रविंद्र: तू बऱ्याच दिवसांपासून मला विचारते आहेस की हे मशीन लर्निंग म्हणजे नक्की काय?
अंजली: हो ना! म्हणजे, जेव्हा आपण AI किंवा कृत्रिम बुद्धिमत्ता आणि अशात चॅटजीपीटी (ChatGPT) वगैरे बद्दल बोलतो, तेव्हा थोडीफार कल्पना येते, पण मशीन लर्निंग म्हणजे काय हे मात्र माहिती नाही. काहीतरी संबंधितच असेल असे मात्र वाटते.
रविंद्र: अगदी बरोबर. कृत्रिम बुद्धिमत्ता हा शब्द खूप प्रसिद्ध झाला आहे, पण मशीन लर्निंग तितकासा चर्चेत नाही. चल, आधी तू सांग—तुला मशीन लर्निंग म्हणजे काय असेल असे वाटते?
अंजली: मला वाटते की हे काहीतरी रोबोटला शिकवण्याबद्दल असावे.
रविंद्र: ठीकच आहे. “मशीन” म्हटले की आपल्याला रोबोट आठवतात, पण इथे आपण मशीन म्हणजे संगणकाला शिकवण्याबद्दल बोलतोय. बरं, आणखी एक प्रश्न—तुला काय वाटतं की मशीन लर्निंग ही संकल्पना कधी अस्तित्वात आली असावी?
अंजली: गेल्या १०–२० वर्षांत?
रविंद्र: आश्चर्य वाटेल तुला—“मशीन लर्निंग” हा शब्द १९५९ मध्येच वापरात आला होता. म्हणजे आजपासून ६५ वर्षांपूर्वी! मूलभूत कल्पना आजही तशीच आहे, पण त्याची क्षमता आणि पद्धती मात्र खूप बदलल्या आहेत. आणखी एक महत्त्वाची गोष्ट म्हणजे मशीन लर्निंग आणि कृत्रिम बुद्धिमत्ता खूप जवळचे आहेत. खरं तर मशीन लर्निंग हा कृत्रिम बुद्धिमत्ताचा एक महत्त्वाचा घटक आहे.
अंजली: ठीक आहे. हे आता कळाले. पण मशीन लर्निंग म्हणजे नेमकं काय?
रविंद्र: आर्थर सॅम्युअल यांनी १९५९ मध्ये एक सोपी व्याख्या दिली:
“संगणकाला प्रोग्राम न करता, त्याला शिकण्याची क्षमता देणारे क्षेत्र”
पण याचा अर्थ असा नाही की मशीन लर्निंगमध्ये आपण संगणकासाठी काहीच प्रोग्राम किंवा कोड (code) लिहीत नाही.
अंजली: मग?
रविंद्र: आपण कोड लिहितो पण उदाहरणांमधून संगणकाने स्वतः कसे शिकावे त्याचा कोड असतो तो. तोच शिकण्याचा कोड विविध गरजांसाठी वापरल्या जातो. काय बदलते तर आपण संगणकाला देतो ती माहिती.
हा शिकण्याचा कोड त्या माहितीतला आकृतीबंध ओळखतो आणि त्या माहिती साठीचा एक मॉडेल किंवा कित्ता बनवतो. या प्रक्रियेलाच आपण “संगणकाचे शिकणे” असे म्हणतो. संगणकाद्वारे एखादे काम करून घेण्याची ही एक विशेष पद्धत आहे. संगणकाद्वारे काम करून घेण्याच्या आपल्या पारंपरिक पद्धतीपेक्षा ही कशी वेगळी आहे, हे मी आता तुला सांगेन.
रविंद्र: आता तुझ्या फोनवरील कॅल्क्युलेटर ॲप बघ. त्यात बेरीज, वजाबाकी इ. करता येतं.
अंजली: हो.
रविंद्र: कारण कुणीतरी बेरीज वा वजाबाकी साठीचा कोड लिहिलाआहे. ही पारंपरिक पद्धत आहे: माणूस आधी शिकतो. मग नियम कोडमध्ये लिहितो. संगणक तोच कोड आपल्या गरजेनुसार आणि आपल्या आदेशाप्रमाणे चालवत राहतो. मशीन लर्निंग वेगळे आहे. इथे आपण संगणकाला उदाहरणांमधून शिकू देतो. पण शिकायची पद्धत मात्र आपणच ठरवतो.
रविंद्र: आता आपण एक दुसरे उदाहरण घेऊ या. आपण भरतपूर ला गेलो होतो, आठवतंय? तिथे अनेक नवीन पक्षी पाहिले, उदाहरणादाखल, ओरिएंटल डार्टर किंवा साप पक्षी. त्याचा फोटो आपण आता पाहिला तर त्याला आपण लगेच ओळखतो. याला मानवी शिक्षण म्हणता येईल.
अंजली: हो!
रविंद्र: पण आपण त्यासाठी अचूक नियम लिहू शकतो का? इतके स्पष्ट की संगणक फोटोवरून साप पक्षीला ओळखू शकेल? खूप अवघड आहे. कारण आपल्या कडे याचे कोणतेही सूत्र नाही. इथे मशीन लर्निंग उपयोगी पडते.
अंजली: सूत्र?
रविंद्र: सांगत आहे. तुला तर माहितीआहे की त्रिकोणाच्या क्षेत्रफळाचे सूत्र आहे 0.5 × पाया × उंची
संगणकासाठी या सूत्राचा कोड लिहिणंही सोपं आहे. या कामासाठी आपल्याला मशीन लर्निंगची गरज नाही.
पण तेच आता पावसाचा अंदाज कसा लावतात ते पाहू या. पाऊस कशावर अवलंबून असतो? तापमान, दाब, समुद्राची स्थिती… आणि बरेच काही. आपल्याला सगळे घटक माहिती नाहीत, त्यांचे संबंध नेमके कसे आहेत ते माहिती नाही. थोडक्यात सांगायचे तर, आपण त्रिकोणाच्या क्षेत्रफळा सारखे पावसाचाच्या अंदाजाचे सूत्र लिहू शकत नाही.
अंजली: बरोबर.
रविंद्र: मग आपण काय करतो?
आपण मागील वर्षांची माहिती गोळा करतो. आपण मानतो की इन्पुट आणि आउट्पुट मध्ये काही संबंध आहे, पण तो आपल्याला माहिती नाही. आता या उदाहरणात हवामानाचे घटक हे इन्पुट झाले आणि पाऊस कसा होता हे आउट्पुट आणि मग मशीन लर्निंग ला ते सुत्र शोधू देतो. हे सुत्र मोठे आणि गुंतागुंतीचे असेल. पण महत्त्वाचं म्हणजे—आपण हे सुत्र संगणकाला देत नाही, संगणक स्वतःच ते बनवतो.
रविंद्र: आता हे सांग, समजा आपण हवामान विभागमध्ये आहोत आणि आपल्याला असे मशीन लर्निंग चे मॉडेल किंवा कित्ता बनवायचा आहे—तर आपल्याला काय काय लागेल?
अंजली: आपल्याला मागील वर्षांची माहिती लागेल, मशीन लर्निंग साठीचा कोड लागेल
रविंद्र: बरोबर! आणि शक्तिशाली संगणक पण लागतील—जे मोठ्या प्रमाणावर, दिलेल्या माहिती वरुन मशीन लर्निंग वापरुन पावसाचा अंदाज करण्यासाठीचा कित्ता बनवतील. आधी हे सर्व काही उपलब्ध नव्हतं. आता आहे—म्हणून गेल्या काही वर्षांत मशीन लर्निंग झपाट्याने वाढलं आहे.
अंजली: आता मला हे सांग. चॅटजीपीटी मशीन लर्निंग वापरतं का?
रविंद्र: हो. चॅटजीपीटी सारख्या AI मध्ये न्यूरल नेटवर्क्स आणि डीप लर्निंग प्रकारच्या मशीन लर्निंग पद्धती वापरल्या जातात.
चल, एक उदाहरण घेऊ—तुला लगेच समजेल.
तू मागच्या वेळी अनिता(तिची बहीण) कडून बरीच झाडे आणली होतीस आणि (पुटपुटत)तु त्यांची नावे मात्र आणली नव्हती!
अंजली: अरे, ती इतक्या घाईत होती—एक एक करून कुंड्या देत होती—मला विचारायलाही वेळ मिळाला नाही!
रविंद्र: (हसत) काही हरकत नाही. मग मी त्या सगळ्या झाडांचे फोटो चॅटजीपीटी मध्ये टाकले. आणि त्याने ती झाडे ओळखली. चॅटजीपीटीने इथे मशीन लर्निंग वापरले होते.
अंजली: थांब. एक प्रश्न आहे. पावसाळ्याचा अंदाज करण्यासाठी आपण तापमान, दाब, इ. वापरतो. आता झाडांच्या फोटोमध्ये काय बघते मशीन लर्निंग?
रविंद्र: छान प्रश्न. पावसाळ्याच्या बाबतीत जशी दोन टप्प्यांची प्रक्रिया होती, तशीच इथे पण असेल. पहिला टप्पा म्हणजे training, ज्याला आपण शिकवणे म्हणतो. या टप्प्यात मशीन लर्निंगला देण्यासाठी खूप माहिती गोळा केली जाते, जसे कि, झाडांची छायाचित्रे आणि त्यांची नावे. हजारो, लाखो उदाहरणांमधून मशीन लर्निंग छायाचित्रांमधुन रंग, आकार, पोत (texture) इ. चित्राचे घटक वापरुन एक आकृतीबंध शोधते आणि झाड ओळखण्यासाठीचा कित्ता बनवते. चॅटजीपीटी विकसित करणाऱ्या OpenAI कंपनीने हे आधीच केले आहे.
रविंद्र: मग येतो दुसरा टप्पा. आपण एक झाडाचे चित्र देतो, आणि मशीन लर्निंग आधी बनवलेल्या कित्ता चा वापर करुन त्या झाडाचे नाव ओळखते.
अंजली: आणि तू म्हणालास की झाडे ओळखण्यात चॅटजीपीटीने काही चुका केल्या होत्या.
रविंद्र: हो. कारण मशीन लर्निंग १०० टक्के खात्रीने सांगु शकत नाही. मशीन लर्निंग मुळात भाकीत करत असते म्हणजे ते संभाव्यता वर अवलंबून असते.
अंजली: मग माणूसच जास्त बुद्धिमान म्हणावा लागेल नाही का?
रविंद्र: हे पहा. मशीन हे साधन आहे. शक्तिशाली आहे, पण त्याला मर्यादा आहेत. माणूस अधिक व्यापक बुद्धिमत्ता ठेवतो. पण, प्रश्न कोण जास्त बुद्धिमान आहे हा नाही—आपण हे साधन किती शहाणपणाने वापरतो हे महत्त्वाचे आहे.
अंजली: आता समजले… आधी हे सर्व जादूसारखे वाटत होते, पण आता अर्थ लागतोय.
रविंद्र: (हसतो) बरोबर आहे. हे बरेचदा जादूसारखे वाटते, पण तसे काही नाही. मशीन लर्निंग फक्त दिलेल्या माहिती वरुन शिकणे, आकृतीबंधओळखणे, आणि भाकीत करणे इतकेच आहे. आणि हे तेव्हा उपयोगी पडते जेव्हा आपल्याला एखाद्या प्रक्रियेचे नियम किंवा सूत्र माहिती नसतात. पण मशीनला शिकण्यासाठी आपल्या जवळ संबंधित माहिती मात्र खूप असावी लागते.
रविंद्र: अजून खूप काही सांगण्या सारखे आहे या विषयाबद्दल—पण आपण मुख्य कल्पना समजून घेतली आहे. बाकी पुढे पाहु या कधीतरी. चल, आता चहा घेऊया ☕
