यंत्रमानव कामावर जात असताना वर्गखोल्या चालू ठेवल्या पाहिजेत | मत

वर्षानुवर्षे, रोबोट्स मुख्यत्वे नियंत्रित प्रयोगशाळेच्या वातावरणाशी संबंधित होते. ते बदलत आहे. ह्युमनॉइड रोबोट्स आता गोदामे, फॅक्टरी फ्लोअर्स आणि लोकांसाठी तयार केलेल्या ऑपरेशनल सेटिंग्जमध्ये प्रवेश करत आहेत. ते रिअल टाइममध्ये समजू शकतात, निर्णय घेऊ शकतात आणि कार्य करू शकतात आणि त्या बदलामुळे आपण शिक्षणाबद्दल कसे विचार करतो यावर परिणाम होऊ लागला आहे.

तांत्रिक प्रशिक्षणासाठी हा टर्निंग पॉइंट आहे. संभाषण यापुढे विद्यार्थ्यांना कृत्रिम बुद्धिमत्ता किंवा रोबोटिक्सला सिद्धांत समजते की नाही याबद्दल नाही. ते या प्रणालींसह वास्तविक परिस्थितीत कार्य करू शकतात की नाही याबद्दल आहे.

भारतात, या शिफ्टला विशेष वजन आहे. दरवर्षी, मोठ्या संख्येने अभियांत्रिकी पदवीधर अशा कार्यबलात प्रवेश करतात जे बऱ्याच अभ्यासक्रमांपेक्षा वेगाने बदलत आहेत. तांत्रिक शिक्षणाचे पारंपारिक मॉडेल, सिद्धांतात मजबूत आणि शिस्त-विशिष्ट सखोलतेने आम्हाला चांगली सेवा दिली आहे. पण रोबोटिक्स सायलोमध्ये चालत नाही. हे मशीन लर्निंग, हार्डवेअर सिस्टीम, सेन्सिंग आणि कंट्रोल एकाच वेळी एकत्र आणते.

ज्ञान आणि अर्जामधील ही तफावत धोरणात्मक पातळीवर मान्य करण्यात आली आहे. NITI आयोगाची आर्टिफिशियल इंटेलिजेंसची राष्ट्रीय रणनीती भविष्यासाठी तयार टॅलेंट पाइपलाइनची गरज हायलाइट करते. व्यवहारात, याचा अर्थ विद्यार्थ्यांना केवळ तंत्रज्ञान समजून घेण्यासाठीच नव्हे, तर परिस्थिती अप्रत्याशित असताना त्यासोबत काम करण्यासाठी तयार करणे.

हे जमिनीवर कसे दिसते ते बऱ्यापैकी स्पष्ट आहे. एखाद्या विद्यार्थ्याला कॉम्प्युटर व्हिजन मॉडेल्स तत्त्वतः समजू शकतात परंतु जेव्हा त्या मॉडेल्सना खराब प्रकाश किंवा गोंगाट करणारा डेटा येतो तेव्हा ते संघर्ष करतात. किंवा ते मजबूत AI कोड लिहू शकतात, तरीही हार्डवेअर मर्यादा पूर्णपणे समजू शकत नाहीत जे नियंत्रित वातावरणाच्या बाहेर सिस्टम कार्य करू शकते की नाही हे निर्धारित करतात.

इथेच वर्गखोल्यांमध्ये ह्युमनॉइड रोबोटिक्सची भूमिका महत्त्वाची ठरते. जेव्हा विद्यार्थी त्यांच्या पदवीपूर्व वर्षांमध्ये औद्योगिक-श्रेणीच्या रोबोटिक प्रणालींसोबत काम करायला लागतात, तेव्हा शिकण्याचे स्वरूप बदलते. क्लासरूम निव्वळ शिकवणीला थांबते. ही एक अशी जागा बनते जिथे सिस्टमची चाचणी केली जाते, अयशस्वी होते आणि सुधारले जाते.

संकल्पना पाठ्यपुस्तकांमधून बाहेर पडून अंमलात आणल्या जातात. विद्यार्थी भिन्न तंत्रज्ञान कसे परस्परसंवाद करतात आणि लहान व्हेरिएबल्स परिणामांवर कसा परिणाम करतात हे पाहू लागतात.

या प्रकारचे वातावरण वेगळ्या दृष्टिकोनाची मागणी करते. विद्यार्थी केवळ डिझाईन करण्याऐवजी उपयोजनाच्या दृष्टीने विचार करू लागतात. ते सहजतेने नक्कल होऊ शकत नाहीत अशा अडचणींमधून कार्य करतात आणि सॉफ्टवेअर आणि हार्डवेअर दोन्ही स्तरांवर समस्यानिवारण करण्यास शिकतात. हे नेहमीच अंदाज लावता येत नाही आणि तोच मुद्दा आहे.

रोबोटिक्स क्षेत्र, उत्पादन, लॉजिस्टिक, आरोग्यसेवा आणि पायाभूत सुविधांमध्ये विस्तारत असल्याने, उद्योग अशा वातावरणात सोयीस्कर असलेल्या अभियंत्यांचा शोध घेतील. केवळ विशेषज्ञच नव्हे तर वास्तविक-जागतिक सेटिंग्जमध्ये तैनात केल्यावर सिस्टम कसे वागतात हे समजणारे व्यावसायिक.

या शिफ्टची निकड आणखी वाढेल. इंडियाएआय मिशनने देशाच्या एआय क्षमतेचा मापन केल्यामुळे, सिद्धांत आणि अनुप्रयोगाला जोडू शकतील अशा अभियंत्यांची गरज वाढेल.

अधिक व्यापकपणे, शैक्षणिक आणि उद्योग यांच्यातील सहकार्याने तांत्रिक शिक्षण कसे वितरित केले जाते याचा आकार बदलू लागला आहे. ते वर्गात वास्तविक-जगातील परिस्थिती आणतात आणि शिकणे आणि अर्जामधील अंतर कमी करतात.

भारतासाठी, संधी दत्तक घेण्यापलीकडे आहे. मेक इन इंडिया अंतर्गत प्रगत रोबोटिक्स आणि मूर्त स्वरूप AI मध्ये गंभीर भूमिका निभावण्याचे देशाचे उद्दिष्ट असेल, तर अशा प्रणालींची रचना, तैनाती आणि स्केल करण्याची स्वतःची क्षमता निर्माण करणे आवश्यक आहे. त्यासाठी वेगळ्या पद्धतीने प्रशिक्षित कार्यबल आवश्यक आहे.

वर्गातील ह्युमनॉइड रोबोट्स हे त्या संक्रमणाचा एक भाग आहेत. ते केवळ तांत्रिक जोड नाहीत. ते कर्मचारी तत्परतेची व्याख्या कशी केली जाते यामधील बदलाचे संकेत देतात.

उदयोन्मुख रोबोटिक्स अर्थव्यवस्थेत, सर्वात मौल्यवान पदवीधर असे असू शकत नाहीत ज्यांना सिद्धांततः तंत्रज्ञान समजते. ते असे असतील ज्यांनी या प्रणालींसोबत वास्तविक-जागतिक परिस्थितीत आधीच काम केले आहे आणि त्यांना कार्य करण्यासाठी काय करावे लागेल हे समजेल.

लेखक शुलिनी विद्यापीठाचे संस्थापक आणि प्रो-चांसलर आहेत, ज्याने ह्युमनॉइड्सवर काम सुरू केले आहे.

या लेखात व्यक्त केलेली मते लेखकाची आहेत आणि आठवड्याची मते किंवा दृश्ये प्रतिबिंबित करण्याचा हेतू नाही.