तंत्रज्ञानाचा विकास झपाट्याने होत आहे आणि कृत्रिम बुद्धिमत्ता (Artificial Intelligence - AI) क्षेत्रात अनेक महत्त्वपूर्ण बदल घडत आहेत. या बदलांमध्ये, प्रस्थापित तंत्रज्ञान कंपन्या आणि महत्त्वाकांक्षी स्टार्टअप्स यांच्यातील रणनीतिक हालचाली विशेष लक्ष वेधून घेत आहेत. दोन मोठ्या घोषणांमुळे एआय विकासाच्या दिशेमध्ये बदल होण्याची शक्यता आहे. फेसबुकची मूळ कंपनी मेटा (Meta) ने ‘लामाकॉन’ (LlamaCon) नावाची परिषद आयोजित करण्याची घोषणा केली आहे, जी त्यांच्या ओपन-सोर्स एआय उपक्रमांवर आधारित असेल. त्याच वेळी, ओपनएआयच्या (OpenAI) माजी मुख्य तंत्रज्ञान अधिकारी (Chief Technology Officer - CTO) मीरा मुराती (Mira Murati) यांनी ‘थिंकिंग मशीन्स लॅब’ (Thinking Machines Lab) नावाचा एक नवीन स्टार्टअप सुरू केला आहे, ज्याचा मुख्य उद्देश एआय सुरक्षा आणि मानवी मूल्यांशी जुळवून घेणे आहे. या दोन घटना एआय समुदायातील एक मूलभूत संघर्ष दर्शवतात: तो म्हणजे, खुल्या प्रवेशाचे महत्त्व आणि नियंत्रित, सुरक्षित विकासाची गरज.
मेटाचे लामाकॉन: ओपन-सोर्स एआयवर भर
मार्क झुकेरबर्ग यांच्या नेतृत्वाखालील मेटा कंपनीने नेहमीच ओपन-सोर्स एआयला प्रोत्साहन दिले आहे. त्यांची ही भूमिका ओपनएआय (OpenAI) (जीपीटी मालिका) आणि गुगल (जेमिनी) यांच्या मालकीच्या मॉडेलच्या अगदी विरुद्ध आहे. लामाकॉनची घोषणा हे मेटाच्या धोरणात्मकCommitment चा एक भाग आहे. मोठ्या प्रमाणावर एआय संशोधन आणि विकासाला प्रोत्साहन देणे हाच यामागचा उद्देश आहे.
लामाकॉन २९ एप्रिल, २०२५ रोजी आयोजित केले जाईल. हे एक असे व्यासपीठ असेल जेथे विकासक, संशोधक आणि एआय प्रेमी एकत्र येऊन चर्चा करतील. हे खास करून मेटाच्या लामा कुटुंबातील मोठ्या भाषिक मॉडेल (Llama family of large language models - LLMs) दर्शविण्यासाठी तयार केले गेले आहे. हा कार्यक्रम केवळ एक परिषद नाही, तर मेटाच्या व्यापक धोरणाचा एक भाग आहे, ज्यामध्ये एआयला सर्वांसाठी उपलब्ध करणे, पारदर्शकता वाढवणे आणि मॉडेल विकासात समुदायाचा सहभाग वाढवणे हे उद्दिष्ट आहे.
मेटाचा ओपन-सोर्स दृष्टिकोन इतर मोठ्या एआय कंपन्यांच्या धोरणांना आव्हान देतो. ओपनएआय, गुगल डीपमाइंड आणि अँथ्रोपिक यांसारख्या कंपन्यांनी त्यांचे तांत्रिक कौशल्य गुप्त ठेवण्याचे धोरण अवलंबले आहे. मात्र, मेटा एक वेगळ्या भविष्यावर विश्वास ठेवते, जिथे विकासकांना त्यांच्या एआय प्रणालींमध्ये बदल करण्याची आणि त्यावर नियंत्रण ठेवण्याची पूर्ण मुभा असेल. खुल्या एआयचे समर्थन करून, मेटा अशा लोकांसाठी एक चांगला पर्याय बनू इच्छिते, ज्यांना मालकीच्या प्रणालींमधील मर्यादा आणि संभाव्य त्रुटींची चिंता आहे.
मेटाच्या धोरणाचे अनेक फायदे आहेत:
- विकासकांना आकर्षित करणे: ओपन-सोर्स उपक्रम समुदायाची भावना वाढवतात, ज्यामुळे सामायिक संसाधनांमध्ये योगदान देण्यासाठी उत्सुक असलेले विकासक आकर्षित होतात. हे सहकार्याचे वातावरण जलद नवकल्पना आणि विविध ॲप्लिकेशन्स तयार करण्यास मदत करते.
- आवश्यकतेनुसार बदल आणि नियंत्रण: व्यवसाय आणि संशोधक लामा मॉडेलला त्यांच्या विशिष्ट गरजेनुसार बदलू शकतात, ज्यामुळे त्यांना बंद स्त्रोत असलेल्या पर्यायांपेक्षा जास्त नियंत्रण मिळते. हे विशेषतः अशा क्षेत्रांमध्ये महत्त्वाचे आहे, जिथे तयार असलेले उपाय पुरेसे नसतात.
- पारदर्शकता आणि विश्वास: ओपन-सोर्स मॉडेल स्वभावतः अधिक पारदर्शक असतात. या खुलेपणामुळे जास्त तपासणी करता येते, ज्यामुळे संशोधकांना संभाव्य त्रुटी किंवा Bias शोधून काढण्यास आणि त्यावर उपाय शोधण्यास मदत होते. यामुळे तंत्रज्ञानावरील विश्वास वाढतो, जो त्याच्या व्यापक स्वीकृतीसाठी महत्त्वाचा घटक आहे.
- खर्चिक नसणे: ओपन-सोर्स मॉडेल सामान्यतः कमी खर्चिक असतात, कारण वापरकर्त्यांना जास्त परवाना शुल्क भरावे लागत नाही. हे लहान संस्था आणि वैयक्तिक संशोधकांना अत्याधुनिक एआय वापरण्यास सक्षम करते.
मेटाचा असा विश्वास आहे की ओपन-सोर्सचे फायदे संभाव्य धोक्यांपेक्षा जास्त आहेत. उदाहरणार्थ, गैरवापर होण्याची शक्यता किंवा Decentralized विकासाच्या वातावरणात गुणवत्ता नियंत्रण राखण्याचे आव्हान यावर मात करता येऊ शकते.
मीरा मुराती यांचे थिंकिंग मशीन्स लॅब: एआय सुरक्षा आणि मानवी मूल्यांना प्राधान्य
मेटा खुलेपणाला प्रोत्साहन देत असताना, मीरा मुराती यांचे थिंकिंग मशीन्स लॅब एक वेगळा आणि तितकाच महत्त्वाचा दृष्टिकोन घेत आहे. १८ फेब्रुवारी, २०२५ रोजी घोषित झालेल्या या नवीन स्टार्टअपचा उद्देश एआयमधील सर्वात महत्त्वाच्या समस्यांपैकी एक सोडवणे आहे: ते म्हणजे, अधिकाधिक शक्तिशाली होत असलेल्या एआय प्रणाली मानवी मूल्यांशी जुळवून घेणे आणि सुरक्षित ठेवणे.
मुराती यांनी यापूर्वी ओपनएआयच्या तांत्रिक दिशेचे नेतृत्व केले आहे, ज्यामुळे त्यांना या नवीन Ventures मध्ये खूप अनुभव आणि विश्वासार्हता मिळाली आहे. त्यांच्या स्टार्टअपने आधीच जॉन Schulman आणि Barret Zoph यांच्यासारख्या उच्च-स्तरीय एआय तज्ञांना आकर्षित केले आहे. या तज्ञांच्या एकत्रित ज्ञानामुळे एआय उद्योगात उच्च स्तरावर स्पर्धा करण्याची त्यांची गंभीर इच्छा दिसते.
थिंकिंग मशीन्स लॅबचा मुख्य उद्देश एआय प्रणालींना खालीलप्रमाणे बनवणे आहे:
- अर्थ लावता येण्याजोगे: एआयने एखादा विशिष्ट निर्णय का घेतला हे समजणे, विश्वास निर्माण करण्यासाठी आणि उत्तरदायित्व सुनिश्चित करण्यासाठी महत्त्वाचे आहे. मुराती यांची टीम एआय मॉडेलच्या अंतर्गत कामकाज अधिक पारदर्शक करण्यासाठी पद्धती विकसित करण्याचे ध्येय ठेवते.
- आवश्यकतेनुसार बदल करता येण्याजोगे: मेटाच्या दृष्टिकोनानुसार, थिंकिंग मशीन्स लॅब वापरकर्त्यांना त्यांच्या विशिष्ट गरजेनुसार एआय प्रणालींमध्ये बदल करण्याची परवानगी देण्याच्या महत्त्वावर जोर देते. मात्र, हे बदल सुरक्षा आणि नैतिक विचारानुसार केले जातील.
- मानवी मूल्यांशी जुळलेले: हे सर्वात मोठे आव्हान आहे. एआय प्रणाली जसजशी अधिक Sophisticated होत जातील, तसतसे त्याचे अनपेक्षित परिणाम होण्याची शक्यता वाढते. थिंकिंग मशीन्स लॅब हे सुनिश्चित करण्यावर लक्ष केंद्रित करत आहे की एआय मानवी ध्येयांशी आणि मूल्यांशी जुळलेले राहील, ज्यामुळे ते हानिकारक किंवा अवांछित कृती करणार नाहीत.
थिंकिंग मशीन्स लॅबचा दृष्टिकोन पूर्णपणे ओपन-सोर्स किंवा क्लोज्ड-सोर्स असण्याची शक्यता नाही. ते दोन्ही पद्धतींचे मिश्रण करून Hybrid मॉडेल स्वीकारण्याची शक्यता आहे. नवकल्पना वाढवणे आणि सुरक्षा व नैतिक विचारांना प्राधान्य देणे यांमध्ये योग्य समन्वय साधण्यावर भर दिला जाईल. एआय सुरक्षा ही केवळ तांत्रिक समस्या नाही, तर ती एक सामाजिक समस्या आहे, हे यातून दिसून येते. यासाठी नैतिक मूल्यांचा, प्रशासकीय संरचनेचा आणि एआयचा मानवी समाजावर होणाऱ्या संभाव्य परिणामांचा काळजीपूर्वक विचार करणे आवश्यक आहे.
थिंकिंग मशीन्स लॅब खालील क्षेत्रांवर लक्ष केंद्रित करेल:
- समजावून सांगण्याजोगे एआय (Explainable AI - XAI): एआयच्या निर्णय प्रक्रियेला अधिक पारदर्शक आणि समजण्याजोगे बनवण्यासाठी तंत्रज्ञान विकसित करणे.
- मजबुती आणि विश्वसनीयता: एआय प्रणाली अनपेक्षित इनपुटला Resist करू शकतील आणि विविध वातावरणांमध्ये Reliableपणे काम करू शकतील, याची खात्री करणे.
- Bias शोधणे आणि कमी करणे: एआय मॉडेलमधील Bias शोधून काढणे आणि ते कमी करणे, जेणेकरून अन्यायकारक किंवा भेदभावपूर्ण परिणाम टाळता येतील.
- एआय प्रशासन आणि धोरण: एआय विकास आणि उपयोजनासाठी नैतिक मार्गदर्शक तत्त्वे आणि धोरणात्मक फ्रेमवर्क तयार करणे.
- दीर्घकालीन एआय सुरक्षा: Artificial General Intelligence (AGI) सह प्रगत एआय प्रणालींशी संबंधित संभाव्य धोक्यांवर संशोधन करणे आणि ते धोके कमी करण्यासाठी धोरणे विकसित करणे.
एआयच्या भविष्यासाठी निर्णायक क्षण
मेटा आणि थिंकिंग मशीन्स लॅबचे भिन्न दृष्टिकोन एआयच्या उत्क्रांतीतील एक महत्त्वाचा क्षण दर्शवतात. कोणता मार्ग सर्वोत्तम आहे, याबाबत उद्योग मूलभूत प्रश्नांशी झगडत आहे. एआय विकासाला खुल्या सहकार्याच्या भावनेने चालना दिली जावी, की अधिक सावधगिरी बाळगून, सुरक्षा-केंद्रित दृष्टीकोनाने मार्गदर्शन केले जावे?
प्रवेशयोग्यता आणि नियंत्रण यांच्यातील ‘लढाई’ ही सरळ विभागणी नाही. दोन्ही बाजूंचे युक्तिवाद योग्य आहेत. ओपन-सोर्सचे समर्थक लोकशाहीकरण, नवकल्पना आणि पारदर्शकतेच्या क्षमतेवर जोर देतात. अधिक नियंत्रित दृष्टिकोन असलेले लोक गैरवापर होण्याचा धोका, सुरक्षिततेची गरज आणि मानवी मूल्यांशी जुळवून घेण्याचे महत्त्व यावर प्रकाश टाकतात.
याचा निकाल ‘विजेता सर्व काही’ असा नसून, विविध दृष्टिकोन एकत्र राहतील, असा असण्याची शक्यता आहे. ओपन-सोर्स मॉडेल विशेषतः अशा ॲप्लिकेशन्समध्ये वाढत राहतील, जिथे आवश्यकतेनुसार बदल करणे आणि पारदर्शकता खूप महत्त्वाची आहे. त्याच वेळी, एआय प्रणालींसाठी मागणी वाढत राहील, जी सुरक्षा आणि मानवी मूल्यांना प्राधान्य देईल, विशेषतः आरोग्यसेवा, वित्त आणि Autonomous Vehicles सारख्या महत्त्वाच्या क्षेत्रांमध्ये.
एआय सुरक्षिततेवर लक्ष केंद्रित करून थिंकिंग मशीन्स लॅबचा उदय एक महत्त्वपूर्ण विकास आहे. एआय समुदायात ही जाणीव वाढत आहे की कार्यप्रदर्शन आणि क्षमता हेच यशाचे एकमेव मापदंड नाहीत. एआय प्रणाली जसजशा अधिक शक्तिशाली होतील आणि आपल्या जीवनात integrate होतील, तसतशी त्यांची सुरक्षा आणि मानवी मूल्यांशी जुळवून घेणे अधिक महत्त्वाचे ठरेल.
येणारी वर्षे एआय क्षेत्रात तीव्र प्रयोग आणि विकासाचा काळ असेल. मेटा आणि थिंकिंग मशीन्स लॅबसारख्या कंपन्यांनी घेतलेले निर्णय आणि व्यापक एआय समुदाय या Transformative Technology चे भविष्य घडवतील. यातील धोका खूप मोठा आहे आणि आज घेतलेल्या निर्णयांचे दूरगामी परिणाम येणाऱ्या पिढ्यांवर होतील. खुल्या नवकल्पना आणि जबाबदार विकास यांच्यातील आंतरक्रिया कृत्रिम बुद्धिमत्तेच्या कथेतील पुढील अध्याय निश्चित करेल.