સંદૃેશ - અર્ધસાપ્તાહિક પૂર્તિ - બુધવાર - ૯ - ૨૩ઓગસ્ટ ૨૦૧૭
કોલમ: ટેક ઓફ
વર્તમાન સમયની સૌથી લોકભોગ્ય ટેકનોલોજી એટલે આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને એમાંય ખાસ કરીને મશીન લર્નિંગ (એમએલ). આવનારા દૃાયકાઓમાં મેન્યુફેકચિંરગ અને મનોરંજનથી લઇને ભણતર તેમજ હેલ્થ સુધીનાં લગભગ તમામ ક્ષેત્રોમાં મશીન લર્નિંગને લીધે મોટાં પરિવર્તનો આવવાનાં છે. સમગ્ર દૃુનિયાના અર્થતંત્રની કાયાપલટ કરવાની તાકાત આજની તારીખે મશીન લર્નિંગ સિસ્ટમ્સમાં જોવાય છે.
ધારો કે તમે કોઈ શહેરમાં નવા નવા શિફટ થયા છો. કોઈ મહેમાનને તેડવા તમારે એરપોર્ટ જવાનું છે, પણ એરપોર્ટનો રસ્તો તમે જાણતા નથી. ટેકસી કે રિક્ષા નથી જ કરવી એવું તમે નક્કી કરી નાખ્યું છે. તો હવે તમે શું કરશો? સિમ્પલ. તમારી કારમાં ગોઠવાઈને તમે ગ્લોબલ પોઝિશનિંગ સિસ્ટમ (જીપીએસ) સિસ્ટમ ઓન કરશો અથવા સ્માર્ટફોનમાં ગૂગલ નાઉ એપ ઓન કરીને, ફોનને સહેજ ચહેરા પાસે લાવીને બોલશો, ‘હાઉ કેન આઇ ગો ટુ ધ એરપોર્ટ?' તરત જ સ્ક્રીન પર તમારા ઘરથી એરપોર્ટ સુધીનો રસ્તો બતાવતો નકશો ખૂલી જશે અને ગૂગલબેન મીઠા અવાજમાં અવાજ પટ્ પટ્ કરતી તમને દિૃશાસૂચન કરવા લાગશે. ક્યાંય અટકયા વગર, એક પણ કાળા માથા માનવીને પૂછ્યા વગર તમે આસાનીથી એરપોર્ટ પહોંચી જશો.
ધારો કે તમને અરિજિત સિંહનાં ગીતોનું લાઈવ પર્ફોર્મન્સીસ જોવાનું મન થાય છે. તમે યુટ્યુબ પર જઈને અડધી-એક કલાક સુધી તમે આ બધા વિડીયોઝ જોતાં જોતાં ઝુમતા રહો છો. બે દિૃવસ પછી ફરી પાછા આ વેબસાઇટ પર જશો તો તમારી પસંદૃગી જાણી ચુકેલા યુટ્યુબભાઈ વગર કહ્યે હિન્દી ફિલ્મી ગીતો ગાતા અરિજિત અને અન્ય ગાયકોનાં ગીતોનાં લાઇવ પર્ફોર્મન્સીસના નવા વિડીયોઝ તમારી સ્ક્રીન પર પાથરીને તમને જોવાની ભલામણ કરશે.
આર્ટિફિશિયલ ઇન્ટેલિજન્સનાં આ સાદૃાં ઉદૃાહરણો છે. આપણને ખબર પણ ન પડે તે રીતે મોબાઈલ ફોન આપણા પર્સનલ આસિસન્ટન્ટ તરીકેની નોકરી કરવા માંડ્યો છે. ક્રમશ: એની કામગીરી વધતી જવાની છે. આપણે એવા ભવિષ્ય તરફ આગળ વધી રહ્યા છીએ કે આ પ્રકારના પર્સનલ આસિસ્ટન્સ વગર આપણને ચાલશે નહીં. બહુ જલદૃી મશીન-ટુ-મશીન કમ્યુનિકેશન આપણા રોિંજદૃા જીવનનો હિસ્સો બની જવાનું છે. જેમ કે, તમે શેવિંગ કરતાં કરતાં તમારા ફોનને આદૃેશ આપો કે ‘ચિરાગ ભાવસારને ‘શેડ્યુલ ફોર સપ્ટેમ્બર' નામની ફાઈલ ઇમેઇલ કરી નાખો, તો તમારું કહ્યાગરું ગેજેટ આપોઆપ ચિરાગભાઈનું ઇમેઇલ આડી શોધશે. પછી જે-તે ફોલ્ડરમાં પડેલી પેલી સપ્ટેમ્બર મહિનાના શેડ્યુલવાળી એકસેલ ફાઇલ ઊંચકીને, અટેચ કરીને ચિરાગ ભાવસારને મોકલી આપશે. એટલું જ નહીં, સામે છેડેથી ચિરાગ ભાવસારનું ગેજેટ ‘તમારો ઇમેઇલ મળી ગયો છે, થેન્કયુ' એવા મતલબનો વળતો ઇમેઇલ પણ આપોઆપ મોકલી દૃેશે.
આર્ટિફિશિયલ ઇન્ટેલિજન્સ (એઆઈ) કંઇ નવી વસ્તુ નથી. આ શબ્દૃપ્રયોગ સૌથી પહેલાં છેક ૧૯૫૫માં જોન મેક્કાર્થી નામના ગણિતના અમેરિકન પ્રોફેસરે કર્યો હતો. ૧૯૫૭માં હર્બર્ટ સિમોન નામના અર્થશાસ્ત્રીએ આગાહી કરી હતી કે દૃસ વર્ષની અંદૃર કમ્પ્યુટર એટલું ઇન્ટેલિજન્ટ બની જશે કે તે ચેસમાં માણસને હરાવી દૃેશે. વાસ્તવમાં કમ્પ્યુટરને આ મહારત હાંસલ કરવામાં ચાલીસ વર્ષ લાગી ગયાં. આજથી ત્રીસેક વર્ષ પહેલાં પણ ભારતની એન્જિનીયિંરગ કોલેજોમાં કમ્પ્યુટર સાયન્સના વિદ્યાર્થીઓને રીતસર આર્ટિફિશિયલ ઇન્ટેલિજન્સનો વિષય ભણાવવામાં આવતો હતો. સ્ટીવન સ્પીલબર્ગે ‘આર્ટિફિશિયલ ઇન્ટેલિજન્સ નામની ફિલ્મ બનાવી હતી તે વાતનેય સોળ વર્ષ થઈ ગયાં. ટૂંકમાં, આર્ટિફિશિયલ ઇન્ટેલિજન્સનો કોન્સેપ્ટ જરાય નવો નથી. આપણો ફોન, કમ્પ્યુટર, કાર, બેન્ક વગેરેે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ ઓલરેડી કરી રહ્યા છે.
એરિક બ્રિન્જોલફ્સોન નામના મેસેચ્યુસેટ્સ ઇન્સ્ટિટ્યુટ ઓફ ટેકનોલોજી (એમઆઇટી) સાથે સંકળાયેલા એક નિષ્ણાતે આ વિષય પર મસ્તમજાની વાતો કહી છે. તેઓ કહે છે કે છેલ્લાં અઢીસો વર્ષથી ટેકનોલોજી ક્ષેત્રે થયેલી નવી નવી શોધો આર્થિક વિકાસનું મુખ્ય ચાલકબળ બનતી આવી છે. ટેકનોલોજી જેટલી વધારે લોકભોગ્ય, અર્થતંત્ર પર એની અસર એટલી વધારે પ્રગાઢ. વરાળથી ચાલતું સ્ટીમ એન્જિન, ઇલેકિટ્રસિટી અને ઇન્ટરનલ કમ્બક્શન એન્જિન - આ ત્રણમાંથી જાતજાતની કેટલીય લોકભોગ્ય વસ્તુઓ આપણને મળી. ઇલેકિટ્રસિટી વગરનું જીવન આજે આપણે વિચારી પણ શકતા નથી. ઇન્ટરનલ કમ્બક્શન એન્જિનના પ્રતાપે આપણને કાર, ટ્રક, એરોપ્લેન વગેરે મળ્યાં. ઇલેકટ્રોનિક ઉપકરણો, કમ્પ્યુટર, મોબાઇલ ફોન વગેરેનાં મૂળમાં સેમીકંડકટર મટીરિયલમાંથી બનેલી ઇન્ટીગ્રેટેડ સર્કિટની શોધ છે. આ સર્ક્ટિને સાદૃી ભાષામાં આપણે માઇક્રોચિપ અથવા ફકત ચિપ કહીએ છીએ. આંગણીના વેઢા જેવડી આ ટચુકડી ચિપે આપણી સામે વિરાટ દૃુનિયા આપણી સામે ખોલી નાખી છે.
વર્તમાન જગતની સૌથી લોકભોગ્ય ટેકનોલોજી એટલે આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને એમાંય ખાસ કરીને મશીન લર્નિંગ (એમએલ). મશીન લર્નિંગ એટલે? માણસની સીધી દૃરમિયાનગીરી વગર પોતાનું પર્ફોર્મન્સ સતત સુધારતા જવાની મશીનની ક્ષમતા. સંશોધકોએ એવી સિસ્ટમો બનાવી છે જે અમુક-તમુક કામ કેવી રીતે કરવાં તે જાતે શીખી લે છે. મશીન જાતે પોતાની રીતે નવું નવું શીખવા માંડે એ કલ્પના રોમાંચક છે કે ભયાવહ?
આપણે (એટલે કે માણસો) એવું ઘણું બધું કરી શકીએ છીએ જે શબ્દૃોમાં સમજાવી શકાતું નથી. જેમ કે, આપણને સેંકડો-હજારો ચહેરા શી રીતે યાદૃ રહે છે? જે વસ્તુ આપણે સમજાવી શકતા ન હોઈએ તે કોઈને શીખવવું કેવી રીતે? એમાંય ખાસ કરીને મશીનને? મશીન લર્નિંગ સિસ્ટમને લીધે હવે આ શકય બન્યું છે. આ સિસ્ટમ્સ ડિજિટલ કૌભાંડો પકડી પાડવાથી માંડીને બીમારીઓના નિદૃાન કરી શકવા સુધીની કંઈકેટલીય પ્રવૃત્તિઓમાં સુપરહ્યુમન કક્ષાનું પર્ફોર્મન્સ આપી શકે છે. જાણકારો કહે છે કે સ્ટીમ એન્જિન અને ઇલેકિટ્રસિટી જેવી લોકભોગ્ય શોધોને કારણે તે જમાનામાં જે રીતે સમગ્ર દૃુનિયાના અર્થતંત્રની કાયાપલટ થઈ ગઈ હતી એવી જ તાકાત આજની તારીખે આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને મશીન લર્નિંગ સિસ્ટમ્સ પાસે છે. આવનારા દૃાયકાઓમાં મેન્યુફેકચિંરગ, રિટેિંલગ, ટ્રાન્સપોર્ટ, ફાયનાન્સ, મનોરંજન, ભણતર, એડવર્ટાઇિંઝગ, હેલ્થ, સમજોને કે લગભગ તમામ ક્ષેત્રોની કામ કરવાની પદ્ધતિ તેમજ બિઝનેસ મોડલ્સમાં મશીન લર્નિંગને લીધે મોટાં પરિવર્તનો આવવાનાં.
આર્ટિફિશિયલ ઇન્ટેલિજન્સની આજની સ્થિતિ શી છે? આજે મશીન આપણે જે અંગ્રેજી અને બીજી કેટલીક ભાષાઓ બોલીએ છીએ તે સમજી જાય છે (સ્પીચ રેકગ્નિશન). આ વાત આપણે લેખની શરુઆતમાં જ કરી. આસપાસ ઘોંઘાટ થઈ રહ્યો તો પણ મશીન તેને ઉદૃેશીને ઉચ્ચારેલા શબ્દૃો સમજી લે છે. અલબત્ત, હજુ ઘણી બધી ભાષાઓ મશીનને ‘શીખવવાની' બાકી છે, પણ અંગ્રેજીની વાત કરીએ તો આપણે બોલીએ કંઈ ને મશીન સમજે કંઈ એવું હવે ઓછું બને છે. એકયુરસીનું લેવલ ઉત્તરોત્તર વધી રહ્યું છે. ઇમેજ રેકગ્નિશન પણ ખાસ્સું સુધરી રહ્યું છે. ફેસબુક પર આપણે કોઈ ફોટો પોસ્ટ કરીએ ત્યારે સિસ્ટમ હવે અમુક ફ્રેન્ડ્સના ચહેરા ઓળખી લઈને સામેથી તેમને ટેગ કરવાનું સામેથી સૂચન કરે છે તે તમે નોંધ્યું? કોર્પોરેટ કંપનીઓના મકાનમાં એન્ટ્રી લેતી વખતે કર્મચારીઓએ આઈકાર્ડ કાં તો સ્વાઈપ કરવું પડે છે અથવા મેગ્નેટિક ઉપકરણને અડાડવું પડે છે, પણ અમુક કંપનીઓના હેડકવાર્ટર્સમાં હવે આ માથાકૂટ બંધ થઈ ગઈ છે. તમે એન્ટ્રી મારો એટલે ઇમેજ રેક્ગ્નિશન સિસ્ટમ તમારો ચહેરો ઓળખી લે અને ફટાક કરતો દૃરવાજો ખોલીને તમને અંદૃર પ્રવેશવા દૃે. સેલ્ફ-ડ્રાઇવિંગ કાર એટલે કે ડ્રાઈવર વગરની પોતાની મેળે ચાલતી કાર બનાવવાના અખતરા લાંબા સમયથી થઈ રહ્યા છે. આ પ્રકારની કારની વિઝન સિસ્ટમ આપોઆપ આસપાસનો માહોલ સેન્સ કરી લે છે અને તે પ્રમાણે કાર આગળ વધે છે. આમાં ઘણા છબરડા થતા હતા, પણ હવે ઇમેજ રેકગ્નિશન ટેકનોલોજીમાં નોંધપાત્ર પ્રગતિ થવાને કારણે ભુલોની સંખ્યા ઓછી થઈ રહી છે. અલબત્ત, સ્પીચ રેકગ્નિશનમાં જેટલી ઝપાટાભેર પ્રગતિ થઈ રહી છે તેની તુલનામાં ઇમેજ રેકગ્નિશનના મામલામાં પરફેકશન આવતા ઘણી વધારે વાર લાગવાની છે.
આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને મશીન લર્નિંગની કલ, આજ ઔર કલ વિશેની ઓર કેટલીક રસપ્રદૃ વાતો આવતા બુધવારે.
0000000000000000
માણસ પાસે કોઠાસૂઝ, અંત: સ્ફૂરણા, પ્રેરણા અને લાગણીઓ છે જેનો ઉપયોગ એ કામ કરતી વખતે કરે છે. શું એવું શકય છે કે ભવિષ્યમાં એવી કશીક સિસ્ટમ્સ વિકસે જેના લીધે કોઠાસૂઝ-અંત: સ્ફૂરણા વગેરેને લીધે માણસને જે ફાયદૃા થાય છે એવા જ ફાયદૃા મશીનને પણ મળવા લાગે? આ સવાલના જવાબમાં આખી દૃુુનિયાના ભાવિ અર્થતંત્રની દિૃશા તેમજ આવનારાં દૃાયકાઓમાં આપણી લાઇફસ્ટાઇલ અને જીવનની ગુણવત્તા કેવી હશે તે નકકી થવાનું છે.
તો, વાત વર્તમાન સમયની સૌથી લોકભોગ્ય ટેકનોલોજી વિશે ચાલી રહી હતી. આ ટેકનોલોજી એટલે આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને મશીન લર્નિંગ (એમએલ). મશીન લર્નિંગ એટલે માણસની દૃરમિયાનગીરી વગર મશીન જાતે જ પોતાનું પર્ફોર્મન્સ સતત સુધારતા જવાની ક્ષમતા કેળવી લે, તે. સંશોધકોએ એવી સિસ્ટમો બનાવી છે જે કામ વધારે સારી રીતે કેવી રીતે કરવાં તે પોતાની મેળે શીખી લે છે. દૃુનિયાભરની કેટલીય કંપનીઓએ મશીન લર્નિંગ ટેકનોલોજી અપનાવી લીધી છે યા તો અપનાવી રહી છે.
એમેઝોન જેવી ઓનલાઇન રિટેલર કંપનીનું ઉદૃાહરણ લો. તમે કપડાં, ઘરવખરીનો સામાન કે પુસ્તકોની ઓનલાઇન ખરીદૃી કરો અથવા સર્ફિંગ કરીને જુદૃી જુદૃી પ્રોડકટ્સ માત્ર ચેક કરો છો તો તેના આધારે ફટાક કરતાં આવા મતલબના સૂચનો સ્ક્રીન પર ઊપસી આવે છેઃ તમને ફલાણી ચીજમાં રસ પડ્યો છે તો શકય છે તમને એના જેવી એકસ-વાય-ઝેડ વસ્તુઓમાં પણ રસ પડશે. એકસ-રે તેમજ અન્ય મેડિકલ ઇમેજીસને ચકાસીને દૃર્દૃીને કેન્સર હોવાની શકયતા છે કે કેમ તેનું નિદૃાન કરવા માટે પણ હવે મશીન લર્નિંગ સિસ્ટમ્સનો ઉપયોગ થવા લાગ્યો છે. આવાં ઘણાં દૃષ્ટાંતો છે.
એવાં અસંખ્ય કામો છે જે આજે માણસ કરતાં મશીન વધારે સારી રીતે કરી શકે છે. આની સામે એવાં કેટલાંય કામો એવાં છે, જેના માટે મશીન પર આધાર ન જ રાખી શકાય, તે માણસે જ કરવા પડે. આપણી પાસે કોઠાસૂઝ છે, અંત: સ્ફૂરણા છે, પ્રેરણા છે, લાગણીઓ છે જેનો ઉપયોગ આપણે અમુક કામ કરતી વખતે કરીએ છીએ. મશીન પાસેથી કોઠાસૂઝ કે અંત:પ્રેરણાની અપેક્ષા કેવી રીતે રાખવી? તો આનો સાદૃો અર્થ એવો જ થયોને કે આપણે ગમે તેટલા સ્માર્ટ મશીનો બનાવીએ, પણ માણસ મશીન કરતાં કાયમ ચઢિયાતો જ રહેવાનો.આખરે યંત્ર, યંત્ર છે. તે બનાવનારા પણ આપણે જને? શું તે શકય છે કે કોઠાસૂઝ, અંત: સ્ફૂરણા, પ્રેરણા જેવી વસ્તુઓ ભવિષ્યમાં માણસ માટે ‘એકસકલુઝિવ' ન પણ રહે? ભવિષ્યમાં એવી કશીક સિસ્ટમ્સ વિકસે કે જેના લીધે કોઠાસૂઝ-અંત: સ્ફૂરણા વગેરેને લીધે આપણને જે ફાયદૃા થાય છે એવા જ ફાયદૃા મશીનોને પણ મળવા લાગે, એવું બને? આ સવાલના જવાબમાં આખી દૃુુનિયાના ભાવિ અર્થતંત્રની દિૃશા તેમજ આવનારાં વર્ષોમાં માણસની લાઇફસ્ટાઇલ અને જીવનની ગુણવત્તા કેવી હશે તે નકકી થવાનું છે.
પોલેનીઝ પેરેડોક્સ તરીકે ઓળખાતી એક થિયરી જાણવા જેવી છે. માઇકલ પોલેની નામના એક યુરોપિયન અર્થશાસ્ત્રી અને વિચારક થઈ ગયા. એેમણે ૧૯૬૬માં લખેલું ‘ટેસિટ ડાયમેન્શન' નામનું પુસ્તક વિશેષપણે વખણાયું છે. ટેસિટ એટલે વગર કહ્યે સમજી જવું, એવી સમજણ અથવા એવું ડહાપણ જે આપણામાં સહજપણે વિકસેલાં છે. પુસ્તકનો સૂર એવો છે કે માણસનું મોટા ભાગનું જ્ઞાન અને ક્ષમતાઓ ખરેખર તો ઉત્ક્રાંતિ, સંસ્કૃતિ અને પરંપરાઓની નીપજ છે. વી કેન નો મોર ધેન વી કેન ટેલ. માણસની પ્રગટપપણે વ્યકત કરી શકવાની ક્ષમતા સીમિત છે. આપણે જેટલું વ્યક્ત કરી શકીએ છીએ એના કરતાં ઘણું વધારે આપણે જાણતા હોઈએ છીએ. અગાઉ કહ્યું તેમ એવાં કેટલાંય કામ છે જે કરવા માટે આપણે કોઠાસૂઝ અને અંત: સ્ફૂરણા પર આધાર રાખીએ છીએ અને કોઠાસૂઝ-અંત: સ્ફૂરણા એવાં તત્ત્વો છે જેનું કોડિંગ કે પ્રોગ્રામિંગ કરી શકાતું નથી.
આજનાં અમુક સંશોધકો અને વૈજ્ઞાનિકો કહે છે કે ના, મશીન લર્નિંગ વડે યંત્રોની આ મર્યાદૃાને અતિક્રમી શકાય છે. કેવી રીતે? મશીનને એક્સપર્ટ માણસની ‘નકલ' કરતાં શીખવી દૃો. એને પુષ્કળ ડેટા ‘ખવડાવો'. મશીનને એવી તાલીમ આપો કે ટ્રાયલ-એન્ડ-એરર દ્વારા એ જાતે પોતાના નિયમો અને ફોર્મ્યુલા બનાવવા માંડે. આઇબીએમ કંપનીએ ૨૦૧૧માં વોટ્સન નામનું કમ્પ્યુટર બનાવ્યું હતું. આ કમ્પ્યુટર ખાસ ‘જેપર્ડી' નામના કિવઝ શોને ધ્યાનમાં રાખીને ડેવલપ કરવામાં આવેલું. વોટ્સનમાં ૨૦ કરોડ પાનાં જેટલી માહિતી ફીડ કરવામાં આવી હતી, જેમાં આખેઆખા વિકીપિડીયાનો ડેટા પણ આવી ગયો. પછી વોટ્સનને ઇન્ટરનેટથી ડિસકનેકટ કરીને કિવઝ રમાડવા માટે મેદૃાનમાં ઉતારવામાં આવ્યું. એની સામે હરીફાઈમાં કોણ હતા? બ્રેડ રટર અને કેન જેનિંગ્સ નામના ભૂતકાળમાં આ કિવઝ શો જીતી ચુકેલા ચેમ્પિયનો. પરિણામ? વોટ્સન નામના આ કમ્પ્યુટરે બન્ને ચેમ્પિયનોને હરાવી દૃીધા! ૨૦૧૩માં આઇબીએમ ક્ંપનીએ વોટ્સનની સોફ્ટવેર સિસ્ટમ માર્કેટમાં મૂકી. તેનો પહેલો ઉપયોગ ન્યુ યોર્કના વિખ્યાત મેમોરિઅલ સ્લોન કેટરીંગ કેન્સર સેન્ટરમાં ફેંફસાના કેન્સરનું નિદૃાન કરવાની પ્રક્રિયામાં થયો. સ્વર્ગસ્થ નરગીસ અને મનીષા કોઇરાલાની કેન્સર ટ્રીટમેન્ટ આ હોસ્ટિપટલમાં કરવામાં આવી છે.
આજે કેટલાય સંશોધકો માને છે કે જેમ જેમ મશીનોનો કમ્પ્યુિંટગ પાવર વધતો જશે અને ટ્રેનિંગ ડેટાબેટ વિશાળ થતો જશે તેમ તેમ મશીનોની કોમ્પ્લિકેટેડ કામો કરવાની ક્ષમતા માણસ જેટલી થઈ જશે અથવા માણસ કરતાંય વધી જશે. આની સામે કેટલાંય સંશોધકોનું એવુંય કહેવું છે કે ભલે ડેટાબેઝ ગમે એટલો મોટો થાય, પણ મશીન લર્નિંગનાં આલ્ગોરિધમ્સ માણસની કોઠાસૂઝ સામે તો કાયમ પાણી જ ભરશે.
આજે ગૂગલ, એમેઝોન, માઇક્રોસોફ્ટ, સેલ્સફોર્સ જેવી કંપનીઓ કલાઉડ દ્વારા શકિતશાળી મશીન લર્નિંગ ઇન્ફ્રાસ્ટ્રકચર ઉપલબ્ધ કરાવે છે. મોડર્ન આર્ટિફિશિયલ ઇન્ટેલિજન્સ માટે જરુરી આલ્ગોરિધમ્સ તેમજ હાર્ડવેર આજે ખરીદૃી શકાય છે કે ભાડે લઈ શકાય છે. સ્પર્ધાને કારણે મશીન લર્નિંગ કેપેબિલીટીઝ વધતી જવાની છે અને ભવિષ્યમાં પ્રમાણમાં સોંઘી પણ બનવાની છે. મશીન માણસ કરતાં ચડિયાતું બને કે ન બને પણ એક વાત નિશ્ર્ચિત છે, જે કરીઅર પસંદૃ કરવામાં મૂંઝવણ અનુભવી રહેલા જુવાનિયાઓ માટે કામની છે. તે એ કે આજની તારીખે ડેટા સાયન્ટિસ્ટ્સ અને મશીન લર્નિંગ એકસપર્ટ્સની કમી છે. ભવિષ્યમાં આ બન્નેની ડિમાન્ડ ખૂબ વધવાની છે.
0 0 0
કોલમ: ટેક ઓફ
વર્તમાન સમયની સૌથી લોકભોગ્ય ટેકનોલોજી એટલે આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને એમાંય ખાસ કરીને મશીન લર્નિંગ (એમએલ). આવનારા દૃાયકાઓમાં મેન્યુફેકચિંરગ અને મનોરંજનથી લઇને ભણતર તેમજ હેલ્થ સુધીનાં લગભગ તમામ ક્ષેત્રોમાં મશીન લર્નિંગને લીધે મોટાં પરિવર્તનો આવવાનાં છે. સમગ્ર દૃુનિયાના અર્થતંત્રની કાયાપલટ કરવાની તાકાત આજની તારીખે મશીન લર્નિંગ સિસ્ટમ્સમાં જોવાય છે.
ધારો કે તમે કોઈ શહેરમાં નવા નવા શિફટ થયા છો. કોઈ મહેમાનને તેડવા તમારે એરપોર્ટ જવાનું છે, પણ એરપોર્ટનો રસ્તો તમે જાણતા નથી. ટેકસી કે રિક્ષા નથી જ કરવી એવું તમે નક્કી કરી નાખ્યું છે. તો હવે તમે શું કરશો? સિમ્પલ. તમારી કારમાં ગોઠવાઈને તમે ગ્લોબલ પોઝિશનિંગ સિસ્ટમ (જીપીએસ) સિસ્ટમ ઓન કરશો અથવા સ્માર્ટફોનમાં ગૂગલ નાઉ એપ ઓન કરીને, ફોનને સહેજ ચહેરા પાસે લાવીને બોલશો, ‘હાઉ કેન આઇ ગો ટુ ધ એરપોર્ટ?' તરત જ સ્ક્રીન પર તમારા ઘરથી એરપોર્ટ સુધીનો રસ્તો બતાવતો નકશો ખૂલી જશે અને ગૂગલબેન મીઠા અવાજમાં અવાજ પટ્ પટ્ કરતી તમને દિૃશાસૂચન કરવા લાગશે. ક્યાંય અટકયા વગર, એક પણ કાળા માથા માનવીને પૂછ્યા વગર તમે આસાનીથી એરપોર્ટ પહોંચી જશો.
ધારો કે તમને અરિજિત સિંહનાં ગીતોનું લાઈવ પર્ફોર્મન્સીસ જોવાનું મન થાય છે. તમે યુટ્યુબ પર જઈને અડધી-એક કલાક સુધી તમે આ બધા વિડીયોઝ જોતાં જોતાં ઝુમતા રહો છો. બે દિૃવસ પછી ફરી પાછા આ વેબસાઇટ પર જશો તો તમારી પસંદૃગી જાણી ચુકેલા યુટ્યુબભાઈ વગર કહ્યે હિન્દી ફિલ્મી ગીતો ગાતા અરિજિત અને અન્ય ગાયકોનાં ગીતોનાં લાઇવ પર્ફોર્મન્સીસના નવા વિડીયોઝ તમારી સ્ક્રીન પર પાથરીને તમને જોવાની ભલામણ કરશે.
આર્ટિફિશિયલ ઇન્ટેલિજન્સનાં આ સાદૃાં ઉદૃાહરણો છે. આપણને ખબર પણ ન પડે તે રીતે મોબાઈલ ફોન આપણા પર્સનલ આસિસન્ટન્ટ તરીકેની નોકરી કરવા માંડ્યો છે. ક્રમશ: એની કામગીરી વધતી જવાની છે. આપણે એવા ભવિષ્ય તરફ આગળ વધી રહ્યા છીએ કે આ પ્રકારના પર્સનલ આસિસ્ટન્સ વગર આપણને ચાલશે નહીં. બહુ જલદૃી મશીન-ટુ-મશીન કમ્યુનિકેશન આપણા રોિંજદૃા જીવનનો હિસ્સો બની જવાનું છે. જેમ કે, તમે શેવિંગ કરતાં કરતાં તમારા ફોનને આદૃેશ આપો કે ‘ચિરાગ ભાવસારને ‘શેડ્યુલ ફોર સપ્ટેમ્બર' નામની ફાઈલ ઇમેઇલ કરી નાખો, તો તમારું કહ્યાગરું ગેજેટ આપોઆપ ચિરાગભાઈનું ઇમેઇલ આડી શોધશે. પછી જે-તે ફોલ્ડરમાં પડેલી પેલી સપ્ટેમ્બર મહિનાના શેડ્યુલવાળી એકસેલ ફાઇલ ઊંચકીને, અટેચ કરીને ચિરાગ ભાવસારને મોકલી આપશે. એટલું જ નહીં, સામે છેડેથી ચિરાગ ભાવસારનું ગેજેટ ‘તમારો ઇમેઇલ મળી ગયો છે, થેન્કયુ' એવા મતલબનો વળતો ઇમેઇલ પણ આપોઆપ મોકલી દૃેશે.
આર્ટિફિશિયલ ઇન્ટેલિજન્સ (એઆઈ) કંઇ નવી વસ્તુ નથી. આ શબ્દૃપ્રયોગ સૌથી પહેલાં છેક ૧૯૫૫માં જોન મેક્કાર્થી નામના ગણિતના અમેરિકન પ્રોફેસરે કર્યો હતો. ૧૯૫૭માં હર્બર્ટ સિમોન નામના અર્થશાસ્ત્રીએ આગાહી કરી હતી કે દૃસ વર્ષની અંદૃર કમ્પ્યુટર એટલું ઇન્ટેલિજન્ટ બની જશે કે તે ચેસમાં માણસને હરાવી દૃેશે. વાસ્તવમાં કમ્પ્યુટરને આ મહારત હાંસલ કરવામાં ચાલીસ વર્ષ લાગી ગયાં. આજથી ત્રીસેક વર્ષ પહેલાં પણ ભારતની એન્જિનીયિંરગ કોલેજોમાં કમ્પ્યુટર સાયન્સના વિદ્યાર્થીઓને રીતસર આર્ટિફિશિયલ ઇન્ટેલિજન્સનો વિષય ભણાવવામાં આવતો હતો. સ્ટીવન સ્પીલબર્ગે ‘આર્ટિફિશિયલ ઇન્ટેલિજન્સ નામની ફિલ્મ બનાવી હતી તે વાતનેય સોળ વર્ષ થઈ ગયાં. ટૂંકમાં, આર્ટિફિશિયલ ઇન્ટેલિજન્સનો કોન્સેપ્ટ જરાય નવો નથી. આપણો ફોન, કમ્પ્યુટર, કાર, બેન્ક વગેરેે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ ઓલરેડી કરી રહ્યા છે.
એરિક બ્રિન્જોલફ્સોન નામના મેસેચ્યુસેટ્સ ઇન્સ્ટિટ્યુટ ઓફ ટેકનોલોજી (એમઆઇટી) સાથે સંકળાયેલા એક નિષ્ણાતે આ વિષય પર મસ્તમજાની વાતો કહી છે. તેઓ કહે છે કે છેલ્લાં અઢીસો વર્ષથી ટેકનોલોજી ક્ષેત્રે થયેલી નવી નવી શોધો આર્થિક વિકાસનું મુખ્ય ચાલકબળ બનતી આવી છે. ટેકનોલોજી જેટલી વધારે લોકભોગ્ય, અર્થતંત્ર પર એની અસર એટલી વધારે પ્રગાઢ. વરાળથી ચાલતું સ્ટીમ એન્જિન, ઇલેકિટ્રસિટી અને ઇન્ટરનલ કમ્બક્શન એન્જિન - આ ત્રણમાંથી જાતજાતની કેટલીય લોકભોગ્ય વસ્તુઓ આપણને મળી. ઇલેકિટ્રસિટી વગરનું જીવન આજે આપણે વિચારી પણ શકતા નથી. ઇન્ટરનલ કમ્બક્શન એન્જિનના પ્રતાપે આપણને કાર, ટ્રક, એરોપ્લેન વગેરે મળ્યાં. ઇલેકટ્રોનિક ઉપકરણો, કમ્પ્યુટર, મોબાઇલ ફોન વગેરેનાં મૂળમાં સેમીકંડકટર મટીરિયલમાંથી બનેલી ઇન્ટીગ્રેટેડ સર્કિટની શોધ છે. આ સર્ક્ટિને સાદૃી ભાષામાં આપણે માઇક્રોચિપ અથવા ફકત ચિપ કહીએ છીએ. આંગણીના વેઢા જેવડી આ ટચુકડી ચિપે આપણી સામે વિરાટ દૃુનિયા આપણી સામે ખોલી નાખી છે.
વર્તમાન જગતની સૌથી લોકભોગ્ય ટેકનોલોજી એટલે આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને એમાંય ખાસ કરીને મશીન લર્નિંગ (એમએલ). મશીન લર્નિંગ એટલે? માણસની સીધી દૃરમિયાનગીરી વગર પોતાનું પર્ફોર્મન્સ સતત સુધારતા જવાની મશીનની ક્ષમતા. સંશોધકોએ એવી સિસ્ટમો બનાવી છે જે અમુક-તમુક કામ કેવી રીતે કરવાં તે જાતે શીખી લે છે. મશીન જાતે પોતાની રીતે નવું નવું શીખવા માંડે એ કલ્પના રોમાંચક છે કે ભયાવહ?
આપણે (એટલે કે માણસો) એવું ઘણું બધું કરી શકીએ છીએ જે શબ્દૃોમાં સમજાવી શકાતું નથી. જેમ કે, આપણને સેંકડો-હજારો ચહેરા શી રીતે યાદૃ રહે છે? જે વસ્તુ આપણે સમજાવી શકતા ન હોઈએ તે કોઈને શીખવવું કેવી રીતે? એમાંય ખાસ કરીને મશીનને? મશીન લર્નિંગ સિસ્ટમને લીધે હવે આ શકય બન્યું છે. આ સિસ્ટમ્સ ડિજિટલ કૌભાંડો પકડી પાડવાથી માંડીને બીમારીઓના નિદૃાન કરી શકવા સુધીની કંઈકેટલીય પ્રવૃત્તિઓમાં સુપરહ્યુમન કક્ષાનું પર્ફોર્મન્સ આપી શકે છે. જાણકારો કહે છે કે સ્ટીમ એન્જિન અને ઇલેકિટ્રસિટી જેવી લોકભોગ્ય શોધોને કારણે તે જમાનામાં જે રીતે સમગ્ર દૃુનિયાના અર્થતંત્રની કાયાપલટ થઈ ગઈ હતી એવી જ તાકાત આજની તારીખે આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને મશીન લર્નિંગ સિસ્ટમ્સ પાસે છે. આવનારા દૃાયકાઓમાં મેન્યુફેકચિંરગ, રિટેિંલગ, ટ્રાન્સપોર્ટ, ફાયનાન્સ, મનોરંજન, ભણતર, એડવર્ટાઇિંઝગ, હેલ્થ, સમજોને કે લગભગ તમામ ક્ષેત્રોની કામ કરવાની પદ્ધતિ તેમજ બિઝનેસ મોડલ્સમાં મશીન લર્નિંગને લીધે મોટાં પરિવર્તનો આવવાનાં.
આર્ટિફિશિયલ ઇન્ટેલિજન્સની આજની સ્થિતિ શી છે? આજે મશીન આપણે જે અંગ્રેજી અને બીજી કેટલીક ભાષાઓ બોલીએ છીએ તે સમજી જાય છે (સ્પીચ રેકગ્નિશન). આ વાત આપણે લેખની શરુઆતમાં જ કરી. આસપાસ ઘોંઘાટ થઈ રહ્યો તો પણ મશીન તેને ઉદૃેશીને ઉચ્ચારેલા શબ્દૃો સમજી લે છે. અલબત્ત, હજુ ઘણી બધી ભાષાઓ મશીનને ‘શીખવવાની' બાકી છે, પણ અંગ્રેજીની વાત કરીએ તો આપણે બોલીએ કંઈ ને મશીન સમજે કંઈ એવું હવે ઓછું બને છે. એકયુરસીનું લેવલ ઉત્તરોત્તર વધી રહ્યું છે. ઇમેજ રેકગ્નિશન પણ ખાસ્સું સુધરી રહ્યું છે. ફેસબુક પર આપણે કોઈ ફોટો પોસ્ટ કરીએ ત્યારે સિસ્ટમ હવે અમુક ફ્રેન્ડ્સના ચહેરા ઓળખી લઈને સામેથી તેમને ટેગ કરવાનું સામેથી સૂચન કરે છે તે તમે નોંધ્યું? કોર્પોરેટ કંપનીઓના મકાનમાં એન્ટ્રી લેતી વખતે કર્મચારીઓએ આઈકાર્ડ કાં તો સ્વાઈપ કરવું પડે છે અથવા મેગ્નેટિક ઉપકરણને અડાડવું પડે છે, પણ અમુક કંપનીઓના હેડકવાર્ટર્સમાં હવે આ માથાકૂટ બંધ થઈ ગઈ છે. તમે એન્ટ્રી મારો એટલે ઇમેજ રેક્ગ્નિશન સિસ્ટમ તમારો ચહેરો ઓળખી લે અને ફટાક કરતો દૃરવાજો ખોલીને તમને અંદૃર પ્રવેશવા દૃે. સેલ્ફ-ડ્રાઇવિંગ કાર એટલે કે ડ્રાઈવર વગરની પોતાની મેળે ચાલતી કાર બનાવવાના અખતરા લાંબા સમયથી થઈ રહ્યા છે. આ પ્રકારની કારની વિઝન સિસ્ટમ આપોઆપ આસપાસનો માહોલ સેન્સ કરી લે છે અને તે પ્રમાણે કાર આગળ વધે છે. આમાં ઘણા છબરડા થતા હતા, પણ હવે ઇમેજ રેકગ્નિશન ટેકનોલોજીમાં નોંધપાત્ર પ્રગતિ થવાને કારણે ભુલોની સંખ્યા ઓછી થઈ રહી છે. અલબત્ત, સ્પીચ રેકગ્નિશનમાં જેટલી ઝપાટાભેર પ્રગતિ થઈ રહી છે તેની તુલનામાં ઇમેજ રેકગ્નિશનના મામલામાં પરફેકશન આવતા ઘણી વધારે વાર લાગવાની છે.
આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને મશીન લર્નિંગની કલ, આજ ઔર કલ વિશેની ઓર કેટલીક રસપ્રદૃ વાતો આવતા બુધવારે.
0000000000000000
માણસ પાસે કોઠાસૂઝ, અંત: સ્ફૂરણા, પ્રેરણા અને લાગણીઓ છે જેનો ઉપયોગ એ કામ કરતી વખતે કરે છે. શું એવું શકય છે કે ભવિષ્યમાં એવી કશીક સિસ્ટમ્સ વિકસે જેના લીધે કોઠાસૂઝ-અંત: સ્ફૂરણા વગેરેને લીધે માણસને જે ફાયદૃા થાય છે એવા જ ફાયદૃા મશીનને પણ મળવા લાગે? આ સવાલના જવાબમાં આખી દૃુુનિયાના ભાવિ અર્થતંત્રની દિૃશા તેમજ આવનારાં દૃાયકાઓમાં આપણી લાઇફસ્ટાઇલ અને જીવનની ગુણવત્તા કેવી હશે તે નકકી થવાનું છે.
તો, વાત વર્તમાન સમયની સૌથી લોકભોગ્ય ટેકનોલોજી વિશે ચાલી રહી હતી. આ ટેકનોલોજી એટલે આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને મશીન લર્નિંગ (એમએલ). મશીન લર્નિંગ એટલે માણસની દૃરમિયાનગીરી વગર મશીન જાતે જ પોતાનું પર્ફોર્મન્સ સતત સુધારતા જવાની ક્ષમતા કેળવી લે, તે. સંશોધકોએ એવી સિસ્ટમો બનાવી છે જે કામ વધારે સારી રીતે કેવી રીતે કરવાં તે પોતાની મેળે શીખી લે છે. દૃુનિયાભરની કેટલીય કંપનીઓએ મશીન લર્નિંગ ટેકનોલોજી અપનાવી લીધી છે યા તો અપનાવી રહી છે.
એમેઝોન જેવી ઓનલાઇન રિટેલર કંપનીનું ઉદૃાહરણ લો. તમે કપડાં, ઘરવખરીનો સામાન કે પુસ્તકોની ઓનલાઇન ખરીદૃી કરો અથવા સર્ફિંગ કરીને જુદૃી જુદૃી પ્રોડકટ્સ માત્ર ચેક કરો છો તો તેના આધારે ફટાક કરતાં આવા મતલબના સૂચનો સ્ક્રીન પર ઊપસી આવે છેઃ તમને ફલાણી ચીજમાં રસ પડ્યો છે તો શકય છે તમને એના જેવી એકસ-વાય-ઝેડ વસ્તુઓમાં પણ રસ પડશે. એકસ-રે તેમજ અન્ય મેડિકલ ઇમેજીસને ચકાસીને દૃર્દૃીને કેન્સર હોવાની શકયતા છે કે કેમ તેનું નિદૃાન કરવા માટે પણ હવે મશીન લર્નિંગ સિસ્ટમ્સનો ઉપયોગ થવા લાગ્યો છે. આવાં ઘણાં દૃષ્ટાંતો છે.
એવાં અસંખ્ય કામો છે જે આજે માણસ કરતાં મશીન વધારે સારી રીતે કરી શકે છે. આની સામે એવાં કેટલાંય કામો એવાં છે, જેના માટે મશીન પર આધાર ન જ રાખી શકાય, તે માણસે જ કરવા પડે. આપણી પાસે કોઠાસૂઝ છે, અંત: સ્ફૂરણા છે, પ્રેરણા છે, લાગણીઓ છે જેનો ઉપયોગ આપણે અમુક કામ કરતી વખતે કરીએ છીએ. મશીન પાસેથી કોઠાસૂઝ કે અંત:પ્રેરણાની અપેક્ષા કેવી રીતે રાખવી? તો આનો સાદૃો અર્થ એવો જ થયોને કે આપણે ગમે તેટલા સ્માર્ટ મશીનો બનાવીએ, પણ માણસ મશીન કરતાં કાયમ ચઢિયાતો જ રહેવાનો.આખરે યંત્ર, યંત્ર છે. તે બનાવનારા પણ આપણે જને? શું તે શકય છે કે કોઠાસૂઝ, અંત: સ્ફૂરણા, પ્રેરણા જેવી વસ્તુઓ ભવિષ્યમાં માણસ માટે ‘એકસકલુઝિવ' ન પણ રહે? ભવિષ્યમાં એવી કશીક સિસ્ટમ્સ વિકસે કે જેના લીધે કોઠાસૂઝ-અંત: સ્ફૂરણા વગેરેને લીધે આપણને જે ફાયદૃા થાય છે એવા જ ફાયદૃા મશીનોને પણ મળવા લાગે, એવું બને? આ સવાલના જવાબમાં આખી દૃુુનિયાના ભાવિ અર્થતંત્રની દિૃશા તેમજ આવનારાં વર્ષોમાં માણસની લાઇફસ્ટાઇલ અને જીવનની ગુણવત્તા કેવી હશે તે નકકી થવાનું છે.
પોલેનીઝ પેરેડોક્સ તરીકે ઓળખાતી એક થિયરી જાણવા જેવી છે. માઇકલ પોલેની નામના એક યુરોપિયન અર્થશાસ્ત્રી અને વિચારક થઈ ગયા. એેમણે ૧૯૬૬માં લખેલું ‘ટેસિટ ડાયમેન્શન' નામનું પુસ્તક વિશેષપણે વખણાયું છે. ટેસિટ એટલે વગર કહ્યે સમજી જવું, એવી સમજણ અથવા એવું ડહાપણ જે આપણામાં સહજપણે વિકસેલાં છે. પુસ્તકનો સૂર એવો છે કે માણસનું મોટા ભાગનું જ્ઞાન અને ક્ષમતાઓ ખરેખર તો ઉત્ક્રાંતિ, સંસ્કૃતિ અને પરંપરાઓની નીપજ છે. વી કેન નો મોર ધેન વી કેન ટેલ. માણસની પ્રગટપપણે વ્યકત કરી શકવાની ક્ષમતા સીમિત છે. આપણે જેટલું વ્યક્ત કરી શકીએ છીએ એના કરતાં ઘણું વધારે આપણે જાણતા હોઈએ છીએ. અગાઉ કહ્યું તેમ એવાં કેટલાંય કામ છે જે કરવા માટે આપણે કોઠાસૂઝ અને અંત: સ્ફૂરણા પર આધાર રાખીએ છીએ અને કોઠાસૂઝ-અંત: સ્ફૂરણા એવાં તત્ત્વો છે જેનું કોડિંગ કે પ્રોગ્રામિંગ કરી શકાતું નથી.
આજનાં અમુક સંશોધકો અને વૈજ્ઞાનિકો કહે છે કે ના, મશીન લર્નિંગ વડે યંત્રોની આ મર્યાદૃાને અતિક્રમી શકાય છે. કેવી રીતે? મશીનને એક્સપર્ટ માણસની ‘નકલ' કરતાં શીખવી દૃો. એને પુષ્કળ ડેટા ‘ખવડાવો'. મશીનને એવી તાલીમ આપો કે ટ્રાયલ-એન્ડ-એરર દ્વારા એ જાતે પોતાના નિયમો અને ફોર્મ્યુલા બનાવવા માંડે. આઇબીએમ કંપનીએ ૨૦૧૧માં વોટ્સન નામનું કમ્પ્યુટર બનાવ્યું હતું. આ કમ્પ્યુટર ખાસ ‘જેપર્ડી' નામના કિવઝ શોને ધ્યાનમાં રાખીને ડેવલપ કરવામાં આવેલું. વોટ્સનમાં ૨૦ કરોડ પાનાં જેટલી માહિતી ફીડ કરવામાં આવી હતી, જેમાં આખેઆખા વિકીપિડીયાનો ડેટા પણ આવી ગયો. પછી વોટ્સનને ઇન્ટરનેટથી ડિસકનેકટ કરીને કિવઝ રમાડવા માટે મેદૃાનમાં ઉતારવામાં આવ્યું. એની સામે હરીફાઈમાં કોણ હતા? બ્રેડ રટર અને કેન જેનિંગ્સ નામના ભૂતકાળમાં આ કિવઝ શો જીતી ચુકેલા ચેમ્પિયનો. પરિણામ? વોટ્સન નામના આ કમ્પ્યુટરે બન્ને ચેમ્પિયનોને હરાવી દૃીધા! ૨૦૧૩માં આઇબીએમ ક્ંપનીએ વોટ્સનની સોફ્ટવેર સિસ્ટમ માર્કેટમાં મૂકી. તેનો પહેલો ઉપયોગ ન્યુ યોર્કના વિખ્યાત મેમોરિઅલ સ્લોન કેટરીંગ કેન્સર સેન્ટરમાં ફેંફસાના કેન્સરનું નિદૃાન કરવાની પ્રક્રિયામાં થયો. સ્વર્ગસ્થ નરગીસ અને મનીષા કોઇરાલાની કેન્સર ટ્રીટમેન્ટ આ હોસ્ટિપટલમાં કરવામાં આવી છે.
આજે કેટલાય સંશોધકો માને છે કે જેમ જેમ મશીનોનો કમ્પ્યુિંટગ પાવર વધતો જશે અને ટ્રેનિંગ ડેટાબેટ વિશાળ થતો જશે તેમ તેમ મશીનોની કોમ્પ્લિકેટેડ કામો કરવાની ક્ષમતા માણસ જેટલી થઈ જશે અથવા માણસ કરતાંય વધી જશે. આની સામે કેટલાંય સંશોધકોનું એવુંય કહેવું છે કે ભલે ડેટાબેઝ ગમે એટલો મોટો થાય, પણ મશીન લર્નિંગનાં આલ્ગોરિધમ્સ માણસની કોઠાસૂઝ સામે તો કાયમ પાણી જ ભરશે.
આજે ગૂગલ, એમેઝોન, માઇક્રોસોફ્ટ, સેલ્સફોર્સ જેવી કંપનીઓ કલાઉડ દ્વારા શકિતશાળી મશીન લર્નિંગ ઇન્ફ્રાસ્ટ્રકચર ઉપલબ્ધ કરાવે છે. મોડર્ન આર્ટિફિશિયલ ઇન્ટેલિજન્સ માટે જરુરી આલ્ગોરિધમ્સ તેમજ હાર્ડવેર આજે ખરીદૃી શકાય છે કે ભાડે લઈ શકાય છે. સ્પર્ધાને કારણે મશીન લર્નિંગ કેપેબિલીટીઝ વધતી જવાની છે અને ભવિષ્યમાં પ્રમાણમાં સોંઘી પણ બનવાની છે. મશીન માણસ કરતાં ચડિયાતું બને કે ન બને પણ એક વાત નિશ્ર્ચિત છે, જે કરીઅર પસંદૃ કરવામાં મૂંઝવણ અનુભવી રહેલા જુવાનિયાઓ માટે કામની છે. તે એ કે આજની તારીખે ડેટા સાયન્ટિસ્ટ્સ અને મશીન લર્નિંગ એકસપર્ટ્સની કમી છે. ભવિષ્યમાં આ બન્નેની ડિમાન્ડ ખૂબ વધવાની છે.
0 0 0
No comments:
Post a Comment