Friday, November 29, 2019

Deep Learning



 What Is Deep Learning?

Deep learning is an artificial intelligence function that imitates the workings of the human brain in processing data and creating patterns for use in decision making. Deep learning is a subset of machine learning in artificial intelligence (AI) that has networks capable of learning unsupervised from data that is unstructured or unlabeled. Also known as deep neural learning or deep neural network.

How Deep Learning Works

Deep learning has evolved hand-in-hand with the digital era, which has brought about an explosion of data in all forms and from every region of the world. This data, known simply as big data, is drawn from sources like social media, internet search engines, e-commerce platforms, and online cinemas, among others. This enormous amount of data is readily accessible and can be shared through fintech applications like cloud computing.

However, the data, which normally is unstructured, is so vast that it could take decades for humans to comprehend it and extract relevant information. Companies realize the incredible potential that can result from unraveling this wealth of information and are increasingly adapting to AI systems for automated support.

Deep learning learns from vast amounts of unstructured data that could normally take humans decades to understand and process.

Deep Learning Versus Machine Learning

One of the most common AI techniques used for processing big data is machine learning, a self-adaptive algorithm that gets increasingly better analysis and patterns with experience or with newly added data.

If a digital payments company wanted to detect the occurrence or potential for fraud in its system, it could employ machine learning tools for this purpose. The computational algorithm built into a computer model will process all transactions happening on the digital platform, find patterns in the data set and point out any anomaly detected by the pattern.

Deep learning, a subset of machine learning, utilizes a hierarchical level of artificial neural networks to carry out the process of machine learning. The artificial neural networks are built like the human brain, with neuron nodes connected together like a web. While traditional programs build analysis with data in a linear way, the hierarchical function of deep learning systems enables machines to process data with a nonlinear approach.

A traditional approach to detecting fraud or money laundering might rely on the amount of transaction that ensues, while a deep learning nonlinear technique would include time, geographic location, IP address, type of retailer and any other feature that is likely to point to fraudulent activity. The first layer of the neural network processes a raw data input like the amount of the transaction and passes it on to the next layer as output. The second layer processes the previous layer’s information by including additional information like the user's IP address and passes on its result.

The next layer takes the second layer’s information and includes raw data like geographic location and makes the machine’s pattern even better. This continues across all levels of the neuron network.

शस्त्र

सुचत नव्हतं त्याला
करावं काय...
जाहला फार होता
बिचाऱ्यावर अन्याय...
पाटलाकडं गेला,
गावच्या मुखियाकडं गेला, पोलिसांत गेला,
कोणाचाच मिळाला त्याला नाही आधार होता
अन्यायाविरुद्धची लढा लढण्यासाठी
सुचत नव्हतं त्याला
करावं काय..

गडी तो, शोधत होता
रामबाण अन एक जालीम उपाय..
हत्याराची दुकाने असलेल्या
गल्लीत भटकत शोधत
होता एक धारदार शस्त्र...
दुरावले सारे मित्र,
कोणीही काही देईना त्याला
पाहून त्याची फाटलेली वस्त्र...
त्याने मग एक भयाण
जंगल गाठलं,
आपल्या गाठोड्यातून
मग कागद अन लेखणीला
बाहेर काढलं....!

- गणेश

Monday, November 25, 2019

भविष्यातले तंत्रज्ञान - भाग ४ (IoT vs IIoT )

 आयओटी म्हणजेच इंटरनेट ऑफ थिंग्ज हा बर्‍याचदा “स्मार्ट” ऑब्जेक्ट अर्थात सध्याच्या इलेकट्रीक गॅजेट्सला धरून संदर्भित केला जातो. उदा. कार, घरगुती उपकरणे ते शूज आणि लाईट स्विचपासून इंटरनेटशी कनेक्ट होणारी प्रत्येक  गोष्ट. डेटा पास करणे आणि प्राप्त करणे आणि भौतिक जगाला डिजिटल जगाशी जोडणारी प्रत्येक गोष्ट स्मार्ट ऑब्जेक्ट मानली जाते. परंतु आपणास माहित आहे की आयओटी व्याख्या स्पष्ट करण्यासाठी दोन संकल्पना वापरल्या आहेत?
वर नमूद केलेल्या आयओटी व्यतिरिक्त आयओओटी नावाची आणखी एक समान संकल्पना आहे, याचा अर्थ इंडस्ट्रियल इंटरनेट ऑफ थिंग्ज आहे. दोन्ही संकल्पनांमध्ये त्यांची उपलब्धता, अचूकता आणि कनेक्ट केलेली डिव्हाइसची मुख्य वैशिष्ट्ये आहेत. त्या दोनमधील फरक म्हणजे त्यांच्या आजच्या सामान्य तंत्रज्ञानात करून घेतलेला उपयोग! आयओटीचा वापर सर्वसाधारणपणे ग्राहकांच्या वापरासाठी केला जातो तर आयआयओटीचा उपयोग मॅन्युफॅक्चरिंग, सप्लाय चेन मॉनिटर आणि मॅनेजमेंट सिस्टमसारख्या औद्योगिक उद्देशाने केला जातो. खाली हे उदाहरण आपल्याला दोन्ही संकल्पनांबद्दल स्पष्ट चित्र देईल.


आयआयओटी विद्यमान उत्पादन आणि पुरवठा साखळी मॉनिटरचा विस्तार करण्यासाठी केला जातो, जसे कि विस्तृत, अधिक तपशीलवार दृश्यमानता आणि यात स्वयंचलित नियंत्रणे आणि कुशल विश्लेषक सक्षम करण्यासाठी अधिक अत्याधुनिक उपकरणे वापरली जातात.

दुसरीकडे, आयओटी ग्राहकांच्या सोयीसाठी स्मार्ट उपकरणे वापरण्याच्या संकल्पनेसह विकसित केली गेली असतात जेथे आपले काही फायदे मिळविण्यासाठी ग्राहक डिव्हाइसशी संवाद साधतात. उदाहरणार्थ, कनेक्ट केलेले घरगुती साधने आपले संसाधन वापर व्यवस्थापित करून आपले मासिक बिले कमी करतील, जसे की आपण घर सोडताना स्वयंचलितपणे वीज बंद होते किंवा वर्तमान हवामानाच्या आधारावर खोलीचे तापमान आपोआप ऍडजस्ट होते .


आयआयओटी अनेक महत्वपूर्ण मशीन हाताळण्यासाठी वास्तवात आणली गेलेली संकल्पना  असल्याने, आयआयओटीच्या यंत्रात अधिक संवेदनशील आणि अचूक सेन्सर वापरली जातात, ज्यात अत्याधुनिक, प्रगत नियंत्रण करणाऱ्या आणि परिस्थिती हाताळत विश्लेषण करणाऱ्या साखळीमय जागरूक तंत्रज्ञानाचा समावेश असतो. तथापि, त्याउलट, आयओटी जरासे कमी रिस्की असते. आयओटी डिव्हाइस आयआयओटीपेक्षा कमी खर्चासह स्थापित करता येते.  त्याची उत्पादन क्षमता आणि तंत्रज्ञानाची क्षमता वाढेल हे निश्चित नसते.

आयआयओटीत एरोस्पेस, डिफेन्स, हेल्थकेअर आणि उर्जा यासारख्या उच्च-उद्योगातील महत्वपूर्ण मशीन आणि सेन्सरला जोडले जाते. या अशा अनेक प्रणाली (प्रोग्रॅम्स) आहेत, ज्यात वारंवार अपयशाचा परिणाम जीवघेणा किंवा इतर आपत्कालीन परिस्थितीवर  होत राहतो. तर, आयओटी अयशस्वी झाल्यास कमी जोखीम असते, अर्थात  परिणाम होणारी पातळी इतकी महत्वपूर्ण नसते.  त्यामुळे कोणताही गोंधळ उडत नाही.

जगभरात अनेक क्षेत्रात आयओटी तंत्रज्ञानाची अंमलबजावणी होत आहे. आयओटी आणि इंडस्ट्रियल आयओटी (आयआयओटी) मधील फरक समजून घेत असताना आपल्याला उदयोन्मुख औद्योगिक इंटरनेट व्यवसायाला नवीन वाढीची संधी कशी देईल आणि आपली कार्यक्षमता आणखी चांगल्या प्रकारे सुधारेल यावर आपल्याला अधिक चांगली काळजी घेणे गरजेचे आहे.

Wednesday, November 20, 2019

भविष्यातले तंत्रज्ञान - भाग ३

आता सध्या आपण आपल्या मोबाईलशी बोलून एकदा व्हिडीओ लावण्यासाठी, मेसेज पाठवण्यासाठी, कॉल करण्यासाठी सांगतो. अर्थात हेही आर्टीफिसिअल इंटीलिजन्स आहे. तुम्ही जर तुमच्या मोबाईलला एखादी गोष्ट सांगितली आणि ती नमूद करून ती मोबाईलने क्रिया पार पाडली कि ती मशीन लर्निंगची संकप्लना होते. समजा  तुम्ही जर मोबाईलला सांगितले "प्लिज नोट, मार्क इज माय डॅड." आणि काही दिवसांनी तुम्ही मोबाईलला सांगितले "प्लिज कॉल माय डॅड." तर तो बरोबर मार्कला फोन लावून देतो.

आजपर्यंत जितके शोध लागले आहेत,  भविष्यात होणाऱ्या संशोधनाला धरून हे शोध त्याच्या १ टक्केदेखील नाहीत.  आपल्याला विचारही करवत नाही, भविष्यात असे बरेच शोध लागतील. अर्थात माणूस विचार करतो म्हणजे नेमके काय करतो? माणसाच्या मेंदूत काहीतरी संकेत निर्माण होतात. वेगवेगळ्या मानवी विचारांची विशिष्ठ फ्रीक्वेसी असते. मेंदूशी संबंधित अनेक न्यूरॉन्स आणि मज्जातंतू संस्था शरीराला एक प्रकारचा सिग्नल पाठवत असते.  हेच सिग्नल्स घेऊन आर्टिफिशिअल इंटीलिजन्सची सुरुवात होते. एखादा व्यक्ती काय विचार करतो हेही आता समजू शकत आहे. डोक्यातून बाहेर पडणारी फ्रीक्वेसी पकडून एखाद्या व्यक्तीला एखादी गोष्ट करायची असल्यास तो केवळ विचार करून तो ती करू शकतो.


एखाद्या मूक-बधीर व्यक्तीसाठी हे तंत्रज्ञान अतिशय उपयुक्त आहे. यात सिग्नल्स पकडण्यासाठी डोक्याला इलेक्ट्रोड्स लावले जातात. मेंदूवरील इलेक्ट्रोड्स संगणकाद्वारे बोलल्या जाणाऱ्या शब्दांमध्ये ब्रेनवेव्हचे भाषांतर करण्यासाठी वापरले जातात. जेव्हा आपण बोलतो तेव्हा आपला मेंदू मोटर कॉर्टेक्सकडून आपला जबडा, ओठ आणि स्वरयंत्रात असलेल्या स्नायूंना त्यांच्या हालचालीत समन्वय साधण्यासाठी आणि ध्वनी निर्माण करण्यासाठी सिग्नल पाठवते.

सकारात्मक, नकारात्मक आणि असे लाखो विचारांचा सिग्नल्स पकडून डिकोड करणे ही गोष्ट खरी खूप आव्हात्मक असली तरीही हे सिद्ध करण्याचे अनेक प्रयोग होत आहेत, एका प्रयोगामध्ये या संशोधकाच्या पथकाने एका व्यक्तीला कोणतेही आवाज न बोलता त्यांचे तोंड हलवून बोलण्याची नक्कल करण्यास सांगितले आणि  ती यंत्रणा बोलल्या गेलेल्या शब्दांप्रमाणे कार्य करत नव्हती, परंतु तरीही ते गोंधळलेल्या शब्दांमधून काही समजण्यायोग्य शब्द डीकोड करत होती. आता असे तत्सम ऍलॉगरिथम्स तयार केले जात आहेत की ज्यातून मेंदूच्या सिग्नलला थेट ध्वनीमध्ये डीकोड करण्याचा प्रयत्न केला जाईल.

यातले मनुष्याचे ध्येय म्हणजे कसलेही दुष्परिणाम न होता सर्वसाधारणपणे मेंदू-प्रेरित संकल्पनांचा उपयोग करून कृत्रिम बुद्धिमत्ता वाढविणे हे आहे. याउलट, मेंदूचे विचार समजण्यासाठी किंवा त्यासाठी मदत करण्याकरता आम्हाला कृत्रिम बुद्धिमत्ताच वापरावी लागेल आणि याचा मूक-बधीर व्यक्तींना संपर्क साधण्यासाठी मोठा फायदा होईल.



Tuesday, November 19, 2019

भविष्यातले तंत्रज्ञान - भाग २

आर्टिफिशिअल इंटीलिजन्समुळे शिक्षण क्षेत्रात आमूलाग्र बदल होत आहेत. शिकण्यास असमर्थ असलेल्या विद्यार्थ्यांना अधिक प्रगत मजकूर शिकण्यात बर्‍याच वेळा त्रास होतो. काही अवघड संकल्पना समजून घेण्यास विध्यार्थ्यांना अडचणी येतात, शास्त्रज्ञ आणि संशोधक कृत्रिम बुद्धिमत्ता तयार करीत आहेत ज्यामुळे हे कठोर मजकूर अधिक समजण्यायोग्य बनू शकेल.   शिक्षणासह किंवा अपंग असलेल्या विद्यार्थ्यांसह इतर शैक्षणिक कल्पनांना  चांगल्या प्रकारे संबंध जोडण्याचा आणि त्यास गुंतविण्याचा अभ्यासक्रम सोपा करून सांगण्याचा हा एक चांगला मार्ग होऊ शकतो.

शिक्षकांना अधिक प्रभावी चाचणी घेण्यास मदत करण्यासाठी नवीन कृत्रिम बुद्धिमत्ता प्रणाली विकसित केल्या जात आहेत ज्यामुळे यापैकी बर्‍याचदा लपलेल्या परिस्थितीही आपल्यासमोर येऊ शकतात. ज्यामध्ये विद्यार्थ्यांची योग्य ओळख पटल्यास, शिक्षणासाठी असमर्थ अथवा मतिमंद विद्यार्थी असतील तर शिक्षक तेही ओळखू शकतात.  शिकण्यास असमर्थता असलेल्या विद्यार्थ्यांना शिकवण्यातील सर्वात महत्त्वाचा मुद्दा म्हणजे सातत्याने त्यांचा अभिप्राय प्रदान करण्यात असमर्थता. मोठ्या वर्गामध्ये, मूठभर विद्यार्थ्यांना मदत करण्यासाठी शिक्षणाचा वेग कमी करणे हे एक आव्हान असू शकते. कृत्रिम बुद्धिमत्ता वेगाने विकसित होत असल्यास, विद्यार्थी त्यांच्या स्वत: च्या कामगिरीशी थेट संबंधित अधिक विश्वासात्मक अभिप्राय प्राप्त करू शकतात. विद्यार्थी एखाद्या संकल्पनेवर प्रभुत्व मिळवेपर्यंत यंत्रणा पुढे सरकनारच नाही आणि आवश्यकतेनुसार त्यांच्या स्वत: च्या गतीने शिकण्याची परवानगी अनुमती विद्यार्थ्यांना मिळू शकते.

शिक्षण क्षेत्रात आर्टिफिशिअल इंटीलिजन्सच्या आगमनाने, शिक्षकांना विद्यार्थ्यांच्या कमकुवतपणा ओळखण्यात मदत करणार्‍या विविध प्रकारच्या डेटावर पूर्वीपेक्षा जास्त वापर होऊ शकतो. हा डेटा अशी क्षेत्रे पकडू शकतो जिथे अध्यापन प्रभावी नाही किंवा बहुतेक विद्यार्थी संघर्ष करीत असलेले अवघड विषय आहेत. 

सध्याच्या  विद्यार्थ्यांमध्ये कुठेही, कधीही शिकण्याची क्षमता आहे. याचा अर्थ असा आहे की एखाद्या विद्यार्थ्याला वैयक्तिक किंवा इतर कोणत्याही कारणास्तव आपला अभ्यासक्रम बुडाल्यास, ते आर्टिफिशिअल इंटीलिजन्स शिक्षण सॉफ्टवेअरद्वारे ते सहज शिकू शकतात. ग्रामीण भागातील विद्यार्थ्यांसाठी किंवा शिक्षण आर्थिकदृष्ट्या प्रवेशयोग्य नसले किंवा परवडणारे नसले तरीही, विद्यार्थी उच्च शिक्षणाद्वारे जगातील कोठूनही शिकण्याची क्षमता देखील आर्टिफिशिअल इंटीलिजन्समध्ये आहे, याचा अवलंब भविष्यात वाढणार आहे .

शिक्षण क्षेत्रात झालेला हा बदल विलक्षण असेल. याद्वारे अनेक चांगले विद्यार्थी पुढे येतील. कृत्रिम शिक्षणाच्या मदतीने आपण विद्यार्थ्यांचे आणि शिक्षकांचे दोघांचे जीवन सोपे बनवू शकेल. कृत्रिम शिक्षण प्रत्येक विद्यार्थ्याला दर्जेदार शिक्षण घेण्याची संधी देईल आणि शिक्षणास आणखी मजबूत करेल.  




Monday, November 18, 2019

भविष्यातले तंत्रज्ञान - भाग १

 कोणताही देश भविष्यातही आपल्या संरक्षण दलात  उत्कृष्ठ दर्जाच्या तंत्रज्ञानाचा वापर वाढवत आपली ताकद त्यावरच ठरणार आहे. पक्षाच्या रुपात हेरगिरी करणारे ड्रोन, इतर अचूक आणि बेधक मारा करणारे मिसाईल्स, रोबोटिक्स अशा आजच्या तंत्रज्ञानामध्ये बदलणाऱ्या दिवसाप्रमाणे यामध्येही बदल होत जाणार आहे. भविष्यातले ड्रोनसुद्धा खूप ताकतीचे असतील, युद्धकाळात कोणताही देश याची संख्याही जास्त ठेवील, पक्ष्यांच्या थव्याप्रमाणे हे शत्रुराष्ट्रावर तुटून पडतील. सैन्यादालामध्ये मणूष्यबळ नसून रोबोट काम करतील, युध्द करतील.

मोठमोठ्या हॉटेलमध्ये ग्राहकांना वेटरऐवजी रोबोट अन्नसेवा पोहच करतील. जपानसारख्या देशातील काही शाळांमध्ये मुलांची हजेरी घेण्यासाठी आजही 'आर्टिफिशिअल इंटीलिजन्स'सारख्या तंत्रज्ञानाचा वापर होत आहे, यासाठी  उपकरणामध्ये विद्यार्थ्यांचा चेहरा ओळखण्याची अंमलबजावणी करण्यात आलेली असते.  एवढेच नव्हे तर लॉन्ड्रीत कपड्याच्या घड्या करण्यापासून खेळांमध्ये मुलांबरोबर बास्केटबॉल, क्रिकेट, फुटबॉल यांसारखे मैदानी खेळ खेळण्यासाठी रोबोट असतील यात दुमत नाही.

संरक्षण दल , वैद्यकीय, हॉटेल मॅनेजमेंट, क्रीडा  अशा अनेक क्षेत्रात 'आर्टिफिशिअल इंटीलिजन्स'सारख्या तंत्रज्ञानामुळे आजच्या कामाचा चेहरामोहरा बदलणार आहे. चीनमध्ये  काही दिवसापूर्वी पार पडलेल्या ब्रेन-ट्युमरच्या ऑपरेशनच्या चाचणीत मनुष्य डॉक्टरांच्यापेक्षा रोबोट डॉक्टरांची अचूकता जास्त होती.

आर्टिफिशिअल इंटीलिजन्समुळे सुरक्षेसंबंधी आकडेवारी देखील उल्लेखनीय असणार आहे. अशाप्रकारे, २०२०पर्यंत जगभरातील वेगवेगळ्या शहरांमध्ये जवळपास १ अब्ज आर्टिफिशिअल इंटीलिजन्सद्वारा समर्थित पाळत ठेवण्याचे कॅमेरे असणार आहेत. ऑनलाईन सुरक्षेबाबत AI टूल्सने अंदाजे ८६% वेगवेगळ्या सायबर हल्ल्यांना प्रतिबंधित करणे अपेक्षित आहे.

सध्याच्या डेटा विश्लेषणावरून असे कळते कि,
आर्टिफिशिअल इंटीलिजन्सद्वारे प्राप्त अंतर्दृष्टी वापरणारे व्यवसाय आणि जगाची अर्थव्यवस्था अनेक पटींनी पुढे जाण्याचा अंदाज आहे.

आर्टिफिशिअल इंटीलिजन्समुळे दैनंदीन जीवनात भेडसावणाऱ्या जगातल्या अनेक अडचणी दूर होणार आहेत, सेल्फ-ड्रिइविंग कारमुळे अपघात कमी होतील.  अपंग व्यक्तीचे जे ज्ञानेंद्रिय निकामी झालेले असेल त्याला पर्याय आर्टिफिशिअल इंटीलिजन्स असेल. आपण कल्पनाही करू शकत नाही, असे बदल या तंत्रज्ञानाच्या क्रांतीत घडून येणार आहेत. तथापि, आज जे दिसत आहे की आर्टिफिशिअल इंटीलिजन्स मुख्यत्वे संगणक विज्ञानच्या क्षमतांचा विस्तार करण्यासाठी डिझाइन केलेले आहे, त्यांची सीमा निश्चित करण्यासाठी नाही. परंतु खरा उद्देश असा नसून, वैज्ञानिकांसाठी पुढचे पाऊल म्हणजे सर्वच क्षेत्रात कृत्रिम बुद्धिमत्तेचा अर्थात AIचा विस्तार करणे आहे. संशोधकांनामोरील एक महत्त्वाचे कार्य म्हणजे सध्या असलेल्या आर्टिफिशिअल इंटीलिजन्सचे दुष्परिणाम, असलेल्या अनेक अडचणी यावंर स्पष्ट सिद्धांताच्या सहाय्याने मात करणे, हे आहे.