ఏఐ నేర్చుకుంటే...ఎదురే ఉండదు!

మరో వారంలో కారు చెడిపోబోతోందని... మరి కొద్ది నెలల్లో క్యాన్సర్‌ వస్తుందని తెలిస్తే ఎన్ని అవస్థలు తప్పుతాయో, ఎంత జాగ్రత్త పడవచ్చో ఆలోచించండి. మీరు వస్తుండగానే మీ ముఖాన్ని గుర్తించి మీ తలుపులు తెరుచుకోవడం, వెనుక సీటులో హాయిగా పడుకుంటే వేల కిలోమీటర్లు డ్రైవర్‌ లేకుండా వేగంగా మీ కారు వెళ్లిపోవడం ఊహించడానికి చిత్రంగా ఉన్నా... అవన్నీ ఇప్పుడు నిజంగానే జరుగుతున్నాయి. అదంతా కృత్రిమ మేధ (ఆర్టిఫిషియల్‌ ఇంటెలిజెన్స్‌) మహిమే. ఈ ఆధునిక టెక్నాలజీ కొత్త కొత్త కోర్సులకు, భారీ సంఖ్యలో ఉద్యోగాల సృష్టికి కారణమవుతోంది.

కుట్టు మెషిన్‌, చేతి గడియారం, ఫ్యాక్టరీల్లో యంత్రాలు, స్మార్ట్‌ ఫోన్‌.. ఇవన్నీ మెషిన్ల కిందకే వస్తాయి. గత 200-300 ఏళ్ల నుంచి ఇవి మనిషి శ్రమను తగ్గిస్తున్నాయి. ఇవన్నీ మనం ఏం చేయించాలనుకుంటున్నామో అవి చేస్తున్నాయి. ఉదాహరణకు- మనం బ్రేక్‌ వేస్తే కారు ఆగడం, ఆక్సిలరేటర్‌ నొక్కితే ముందుకు వెళ్లడం లాంటివి. ఫోన్‌ విషయానికొస్తే మనం కాల్‌ నొక్కితే అవతలి వ్యక్తికి ఫోన్‌ వెళుతుంది. లేదంటే లేదు. ఇవన్నీ మనం చెబితే చేస్తాయి. వాటంతట అవి చేయలేవు.
ఆర్టిఫియల్‌ ఇంటెలిజెన్స్‌ ఉద్దేశం (ఏఐ) ఏమిటంటే.. ఫ్యాక్టరీల్లో ఉపయోగించే యంత్రాల నుంచి ఏ మెషిన్‌ అయినా స్మార్ట్‌ చేయడం లేదా ఇంటెలిజెంట్‌ చేయడం. ఒకరకంగా తెలివితేటలను వాటిలో పెట్టడం. అది కోడింగ్‌ ద్వారా సాధ్యమవుతుంది. దీనిలో కొంత మేథమేటిక్స్‌, కోడింగ్‌ ఉంటాయి. వీటిని ఉపయోగించి ఒక యంత్రానికి తెలివితేటలను ఇవ్వడమే ఏఐ ముఖ్యోద్దేశం. ఇది గత పదేళ్లలో వచ్చేసిన సబ్జెక్టేమీ కాదు. దీనిపై పరిశోధన 60 ఏళ్ల క్రితం నుంచే ప్రారంభమైంది.
మెషిన్‌ లర్నింగ్‌, డీప్‌ లర్నింగ్‌, డేటా సైన్స్‌ అనే పదాలు ఎక్కువగా వినుంటారు. ఇవన్నీ ఏఐకి దగ్గరగా ఉండే విభాగాలు. ఒక రకంగా మెషిన్‌ లర్నింగ్‌, డీప్‌ లర్నింగ్‌ ఏఐలో ఉపవిభాగాలు. డేటా సైన్స్‌ ఏఐలో ఉండే చాలా కాన్సెప్టులను వాడుకుంటుంది, కంప్యూటర్‌ సైన్స్‌లోని వివిధ సబ్జెక్టులను తెచ్చుకుంటుంది.
ఆనందం నుంచి ఆరోగ్యం వరకు!
ఈ మధ్యకాలంలో వచ్చిన ఆండ్రాయిడ్‌, స్మార్ట్‌ఫోన్లలో.. దానిలో ఫొటో తీసేటపుడు ముఖాలను గుర్తించి, అక్కడ లైటింగ్‌ ఎక్కువ పడేలా చేయడం గమనించే ఉంటారు. ఇది ఏఐ వల్లే సాధ్యం. అలాగే యూట్యూబ్‌లో ఒక పాటను చూస్తుంటే, దానికి సంబంధమున్న మ్యూజిక్‌ డైరెక్టర్‌, యాక్టర్‌, డైరెక్టర్‌, మెలోడీ, అదే సినిమాకు చెందిన వేరేపాట.. ఇలా ఏదో ఒకదానితో పోలివుండే పాటలన్నింటినీ చూపిస్తుంది. ఆటోప్లే ఆప్షన్‌ను ఎంచుకుంటే..ఒకదాని తరువాత ఒక పాట వస్తుంది కదా? ఇవన్నీ ఏఐ వల్ల జరుగుతున్నవే!
ఫార్మస్యూటికల్‌ సంస్థల విషయంలో ముఖ్యంగా క్యాన్సర్‌ గుర్తింపు, దాని డయాగ్నొసిస్‌కు ఏఐను ఇప్పటికే వాడుతున్నారు. గత కొన్ని సంవత్సరాల జెనెటిక్‌, మాలిక్యులర్‌ డేటా.. ఇలా సమాచారాన్ని అంతటినీ సేకరించి, వాటిలో ఏఐను ఉపయోగించి రోగనిర్ధారణ, నివారణ చర్యలు చేపడుతున్నారు. ఈ విధానం ద్వారా చాలా త్వరగా, కచ్చితంగా క్యాన్సర్‌ నిర్ధారణ సాధ్యమవుతోంది. ఉదాహరణకు- చర్మంపై ఉండే ఒక చిన్న దద్దుర్లు వంటి వాటిని ఫొటో తీసి, పరీక్షించుకుంటే అది చర్మ క్యాన్సర్‌ అవునో కాదో కచ్చితంగా ఏఐ ద్వారా నిర్ధారించగల సిస్టమ్స్‌ ప్రపంచవ్యాప్తంగా ఉన్నాయి.
ప్రతి రంగంలోకీ..!
వ్యవసాయంలో ఒక ఆకు మీద ఏదో చీడో పీడో ఉంది. ఒక్క ఫోటో తీసి ఇస్తే విశ్లేషించి, ఏ మందు ఎంత మోతాదులో వాడాలో వంటి పరిష్కారాలను కూడా సూచిస్తుంది ఏఐ. మొంటాసో వంటి పెద్ద సంస్థలు ఇప్పుడు దీన్ని ఉపయోగిస్తున్నాయి.
మనం ప్రయాణించే కారు హఠాత్తుగా ఆగిపోతే ఎంత హైరానా పడతామో దాదాపు అందరికీ తెలిసే ఉంటుంది. కానీ మన కారుకి ఇంకొన్ని రోజుల్లో ఫలానా సమస్య రాబోతోందని ముందే తెలిస్తే ఆ బాధలన్నీ తప్పుతాయి కదా... ఆ పనిని ఏఐ చేస్తుంది. బీఎండబ్ల్యూ, మెర్సిడిస్‌ వంటి పెద్ద సంస్థల్లో ఈ విధానాన్ని ఇప్పటికే ఉపయోగిస్తున్నారు. మనిషి లేకుండా కారు వెళ్లడాన్ని పదేళ్ల క్రితం ఎవరైనా ఊహించారా... ఆలోచించడానికే భయపడి ఉంటారు. మరి ఇప్పుడు ఒక సాధారణ బీటెక్‌ విద్యార్థి తన ల్యాప్‌టాప్‌లో సెల్ఫ్‌ డ్రైవింగ్‌ కార్‌ బేసిక్‌ సిస్టమ్‌ను రూపొందిస్తున్నాడు. ఇదీ ఏఐ మహిమే. ఇప్పుడు సెల్ఫ్‌డైవింగ్‌ కార్లు లక్షల కిలోమీటర్లు ప్రయాణించాయి కూడా!
ఇలా చెప్పుకుంటే ఎన్నో ఉదాహరణలు. పాత మ్యూజిక్‌ నుంచి కొత్త సంగీత సృష్టి; బ్యాంకింగ్‌ రంగంలో జరిగే తప్పులను పసిగట్టడం, ఎవరెవరు ఎంత బీమా ఎప్పుడెప్పుడు కట్టాలో నిర్ణయించడం వంటి ఎన్నో పనులను ఇప్పుడు ఏఐ అవలీలగా చేసేస్తోంది. ముందస్తుగా నేరాన్ని పసిగట్టే విధానాన్ని కూడా ఏఐతో రూపొందించవచ్చు. ప్రతి పరిశ్రమలోకీ ప్రోగ్రామింగ్‌/ కంప్యూటర్‌/ సాఫ్ట్‌వేర్‌ ఎలా చొచ్చుకొని వచ్చిందో.. అలాగే వచ్చే 10-20 ఏళ్లలో ప్రతి పరిశ్రమ, అప్లికేషన్లలోకీ ఏఐ ప్రవేశిస్తుంది!
ఉద్యోగాలు సిద్ధం.. నిపుణులే లేరు
మనదేశంలో ఏఐ, మెషిన్‌ లర్నింగ్‌, డేటా సైన్స్‌ రంగాల్లో వేల ఉద్యోగాలు ఫ్రెషర్లకూ, అనుభవజ్ఞులకూ లభిస్తున్నాయి. ఇన్ఫోసిస్‌, టీసీఎస్‌, ఫ్లిప్‌ కార్ట్‌, అమెజాన్‌, గూగుల్‌ లాంటి పెద్ద కంపెనీల నుంచి చిన్న స్టార్టప్‌ల వరకూ వందల కంపెనీలు ఈ ఉద్యోగాలు కల్పిస్తున్నాయి.
ఏ జాబ్‌ పోర్టల్‌కి వెళ్లినా ప్రతిరోజూ వందల పోస్టులను డేటాసైన్స్‌, ఏఐ, మెషిన్‌ లర్నింగ్‌లలో ఉద్యోగాలను ప్రకటిస్తున్నారు. కానీ ఉద్యోగ మార్కెట్లో ఏఐ నిపుణులు అవసరాలకు తగినంతమంది దొరకటం లేదు.
పెద్ద కంపెనీల్లో కూడా ఏఐ నిపుణులు తక్కువమందే ఉన్నారు. వేగంగా వృద్ధి చెందుతున్న ఏఐలో ఉద్యోగాలు చాలా ఆసక్తికరంగా ఉంటాయి. ఏఐ ఇంజినీర్‌ గా ఓ స్టార్టప్‌ కంపెనీలో చేరితే చిన్న టీమ్‌లో చేయాల్సివస్తుంది. క్యాన్సర్‌ డయాగ్నసిస్‌ స్టార్టప్‌లో రోజూ చేసే పని లక్షలమంది జీవితాలను బాగు చేస్తుందనే సంతృప్తి ఉంటుంది. కొత్తగా వికసిస్తున్న రంగం కాబట్టి ఎదుగుదల చాలా ఎక్కువ ఉంటుంది. ఇప్పటినుంచీ ఏఐలో కెరియర్‌ను ఆరంభించి, నిర్మించుకోగలిగితే పదేళ్ళలో చాలా సీనియర్‌ లేదా ప్రిన్సిపల్‌ ఆర్కిటెక్ట్‌ అవుతారు. ఏఐపై పట్టు వచ్చేస్తుంది. ఆ రంగంతో పాటు దీనిలో ప్రవేశించినవారి కెరియర్‌ కూడా ఎదుగుతుంది.
ఫ్రెషర్లతో పాటు 10-15 ఏళ్ళ అనుభవమున్న సాఫ్ట్‌వేర్‌ ఇంజినీరింగ్‌ అనుభవం ఉన్నవారు కూడా నెమ్మదిగా ఏఐ కెరియర్లకు మారుతున్నారు. గిరాకీ ఎక్కువ ఉండటం మూలంగా దీనిలో వేతనాలు కూడా ఎక్కువగా ఉంటున్నాయి.
ఈ మూడిట్లోనే గిరాకీ
డేటా అనాలిసిస్‌, మెషిన్‌ లర్నింగ్‌, డీప్‌ లర్నింగ్‌... ఇవి నేర్చుకోవాలి. ఈ మూడు ఏరియాల్లోనే ఉద్యోగాలకు గిరాకీ ఎక్కువ ఉంది. మెషిన్‌ లర్నింగ్‌, ఏఐలలో రియల్‌ వర్‌ల్డ్‌ అంశాలపై ప్రాజెక్టులు చేయటం చాలా అవసరం. ప్రాజెక్టులు చేయకపోతే అభ్యర్థి నేర్చుకున్నదేమిటో ఎవరికీ తెలియదు. దాన్ని రిక్రూటర్‌కు చూపించుకోలేకపోతారు.
క్లుప్తంగా చెప్పాలంటే... కొంత బేసిక్‌ మ్యాథ్స్‌, ప్రోగ్రామింగ్‌ పైథాన్‌లోని కొంత థియరీ.. ఎక్కువ ప్రాక్టికల్‌ పరిజ్ఞానం, డేటా ఎనాలిసిస్‌, మెషిన్‌ లర్నింగ్‌, డీప్‌ లర్నింగ్‌ నేర్చుకోవాలి. ఈ టెక్నాలజీలు/టెక్నిక్కులు వాడి ఐదు ప్రాజెక్టులు చేయడం మంచిది. ఇలా చేస్తే ఈ రంగంలో విజయవంతంగా ప్రవేశించగలుగుతారు!
ఎవరైనా సరే, నేర్చుకోవచ్చు!
అభ్యర్థికి ఎంత థియరీ వచ్చు, ఎంత మ్యాథ్స్‌, ఎంత ప్రోగ్రామింగ్‌ వచ్చు అనేది ఏఐ కంపెనీలకు అక్కర్లేదు. నేర్చుకున్న థియరీ నుంచి కష్టమర్ల, క్లయింట్ల నిజజీవిత సమస్యలను పరిష్కరించగలిగితే చాలు. అంటే ప్రాబ్లమ్‌ సాల్వింగ్‌ , రియల్‌ వర్‌ల్డ్‌ స్కిల్స్‌ ఉన్న సిబ్బంది కావాలి. కొంత థియరీ.. దాంతో పాటు ప్రాక్టికల్‌ పరిజ్ఞానం ఉన్నవారు ఇక్కడ అవసరం. అలాంటివారు నిజానికి ఎక్కువమంది లేరు.
ఎవరైనా మెషిన్‌ లర్నింగ్‌ తేలిగ్గానే నేర్చుకోవచ్చు. బీటెక్‌, ఎంటెక్‌, ఎంఎస్‌.. చేస్తున్న విద్యార్థుల దగ్గర్నుంచీ బేసిక్‌ సైన్స్‌ విద్యార్థుల వరకూ ఈ రంగంలో ప్రవేశించవచ్చు. మూడు నుంచి ఆర్నెల్లు కష్టపడితే చాలు, చక్కగా సబ్జెక్టు నేర్చుకోవచ్చు.
సాఫ్ట్‌వేర్‌ ఇంజినీర్లు మాత్రమే కాదు, సివిల్‌, మెకానికల్‌ ఇంజినీర్లయినా, ఫార్మసీ, మెడిసిన్‌, మ్యాథ్స్‌, స్టాటిస్టిక్స్‌, ఫిజిక్స్‌, కెమిస్ట్రీ .. ఇలా ఏ సబ్జెక్టువారైనా ఏఐ, మెషిన్‌ లర్నింగ్‌లలో ప్రవేశించవచ్చు. తమ కోర్‌ ఏరియాలో వారికి ఎటూ డొమైన్‌ పరిజ్ఞానం ఉంటుంది. ఉదాహరణకు.. ఫార్మసీ విద్యార్థి గానీ, ఫార్మసీ ఉద్యోగి గానీ కొత్త ఏఐ ఫార్మసీ ఇంజినీర్‌ అవొచ్చు. అలాగే కెమిస్ట్రీ, బ్యాంకింగ్‌, ఫార్మసీ .. ప్రతిదానిలో ఏఐని కొత్త టూల్‌గా వాడుకుని దీనిలో కెరియర్లను మల్చుకోవచ్చు.
ఇంటర్‌ స్థాయి గణితం చాలు
ఏఐ నేర్చుకోవటానికి ఇంటర్‌ స్థాయి మ్యాథమేటిక్స్‌ తెలిస్తే చాలు. కాల్‌క్యులేషన్స్‌, లీనియర్‌ ఆల్జీబ్రా, ప్రాబబిలిటీ.. వీటిలో అంతా కాకుండా, కొన్ని భాగాలు అవసరమవుతాయి. అదేకాకుండా ప్రోగ్రామింగ్‌కు వచ్చేసరికి ఫైథాన్‌ గానీ, ఆర్‌ గానీ అవసరం. పైథాన్‌ చాలా ప్రాచుర్యం పొందింది. ఇప్పుడు 10-11 సంవత్సరాల పిల్లలు కూడా నేర్చుకుంటున్నారు. చాలా బీటెక్‌/ఎంటెక్‌ కాలేజీల్లో కూడా దీన్ని నేర్పిస్తున్నారు. సీ ప్రోగ్రామింగ్‌ తెలిస్తే.. దానికంటే దీన్ని నేర్చుకోవటం తేలిక. ఆర్‌ విభిన్నమైనది. ఇది కూడా నేర్చుకోవచ్చు. దీనిలో స్టాటిస్టిక్స్‌ ఉంటాయి.
ఇంటర్‌ స్థాయి మ్యాథ్స్‌ అయినా ఇప్పుడు మర్చిపోయుంటామని చాలామంది అనుకుంటుంటారు. ఓసారి రివిజన్‌ చేసుకుంటే సరిపోతుంది కదా? అసలు అన్ని కాన్సెప్టులూ అక్కర్లేదు. డిఫరెన్షియేషన్‌, కోఆర్డినేట్‌ జామెట్రీ ప్రాథమికాంశాలు సరిపోతాయి. వీటితో పాటు మెషిన్‌ లర్నింగ్‌ థియరీ మాత్రమే కాకుండా ప్రాక్టికల్‌ పరిజ్ఞానం అవసరం. ఏ టెక్నిక్‌ నేర్చుకున్నా దాన్ని ఎక్కడ, ఎలా, ఎంత ఉపయోగించాలన్నది ప్రధానం. కేవలం థియరీ తెలిసి, ఇలాంటి ప్రాక్టికల్‌ నాలెడ్జ్‌ లేకపోతే మాత్రం ఉద్యోగం రావటం కష్టం.
మెషిన్‌ లర్నింగ్‌లో సబ్‌ ఏరియాస్‌పై దృష్టిపెట్టాలి. బేసిక్‌ డేటా అనాలిసిస్‌ నేర్చుకోవటం ముఖ్యం. దీనికి ఇంటర్లో నేర్చుకున్న ప్రాబబిలిటీ సరిపోతుంది. కోర్‌ మెషిన్‌ లర్నింగ్‌ అని ఉంటుంది. అంటే పదేళ్ల క్రితం వరకూ అభివృద్ధి చెందిన టెక్నిక్స్‌ అన్నీ నేర్చుకుంటాం. దీన్నే డీప్‌ లర్నింగ్‌ అంటాం.






Posted on 17-07-2018

Industry      Interaction

Higher Education

Job Skills

Soft Skills

Comm. English

Mock Test

E-learning