माणसाची नैसर्गिक आणि लवचीक स्वरूपातली भाषा संगणकाला समजणं खूप अवघड असल्याविषयी आपण मागील लेखात बोललो. माणसाची भाषा आणि संगणकाला ती समजण्यामध्ये येत असलेल्या अडचणी यांच्यामधली दरी भरून काढण्यासाठी ‘नॅचरल लँग्वेज प्रोसेसिंग (एनएलपी)’ नावाचं तंत्रज्ञान वापरलं जातं. यात वाक्यांमधले शब्द सुटे करून त्यांचा अर्थ लावला जातो. यासाठी शब्दांचा स्वतंत्रपणे तर अर्थ लावला जातोच; पण वाक्यामधल्या शब्दांच्या वापरानुसारही तो लावला जातो. यामुळे नुसताच शब्दाचा अर्थ लावण्यामुळे होत असलेल्या चुका टळतात आणि शब्दांचा खरा अर्थ त्यांच्या परिस्थितीजन्य वापरानुसार लागतो.
एनएलपीमुळे भाषा, अनुवाद, भाषांतर अशांसारख्या काही पारंपरिक कामांमधल्या संधींवर विपरित परिणाम होत असले तरी त्याच्या जोडीला यामुळे रोजगारांच्या अनेक नव्या संधीसुद्धा उपलब्ध होणार आहेत, हे नक्की. अशाच काही संधींचा हा धावता आढावा.
डेटा सायंटिस्ट म्हणून काम करू इच्छिणाऱ्या लोकांसाठी एनएलपीमध्ये काही संधी उपलब्ध आहेत. लिखित मजकुराचा अर्थ लावणं, त्याचं भाषा समजण्याच्या दृष्टीनं विश्लेषण/पृथक्करण करणं, त्यात दडलेला अर्थ शोधणं अशा प्रकारच्या अनेक गोष्टी एनएलपीमध्ये आवश्यक असतात. ही कौशल्यं डेटा सायंटिस्टकडे असणं गरजेचं ठरतं. आज अशा प्रकारची कामं असंख्य प्रकल्पांमध्ये सुरू असल्यामुळे आगामी काळात त्यासाठीची गरज वाढतच जाणार आहे. तसंच माणसाकडून भाषेशी संबंधित असलेली कामं इथून पुढे जास्तीत जास्त प्रमाणात एआयकडून करून घेतली जाणार असल्यामुळे हे काम खूप महत्त्वाचं ठरेल.
एनएलपीचा वापर चॅटबॉट, लोकांच्या लिखाणामधला/ संदेशामधला नेमका अर्थ शोधून तो लावणं (सेंटिमेंट अॅनॅलिसिस) अशा कामांसाठी खूप मोठ्या प्रमाणावर होतो. उदाहरणार्थ ग्राहकसेवेशी संबंधित असलेल्या संदेशांमधून ग्राहकाला नेमकं काय म्हणायचं आहे, किंवा एखाद्या ग्राहकानं तक्रार नोंदवलेली असताना समजा ‘मी नाराज आहे’ असं लिहिलं, तर या नाराजीची पातळी नेमकी किती समजायची; हे कसं ठरवायचं? ग्राहक नुसता नाराज आहे का तो विलक्षण भडकलेला आहे, का त्यानं सहजच आपण नाराज असल्याचं म्हटलेलं आहे? हे सगळं त्याच्या लिखाणामधल्या भावनांचा अर्थ लावण्याशी संबंधित असतं. एनएलपी तंत्रज्ञानामधला हा एक महत्त्वाचा घटक असतो. हे कामसुद्धा अलीकडे जवळपास प्रत्येक कंपनीसाठी गरजेचं झालं आहे.
जे लोक भाषांमध्ये काही प्रमाणात तज्ज्ञ आहेत त्यांच्यासाठी एनएलपी ही विलक्षण संधी आहे. याचं कारण म्हणजे त्यांची दैनंदिन कामं आता एनएलपी करू शकत असलं तरी एनएलपीमध्ये मूलभूत सुधारणा करत राहण्याची गरज पुढची अनेक वर्षं आणि कदाचित अव्याहतपणे भासत राहू शकेल. साहजिकच त्यांच्या कामाचं स्वरूप बदलून एनएलपीला आणखी समृद्ध बनवण्यामध्ये मदत करण्याचं होऊ शकतं. साहजिकच त्यांना एनएलपीची संकल्पना, त्याचं काम, त्यासाठी लागणारं तंत्रज्ञान या गोष्टींची किमान पातळीची तरी ओळख करून घेणं आवश्यक ठरेल.
ई-कॉमर्स कंपन्या तसंच जवळपास प्रत्येक कंपनीची ग्राहकसेवा यांच्यासाठी खूप मोठ्या प्रमाणावर चॅटबॉटची गरज भासणार आहे. यासाठी अर्थातच प्रोग्रॅमिंगची संकल्पना चांगल्यापैकी माहीत हवी. चॅटबॉट तयार करणं आता वाटतं त्यापेक्षा खूप सोपं झालेलं असलं तरी त्याच्यात सातत्यानं सुधारणा करत राहणं, नवनव्या गोष्टी आणणं हे काम करायला निष्णात लोकांची वाढती गरज भासणार आहे.
माणसाचं बोलणं ऐकून त्याचा अर्थ लावणं हीसुद्धा एनएलपीमधली एक उपशाखा आहे. आपण अॅलेक्सा, सिरी अशी उत्पादनं वापरली किंवा किमान अनुभवली तरी असतील. आपलं बोलणं ओळखून त्यानुसार संबंधित सूचना अमलात आणणं, हे त्यांचं काम असतं. अर्थातच यासाठी लिखित नव्हे तर ऐकीव शब्दांचा अर्थ लावण्याचं काम करावं लागतं. हेसुद्धा अत्यंत किचकट असलं तरी एनएलपीमध्ये आता यासाठी उत्कृष्ट दर्जाचं तंत्रज्ञान उपलब्ध आहे. ते वापरून प्रत्यक्ष काम पूर्णत्वाला नेण्यासाठी यामधल्या खाचाखोची जाणून त्यानुसार प्रोग्रॅमिंग करू शकणारे लोक आता रोजगारक्षम ठरू शकतील अशी दाट शक्यता आहे. आरोग्य, अर्थकारण, ई-कॉमर्स, शिक्षण, कायदा अशा अनेक क्षेत्रांमध्ये हे रोजगार निर्माण होताना दिसतात. पायथन भाषेमध्ये यासाठी उत्कृष्ट सुविधा उपलब्ध आहेत. टेन्सरफ्लो, पायटॉर्च, हगिंग फेस, स्पेसी, एनएलटीके अशा अनेक ‘लायब्ररी’ एनएलपीच्य कामासाठी पायथनमध्ये वापरल्या जातात. त्यांची ओळख करून घेणं आणि त्यांचा वापर करू शकणं हे या क्षेत्रातल्या तांत्रिक कामासाठी आवश्यक आहे.
akahate@gmail. com