ए०आय० निर्मित कचरा

ए०आय० निर्मित कचरा
===============

-राजीव उपाध्ये

काही वर्षांपूर्वी उपग्रहामार्फत दळवळणाचे तंत्रज्ञान विकसित झाल्यावर त्याचा मोठा परिणाम टिव्हीवर झाला. डॉ० रिचर्ड रेस्टॅक नावाच्या एका न्युरॉलोजिस्टने माहितीच्या मार्‍याने लोक कसे स्वास्थ्य हरवून बसले हे सांगताना एक मजेशीर उदा० त्याच्या एका पुस्तकात दिले आहे [१] डॉ० रेस्टॅकच्या एका रुग्णाने "लेटेस्ट न्यूज"च्या वेडामुळे एकंदर १३ टिव्ही त्याच्या घरात बसवले होते.

आणखी एक वेगळे पण सर्वपरिचित असे उदाहरण घेतो. समजा एक सभा भरली आहे. सभेत मुख्य वक्त्याचे भाषण संपल्यावर आयोजक उपस्थित श्रोत्याना प्रश्न विचारायची संधी देतात. अनेक हात वर येतात. सुरुवातीला आयोजक एक-एक करत श्रोत्यांना प्रश्न विचारायची संधी देतात. पण कार्यक्रम ठराविक वेळेत संपविणे अपरिहार्य असल्यामुळे आयोजक सर्वांचे प्रश्न घेऊ शकत नसल्याबद्दल जेव्हा खेद व्यक्त करतात, तेव्हा नाराजीमुळे एकच गोंधळ उडतो. सर्वच जण एकाच वेळेला बोलू लागल्यामुळे मुख्य वक्ते आणि आयोजक हतबल होऊन जातात.

वर दिले्ली उदाहरणे सध्याच्या काळात ए०आय० निर्मित कचर्‍याची समस्या समजाऊन घेण्यासाठी अतिशय महत्त्वाची आहेत - प्रत्येक ए०आय० उत्पादकाला आपले स्पर्धेत वर्चस्व टिकविण्यासाठी, आपले उत्पादन जास्तीत जास्त लोकांपर्यंत पोचावे असे वाटते. तो त्यासाठी वेगवेगळ्या क्लृप्त्या योजतो. तसेच उपभोक्त्याच्या बाजूला प्रत्येकाला आपल्यासाठी हे तंत्रज्ञान काय देऊ शकते हे शोधायचे आहे, त्यामुळे प्रत्येकजण आपापल्या कुवतीप्रमाणे ते वापरून बघत आहे. त्यात इतरांनी ए०आय० कसा वापरावा यावर स्वयंघोषित तज्ज्ञ आपली मते हिरीरीने मांडत आहेत. मुद्दा असा की आपल्याकडे येणारी माहिती पोषक आहे की कचरा हे ठरविण्याची प्रत्येक व्यक्तीची समस्या मर्यादित असते. सर्व बाजूनी येणार्‍या अशा दबावामुळे ए०आय० निर्मित कचरा ही समस्या अधिकाधिक गंभीर बनत चालली आहे असे वाटते.

मानवी इतिहासात माहितीच्या अभावाची समस्या ही दीर्घकाळ प्रमुख होती. याचा मुख्य परिणाम मानवी सुरक्षिततेवर आणि प्रगतीवर झाला. परंतु डिजिटल आणि कृत्रिम बुद्धिमत्ता युगात आपण उलट टोकाला आलो आहोत. या बदलामुळे केवळ माहितीची उपलब्धता वाढली नाही, तर तिच्या गुणवत्तेचा, अर्थ लावण्याच्या क्षमतेचा प्रश्न निर्माण झाला. ए०आय०निर्मित आशयाच्या वाढत्या पूरामुळे हा प्रश्न अधिक तीव्र झाला. या पार्श्वभूमीवर, संदेश आणि गोंधळ यातील संतुलन समजून घेणे अत्यावश्यक ठरते.

संदेशनशास्त्रामध्ये (कम्युनिकेशन सायन्स) संदेश आणि गोंधळ यांचे प्रमाण ही एक मध्यवर्ती कल्पना आहे. गोंधळ वाढला की संदेश अस्पष्ट, कळेनासा होतो. ही कल्पना केवळ तंत्रज्ञानच नाही तर मानवी जीवनाच्या अनेक अंगाना स्पर्श करते. स्वयंशिस्तीचा अभाव मानवी जीवनातील गोंधळ वाढवतो. केवळ अभावच नाही, तर याला दुसरी एक बाजू आहे - समजा एखादी व्यक्ती किंवा समूह आपले वर्तन किंवा जीवन स्वत: स्वीकारलेल्या शिस्तीनुसार जगत आहेत. यावर जेव्हा इतर लोक भाष्य करू लागतात किंवा मूल्यमापन करू लागतात किंवा आपली शिस्त इतरांवर लादू पहातात, तेव्हा संघर्षाची ठिणगी उडते आणि गोंधळ आणखी वाढतो.

आजच्या डिजिटल युगात, अल्गोरिदम आपल्यावर आपण काय पहायचे याची एक प्रकारची 'शिस्त' लादतात. याला 'अल्गोरिदमिक पॅटर्नलिझम' (Algorithmic Paternalism) असे म्हणतात. यामुळे हे अल्गोरिदम उपभोक्त्याच्या स्वायत्ततेवर गदा आणतात आणि साहजिकच उपभोक्त्याची जी थोडीफार स्वयंशिस्त असेल तिला तडा जातो. याचा परिणाम म्हणजे तेव्हा उपभोक्ता आणि तंत्रज्ञान यांच्यात एक प्रकारचा तणाव निर्माण होतो. हळुहळु यामुळे एकूण डिजिटल अनुभवाचा दर्जा खालावतो किंवा क्वचित प्रसंगी उपभोक्त्याच्या मन:स्वास्थ्यावर परिणाम होतो.

ए०आय० निर्मित कचर्‍याचे धोके

गुगलसारख्या सर्च इंजिन्सवर आता ए.आय. निर्मित मजकुराचा इतका प्रभाव वाढला आहे की, मूळ आणि विश्वासार्ह माहिती शोधणे कठीण झाले आहे. लिंक्डइन (LinkedIn) सारख्या व्यावसायिक प्लॅटफॉर्मवर ५४% पेक्षा जास्त पोस्ट्स ए.आय. द्वारे तयार केल्या जात असल्याचे एका अभ्यासात समोर आले आहे.[३] केवळ ए.आय. निर्मित अजब आणि अर्थहीन व्हिडिओ प्रसिद्ध करून व्ह्यूज मिळवणार्‍या चॅनेल्सचा सुळसुळाट यूट्यूबवर झाला आहे.

ए.आय. निर्मित कचऱ्याचा सर्वात भयानक परिणाम म्हणजे 'मॉडल कोलॅप्स'. जेव्हा भविष्यातील ए.आय. मॉडेल्सना प्रशिक्षित करण्यासाठी मानवनिर्मित माहितीऐवजी आधीच अस्तित्वात असलेल्या ए.आय. निर्मित माहितीचा वापर केला जातो, तेव्हा त्या मॉडेल्सची गुणवत्ता ढासळते. ए०आय० मॉडेल्स प्रामुख्याने सरासरी माहितीवर (Average output) लक्ष केंद्रित करतात. त्यामुळे प्रशिक्षणादरम्यान मूळ मानवी डेटासेटमधील दुर्मिळ किंवा कल्पक भाग दूर्लक्षित होतात. ए.आय. मॉडेल्सने स्वतःच तयार केलेल्या माहितीवर पुन्हा प्रशिक्षण घेतल्यास, चुकांची साखळी तयार होते आणि कालांतराने मॉडेल अर्थहीन माहिती देऊ शकते. ए०आय० निर्मित माहिती मानवी माहितीच्या तुलनेत मग कमी वैविध्यपूर्ण बनते. यामुळे ए०आय० ची कल्पकता कमी होते आणि ए०आय० मॉडेल केवळ आधीच्या माहितीची नक्कल करू लागते.

गुणवत्तेवर अन्याय

ए०आय० निर्मित कचर्‍याचा मोठा परिणाम म्हणजे जे ए०आय०चा कल्पक आणि दर्जेदार वापर करत आहे त्यावर "लो-एफर्ट" असा सरसकट असा शिक्का बसल्याने होणारा अन्याय! ए०आय० तंत्रज्ञानाने पृथ्वीतलावर अवतार घेतल्यापासून तज्ञांमध्ये बृहत्भाषा प्रतिकृतींबद्द्ल बरेच नकारात्मक चित्र रंगवले गेले. त्यात तो थापा कसा मारतो हे पण उगाळले गेले. ए०आय०मुळे मानवी मेंदूच्या कार्यक्षमतेवर होणारा नकारात्मक परिणाम सर्वत्र चर्चिला गेला. याचा परिणाम ए०आय० च्या विश्वासार्हतेवर झाला. पण हे सर्व होत असताना ए०आय० आपली क्षमता वाढवून संशोधनातील आपली मदतनीसाची भूमिका अधिक प्रभावी बनवत होता. आज ए०आय० ने आपले श्रेष्ठत्व अनेक पातळ्यांवर सिद्ध केले तरी अजुनही आपण ए०आय० कडे संशयाच्या नजरेनेच पाहतो आणि संदेश आणि गोंधळाच्या संघर्षात संदेश हरवून बसतो आणि गुणवत्तापूर्ण निर्मितीवर अन्याय करतो. सुक्याबरोबर ओले पण जळते म्हणतात, तशातलाच हा प्रकार!

नुकतीच माझ्या फेसबुकच्या कालरेषेवर एक बातमी येऊन थडकली. टुरींग पारितोषिक विजेत्या प्रा० डोनाल्ड नुथ यांनी त्यांची एक अचंबित करणारी "यशकथा" प्रकाशित केली आहे. [२] प्रा० नुथ यांना अल्गोरिथ्मचे देवपिता (गॉडफादर) मानले जाते. त्यांनी आपल्या संशोधनात ॲन्थ्रोपिक च्या क्लॉड ४.६ या ए०आय० मॉडेलला आपले सहकारी बनवले आणि अनेक दिवस न सुटलेल्या समस्येचे उत्तर शोधले.

शुद्ध गणितातील अत्यंत किचकट आणि मानवी बुद्धिमत्तेसाठी अत्यंत जटील मानल्या गेलेल्या अनेक समस्या एका कोशाच्या रुपात आता ग्रथित केल्या गेल्या आहेत. त्यांना एर्डश कोश असे संबोधल जाते. हा एर्डश कोश न सुटलेल्या सुमारे एक हजार गणिती समस्यांची जंत्री आहे. जानेवारी २०२६ मध्ये आता ए०आय०च्या मदतीने अनेक दशके न सुटलेल्या एर्डश कोशातील ३ महत्त्वाच्या समस्या ए०आय० च्या मदतीने सुटल्याचे जाहिर करण्यात आले. नील सोमाणी या संशोधकाने एर्डश समस्या क्र० ३९७ जीपीटी ५.२ हे मॉडेल वापरून काही मिनिटात सोडविली. केव्हीन बॅरेटोने आपल्या एका सहकार्‍याबरोबर एर्डश समस्या क्र० ७२८ आणि ७२९ या समस्या सोडविल्या. गणितातील नोबेल मानले गेलेले फिल्ड पारितोषिक विजेते टेरेन्स टाओ यांच्यामते स्वयंचलित ए० आय० च्या मदतीने मिळवलेले हे यश लक्षणीय आहे.

ए०आय० मुळे अशी अनेक क्षेत्रात संशोधनाला गती दिली आहे. तिला बेदखल करणे किंवा कमी लेखणे हा एक प्रकारचा आत्मघातकीपणा ठरेल. नवीन वाहन, नवीन वस्तू घेतल्यावर ती मनसोक्त वापरण्याकडे माणसाची प्रवृत्ती असते. हळुहळु खर्चाचे गणित सांभाळताना (बिले भरताना) अशा वस्तूंच्या वापराचे स्वयं-नियमन होऊ लागते. ए०आय०च्या वापराबाबत असेच होईल. पण ए०आय०च्या एकूण व्यापकतेमुळे यासाठी बरीच वाट बघावी लागेल, असे मला वाटते.

[१] https://archive.org/details/brainhasmindofi00rest
[२] https://www-cs-faculty.stanford.edu/~knuth/papers/claude-cycles.pdf
[३] https://originality.ai/blog/ai-content-published-linkedin#

अवांतर - वरील लेख https://app.originality.ai/share/b2ug9synlh780krj च्या मते ९१% ओरीजिनल आहे! माझे स्वत:चेच पूर्वी केलेले लिखाण वापरल्यामुळे स्कोअर थोडा कमी झाला आहे. तसेच माझ्या पूर्णपणे स्वत:च्या वाक्य रचना ए०आय० निर्मित दाखवत आहे.