मागच्या लेखात आपण ‘सांख्यिक ओळख' ही संकल्पना समजून घेतली. या संकल्पनेच्या आधारे चालणारं ए.आय. तंत्रज्ञान आज आपल्या अवतीभोवती अनेक गोष्टींत वापरलं जात आहे.

कोविडच्या जागतिक साथीत आपल्या सर्वांच्या आयुष्यात अनेक आमूलाग्र बदल झाले. कार्यालयीन आणि वैयक्तिक कामांसाठी ऑनलाइन भेटणं, हा असाच एक बदल. काही वेळा या भेटींमध्ये व्हिडिओ चालू ठेवणं आवश्यक असतं. अशा वेळी समोरच्याला आपल्याव्यतिरिक्त घरातील इतर गोष्टी दिसू नयेत, यासाठी कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान कामी येतं. गुगल मीट किंवा झूम यांसारख्या प्रणालींमध्ये कॅमेऱ्याजवळ असलेली मनुष्याकृती ओळखणारी कृत्रिम मज्जातंतूंच्या जाळी असतात. ही प्रणाली कार्यरत झाली की आपली पार्श्वभूमी धूसर होते किंवा तिथे वेगळं, आपल्या आवडीचं चित्र लावता येतं.

आणखी एक उदाहरण स्मार्ट फोनमधल्या फोटोंचं. आपण भटकायला जातो, एखाद्या धबधब्यासमोर फोटोसाठी सहकुटुंब उभे राहतो. त्या वेळेस इतर पर्यटक आपल्या फोटोंमध्ये येणं आपण पूर्णपणे टाळू शकत नाही. कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान अशा वेळेस पार्श्वभूमीतील मनुष्याकृती सहजपणे नाहीशा करतं. अनेकांनी आपापल्या स्मार्ट फोनमध्ये हे करून पाहिलं असेल.

एकूणच, आज सतत आपली संगत करणारा स्मार्ट फोन अनेक दृष्टींनी आपला मार्गदर्शक आणि सहप्रवासी असतो. आज एखाद्या अनोळखी रस्त्यावरून केलेला प्रवास गुगल मॅप किंवा इतर एखाद्या दिशादर्शक साधनाशिवाय अशक्य वाटतो. गुगल मॅपमध्ये किमान आठ वेगवेगळ्या प्रकारे कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान कार्यरत असतं. कसं ते आपण बघू.

मुंबईसारख्या शहराकडे खूप उंचावरून पाहिलं तर एकमेकांना जोडलेल्या रस्त्यांचं एक जाळं दिसतं. अशा पद्धतीचं जाळं संगणकात गणिती पद्धतीने निर्माण केलं जातं. या कृत्रिम जाळ्यांचे बंध आणि सांधे अनुक्रमे रस्ते आणि चौक यांचं प्रतिनिधित्व करतात. प्रत्येक बंधाची एक सांख्यिक ओळख असते तशीच ती सांध्याचीही असते. रस्त्याची लांबी, रुंदी, शहरातील त्याचं स्थान, त्या रस्त्यावरून एकेरी वाहतूक आहे की दुहेरी, रस्त्याचा प्रकार (महामार्ग आहे का, महामार्गाला जाऊन मिळतो का, त्याचबरोबर विमानतळ किंवा रेल्वेस्थानकाकडे जातो का) अशा बहुविध प्रकारांनी ही सांख्यिक ओळख तयार होते. तो रस्ता कुठल्या दोन सांध्यांना जोडलेला आहे, हे जाळ्यांच्या बांधणीत आपोआपच अंतर्भूत असतं. सांध्याच्या बाबतीत कुठले आणि किती रस्ते तिथे येऊन मिळतात, तिथे ट्रॅफिक सिग्नल आहे की नाही, यावरून सांख्यिक ओळख बनवली जाते. ही झाली स्थिर ओळख! त्याशिवाय, काही सेकंद ते काही दिवस या वेगाने बदलणारी ओळखदेखील असते. दिवसाच्या वेळेनुसार असलेली रहदारीची स्थिती, एखाद्या ठिकाणी काही बांधकाम चालू असल्यास त्यानुसार बदलणारा रहदारीचा नूर गणिती पद्धतीने सुनिश्चित केला जातो. सर्व सांधे आणि बंध यांच्या अशा एकत्रित ओळखीतून एका सांध्यापासून दुसऱ्या सांध्यापर्यंत जाण्याच्या सगळ्यात योग्य मार्गाचं भाकीत केलं जातं. ‘योग्य' यासाठी, की प्रत्येक व्यक्ती कुठल्या वेळेला कुठल्या मार्गाला प्राधान्य देते, हे या भाकितात जमेस धरलं जातं. त्याचबरोबर तो विशिष्ट मार्ग निवडण्यात दिवसाची वेळ, अंतर, हवामान अशा इतर अनेक घटकांचा सहभाग असतो.

हेही वाचा - आपण उरलो संख्येपुरते..?

भाकीत केलेल्या मार्गानुसार प्रवासाला किती वेळ लागेल हे ठरवणारं तंत्रज्ञान स्वतंत्रपणे काम करत असतं. या मार्गावरच्या आतापर्यंतच्या रहदारीचा इतिहास आणि त्या-त्या वेळेस लागलेला अवधी, या गोष्टी भाकीत करणाऱ्या तंत्रज्ञानाला पुरवल्या जातात. त्या वेळेस त्या विशिष्ट मार्गावर गुगल मॅप वापरणाऱ्या लोकांमार्फत प्रत्यक्ष त्यावेळची रहदारीची स्थिती सतत कळत राहील अशीही व्यवस्था असते.

याबरोबरच उपग्रहांकडून त्या मार्गाची वेळोवेळी काढलेली छायाचित्रं आणि त्या प्रतिमांमधून मार्गामध्ये नव्याने झालेले बदल आपोआप (कृत्रिम बुद्धिमत्तेनेच) टिपले जाऊन भाकितासाठी वापरले जातात. मार्ग मोठा असेल तर वेगवेगळया ठिकाणच्या हवामानाचा अंदाज या घटकालाही वजन येतं. प्रवासाच्या मार्गाचं आणि लागणाऱ्या वेळेचं केलेलं भाकीत आणि प्रत्यक्षातली परिस्थिती यात काही तफावत असली तर त्यानुसार तंत्रज्ञान पुढच्या भाकितासाठी आपोआप बदलेल अशी व्यवस्था त्यात असते. कृत्रिम बुद्धिमत्तेच्या अशा अनेक तंत्रज्ञानांच्या समन्वयाने गुगल मॅपने नेमून दिलेला मार्ग आपल्याला प्रवासासाठी शिफारस म्हणून दाखवला जातो.

कृत्रिम बुद्धिमत्तेचा उपयोग होणारं आणखी एक क्षेत्र, म्हणजे हवामानाचा अंदाज. मानवजात हजारो वर्षांपासून विविध प्रकारे हवामानाचे अंदाज बांधण्याचा प्रयत्न करत आलेली आहे. माणसाचं जगणं कृषिप्रधान झालं तेव्हापासून हा अंदाज अचूक असणं अधिक महत्त्वाचं ठरू लागलं. मोसमी पावसाचं चक्र आकाशातील नक्षत्रांच्या स्थितीशी जोडलेलं असणं आणि त्यातून शेतीचं नियोजन करणं हे आजही चालू आहे. गेल्या दीडशे-दोनशे वर्षांमध्ये हवामानाची नोंदणी अधिक पद्धतशीरपणे होऊ लागली. गेल्या पन्नास वर्षांत संगणक तंत्रज्ञानामुळे ही नोंदणी मोठ्या प्रमाणात करून ती साठवून ठेवणं शक्य झालं. या सगळ्या माहितीला वैज्ञानिक पद्धतीने सूत्रात बांधून भाकीत करता येऊ लागलं आणि तसे प्रयत्न थोड्याफार प्रमाणात यशस्वीदेखील झाले. या नवीन तंत्रांद्वारे पृथ्वीवरील हवामानाची सखोल जाण आली. स्थानिक घटकांच्या पलीकडे कोणते घटक परिणाम करू शकतात याचा एक अंदाज हवामानशास्त्रज्ञांना आला. गेल्या काही वर्षांत उपग्रह तंत्रज्ञानाने यात मोलाची भर घातली आहे. परंतु या प्रचंड माहितीतून निश्चित महत्त्वाचे घटक व त्यांच्यातील संबंध शोधून काढणं हे कृत्रिम बुद्धिमत्तेच्या तंत्रज्ञानानेच शक्य झालं.

अगदी अलीकडचं उदाहरण- नोव्हा स्कोशिया हे कॅनडातील अटलांटिक महासागराला लागून असलेलं राज्य. जवळजवळ सर्व बाजूंनी समुद्राने वेढलेलं हे ठिकाण चक्रीवादळाच्या धोक्याच्या छायेत नेहमीच असतं. सप्टेंबर २०२३मध्ये ‘ली' नावाचं वादळ तेथील किनाऱ्याला येऊन धडकणार अशी शक्यता निर्माण झाली. समुद्रावरून येणाऱ्या अशा वादळाच्या बाबतीत त्याचा मार्ग आणि भूमीवर ते नक्की कुठे येणार हे पुरेशा वेळेआधी आणि अचूकपणे माहिती असणं अत्यंत आवश्यक असतं.

या घटनेआधी गुगलने ‘ग्राफकास्ट' नावाची हवामानाचं भाकीत करणारी कृत्रिम बुद्धिमत्तेची प्रणाली नुकतीच जगासमोर आणली होती. १९७९ ते २०१७ या दरम्यानची अनेक ठिकाणाहून घेतलेली जागतिक हवामानाची नोंदणी या कृत्रिम मज्जातंतूंच्या जाळ्याला शिकवण्यासाठी वापरली गेली. या प्रणालीने तब्बल नऊ दिवस आधी ‘ली' वादळाचं भाकीत केलं. तोपर्यंतचं तंत्रज्ञान फार तर सहा दिवस आधीपर्यंत असं भाकीत करू शकत होतं. अशा परिस्थितीत पूर्वतयारीसाठी तीन दिवस अधिक मिळणं हे स्थानिक प्रशासनासाठी खूपच फायदेशीर होतं. कृत्रिम बुद्धिमत्तेने केलेल्या भाकितामध्येही अनिश्चितता असतेच आणि तीदेखील संख्येनेच दर्शवली जाते. संख्या जितकी मोठी तितकी अनिश्चितता जास्त. ‘ग्राफकास्ट'चं वैशिष्ट्य हे, की त्या प्रणालीने केलेल्या भाकितामध्ये अनिश्चितता अत्यंत कमी होती. त्यामुळे वादळ नोव्हा स्कोशियाच्या कुठल्या किनाऱ्यावर, कधी जाऊन धडकणार याची अचूक कल्पना प्रशासनाला आली. पुरेसा अवधी मिळाल्याने त्यांना अन्न आणि निवाऱ्याची व्यवस्था करता आली. जनतेला योग्य तो सुरक्षेचा सल्ला वेळेत देता आला. त्याने मोठी वित्तहानी वाचलीच, परंतु मुख्यत्वे जीवितहानी किंवा माणसं बेपत्ता होणं असे प्रकार पूर्णपणे टाळले गेले. हवामानबदलाच्या संकटामुळे अशा प्रकारची वादळं वारंवार येतात असं मानलं जातं. त्याबद्दलच्या संशोधनात व भविष्यातील त्या दृष्टीने केल्या जाणाऱ्या नियोजनात कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान अत्यंत महत्त्वाचं ठरत आहे.

हेही वाचा - कृत्रिम बुद्धिमत्तेचं सीमोल्लंघन

एखाद्या असाध्य रोगावरील औषधाचा किंवा लशीचा शोध ही एक क्रांतिकारी घटना असते. रोगाच्या भयंकर संकटापासून मानवजातीची मुक्तता होण्याची शक्यता त्यामुळे निर्माण होते. ही संशोधनाची प्रक्रिया मात्र खूप अनिश्चित आणि लांबलचक असते. प्रयोगशाळेत संशोधन करून प्रत्यक्ष औषध बाजारात येईपर्यंतचा काळ सरासरी पंधरा वर्षांचा असू शकतो. कृत्रिम बुद्धिमत्तेच्या योगे हा काळ दहा वर्षांपेक्षाही बराच कमी होण्याची शक्यता निर्माण झाली आहे.

एखाद्या औषधाच्या शोधप्रक्रियेत सुरुवातीला साधारण कोणते टप्पे असतात हे आपण बघू. रोग निर्माण करणारे जंतू त्यांच्यातील जनुकांद्वारे विशिष्ट प्रथिनं निर्माण करतात आणि आपल्या शरीरात बस्तान बसवतात. त्या प्रथिनांच्या निर्मितीला लक्ष्य करून त्याला अटकाव करणारं दुसरं प्रथिन शोधणं, ही औषधनिर्मितीची मूलभूत प्रक्रिया असते. ही औषधाची प्रथिनं शरीरातील इतर आवश्यक पेशींमधील प्रथिननिर्मितीमध्ये ढवळाढवळ करणार नाहीत याची खातरजमा करणं आवश्यक असतं. जंतूंना लक्ष्य करणारी अशी प्रथिनं शोधून काढून त्यांचा प्राधान्यक्रम ठरवणं हे खर्चिक आणि वेळखाऊ काम असतं. यात अपयशाची शक्यतादेखील असते. औषधनिर्मितीत उपयोगी पडू शकतील अशा हजारो प्रथिनांच्या रेणूंची लायब्ररी शास्त्रज्ञांनी तयार केलेली आहे. एखाद्या विशिष्ट जंतूसाठी त्यातील कुठले रेणू योग्य ठरतील हे ठरवण्यासाठी त्या प्रथिनांची बांधणी आणि रचना शोधणं आवश्यक असतं. ही रचना शोधण्यासाठी काही महिने ते काही वर्षांचा काळ लागू शकतो.

‘अल्फाफोल्ड' हे गुगल डीपमाइंडने केलेलं कृत्रिम मज्जातंतूंचं जाळं या प्रथिनांच्या रचनेचं काही मिनिटं ते काही तासांमध्ये अचूक भाकीत करू शकतं. औषधनिर्मितीची काही वर्षं चालणारी प्रक्रिया काही महिन्यांवर आणण्याची क्षमता या तंत्रज्ञानात आहे. या क्रांतिकारक तंत्रज्ञानाच्या शोधासाठी गुगलमधल्या डेमिस हसाबिस आणि जॉन जंपर या संशोधकांना २०२४मध्ये रसायनशास्त्रातील नोबेल पारितोषिक दिलं गेलं.

जैविक तंत्रज्ञानाच्या क्षेत्रातली ‘इनसिलिको' कंपनी औषधनिर्मितीसाठी कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान वापरण्याच्या बाबतीत अग्रेसर आहे. ‘इडियोपथिक पल्मोनरी फायब्रोसिस' हा एक फुफ्फुसांचा गंभीर आजार. ‘इनसिलिको'मधील संशोधकांनी या आजारावरच्या औषधासाठीचे उमेदवार प्रथिनांचे रेणू अत्यंत वेगाने शोधून काढले. प्रत्यक्ष माणसांवर औषधाचा प्रयोग करण्याच्या टप्प्यापर्यंत पोहोचायला साधारण चार ते सात वर्षं लागतात. कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान अवलंबल्यामुळे संशोधक या टप्प्यापर्यंत अडीच वर्षांमध्येच पोहोचले!

कर्करोगासारख्या आजारावर रुग्णाच्या जनुकीय धारणेनुसार उपचार ठरवण्याची गरज आहे हे संशोधकांना जाणवत होतंच, पण कृत्रिम बुद्धिमत्तेच्या तंत्रज्ञानामुळे ते आज प्रत्यक्षात येऊ लागलं आहे. अशा प्रकारे वैयक्तिक पद्धतीने केलेली उपचारयोजना अधिक प्रभावी आणि अधिक सार्वत्रिक होत जाणार आहे व त्यात कृत्रिम बुद्धिमत्तेचा सिंहाचा वाटा असणार आहे.

किराणा माल किंवा ब्रँडेड खाद्यपदार्थांच्या उत्पादन आणि वितरणातही कृत्रिम बुद्धिमत्तेचा प्रभाव दिवसेंदिवस वाढत आहे. आज आपण एखादी वस्तू खरेदी करतो तेव्हा उत्पादकापासून आपल्यापर्यंत पोहोचण्यासाठी ती वस्तू एका मोठ्या पुरवठा साखळीतून गेलेली असते. अन्न उत्पादन ते पुरवठा साखळीमध्ये गुणवत्ता नियंत्रण ही एक अनिवार्य बाब असते. आपण ब्रेडचं उदाहरण घेऊ. ब्रेडच्या कारखान्यात कच्च्या मालापासून (म्हणजे मैदा, यीस्ट वगैरे) ते ब्रेड बनवण्यापर्यंत प्रत्येक टप्प्यावर एक विशिष्ट दर्जाची गुणवत्ता राखली जाणं अतिशय आवश्यक असतं. त्याची तंत्रं आणि ठोकताळे अर्थातच पहिल्यापासून अस्तित्वात होते, पण कृत्रिम बुद्धिमत्तेमुळे या कामाचा दर्जा आणि वेग दोन्ही सुधारले. पूर्वीपेक्षा अधिक गोष्टी तपासून, त्याला सांख्यिक स्वरूप देऊन ब्रेडसारख्या पदार्थांच्या गुणवत्तेचं अचूक भाकीत करता येऊ लागलं. कारखान्यातून बाहेर पडल्यावर तो ब्रेड पुरवठा साखळीतून कशा प्रकारे प्रवास करेल, दुकानापर्यंत ‘ताज्या' स्वरूपात कसा पोहोचेल, हे सर्व निर्णय कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान घेत असतं. आज आपल्या स्वयंपाकघरातील अनेक ब्रँडेड गोष्टी या तंत्रज्ञानाच्या प्रभावानेच आपल्यापर्यंत पोहोचलेल्या असतात. हे तंत्रज्ञान इतर अनेक वस्तूंसाठीही अशाच प्रकारे वापरलं जातं. एकूणच, आपल्याकडे असलेली कुठलीही ब्रँडेड वस्तू आजकाल कृत्रिम बुद्धिमत्तेच्या तिसऱ्या डोळ्याखालून गेलेली असते.

हेही वाचा - बुद्धिमान यंत्रं : जब दिल्ली दूर थी

कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान शेतीतही बरेच बदल घडवतं आहे. भारतासारख्या शेतीप्रधान अर्थव्यवस्था असलेल्या देशात सर्वंकष माहितीच्या आधारे शेती करण्यासाठी कृत्रिम बुद्धिमत्ता हे साधन शेतकऱ्यांना बरंच उपयोगी ठरेल अशी शक्यता निर्माण झाली आहे. आपल्याच देशातील काही आशादायक उदाहरणं पाहू. ड्रोनच्या साहाय्याने पिकावर लक्ष ठेवून त्यातून घेतलेल्या प्रतिमांच्या आधारे पिकांना कीड लागलेली आहे का, हे भाकीत करणारं तंत्रज्ञान अस्तित्वात आहे व ते हळूहळू सार्वत्रिक होत आहे.

मातीची गुणवत्ता, हवामान, पिकाचा प्रकार यावरून पाणी व खताचं व्यवस्थापन कसं करावं याविषयीचं मार्गदर्शन कृत्रिम बुद्धिमत्तेद्वारे शेतकऱ्यांना मिळू शकतं. मायक्रोसॉफ्ट या प्रसिद्ध सॉफ्टवेअर कंपनीने शेतीसाठी असं तंत्रज्ञान निर्माण करून ते प्रत्यक्ष उपयोगात आणलं आहे. त्यांनी निर्माण केलेल्या प्रणालीचे तीन पदर आहेत. एक म्हणजे शेतीसाठी उपयोगी पडेल अशी माहिती योग्य प्रकारे साठवून ठेवण्याची सोय. उदाहरणार्थ, मातीत ठेवलेल्या संवेदकांद्वारे त्यातील पोषक घटकांविषयी मिळालेली माहिती, तसंच स्थानिक हवामान केंद्रांकडून येणारी माहिती, अशी वेगवेगळ्या प्रकारची पूरक माहिती साठवणं. दुसरा पदर म्हणजे या माहितीच्या आधारावर भाकीत करणारं तंत्रज्ञान. आणि शेवटी ते भाकीत प्रत्यक्ष शेतकऱ्यांपर्यंत पोहोचवणारं ‘अग्रोपायलट' नावाचं स्मार्टफोन ॲप. या ॲपचं वैशिष्ट्य असं, की शेतकऱ्याला आपल्या स्थानिक भाषेत ते वापरता येण्याची सोय त्यात आहे. मायक्रोसॉफ्टचं हे तंत्रज्ञान बारामती तालुक्यात वापरलं गेलं. तेव्हा शेतीची उत्पादकता २० टक्क्यांनी वाढलेली आढळून आली. त्याचबरोबर खतांचा अनावश्यक वापर टाळला गेल्यामुळे शेतकऱ्यांचा एकूण खर्च २५ टक्क्यांनी कमी झाला.

भारतासारख्या देशात वाढतं शहरीकरण रोजगाराच्या अनेक नवीन संधी निर्माण करतंच, पण त्याचबरोबर शहराचं नियोजन आव्हानात्मक होत जातं. या नियोजनात येणाऱ्या वाहतूकव्यवस्था, पाणीपुरवठा, सांडपाणी व कचरा व्यवस्थापन यांसारख्या गोष्टींसाठी सतत नवीन उपायांची गरज भासते. याचा शहर प्रशासनावरती खूपच ताण येतो. नियोजनातील या सर्व बाबींसाठी कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान अत्यंत मौल्यवान ठरत आहे.

बेंगळुरूसारख्या शहरात काही ट्रॅफिक सिग्नल्सची व्यवस्था त्या त्या वेळच्या वाहतुकीनुसार आपोआप ठरवली जाते. चौकात बसवलेले कॅमेरे विशिष्ट काळाच्या अंतराने प्रतिमा घेत असतात. रडारसारख्या तंत्रज्ञानाद्वारे वाहनांचा सरासरी वेग ठरवला जातो. या सर्व गोष्टींच्या संकलनातून वाहतूक नियंत्रण आपोआप योग्य प्रकारे बदललं जाईल, अशी व्यवस्था असते.

हेही वाचा - एआयचा जमाना: देखिले डोळा, खरे खोटे समजेना

पाणी व्यवस्थापन, पाणीपुरवठा व त्यातील पाणी गळतीचं प्रमाण रोखणं यात अनेक शहरातील प्रशासनं कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान वापरू लागली आहेत. बेंगळुरूमध्ये भूजलपातळीविषयीचे निष्कर्ष या तंत्रज्ञानानेच काढले जातात. दैनंदिन पाणीपुरवठ्याच्या कामात पाण्याची गुणवत्ता, कुठल्या भागात किती पाणी सोडणं आवश्यक आहे, या बाबतीतल्या निर्णयांसाठी फक्त अटकळींवर अवलंबून राहण्याची गरज राहिलेली नाही. कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान या कामी एका विश्वासू सल्लागाराची भूमिका निभावत आहे.

शहरांमध्ये दररोज निर्माण होणाऱ्या कचऱ्याचं संकलन, वर्गीकरण आणि विल्हेवाट यामध्येही कृत्रिम बुद्धिमत्ता वरदान ठरत आहे. भोपाळ शहरात कचरा गोळा करण्यासाठी मार्ग ठरवताना कचरापेट्यांमध्ये बसवलेले संवेदक (सेन्सर्स) आणि जीपीएस हे तंत्रज्ञान वापरलं जातं. विशिष्ट वेळेस शहराच्या कुठल्या भागातला कचरा गोळा करण्याची गरज आहे हे ओळखता यावं यासाठी अलीकडील काही महिन्यांच्या पॅटर्ननुसार कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान भाकीत करतं. यातून कचरा संकलनाच्या अनावश्यक फेऱ्या जवळजवळ तीस टक्क्यांनी कमी झालेल्या आहेत. पुणे शहरातील प्रशासनाने ओला, सुका आणि पुन:प्रक्रिया करण्यायोग्य (रीसायक्लेबल) कचरा अशा तीन भागांमध्ये कचऱ्याचं वर्गीकरण करण्यासाठी कृत्रिम बुद्धिमत्तेचं तंत्रज्ञान वापरण्यात पुढाकार घेतलेला आहे. यामुळे कचऱ्याचं वर्गीकरण तर वेगाने होतंच, पण मुख्य म्हणजे पुन:प्रक्रिया होण्याचं प्रमाण पंधरा ते वीस टक्क्यांनी वाढलेलं आहे.

अशा गोष्टी अजून सार्वत्रिक झालेल्या नसल्या तरी या दृष्टीने योग्य दिशेने पावलं पडत आहेत असं म्हणता येतं.

एक नमूद करणं आवश्यक आहे, की कृत्रिम बुद्धिमत्ता एक बलशाली साधन म्हणून आपल्या हातात आलेलं असलं तरी योग्य प्रश्नांसाठी योग्य प्रकारे वापरलं तरच ते प्रभावी ठरतं. अनेक प्रश्नांना कृत्रिम बुद्धिमत्ता हेच अंतिम उत्तर असेल असं नाही. परंतु एक नक्की, की आज आपल्याशी संबंध येणाऱ्या जवळजवळ सर्व गोष्टींमध्ये प्रत्यक्ष-अप्रत्यक्षपणे या तंत्रज्ञानाने शिरकाव केला आहे.

‘व्यासोच्छिष्टं जगत् सर्वम्।' असं आपल्याकडे म्हटलं गेलं आहे. व्यासांसाठी कुठलाही असा विषय राहिला नाही ज्याला त्यांनी स्पर्श केला नाही. कृत्रिम बुद्धिमत्तेसाठीही आजच्या काळात हेच म्हणता येईल?

(अनुभव, मार्च २०२५च्या अंकातून साभार.)