचा चित्रपट येऊन गेला, ज्यात हिरो जिच्यावर प्रेम करतो ती तरुणी AI robot असते हे त्याला नंतर माहिती पडते. मी अजून बघितला नाही. आपल्याला गुगल मॅपद्वारे मार्ग दाखवणारी महिला असो किंवा मग ड्रायव्हर विना चालणारा टेस्ला कंपनीचा ट्रक किंवा गुगल कंपनीची कार असो, हे सगळे AI च आहेत.

"इमेज एआय" म्हणजे तुम्ही त्याला तुमच्या मनातील कल्पनेप्रमाणे चित्र कसे हवे ते वर्णन करून सांगा आणि तो ते चित्र बनवून देईल. https://copilot.microsoft.com/ येथे जाऊन "Designer" हे ऑप्शन निवडल्यास तुम्ही ते वापरुन पाहू शकता. अर्थात तुम्हाला त्यासाठी आधी मायक्रोसॉफ्टमध्ये स्वतःचे अकाऊंट बनवावे लागेल. तुम्ही त्याला असे सांगून पहा आणि बघा काय होते ते: "असे एक चित्र बनव ज्यात एका बाजूला नदी असून त्यात एक स्कूल बस पोहते आहे, आणि दुसऱ्या बाजूला मोठे झाड आहे ज्यावर पाने नाहीत फक्त फुले आहेत आणि त्यावर सर्व प्राणी छोट्या आकारात बसले आहेत आणि आकाशात तीन सूर्य आणि दोन चंद्र दिसत आहेत!"

अजूनही साठ सत्तर टक्के सामान्य जनता इमेज एआय कसे वापरायचे याबद्दल अनभिज्ञ आहेत, तेवढ्यातच टेक्स्टचे व्हिडिओ रूपांतर करणारे तंत्रज्ञान पण आले आहे, जे आपल्या मनातील कल्पनेनुसार वाक्य किंवा स्क्रिप्ट (पटकथा) लिहिली की त्याचा सिनेमा तयार करून देतो. म्हणजे पटकथा आणि संवाद पण एआय लिहिणार आणि त्याचे व्हिडिओ रूपांतर पण एआयच करणार! एका एआय चे आऊटपुट दुसऱ्या एआय ला आपोआप दिले की काम झाले!

ओपन एआय या कंपनीने "सोरा" नावाचा टेक्स्ट ते व्हिडिओ बनवणारा एआय आणला आहे. सामान्य माणसांसाठी हे तंत्रज्ञान अजून उपलब्ध केले गेलेले नाही, पण लवकरच होईल! त्यामुळे व्हीएफएक्स, सीजीआय, एनिमेशन इंडस्ट्री तसेच कोट्यवधी रुपये खर्च करून चित्रपटांचे विविध सेट्स उभारण्याची गरजच समाप्त होणार आहे. पुढे पुढे तर कलाकारांची गरजही समाप्त होईल कारण ही सोरा आधीच तयार असलेले इमेज किंवा व्हिडिओ टाकून त्यावर आधारीत जास्त लांबीचा व्हिडिओ बनवेल. म्हणजे तरुण अक्षय कुमार आणि तरुण अमिताभ बच्चन यांचा एकत्र चित्रपट आपल्याला बनवता येईल. चित्रपटातील साप स्पेशल इफेक्ट्स ने कितीही असली बनवण्याचा प्रयत्न केला तरीही आपल्याला दिसून येतेच की हा साप नकली आहे, पण एआय ने तयार केलेला साप आणि त्याच्याजवळचा माणूस हे सर्व अगदी खरंखुरं दिसेल आणि वाटेल. तसेच न्यूज सांगण्यासाठी आता अँकरची गरज नाही. AI मॉडेलच बातम्या वाचेल.

सोरा प्रथम प्रॉम्प्टमध्ये वर्णन केलेल्या दृश्याची कमी-रिझोल्यूशन प्रतिमा तयार करून कार्य करते. त्यानंतर ते इच्छित रिजोल्यूशनपर्यंत पोहोचेपर्यंत हळूहळू प्रतिमेमध्ये तपशील जोडण्यासाठी "प्रसार" नावाचे तंत्र वापरते. सोरामागील तंत्रज्ञान हे DALL-E 3 ह्या "जनरेटिव्ह इमेज" प्लॅटफॉर्मसाठी बनवलेल्या मॉडेल्सची रुपांतरित आणि सुधारित आवृत्ती आहे, परंतु त्यामध्ये उत्कृष्ट नियंत्रणासाठी अतिरिक्त वैशिष्ट्ये आहेत.

OpenAI कंपनी म्हणते की त्यांनी त्याचे मॉडेल सार्वजनिकपणे उपलब्ध असलेले व्हिडिओ, सार्वजनिक डोमेन मधील विविध सामग्री आणि कॉपीराइट केलेल्या व्हिडिओंच्या आधारे प्रशिक्षित केले आहे. त्यांनी त्याचा परवाना अगोदरच खरेदी केला होता. प्रशिक्षण डेटामध्ये नेमके किती व्हिडिओ गेले हे मात्र त्यांनी सांगितले नाही आणि ती माहिती कधीही उघड होण्याची शक्यता नाही. ते लाखोंमध्ये असल्याचे मानले जाते.

AI चा वापर चुकीची माहिती, द्वेषपूर्ण सामग्री आणि पक्षपातासाठी होऊ नये, यासाठी प्रशिक्षणादरम्यान रेड टीमर्स आणि सुरक्षा तज्ञ देखील कार्यरत होते. यामध्ये अत्यंत हिंसा, लैंगिक सामग्री, द्वेषपूर्ण प्रतिमा, सेलिब्रिटी सारखेपणा किंवा लोगो आणि उत्पादने यांची कॉपी किंवा ओळख उघड करणारे व्हिडिओ तयार करण्यावर बंदी असेल. एक स्वतंत्र उत्पादन म्हणून उपलब्ध न करता सोरा हे DALL-E 3 प्रमाणेच ChatGPT मध्ये समाविष्ट होण्याची शक्यता आहे.

AI काय काय करतो हे आपण पाहिले. पण तो हे कसे काय करू शकतो?

तर तो हे मशीन लर्निंग या प्रक्रियेद्वारे ते करतो.

मशीन लर्निंग म्हणजे काय? तर मशीन लर्निंग हे AI चे ऍप्लिकेशन आहे. संगणकाला थेट निर्देशांशिवाय (माणसांकडून commands न घेता) शिकण्यास मदत करण्यासाठी डेटाचे गणितीय मॉडेल वापरण्याची ही प्रक्रिया आहे. हे संगणक प्रणालीला (Program/Code) अनुभवाच्या आधारे स्वतः शिकणे आणि सुधारणे सुरू ठेवण्यास सक्षम करते. ही एक संपूर्ण किचकट प्रक्रिया आहे. त्यासाठी आणखी अनेक गोष्टींची मदत लागते आणि उपयोग होतो. ते पूर्ण सखोल येथे समजावून सांगणे शक्य नाही.

वरील सर्व AI मुळे शिक्षक, चित्रकार, पत्रकार, लेखक, कवी, कॉम्प्युटर ऑपरेटर, टायपिस्ट, बॅनर मेकिंग, व्हिडिओ एडव्हरटाईजमेंट, फोटोग्राफी यासारखे अनेक जॉब धोक्यात आले आहेत.
टेक्स्टचे आवाजात रूपांतर (Text to speech) करणारे तंत्रज्ञान येऊन बराच काळ लोटला आहे. त्यामुळे कथा वाचक, रेडिओ वृत्त निवेदक, व्हॉकल आर्टिस्ट, उद्घोषक (अनाउन्समेंट करणारे) यासारखे जॉब जवळपास नष्ट झाले आहेत. AI आधारित 3D प्रिंटिंगमुळे बऱ्याच अंशी बांधकाम क्षेत्रातील जॉब जाऊ शकतात, उत्पादन क्षेत्रातील पर्यवेक्षक सारख्या नोकऱ्या जाऊ शकतात. तसेच डायरेक्टर, कॅमेरामन, छोटे मोठे तंत्रज्ञ, संवाद लेखक, डबिंग आर्टिस्ट, बॉडी डबल, पटकथा लेखक, भव्य दिव्य सेट उभारणारे कला दिग्दर्शक, गायक, गीतकार, संगीतकार, ध्वनी संयोजक, नृत्य दिग्दर्शक, VFX आणि CGI इंजिनियर्स, एनीमेटर्स अशा प्रकारच्या नोकऱ्या भविष्यात संपूर्ण नष्ट होऊ शकतात. मेडिकल क्षेत्रातसुध्दा रोगाचे अचूक निदान आता AI करू शकणार आहे. त्यामुळे त्या क्षेत्रातील काही जॉब्सवर टांगती तलवार येणार. विविध पर्यटन क्षेत्रातील टूर कोऑर्डीनेटर, गाईड यांचा जॉब धोक्यात येईल. कारण त्या क्षेत्रातही हळूहळू AI शिरकाव करतो आहे. पुढे पुढे रिसर्च एंड डेव्हलपमेंट म्हणजे संशोधन क्षेत्रात सुद्धा AI चां वापर होणार आहे.

हे तर काहीच नाही, खरा धोका तर आणखी पुढे आहे!!

ज्या सॉफ्टवेअर क्षेत्रातील लोकांनी AI चा शोध लावला, त्याच क्षेत्रातील लोकांचे जास्तीत जास्त प्रकारचे जॉब्स AI मुळेच जाण्याचा धोका निर्माण झालेला आहे, कारण नुकतीच एक बातमी येऊन धडकली आहे की, यूएस मधील कॉग्निशन या आघाडीच्या टेक कंपनीने जगातील पहिला "एआय सॉफ्टवेअर अभियंता" बनवला आहे, ज्याचे नाव डेव्हिन आहे! याला म्हणतात आपल्याच पायावर कुऱ्हाड मारून घेणे! आधीच "ऑटोमेशन" या प्रकारामुळे "मॉनिटरिंग" या प्रकारचे जॉब सॉफ्टवेअर क्षेत्रात नामशेष होण्याच्या मार्गावर आहेत.

"डेव्हिन एआय" हे सॉफ्टवेअर डेव्हलपमेंटमध्ये गेम चेंजर (खेळाचा सारीपाटच बदलून टाकणारे) आहे. तो फक्त एक सहाय्यक नाही; तो एक स्वयंपूर्ण विकसित एआय अभियंता आहे. डेव्हिन हा संकल्पनेपासून ते कोडिंगपर्यंत संपूर्ण प्रकल्प (प्रोजेक्ट) एकट्याने हाताळतो. या AI मध्ये सॉफ्टवेअर डेव्हलपमेंट जलद, स्मार्ट आणि अधिक लोकांपर्यंत पोहोचवण्याची क्षमता आहे. फक्त एका प्रॉम्प्टसह, डेव्हिन कोड लिहिण्यास किंवा वेबसाइट तयार करण्यास सक्षम आहे, अगदी एखाद्या मानवी सॉफ्टवेअर इंजिनियरप्रमाणे!

डेव्हिन हे एक स्वायत्त मॉडेल आहे जे एका प्रॉम्प्टसह जटिल कोड आणि सॉफ्टवेअर अभियांत्रिकी कार्यांची योजना, विश्लेषण आणि अंमलबजावणी करू शकते. त्याची स्वतःची कमांड लाइन, कोड एडिटर आणि वेगळा वेब ब्राउझर आहे. हा एआय एजंट सॉफ्टवेअर डेव्हलपमेंटमध्ये काही प्रगत क्षमतांसह येतो, ज्यामध्ये कोडिंग, डीबगिंग (Debugging म्हणजे कोडमधील त्रुटि शोधणे अन्यथा प्रोग्राम run होत नाही), समस्या सोडवणे याचा अंतर्भाव आहे. डेव्हिन हा मशीन लर्निंग अल्गोरिदमचा वापर सतत शिकण्यासाठी आणि त्याचे कार्यप्रदर्शन सुधारण्यासाठी आणि नवीन आव्हानांनुसार जुळवून घेण्यासाठी करतो.

सोप्या शब्दात सांगायचे तर, डेव्हिन हा एंड-टू-एंड ॲप्स तयार आणि इंस्टॉल करू शकतो आणि स्वतःचे AI मॉडेल्स प्रशिक्षित आणि फाइन-ट्यून देखील करू शकतो. डेव्हिन निर्मात्यांचे म्हणणे आहे की, डेविन नावाच्या एआय एजंटने व्यावहारिक अभियांत्रिकी मुलाखती उत्तीर्ण केल्या आहेत ज्या आघाडीच्या इतर कंपन्यांनी आयोजित केल्या होत्या.

हे लक्षात घेणे आवश्यक आहे की, कंपनीने Devin AI ला शक्ती देणाऱ्या AI मॉडेलबद्दल काहीही उघड केलेले नाही किंवा तपशीलवार तांत्रिक वैशिष्ट्ये देखील उघड केलेली नाहीत. पण ती ओपनएआय कोडेक्स, गिटहब कोपायलट, पॉलीकोडर, कोडटी5, टॅबनाईन इ. कोडींगमध्ये मदत करणारी लोकप्रिय साधने आहेत. सध्या गिटहब लोकप्रिय आहे.

GitHub हे काय आहे? तर हा एक लोकप्रिय ऑनलाईन सोफ्टवेअर डेव्हलपमेंट प्लॅटफॉर्म आहे, ज्यात अनेक सॉफ्टवेअर इंजिनियर्स जगातील वेगवेगळ्या भागात बसून एकाच प्रोग्राम वर काम करतात आणि त्याचा कोड लिहितात. एखाद्याचा कोड चुकला तर तो करेक्ट करून एडिट करतात आणि एकमेकांना मदत करतात. असे विविध प्रोग्राम आणि कोड ह्या GitHub च्या रीपॉझिटरी मध्ये ठेवलेले असतात. अर्थात यात असेच प्रोग्राम तुम्ही ठेवू शकतात जे ओपन सोर्स आहेत. विविध कंपन्या जे खाजगी एप्लीकेशन किंवा सॉफ्टवेअर बनवून कस्टमरला देते त्याचा कोड (ज्याला सोर्स कोड म्हणतात) गुप्त ठेवलेला असतो तो सर्वसामान्य जनतेसाठी उघड केलेला जात नाही. तो कोड फक्त कस्टमर आणि कोड बनवणारे सॉफ्टवेअर डेव्हलपर यांनाच माहीत असतो. तशी एग्रीमेंट कंपनी आणि कस्टमर मध्ये झालेली असते.

मात्र युनिक्स सारखी ऑपरेटिंग सिस्टीम आणि इतरही काही अनेक एप्लीकेशन्स संपूर्ण जगाला त्याचा कोड उपलब्ध करून देते. म्हणजे ती ऑपरेटिंग सिस्टीम बनवण्यासाठी जो कोड वापरण्यात आला आहे तो कोड सुद्धा अभ्यास करण्यासाठी सगळ्यांसाठी उपलब्ध असतो. यालाच ओपन सोर्स असे म्हणतात. तर अशा सगळ्या ओपन सोर्स कोडवर GitHub मध्ये काम चालते.

GitHub वापरण्यासाठी तुम्हाला फक्त काही Git कमांड्स माहित असणे आवश्यक आहे. GitHub कोड संचयित करण्यासाठी आणि सहयोग करण्यासाठी विनामूल्य आणि सशुल्क योजना ऑफर करते. काही योजना केवळ वैयक्तिक खात्यांसाठी उपलब्ध आहेत, तर इतर योजना केवळ संस्था आणि एंटरप्राइझ खात्यांसाठी उपलब्ध आहेत. GitHub तुम्हाला फाइल्स किंवा कोड तयार करण्यास, संचयित करण्यास, बदलण्याची, विलीन करण्याची आणि सहयोग करण्यास अनुमती देते.

टीमचा कोणताही सदस्य GitHub रेपॉजिटरीमध्ये (साठा) प्रवेश करू शकतो आणि रिअल-टाइममध्ये सर्वात अलीकडील कोडची आवृत्ती पाहू शकतो. त्यानंतर, ते संपादन किंवा बदल करू शकतात, जे इतर सहयोगी देखील पाहू शकतात.

मग आपला डेव्हिन काय करतो? त्याला एकदा का या अमर्यादित ऑनलाइन सॉफ्टवेअर कोडचा साठा असणारी लिंक दिली, की त्यातून तो शिकत जाऊन स्वत:च प्रोग्रामिंग करू लागतो.

डेव्हिन लवकरच सर्वांसाठी उपलब्ध होईल आणि कोणीही वेटलिस्टमध्ये सामील होऊन डेव्हिन वापरू किंवा "भाड्याने" घेऊ शकतो.

लोकांच्या मनात, विशेषत: सॉफ्टवेअर डेव्हलपर आणि इंजिनियर्सच्या मनात, सॉफ्टवेअर क्षेत्रातील नोकऱ्यांच्या भविष्याविषयी चिंता निर्माण झाली आहे.

मात्र कॉग्निशन कंपनी म्हणते, “डेव्हिन हा एक अथक, कुशल टीम मेंबर आहे, जो तुमच्यासोबत काम करण्यासाठी तत्पर आहे किंवा तुमच्या पुनरावलोकनासाठी स्वतंत्रपणे कार्य पूर्ण करतो. डेव्हिनला कामाला लावून इंजिनियर्स इतर समस्यांवर लक्ष केंद्रित करू शकतात आणि संपूर्ण सॉफ्टवेअर डेव्हलपमेंट टीम ही डेव्हिनच्या मदतीने अधिक जास्त महत्त्वाकांक्षी उद्दिष्टांसाठी प्रयत्न करू शकते”.

यामुळे जरी थोडा दिलासा वाटत असला तरीही भविष्यात काय होईल ते काळच ठरवेल! म्हणूनच म्हणतो की, थांबा! आधी समजून घ्या, या दोघां AI ना! कदाचित तुम्ही जिकडे जात असाल तिकडे आधीच या AI नी तुमचे दरवाजे बंद करून टाकले असतील तर, तुम्हाला मार्ग बदलणे भाग पडेल.

असे जरुरी नाही आहे की, प्रत्येकच एआय मशीन हे माणसाप्रमाणे दिसणारे असेल. त्या मशीनचे रूप कसेही असू शकते. जेसीबी मशीन हा एक रोबोट आहे पण तो स्मार्ट नाही कारण त्याला ऑपरेट करायला माणूस लागतो. एखाद्या मशीन मध्ये जे सॉफ्टवेअर टाकले आहे ते त्या मशिनला माणसाप्रमाणे निर्णय घेण्याचे हक्क प्रदान करेल तेव्हा खऱ्या अर्थाने मानवाची तिथे गरज संपली असे म्हणता येईल. रोबोटिक्स विषय थोडाफार ज्यांना माहिती आहे, त्यांना मी काय म्हणतो आहे ते समजेल. काही AI हे फक्त कॉम्प्युटर मधल्या एका प्रोग्रामच्या स्वरूपात सुद्धा असू शकतात. आज अनेक क्षेत्रात जिथे मानवाने काम करणे जोखमीचे आहे तिथे रोबोटिक्स मशीन कार्यरत आहेत जसे अंधाऱ्या खाणी, शहरातील घाण नाले सफाई, किंवा बॉम्ब शोधक पथक वगैरे.

रजनीकांतच्या रोबोट चित्रपटाप्रमाणे भविष्यात बुद्धिमत्ता ठासून भरलेल्या या सर्व AI मध्ये जर "भावना" टाकता आल्या तर? मग हा AI रोबोट कंपन्यांमध्ये माणसासारखा एकमेकांवर कुरघोडी करणे, राजकारण खेळणे, चुगल्या करणे अशा गोष्टी करू लागेल.