एआयचा 'हिवाळा': जेव्हा तंत्रज्ञानाची स्वप्ने थिजली!

आजकाल जिथे पहावे तिथे 'आर्टिफिशियल इंटेलिजन्स' (AI) म्हणजेच कृत्रिम बुद्धिमत्तेची चर्चा आहे. चॅटजीपीटीसारख्या मॉडेल्समुळे तर एआय आपल्या दैनंदिन जीवनाचा अविभाज्य भाग बनू पाहत आहे. भविष्यात एआय काय क्रांती घडवेल, याच्या चर्चा आणि अपेक्षांना सध्या उधाण आले आहे. पण तुम्हाला माहीत आहे का, की एआयच्या या प्रवासात काही असे काळ आले आहेत, जेव्हा एआयचे भवितव्य अंधारात गेल्यासारखे वाटले होते? या काळाला 'एआय हिवाळा' (AI Winter) असे म्हटले जाते.

काय असतो हा 'एआय हिवाळा'?

कल्पना करा, एखाद्या तंत्रज्ञानाबद्दल प्रचंड उत्साह आहे, त्याला भविष्यातील तारणहार मानले जात आहे, मोठ्या प्रमाणावर गुंतवणूक केली जात आहे. पण काही काळानंतर लक्षात येते की या तंत्रज्ञानाकडून ज्या अपेक्षा ठेवल्या होत्या, त्या पूर्ण होत नाहीत. त्याने दिलेली आश्वासने सत्यात उतरत नाहीत. यामुळे लोकांचा भ्रमनिरास होतो, गुंतवणूकदार हात मागे खेचू लागतात, निधी मिळणे बंद होते आणि या क्षेत्रातील संशोधन आणि विकास जवळपास थांबतो. तंत्रज्ञानाच्या या थंड, निष्क्रिय आणि कठीण काळालाच 'हिवाळा' (Winter) असे उपमात्मक दृष्ट्या म्हटले जाते. एआयच्या बाबतीत असे एक-दोनदा नव्हे, तर किमान दोनदा घडले आहे.

पहिला हिवाळा (अंदाजे १९७४-१९८०):

एआयची खरी सुरुवात १९५० च्या दशकात झाली. सुरुवातीला खूप आशादायक परिणाम मिळाले. संगणक बुद्धीबळ खेळायला लागले, साध्या समस्या सोडवू लागले. यामुळे संशोधकांमध्ये आणि सरकारमध्ये (विशेषतः अमेरिका आणि ब्रिटनमध्ये) प्रचंड उत्साह निर्माण झाला. वाटले की काही वर्षांतच मानवी बुद्धिमत्तेची बरोबरी करणारा एआय तयार होईल. मोठ्या प्रमाणावर निधी देण्यात आला.

मात्र, लवकरच लक्षात आले की सुरुवातीचे यश हे तुलनेने सोप्या समस्यांसाठी होते. खऱ्या जगातील गुंतागुंतीच्या समस्या सोडवण्यासाठी त्यावेळी उपलब्ध असलेले संगणक आणि अल्गोरिदम (गणित पद्धती) अपुरे होते. भाषांतर करणे, दृश्यांना ओळखणे यासारखी कामे अत्यंत कठीण ठरली.

उदाहरणार्थ, अमेरिकन सरकारने रशियन भाषेचे इंग्रजीमध्ये स्वयंचलित भाषांतर करण्यासाठी मोठा निधी दिला होता. पण त्याचे परिणाम अत्यंत निराशाजनक होते. शब्दशः भाषांतर व्हायचे, ज्याचा अर्थ लागत नसे. या अपयशांमुळे आणि अपेक्षित प्रगती न झाल्यामुळे निधी कमी करण्यात आला. लंडन युनिव्हर्सिटीचे प्राध्यापक जेम्स लाईटहिल यांनी १९७३ मध्ये सादर केलेला अहवाल या पहिल्या 'एआय हिवाळ्या'चे एक प्रमुख कारण मानले जाते, ज्याने एआय संशोधनातील मूलभूत मर्यादा स्पष्ट केल्या आणि निधी कपातीची शिफारस केली.

दुसरा हिवाळा (अंदाजे १९८७-१९९४):

पहिला हिवाळा सरल्यानंतर १९८० च्या दशकात 'एक्स्पर्ट सिस्टीम' (Expert Systems) मुळे एआयमध्ये पुन्हा नवी जान आली. ही सिस्टीम एखाद्या विशिष्ट क्षेत्रातील मानवी तज्ञाचे ज्ञान वापरून निर्णय घ्यायची. यामुळे कंपन्यांना फायदा होत असल्याचे दिसले आणि पुन्हा एकदा एआयमध्ये प्रचंड गुंतवणूक सुरू झाली. जपानने तर 'पाचव्या पिढीतील कॉम्युटर' नावाचा महत्वांकांक्षी प्रकल्प सुरू केला, ज्याचा उद्देश एआय आधारित संगणक बनवणे होता.

पण पुन्हा तोच इतिहास घडला. एक्स्पर्ट सिस्टीम मोठ्या प्रमाणावर वाढवणे अत्यंत कठीण आणि खर्चिक होते. त्यांना अपडेट ठेवणे, नवीन माहिती शिकवणे जिकिरीचे ठरू लागले. तसेच, बाजारात उपलब्ध असलेल्या तुलनेने सोप्या आणि स्वस्त पर्यायांमुळे एक्स्पर्ट सिस्टीम व्यावसायिक दृष्ट्या अपयशी ठरल्या.

यासोबतच, 'लिस्प मशीन' (Lisp Machines) नावाचे एआय संशोधनासाठी बनवलेले खास संगणक अत्यंत महागडे होते आणि त्यांचा वापर मर्यादित होता. जेव्हा स्वस्त आणि अधिक शक्तिशाली सामान्य संगणक बाजारात आले, तेव्हा लिस्प मशीन कालबाह्य झाल्या आणि त्या बनवणाऱ्या कंपन्या बुडाल्या. या सर्व कारणांमुळे पुन्हा एकदा एआयमधून लोकांचा विश्वास उडाला आणि निधीचा ओघ आटला. हा दुसरा 'एआय हिवाळा' होता.

हिवाळ्याचे परिणाम:

एआय हिवाळ्याचे गंभीर परिणाम झाले. एआयवर काम करणारे अनेक रिसर्च लॅब बंद झाले, संशोधकांनी इतर क्षेत्रात काम सुरू केले, एआय विषयात शिक्षण घेणाऱ्या विद्यार्थ्यांची संख्या घटली आणि एआय हे एक 'फॅड' किंवा 'अयशस्वी' क्षेत्र आहे अशी समजूत रूढ झाली. यामुळे एआय संशोधनाची गती मंदावली.

हिवाळ्यानंतरची नवी पहाट:

सुदैवाने, हे हिवाळे कायमचे राहिले नाहीत. शांतपणे सुरू असलेले संशोधन, कम्प्यूटिंग पॉवरमध्ये झालेली प्रचंड वाढ (जे आता आपल्या स्मार्टफोनमध्येही उपलब्ध आहे!), डेटाची वाढती उपलब्धता (विशेषतः इंटरनेटमुळे) आणि 'मशीन लर्निंग' तसेच 'डीप लर्निंग' सारख्या नव्या अल्गोरिदमच्या शोधामुळे एआय पुन्हा एकदा भरारी घेण्यासाठी सज्ज झाले.

वर्तमान आणि भविष्यातील आव्हान:

आज आपण एआयच्या एका सुवर्णयुगात आहोत असे म्हटले तर वावगे ठरणार नाही. पण 'एआय हिवाळ्या'चा इतिहास आपल्याला एक महत्त्वाचा धडा शिकवतो: तंत्रज्ञानाकडून अवास्तव अपेक्षा ठेवू नका. एआयच्या क्षमता प्रचंड असल्या तरी त्याच्या मर्यादाही आहेत. सध्याच्या उत्साहाच्या भरात जर आपण पुन्हा एकदा केवळ मोठ्या मोठ्या गोष्टी बोललो आणि प्रत्यक्षात डिलिव्हरी कमी पडली, तर भविष्यात आणखी एका 'एआय हिवाळ्या'ची शक्यता नाकारता येत नाही.

त्यामुळे, एआयचा विकास करताना वास्तववादी राहणे, येणारी आव्हाने स्वीकारणे, दीर्घकालीन संशोधनावर लक्ष केंद्रित करणे आणि केवळ दिखाव्यासाठी नव्हे, तर खऱ्या समस्या सोडवण्यासाठी एआयचा वापर करणे हे अत्यंत आवश्यक आहे. एआयचा 'हिवाळा' हा केवळ इतिहासाचा एक भाग नाही, तर भविष्यासाठी एक महत्त्वपूर्ण धडा आहे.

--- तुषार भ. कुटे

(चित्रनिर्मिती एआयद्वारे)
#ArtificialIntelligence #AIWinter #History #Marathi