देशाच्या स्वप्नपूर्तीसाठी..

कृत्रिम बुद्धिमत्तेचे किंवा ‘नवप्रज्ञे’चे भविष्यातील विविध व्यवसायांवर होणारे परिणाम व संधी यांची चर्चा गेल्या आठवडय़ात केली. आज तिथून पुढे एआय तंत्रज्ञ म्हणून करिअरबदल करू इच्छिणाऱ्यांसाठी शिक्षण व संधीबद्दल. पुढचे सदर एआय विषयावरील शेवटचे असेल ज्यात आतापर्यंतच्या लेखमालेचा सारांश व भविष्यातील नैतिकता व आव्हानांबद्दल चर्चा करू. त्यापुढे नवप्रज्ञेचा पुढचा अध्याय, ‘इंटरनेट ऑफ थिंग्ज’ सुरू होईल.

डिजिटल -रीइमॅजिनेशनची तीन उदाहरणे आणि त्यात कोण कुठल्या भूमिका निभावतात, त्यांचे कौशल्य, शिक्षण काय असावे. त्याबद्दल पुढे.

१) बँकेच्या शाखा/फोन/ईमेल/ऑनलाइन ग्राहक-सेवाकेंद्रात व्हॉइस व चॅट-बॉटची भर.

२) पोलीस, नगरपालिका व परिवहन खात्यामार्फत सार्वजनिक स्थळांसाठी ई-देखरेख प्रकल्प.

३) कॅन्सर हॉस्पिटल व आरोग्य खात्याद्वारा तंबाखू सेवन करणाऱ्यांसाठी मोबाइल अ‍ॅप वापरून तोंडाच्या कॅन्सरचे निदान.

कुठल्याही तंत्रज्ञान प्रकल्पात १) एक्झिक्युटिव्ह टीम (वरिष्ठ अधिकारी समिती) २) प्रोजेक्ट मॅनेजमेंट टीम (प्रकल्प व्यवस्थापन) ३) प्रोजेक्ट टीम (आयटी इंजिनीयर्स, व्यावसायिकतज्ज्ञ व टेस्टर) असे साधारणपणे गट असतात. आपण फक्त तिसऱ्या गटाबद्दल बोलणार आहोत. तसेच कुठल्याही एआय प्रकल्पात चार पायऱ्या पूर्ण कराव्या लागतात. १) डेटा-कॅप्चर (माहितीसंच मिळविणे, प्रक्रिया करणे, स्टोरेज) २) डेटा-विश्लेषण (मशीन लर्निग सॉफ्टवेअर प्रोग्रॅम्स) ३) डेटा-व्हिज्युअलायझेशन (सामान्य यूजरना वापरता येईल अशा स्वरूपात विश्लेषणाचे सादरीकरण म्हणजेच आलेख, तक्ते) ४) मदत-कक्ष, देखभाल व दुरुस्ती.

आता बघू वरील तीन प्रकल्पांतील प्रोजेक्ट टीममध्ये कोण कोण असू शकतील.

१) बँकेतील बॉट प्रकल्प :

डेटा-कॅप्चर : समजा बॉटद्वारा नवीन खाते उघडणे, शिल्लक रक्कम, फिक्स्ड डिपॉझिट सुरू करणे अशा तीन सेवा सुरुवातीला द्यायच्या आहेत तर ग्राहक सेवाकेंद्रात आतापर्यंत शाखा/फोन/ईमेल/ऑनलाइन माध्यमातून आलेले लाखो संवाद अभ्यासून त्यांचे वर्गीकरण करणे, ते बॉटला ट्रेनिंग म्हणून पुरवणे, पुढे बॉट ‘लाइव्ह’ झाल्यावर ज्या प्रश्नांचे उत्तर बॉट व्यवस्थितपणे नाही देऊ  शकला त्यांचे परत विश्लेषण व नवीन ट्रेनिंग असे चक्र सुरूच राहते. यातून उदयाला आलाय एक नवीन व्यवसाय- ‘बॉट-ट्रेनर’ आणि इथे इंजिनीयर असणे मुळीच गरजेचे नाही. ग्राहकसेवा (कॉलसेंटर-बीपीओ) मधील कर्मचारी इथे सहजपणे वळू शकतात.

डेटा – विश्लेषण : बॉटसाठीचे सॉफ्टवेअर, क्लाऊड-स्टोरेज, बँकेच्या इतर सिस्टीम्सशी जोडण्यासाठी आयटी इंजिनीयर लागणारच. त्यांनी आघाडीचे बॉट-प्लॅटफॉर्म पुरविणाऱ्या कंपन्यांचे ट्रेनिंग व सर्टिफिकेशन घेणे गरजेचे. जसे मायक्रोसॉफ्ट अझुर, आयबीएम वॉटसन. या नवीन व्यवसायाला ‘बॉट-डेव्हलपर’ म्हणतात.

२) ई-देखरेख प्रकल्प :

डेटा-कॅप्चर : एआयमध्ये जितका जास्त डेटा तितकीच सुंदर परिणामकारक निष्पत्ती. म्हणूनच कमीतकमी काही हजार ते काही लाख सॅम्पल्स लागतात प्रकल्प सुरू करताना. समजा महाराष्ट्रातील पोलीस खात्याकडे सराईत गुन्हेगार, फरार आरोपी, टोळ्यांमधील गुंड वगैरे मिळून ५० हजाराच्या आसपास डेटा संच आहे. (फोटो, ठसे, इतर माहिती). त्यांचे व्यवस्थित डेटा-लेबलिंग करणे म्हणजेच ट्रेनिंग सेट तयार करणे. असे संच तयार असतील असे मुळीच नाही. मग अनेक पोलीस स्टेशन्स, कोर्ट, कारागृहे वगैरेंमध्ये जाऊन डेटा मिळविण्याचा मोठा कार्यक्रम राबवावा लागेल. परत रोजच्या रोज त्यातील भर, बदल नोंदविण्यासाठी एक माहितीकक्षाचे जाळे तयार करावे लागेल, ज्यातील कर्मचारी डेटा-संच सतत अपडेट करण्याचे काम करतील. इथे कुठलेही व्यावसायिक शिक्षण लागत नसून, फक्त कॉम्प्युटर हाताळता येणे अपेक्षित असते. बाकी सिस्टीम वापरायचे प्रशिक्षण रुजू झाल्यानंतर दिले जाते. हल्ली अशी बरीचशी कामे बीपीओ कंपन्या करू लागल्या आहेत, ज्यामध्ये प्रचंड प्रमाणात मनुष्यबळाची गरज पडते आणि त्यातून एक नवीन रोजगार उदयाला येत आहे. ‘डेटा-टॅगिंग फॅक्टरी’ उदा., ऑटो मॅप्स बनविणाऱ्या कंपन्या (गूगल मॅप्स, अ‍ॅपल, एनव्हीडिया) त्यांनी मिळविलेल्या करोडो प्रतिमा असल्या बीपीओ कंपनीला पाठवितात. रस्त्यावरील फोटोमध्ये कुठल्या कुठल्या गोष्टी आहेत (गाडी, सिग्नल, मनुष्य, झाड, प्राणी, वगैरे) त्यांचे व्यवस्थित लेबलिंग करणे बस इतकेच काम ते कर्मचारी करतात. तुम्ही म्हणाल याच्यात काय एआय आलेय? पण या अमेरिकन, युरोपियन कंपन्यांना असल्या एका प्रकल्पासाठी दोन तीन हजार लोक सहज लागतात. तेही काही वर्षांसाठी. त्यामुळेच भारताचे ‘जागतिक एआय हब’ बनण्याचे स्वप्न हळूहळू पूर्ण होतेय.

डेटा- विश्लेषण : यात वरील ट्रेनिंग डेटा सेटचा वापर करून मशीन लर्निग प्रोग्रॅम्स लिहिणे (पायथन, आर सॉफ्टवेअर प्रणाली किंवा थर्ड पार्टी प्रोडक्ट्स जसे मायक्रोसॉफ्ट अझुर मशीन लर्निग स्टुडिओ), निर्माण झालेल्या ‘मॉडेल्सचे’ सफाईकरण, टेस्टिंग इत्यादी कामे येतात. इथे एक नवीन व्यवसाय उदयास आलाय, ज्याला आम्ही आयटी क्षेत्रातील लोक एकविसाव्या शतकातील सर्वात जबरदस्त कौशल्य म्हणून संबोधतो. ‘डेटा सायंटिस्ट’ व डेटा-अ‍ॅनालिस्ट, मशीन लर्निग प्रोग्रॅमर इत्यादी. आयटी क्षेत्रात ज्यांनी डेटाबेस, बिग डेटासंबंधी कामे केली आहेत, त्यांनी इथे प्रवेश मिळविण्यासाठी डेटा-सायन्स पोस्ट-ग्रॅज्युएट प्रोग्रॅम्स करावेत. जगातील ७५% टक्के डेटा सायंटिस्ट हे एक तर पीएचडी आहेत किंवा पोस्ट ग्रॅज्युएट. मी हल्ली अनेक बिगर इंजिनीयर व्यावसायिकदेखील असले प्रोग्रॅम्स करून एआय क्षेत्रात प्रवेश मिळविताना बघतोय. अर्थातच मेहनत नक्कीच जास्त. आयआयटी, आयआयएम व अनेक खासगी महाविद्यालयांनी असे प्रोग्राम सुरू केले आहेत. भारतीय संस्था अथवा परदेशी विद्यापीठे ३ महिने ते २ वर्षे, पूर्ण वेळ, अर्ध वेळ, पूर्णपणे ऑनलाइन, २५ हजारांपासून काही लाखांपर्यंत सर्व पर्याय उपलब्ध आहेत सध्या. मी देखील २०१७ मध्ये अमेरिकेच्या एमआयटी स्लोन्स आणि स्टॅनफोर्डमधून एआय, मशीन लर्निग सर्टिफिकेशन प्रोग्रॅम्स पूर्ण केलेत म्हणून सांगतोय, दिवसाला कमीत कमी दोन ते अडीच तास अभ्यास, अधिक रोजचा व्यवसाय/नोकरी आणि इतर कौटुंबिक जबाबदाऱ्या म्हणजे तारेवरची कसरतच. पण इच्छाशक्ती आणि चिकाटी असली की काहीही अशक्य नसते. अजून एक. हल्ली असल्या अभ्यासक्रमांचे पेव फुटले आहे सर्वत्र. म्हणून फसवणूक होण्याची शक्यता जास्त. तेव्हा योग्य खातरजमा (कॉलेजचे नाव, प्रोजेक्ट वर्क, इतरांना मिळालेल्या नोकऱ्या) करूनच निवड करावी.

डेटा-सादरीकरण : वरील डेटा- विश्लेषण सामान्य यूजर्सना वापरता येईल अशा स्वरूपात (तक्ते, आलेख, त्रिमिती) सादर करण्यासाठी हल्ली एक नवीन व्यवसाय वाढीस लागलाय, ज्याला ‘डेटा-व्हिज्युअलायझर्स’ म्हणतात. टॅबलिऊ, किल्क सॉफ्टवेअर वापरून हे लोक साध्या द्विमितीय माहितीचे सुंदर आलेख बनवितात. इथेही बिगर इंजिनीयरिंग क्षेत्रातले लोकही प्रवेश करू शकतात, अर्थातच योग्य प्रशिक्षण घेऊन.

इतर : ई-देखरेख प्रकल्पात सीसीटीव्ही कॅमेरे, आय ओ टी सेन्सर्स वगैरे हार्डवेअर तंत्रज्ञदेखील लागतील. त्याबद्दल पुढील लेखमालेत.

३) कॅन्सर निदान प्रकल्प :

डेटा-कॅप्चर : इथेही वरीलप्रमाणे सर्व लागू होईल. फक्त चेहऱ्याचे फोटो, ठशांच्या जागी घशाचे फोटो व तंबाखू सेवनाबद्दल प्रश्न उत्तर प्रकारात माहिती वापरली जाईल. असे समजा १० हजार सॅम्पल्स मिळवायचे झाल्यास किती कॅन्सर हॉस्पिटल्स पालथी घालावी लागतील. तसेच कॅन्सर न झालेल्या व्यक्तींचे सॅम्पल्स मिळवण्यासाठी अनेक ठिकाणी वैद्यकीय शिबिरे घ्यावी लागतील. कारण अचूक विश्लेषण जमायला ५०% फोटो कॅन्सर असलेले, तर उर्वरित तंबाखू खाणारे पण कॅन्सर न झालेल्या व्यक्तींचे लागतील. ते हॉस्पिटलमध्ये कुठे सापडणार?

डेटा-विश्लेषण टीम : डेटा-सायंटिस्ट ही व्यक्ती फक्त एआय तंत्रज्ञ नसून ठरावीक क्षेत्रात व्यावसायिक ज्ञान असलेली हवी. उदा : आरोग्य क्षेत्रातले डेटा सायंटिस्ट टेलिकॉम क्षेत्रात प्रभावीपणे काम नाही करू शकणार. हा मुद्दा मुद्दाम मांडतोय कारण जर तुम्ही तंत्रज्ञ नसाल पण काही विशिष्ट उद्योगातील अनुभवी असाल तरी देखील डेटा-सायन्स प्रक्षिक्षण घेऊन त्याच क्षेत्रातले डेटा-सायंटिस्ट बनू शकाल.

सारांश म्हणजे एआय तंत्रज्ञ क्षेत्र फक्त इंजिनीयरनाच खुले आहे असे मुळीच नाही. दुसरे फक्त आयटी अनुभव असून उपयोग नाही. त्या जोडीला एखाद्या उद्योगाचे व्यावसायिक ज्ञान महत्त्वाचे. तिसरे म्हणजे जास्तीत जास्त भारतीयांनी या विषयात करिअर बदल करून स्वत:चा फायदा तर करून घ्यावाच, पण ‘जागतिक एआय हब’ बनण्याच्या भारताच्या स्वप्नालादेखील हातभार लावावा. त्यासाठी मार्गदर्शन करायला आमच्यासारखे अनेक अनुभवी तज्ज्ञ पुढे येतीलच. पण मेहनत मात्र तुम्हालाच करायचीय.

लेखक टाटा कन्सल्टन्सी सव्‍‌र्हिसेसमध्ये साहाय्यक उपाध्यक्ष आणि सध्या अ‍ॅनालिटिक्स आणि इनसाइट्सच्या यूएसए सेंटरचे प्रमुख म्हणून कार्यरत आहेत.

hrishikesh.sherlekar@gmail.com