सिम्फोनिक इंटेलिजन्सचे युग

आधुनिक व्यावसायिक प्रक्रियांमध्ये, जनरेटिव्ह एआयचा वापर केवळ साधनांच्या टप्प्यापलीकडे जाऊन आता प्रणालीकरणाच्या टप्प्यात प्रवेश करत आहे.

या पलीकडे, "सिम्फोनिक इंटेलिजन्स" नावाचे बुद्धिमत्तेचे एक नवीन युग वाट पाहत आहे.

हा लेख जनरेटिव्ह एआयच्या वापराची सद्यस्थिती आणि भविष्यातील शक्यता दोन दृष्टिकोनांतून शोधतो: पुनरावृत्ती कार्य (iteration work) आणि फ्लो वर्क (flow work).

पुनरावृत्ती कार्य

मागील लेखात, मी जनरेटिव्ह एआयला कार्ये करण्यास सक्षम करण्यासाठी पुनरावृत्ती कार्य (iteration work) आणि साधने, तसेच फ्लो वर्क (flow work) आणि प्रणाली या दृष्टिकोनांचे विश्लेषण केले होते.

पुनरावृत्ती कार्य म्हणजे अशी कार्ये जी मानव अनेक भिन्न, विशिष्ट कार्यांना अर्ध-अजाणतेपणाने एकत्र करून आणि चाचणी व त्रुटीद्वारे (trial and error) पुढे जाऊन करतो.

आणि या पुनरावृत्ती कार्यासाठी, साधने सर्वोत्तम आहेत. विविध कार्यांसाठी योग्य साधने निवडून कार्यक्षमतेने पुढे जाता येते. त्यामुळे, आवश्यक टूलकिट तयार ठेवणे आणि त्याचा वापर करण्यात निपुणता मिळवणे आवश्यक आहे.

सध्या, जेव्हा जनरेटिव्ह एआयचा व्यवसायात उपयोग केला जातो, तेव्हा बहुतेक प्रकरणांमध्ये जनरेटिव्ह एआयचा एक साधन म्हणून वापर केला जातो.

जनरेटिव्ह एआयने व्यवसायाची कार्यक्षमता सुधारण्याबद्दलच्या बहुतेक चर्चा म्हणजे मानवांच्या पुनरावृत्ती कार्यासाठी वापरल्या जाणाऱ्या सध्याच्या टूलकिटमध्ये हे नवीन आणि शक्तिशाली साधन जोडण्याबद्दलच असतात.

पुनरावृत्ती कार्यांच्या समस्या

दुसरीकडे, मागील लेखात नमूद केल्याप्रमाणे, पुनरावृत्ती कार्यांमध्ये साधनांमुळे मिळणारी कार्यक्षमता तुलनेने मर्यादित असते.

साधने अधिक कार्यक्षम झाल्यावर, शेवटी मनुष्यच अडथळा बनतो. आपण मानवी कामाच्या वेळेची मर्यादा पार करू शकत नाही.

याव्यतिरिक्त, अनुभवी कर्मचारी आणि नवीन कर्मचारी यांच्या पुनरावृत्ती कार्याची कार्यक्षमता आणि अचूकता यात लक्षणीय अंतर असते आणि हे अंतर भरून काढणे कठीण आहे. परिणामी, पुढील महिन्यात कामाचा भार दुप्पट करायचा असला तरी, अनुभवी कर्मचाऱ्यांचे कौशल्य असलेल्या व्यक्तींशिवाय ते हाताळता येत नाही.

मनुष्य अडथळा ठरतो ही समस्या सोडवण्यासाठी, अंतिम उपाय म्हणजे सर्वकाही कृत्रिम बुद्धिमत्तेने बदलणे.

तथापि, सध्याच्या जनरेटिव्ह एआयमध्ये अजूनही त्या पातळीची कार्यक्षमता नाही.

शिवाय, वरवर साध्या वाटणाऱ्या पुनरावृत्ती कार्यांमध्येही, बारकाईने पाहिल्यास, मोठ्या संख्येने अजाणतेपणे होणारी उप-कार्ये (sub-tasks) असतात.

या कारणामुळे, ही कार्ये पारंपारिक आयटी प्रणालींमध्ये किंवा सहज समजणाऱ्या नियमावलींमध्ये विभागता आली नाहीत आणि त्याऐवजी मानवी कौशल्यावर अवलंबून राहावे लागले.

कौशल्य आवश्यक असलेली ही अनेक अजाणतेपणे होणारी कार्ये जोपर्यंत व्यवस्थित केली जात नाहीत आणि प्रत्येकासाठी आवश्यक असलेले ज्ञान (know-how) ज्ञानामध्ये स्फटिकीकरण (crystallized into knowledge) केले जात नाही, तोपर्यंत जनरेटिव्ह एआयची कार्यक्षमता कितीही सुधारली तरी, ते मानवाऐवजी कार्ये करू शकणार नाही.

फ्लो वर्क रूपांतरण आणि प्रणालीकरण

जनरेटिव्ह एआयच्या सध्याच्या कार्यक्षमतेच्या मर्यादांमध्ये कार्ये वितरित करणे आणि अजाणतेपणे होणारी कार्ये व्यवस्थित करणे तसेच त्यातील माहिती ज्ञानामध्ये स्फटिकीकरण करणे या उद्दिष्टांना साध्य करण्यासाठी, चाचणी-आणि-त्रुटीच्या पुनरावृत्ती कार्याला मानकीकृत फ्लो वर्कमध्ये रूपांतरित करणे अत्यंत महत्त्वाचे आहे.

मानकीकृत फ्लो वर्क केवळ साधनांसाठीच नव्हे, तर प्रणालींसाठीही योग्य आहे.

फ्लो वर्कमध्ये, जनरेटिव्ह एआयने कार्यान्वित करायची कार्ये आणि मानवांनी करायची कार्ये अशी दोन्ही असतात. प्रणालीद्वारे यांना जोडल्यास, संपूर्ण फ्लो वर्क कार्यान्वित होऊ शकते.

फ्लो वर्क रूपांतरण आणि प्रणालीकरणाचे अनेक महत्त्वपूर्ण फायदे आहेत:

पहिले, जनरेटिव्ह एआय प्रत्येक वैयक्तिक कार्यासाठी विशेषीकृत असल्याने, प्रत्येक कार्यासाठी त्याची कार्यक्षमता आणि अचूकता अनुकूल करणे स्पष्ट होते.

दुसरे, अनेक कर्मचारी जनरेटिव्ह एआयमध्ये ज्ञान जोडू शकतात आणि त्याचे फायदे सर्वांना मिळतात.

तिसरे, या कामातील कार्यांचे विभाजन हळूहळू जनरेटिव्ह एआयकडे हस्तांतरित करणे सोपे होते.

पुनरावृत्ती कार्याला फ्लो वर्कमध्ये रूपांतरित करून आणि प्रत्येक कार्यासाठी जनरेटिव्ह एआयला आवश्यक असलेले ज्ञान प्रणाली म्हणून जमा करून, बौद्धिक कार्य स्वयंचलनाकडे जाते, अगदी कारखान्याच्या उत्पादन रेषेसारखे.

आणि काळानुसार विकसित होणाऱ्या जनरेटिव्ह एआयच्या सुधारित मूलभूत कार्यक्षमतेला समाविष्ट करून आणि विविध कार्यांसाठी विशेषीकृत जमा केलेल्या ज्ञानाचा वापर करून, संपूर्ण फ्लो वर्क जनरेटिव्ह एआयद्वारे चालवली जाणारी एक स्वयंचलित प्रक्रिया बनवणे शक्य होईल.

आभासी बुद्धिमत्ता

या टप्प्यापर्यंत, विश्लेषण पुनरावृत्ती कार्य (iteration work) आणि साधने, तसेच फ्लो वर्क (flow work) आणि प्रणाली या दृष्टिकोनांतून केले गेले आहे.

अलीकडील आणखी एका लेखात या चर्चेला पुढे नेले आहे.

त्या लेखात, मी आभासी बुद्धिमत्तेद्वारे ऑर्केस्ट्रेशनच्या विषयावर स्पर्श केला होता.

सध्या आणि नजीकच्या भविष्यात, कार्यक्षमतेच्या मर्यादांमुळे, जनरेटिव्ह एआय विशिष्ट कार्यांवर लक्ष केंद्रित केल्यास अधिक कार्यक्षम आणि अचूक असते.

म्हणून, फ्लो वर्क आणि प्रणालींच्या मागील चर्चेनुसार, प्रत्येक वैयक्तिक कार्यासाठी विशेषीकृत जनरेटिव्ह एआयला जोडणारी एक यंत्रणा आदर्श होती.

तथापि, जनरेटिव्ह एआयची कार्यक्षमता लक्षणीयरीत्या सुधारली तरी, एकाच वेळी अनेक कार्ये हाताळण्याऐवजी, एकाच प्रक्रियेत भूमिका बदलून आणि ज्ञानाचा वापर करून कार्ये केल्यास अधिक कार्यक्षमता आणि अचूकता मिळू शकते.

या दृष्टिकोनामुळे जनरेटिव्ह एआयला एकत्र जोडण्यासाठी प्रणालीची आवश्यकता राहत नाही. प्रणाली एकत्रीकरणासारख्या क्रिया जनरेटिव्ह एआयमध्येच घडतील.

शिवाय, यामुळे जनरेटिव्ह एआयमध्येच लवचिक प्रतिसाद शक्य होतात, ज्यामुळे प्रणालीमध्ये बदल केल्याशिवाय कार्ये बदलता किंवा जोडता येत नाहीत अशा परिस्थितीतून बाहेर पडता येते.

याचा अर्थ प्रणालीबद्ध फ्लो वर्कमधून पुन्हा पुनरावृत्ती कार्याकडे (iteration work) परत येणे.

तथापि, प्रणालीकरण आणि फ्लो वर्क रूपांतरणातून गेलेले हे पुनरावृत्ती कार्य, आता अशा स्थितीत आहे जिथे जनरेटिव्ह एआयची संख्या वाढवली किंवा आवृत्त्या बदलल्या तरीही पुनर्वापर करण्यायोग्य ज्ञान तयार केले जाऊ शकते.

हे मानवी पुनरावृत्ती कार्यांच्या समस्यांचे निराकरण करते, ज्यामुळे मानवांसारखेच लवचिक कार्य शक्य होते.

येथे, मी जनरेटिव्ह एआयच्या एकाच अंमलबजावणीदरम्यान भूमिका आणि ज्ञान बदलण्याच्या क्षमतेला आभासी बुद्धिमत्ता (virtual intelligence) म्हणतो. हे संगणकाच्या व्हर्च्युअल मशीनसारखेच आहे.

जसे व्हर्च्युअल मशीन तंत्रज्ञान एकाच हार्डवेअरवर पूर्णपणे भिन्न संगणक चालवण्याचे अनुकरण करते, त्याचप्रमाणे एकच जनरेटिव्ह एआय अनेक भूमिकांमध्ये बदलून कार्ये प्रक्रिया करते.

सध्याच्या जनरेटिव्ह एआयने ही आभासी बुद्धिमत्ता क्षमता नैसर्गिकरित्या प्राप्त केली आहे. यामुळेच, जनरेटिव्ह एआय अनेक लोकांमध्ये चर्चांचे अनुकरण करू शकते आणि अनेक पात्रे असलेली कादंबऱ्या तयार करू शकते.

जर ही आभासी बुद्धिमत्ता क्षमता सुधारली आणि पुरेसे ज्ञान पुरवले गेले, तर पुनरावृत्ती कार्य करणे शक्य होईल.

बुद्धिमत्ता ऑर्केस्ट्रेशन

याव्यतिरिक्त, अनेक भूमिका आणि ज्ञान मुक्तपणे एकत्र करून कार्ये करण्याच्या या क्षमतेला मी बुद्धिमत्ता ऑर्केस्ट्रेशन (Intelligence Orchestration) असे संबोधतो.

हे अनेक व्हर्च्युअल मशीन (virtual machines) व्यवस्थापित करणाऱ्या ऑर्केस्ट्रेशन तंत्रज्ञानासारखेच आहे.

जसे ऑर्केस्ट्रेशन तंत्रज्ञान आवश्यकतेनुसार व्हर्च्युअल मशीन सुरू करून प्रणाली कार्यक्षमतेने चालवते, त्याचप्रमाणे, सुधारित बुद्धिमत्ता ऑर्केस्ट्रेशन कौशल्ये—आभासी बुद्धिमत्तेची एक क्षमता—असलेले जनरेटिव्ह एआय अनेक भूमिका आणि ज्ञानाचे योग्य व्यवस्थापन करून, कार्यक्षमता आणि अचूकता राखत, पुनरावृत्ती कार्य लवचिकपणे करू शकेल.

सिम्फोनिक इंटेलिजन्स

या टप्प्यावर पोहोचलेल्या जनरेटिव्ह एआयला सिम्फोनिक इंटेलिजन्स असे म्हटले जाऊ शकते.

जसे एखादे ऑर्केस्ट्रा, प्रत्येक वाद्य वाजवण्यात कुशल असून, आपापल्या भूमिका पार पाडत एकच संगीतकृती सादर करते, त्याचप्रमाणे सिम्फोनिक इंटेलिजन्स बौद्धिक कार्यांची सिम्फनी वाजवू शकते.

ही सिम्फोनिक इंटेलिजन्स एक नवीन संकल्पना आहे, जी जनरेटिव्ह एआयसाठी एक महत्त्वाचा टप्पा दर्शवते.

मात्र, सिम्फोनिक इंटेलिजन्स स्वतःच अस्तित्वात आहे.

ती आपली मानवी बुद्धिमत्ता आहे.

सिम्फोनिक इंटेलिजन्स आपल्याकडे असल्यामुळेच आपण अजाणतेपणे आणि लवचिकपणे अनेक जटिल बौद्धिक कार्ये पुनरावृत्ती कार्याद्वारे (iteration work) मोठ्या प्रमाणावर ज्ञानाचा वापर करून करू शकतो.

शेवटी: एजीआयचे स्वरूप

सिम्फोनिक इंटेलिजन्सचे अनुकरण करण्यास सक्षम असलेल्या जनरेटिव्ह एआयला इतर कार्यांसाठी फ्लो वर्क आणि ज्ञान आधार (knowledge bases) पुरवल्यास, ते अनेक पुनरावृत्ती कार्ये (iteration tasks) हाताळण्यास सक्षम होईल.

एकदा ते अनेक भिन्न पुनरावृत्ती कार्ये हाताळू शकले की, ते त्या कार्यांमधील सामान्य नियम आणि ज्ञानातील संरचनात्मक नमुने (structural patterns) आत्मसात करू शकेल.

त्या टप्प्यावर, पूर्णपणे अज्ञात पुनरावृत्ती कार्यांसाठी, मानवीकडून केवळ थोड्याशा स्पष्टीकरणानंतर, एआय केवळ मानव ते कार्य कसे करतो हे पाहून त्या कार्याचे ज्ञान (know-how) शिकण्यास सक्षम होईल.

हीच खरी सिम्फोनिक इंटेलिजन्स आहे. एकदा हा टप्पा गाठला गेला की, मानवांना कार्यांना फ्लो प्रक्रियांमध्ये रूपांतरित करण्यासाठी किंवा ज्ञानाला स्फटिकीकरण करण्यासाठी प्रयत्न करण्याची गरज राहणार नाही.

शिवाय, जनरेटिव्ह एआयने अशा प्रकारे स्वयंचलितपणे जमा केलेले ज्ञान इतर जनरेटिव्ह एआयमध्ये सामायिक केले जाऊ शकते.

असे झाल्यास, जनरेटिव्ह एआयची शिकण्याची क्षमता मानवांपेक्षा खूप जास्त असेल.

हे एजीआयचे (AGI) एक स्वरूप मानले जाऊ शकते.