संहिता जोशी
फेसबुक ‘जुन्या’ आठवणी दाखवतं, त्यात कधीमधी मराठी-इंग्लिश किंवा इंग्लिश-मराठी भाषांतरांचे जुने स्क्रीनशॉट्स दाखवतं. तेव्हा मला ते बघून हसायला आलेलं होतं, हेही आठवतं; आता ते विनोदी वाटत नाही. तेच तेच विनोद ऐकून कंटाळा येतो, हे एक कारण आहेच. दुसरं महत्त्वाचं आहे ते म्हणजे आता कृत्रिम बुद्धिमत्तेत (Artificial Intelligence)) वापरली जाणारी मोठी भाषिक प्रारूपं (Large Language Models) खूपच सुधारली आहेत. गेल्या वर्षी, २०२२च्या नोव्हेंबरमध्ये चॅटजीपीटीचं पदार्पण झालं तेव्हा ते वापरत होतं त्या प्रारूपाचं नाव होतं जीपीटी-३. आता पाचेक महिन्यांत (१४ मार्च २०२३) त्याची पुढची आवृत्ती (version) आली आहे, जीपीटी-४.
भाषिक प्रारूप म्हणजे काय?
आपण माणसं ज्या पद्धतीनं गोष्टी शिकतो, तशाच पद्धतीनं संगणक किंवा कृत्रिम बुद्धिमत्ता भाषा शिकत नाही. कृत्रिम बुद्धिमत्तेत भाषा शिकण्याची पद्धत सोपी करून बघू. सुरुवातीला खूप मोठय़ा प्रमाणावर लेखन जमा करायचं. सगळं एकाच बोलीभाषेतलं, ऱ्हस्व-दीर्घ तपासलेलं आहे, असंही धरून चालू. हे सगळं लेखन गद्यच आहे असं धरून चालू. आता हे खाद्य कृत्रिम बुद्धिमत्तेच्या प्रारूपाला भरवायचं.
कसं, तर आधीचे काही शब्द दिले तर पुढचा शब्द काय असेल? ‘गणपतीबाप्पा’ यापुढे ‘मोरया’ येतं हे आपल्याला सवयीनं माहीत असतं. तशी सवय आपल्याला नसेल तर समोरच्या व्यक्तीच्या मनात काय सुरू आहे, ते ओळखण्याची ‘जादू’ वाटेल. ही जादू नसते; आणि कृत्रिम बुद्धिमत्ता काही खरोखरची हुशार नसते. सवयीसवयीनं आपण ओळखीच्या लोकांचे विचार कसे असणार, हे ओळखू शकतो, तसंच काहीसं हे कृत्रिम बुद्धिमत्तेच्या बाबतीत असतं.
चॅटजीपीटीचा एवढा बोलबाला का?
आतापर्यंतची भाषिक प्रारूपं फार ‘हुशार’ नव्हती. फेसबुक, गूगलवर सोप्या वाक्यांची भाषांतरं ठीकठाक मिळत होती; मात्र गुंतागुंतीची वाक्यांची चपखल भाषांतरं अजूनही भाषिक प्रारूपांच्या आटोक्याबाहेर आहेत. स्वतंत्ररीत्या काही लिहायचं असल्यास त्यासाठी माणसांचीच गरज होती. कृत्रिम बुद्धिमत्ता, म्हणजे यंत्रांना हे काम अजिबातच जमत नव्हतं.
व्यासांनी महाभारत सांगितलं आणि गणपतीनं ते लिहिलं अशी पुराणांतली कथा आहे. जीपीटी तसा गणपती आहे असं आता म्हणता येईल. आपण समजा दोन वाक्यं दिली चॅटजीपीटीला आणि निबंध लिहायला सांगितलं, तर तो निबंध लिहून दाखवेल. हे एक उदाहरण म्हणून पाहा. समजा आपण चॅटजीपीटीला विचारलं, माझ्या मैत्रिणीला सध्या बरं नाही; ती तिच्या आजारावर उपचार घेत आहे; तिला भेटायला गेल्यावर मी तिच्याशी कशाबद्दल बोलू? तर चॅटजीपीटी सुरुवातीला आपल्याच वाक्यातले काही शब्द उचलून निबंध लिहायला सुरुवात करेल आणि पुढे त्या माहितीचा विस्तारही करेल.
मराठी आणि इतर भारतीय भाषांत चॅटजीपीटीचं व्याकरण, वाक्यरचना जरा विनोदीच असतात; माहितीही परिपूर्ण असेल असं नाही. पण इंग्लिशमधलं व्याकरण, स्पेलिंगं काही वाईट नसतात. (इतर युरोपीय भाषांमध्येही हीच परिस्थिती असावी असा माझा तर्क आहे. जगातल्या मोजक्याच भाषांमध्ये प्रारूप बनवण्याबद्दल जीपीटी-३वर टीका झालेली आहे – अशा इतरही आक्षेपांबद्दल ‘लोकसत्ता’नं एक लेख २०२१च्या फेब्रुवारीत प्रकाशित केला होता.) सध्या आपण जीपीटीचे गुण बघू.
इंग्लिशमध्ये समजा चॅटजीपीटीला विचारलं की मोठय़ा भाषिक प्रारूपांमध्ये काय अडचणी आहेत? तर हा गणपती स्वत:च त्यांची यादी लिहून देतो. ही यादी योग्य असल्याची खात्री मी करून घेतली. त्या उत्तराची भाषा, व्याकरण, माहिती सगळंच बिनचूक आहे. निबंध लिहिण्यासाठी सुरुवातीला एक-दोन वाक्यांत विषय सांगितला तर तो व्यवस्थित गद्य लिहितो; पद्यही बऱ्यापैकी यमक जुळवून वगैरे लिहितो. लिखाणाच्या बाबतीत हा अगदीच हरकाम्या नाही. त्याला स्वतंत्र विचार करता येतो का काय, अशी शंका यावी इतपत इंग्लिशमधली उत्तरं सुसंबद्ध असतात.
पुढे काय?
यंत्रांमध्ये मूलभूत बदल झाले की आपल्या नोकऱ्यांचं काय, पुढच्या पिढीत कामांचं स्वरूप काय असेल असे प्रश्न आधी विचारले जातात. मला माझ्याच आजूबाजूला काय फरक दिसतो ते आधी नोंदवते.
मी विदावैज्ञानिक (डेटा सायंटिस्ट) आहे. जीपीटीच्या तुलनेत अगदीच कमी गुंतागुंत असणारी, मात्र वेगवेगळय़ा प्रकारची प्रारूपं तयार करायची; मग ती रोजच्या रोज, किंवा आठवडय़ातून एकदा आपली आपण चालतील आणि त्यांचे निकाल ठरावीक प्रकारांत, ठरावीक ठिकाणी साठवले जातील यासाठी सॉफ्टवेअर, कोड मी लिहिते. हे जे दोन वाक्यांत लिहिलं ते सगळं पूर्ण करायला अगदी छोटा प्रकल्प असेल तर काही महिने लागतात. कुठलंही सॉफ्टवेअर लिहिलं की त्यासाठी चाचण्या (टेस्टिंग, दअ) असणं चांगल्या सॉफ्टवेअर (लिहिणारी)चं लक्षण आहे. यांतल्या छोटय़ा चाचण्या लिहिण्याचं काम मी हल्ली कधी चॅटजीपीटीकडून करवून घेते. ते काम योग्य आहे का नाही, याची एकदा तपासणी करते. यात माझा थोडा वेळ कधी कधी वाचतो. सॉफ्टवेअरच्या चाचण्या करण्याचा रोजगार हळूहळू कमी होत होताच; ते सगळं जितपत यंत्रांकडून करवून घेता येईल तितकं स्वस्त पडणार. चॅटजीपीटीमुळे रटाळ कामातला काही भाग मला टाळता येत आहे. या चाचण्या करण्याच्या, टेस्टिंगच्या नोकऱ्या कमी होत जातील; आणि त्या जागी कदाचित चॅटजीपीटी काय उत्तरं देतो हे तपासून बघण्याच्या काही नवीन प्रकारच्या नोकऱ्या येतील. नोकऱ्यांच्या मुलाखतींमध्ये साधासाधा कोड लिहिण्याच्या चाचण्या घेतल्या जात असत; त्या कमी होऊन कदाचित हा आहे तो कोड काम का करतो, हे स्पष्ट करून सांगा असे प्रश्न येतील.
तांत्रिक हरकाम्या म्हणून चॅटजीपीटी लवकरच अनेक ठिकाणी वापरला जाईल, याबद्दल मला शंका वाटत नाही. तरुण, अननुभवी सॉफ्टवेअरवाल्यांना नोकऱ्या मिळवताना काय कौशल्यं असावी लागतील याचं स्वरूप लवकरच बदलेल. शिवाय तांत्रिक कामं बऱ्यापैकी सरधोपट असतात- एखादी कादंबरी कुणाला आवडली, कुणाला नावडली अशा प्रकारचे मतभेद साहित्य, कलेबद्दल असतात; तांत्रिक विषयांत असे मतभेद खूप कमी असतात. अशातली साधीसाधी कामं कृत्रिम बुद्धिमत्तेकडून करवून घेतली जातील.
चॅटजीपीटी निबंध लिहू शकतो, कल्पनाविस्तार करू शकतो, कविताही करू शकतो. म्हणजे गद्य-पद्य, ललित आणि ललितेतर असं सगळय़ा प्रकारचं लेखन चॅटजीपीटीला जमतं. चॅटजीपीटीच्या जोडीला डाल-इ ( ऊअछछ- ए) नावाची सेवाही त्याच सेवादात्यानं, ओपन-एआयनं, दिली आहे. त्याला शब्दांत वर्णन सांगितलं की त्यातूनच चित्रं काढून मिळतात. ही चित्रंही अस्तित्वात असलेल्या चित्रांवर आधारित असतात; कधी ते खरोखर काढलेले फोटोही वाटू शकतात. आहेत त्या लेखन आणि चित्रांमधून नवीन काही निर्माण करण्याची क्षमता या यंत्रांमध्ये आहे. याला खरोखरचं नवनिर्माण म्हणायचं का, साहित्य वा चित्रकला म्हणायचं का या वादात मी पडणार नाही.
माणसांच्या लेखनक्षमतेवर परिणाम होईल का? होईलही. कॅमेरे आले तेव्हा चित्रकलेचं स्वरूप पार बदललं; तसं या गणपतीमुळे माणसांनी केलेल्या लेखनाचं स्वरूप बदललं तर फार काही वाईट होईल असं मला वाटत नाही. विद्यार्थी काही काळ कॉपी करण्यासाठी ही सेवा वापरतील आणि लवकरच त्या कॉप्या पकडण्यासाठी नवीन सेवा तयार होईल. मधल्या काळात काही सुमार क्षमतेचे लोक परीक्षांतून पास झाल्यामुळे जगबुडी वगैरे काही येणार नाही बहुतेक. (त्याची सोय इतर अनेक प्रकारांनी आपण आधीपासूनच करत आहोत.)
कृत्रिम बुद्धिमत्तेनं केलेलं लेखन आणि काढलेली चित्रं बघून आपल्याला, माणसांना आनंद होतो का, काही नवीन समजतं का, काही नवीन करण्याची प्रेरणा मिळते का, असे प्रश्न मला महत्त्वाचे वाटतात. एरवी मोनालिसाच्या चित्राला मिशा लावण्याचा प्रकार गेल्या शतकात माणसांनीच केला होता आणि त्याला माणसांनीच दादही दिली होती; त्या कृतीमागचा हेतू तपासला गेला. त्यातून माणसांना आनंद झाला. चॅटजीपीटी आणि कुठलीही कृत्रिम बुद्धिमत्ता हे साधन आहे; ते वापरून घेणाऱ्यांना साधन कसं काम करतं याचं पुरेसं आकलन असेल आणि ते वापरून काही गमतीशीर लिहिण्याची, चितारण्याची क्षमता असेल तर त्यातूनही कला निर्माण होऊ शकेल.
साहित्य आणि कलेचं काय होईल, असा प्रश्न अनेकांना पडतो. साहित्य आणि कला या मानवी समाजांच्या पुरातन गरजा आहेत. पोट भरल्यावर माणसं त्यासाठी वेळ काढतात आणि कष्ट करतात. हजारो वर्षांपूर्वी माणसांनी गुहांमध्ये आणि भांडय़ावर चित्रांतून कथा रंगवल्या; तेव्हापासून कलेचं स्वरूप बदलत आलेलं आहेच. कृत्रिम बुद्धिमत्तेमुळे ते पुन्हा बदलेल. प्रश्न असा आहे की, साहित्य आणि कलांचा आस्वाद घेणाऱ्या वर्गाची व्याप्ती वाढेल का? पोट भरल्यानंतर करण्याच्या चिंता करणारा वर्ग वाढेल का?
अशा सगळय़ा नव्या शोधांतून दोन टोकांच्या लोकांची आयुष्यं फार काही बदलत नाहीत. सुखवस्तू लोकांची सुखं फार कमी होत नाहीत; आणि तळागाळातल्या लोकांची आयुष्यं फार सुधारत नाहीत. याचं कारण भांडवलशाही व्यवस्था. त्या व्यवस्थेत चॅटजीपीटी कसा बसेल, यावर भविष्य अवलंबून असेल. उदाहरणार्थ, चाचणी करण्याच्या नोकऱ्या करणाऱ्या तरुण लोकांना येत्या काळात होणारे बदल पचवून नवं काही शिकायला काही वर्ष मिळतील. विद्यार्थ्यांना नवीन काही शिकवण्याची सोय अभ्यासक्रमांमध्येच केली जाईल. नवीन पिढी येईल ती चॅटजीपीटी असतोच, असा विचार करून; आणि ही पिढी चॅटजीपीटीकडे आव्हान म्हणून बघण्यापेक्षा वस्तुस्थिती म्हणून बघेल. आता आपण मोबाइल फोन ही चैनीची गोष्ट समजण्याबरोबर उपयुक्त गॅजेट म्हणूनही वापरतो, तसंच.
जेव्हा तंत्रज्ञानामुळे मानवी आयुष्यात मोठा बदल होतो तेव्हा अडचण होते ते मधल्या वयाच्या, अनुभवाच्या, कुवतीच्या लोकांची. थोडा अनुभव ज्या क्षेत्रात आहे त्या नोकऱ्या संपल्या आणि नवीन काही शिकण्याचं वय राहिलं नसेल त्यांनी काय करायचं? फ्लेक्सबोर्ड आल्यावर पोस्टर रंगवणाऱ्यांचे हाल झाल्याचं एक उदाहरण ‘द फेम गेम’मध्ये दाखवलं आहे. अशा लोकांची काळजी घेण्याची सोय भारतातली आणि संपूर्ण जगातलीच भांडवलवादी व्यवस्था करणार का? आतापर्यंतचा इतिहास बघता याबद्दल फार काही आशा वाटत नाही.
चॅटजीपीटीमध्ये मायक्रोसॉफ्ट या कंपनीनं चिकार गुंतवणूक केली आहे आणि ती सेवा वापरून गूगल-शोध या गूगलच्या प्रमुख उत्पन्नस्रोताला धक्का बसू शकतो; हे सगळं ‘होऊ शकतं’ म्हणून लेखात नोंद केली आहे; पण तुमच्यामाझ्यासारख्या सामान्य लोकांना यानं काय आणि का फरक पडावा? कळीचे शब्द वापरून आपण गूगलला प्रश्न विचारायला शिकलो. तसं आपण चॅटजीपीटी वापरून ज्या काही सेवा मिळतील त्याही वापरायला शिकून घेऊ. त्यामुळे आपल्या आयुष्यामध्ये थोडा फरक पडेल- तो बहुतांशी सकारात्मक फरकच असेल. कारण सुखवस्तू लोकांना सेवा देऊन त्यांच्याकडून मिळणारं उत्पन्न भांडवलशाहीत सगळय़ाच सेवादात्यांना हवं असतं.
समाजमाध्यमांवरून समाजात तेढ माजवणं; खोटंनाटं काही पसरवणं; असले कार्यक्रम हल्ली नियमितपणे चालतात. गेल्या उन्हाळय़ात दिल्लीत विक्रमी तापमान होतं आणि जागतिक तापमानबदलाचे चटके, झटके आता जगभर बसायला लागले आहेत. चॅटजीपीटी वापरून अशा गोष्टींबद्दल काही सकारात्मक पावलं उचलली जातील का? मला फार आशा वाटत नाही. चॅटजीपीटीच्या मागे जी कृत्रिम बुद्धिमत्ता वापरली जाते, त्यामुळेच खूप प्रदूषण होतं असा त्या कृत्रिम बुद्धिमत्तेवरचा एक आक्षेप आहे!
sanhita.joshi@gmail.com
