ए.आय -२०२६

अस्वला, उत्तम विषय आहे.

मी गेल्या महिन्यापर्यंत एआय वापरून कोड लिहायला तयार नव्हते. पण गेले ३-४ आठवडे पटापट काम करायचं म्हणून एआय वापरलं; शिवाय नक्की काय करायचं हे माहीत होतं त्यामुळे एआय बरळायला लागलं तरीही ते सहज थांबवता येत होतं. त्यामुळे काम किती पटापट झालं, आणि तेही मी एकटीच कोड लिहीत असूनही, याची जाणीव झाली.

अजूनही मी माहीत नसलेल्या गोष्टी एआयच्या हवाली करणार नाही. विशेषतः फार पॉप्युलर नसणाऱ्या विषयांमध्ये. उदाहरणार्थ, उपग्रहातून मायक्रोवेव्ह फ्रिक्वेन्सीला घेतलेल्या प्रतिमांचं काय करायचं - हे काम लवकरच सुरू करणार आहे. हे मला फार माहीत नाही आणि माझा एआयवर फार विश्वासही नाही. याबद्दल आणखी दोन वर्षांनी काय म्हणेन कोण जाणे!

गेलं जवळजवळ वर्षभर माझ्याकडे ऑफिससाठी मायक्रोसॉफ्ट कोपायलट आहे - कोडवालं निराळं. "ती चार महिन्यांपूर्वी अमका-फलाणा मजकूर असलेली स्लाईड बघितली होती, ती शोधून दे" अशा छापाच्या गप्पा रोजच चालतात.

स्लाईड सुंदर बनवण्याचं काम मी कोपायलटकडूनच करून घेते. ते सौंदर्य थोडं पॉर्नसारखं असतं - बघितल्यावर समजतं, पण नक्की काय हवं ते सांगता येत नाही.

ऑफिसच्या महत्त्वाच्या मिटींगांमध्ये मी नोट काढणं सोडून दिलं आहे; ते कामही आता कोपायलट करतं. जिथे कोपायलट वापरता येत नाही, तिथे फार चिडचिड होते बिनडोक कामं करायला पर्याय असूनही वापरता येत नाही म्हणून.

माझ्या मते कुठलं मॉडेल कुठल्या कामासाठी जास्त चांगलं आहे असा धागा पाहिजे...

कोडींगसाठी माझा अनुभवः

कोडेक्स आणि क्लॉड मध्ये मला क्लॉड जास्त स्मार्ट वाटलं. त्याने एक बग ( स्टॅक्ड बार चार्ट साठी ) जो Chart.js आणि AngularJS च्या वेगवेगळ्या व्हर्जनमुळे असलेला बग शोधून दिला.. व्हर्जन फिक्स करायला सांगितले.. कोड चालला... कोडेक्सने खूप फिक्सेस दिले पण चाललं नाही. पण कोडेक्स वाईट नाही. गीटहब कोपायलट मी वापरलेले नाही. पण कोडेक्स ती उणीव भरून देतो.. त्याला इन्क्रिमेंटल फीचर साठी काय बदल करावा लागेल हे सांगितले तर तो बरोबर फाइल्स शोधून बदल करून देतो.

क्लॉडचं मी सबस्क्रिप्शनघेतले.. कोवर्क साठी... लॅपटॉप/डेस्कटॉपची छोटी छोटी कामं ऑटोमेट करू शकेन हा विचार करून... पण ते फिचर्स इतके पण इम्प्रेसिव्ह नाही वाटले.. बघू अजून वापरून बघतो आहे. पण थोडक्यात क्लॉड मला थोडं अ‍ॅडव्हान्स्ड मॉडेल वाटलं (इन जनरल.. नॉट जस्ट फॉर कोडींग, पीडीएफ रिड करून अनस्ट्रक्चर डेटा स्ट्रक्चर्ड फॉर्म मधे घेऊन येणे इ. कामासाठी). बाकी छोट्या मोठ्या कामासाठी विंडोज कोपायलट पण खूप चांगलं आहे. मी गूगल सर्च च्या ऐवजी विंडोज कोपायलट जास्त वापरतोय... गुगलचं जेमीनी मला सगळ्यात लेचंपेचं मॉडेल वाटलं.. त्यामानाने चायनिज डीपसीक पण खूप चांगलं आहे. काल त्यांचं नवीन मॉडेल आलं पण ते तितकं काही खास नाही असा सूर ब्लूमबर्गवर दिसला... ही एआय आर्मरेस दिवसेंदिवस नेक टू नेक होत जाणार आहे असं वाटते...

अवांतर...

सध्या इंडियन आय टी सर्व्हिसेस इंडस्ट्री मध्ये "एआय डिफ्लेशन" हा शब्द मॅनेजमेंट कॉल्स आणि अ‍ॅनालिस्ट्स मध्ये चलनी झाला आहे... स्ट्रीट हे गृहीत धरून चालले आहे की, दरवर्षी साधारण २% ते ५% आयटी सर्व्हिसेसचे काम ऑटोमेट होईल... मला ५% टक्के पण खूप कन्झर्वेटीव्ह एस्टीमेट वाटते. कारण ५% च्या हिशेबाने पण ५०% टक्के काम ऑटोमेट करायला १०-१२ वर्ष जातील. पण एकंदर यामुळे आय टी सर्व्हिसेस इंडस्ट्रीचा रेव्ह्यून्यू धोक्यात आहे. आयटी इंडेक्स जवळ जवळ २०% ने पडला आहे. आणि त्याच्या अगदी उलट साउथ कोरीया आणि तैवान मध्ये एआय बूम चालू आहे.. दोनही इंडेक्स जवळ जवळ ३०% वर आहेत... गेल्या आठवड्यात न्यूझिलंडच्या कुठल्याशा फुटवेअर कंपनीने नावात ए.आय. काय केलं आणि स्टॉक ६००% (होय ६००%) वर गेला.

रोचक विषय. माझेही चार आणे जमतील तसे ॲड करेन.

उबरची बातमी वाचलीच असेल. वर्षभराचे पूर्ण बजेट एका क्वार्टरमधे चट्टामट्टा. आणि उबर एकटी नाही. आता यावर कंट्रोल ठेवायला पाहिजे होता ही पश्चातबुद्धी अनेक कंपन्यांना होते आहे.

मॉडेल फार जागतिक पातळीवर (विषय) ट्रेन झालेलं असण्यापेक्षा खास विषयासाठी डिस्टिल करून किंवा डाउनलोड करून वापरल्याने टोकनावरी पैसे जाणे टाळता येते. शिवाय एक लेअर मध्ये ठेवून प्रत्येक वेळी पूर्ण कन्टेन्ट मॉडेलकडे न पाठवता नेमका भाग पाठवणे असे उपाय केल्यास बॅलन्स होईल. नाहीतर मनुष्यबळ चाळीस टक्के कमी करणे आणि कोडिंग, डिलिव्हरी वेग दुप्पट वाढवणे या नादात बिले दहापट होत आहेत.

हापिसातली कामंच नव्हेत, तर घरीही ह्याचा वापर होतो आहे.
मागल्या महिन्यात कुठल्याश्या मसण्या साईटने "सगळी डॉक्युमेंट्स ५ एम्बी" च्या आतच अपलोड करा असा फतवा काढला.
मी घाबरलो नाही. कोपायलटला एक स्क्रिप्टायला सांगितलं, त्याने छानबीन करून मला माझी २० एक कागदं त्या ५ एम्बीच्या आत व्यवस्थित बसवून दिली.
२०२५ पूर्व मी ह्यासाठी स्वतः एक कोड लिहिला असता, आणि तो जीवापाड जपून पुन्हा वापरायला म्हणून सुरक्षित लपवला असता. आता नाही.
"कोड" आता टाकाऊ आहे- २० वर्षं प्रोग्रॅमिंग केल्यावर हे पटायला फार अवघड आहे, पण तरीही वस्तुस्थिती अशीच आहे.
कोड आता क्षणभंगुर आहे. त्याने काम झाल्याशी मतलब.

आणखीही बर्‍याच गोष्टी आता मला घरच्या घरी "करून पाहता" येतात आणि आवडल्या नाही तर मी ते सगळं मोडून टाकायला कचरत नाही.

कोड कशासाठी लिहिला आहे त्यानुसार तो टाकाऊ आहे का नाही हे ठरेल. बारक्या कामांसाठी लिहिलेले छोटे-मोठे कोड आधीही टाकाऊ होत असतीलच. आता ते चटपट टाकाऊ होतील.

उलटपक्षी, जर बरे लोक प्रॉडक्शन कोड लिहीत असतील तर तो कदाचित जास्त बरा लिहितील - विशेषतः हे (माझ्यासारखे) कन्सल्टन्ट छापाचे लोक पाट्याटाकू कोड लिहिताना आजूबाजूला दिसतात, त्यांना कदाचित बरा कोड लिहिता येईल.

कॅलिफोर्निया राज्यासाठी आम्ही एक प्रकल्प विकण्याच्या प्रयत्नात आहोत. तिथे मेडिकेडचं (राज्याकडून मिळणारा आरोग्य विमा) जेव्हा नूतनीकरण करण्याची वेळ येते, वर्षातून एकदा, तेव्हा लोकांच्या घरी छापील अर्ज जातात. लोकांची जितकी माहिती राज्याकडे आहे, ती यात भरून पाठवतात, आणि जी माहिती बदललेली असेल ती लोकांनी भरून अर्ज परत पाठवायचा. बहुसंख्य लोक हा अर्ज ऑनलाईन भरतात. तरीही महिन्याला दोनेक लाख अर्ज असे पत्राद्वारे येतात.

हे हातानं भरलेले अर्ज मग लोक हातानं टंकून माहिती पूर्ण करतात. हे काम ऑटोमेट करण्यासाठी जनरेटीव्ह एआय, भाषिक मॉडेलं वापरता येतील, असा आमचा प्रकल्प आम्ही कॅलिफोर्नियाला विकायच्या प्रयत्नात आहोत.

त्यात गंमत अशी की या विम्यासाठी पहिल्यांदा अर्ज करतात तेव्हा अर्जाची पीडीएफ तयार होते, आणि हे केस वर्कर लोक ती पीडीएफ बघून पुन्हा ती सगळी माहिती टंकतात. (हे ऐकून मी कपाळाला हात मारला होता.)

या केस वर्कर लोकांना ताशी २५ डॉलर वगैरे पगार असतो. लॉस एंजेलिसमध्ये जास्त असेल आणि इतर काही गरीब परगण्यांमध्ये कमी असेल. हे लोक फार काळ तिथे टिकत नाहीत. मग नवे लोक येतात. नव्या लोकांना नवीन ट्रेनिंग द्यावं लागतं. तेही हल्ली उरकून टाकतात, असं मला सांगण्यात आलं. मग त्यांच्या मदतीसाठी आणखी चॅटबॉट बनवायचे. यासाठी मोठमोठ्या कन्सल्टिंग कंपन्यांना चिक्कार पैसे द्यायचे. त्यांनी आणखी पैसे खर्चून हे बॉट वगैरे बनवायचे, म्हणजे लोक फटाफट नोकऱ्या बदलत राहिले तरी कामात चुका कमी होतील. 

मग मुळातच या केस वर्कर लोकांना जास्त पैसे आणि जास्त ट्रेनिंग दिलं असतं तर ते सोडून जायचं प्रमाण होईल आणि कमी चुका होतील ना? असले प्रश्न मी विचारायचे नाहीत, कारण त्यातून माझी नोकरी धोक्यात येईल!

क्लॉड कोवर्कने काल माझ्या एका फोल्डरमधल्या १०० एक CSV फाईल्समध्ये एक व्हॅल्यू (टिकर चेंज LTIM -->LTM) फक्त चॅट इन्स्ट्रक्शनवर बदलून दिली...

अशा कामासाठी एआयला अगोदर युटिलिटी कोड लिहायला सांगावं लागायचं, मग तो स्वतः रन करावा लागायचा... आता ती पण झंझट नाही. त्याला फोल्डर अ‍ॅक्सेस दिला की तो फक्त इन्स्ट्रक्शनवर काम करून देतो.

ना युटिलिटी कोड लिहून घेणे, ना कोड रन करणे, ना सेव्ह करण्याची कटकट.

"Copilot Tasks" पण अशीच कामं करून देईल असं वाटतं. इथे भारतात तरी अजूनही “You’re on waitlist” असं दाखवतंय...तुम्हा कुणाला अ‍ॅक्सेस मिळाला का?

मी काहीवेळा पूर्वी युट्यूबवर सफर करत असताना महाराष्ट्रातील शेतकर्‍यांनी ए०आय० चा स्वीकार केलेला पाहून आश्चर्यचकीत झालो. ज्या वेगाने या वर्गात ए०आय० पसरला आहे, त्यावरून भारतीय शेतीचे भविष्य उज्ज्वल आहे, असे वाटते.

आत्ताच वाचलं,

Based on the trials that actually analysed the responses of hundreds of doctors against LLMs, the findings highlighted that AI-powered systems are potentially inching closer to supporting real-life doctors with decision-making.

https://www.msn.com/en-in/health/general/can-ai-diagnose-patients-bette…

आद्रता, पोषक तत्व साठी सेन्सर,.
पण प्रत्येक 10 फूट वर माती च. प्रकार वेगळा असतो. आद्रता, आणि पोषक तत्व वेगळी असतात. उत्पादन खर्चात वाढ होते बाकी काही फायदा होत असेल वाटत नही.

पानांचे फोटो काढून अँप ला पाठवणे मग ते अँप कोणता रोग आहे हे सांगणार.
मुळात पिकांवर 4 ते 5 प्रकार चे च रोग पसरतात. माणसा सारखे हजारो रोग पिकांना होत नाहीत. पण ह्या अँप मुळे खूप मोठा डेटा विदेशात जातो.. त्याचा वापर चुकीच्या रिती ने होण्याचाच धोका जास्त आहे.

चीन सारखे स्वतः चे search इंजिन असेल तर च असले अँप सुरक्षित आहेत.
शेतीत ड्रोन च वापार म्हणजे परत उत्पादन खर्चात वाढ जे काम माणूस करतो त्याला drone ची गरज नही.

You tube वरील व्हिडिओस जाहिराती जास्त असतात माहिती साठी कमी असतात.

Insta वर बघून धोत्र्या च्या पाना ची भाजी एका कुटुंब ने बनवून खाल्ली आणि गंभीर आरोग्य समस्या आली news मध्ये होते हे.

Ai वापरा मुळे मायक्रोसॉफ्ट आणि उबेर च वर्षाचं बजेट 4 ते 5 महिन्यात च संपले.
मानवी कर्मचाऱ्या न पेक्षा ai महागात पडले

एक वर्षाचा तांत्रिक धांडोळा -?
२०२५ साली जानेवारीत मला पहिल्यांदा ए.आय वापरताना "बापरे, हे प्रकरण इथवर आल्ंय?" असं वाटलं होतं. ए.आय वापरून कोडिंग करताना एवढी मदत होऊ शकते- हे मला खरंच वाटलं नाही. हे "वाटलं" तेव्हा ए.आय काय करत होता?
- कोड कसा लिहावा हे संपूर्ण सांगणे [सुरुवात ते शेवट], आणि स्वतःच तो लिहिणे.
- टेस्ट करणे [म्हणजे लिहिलेला कोड बरोबर आहे की नाही, ते तपासणारा कोड]
- इतर "निर्णय घ्यायला" मदत - म्हणजे हे करू की ते करू?
- पूर्ण सिस्टिमची माहिती.
पण ह्यासाठी मला बरीच डोकेफोड करून त्याला आपण जे "प्रॉंम्ट" म्हणतो, ते खूप तपशीलवार लिहून द्यावं लागे. नाहितर कचरा हाती येई. शिवाय फार मोठी कामं त्याला झेपत नसत. मग पुन्हा नवीन सुरुवात. किंवा "हे कर, मग ते कर, मग असं झालं तरच पुढे जा" वगैरे तपशीलही त्याल नीटसे कळत नव्हते.

आता २०२६ साली १ वर्षानंतर ए.आय काय करू शकतो?
- पूर्ण कोड लिहिणे [ प्रॉम्ट खूप छोटा असला तरीही]
- स्वतः चुकांमधून शिकणे. [त्याचं स्वगत [मोनोलॉग]] वाचला, तर हे समजतं. उदा. मधे एकदा काहीतरी कामात त्याने स्वत:चा निर्णय घेताना "I am torn between these two descisions" असं काही लिहिलं होतं.
- पूर्ण "काम" करणे, आणि त्यासाठी एजंट लोकांची मदत घेणे.
उदा. समजा एक काम आहे, की दर सोमवारी ११ वाजता ४ साईट तपासून त्यावर स्वत:चा करून एक नवीन रिपोर्ट तयार करून तो सगळ्यांना पाठव.
हे आता ए.आय २०२६ मधे स्वतः पूर्णपणे करू शकतो.
म्हणजे आता "कामं करायची पद्धतच" बदलते आहे.

- दुसर्‍या एजंट [ए.आय] सोबत काम करून १-२-३ अशा चढत्या भाजणीची गुंतागुंतीची कामं आता ए.आय करतो.
आणि हे तो एकाच वेळी करतो [समांतर]

हे काही वानगीदाखल.
मला लक्षात आलं की १ वर्षात माझी काम करायची पद्धत फारच बदलली आहे.
[गेले काही आठवडे मी कोड फारसा बघितला नाहे, सगळं काही डॉस किंवा युनिक्स "टर्मिनल"मधूनच.]

मी नऊ वर्षांपूर्वी डेटा सायंटिस्ट म्हणून नोकरीला सुरुवात केली. मला कोड लिहायला आवडत नाही, पण तांत्रिक काम करायला आवडतं. त्या कामासाठी कोड लिहिणं गरजेचं. मला कोड लिहायला आवडत नाही, हे मला खरं पटलं ते एआय वापरून बदाबदा कोड पाडल्यानंतर. पण इतकी वर्षं स्वतः काम करण्याचा अनुभव मला महत्त्वाचा वाटतो.

आता डेटा सायन्स आणि मशीन लर्निंगची फार प्रोजेक्टं सापडत नाहीयेत. त्यामुळे माझ्यासमोर सध्या दोन पर्याय आहेत. फॅन्सी प्लंबिंग उर्फ एजंट वगैरे तयार करायला शिकणं किंवा एआय वापरून प्रश्न कसे सोडवता येतील हे शोधणं. कोड लिहायला आवडत नाही, हा साक्षात्कार झाल्यापासून मला दुसरा पर्याय, कमी तांत्रिक काम असलं तरीही, अधिक आकर्षक वाटायला लागला आहे. कोड लिहायला काय, क्लोदही आहे. परवा मी RAG (Retreival Augmented Generation) स्वतःचा लॅपटॉपवरच कसं तयार करायचं असं विचारलं तर क्लोदनं दोन-चार मिनिटांत कोड लिहून दिला. 

कालच ऐसीचा अपडेट केला. त्यानंतर इतर काही बग काढण्यासाठी दुसरी चाचणी साईट इनस्टॉल केली तेव्हा काही कारणानं मुख्य ऐसीच बंद पडलं होतं. क्लोदकाकांनी ते निस्तरायला मदत केली. 

कोणत्या हि व्यवसाय मध्ये उत्पादन खर्च कमी ठेवण्या वर जास्त लक्ष केंद्रीत असते मानवी श्रम ai मध्ये बदलण्यात उत्पादन खर्च कमी करणे हा एक हेतू आहे.
आणि वेग वाढणे हा दुसरा हेतू.
दोन्ही साध्य झाल तरी व्यवसाय वाढत नसेल तर ai वर कोणी हि जास्त खर्च करणार नाही.
Ai मानवी श्रम पेक्षा महाग आहे. सिद्ध होत आहे.
Ai मुळे व्यवसाय वाढत आहे हे सिद्ध होणे बाकी आहे..

क्लॉड चे टोकन्स पटकन संपतात, आणि कोपायलट बरंच काम करून देतो. पण अजूनही कोपायलट टास्क्स साठी मला यू आर ऑन वेटलिस्ट असंच दाखवतंय.

फुटकळ कामं फुकटात ऑटोमेट करता येतील म्हणून मी लामा ३.१ इन्स्टॉल करून पाहिलं. मॉडेलची क्वालिटी ठीकठाक आहे, पण साध्या लॅपटॉपवर स्पीड खूपच कमी आहे. त्यामुळे जीपीयू शिवाय हे मॉडेल चालवण्यात फारसा अर्थ नाही. कदाचित नवीन येणारे लॅपटॉप्स एन्व्हीडीआ जीपीयू सहीत येतील. ऑफिसमध्ये काम करणाऱ्यांनी ते वापरून पाहिलंही असेल. पण घरी रन करण्यासाठी कुणी डेस्कटॉप/लॅपटॉप (हार्डवेअर) अपग्रेड करून लामा चालवून पाहिलं आहे का?
असल्यास अनुभव कसा आहे?

साध्या सरळ process चे तुकडे करून प्रत्येक तुकड्या चे पैसे उकळणे. सारखे update करत राहून पैसं उकळणे हे ai giant च काम आहे.
जसे नवीन मॉडेल च नावं देऊन फक्त गाडी च्या आरशाच्या आकारात बदल करून दोन तीन लाख किंमत गाडी ची वाढवतात
तसें आहे हे

भाविश आगरवाल या उद्धट आणि पाशवी माणसाचे कृत्रिम हे भारतीय ए०आय०चे स्वप्न भंग पावल्याचे कळले आणि आनंद झाला.

जेव्हा तुम्ही स्वतःला पुरेसे शूर समजत असाल तेव्हा चॅटजीपीटीला हे प्रश्न विचारा.

आज दोन मोठ्या बातम्या वाचल्या… एक म्हणजे अ‍ॅन्थ्रॉपिकने यूएस एससीसी कडे आयपीओसाठी एस‑वन दाखल केलं आहे. अ‍ॅन्थ्रॉपिकचं व्हॅल्यूएशन आता साधारण ९५० बिलिअन डॉलर्स आहे आणि लिस्टिंगनंतर ट्रिलियन डॉलर्स क्रॉस करण्याची शक्यता बोलली जात आहे. त्यांचा रेव्हेन्यू रन‑रेट जवळजवळ ४७ बिलिअन डॉलर्सपर्यंत पोहोचला आहे आणि कंपनी पहिल्यांदाच नफा दाखवण्याच्या मार्गावर आहे.

दुसरी बातमी म्हणजे फ्लोरिडात ओपनएआय आणि सॅम ऑल्टमनवर खटला दाखल केला आहे. ओपनएआयचाही आयपीओ ऑन डेक असल्याचं गेल्या काही आठवड्यांपासून बोललं जात होतं… मस्कसोबतचे वाद, मायक्रोसॉफ्टचे स्टेक्स हे सगळं सुरू असतानाच हा खटला समोर आला.

खरंच यात काही कॉर्पोरेट रस्सीखेच आहे का, की फक्त टायमिंग योगायोगाने जुळलं हे सांगणं कठीण आहे. पण दोन्ही कंपन्या एकाच वेळी वॉल स्ट्रीटवर जाण्याच्या शर्यतीत आहेत.

अ‍ॅन्थ्रॉपिकचं नवं फेबल ५ मॉडेल वापरून पाहिलं. हे त्यांच्या मिथॉस मॉडेलचं मॉडिफाईड व्हर्जन असल्याचं म्हणतात… ज्यात काही सेफ्टी‑रिस्ट्रिक्शन घातले आहेत, जेणेकरून मॉडेलचा गैरवापर (विशेषतः हॅकिंगसारख्या गोष्टींसाठी) होऊ नये. अलीकडेच आरबीआयने भारतीय बँकांना या मॉडेलमुळे उद्भवू शकणाऱ्या रिस्कबद्दल जागरूक राहण्याचा सल्ला दिला आहे.

खरं सांगायचं तर मॉडेल खूपच स्मार्ट वाटलं. मी त्याला एक क्लासिफिकेशन‑टास्क दिला. बहुतांश भाग रूल‑बेस्ड होता, पण काही ठिकाणी नियमांच्या बाहेर जाऊन थोडा विचार करून निर्णय घ्यावा लागणार होता (डिस्क्रिशन), जो साधारणपणे अनुभवी माणूसच नीट करू शकतो. हाच टास्क मी कोपायलटलाही दिला होता. पण फेबलचं आउटपुट खूपच उत्तम निघालं. जिथे डिस्क्रिशन घ्यावा लागला, तिथे "हा निर्णय का घेतला" याची शेवटी नोटस लिहायला सांगितली होती आणि त्या नोट्स अनुभवी विश्लेषकाने लिहाव्यात तशाच वाटल्या.

नेटवरही असे प्रयोग लोकांनी करून पाहिले आहेत. एकाने लेझर‑बीमचा एक गेम डिझाइन करण्याचा कॉम्प्लेक्स टास्क (ज्यात भौतिकशास्त्र, गणित इत्यादी विषयांचं ज्ञान लागेल) वेगवेगळ्या मॉडेल्सना दिला. आणि दोघांचे आउटपुट बाजू‑बाजूला दाखवून तुलना केली… https://www.youtube.com/watch?v=I3PYGi_tGy0

जितके पृथ्वी वरील सर्व माणसांना पानी लागेल तितके किंवा त्या पेक्षा जास्त पानी डेटा सेंटर ला लागेल हे माहित झाल्यापासुन जगभरात ai आणि डेटा सेंटर च विरोध होत आहे. खुद्द अमेरिकेत लोक विरोध करत आहेत

विदाकेंद्रे पाणी आणि वीज प्रचंड प्रमाणात खातात याची मला कल्पना आहे. काही ठिकाणी त्याला विरोधही होत आहे. त्या बातम्या मी वाचल्या आहेत. उस, दारू उद्योग, साखर कारखाने या सगळ्यांनाही पाणी मोठ्या प्रमाणात लागतेच. तरीपण पाण्यासारख्या नैसर्गिक साधनसंपत्तीवर हक्क कोणाचा असावा हा प्रश्न आहेच. काही आठवड्यांपूर्वी लोकरंगमध्ये पाण्यावर एक लेख आला होता. पाण्यामुळे लोकांचे कसे हाल होतात यावर. बीबीसी मराठीनेही पुण्याजवळच्या धरणांलगतच्या गावांतील लोकांची परिस्थिती दाखवली होती. त्यामुळे जर दुष्काळसदृश संकट निर्माण होत असेल, तर विदाकेंद्राला विरोध करणे चुकीचे म्हणता येणार नाही. 

तरीही मला वाटते की हा प्रवाह आता थांबविणे जवळजवळ अशक्य आहे. पाण्यापेक्षा हवेतून चालणाऱ्या कूलिंग सिस्टीम्सही विकसित होत आहेत. आणि टेक जायंट्स (अमेझॉन, मायक्रोसॉफ्ट, गुगल, मेटा) यांच्या कॅपेक्स प्लॅन्सकडे पाहिले तर पुढील दोन वर्षांत या कंपन्या दरवर्षी साधारण १०० ते २०० अब्ज डॉलर्स एआय कॅपेबिलिटीवर खर्च करणार आहेत. ते त्यात प्रॉफिटेबल होतील का? हा वेगळा प्रश्न आहे. 

आज दोन बातम्या वाचल्या. पहिली वॉल स्ट्रीट जर्नलवर होती. अ‍ॅन्थ्रॉपिकच्या नवीन मॉडेलवर डेव्हलपर्स कम्युनिटीने नाराजी व्यक्त केली आहे. कारण मॉडेल नेमक्या कोणत्या क्वेरीज ब्लॉक करतं याबाबत पारदर्शकता नाही. अगदी "मायटोकॉन्ड्रिया", "जीन एडिटिंग", "पीसीआर", "डीएनए एक्स्ट्रॅक्शन" यांसारख्या पूर्णपणे शैक्षणिक आणि निरुपद्रवी शब्दांवरही तो अनावश्यकपणे सावध होत असल्याचे त्यांनी नमूद केले आहे. त्यामुळे मॉडेलचे सेफ्टी फिल्टर्स खूपच आक्रमक आहेत आणि सामान्य कामातही अडथळे निर्माण होतात, अशी त्यांची तक्रार आहे. 

दुसरी बातमी न्यूयॉर्क टाइम्सच्या डीलबुकवर होती. अ‍ॅन्थ्रॉपिकच्या सीईओने लिहिलेल्या "Policy on the AI Exponential" या निबंधाबद्दल. मी तो मूळ लेख वाचला, आणि तो नक्की वाचण्यासारखा आहे. भविष्यात काय वाढून ठेवले आहे, पुढची आव्हाने कोणती असतील, आणि त्याला सामोरे जाताना धोरणे कशी असावीत यावर अ‍ॅन्थ्रॉपिकच्या सीईओने पाच मुद्दे मांडले आहेत. 

१. Regulation and Public Safety: सायबरधोके ही फक्त सुरुवात आहे; पुढे जैविक धोके आणि त्यानंतर एआय ऑटोनॉमीचे धोके अधिक गंभीर असू शकतात. त्यामुळे अमेरिकेत जशी विमानकंपन्यांसाठी Federal Aviation Administration (FAA) आहे, तशाच प्रकारच्या कठोर चाचण्या, ऑडिटिंग आणि थर्ड पार्टी मूल्यांकन एआयसाठी अनिवार्य असावेत. विशेषतः सायबरसुरक्षा, जैविक शस्त्रनिर्मितीची क्षमता, नियंत्रण गमावण्याचा धोका, आणि ऑटोमेटेड R&D या चार क्षेत्रांत. (cybersecurity, biological weapons, loss of control of AI systems, and automated R&D)

२. Macroeconomics and Tax Policy त्याचे म्हणणे असे आहे की एआयमुळे अर्थव्यवस्था वेगाने वाढेल, पण विषमताही तीव्र होईल. अर्थव्यवस्था "वेगाने वाढ पण तीव्र विषमता (hyper growth, hyper inequality)" या मोडमध्ये अडकू शकते. कायमस्वरूपी नोकरी जाणे हा खरा धोका आहे. त्यामुळे wage insurance, retention tax incentives (कंपन्यांनी नोकरदार कमी न करण्यासाठी), UBI (युनिव्हर्सल बेसिक इन्कम) अशी साधने त्याने सुचवली आहेत. आणि विदाकेंद्रांमुळे वाढणाऱ्या ऊर्जा‑खर्चाचा भार एआय कंपन्यांनी स्वतः उचलणे. अ‍ॅन्थ्रॉपिकची ती पॉलिसी आहे. 

३. Accelerating AI’s Positive Impact यात तो एआयच्या सकारात्मक क्षमतेबद्दल बोलतो. विज्ञान, औषधनिर्मिती, ऊर्जा, उद्योग या सर्व क्षेत्रांत एआय प्रगतीला प्रचंड वेग देऊ शकते. पण ही प्रगती सुरक्षित, नियंत्रित आणि समाजहिताची राहण्यासाठी नियमन आणि वैज्ञानिक पायाभूत सुविधा यांची सांगड घालणे आवश्यक आहे. औषधनिर्मितीचे उदाहरण त्याने दिले आहे. 

४. The State and Civil Liberties यामध्ये त्याने राज्यसत्ता आणि नागरी स्वातंत्र्य यातील समतोलावर टिप्पणी केली आहे. शक्तिशाली एआय चुकीच्या हातात गेल्यास ते हुकूमशाहीचे अंतिम साधन ठरू शकते. त्यामुळे ऑटोनॉमस वेपन्स, सर्वेक्षण (बीग ब्रदर वॉचिंग यू सॉर्ट), डेटा‑ब्रोकर लूपहोल्स यावर आधीच तयारी करून जबाबदारीचे (accountability) नियम निश्चित करावेत. देशांतर्गत वापरावर बंदी असावी. 

५. Securing Leadership by Democracies हा भाग मला थोडा धोकादायक आणि आश्चर्यकारक वाटला. ज्याच्याकडे शक्तिशाली एआय आहे तो देश इतरांपेक्षा प्रचंड पुढे जाईल. त्याने लोकशाही राष्ट्रांनी एकत्र येऊन एक गट तयार करावा, आणि इतरांनी त्यात सामील व्हावे. गटाच्या आत‑बाहेर राहण्याचे फायदे‑तोटे असतील. गटातील देशांमध्ये chips, compute, semiconductor equipment यांचे मुक्त आदानप्रदान होईल; आणि हुकूमशाही प्रवृत्तीच्या राष्ट्रांना हे तंत्रज्ञान न देण्याचे संयुक्त धोरण असावे. थोडक्यात, त्यांनी मिळवलेला स्पर्धात्मक फायदा चीनला द्यायचा नाही. चिप्सवरून एवढी मारामारी का चालू आहे याची कल्पना येते. आणि यातून मला "एआय कॉलनायझेशन" आणि "सिलिकॉन कर्टन्स" या दोन कल्पना दडल्या असाव्यात असे वाटले. तुम्ही वाचून पाहा. कदाचित माझे आकलन (किंवा एक्स्ट्रापोलेशन) चुकीचेही असू शकते.