यंत्रांना खरोखरच माणसाच्या भावना समजतात का आणि त्यांचे मोजमाप शक्य आहे का?

'आर्टिफिशियल इंटेलिजन्स' म्हणजेच कृत्रिम बुद्धिमत्ता आता केवळ यंत्रांपुरती, रोबोट्सपुरती किंवा संगणकाच्या कोडिंगपुरती मर्यादित राहिलेली नाही. आजवर आपण पाहिले आहे की कृत्रिम बुद्धिमत्ता प्रचंड मोठ्या माहितीचे (डेटाचे) विश्लेषण करू शकते, अत्यंत गुंतागुंतीची गणिते सेकंदात सोडवू शकते आणि भविष्यातील अचूक अंदाजही वर्तवू शकते. परंतु, आता या तंत्रज्ञानाने एक अत्यंत आव्हानात्मक आणि तितकेच मानवी कुतूहल निर्माण करणारे नवे पाऊल उचलले आहे, ते म्हणजे मानवी भावना समजून घेण्याचे आणि त्यांचे चक्क मोजमाप करण्याचे. 'लोकमत'च्या 'एआय सिरीज'मध्ये नुकत्याच प्रसिद्ध झालेल्या एका अत्यंत विचार करायला लावणाऱ्या सविस्तर लेखानुसार, कृत्रिम बुद्धिमत्ता खरोखरच मानवी भावना समजू शकते का आणि जर ती समजली तर त्या भावनांचे गणितीय मोजमाप करणे खरोखरच शक्य आणि योग्य आहे का, या प्रश्नांचा अत्यंत सखोल वेध घेण्यात आला आहे. जेव्हा आपण कृत्रिम बुद्धिमत्तेवर आधारित एखादी रहस्यकथा किंवा थरारिका वाचतो किंवा लिहितो, तेव्हा त्या कथेतील सर्वात मोठा आणि मध्यवर्ती संघर्ष हा नेहमीच 'यंत्राची भावनाशून्य तार्किकता विरुद्ध माणसाच्या उत्स्फूर्त भावना' हाच असतो. माणूस एखादा शब्द बोलण्याआधीच त्याचे डोळे, त्याच्या चेहऱ्यावरील सूक्ष्म हावभाव, आवाजातील चढउतार आणि अगदी त्याची दोन शब्दांमधील शांतताही खूप काही सांगून जात असते. मानवी भावना म्हणजे केवळ आनंद, दुःख किंवा राग एवढ्यापुरत्या मर्यादित नसतात, तर त्या माणसाचे आजवरचे अनुभव, त्याच्या मेंदूतील जुन्या आठवणी, भविष्यातील अपेक्षा आणि मनाच्या एका कोपऱ्यात दडलेली अनामिक भीती या सर्वांचे एक अत्यंत गुंतागुंतीचे आणि सुंदर मिश्रण असतात.

आजच्या प्रगत काळात कृत्रिम बुद्धिमत्तेचा वापर शिक्षण, आरोग्य सेवा, ग्राहक सेवा, मानसिक आरोग्य आणि अगदी कॉर्पोरेट कार्यालयांमधील कामाच्या वातावरणातही अत्यंत वेगाने आणि मोठ्या प्रमाणावर होत आहे. सतरा-अठरा वर्षांचा प्रदीर्घ अनुभव असलेला एखादा शिक्षक किंवा प्रशिक्षक जसा वर्गातील विद्यार्थ्यांचे चेहरे पाहून, त्यांच्या डोळ्यांतील भाव ओळखून त्यांना शिकवला जाणारा विषय समजतोय की नाही हे अत्यंत अचूकपणे ओळखतो, तशीच काहीशी क्षमता आता या अद्ययावत एआय प्रणालींमध्ये विकसित करण्याचा प्रयत्न डेटा सायन्सच्या माध्यमातून केला जात आहे. पण इथे एक अत्यंत महत्त्वाची आणि मूलभूत तांत्रिक बाब समजून घेणे गरजेचे आहे. कृत्रिम बुद्धिमत्तेला माणसासारख्या भावना प्रत्यक्ष 'जाणवत' नाहीत किंवा ती स्वतः कोणतीही सजीव भावना अनुभवत नाही. ती केवळ मानवी भावनांचे बाह्य आणि भौतिक संकेत ओळखण्याचे काम अत्यंत कुशलतेने करते. एखाद्या व्यक्तीच्या चेहऱ्यावरील स्नायूंच्या हालचाली, बोलताना आवाजात होणारे सूक्ष्म बदल, संवादात वापरल्या जाणाऱ्या शब्दांची पद्धत आणि एखाद्या प्रश्नाला प्रतिसाद देण्याचा वेग या सर्व गोष्टींचा प्रचंड डेटा गोळा करून आणि त्याचे विश्लेषण करून एआय समोरच्या व्यक्तीच्या मनस्थितीचा एक तांत्रिक आणि सांख्यिकीय अंदाज बांधते.

याचे एक अत्यंत उत्तम आणि दैनंदिन जीवनातील प्रात्यक्षिक उदाहरण म्हणजे सध्याचे ऑनलाईन शिक्षण आणि प्रशिक्षण. समजा एखादा विद्यार्थी किंवा प्रशिक्षणार्थी ऑनलाईन प्लॅटफॉर्मवर काहीतरी नवीन शिकत आहे. शिकत असताना तो मध्येच वारंवार थांबत असेल, विचारलेल्या प्रश्नांना खूप उशिरा किंवा चुकीचा प्रतिसाद देत असेल, किंवा त्याच्या चाचण्यांमधील गुण अचानक घसरत असतील, तर एआय प्रणाली या सर्व वर्तणुकीच्या नमुन्यांची (बिहेविअर पॅटर्न) त्वरित आणि अत्यंत अचूक नोंद घेते. या गोळा केलेल्या आकडेवारीवरून एआयला हे सहज लक्षात येऊ शकते की तो विद्यार्थी नेमका कुठेतरी गोंधळलेला आहे, त्याला विषय समजत नाहीये किंवा तो कोणत्यातरी मानसिक तणावाखाली आहे. जेव्हा ही अत्यंत अचूक आणि विश्लेषणात्मक माहिती संबंधित मानवी शिक्षकाला किंवा मार्गदर्शकाला मिळते, तेव्हा तो शिक्षक त्या विद्यार्थ्याशी संवाद साधून त्याला अधिक चांगल्या आणि वेगळ्या पद्धतीने समजावून सांगू शकतो. या संपूर्ण प्रक्रियेत कृत्रिम बुद्धिमत्तेने त्या विद्यार्थ्याच्या भावना थेट बदललेल्या नाहीत, तर तिने फक्त त्या विद्यार्थ्याच्या मनातील अडचण आणि भावना ओळखण्याचे शिक्षकाचे काम अधिक सोपे, अचूक आणि जलद केले आहे.

सध्याच्या काळात मानवी भावना आणि कृत्रिम बुद्धिमत्ता यांचा मेळ घालण्यासाठी प्रामुख्याने चार प्रकारच्या अत्यंत प्रगत एआय प्रणालींचा वापर केला जातो. पहिली आणि सर्वात परिचयाची प्रणाली म्हणजे चेहरा ओळखणारी यंत्रणा (फेशियल रेकग्निशन सिस्टीम). ही यंत्रणा माणसाच्या चेहऱ्यावरील सूक्ष्म भाव, कपाळावरील आठ्या, डोळ्यांची उघडझाप आणि ओठांच्या हालचालींमधील बदल कॅमेराच्या माध्यमातून अत्यंत बारकाईने टिपते आणि त्यावरून माणूस आनंदी आहे की रागात आहे, हे ठरवते. दुसरी महत्त्वाची प्रणाली म्हणजे आवाज विश्लेषक (व्हॉइस ॲनालिसिस सिस्टीम). जेव्हा एखादी व्यक्ती बोलते, तेव्हा तिच्या बोलण्याच्या वेगात, आवाजाच्या पातळीत आणि स्वरात जाणवणारा तणाव, उत्साह किंवा थकवा ओळखण्याचे काम हे अल्गोरिदम करतात. तिसरी आणि अत्यंत गुंतागुंतीची प्रणाली ही भाषेचे आकलन करणारी असते (नॅचरल लँग्वेज प्रोसेसिंग किंवा एनएलपी). ही प्रणाली आपण केलेल्या संवादात, पाठवलेल्या ई-मेलमध्ये किंवा सोशल मीडियावरील पोस्टमध्ये वापरलेल्या शब्दांमधील लपलेला भावनिक अर्थ आणि त्या वाक्याचा एकूण कल (सेंटिमेंट) शोधून काढते. आणि चौथी प्रणाली म्हणजे मानवी वर्तणुकीचा अभ्यास करणारी प्रणाली. ही प्रणाली माणसाच्या इंटरनेटवरील दैनंदिन सवयी, त्याच्या टाईप करण्याचा वेग, आणि त्यातील अचानक झालेले बदल ओळखून त्याच्या मानसिक स्थितीचा अंदाज बांधते. या सर्व अद्ययावत प्रणाली आपला बराच वेळ नक्कीच वाचवतात आणि लोकांच्या मोठ्या समूहामध्ये भावनिक संकेत शोधण्याचे अवघड काम सहज करतात. 

पण हे सर्व तांत्रिक यश असले तरीही, या तंत्रज्ञानाला काही अत्यंत गंभीर आणि नैसर्गिक मर्यादाही आहेत, ज्याकडे दुर्लक्ष करून चालणार नाही. मानवी भावना म्हणजे केवळ शून्य आणि एकच्या स्वरूपातील आकडेवारी नाही. मानवी मन हे अत्यंत गूढ, सखोल आणि अनाकलनीय आहे. माणूस अनेकदा वरवर हसताना दिसतो, पण त्याच्या आतमध्ये एक प्रचंड मोठे आणि खोल दुःख लपलेले असू शकते. तो बाहेरून अत्यंत शांत आणि स्थिर वाटत असला तरी, त्याच्या मनात विचारांचे मोठे वादळ घोंघावत असू शकते. माणसाच्या मनाची ही अथांग खोली आणि हा लपवाछपवीचा नैसर्गिक खेळ समजून घेणे कोणत्याही कृत्रिम बुद्धिमत्तेसाठी आजच्या घडीला तरी जवळपास अशक्य आहे. याचे मुख्य कारण म्हणजे, कृत्रिम बुद्धिमत्ता ही कायम भूतकाळातील आणि तिला पुरवलेल्या ऐतिहासिक डेटावर अवलंबून असते. ती एका ठरलेल्या अल्गोरिदम आणि नियमांनुसार काम करते. याउलट, मानवी भावना या कोणत्याही नियमात बसणाऱ्या नसतात; त्या अत्यंत उत्स्फूर्त असतात आणि त्या क्षणाक्षणाला आणि आजूबाजूच्या परिस्थितीनुसार बदलत असतात. माणूस आपल्या भावना अत्यंत कुशलतेने लपवू शकतो, पण एआय केवळ समोर दिसणाऱ्या संकेतांवर अवलंबून राहून निर्णय देते. माणसाच्या भावना समजून घेण्यासाठी संदर्भ आणि माणुसकीची अत्यंत गरज असते, तर एआयला केवळ तांत्रिक सूचना आणि डेटाची आवश्यकता असते.

या सर्व सखोल चर्चेतून एक अत्यंत मोठा आणि तात्विक प्रश्न निर्माण होतो, तो म्हणजे खरोखरच मानवी भावनांचे असे सांख्यिकीय मोजमाप करणे योग्य आहे का? जर आपण एखाद्या मशीनला किंवा मोबाईल ॲपला आपल्या भावना मोजण्याचा अधिकार दिला आणि ती प्रणाली आपल्याला सतत सांगत राहिली की 'तू आज आनंदी नाहीस', 'तुझ्या चेहऱ्यावर तणाव दिसतोय' किंवा 'तू दुःखी आहेस', तर त्याचा माणसाच्या मानसिकतेवर अत्यंत वाईट आणि नकारात्मक परिणाम होऊ शकतो. माणूस स्वतःच्याच नैसर्गिक भावनांवर आणि विचार करण्याच्या पद्धतीवर विनाकारण शंका घेऊ लागेल. आपण आपल्या भावना नैसर्गिकरीत्या समजून घेण्याऐवजी आणि त्या खऱ्या अर्थाने अनुभवण्याऐवजी एखाद्या मशीनला अपेक्षित असलेल्या आकड्यांनुसार त्या 'दुरुस्त' करण्याचा चुकीचा खटाटोप करू लागू. निसर्गाच्या मूळ नियमानुसार पाहिले तर भावना या कधीही मोजायच्या नसतात, त्या फक्त जगायच्या आणि अनुभवायच्या असतात. जसे एखाद्या झाडाला पाणी कमी मिळाले तर ते आपोआप सुकते आणि जास्त पाणी मिळाले तर ते कुजून जाते. निसर्ग स्वतःचा समतोल स्वतःच अत्यंत सुंदरपणे साधत असतो, तो कुठेही मोजपट्टी घेऊन मोजमाप करत बसत नाही. माणसाच्या मनाचे आणि भावनांचेही अगदी तसेच आहे. त्यांना व्यक्त होण्यासाठी मोकळ्या जागेची आणि माणुसकीच्या आधाराची गरज असते.

याच संदर्भात लोकमतच्या लेखामध्ये 'आरव' नावाच्या एका तरुणाची अतिशय मार्मिक आणि सर्वांना विचार करायला लावणारी एक छोटी कथा देण्यात आली आहे. आरवने आपल्या स्मार्टफोनमध्ये एक असे नवीन ॲप डाऊनलोड केले होते, जे त्याला दररोज त्याच्या भावना आणि मनस्थिती तपासून आणि मोजून सांगत असे. एके दिवशी सकाळी आरव अतिशय शांत आणि स्थिर मनस्थितीत असताना, त्या ॲपवर अचानक नोटिफिकेशन आले की तो आज 'दुःखी' (Unhappy) आहे. हे वाचून आरव प्रचंड गोंधळून गेला. तो खरोखरच आतून शांत होता, पण एका यंत्राने त्याला दुःखी ठरवले होते. हळूहळू आरव स्वतःच्या मनाचा खरा आवाज ऐकण्याऐवजी त्या मोबाईल ॲपवर आणि त्याच्या आकड्यांवर जास्त अवलंबून राहू लागला. पण सुदैवाने काही दिवसांनी ते ॲप एका तांत्रिक बिघाडामुळे बंद पडले. आता आरवला स्वतःच्या मनाचा थांगपत्ता लावण्यासाठी एका जागी शांत बसून स्वतःशीच संवाद साधण्याशिवाय दुसरा कोणताही पर्याय उरला नव्हता. जेव्हा त्याने स्वतःच्या आत डोकावून पाहिले, तेव्हा त्याला एक अत्यंत मोठा साक्षात्कार झाला. त्याला हे समजले की जगातला कोणताही प्रगत स्क्रीन किंवा कोणतीही अद्ययावत कृत्रिम बुद्धिमत्ता त्याच्या स्वतःच्या भावना त्याच्यापेक्षा अधिक चांगल्या प्रकारे कधीच समजू शकत नाही. त्या दिवसापासून त्याने तंत्रज्ञानाचा वापर केवळ एक मदतनीस म्हणून करण्याचे ठरवले, स्वतःच्या आयुष्याचे आणि भावनांचे अंतिम उत्तरे शोधण्यासाठी नाही. यंत्रे केवळ माणसाच्या चेहऱ्यावरील बाह्य संकेत टिपू शकतात, पण खऱ्या भावना अनुभवण्याची ताकद आणि संवेदनशीलता ही केवळ मानवाकडेच आहे, हा अत्यंत मोलाचा धडा त्याला मिळाला.

भविष्यात जेव्हा आपण कृत्रिम बुद्धिमत्तेचा आणखी विकास करू आणि ती अधिक प्रगत होईल, तेव्हा एआय आणि मानवी भावना यांचे नाते अधिक संवेदनशील आणि परिपक्व असणे अत्यंत गरजेचे आहे. कृत्रिम बुद्धिमत्तेने माणसाच्या भावनांची आकडेमोड करून त्यांचे 'मोजमाप' करण्यापेक्षा, त्या भावना समजून घेण्यासाठी आणि त्यांना व्यक्त होण्यासाठी एक सुरक्षित जागा निर्माण करणे अधिक महत्त्वाचे आहे. थोडक्यात सांगायचे तर, कृत्रिम बुद्धिमत्ता ही माणसासाठी एक स्वच्छ आरसा असली पाहिजे, जो आपल्याला आपली प्रतिमा दाखवेल, पण ती कोणताही अंतिम निर्णय सुनावणारा कठोर न्यायाधीश नसावी. जर कृत्रिम बुद्धिमत्तेचा विकास करताना मानवी मर्यादा, मानवी हक्क आणि नैसर्गिक भावनांचा आदर केला गेला, तरच हे अफाट तंत्रज्ञान खऱ्या अर्थाने मानवाच्या प्रगतीसाठी आणि भल्यासाठी उपयुक्त ठरू शकेल. तंत्रज्ञान कितीही पुढे गेले, कोडिंग कितीही प्रगत झाले आणि यंत्रे कितीही हुशार झाली, तरी माणुसकी, खरी सहानुभूती आणि खऱ्या भावनांची उब ही माणसाला फक्त एका माणसाकडूनच मिळू शकते, आणि हेच या अद्भूत आणि वेगाने बदलणाऱ्या दुनियेचे सर्वात मोठे आणि शाश्वत सत्य आहे.

(संदर्भ: दैनिक लोकमत)

--- तुषार भ. कुटे