Why there is more scope for Data scientist?

Job Opportunities in Big Data. 

You can never get away from statistics in your life. Banks, private companies, government agencies, administrations and many other places need a lot of information and statistics. Of course it is a kind of data. Data needs to be stored and saved. So i. In T., the work on Big Data is in full swing. The process of improving business, making decisions and backing up information on competitors, storing statistics and other practical information, all fall into Big Data.

Income. T. Bigdata is a great option from a career point of view after engineering. This is because the demand for analytics professionals, data scientists is increasing in many multinational and Indian companies. Many tools have to be used while working in data analytics. For this you need to have his skills. You can work in data analytics using many tools like Table Public, OpenRefine, RapidMinor, Google Fusion Tables. Hadoop is an open source distributed Big Data framework that handles data processing, complex data management and its storage for large data applications running in clustered systems. It mainly involves information processing.

BigData's work also includes robotics technology, such as machine learning and Amazon webservices. Concepts such as Artificial Intelligence, Machine Learning have no alternative but big data for information management. And as you know, artificial intelligence technology is gaining momentum today, which is why the demand for BigData is growing.

So this is an open way to build a career in BigData. For this, it is necessary to acquire the skills of the above mentioned tools. Courses are also available at private institutes in cities like Pune, Chennai, Hyderabad, Bangalore. As soon as you become a BigData expert, you get a job as a BigData Analytics Consultant, Analytics Associate, Business Intelligence Analytics Consultant, while experienced people get a job as a BigData Analytics Architect, Metrics or Analytics Specialist. Companies are also offering good packages for this.

Growing job opportunities in 'Artificial intelligence'

 We must change ourselves with the world-changing day by day. The old curriculum should be put aside and new technology should be adopted. As you know, a lot of research is being done in the field of science and technology today. Artificial intelligence is also an area. ‘Artificial intelligence’ means artificial intelligence. Of course, artificial intelligence is the ability to make a computer, a mobile, or even a machine capable of planning and solving problems without any human intervention. The concept of artificial intelligence is more common in science fiction, which is why we see it in many movies today. Today, it has become an important part of the computer curriculum.

Artificial intelligence is another great way to build a career in computers and mechanics. Artificial intelligence has now become a distinct mainstream in the computer, science, and engineering disciplines. This technology is emphasizing to think like an intelligent human being using machine learning, process automation concepts. It is expected that careers in Artificial Intelligence will be at the center of new IT development in areas such as automation. This has created a kind of competition in Silicon Valley today and IT giants like Google, Facebook, LinkedIn, Microsoft, and many others are investing heavily in 'Careers in Artificial Intelligence. There is no doubt that this technology will flourish in the future.

After software engineering, there are many options to pursue a career in IT, including Artificial Intelligence. We have many options like Artificial Intelligence, Machine Learning, Process Automation, Cognitive Robotics. This includes working as a Robotics Automation Engineer, Algorithm Specialist, Research Scientist. Private companies, insurance companies, public institutions, education, arts, healthcare, government agencies, and the military e. The work that has to be done in all these services has to be done automatically by computer programming. Tasks like data entry, data manipulation have to be automated by robots. This is saving companies time, money, and manpower. That is why companies are giving priority to artificial intelligence. Robots are now doing jobs like data entry and that is why jobs like data operator, data entry analyst are in danger. So learning such old technology will not be of any use and it is also being eliminated from the curriculum, that is why we should always turn to new technology.

To pursue a career in Artificial Intelligence, you need to have a minimum engineering degree and a basic knowledge of a computer programming language, and you need to be firm about the logic, philosophical, and cognitive foundations for research. On this basis, there are interviews between multinational companies, it is mandatory to pass this interview. If you have experience in this field you get a good package. A few days ago t. C. Companies such as S., Cognizant have announced that they will pay double the salary of people with experience in Artificial Intelligence. It is clear that in the next few years, artificial intelligence will have a fundamental impact on the global labor market.

The training is available in India in private institutes in Pune, Hyderabad, Bangalore, Chennai, Noida for the students who have just graduated from the college. It has many tools like Ui-Path, Blue-Prism, Automation Anywhere to work. We can become proficient in bypassing this online exam. Some of these exams are charged while some online training is free. And then you get a job in a multinational company with a good package. Today the demand for Artificial Intelligence skills is increasing. Although a career in Artificial Intelligence is a fast and challenging field, it is creating a visible path in our daily lives which is why the demand for employees who are aware of this technology is increasing.

क्रांती तंत्रज्ञानाची - अपंगाना आधार कृत्रिम बुद्धिमत्तेचा !

अपंगाना आधार कृत्रिम बुद्धिमत्तेचा !

नव्या तंत्रज्ञानाचे फायदे व तोटे :

भविष्यात तंत्रज्ञानामुळे कोणते बदल होतील हे तंतोतंत सांगणे आज तसे कठीणच आहे. परंतु, आजवर जितके संशोधन झाले आहे, हे भविष्यतील संशोधनाचा विचार करता अगदी किरकोळ म्हणावे लागेल. आजचे संशोधन आधुनिक तंत्रज्ञानाच्या काळाला ज्या प्रकारे घेऊन जात आहे ते भविष्यात होणाऱ्या आमूलाग्र बदलांबद्दल विचार करायला भाग पाडत आहे.   पुढे वेगवेगळे आणि भरपूर असे तंत्रज्ञान समोर येत राहणार आहे किंबहुना त्याचे दुष्परिणामही असतील! परंतु त्यांचे फायदे विलक्षण असणार आहेत. त्यातला एक फायदा म्हणजे अपंग लोकांना आधार असेल आर्टिफिशिअल इंटीलिजन्सचा अर्थात कृत्रिम बुद्धिमत्तेचा!

कशी होईल मदत :

आर्टिफिशिअल इंटीलिजन्स आज स्वयंचलित मोटारगाडीपासून ते श्रवणयंत्रांपर्यंत अपंग व्यक्तींसाठी दारे उघडत आहे आणि येत्या काही वर्षांत, आर्टिफिशिअल इंटीलिजन्स अनेक नवीन प्रयत्नांसह आणि विस्तारित प्रवेशासह अनेक क्षेत्रात त्रुटींना दूर करत सुपरचार्ज करण्यास नवीन सुरवात करेल. २०११ च्या वर्ल्ड हेल्थ ऑर्गनायझेशनच्या अहवालानुसार, जगभरात एक अब्जहुन अधिक अपंग लोक आहेत. 

कृत्रिम बुद्धिमत्ता आणि अपंगांच्या बाबतीत, प्रत्येक बदल अधिक समावेशक असेल आणि हा बदल म्हणजे वैद्यकीय तंत्रज्ञानामध्ये मोठी प्रगती करेल आणि लोकांनी जी कल्पनाही केली नसेल अशा प्रकारे स्वातंत्र्य मिळविण्यात अधिक लोकांना मदत करेल. अलेक्झांडर ग्रॅहम बेलची आई बहिरे होती आणि दूरध्वनीचा त्यांचा शोध हा त्याच्या कर्णबधिर समुदायाबरोबरच झाला होता.

बाकीच्या तांत्रिक सुलभतेबरोबरच अपंग लोक हेही कृत्रिम बुद्धिमत्तेचे लक्ष आहे.  मायक्रोसॉफ्टची मुख्य प्रवेशिका अधिकारी जेनी-ली-फ्लोरी म्हणते, की "आम्ही अपंगासाठी खूप काही नाविन्यपूर्ण बदल घेऊन येत आहोत, तुम्हाला अपंग व्यक्ती कोणत्याही दृष्टिटकोनातून अपंग वाटणार नाहीत, या अनुषंगाने मायक्रोसॉफ्टचे काम चालू आहे".  जेनी-ली-फ्लोरी जी स्वतः बहिरी आहे . 

पुढे ती सांगते "दृष्टी, श्रवणक्षमता, मानसिक आरोग्य, शिक्षण, आकलन किंवा एखाद्याच्या गतिशीलतेशी संबंधित अपंगत्व कायमस्वरुपी, तात्पुरते किंवा परिस्थितीजन्य देखील असू शकते. तंत्रज्ञानाच्या प्रत्येकासाठी कार्य करते, हे सुनिश्चित करण्यासाठी अनेक स्तरांवर क्षमता असलेल्या नवीन उत्पादनांची रचना - सर्वसमावेशक डिझाइन करणे, अशी संकल्पना मायक्रोसॉफ्टकडे आहे."  मग हे उत्पादक वापरकर्ते मुके असतील, बहिरे असतील किंबहुना अंधही असतील. जेव्हा अपंग व्यक्ती अशी उपकरणे डोक्याला लावेन तेव्हा, तो जे विचार करेल ते प्रत्येक्षात आणण्यासाठी उपकरण वापरकर्त्याकडून मंजुरीही घेईन. उदा. एखाद्या हात नसलेल्या अपंग व्यक्तीला कॉम्पुटर बंद करायचा असल्यास त्याने केवळ विचार केला तरी कॉम्पुटर बंद होईल किंवा  अंध व्यक्तीच्या मेंदूला कॅमराकडून  उपकरणद्वारे दृश्य पाठवले जाईल. बहिऱ्या व्यक्तीच्या मेंदूला उपकरणद्वारे आवाजाचे सिग्नल्स पाठवले जातील.

"मेंदूला सिग्नल्स पोहोचणारे मज्जातंतू (न्यूरॉन्स ) जरी काम करत नसतील तरी डोक्याला ऍनोड-कॅथोड अशा इलेकट्रोडची उपकरणे लावून ही संकल्पना प्रत्येक्षात उतरवली जात आहे. मनुष्यच्या ज्ञानेंद्रियांकडून मेंदूकडे पाठवणारे सिग्नल्स कृत्रिमपद्धतीने पाठवणे शक्य आहे."

 

वॉशिंग्टन युनिव्हर्सिटीचे भारतीय  न्यूरोइंजिनेसर राजेश राव यांनी ब्रेन-कॉम्प्यूटर इंटरफेसचे काम केले आहे, जे यंत्र किंवा संगणकास कार्ये करण्यास सक्षम करण्यासाठी उपकरणे शोधू शकतील आणि मेंदूच्या सिग्नल्स देवाण-घेवा करण्यावर नजर ठेवू शकतील. व्हिडिओ गेम्स खेळण्यापासून अपंगाचे कृत्रिम हात नियंत्रित करू शकतील. मनुष्याचा मेंदू आणि इलेकट्रोनिक उपकरणे यांच्यात संपर्क होण्याच्या आणि प्रत्येक्षात आणलेल्या या संकल्पनेला  "मिस्ट्री ऑफ द ब्रेन" नाव दिले आहे.  काही दिवसापूर्वीच एका पत्रकारितेतील एका चिनी कंपनीने न्यूज एंकर म्हणून एक रोबोटही वापरला होता.  

राष्ट्रय आपत्ती आणि तंत्रज्ञानाची भमिका : 

आर्टिफिशिअल इंटीलिजन्स  अपंगत्व दूर करेल असे वाटत असले, तरी प्रत्येक राष्ट्रासमोर नैसर्गिक अपंगत्व दूर करण्याचे आवाहन असणारच आहे. जास्त तीव्रतेचे सिग्नल्स असल्यास त्याने कॅन्सरसारखे आजार उद्भवतात.  आजवर पाहिलेल्या तंत्रज्ञानाच्या दोन्ही बाजूंचा विचार करता याचा खर्च आणि समोर आलेले असे दुष्परिणाम याचेही आवाहन संशोधकांपुढे असणार आहे. आधुनिक तंत्रज्ञांचा वाढत जोर पाहता अशा  सर्व समस्यांवर मात करण्याचे संशॊधन होऊन अपंगांना आर्टिफिशिअल इंटीलिजन्सचा आधार असेल, हा विश्वास दृढ होत आहे.  

गणेश आटकळे

This article is published in Dainik Pudhari Newspaper in Sept 2019

Career Guidance - Robotics Process Automation RPA ( Jobs in RPA )

 

Career Guidance - Robotics Process Automation RPA ( Jobs in RPA )

Now a days, most of the technologies are getting boost. One of them is Robotics Process Automation.

Why students should go with technology. We have explained considering package and consistency of this technology.

There are more RPA tools in market like Uipath studio , BluePrism , Automation Anywhere etc.

Students can practice by creating robots by downloading these tools from their official sites.

Please watch the video for more details.

https://youtu.be/Fk_umKPFOAY

Wall Climbing Machine by Engineer Sriram Gandrothula and Team

 Mr. Sriram Gandrothula Engineering student Studying Final Year at Ideal Institute of Technology, Vidyut Nagar, Kakinada-533003(CC-6K) and his team has successfully completed their final year project as "Wall Climbing Machine"

This team contains 2 engineers and they started work to invent the claim machine after long efforts they got the success, below video contains demonstration of the machine work.   

Please watch below video.

https://youtu.be/JXKccN3w158

How internet is invented ?

How internet is invented ? #Internet

How internet got invented and how it has been gone all invented stages. That we have explained in this video. This is the history about the internet to till todays date.

Please watch the video ( Hindi )

https://youtu.be/9NWEdyuit-4

Why Robotics is emerging technology now a day ?

Why Robotics is emerging technology now a day ?

Why Artificial intelligence, machine learning , deep learning all the the are emerging technologies, we have explained.

Please watch the video for more details . 

https://youtu.be/9NWEdyuit-4

The Technology Era - My Channel

Please subscribe and click on bell icon.

'Technology Era' is Youtube channel for updating your knowledge with emerging technologies in the market. We share about BigData. Machine Learning, DeepLearning, RPA, Robotics, IoT, ML, EmergingTech AR, VR, DigitalMarketing,  DataScience, CyberSecurity, Artificial Inteligence, DigitalTransformation, etc. Please subscribe and keep watching our videos.

Please click on below VDO.

https://www.youtube.com/channel/UCkQh9qGxuFE-mtcwf1ioXOQ

 

What is Deep Learning ?

 What Is Deep Learning?

It's Nothing but AI and some kind of machine 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. NLP has a major role in DL. (NLP - Natural language processing)

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. Deep Learning gives more accuracy and efficiency in AI.  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, to provide more efficiency. 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.

In case, 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 i.e. understanding 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 with more accuracy. 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 & makes the machine’s pattern even better. This continues across all levels of the neuron network. DL is a very depth level of a machine learning concept. 

We will keep posting in upcoming blogs.. stay tuned with the site.

 

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.

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.

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.  

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.  

5G इंटरनेटची दुसरी बाजू

इंटरनेटविषयीचे तंत्रज्ञान जोर घेत असताना, आता 4G नंतर 5G जीचा धुमाकूळ वाढणार आहे. 5G नेटवर्कमध्ये भरपूर युझर कनेक्टीविटी असूनही इंटरनेट सेवा फास्ट असणार आहे. वाहतूक, दळणवळण, खाजगी व्यवसाय, सरकारी कामे, स्मार्ट सिटी अशा सर्वच ठीकाणी सर्व कामे वेगाने होतील.    टरनेटला आता 5G मध्ये नेण्याची तयारी सुरू झाली आहे. या नवीन वायरलेस सेल्युलर तंत्रज्ञानामुळे आजच्या तुलनेत इंटरनेटचा वेग अनेकपटीने वाढणार आहे. कोणतेही इंटरनेटयुक्त उपकरण चालवणे अधिक सोपे होईल. थोडक्यात, स्मार्टफोनवर गेम कोणताही व्यत्यय न येता खेळू शकाल. ट्रॅफिकमध्ये बदल झाल्यास ऑटोनॉमस  व्हेइकल त्वरित प्रतिक्रिया देईल. यामुळे स्मार्ट होम जास्त स्मार्ट होईल. 

अमेरिकेत या २०१९ अखेरपर्यंत 5G फोन  बाजारात येतील. परंतु त्यासाठी सध्या 5G नेटवर्क कमी प्रमाणात आहे. सध्या जे 5G नेटवर्क आहे ते टेस्टिंग आहे. परंतु 5G च्या सेवा देवू पाहणाऱ्या दूरसंचार कंपन्यांना हाय फ्रिक्वेन्सी ट्रान्समिशनसाठी सेल्युलर उपकरण आणावे लागतील. त्यासाठी खर्च खूप असणार आहे. रेडीओ व अन्य तरंगांचे उपकरण सिग्नल इलेक्ट्रोमॅग्नेटिक स्पेक्ट्रमवर चालतात. परंतु 5G साठी कंपन्यांना आधीच्या तुलनेत अधिक जास्त स्पेक्ट्रमचा वापर करावा लागेल. दुसरीकडे अमेरिकन सुरक्षा अधिकाऱ्यांनी सांगितले की, 5G उपकरणाचे प्रमुख निर्माते चीनमधील हुवावे, जेडटीई कंपनी विदेशातील युजरला देखरेख करण्याची परवानगी देऊ शकतात. परंतु आजवर आपण पाहिलेले आहे की विज्ञानाच्या प्रत्येक संशोधनाला दोन बाजू आहेत. अमेरिकन फोन कंपन्यांना उपकरण देण्यास कंपन्यांना नुकतीच बंदी घातली आहे. बरोबरच 5G त्रुटींवर संशोधन सुरु आहे. 

जवळजवळ ४० देशांमधले १८० पेक्षा जास्त वैज्ञानिक आणि डॉक्टर 5G मुळे  पृथ्वीवरील जीव सृष्ठीला धोका असल्याचे सांगतात. या संबधीचा ठराव या शास्त्रज्ञांनी "रीझोलूशन १८१५ ऑफ दी कौंसील ऑफ युरोप" या युरोपच्या परिषदेत मांडला होता. या परिषदेत मानवी आरोग्यासाठी संभाव्य धोके आणि वैज्ञानिकांद्वारे पर्यावरणासाठी संपूर्णपणे स्वतंत्र तपासणी होईपर्यंत इंटरनेटच्या 5G सेवेवर एक अधिस्थगन करण्याची शिफारस मांडली होती. त्यामध्ये 5G रेडिओ फ्रीक्वेंसी इलेक्ट्रोमॅग्नेटिक फील्ड्स (RF-EMF)ची  लक्षणीय वाढ दिसून आली आणि ही फ्रीक्वेंसी मानवांसाठी आणि पर्यावरणास हानिकारक असल्याचे सिद्ध झाले होते. २०१८ मध्ये युरोपियन संसदेने सांगितले की, विद्युत व चुंबकीय क्षेत्रातील संभाव्यत: हानिकारक प्रभावापासून जनतेस संरक्षण देण्याची प्राथमिक जबाबदारी वय आणि आरोग्याच्या स्थितीनुसार अवलंबित करण्याच्या उपायांचा समावेश असलेल्या सदस्य कंपनी आणि राज्यावर राहील.

सध्याच्या 4G मध्ये आणि येणाऱ्या 5G मध्ये आपल्याला कमालीचा फरक जाणवेल. यात वैकल्पिक विद्युतप्रवाह (अल्टरनेट करंट) किंवा इलेक्ट्रोमॅग्नेटिक लहरींचा महत्त्वपूर्ण भाग असेल. सिग्नल्सचा विचार करता,  5G तंत्रज्ञान रेडिओ मिलिमीटर बॅन्ड ३० ते ३०० गीगाहर्ट्झ रेंजमध्ये, तर 4G  ६ गीगाहर्ट्झच्या आसपास आहे. जेव्हा इंटरनेटची अधिक गरज भासते उदा. व्हिडिओ, इंटरनेट वापरकर्त्यांची वाढ, डेटा वाहतुकीमध्ये वाढ यामध्ये विलंबता लागू होते, तेव्हा ते ६० ते १२० पट वेगाने वाढते. 5G बाबतीत सांगायचे झाले तर आपण एखादी गोष्ट पहिली कि ती प्रतिक्रिया मेंदूपर्यंत पोहचायला जितका वेळ लागतो अगदी तेवढ्या वेळेत उपकरनांतून इंटरनेट डेटा वाहिला जाईल. जेव्हा सिग्नल्सची फ्रीक्वेंसी जास्त असते, तेव्हा तिचे तांत्रिक फायदे तर असतातच परंतु पर्यावरणाच्या दृष्टीने ती धोक्याची असते. अशा फ्रीक्वेंसीसाठी अँटेना अगदी जवळजवळ लागतात.

मानव, प्राणी आणि पर्यावरणासाठी 2G, 3G आणि 4G  रेडिओ फ्रिक्वेंसी साधारण होती. 5Gच्या वायरलेस सिस्टीममध्ये नवीनवीन प्रगती होईल. 5G यंत्रणेत मोठे चॅनेल्स, उच्च गती, डेटाचे मोठे पॅकेट, घातांकीय प्रतिसाद आणि एकाच स्थानावरून होस्ट डिव्हाइसेस कनेक्ट करण्याची क्षमताही वाढली जाईल. यामध्ये सुरुवातीला काही अडथळे येतील नंतर जशी सिग्नल्सची तीव्रता वाढत जाईल तसे अडथळे दूर होतील.

सध्या 4G च्या तरंगलांबी आपल्या त्वचेभोवती  वावरतात, तर 5Gच्या तरंगलांबी त्वचेसाठी अधिक घातक असतात. या सिग्नल्समुळे मानवी त्वचेबरोबर मेंदूवरही परिणाम होईल असे सांगितले जाते आहे.   जेव्हा 5Gची  तरंगलांबी उत्सर्जित होते, तेव्हा आपली त्वचा स्वयंचलितपणे त्यांना शोषून घेते आणि तेव्हा नैसर्गिकरित्या त्वचेवर तापमानात वाढते. आपण सर्वांनी रोबोट २.० हा सिनेमा पाहिलाही असेल, अर्थात वरती दिलेले सिग्नल्स  पक्षांसाठी तर खूप घातक आहेत. 5G चे टेस्टिंग करते वेळी नेदरलँडमध्ये ३०० हून अधिक पक्षांनी आपले प्राण गमावले आहेत, ही वस्तुस्तीथी आहे.
 
मागच्या वर्षीच 5Gच्या संदर्भातील पृथ्वीच्या इतिहासातील पहिली ग्लोबल इलेक्ट्रोमॅग्नेटिक रेडिएशन चाचणी झाली आहे. यापैकी बहुतेक शास्त्रज्ञांचा असा विश्वास आहे की हे सिग्नल्स म्युटेजेनिक आहेत, याचा अर्थ ते जीवनाच्या डीएनए संरचनेत बदल करतात. परंतु काही शास्त्रज्ञांचाही  असा विश्वास आहे की जीव  सृष्ठी धोक्यात आहेत आणि यासाठी अजून काही चाचण्यांची आवश्यकता आहे. या तीव्रतेच्या इलेक्ट्रोमॅग्नेटिक रेडिएशनमुळे कर्करोग होतो. २०२१ पर्यंत प्रत्येक शहरात 5G टॉवर्स आणि सेल स्टेशन असतील. हे डिव्हाइस जगभरातील लाखो इमारतींच्या वर किंवा आपल्या आजूबाजूला असतील. अंतरराष्ट्रीय कायद्याखाली 5G तंत्रज्ञानाची अंमलबजावणी करणे गुन्हा आहे असेही काही कंपन्यांवर आरोप झाले आहेत.

असे 5G  टॉवर्स आणि मिनी-स्टेशन अत्यंत धोकादायक आहेत. लहान मिलिमीटर सिग्नल्स अधिक धोकादायक नसतात, त्यास लक्षावधी अधिक छोट्या सेल टॉवर्सची आवश्यकता असते, संभाव्यत: २ ते ८ घरामागे एक टॉवर. याचा अर्थ असा आहे की मनुष्याच्या आरोग्याला इलेक्ट्रोमॅग्नेटिक रेडिएशनमुळे  धोका वाढणार आहे, ते मानवी शरीराच्याही पेशींवर परिणाम करून डीएनए नष्ट करतात, ज्यामुळे कर्करोग होऊ शकतो. अर्थातच हे टॉवर्स केवळ धोकादायक नाहीत; तर ते प्राणघातक आहेत.

शात्राज्ञांच्या मते यामुळे खालील आजार उदभवू शकतात.

•     मळमळ
•     सूज
•     केसांचा तोटा
•     कमी प्रमाणात भूक
•     कमी ऊर्जा
•     खराब झालेले अस्थिमज्जे
•     दुखणेयुक्त अवयव
•     खोल निराशा
•     तणाव
•     संक्रमण
•     अशक्तपणा आणि मृत्यू

संभाव्य शक्यता तर खूप आहेत. अनेक धोके टाळण्यासाठी अनेक अमेरिकन, चीनी, कोरियन खाजगी कंपन्या 5G वर खूप संशोधन करत आहेत. 5G तंत्रज्ञानाला वेगवेगळ्या कंपन्या वेगवेगळ्या पध्दतीने वापरणार आहेत. महत्वाची गोष्ट ही आहे कि कोणती कंपनी पहिल्यांदा 5G तंत्रज्ञान  प्रत्येक्षात उतरवेल. होऊ शकते कि आपल्या पिढीवर 5Gचे वाईट परिणाम होणार नाहीत, परंतु येणाऱ्या पिढीला या परिणामाला तोंड द्यावे लागेल. आजच्या सर्वच प्रमुख तंत्रज्ञानामध्ये 5G एक लक्षणीय तंत्रज्ञान समजले जाते आहे आणि याचे भविष्य काय असेल हे आज सांगणे कठीण आहे.

नवे तंत्रज्ञान नव्या नोकऱ्या - भाग २

क्लौड कॉम्प्यूटिंग 

पूर्वी पाहिल्या जाणाऱ्या तंत्रज्ञानाचा कल, क्लाउड कंप्युटिंग मुख्य प्रवाहाचा विषय बनला आहे. उदा. प्रमुख मुद्दे 

एडब्ल्यूएस अमेझॅन वेब सर्व्हिसेस, मायक्रोसॉफ्ट ऍझूर आणि गुगल क्लाउड हे  आजच्या टेक्नोलॉजीच्या मार्केटमध्ये  वर्चस्व गाजवत आहेत. क्लाउड कंप्यूटिंगचा अवलंब अद्याप वाढत आहे कारण अधिकाधिक व्यवसाय क्लाउड सोल्यूशनमध्ये स्थलांतरीत होत आहेत. एज ऑफ कम्प्युटिंग ची संख्या इंटरनेट (आईओटी) डिव्हाइसेस वाढवण्यासाठी वापरली जाईल. २०२२ पर्यंत, जागतिक एज कम्प्युटिंग मार्केटमध्ये ६.६७  अब्ज डॉलरपर्यंत पोहोचण्याची अपेक्षा आहे. कोणत्याही वाढत्या बाजाराप्रमाणे ही नोकरीची मागणी निर्माण करेल, मुख्यतः सॉफ्टवेअर अभियंतेसाठी.

RPA

आरपीएमध्ये करियर सुरू करण्यामध्ये आपल्याला इंटरेस्ट असल्यास, रोबोटिक प्रोसेस ऑटोमेशन (आरपीए) कोर्स सुरू करण्याची  गरज आहे. डेटा एंट्री, डेटा मॅनिप्युलेशन, अनुप्रयोगांची व्याख्या करणे, व्यवहार प्रक्रिया करणे, डेटाशी व्यवहार करणे आणि ईमेलवर प्रत्युत्तर देणे यासारख्या व्यवसाय प्रक्रिया स्वयंचलित करण्यासाठी RPA सॉफ्टवेअरचा वापर होतो. अर्थात हे ऍटोमेशन आहे आणि अशा सॉफ्टवेअरला रोबोट सॉफ्टवेअर म्हणतात.  हेही तंत्रज्ञान जागतिक बाजारपेठेत अनेक नोकरदारांच्या मागण्या वाढवत आहे. 

मशीन लर्निंग आणि आर्टिफिशल इंटीलिजन्स

या तंत्रज्ञानात मनुष्यासारखे मशीन स्वतः शिकते. अर्थात हेही रोबोटिक्स थेअरी आहे. मशीन लर्निंग हा AI चाच एक भाग आहे ज्यांत गणिती प्रक्रियेने संगणकाला शिकवले जाते. मशीन लर्निंग हे आज काल संगणक क्षेत्रांतील सर्वांत प्रभावी तंत्रज्ञान आहे आणि इथेही खूप पगाराच्या नोकऱ्या निर्माण होत आहेत.

संरक्षणदलामधील तंत्रज्ञानाचा वाढता वापर

आज कोणत्याही देशाची ताकद पडताळण्याची वेळ आली तर त्या देशातील संरक्षणदलात होणारा तंत्रज्ञानाचा वापर हा एक पर्याय बघीतला जातो. सध्या बऱ्याच देशांनी आपल्या संरक्षणदलात बरेच आधुनिक तंत्रज्ञान आणले आहे. एकोणिसाव्या शतकात काही देशांच्या संरक्षणदलात  सैनिकांकडे केवळ रायफली,  साध्या बंदुका, मोजकेच रणगाडे आणि मोजकीच अणुशस्त्रे असत, परंतु आजचे चित्र वेगळे आहे. समुद्रातून मारा करणारी क्षपणास्त्रे, आकाशातून मारा करणाऱ्या मिसाईल्स, जेट विमाने, अणुबॉम्ब, ड्रोन्स असे अनेक तंत्रज्ञान मानवाने मिळवले आहे. भविष्यातही ड्रोन्स, आर्टिफिशिअल इंटिलिजन्स, रोबोटिक्स या तंत्रज्ञानाचा वापर वाढणार आहे. काही दिवसापूर्वी भारताने केलेल्या एअरस्ट्राईक नंतर भारतीय सैन्यांनी घुसकोरी करणारी पाकिस्तानची दोन ड्रोन्स पाडले होती, हे आपण ऐकले असेलच. जेवढे आधुनिक तंत्रज्ञान पुढे येत राहील, भविष्यात आपल्या समोर तेवढीच अवघड आव्हाने असतील. अशा तंत्रज्ञानाचा वापर दहशतवादी संघटनांकडूनही मोठ्या प्रमाणात होत आहे. अनेक दहशतवादी संघटनांमध्ये अनेक इंजिनीअर, हॅकर, तज्ज्ञ जोडले गेलेले आहेत. सध्या हीदेखील प्रत्येक राष्ट्राला चिंतेत टाकणारी बाब आहे. प्रत्येक देश दहशतवादापासून सुरक्षित राहण्यासाठी आपली ताकद वाढवत आहे. त्याचबरोबर दहशतवादी संघटनांमध्येही तंत्रज्ञानाचा वापर तितक्याच प्रमाणात वाढत आहे. तंत्रज्ञान निर्मितीची आणि त्याच्या वापराची एक प्रकारची स्पर्धा निर्माण झाली आहे, असे म्हणायला हरकत नाही. हिंसक दहशतवादाचा खात्मा प्रतिहिंसेने करावा हा मतप्रवाह सध्या सर्वच समाजघटकांवर पडत चाललेला आहे आणि हीच चाहूल एखाद्या राष्ट्राला आपली ताकत दाखवण्यासाठीचा मार्ग ठरतो.

परवाच भारतीय सैन्यदलाने एअरस्ट्राईकमध्ये डसॉल्ट मिराज २००० या फाईटर प्लेनचा वापर करून

मिराज-२०००

पाकिस्तानमधील दहशतवादी तळावर हल्ला केला. १९६५ मध्ये पहिल्यांदा फ्रांसने डसॉल्ट मिराज २०००ची निर्मिती केली. जगातील नऊ देशाच्या संरक्षण दलात या जेट विमानाचा वापर होत आहे.  आता भारत स्वतः याची निर्मिती करू लागला आहे. याचा वेग तासी २०४९५ किलोमीटर इतका आहे आणि हे जेट ६००० किलोग्राम वजनाच्या मिसाइल्स घेवून वाहतूक करू शकते. डसॉल्ट मिराज २०००साठी १९६५ मध्ये  फ्रांसकडून  सिंगल-शाफ्ट, टर्बोफन इंजिन विकसित करण्यात आले होते. या प्रकल्पात अशा २० इंजिनची तरतूद केली होती. १९७०मध्ये याची पहिली चाचणी झाली. यात 'एव्हीयन डी कॉंबॅट फ्यूचर' या फ्रेंच कंपनीचा मोलाचा वाटा होता. या जेटची जुलै १९७३ मध्ये कॅरेव्हेल टेस्टबॅकवर फ्रांसच्या सीमेरेषेवर हवाई वाहतूक झाली. डेसॉल्ट एव्हीयशन कंपनीने डिसेंबर १९७४ पासून मिराज एफ १ई टेस्टबॅड्स वापरून एम ५३-२ आवृत्तीचे पुन्हा उड्डाण परीक्षण केले आणि तेव्हापासून त्यात वैशिष्ठपूर्ण नाविन्याची बर घालून डसॉल्ट मिराज- जी, मिराज जी-८, मिराज -२००० डी अशा अनेक आवृत्त्या निघत गेल्या. सध्या भारताकडे ५० हून अधिक अशी जेट विमाने आहेत आणि अग्नी, पृथ्वी, निर्भय, शौर्य, प्रहार अशा अनेक प्रकारच्या मिसाईल्स त्याच्या वेगवेगळ्या आवृत्त्याही भारताकडे आहेत.  

Rafale - राफेल

याबरोबरच १२६ डसाल्ट राफाले जेट विमानाने विकत घेण्याचा फ्रांसशी करार झाला आहे. याचीही निर्मिती फ्रान्समध्ये डसाल्ट अव्हिएशन ही कंपनी करते. हा भारतीय संरक्षण दलासाठी आजपर्यंत सर्वात मोठा व्यवहार आहे. राफेल पाकिस्तानच्या एफ-१६, चीनच्या सुखोई-३०, अमेरिकेच्या एफ-२२च्या किंबहुना मिराज-२००० पेक्षा केत्येकपटींनी सरस आहे आणि राफेल जेट अतिवेगामुळे शत्रूराष्ट्राच्या रडारमध्येही सापडू शकत नाही. या जेट मधून जमिनीवर किंवा हवेत असे दोन्ही प्रकारचे हल्ले करता येतात आणि याच्या बाजूला असेलेल्या मिसाईल याला अजून वेगळ रूप देतात. या जेटची दृष्टीक्षमता ३६० डिग्रीमध्ये आहे, त्यामुळे चारी बाजूने शत्रू शोधता येतो किंबहुना शत्रूवर लक्ष ठेवता येते,  याबरोबर याच्यामधील ईलेक्ट्रॉनिक वार फेअर सिस्टममुळे शत्रूच्या ठिकाणाची अचूक जागा समजते. लवकरच हे विमान भारतीय हवाई दलामध्ये सामील होणार आहे.

याबारोबरच तेजस हेही युद्धात वापरले जाणारे भारतनिर्मित जेट आहे. भारतीय नौदल आणि वायुदल दोन्हीकडून वापरले जाणारे हे जेट विमान आहे आणि कसल्याही वातावरणात याचा वापर केला जाऊ शकतो. इतर राष्ट्राच्या संरक्षण दलात अनेक शक्तिशाली जेट आहेत. ग्रीपेन हे स्वीडनचे सर्वात शक्तिशाली विमान आहे. हे अमेरीकेच्या एफए-१८ सुपर होर्नेट आणि ग्रासीसी राफेलपेक्षाही भेदक आहे. इतर जेटच्या तुलनेत याच्या वापरासाठी कमी खर्च येतो. एफ-१५ इगल हे जेट विमान अमेरिकासह आणखी चार देशामध्ये आहे. काही वर्षापूर्वी अमेरिकेने इराकवर हल्ले करण्यासाठी या विमानाचा वापर  केला होता.  युरोफाईटर टायफून हे जेट विमान जर्मिनी, अर्जेन्टिना, इटली, स्पेन या देशांच्या सैन्यदलात याचा समावेश आहे. २०११ मध्ये फ्रांस आणि इटलीने लिबियावर केलेल्या हल्ल्यात या जेट मोठा वाटा होता. युरोफाईटर टायफून या जेटआमध्ये रडार असून हे राफेलच्या तोडीचे विमान समजले जाते. सी-हारीअर हेही  एक  जेट विमान असून, हे समुद्रातून हल्ले करण्यासाठी वापरण्यात येते. भारताकडे अशी विमाने मोठ्या संखेने आहेत. एफ-२२ राफ्टर हे जेट केवळ अमेरिकेकडेच आहे आणि सध्या काही कारणास्तव संयुक्त राष्ट्राने याच्या निर्मितीवर निर्बंध लादले आहेत. हवेतल्या हवेत शत्रूच्या विमानावर याने हल्ले करता येतात.   चेंगडू जे-१० हेही जेट विमान युद्धकाळात वापरले जाणारे विमान आहे, यामध्ये लेझर गाईडर याबरोबर साटेलाईट गाईडर बॉम्बची सुविधा केलेली आहे, हे या जेटचे सर्वात अनोखे वैशिष्ठ्य आहे आणि याचा समावेश साधारणतः सध्याच्या प्रगत राष्ट्रांच्या संरक्षण दलात आहे. टी-५० सुखाई पी. ए. के. - एफ. ए. या जेट विमानाच्या निर्मितीसाठी सध्या भारत आणि रशिया या दोन देशामध्ये करार झाले आहेत. वायूसेना बरोबरच नौदलामध्येही याचा समावेश करता येईल यादृष्टीने याची निर्मिती होत आहे अर्थात भारत आणि रशिया या दोन्ही देशाची सैन्यदलातील ताकत वाढणार आहे. एफ. ३५ लायटनिंग हे सध्या अमेरिकेकडे असलेल्या राफ्टर फायटर जेटची पुढची आवृत्ती आहे. ऑस्ट्रेलिया, फ्रांस, जपान अशा देशांशी या जेटच्या विक्रीचे करार झालेले आहेत. ही विमाने आतापर्यंत जगभरात १५०च्याच संखेने उपलब्ध आहेत.

संरक्षण दलात वापरल्या जाणाऱ्या इतर उपकरणांबरोबर सध्या रोबोटिक्स आणि ड्रोन्सचाही वापार वाढत आहे. जर तिसरं महायुध्द घडलं तर रोबोटिक्स त्यामध्ये अग्रभागात असेल. होणाऱ्या हल्ल्यांमध्ये रोबोटिक्सचा मोठा वाटा असेल.  हे तंत्रज्ञान वापरून शत्रूराष्ट्रात घूसकोरी करता येते. रोबोटिक्स आणि ड्रोन्ससाठी वेगळे अंतरराष्ट्रीय कायदे असावेत यासाठी संयुक्त राष्ट्र आणि राष्ट्र समिती यांच्यामध्ये विचारविनीमय बैठका चालू आहेत. दहशतवादी संघटनांकडेही या शस्त्राचा वापर वाढत आहे. प्रत्येक देशाने असे तंत्रज्ञान केवळ दहशतवादाविरुद्धच वापरावे, नव्हे तर निष्पाप मानवी जीवन संपवणाऱ्या हिरोशिमा आणि नागासाकी हल्ल्यांचा इतिहास अजून तरी  कोणीही विरलेला नाही.  

Published in Dainik Surajya, Solpaur on 2 May 2017.
 

What is Machine Learning ?

Now a day, Robotics and Data science growing in the world and there are several sub-branches are come up like Big Data, Machine Learning, Cognitive intelligence, etc. In this article, we are going to speak about Machine Learning.


What is Machine Learning ? 

Machine learning is the deep scientific study of algorithms and statistical models that computer systems use to effectively perform a specific task without explicit instructions, relying on patterns and inference. It is seen as a subset of artificial intelligence. Machine learning algorithms build a mathematical model of sample data, known as "training data", to make predictions or decisions without being explicitly programmed to perform the task. Without Math ML can not be completed, where it is infeasible to develop an algorithm of specific instructions for performing the task. The study of mathematical optimization delivers methods, theory, and application domains to the field of machine learning. Data mining is a field of study within machine learning and focuses on exploratory data analysis through unsupervised learning. Domain knowledge is the most important part in ML to get accuracy.

How machine learn itself?

The concept here is, Machine is learning itself from the experience. Machine learning can have many tasks, and they are classified into several broad categories. In supervised learning, the algorithm builds a mathematical model from a different set of data that contains both the inputs and the desired outputs. For example, if the task were determining whether an image contained a certain object, the training data for a supervised learning algorithm would include images with and without that object (the input), and each image would have a label (the output) designating whether it contained the object.n special cases, the input may be only partially available or restricted to special feedback. Semi-supervised learning algorithms develop mathematical models from incomplete training data, where a portion of the sample input doesn't have labels.

Classification algorithms and Regression algorithms are types of supervised learning.

• Classification algorithms are used when the outputs are restricted to a limited set of values. e.g. Email Filtration

• Regression algorithms are named for their continuous outputs, meaning they may have any value within a range. Examples of a continuous value are the temperature, length, or price of an object.

Machine learning and data mining often employ the same methods and overlap significantly, but while machine learning focuses on prediction, based on known properties learned from the training data, data mining focuses on the discovery of (previously) unknown properties in the data (this is the analysis step of knowledge discovery in databases). Data mining (Not Data warehousing) uses many machine learning methods, but with different targets; on the other hand, machine learning also employs data mining methods as "unsupervised learning" or as a pre-processing step to improve learner accuracy.

Machine learning and data mining often employ the same methods and overlap significantly, but while machine learning focuses on prediction, based on known properties learned from the training data, data mining focuses on the discovery of (previously) unknown properties in the data (this is the analysis step of knowledge discovery in databases). 

Data mining uses many machine learning methods, but with different goals; on the other hand, machine learning also employs data mining methods as "unsupervised learning" or as a pre-processing step to improve learner accuracy.

Machine learning also has intimate ties to optimization: many learning problems are formulated as minimization of some loss function on a training set of examples. Loss functions express the discrepancy between the predictions of the model being trained and the actual problem instances (for example, in classification, one wants to assign a label to instances, and models are trained to correctly predict the pre-assigned labels of a set of examples). The difference between the two fields arises from the goal of generalization: while optimization algorithms can minimize the loss on a training set, machine learning is concerned with minimizing the loss on unseen samples.

Machine learning (ML) and statistics are closely related fields. According to Michael I. Jordan, machine learning ideas have had a long pre-history in statistics from methodological principles to theoretical tools. He also suggested the term data science as a placeholder to call the overall field. Leo Breiman distinguished two statistical modeling paradigms: data model and algorithmic model, wherein "algorithmic model" means more or less the machine learning algorithms like Random forest. Some statisticians have adopted methods from machine learning, leading to a combined field that they call statistical learning.

गोष्ट गुगलच्या जन्माची !

मागच्या महिन्यात गुगलला २० वर्षे पूर्ण झाली. या एक-दीड दशकात वाचणे, लिहिणे, पाहणे, ऐकणे या क्रियापदांसारखे अजून एक  क्रियापद आपल्याला ऐकायला मिळते, ते म्हणजे गूगल करणे. अर्थात गूगलवर शोधणे. गूगल या कंपनीचं नाव माहित नसलेला एक साक्षर माणूस सापडणार नाही, अगदी असंच चित्र गूगलबद्दलचे आहे.  आजच्या युगात गूगल म्हणजे एक माहितीचं भांडार आहे. कशाबद्दलही माहिती शोधायची असली की मग गूगल उघडा, अगदी इंटरनेट चालू आहे कि नाही हेही  तपासण्यासाठीही लोक गूगलच उघडतात. एखादं ठिकाण शोधायचं असेल, मग गूगल मॅप्स वापरा. कोणतं पुस्तक मिळवायचं असेल तर गूगल बुक्स वापरा. ई-मेल खातं उघडायचं असेल गुगलचेच जीमेल वापरा. इंटरनेटवर एखादा फोटो शोधायचा असेल, गूगल इमेजेस वापरा. एखादा व्हिडीओ पाहायचा असेल, गूगलचेच यु-ट्यूब उघडा. आज गूगल म्हणजे साक्षर लोकांचा दैनंदिन जीवनाचा भाग होऊन बसला आहे.  अशी सर्व माहिती पुरवत असताना गूगल आता मोबाईल फोन्स, टीव्ही, आणि इतर इलेक्ट्रॉनिक्स गॅजेट्सकडे वळलेले आहे. ऍपलशी स्पर्धा करणारी अँड्रॉईड ही मोबाईलची ऑपरेटिंग सिस्टम गूगलनेच बनवलेली आहे. अलीकडच्या आकडेवारीनुसार ऍपलचे मार्केटशेअर्स  अँड्रॉईडवाले खाऊन टाकतील असे अंदाज आहेत. बऱ्याचजणांना गुगल ही एकच कंपनी एवढे अफाट काम कशी करू शकते, तिला उत्पन्न कसे मिळते असे नेहमी प्रश्न पडतात.

गुगलची सुरुवात १९९८ मध्ये लॅरी पेज आणि सर्गे ब्रिन या दोन तंत्रज्ञानाने झपाटलेल्या तरुणांनी केली. गुगलच नावं गणिताच्या गूगोल या शब्दावरून ठेवलेलं आहे. गूगोल म्हणजे एकावर शंबर शून्य. लॅरी पेज हा लहानपणापासूनच खूप खटपट करणारा मुलगा होता. तो लहान असताना त्याच्या मोठ्या भावानं त्याला स्क्रू ड्राईवर्सचा एक बॉक्स आणून दिला होता. त्याचा वापर करून पेजनं घरामधल्या अनेक वस्तूमधले स्क्रू काढून टाकले, त्यानंतर त्याला ते जोडता येईनात. साहजिक त्याचे आई-वडील त्याच्यावर तेव्हा खूप वैतागले होते. मोठा झाल्यावर 'मला ती सगळी यंत्रणा ठीकठाक करणं अशक्य होतं असं अजिबात नाही, पण मी फक्त ती दुरुस्त केली नाही एवढेच!' असं या प्रसंगाची आठवण निघाल्यावर पेज म्हणतो.

आपल्या वडिलांप्रमाणे पेजनं कॉम्पुटर सायन्समध्ये आपली पदवी पूर्ण केली. त्यानंतर तो स्टॅनफर्डमध्ये पुढचं शिक्षण घ्यायला गेला. पेजच्या म्हणण्यानुसार,  त्या सुमारालाच आपण धंदा करायचा, नोकरी अजिबात करायची नाही असं पेजनं ठरवलं होतं. तो बारा वर्षाचा असल्यापासूनच भविष्यात आपण एखादी छोटी कंपनी टाकायची असं त्यानं ठरवलं होतं.   पेजचा भाऊ पेजपेक्षा ९ वर्षांनी मोठा आहे. त्यावेळी तो सिलिकॉन व्हॅलीमधील एका कंपनीत काम करत होता. त्यामुळे पेजला या आयटी क्षेत्रातील थोडीफार माहिती होती. स्टॅनफर्डमध्ये असताना पेजनं  'ह्युमन- कॉम्पुटर इंटरऍक्शन ग्रुपम'ध्ये काम करायचं ठरवलं. माणूस जेव्हा कॉम्पुटरचा वापर करतो तेव्हा त्याला कोणकोणत्या अडचणी येतात, कॉम्पुटर आपल्याशी कशा प्रकारे सवांद साधावा असं माणसाला वाटतं, कॉम्पुटर वापरायचं काम अजून सोपं कसं करता येईल, असे सगळे विषय यात असतात. उदाहरणार्थ. एखाद्या माणसाने कॉम्पुटर वापरात असताना कसली तरी चूक केली असं समजू. तर अशा वेळी कॉम्पुटरनं ही चूक त्या माणसाच्या लक्ष्यात आणून दिली पाहिजे किंवा एखाद्याला इंटरनेटवर ठराविक माहिती शोधायची असेल तर त्यासाठी कॉम्पुटरने आपल्याला कश्या प्रकारचा स्क्रीन दाखवावा, कशी मदत करावी असं वाटतं या प्रकारच्या असंख्य गोष्टींचा अभ्यास पेज काम करत असलेल्या विभागात होत असे.  याची सुरुवात डोनल्ड नॉर्मन या पूर्वी ऍपल कंपनीत काम केलेल्या तज्ञाच्या 'दी सायकॉलॉजी ऑफ एव्हरी डे थिंग्ज' या पुस्तकातून झाली.  पेजला हे पुस्तक खूप आवडायचं. याशिवाय निकोलस तेस्ला या संशोधकाच्या चरीत्रांवरसुद्धा पेज भारावून गेला होता. तेस्लाने वीज, चूंबकत्व, बिनतारी संदेश वहन, विजेवर चालणारी उपकरनं यासंदर्भात  अनेक शोध लावले होते. परंतु एडिसन, मार्कोनी अशा मंडळीना मिळालेली लोकप्रियता तेस्लाच्या वाट्याला आली नाही. म्हणून तेस्लाविषयी पेजला खूप वाईट वाटायचं. तेस्लाने खरं म्हणजे जग बदलून टाकणारी कामगिरी केली होती. त्याच्या शोधाचे व्यावसायीकरण करण्यासाठी आवश्यक असेलेली साधनं नव्हती, म्हणून असं घडलं, असं पेज आजही म्हणतो. मिशिगन विद्यापीठात शिकत असताना पेजनं तेव्हाच्या बसला कंटाळून विद्यार्थ्यांसाठी मोनोरेलच्या प्रकल्पाची आखणी केली होती. हा आपला प्रकल्प संबंधित लोक मान्य करत नाहीत म्हंटल्यावर पेज जाम वैतागला होता.

दुसऱ्या बाजूला सर्गे ब्रिन हा विद्यार्थी अतिशय हुशार होता. एकदा स्टॅनफर्ड विद्यापीठाची सहल सॅनफ्रान्सिस्कोला गेली. तेव्हा सर्गे ब्रिन हा विद्यार्थ्यांचा गाईड होता. अनेक गोष्टीची माहिती स्वतःकडे ठेवण्याची सर्गे ब्रिनला सवय होती, हाच त्याचा छंद होता. स्वतःकडच्या 'माहितीचा साठा' याबद्दल ब्रिनला प्रचंड महत्व वाटे, कुतूहल वाटे. या सहलीत ब्रिन आणि पेजची मैत्री झाली. आपल्या आवडणाऱ्या गोष्टी जवळपास सारख्याच आहे हे दोघांच्या लक्षात आलं. पुढे मैत्री आणखी घट्ट झाली. काही कारणास्तव ब्रिनचं कुटुंब रशियामधून अमेरिकेला स्थलांतरित झालं होतं. अमेरिकेत आल्यानंतर ब्रिन कुटुंबीयांचं सुरुवातीचं जीवन हलाखीचं होतं. ब्रिनचे वडील मेरीलँड विद्यापीठात नोकरीला होते.

ब्रिनचे वडील ब्रिनलाही शिकवायचे, त्यामुळे ब्रीनचा आत्मविश्वास खूप वाढला. आपल्या मुलाबद्दल ते जरा कडक वागत असत. त्यांना आपल्या मुलाने शिस्त मोड्लेलं अजिबात आवडत नसत. ब्रिनची आई नासामध्ये काम करायची. हुशार असेलेल्या ब्रिनने आपलं शिक्षण तिथेच तीन वर्षात पूर्ण केलं. वयाच्या १९ व्या वर्षी पीएचडी पूर्ण करण्यासाठी तो स्टॅनफर्डमध्ये आला. त्याला लहानपणापासून गणिताची खूप आवड होती. स्टॅनफर्डमध्ये तो पात्रता परीक्षा पटापट पास झाला. स्टॅनफर्ड हे जगाच्या अत्यंत चांगल्या समजल्या जाणाऱ्या विद्यापीठांपैकी एक आहे. अमेरिकेच्या कॅलिफोर्निया राज्यात तब्ब्ल ८१८० एकर पसरलेल्या या  विद्यापीठात जवळ जवळ २००० प्राध्यापक शिकवतात. स्टॅनफर्डची स्थापना १८९१ साली झाली होती. या विद्यापीठाचं वैशिष्ट्य म्हणजे इथं संशोधन करण्यासाठी, तसंच विद्यार्थ्यांनी शिक्षण घेत असतानाच उद्योजक व्हावं यासाठी खूप प्रयत्न  केले जातात, याच दृष्टीने शिकवले जाते. त्यामुळे सिलिकॉन व्हॅली या माहिती तंत्रज्ञानाशी संबधित कंपन्यांमधल्या बऱ्याच कंपन्या काढणारे लोक हे स्टॅनफर्ड विद्यापीठातून बाहेर पडलेले आहेत.

पेज आणि ब्रिनच्या काळातही विद्यापीठाच वातावरण अगदी मोकळढाकळं होतं. तिथले प्राध्यापक मुलांना प्रोत्साहित करत, त्यांचा आत्मविश्वास वाढवत असायचे . सगळ्या विद्यार्थ्यांचा सगळा वेळ संशोधन करण्यातच जात असे. त्यातही पेजची कल्पनाशक्ती आवाक्याबाहेरची. आपण एखादे सौरऊर्जेवर चालणारे पतंग बनवण्याचे संशोधन करत असल्याचे पेज अधूनमधून सारखं म्हणायचा. त्यावेळी www या शब्दाने वेबसाईट चालणे आणि इंटरनेट या गोष्टींनी धुमाकूळ घातला होता. टीम बर्न्स ली हा 'वर्ल्ड वाईड वेब'चा जनक समजला जातो. स्विझर्लंडमधल्या सर्न या जगप्रसिद्ध भौतिकशात्राशी संबंधित संशोधन केंद्रात काम करत असताना टीम बर्न्स लीला ही कल्पना सुचली. १९४५ साली व्हॅनेव्हर बुश याने जगातील सर्व कॉम्पुटरवरची माहिती जोडल्यानंतर एक प्रकारचा माहितीचा खजिनाच भेटेल याबद्दलचा शोधनिबंध लिहिला होता. यातूनच एक प्रकारच्या माहितीकडून दुसऱ्या प्रकारच्या माहितीपर्यंत पोहचता येईल अशी त्यामागची कल्पना होती. या सर्व प्लॅनला बुशनं 'मेमेक्स' असं नाव दिलं होतं. पुढे माऊसचा शोध लावणाऱ्या डग्लस एंगलबर्डने यावर थोडं काम पाहिलं, नंतर टेड नेल्सन या संशोधकाने 'हायपरटेक्स्ट' तंत्रज्ञानातील संकल्पनेचा शोध लावून हे काम पुढे चालवलं. परंतु, हे काम तो पूर्ण करू शकला नाही. वेगवेगळ्या कॉम्पुटरवरची विखुरलेली माहिती जर एकाच ठिकाणी मिळाली तर सर्वांनाच याचा खूप मोठा फायदा होईल असं बर्न्स लीच मत होतं. कारण www (वर्ल्ड वाईड वेब ) नावाच्या कॉम्पुटरच्या  जाळ्यात अनेकांनी माहिती भरलेली असेन आणि या माहितीच्या खजिन्यावर तो ठाम होता.

सर्गे ब्रीनला डेटा मायनिंग या विषयात खूप रस होता. म्हणजेच मोठ्या प्रमाणातल्या माहितीतून काहीतरी गरजेचं काढून घेणे याच्यात त्याला आवड होती. ब्रिनने या तंत्रज्ञानाचा वापर एका मजेशीर युक्तीसाठी केला. ब्रिनने सिनेमा बघितला कि त्या सिनेमाला रेटिंग द्यायचा एक प्रोग्राम लिहिला, यातून लोकांनी बघितलेल्या सिनेमाचे मानांकन तपासायचा. यावरून स्वतः न बघितलेला सिनेमा कसा आहे हे त्याला समजत असत. त्याची राजीव मोटवानी या  व्यक्तीशी स्टॅनफर्डमध्ये मैत्री झाली, संशोधनात ब्रिनला त्याने खूप मदत केली.  पेजही संशोधनासाठी विषय शोधत होता, विचार करत होता.  वेबसाईटला भेट देणाऱ्या लोकांकडून वेबसाईटबद्दलच्या   प्रतिक्रया घ्यायचा आणि त्यालाही मानांकन द्यायचे असाच काहीसा पेजचा विचार चालू होता त्यातच त्याला हायपरलिंक (लिंक) संकल्पना आठवली.  याचा वापर करून तो बरंच काही करू शकत होता हे त्याला जाणवत होतं.

या सर्व खाटाटोपात स्टॅनफर्डमध्ये लॅरी पेजची आणि सर्गे ब्रीन मैत्री आणखी होत गेली.  पीएचडीसाठी दोघांनी आपला विषय 'वर्ल्ड वाईड वेब'च ठेवला. आणि सगळ्या वेबसाईट लिंक करण्याच्या अल्गोरिदमच्या शोधात ते दोघे काम करू लागले आणि  त्या वेबसाईटच्या लोकप्रीयेतेवरूनच त्या साईटला रँकिंग दिलं जाईल, असं त्याचं उद्धिष्ट होतं. पुढचे ३-४ वर्षे दिवस-रात्र एक करत त्यांनी यावर खूप संशोधन केलं. १९९६ मध्ये त्यांना असा अल्गोरिदम मिळाला आणि पहिल्यांदा जे गुगल सर्च इंजिन म्हणून लॉंच झाले ते स्टॅनफर्ड विद्यापीठाच्या वेबसाईटवर आजही उपलब्ध आहे. या दोघांनी ४ सप्टेंबर १९९८ मध्ये मित्रांकडून, घरच्यांकडून आणि काही व्यवसायासाठी कर्ज  देणाऱ्या संस्थाकडून १० लाख डॉलर्सचे कर्ज घेवून गुगल ही कंपनी स्थापन केली. गुगलच्या अगोदर सुरु झालेल्या याहू या कंपनीने काही काळ गुगलबरोबर भागीदारी केली, नंतर काही कारणास्तव फेब्रुवारी २००४ साली याहूने शेअर्स परत घेतले. या अगोदरच गूगलची माहिती व तंत्रज्ञानात नेट सेंटर, याहू डॉट कॉम , एमएसएन डॉट कॉम , गोटू डॉट कॉम अशा अनेक सर्च इंजिनशी स्पर्धा सुरु झाली होती.  २०००  सालापासून गुगल जाहिरातींवर पैसा कमवू लागली.

२००२ मध्ये गुगलने वेगवेगळ्या भाषांमध्ये बातम्या उपलब्ध करण्यासाठी  गुगल न्यूज लॉंच केले. १ एप्रिल २००४ साली गुगलने मेलिंग सर्विस जीमेल लॉंच केली. २००५ मध्ये इंटरनेटवर नकाशामधून ठिकाण शोधण्यासाठी  गुगल मॅप्स, गुगल अर्थ अशा अनेक सेवा सुरु केल्या. त्यावेळी युट्युब ही कंपनी १४ फेब्रुवारी २००५ ला सुरु झालेली होती, परंतु लगेच १३ नोव्हेंबर २००६ या दिवशी १.६५ अब्ज डॉलर्सला गुगलने युट्युबला खरेदी केलं. २००७ साली अँड्रॉइड मोबाईल सॉफ्टवेअर बनवणारी कंपनी विकत घेतली.  अँड्रॉइड असणाऱ्या फोनमधील 'गुगल प्ले स्टोअर'मध्ये सर्व मोबाईल ऍप असतात. २ सप्टेंबर २००८ या दिवशी गुगल क्रोम नावाचा ब्राउजर गुगलने मार्केटमध्ये आणला. २०११ मध्ये मुख्य कार्यकारी अधिकारी म्हणून एरिक श्मिट यांना पायउतार केलं गेलं आणि लॅरी पेज स्वतः मुख्य कार्यकारी अधिकारी बनले. गुगलने आपल्या कार्यप्रणालीत वेळोवेळी अनेक बदल केले. आजच्या जगभरातल्या जवळजवळ १० स्मार्टफोनमधले ८ फोन अँड्रॉइडचे आहेत. २००६ मध्ये गुगलने ब्लॉग लिहिणारयांसाठी ब्लॉगर ही सेवा चालू केली. पुढे २०११मध्ये गुगलप्लस हे सोशल नेट्वर्किंग साईट चालू केली.  यापूर्वी गुगलने ओर्कुट नावाची सोशल नेट्वर्किंग साईट लॉंच केली होती, परंतु सोशल नेट्वर्किंग साईटच्या स्पर्धेत ती टिकू शकली नाही आणि ३० सप्टेंबर २०१४ रोजी ती बंद करण्यात आली. २०१६ साली गुगलने स्मार्टफोन आणि इतर इलेक्ट्रोनिक गॅझेट्स निर्मितीतही पदार्पण केले. आज गुगल पिक्सेल स्मार्टफोन बाजारात उपलब्ध आहेत. गुगलने २०१२ साली अँड्रॉइडमध्ये गुगल असिस्टंट नावाच्या रोबोटची भर घातली, जो रोबोट आपण फोनवर विचारलेली माहिती पुरवतो. या व्यतिरिक्त आपले डॉक्युमेंट ठेवण्यासाठी  गुगल डॉक्स, इंटरनेटवर फोटो शोधण्यासाठी गुगल इमेजेस, याबरोबरच आपले फोटो इंटरनेटवर ठेवण्यासाठी गुगल फोटोज,  मजकूर एका भाषेमधून दुसऱ्या भाषेमध्ये  भाषांतरित करण्यासाठी गुगल ट्रान्सलेटर अशा अनेक सेवा गूगलने कालांतराने सुरु केल्या. २०१७ मध्ये पैसे ट्रान्स्फर करण्यासाठी गुगलने 'तेज' हे मोबाईल ऍप मार्केटमध्ये आणले नंतर त्याचे नामांतर 'गुगल पे' असे झाले.

गुगल असिस्टंटचा सध्याचा वाढता वापर याबाबत सांगत असताना एका सभेमध्ये गुगलचे सध्याचे सिईवो सुंदर पिचाई यांनी गुगल 'आर्टीफिसिअल इंटीलिजन्स'वर सध्या भरपूर काम करत असून आर्टीफिसिअल इंटीलिजन्समध्ये भरपूर बदल आणणार आहे असे त्यांनी सांगितले आहे. गुगलबरोबर सध्या जगभरातल्या मोठ्या देशांच्या प्रयोगशाळाही काम करतात. उदा. नासा, नेशनल सायन्स फाउंडेशन, ई. गुगल फ्लायिंग कार्स, सौरउर्जेवर चालणारी इको-सायकल अशा अनेक प्रकल्पांवर गुगल काम करत आहे, ज्यामध्ये रोबोटिक्सचा देखील वापर केला गेला आहे. भविष्यात तंत्रज्ञानाचे असे अनेक आमूलाग्र बदल आणून गुगलकडून दुनिया आणखी बदलणार आहे यात शंका नाही. २०१८ च्या आकडेवारीनुसार गुगलमध्ये ८५००० कर्मचारी काम करतात. गुगलचे मुख्य कार्यालय मौटन व्हिव, कॅलिफोर्निया येथे आहे. सध्याच्या घडीला गुगल ही ८०० अब्ज डॉलर्सहून अधिक किमतीची कंपनी आहे. 

Published in Masik Chaprak June, 2019.  Pune.

करीअर - सोशल मीडिया मार्केटिंग

आपल्या राज्यघटनेमुळे प्रत्येक लिहिण्या-वाचण्याचा बोलण्याचा अधिकार मिळाला आहे. त्यासाठी  इंटरनेट एक माध्यमाचा वापर होत आहे. यातून आजचा तरुण वर्ग बोलका होतोय, हे आज काही वेगळे सांगायची गरज नाही. पुढेही ही परीस्थिती जोर धरणार आहे. सोशल मीडियामध्ये खूप विलक्षण  ताकद आहे. सोशल मिडियामुळे प्रत्येकाच्या अभिव्यक्ती स्वतंत्र्यास व्यासपीठ मिळते, आपले विचार लोकांपर्यंत पोहचवता येतात. समजा आपल्याला काही सामाजिक, सांस्कृतिक प्रश्न मांडायचे आहेत, पूर्वी यासाठी वर्तमानपत्रात जाहिराती द्याव्या लागत असत, आता मात्र आपण सोशल मिडीयाच्या माध्यमातून व्यक्त होतच असतो, अर्थात असे करणारा प्रत्येकजण पत्रकार ठरत आहे. 

सामाजिक संपर्काच्या साईटमुळे प्रत्येक व्यक्तीमधील अंतर कमी झाले आहे किंबहुना प्रत्येकाची संपर्क संख्या वाढत चाललेली आहे. त्याचप्रमाणे कॉर्पोरेटमध्ये कंपन्यानी सामाजिक माध्यमामध्ये प्रवेश केल्यामुळे ग्राहकांशी प्रत्यक्षपणे संपर्क करणे सहज साध्य झाले आहे. पारंपारिक जाहिरातींपेक्षा सामाजिक माध्यमामार्फत केलेली जाहिरात ही अधिक प्रभावी आणि व्यापक होत आहे.

याबरोबर यातून आपण आज स्वतःसाठी रोजगारसुद्धा उपलब्ध करू शकतो. सोशल नेटवर्किंग संकेतस्थळांची लोकप्रियता व विस्तार पाहता, अनेक व्यावसायिक कंपन्या व उद्योग धंदे ह्या संकेतस्थळांचा वापर जाहिरातींसाठी करतात. उदा. - इतर संकेतस्थळांच्या जाहिराती, बाजारातील नवीन वस्तूंच्या जाहिराती, नोकऱ्यांची जाहिरात इत्यादी. संकेतस्थळांना ह्या जाहिरातदारांकडून प्रचंड पैसा मिळतो. यासाठी युट्यूब चॅनल, न्यूज़ पोर्टल, ब्लॉगिंग, जाहिरात प्रमोशन असे अनेक पर्याय आहेत. 

यातूनच सोशल मीडिया मार्केटिंग संकल्पना उदयाला आली आहे. सामाजिक माध्यमाच्या साईटसमधून लक्ष वेधून घेण्याच्या कार्यपध्दतीला सामाजिक माध्यमातील विक्रीकला असे म्हणतात. या आज्ञावलीमध्ये लक्ष वेधून घेण्यायोग्य मजकूर तयार करण्याचा प्रयत्न करणे आणि तयार झालेला मजकूर जास्तीत जास्त लोकांपर्यंत / वाचकांपर्यंत पोहोचविण्यासाठी प्रयत्न करणे हे येथे केंद्रस्थानी आहे. एखादी घटना, वस्तू, सेवा, संस्था इ. विषयी मजकूर इंटरनेटच्या माध्यामातून उदा. वेबसाईटस, सामाजिक नेटवर्क, क्षणात संदेश, बातम्या इ. व्दारे लाखेा ग्राहकांपर्यंत झटक्यात पोहोचू शकते.

फेसबूकवर ऑफिशियल पेजेस बनवून फॉलोअर्स वाढवणे, आपल्या उत्पादनाची जाहिरात लोकांपर्यंत पोहचवणे, युट्युबवर सबस्क्रायबर वाढवणे, ब्लॉग लिहिणे, ते इंटरनेटवर व्हायरल करणे, यातून आपल्या उत्पादनाची माहिती लोकांपर्यंत पोहचवणे, तसेच इतरही सोशल मिडिया जसे की ट्वीटर, व्हाटस् अप, इन्स्टाग्राम अशा साईट्सवर पैसे भरून मार्केटिंग करता येते. अशा कामांसाठी सेवा पुरवणाऱ्या किंवा उत्पादन तयार करणाऱ्या कंपन्याकडे विशिष्ठ सोशल मिडिया टीम असते. त्यात सोशल मिडिया सेल्स एक्झेक्यूटीव, सोशल मिडिया सेल्स व्यवस्थापक असे जॉब्स असतात किंबहुना आपण स्वतः सोशल मिडिया सेल्स म्हणून स्वतंत्र व्यवसायही चालवू शकतो. याचे सर्व ट्रेनिंग आणि ट्रिक्स ऑनलाईन उपलब्ध आहेत. सोशल मोडीयाचा वापर सर्वच क्षेत्रात जोर धरत आहे उदा. राजकीय, सांस्कृतिक, धार्मिक व्यवसायिक, इ. त्यामुळे सोशल मिडिया मार्केटिंगची मागणी वाढत आहे.

Published in Dainik Pudhari in Edu-Disha supplement.
02 Apr 2019.

करिअर - आर्टिफिशियल इंटीलिजन्समधील संधी

दिवसाबरोबर बदलत जाणाऱ्या जगाबरोबर आपण स्वतःला बदलले पाहिजे. जुना अभ्यासक्रम बाजूला सारून नवीन तंत्रज्ञान आत्मसात केला पाहिजे. आज विज्ञान-तंत्रज्ञान क्षेत्रात बरेच संशोधन होत आहे, हे आपल्याला ठावूक आहे. त्यातच आर्टिफिशियल इंटीलिजन्स हेही एक क्षेत्र आहे.  'आर्टिफिशियल इंटीलिजन्स' म्हणजे कृत्रिम बुद्धीमत्ता.  अर्थात कसलाही मानवी हस्तक्षेप न करता संगणकाला, मोबाईलला किंबहुना एखाद्या मशीनला स्वत:चे नियोजन आणि समोर आलेल्या प्रश्नांची उकल करण्याची क्षमता उपलब्ध करून देणे म्हणजेच आर्टिफिशियल इंटिलिजन्स होय. कृत्रिम बुद्धिमत्ता ही संकल्पना विज्ञानकथांमध्ये जास्त आढळत असते अर्थात ती आज आपण अनेक सिनेमांमध्ये बघतही आहोत. आज सध्या ही संगणक अभ्यासक्रमामधील एक महत्त्वाची शाखा बनली आहे. 

संगणक आणि यांत्रिकी क्षेत्रात आर्टिफिशियल इंटेलिजेंस हा करिअर घडवण्याचा अजून एक उत्तम मार्ग आहे. कृत्रिम बुद्धिमत्ता आता एक विशिष्ट मुख्यप्रवाह म्हणून संगणक, विज्ञान व अभियांत्रिकी उपशाखेमध्ये बदलली आहे. मशीन लर्निंग, प्रोसेस आटोमेशन संकल्पना वापरून  बुद्धिमान मानवाप्रमाणे विचार करण्याचे हे तंत्रज्ञान जोर घेत आहे. अशी अपेक्षा आहे की आर्टिफिशियल इंटेलिजन्समधील करियर ऑटोमेशनसारख्या भागात नवीन आयटी विकासाच्या केंद्रस्थानी असेल. यामुळे आज सिलिकॉन व्हॅलीमध्ये एक प्रकारची स्पर्धाच निर्माण झाली आहे आणि गुगल, फेसबूक, लिंक्डइन, मायक्रोसॉफ्ट यांसारख्या दिग्गज आयटी कंपन्या आणि इतर बरेचजण 'करिअर इन आर्टिफिशियल इंटेलिजन्स'साठी मोठ्या प्रमाणावर गुंतवणूक करीत आहेत. भविष्यात हे तंत्रज्ञान आणखी भरभराटीला येणार आहे, यात शंका नाही.

सॉफ्टवेअर इंजिनीरिंगनंतर आईटीमध्ये  करिअर करण्यासाठी बरेच पर्याय असतात, त्यात आर्टिफिशियल इंटेलिजेंस जर करिअरमार्ग निवडला तर त्यातही पुन्हा आपल्याला अनेक उपशाखा पाहाव्या लागतात. आर्टिफिशियल इंटेलिजेंसच्या मशीन लर्निंग, प्रोसेस अटोमेशन, कोग्निटीव्ह रोबोटिक्स असे अनेक पर्याय आपल्यासमोर आहेत. यामध्ये रोबोटिक्स अटोमेशन इंजिनीअर, अल्गोरिदम स्पेशालीस्ट, रिसर्च सायंटिस्ट म्हणून काम पाहावे लागते.  खाजगी कंपन्या, विमा कंपन्या, सार्वजनिक संस्था, शिक्षण, कला, आरोग्य सुविधा, सरकारी एजन्सी आणि लष्करी ई. या सर्व सेवामधले होताने करावे लागणारे काम कॉम्पुटर प्रोग्रामिंगद्वारे स्वयंचलित करून द्यावे लागते आहे . डेटा एन्ट्री, डेटा मेन्यूपुलेशन अशी कामे रोबोटद्वारे आटोमेट करावी लागतात. यामुळे कंपन्यांचा वेळ, पैसा, मनुष्यबळ वाचत आहे. त्यामुळेच कंपन्या आर्टिफिशियल इंटेलिजेंसला प्राधान्य देत आहेत. डेटा एन्ट्री यांसारख्या नोकऱ्यांचे काम आता रोबोट करत आहे आणि त्यामुळेच डेटा ऑपरेटर, डेटा एन्ट्री अनॅलिस्ट अशा नोकऱ्या धोक्यात आल्या आहेत. त्यामुळे असे जुने तंत्रज्ञान शिकून काही फायदा होणार नाही आणि हे अभ्यासक्रमातूनही बरखास्त होत आहे, त्यामुळेच आपण नेहमीच नवीन तंत्रज्ञानाकडे वळले पाहिजे. 

आर्टिफिशियल इंटेलिजेंसमध्ये करियर करण्यासाठी आपल्याकडे कमीत कमी इंजिनीरिंग पदवी आणि एखाद्या कॉम्पुटर प्रोग्रामिंग भाषा अशी मूलभूत तत्वे असणे आवश्यक आहे आणि रिसर्चसाठीचा तर्क, दार्शनिक आणि संज्ञानात्मक पायांबद्दल आपण दृढ असणे गरजेचे आहे. याच आधारवर बहुराष्ट्रीय कंपन्यांमधल्या मुलाखती असतात, या मुलाखतीतून पास होणे अनिवार्य असते.  आपल्याला या क्षेत्रात अनुभव असेल तर चांगले पॅकेज मिळते. काही दिवसापूर्वीच टी. सी. एस., कोग्नीजंट अशा कंपन्या या आर्टिफिशियल इंटेलिजेंसवरील अनुभवी लोकांना इतर कौशल्याच्या तुलनेत दुप्पट वेतन देण्याचे घोषित केले आहे. पुढील काही वर्षांमध्ये आर्टिफिशियल इंटेलिजेंसचा जागतिक श्रमिक बाजारपेठेवर मूलभूत प्रभाव असेल, हे यावरून स्पष्ट होते. 

महाविद्यालयातून नुकतीच पदवी घेवून बाहेर पडलेल्या विद्यार्थ्यांसाठी याचे ट्रेंनिंग पुणे, हैद्राबाद, बंगळूरू, चेन्नई, नोईडा अशा शहरांमध्ये खाजगी इन्स्टिटयूड मध्ये उपलब्ध आहे. यामध्ये काम करण्यासाठी यु-आय पाथ, ब्ल्यू-प्रीजम, अटोमेशन एनीव्हेअर असे अनेक टूल आहेत. आपण याच्या ऑनलाईन परीक्षा पास होवून कौशल्यधारक बनू शकतो. यामधल्या काही परीक्षांसाठी शुल्क आकारण्यात आलेले आहे तर काही ऑनलाईन ट्रेनिंग मोफत आहे. आणि यानंतर बहुराष्ट्रीय कंपन्यांमध्ये चांगल्या पकेजसह नोकरी मिळते.  आज आर्टिफिशियल इंटेलिजेंस कौशल्यधारकांची मागणी वाढत आहे. आर्टिफिशियल इंटेलिजेंसमधील करियर हे एक वेगवान आणि आव्हानात्मक क्षेत्र जरी असले, तरी आपल्या दररोजच्या आयुष्यामध्ये दृश्यमान मार्ग तयार करत आहे त्यामुळेच हे तंत्रज्ञान अवगत असलेल्या नोकरदारांची मागणी वाढत आहे.

Published in Dainik Sakaal on 20-12-2018