कृत्रिम बुद्धिमत्ता: २०२४ चे भौतिकशास्त्राचे नोबेल पारितोषिक

कृत्रिम बुद्धिमत्ता: आपल्या दैनंदिन जीवनात बदल घडवणारी क्रांती आणि २०२४ चे भौतिकशास्त्राचे नोबेल पारितोषिक

दररोज जाणतेअजाणतेपणे आपण आर्टिफिशिअल इंटीलिजन्स (एआय) अर्थात कृत्रिम बुद्धिमत्ता या तंत्रज्ञानाच्या साहाय्याने स्मार्टफोनच्या माध्यमातून, सोशल मीडिया, ऑनलाइन शॉपिंग आणि अनेक इतर सेवांचा वापर करून आपले जीवन सुकर बनवतो. कृत्रिम बुद्धिमत्ता ही आजच्या घडीची सर्वात वेगाने विकसित होणारी आणि मानवी जीवनावर प्रभाव पाडणारी तंत्रज्ञान क्रांती मानली जाते. एआय म्हणजे संगणकांना मानवी बुद्धिमत्तेसारखी कार्ये करण्याची क्षमता देणे. यात शिकणे, समजणे, निर्णय घेणे, समस्यांचे निराकरण आणि भाषेचे विश्लेषण करणे यांचा समावेश आहे. आपण जेथे एआय वापरतो त्याची खाली काही प्रातिनिधीक उदाहरणे दिली आहेत.

१) ऑनलाइन सर्च आणि रिकमेंडेशन्स: आपण गुगल किंवा बिंग सारखी सर्च इंजिन वापरतो तेव्हा, एआय अल्गोरिदम तुमच्या सर्च क्वेरींचे विश्लेषण करून संबंधित उच्च अग्रक्रमाच्या रिझल्ट्सची यादी आपल्यापर्यंत पोहोचवते. नेटफ्लिक्स, ऍमेझॉन आणि स्पोटिफाय सारखे ऑनलाइन प्लॅटफॉर्म आपल्या पूर्वीच्या आवडीनुसार वस्तू, चित्रपट किंवा गाण्यांची शिफारस करण्यासाठी एआय वापरतात. फेसबुक आणि इन्स्टाग्राम सारख्या सोशल मीडिया प्लॅटफॉर्मवर, एआय  आपल्या आवडीनुसार माहिती आणि पोस्ट्स आपल्या न्यूज फीडमध्ये पाठवते.

२) डिजिटल असीसस्टन्स: सिरी, अलेक्सा आणि गुगल असिस्टंटसारखी उपकरणे आपल्या आवाजाचे आदेश समजून घेतात आणि आपल्या प्रश्नांची अधिक संभाव्य उत्तरे देतात. स्मार्ट थर्मोस्टॅट्स, स्पीकर आणि सुरक्षा यंत्रणेसारखी उपकरणे आपल्या पसंतीनुसार स्वतःच काम करतात. ही सर्व उपकरणे कृत्रिम बुद्धिमत्तेवर चालतात.

३) फोटो आणि व्हिडिओ विश्लेषण: फोटो आणि व्हिडिओंमधील चेहरे ओळखण्यास, स्वयंचलितपणे फोटो टॅग करण्यास आणि फेस रिकग्निशनद्वारे उपकरणे उघडण्यास एआय चा वापर केला जातो. याशिवाय, ऑनलाइन इमेज शोधताना एआय अल्गोरिदम दृश्य माहितीचे बारकाईने विश्लेषण करून आपल्याला संबंधित प्रतिमा शोधण्यास मदत करतात.  

४) नैसर्गिक भाषा प्रक्रिया:  एआय वर आधारित असलेले गुगल ट्रान्सलेट वापरून आपण सहजपणे भाषांतर करू शकतो. ग्राहक सेवा चॅटबॉट्स ग्राहकांच्या प्रश्नांची उत्तर देण्यासाठी आणि त्यांच्या शंकांचे निरसन करण्यासाठी एआय चा वापर करतात. यामुळे आता व्हॉइस-टू-टेक्स्ट, टेक्स्ट-टू-व्हॉइस आणि ओसीआर यासारख्या तंत्रज्ञानांचा वापर करून बोललेल्या भाषेचे मजकूरात आणि कागदावरील मजकूर डिजिटल स्वरूपात रूपांतरित करणे शक्य झाले आहे.

५) आरोग्यसेवा: वैद्यकीय प्रतिमांचे (जसे की क्ष-किरण, एमआरआय) अचूक आणि जलद विश्लेषण करण्यासाठी एआयचे अल्गोरिदम मोठ्या प्रमाणावर वापरले जातात, ज्यामुळे रोग निदानाची प्रक्रिया अधिक प्रभावी बनते. एआयने औषध शोध आणि विकास या क्षेत्रात क्रांती घडवून आणली आहे. 

६) वाहतूक: एआय तंत्रज्ञानाच्या साहाय्याने विना चालक कारना स्वायत्तपणे वाहतूक व्यवस्थापित करण्यास सक्षम बनवले जात आहे. मोठ्या प्रमाणावर डेटाचे विश्लेषण करून एआय सिस्टम रहदारीचे प्रवाह, वाहनांची गती आणि शहरी वाहतूक व्यवस्थेतील विविध घटकांचे व्यवस्थापन अधिक प्रभावीपणे करत आहेत. यामुळे वाहतूक कोंडी कमी करणे, ऊर्जा वापर कमी करणे आणि शहरी वाहतूक व्यवस्थेची कार्यक्षमता वाढवणे शक्य झाले आहे.

आपल्या दैनंदिन जीवनात एआय कसे वापरले जात आहे याची ही प्रातिनिधीक उदाहरणे आहेत. एआय तंत्रज्ञान जसजसे पुढे जात आहे, तसतसे आपण आणखी आश्चर्यकारक आणि व्यापक उपयोग अनुभवू शकतो.

२०२४ चे भौतिकशास्त्रातील नोबेल पारितोषिक अमेरिकेतील प्रिंसटन विद्यापीठाचे जॉन जे. हॉपफील्ड आणि कॅनडा च्या टोरँटो विद्यापीठाच्या जेफ्री ई. हिंटन यांना कृत्रिम बुद्धिमत्तेशी निगडीत मशीन लर्निंगच्या क्षेत्रात त्यांच्या मूलभूत संशोधनासाठी देण्यात आले. त्यांनी भौतिकशास्त्रातील संकल्पनांचा वापर करून आर्टिफ़िशियल न्यूरल नेटवर्क विकसित केले, ज्यामुळे संगणकांना डेटाच्या आधारे स्वतः शिकण्याची (मशीन लर्निंग तथा यंत्रशिक्षण) क्षमता मिळाली.

एआय च्या क्षेत्रात संशोधन करण्यासाठी भौतिकशास्त्र, गणित आणि संगणक विज्ञान या शास्त्रांची जोड आवश्यक आहे. भौतिकशास्त्रातील मूलभूत तत्वांसाठी गणितशास्त्र मॉडेल आणि विश्लेषणासाठी टूल विकसित करते तर संगणकशास्त्र तत्वाधिष्ठित प्रश्नांचे निराकरण करण्यासाठी आवश्यक प्रोग्रामिंग विकसित करते.

भौतिकशास्त्रातील स्टॅटिस्टिकल मेकॅनिक्स आणि संगणक विज्ञानाची मशीन लर्निंग या  दोन्ही विषयात वेगवेगळ्या दृष्टिकोनातून कणांच्या प्रणालीचा अभ्यास होतो. स्टॅटिस्टिकल मेकॅनिक्स अणू आणि रेणूंच्या पातळीवर प्रणालींचे वर्णन करते, तर मशीन लर्निंग कृत्रिम न्यूरॉन्स (डेटा) च्या आधारे संगणकांना शिकण्याची क्षमता देण्यावर भर देते. दोन्ही ठिकाणी मार्कोव्ह चेन मोंटे कार्लो आणि बोल्ट्झमन वितरण सारख्या अनेक गणिती संकल्पना आणि टूल्स वापरले आहेत. स्टॅटिस्टिकल मेकॅनिक्समधील संकल्पना मशीन लर्निंगमध्ये मॉडेलच्या कार्यक्षमता वाढवण्यासाठी वापरल्या जातात.

हॉपफील्ड यांनी "सहयोगी स्मृती" ही संकल्पना विकसित केली, ज्यामुळे संगणक अपूर्ण माहिती पूर्ण करू शकतात. तर, हिंटन यांनी "बोल्ट्झमन मशीन" विकसित केली, जी डेटाच्या नमुन्यांचे वर्गीकरण करण्यासाठी वापरली जाते.

या शास्त्रज्ञांच्या कार्यामुळे मशीन लर्निंग क्षेत्रात क्रांती झाली. आज, मशीन लर्निंगचा वापर भाषांतर, प्रतिमा ओळख आणि वैद्यकीय निदान यासह अनेक क्षेत्रात होतो. भविष्यात, मशीन लर्निंगचा वापर भौतिकशास्त्र, रसायनशास्त्र आणि इतर अनेक क्षेत्रांमध्ये होण्याची अपेक्षा आहे. याच्या सहाय्याने मानवजातीचे भविष्य उज्ज्वल होऊ शकते.

परंतु, एआय च्या विकासामध्ये काही आव्हाने देखील आहेत. उदाहरणार्थ, एआयचा गैरवापर, गोपनीयता आणि नैतिक समस्या यासारख्या आव्हानांवर विचार करणे आवश्यक आहे.

२०२४ च्या भौतिकशास्त्रातील नोबेल पारितोषिकाबद्दल लोकप्रिय माहिती: 

मशीन लर्निंग ही कृत्रिम बुद्धिमत्तेची एक शाखा आहे कि ज्यामध्ये संगणकांना डेटाच्या आधारे स्वतः शिकण्याची क्षमता प्रदान केली जाते. उदाहरणार्थ, मशीन लर्निंग वापरून आपण आपल्या ईमेलमधील स्पॅम आणि महत्त्वाचे ईमेल स्वयंचलितपणे वेगळे करू शकतो.

आपणास माहीत आहे की संगणकाच्या साहाय्याने विविध भाषांमध्ये भाषांतर, प्रतिमांचे विश्लेषण आणि अगदी आपल्याशी संवाद साधने शक्य झाले आहे. पण कदाचित आपण अनभिज्ञ असतो की या तंत्रज्ञानामागे मोठ्या प्रमाणात डेटाचे विश्लेषण आणि वर्गीकरण करण्याचे क्लिष्ट संशोधन आहे. गेल्या दोन दशकात आर्टिफिशियल न्यूरल नेटवर्क (एएनएन) या संरचनेचा मोठा वापर असलेल्या मशीन लर्निंग या क्षेत्रात झपाट्याने प्रगती झाली आहे. कृत्रिम बुद्धिमत्तेच्या मुळाशी बहुतेकदा हेच तंत्रज्ञान आहे.

संगणक जरी स्वत: विचार करू शकत नसले तरी ते आता मानवी मेंदूच्या स्मृती आणि शिकण्याच्या प्रक्रियेची अधिक चांगल्या प्रकारे नक्कल करू शकतात. यंदाच्या भौतिकशास्त्रातील नोबेल विजेत्यांनी या क्षेत्रात महत्त्वपूर्ण योगदान दिले आहे. त्यांनी मेंदूतील न्यूरॉन्सप्रमाणेच कृत्रिम न्यूरल नेटवर्कमधील विशिष्ट संरचना वापरून माहितीवर प्रक्रिया (इन्फर्मेशन प्रोसेसिंग) करण्यासाठी भौतिकशास्त्राच्या मूलभूत तत्त्वांचा वापर करून तंत्रज्ञान विकसित केले आहे.

मशीन लर्निंग हे पारंपारिक सॉफ्टवेअरपेक्षा भिन्न आहे. पारंपारिक सॉफ्टवेअर हे एका विशिष्ट रीती नुसार काम करते, जसे आपण एखाद्या पाककृतीनुसार पदार्थ बनवतो. त्याला आपण डेटा देतो आणि संगणक त्या डेटावर आधारित विशिष्ट कार्य करतो. पण मशीन लर्निंगमध्ये, संगणक स्वतःच डेटाच्या आधारे शिकतो. हे एखाद्या लहान मुलाला शिकवण्यासारखे आहे. आपण त्याला शिकवताना अनेक उदाहरणे देतो आणि तो त्या उदाहरणांवरून स्वतःच नियम शिकतो. उदाहरणार्थ, जर आपण संगणकाला अनेक मांजरांची आणि कुत्र्यांची छायाचित्रे दाखवली, तर तो स्वतःच मांजर आणि कुत्रा यांच्यातील फरक शिकू शकतो.

एएनएन संपूर्ण नेटवर्क संरचना वापरून माहितीवर प्रक्रिया करते. यामागील प्रेरणा मानवी मेंदू कसा कार्य करतो याच्या सखोल अर्थबोधातून आली आहे. १९४० च्या दशकात, संशोधकांनी मेंदूतील न्यूरॉन्स आणि सायनॅप्सच्या जाळ्यात अंतर्भूत असलेल्या क्लिष्ट गणितीय संबंधांचा शोध घेण्यास सुरुवात केली. विशेष करून डोनाल्ड हेब यांच्या अध्ययन सिद्धांतामुळे मानसशास्त्रातूनही याला चालना मिळाली. हेब यांच्या मते, जेव्हा दोन न्यूरॉन्स एकत्र सक्रिय होतात, तेव्हा त्यांच्यातील सांधा मजबूत होतो अन्यथा तो कमकुवत असतो. 

या कल्पनांचा वापर करून, संशोधकांनी आर्टिफ़िशियल न्यूरल नेटवर्क तयार केले. यात, मेंदूतील न्यूरॉन्सची नक्कल नोड्सद्वारे केली जाते, ज्यांना भिन्न इनपुट मूल्ये दिली जातात. सिनॅप्सची नक्कल नोड्समधील कनेक्शन्सद्वारे केली जाते, जी मजबूत किंवा कमकुवत केली जाऊ शकतात. हेबचे नियम आजही आर्टिफ़िशियल नेटवर्क प्रशिक्षित करण्याच्या प्रक्रियेत एक महत्त्वपूर्ण भूमिका बजावतात.

१९६० च्या दशकाच्या अखेरीस, काही निराशाजनक संशोधन निष्कर्षांमुळे अनेक तज्ञांना असे वाटू लागले होते की आर्टिफ़िशियल न्यूरल नेटवर्क्सचा काहीही उपयोग होणार नाही. मात्र, १९८० च्या दशकात या क्षेत्रात नव्याने उत्साह निर्माण झाला. या दशकात झालेल्या काही महत्त्वपूर्ण शोधांमुळे, विशेषतः या वर्षीच्या नोबेल पुरस्कार विजेत्यांच्या योगदानामुळे, आर्टिफ़िशियल न्यूरल नेटवर्क्सवरील संशोधन पुन्हा जोरात सुरू झाले.

सहयोगी स्मृती

मानसशास्त्रात, सहयोगी स्मृतीला असंबंधित वस्तूंमधील संबंध शिकण्याची आणि लक्षात ठेवण्याची क्षमता म्हणून परिभाषित केले जाते. समजा, सिनेमा किंवा लेक्चर हॉलमधील उतार असलेल्या मजल्यासाठी वापरला जाणारा तो अनोखा शब्द तुम्हाला आठवत नाहीये. 'हंप' सारखा काहीतरी होता... कदाचित रोड...अल? नाही, तसा नाही. रेक, नाही.. रॅम्प होय, बरोबर तोच !' असे बरोबर उत्तराच्या निकटचे शब्द आपण आठवायचा प्रयत्न करत असता.

योग्य शब्द शोधण्यासाठी समान शब्दांद्वारे शोधण्याची ही प्रक्रिया १९८२ मध्ये जॉन हॉपफिल्ड यांनी शोधलेल्या "सहयोगी स्मृती" च्या तंत्राची आठवण करून देते. हॉपफिल्ड नेटवर्क हे एक प्रकारचे आर्टिफ़िशियल न्यूरल नेटवर्क आहे जे डेटा संग्रहित करू शकते आणि तो पुन्हा तयार करू शकते. जर या नेटवर्कला अपूर्ण किंवा थोडाफार बदललेला डेटा दिला गेला, तर नेटवर्क आपल्या संग्रहित नमुन्यांपैकी सर्वात जवळचा नमुना शोधून काढते.

हॉपफिल्ड यांनी पूर्वी भौतिकशास्त्रातील आपला अनुभव आण्विक जीवशास्त्रातील सैद्धांतिक समस्या सोडवण्यासाठी वापरला होता. एकदा न्यूरोसायन्सवर झालेल्या एका परिषदेत त्यांची नजर मेंदूच्या संरचनेवर पडली. तेव्हा मेंदूची संरचना तसेच कार्यपद्धती समजल्यावर ते खूप प्रभावित झाले आणि या कार्यपद्धतीचा वापर कृत्रिम न्यूरल नेटवर्कच्या सहाय्याने त्यांच्या डोक्यातील कल्पनेसाठी वापरला जाऊ शकतो हे त्यांना कळून चुकले. त्यांच्या मते जेव्हा अनेक न्यूरॉन्स एकत्र काम करतात, तेव्हा त्यांच्यापासून काही नवीन आणि अद्भुत गुणधर्म निर्माण होतात, जे एका न्यूरॉनला पाहून कधीच समजू शकत नाहीत. म्हणून त्यांनी एका न्यूरॉनऐवजी अनेक न्यूरॉनचे कृत्रिम नेटवर्क तयार करण्याची कल्पना मांडली.

१९८० मध्ये, जॉन हॉपफिल्ड यांनी भौतिकशास्त्रापेक्षा वेगळ्या क्षेत्रात काम करण्याच्या इराद्याने प्रिन्स्टन विद्यापीठातील पद सोडले. त्यानंतर ते कॅलटेकमध्ये रसायनशास्त्र आणि जीवशास्त्र विभागात प्राध्यापक म्हणून रुजू झाले. येथे त्यांना संगणक संसाधनांचा मोठ्या प्रमाणात वापर करण्याची संधी मिळाली, ज्याचा उपयोग त्यांनी आर्टिफ़िशियल न्यूरल नेटवर्कवरील आपल्या अभिनव संशोधनासाठी केला. 

तथापि, त्यांनी भौतिकशास्त्राची आपली नाळ तोडली नाही. त्यांना अनेक सुक्ष्म घटकांनी बनलेल्या प्रणालीत नवीन आणि मनोरंजक घटना कशा उद्भवतात, याचा अभ्यास करण्याची प्रेरणा मिळाली. विशेषतः, चुंबकीय पदार्थांवरील त्यांच्या अभ्यासात त्यांना अणूंच्या स्पिन या गुणधर्माबद्दल अधिक समज मिळाली. प्रत्येक अणू हा एक छोटा चुंबक असल्याने, शेजारच्या अणूंचे स्पिन एकमेकांवर प्रभाव टाकतात आणि त्यामुळे डोमेन (कार्यक्षेत्र) तयार होतात. त्यांनी या स्पिनच्या परस्परसंवादाचे गणिती मॉडेल तयार केले, ज्यामध्ये नोड्स आणि कनेक्शन्स वापरून पदार्थाच्या उत्क्रांतीचे वर्णन केले जाते.

नेटवर्क लँडस्केपमध्ये प्रतिमा जतन करते

हॉपफील्ड नेटवर्क हे एक प्रकारचे आर्टिफ़िशियल न्यूरल नेटवर्क आहे जे डिजिटल प्रतिमा जतन करण्यासाठी वापरले जाते. या नेटवर्कमध्ये असंख्य नोड्स असतात जे एकमेकांशी विविध ताकदींच्या सांध्यांद्वारे जोडलेले असतात. प्रत्येक नोड एक विशिष्ट मूल्य धारण करू शकतो, उदाहरणार्थ, एका ब्लॅक-व्हाईट फोटोतील एक पिक्सेल बायनरी संख्या प्रणालीतील '0' किंवा '1' ने दर्शवला जाऊ शकतो.

हॉपफील्ड यांनी या नेटवर्कच्या एकूण अवस्थेचे वर्णन भौतिकशास्त्रातील स्पिन सिस्टीमच्या ऊर्जेच्या संकल्पनेशी जोडले. एक सूत्र वापरून नेटवर्कची एकूण ऊर्जा मोजली जाते, जी सर्व नोड्सच्या मूल्यांवर आणि त्यांच्यातील कनेक्शन्सच्या ताकदींवर अवलंबून असते.

हॉपफील्ड नेटवर्कला एखादी प्रतिमा दाखवून प्रशिक्षित केले जाते. ही प्रतिमा नेटवर्कमधील नोड्सच्या मूल्यांमध्ये रूपांतरित केली जाते. नंतर, नेटवर्कची कनेक्शन्स अशा प्रकारे समायोजित केली जातात की प्रशिक्षित प्रतिमासाठीची नेटवर्कची ऊर्जा किमान होईल.

जेव्हा नेटवर्काला एक नवीन, अपूर्ण किंवा खराब प्रतिमा दाखवली जाते, तेव्हा नेटवर्क स्वतःच ही प्रतिमा तयार करण्याचा प्रयत्न करतो. तो प्रत्येक नोडचे मूल्य बदलून पाहतो आणि या बदलामुळे नेटवर्कची एकूण ऊर्जा कमी होते की वाढते हे तपासतो. जर ऊर्जा कमी झाली तर तो बदल स्थायी करतो. ही प्रक्रिया तेव्हापर्यंत चालू राहते जेव्हा नेटवर्क संतुलित असलेल्या स्थिर अवस्थेवर पोहोचते. या स्थिर अवस्थेत, नेटवर्कने मूळ, प्रशिक्षित प्रतिमेची प्रतिकृती तयार केलेली असते.

फेसबुक मध्ये माय अवतार पझल नावाची एक गेम आहे ज्यामध्ये आपल्या प्रोफाइल पिक्चर वरून कम्प्युटर आपल्या चेहऱ्याच्या वेगवेगळ्या अवतारातील प्रतिमा क्षणार्धात तयार करते. आपल्याला स्वतःच्या चेहऱ्याचे वेगवेगळे रूपांतर पाहून खूप मजा येते आणि आपण क्षणभर त्या नवीन रूपात स्वतःला ढकलून पाहतो. ही कृत्रिम बुद्धिमत्तेने तयार केलेली प्रतिमा ही अनेक संभाव्य संयोजनांचा वापर करून तयार केली जाते. या प्रक्रियेत कमीतकमी ऊर्जा खर्च होते.

जर आपण फक्त एकच नमुना कम्प्युटर मध्ये जतन केला, तर ही पद्धत इतकी लक्षणीय वाटणार नाही. कदाचित तुम्ही विचार करत असाल की आपण फक्त एक प्रतिमा का जतन करून तिची तपासल्या जात असलेल्या दुसऱ्या प्रतिमेशी तुलना का करू नये? पण हॉपफिल्डची पद्धत यापेक्षा खूपच वेगळी आहे. ही पद्धत एकाच वेळी अनेक प्रतिमा साठवू शकते आणि या नेटवर्कला त्यांच्यातील फरक सहज ओळखता येतो. 

हॉपफील्डने नेटवर्कद्वारे स्थिर अवस्था शोधण्याच्या प्रक्रियेची तुलना उंच सखल पृष्ठभागावरून घसरणाऱ्या आणि घर्षणामुळे हालचाल मंदावून थांबणाऱ्या चेंडूच्या उदाहरणाशी केली आहे. आपण जर एखाद्या उंचवट्यावरून चेंडू सोडल्यास तो सर्वात जवळच्या खोलगट भागात जाऊन थांबेल. त्याचप्रमाणे, जर आपण नेटवर्कला एखाद्या ज्ञात नमुन्याची माहिती दिली तर ते स्वतःच्या आंतरिक संरचनेनुसार त्याच्या सर्वात मिळत्या जुळत्या ज्ञात नमुन्याचा शोध घेण्याचा प्रयत्न करेल, जेथे नेटवर्कची ऊर्जा न्यूनतम असेल. याला आपण ऊर्जा भूदृश्यातील सर्वात खोल बिंदू शोधणे असेही म्हणू शकतो.

हॉपफिल्ड नेटवर्कचा उपयोग खराब झालेल्या किंवा नॉइज़ी डेटामधून मूळ डेटा पुनर्प्राप्त करण्यासाठी केला जातो. हॉपफिल्ड आणि इतर संशोधकांनी या नेटवर्कमध्ये अधिक जटिलता आणून, ते अधिक सक्षम बनवले आहे. या नेटवर्कमधील नोड्स फक्त 'शून्य' किंवा 'एक' ही दोनच मूल्ये धारण करण्याऐवजी, विविध मूल्ये धारण करू शकतात. उदाहरणार्थ, एका चित्रात, प्रत्येक नोड एक पिक्सेल दर्शवू शकतो आणि त्या पिक्सेलला अनेक रंग असू शकतात. यामुळे नेटवर्क विविध प्रकारची जटिल माहिती, जसे की विविध प्रकारची चित्रं, अधिक प्रभावीपणे हाताळू शकते. जर आपल्याकडे कोणत्याही माहितीचे अनेक डेटा पॉइंट्स उपलब्ध असतील, तर हॉपफिल्ड नेटवर्क त्या माहितीचे ओळखून पुनर्निर्माण करू शकते.

एकोणिसाव्या शतकातील भौतिकशास्त्र वापरून वर्गीकरण

एखादी प्रतिमा लक्षात ठेवणे सोपे आहे, पण ती काय दर्शवते हे समजून घेण्यासाठी अधिक विचार करावा लागतो.

लहान मुले देखील वेगवेगळ्या प्राण्यांकडे बोट दाखवून, आत्मविश्वासाने सांगू शकतात की तो कुत्रा, मांजर किंवा खारूताई आहे. ते कधीकधी चुकतीलही, पण बहुतांश वेळा त्यांचे उत्तर बरोबरच असते. प्रजाती किंवा सस्तन प्राणी यासारख्या संकल्पनांची कोणतीही सखोल माहिती नसतानाही मुले हे सहजपणे शिकू शकतात. काही उदाहरणे बघितल्यानंतर, मुलाच्या मनात प्राणी किंवा वस्तूंचे वेगवेगळे वर्ग तयार होतात. अशाच प्रकारे, ते मांजर ओळखण्यास, एखादा शब्द समजून घेण्यास किंवा खोलीतील बदललेल्या वातावरणाचा अनुभव घेण्यास शिकतात.

जेव्हा हॉपफिल्ड यांनी सहयोगी स्मृतीवरील त्यांचा लेख प्रकाशित केला तेव्हा जेफ्री हिंटन अमेरिकेतील पिट्सबर्ग येथील कार्नेगी मेलॉन विद्यापीठात कार्यरत होते. त्यांनी याआधी इंग्लंड आणि स्कॉटलंडमध्ये प्रयोगात्मक मानसशास्त्र आणि कृत्रिम बुद्धिमत्तेवर संशोधन केले होते. हिंटन यांचे लक्ष्य होते की, यंत्रे मानवांप्रमाणेच माहितीचे वर्गीकरण आणि अर्थ लावण्यासाठी नमुन्यांची ओळख करू शकतील का, हे शोधणे. त्यांचे सहकारी, टेरेन्स सेजनोव्स्की, यांनी हॉपफिल्ड नेटवर्क या संकल्पनेत सांख्यिकीय भौतिकशास्त्रातील तत्त्वांचा वापर करून नवीन बदल करण्याचा प्रयत्न केला.

सांख्यिकीय भौतिकशास्त्र (स्टॅटिस्टिकल फिजिक्स) हे अनेक समान कणांनी बनलेल्या प्रणालींचे, जसे की वायूतील रेणूंचे, भौतिक गुणधर्म समजून घेण्यासाठी वापरले जाते. प्रत्येक रेणू वेगवेगळ्या दिशेने आणि वेगाने गतिमान असला तरी, सर्व रेणूंच्या या यादृच्छिक हालचालींचा एकत्रित परिणाम म्हणून वायूचे गुणधर्म स्थिर राहतात. सर्व रेणूंच्या व्यक्तिगत हालचालींचे निरीक्षण करणे कठीण असले तरी, या हालचालींचा एकूण परिणाम म्हणून आपण वायूचा दाब, ऊर्जा, तापमान आणि विशिष्ट उष्णता क्षमता यांसारखे गुणधर्म मोजू शकतो.

असंख्य छोटे घटक एकत्रितपणे अस्तित्वात असणाऱ्या प्रणालींचे सांख्यिकीय भौतिकशास्त्रात विश्लेषण करून त्यांच्या विविध अवस्थांची संभाव्यता मोजली जाते. या प्रणालींमध्ये काही अवस्था इतर अवस्थांपेक्षा अधिक संभाव्य असतात; हे त्या प्रणालींमध्ये उपलब्ध ऊर्जेच्या प्रमाणावर अवलंबून असते हे लुडविग बोल्टझमन यांनी मांडलेल्या समीकरणाद्वारे स्पष्ट केले जाते. हिंटनच्या नेटवर्कमध्ये याच समीकरणाचा वापर करून 'बोल्टझमन मशीन' ही पद्धत १९८५ मध्ये विकसित केली गेली.

समान प्रकारची नवीन उदाहरणे शोधणे

बोल्टझमन मशीन सामान्यतः दोन प्रकारच्या नोड्स वापरून बनवली जातात: दृश्यमान नोड्स आणि लपलेले नोड्स. दृश्यमान नोड्सना माहिती दिली जाते, तर लपलेले नोड्स एक लपलेला स्तर तयार करतात. हे लपलेले नोड्स आणि त्यांची जोडणी संपूर्ण नेटवर्कच्या एकूण ऊर्जेत योगदान देतात.

बोल्टझमन मशीन चालू करण्यासाठी सर्व नोड्सच्या मूल्यांमध्ये एकाच वेळी बदल केले जातात. या प्रक्रियेत मशीन अशा स्थितीत पोहोचते जिथे नोड्सच्या मूल्यांमध्ये बदल होत असतात, परंतु संपूर्ण नेटवर्कची स्थिती स्थिर राहते. प्रत्येक संभाव्य स्थितीची एक विशिष्ट संभाव्यता असते जी बोल्टझमन समीकरणानुसार नेटवर्कच्या एकूण ऊर्जेवर अवलंबून असते. जेव्हा मशीन स्थिर होते तेव्हा ती एक नवीन नमुना तयार करते. यामुळे बोल्टझमन मशीन एक मूलभूत जनरेटिव्ह मॉडेल म्हणून ओळखली जाते.

बोल्टझमन मशीन शिकण्याची पद्धत थोडी वेगळी आहे. ते सूचनांवरून नव्हे तर उदाहरणांवरून शिकते. नेटवर्कमधील कनेक्शनांच्या मूल्यांमध्ये बदल करून हे प्रशिक्षण दिले जाते. प्रशिक्षणादरम्यान, जेव्हा नेटवर्कला विशिष्ट नमुने दाखवले जातात, तेव्हा मशीन त्या नमुन्यांना अनुरूप असलेले नमुने स्वतः तयार करण्याचा प्रयत्न करते. जेव्हा एकच नमुना अनेक वेळा दाखवला जातो, तेव्हा मशीन त्या नमुन्याला अधिक महत्त्व देते आणि त्यासारखे नमुने तयार करण्याची शक्यता वाढते. याचा अर्थ असा की, प्रशिक्षणादरम्यान जे नमुने दाखवले जातात, त्यासारखेच नवीन नमुने मशीन तयार करू शकते.

प्रशिक्षित बोल्टझमन मशीन पूर्वी पाहिलेल्या माहितीतील परिचित नमुने ओळखू शकते. जसे आपण आपल्या मित्राच्या भावंडांमध्ये साधर्म्य पाहतो, तसेच बोल्टझमन मशीनही प्रशिक्षणादरम्यान पाहिलेल्या माहितीशी संबंधित नवीन माहिती ओळखू शकते आणि माहितीतील फरकही शोधू शकते.

बोल्ट्झमन मशीन सुरुवातीला खूप मंद होत्या. मात्र, हिंटन यांच्यासारख्या शास्त्रज्ञांनी त्यांमध्ये सुधारणा करून त्यांना अधिक वेगवान बनवले. त्यांनी मशीनमधील काही कनेक्शन्स कमी करून ही कामगिरी साध्य केली.

१९९० च्या दशकात, आर्टिफ़िशियल न्यूरल नेटवर्क्सवरील संशोधन मंदावले असताना, हिंटन यांनी या क्षेत्रात काम करणे सुरूच ठेवले. त्यांच्या आणि त्यांच्या सहकाऱ्यांच्या बोल्ट्झमन मशीन संबंधित संशोधनामुळे या क्षेत्रात एक नवीन युग उजाडले. त्यांनी विकसित केलेल्या नवीन पद्धतीत बोल्टझमन मशीनचा वापर करून नेटवर्क्सना प्रशिक्षित केले जाऊ शकते. यामुळे नेटवर्क्सला चित्रांमधील वैशिष्ट्ये अधिक प्रभावीपणे ओळखता येऊ लागले. बोल्टझमन मशीनचा वापर चित्रपट किंवा टीव्ही मालिकांची शिफारस करण्यासाठी वापरल्या जाणाऱ्या मोठ्या डेटाचे विश्लेषण करण्यासाठी केला जाऊ शकतो.

मशीन लर्निंग - आज आणि उद्या

आर्टिफ़िशियल न्यूरल नेटवर्क्सच्या क्षेत्रात जॉन हॉपफिल्ड आणि जेफ्री हिंटन यांचे १९८० च्या दशकातील संशोधन आजच्या मशीन लर्निंग क्रांतीचे पायाभूत काम आहे. मोठ्या प्रमाणात डेटा आणि संगणन शक्ती उपलब्ध झाल्याने २०१० नंतर या क्षेत्रात प्रचंड प्रगती झाली. डीप न्यूरल नेटवर्क्स आणि डीप लर्निंग या तंत्रांचा विकासामध्ये हॉपफिल्ड आणि हिंटन यांच्या संशोधनाचे महत्त्वपूर्ण योगदान आहे.

१९८२ मध्ये हॉपफिल्ड यांनी लिहिलेल्या 'असोसिएटिव्ह मेमरी' या लेखात या क्षेत्रातील एक नवीन दृष्टिकोन मांडला. त्यांनी ३० नोड्स असलेले एक नेटवर्क वापरले. जर सर्व नोड्स एकमेकांशी जोडलेले असतील तर त्यात ४३५ कनेक्शन असतात. प्रत्येक नोडचे स्वतःचे मूल्य (इनपूट) असते आणि प्रत्येक कनेक्शनचे वेगळे सामर्थ्य असते. म्हणजेच, संपूर्ण नेटवर्कमध्ये ५०० पेक्षा कमी पॅरामीटर्स होते. त्यांनी १०० नोड्स असलेले नेटवर्कही तयार करण्याचा प्रयत्न केला, परंतु त्या काळातील संगणकांची मर्यादा याला अडथळा ठरली. याची तुलना आजच्या मोठ्या भाषा मॉडेल्सशी करता येते, जे लाखो कोटी पॅरामीटर्स असलेले विशाल नेटवर्क आहेत.

अनेक संशोधक आता मशीन लर्निंगच्या अनुप्रयोग क्षेत्राचा विकास करत आहेत. या तंत्रज्ञानाच्या वाढत्या वापरामुळे उद्भवलेल्या नैतिक मुद्द्यांवर सध्या व्यापक चर्चा होत असताना, भौतिकशास्त्रात मशीन लर्निंगचा वापर हा एक नवीन आणि रोमांचक क्षेत्र आहे.

भौतिकशास्त्राने मशीन लर्निंगच्या विकासात महत्त्वपूर्ण योगदान दिले आहे. आता आपण पाहतोय की मशीन लर्निंग भौतिकशास्त्रातील संशोधनासाठी उपयोगी ठरत आहे. उदाहरणार्थ, हिग्ज बोसॉन शोधण्यासाठी वापरल्या जाणाऱ्या मोठ्या डेटासेट्सचे  विश्लेषण करण्यासाठी मशीन लर्निंगचा विस्तृतपणे उपयोग केला जातोय. याशिवाय, कृष्णविवर टक्करांमधून उत्पन्न होणाऱ्या गुरुत्वीय लहरींचा अभ्यास, एक्सोप्लॅनेट्सचा शोध आणि नवीन कार्यक्षम मटेरियल्स तसेच नवीन औषधे शोधण्यासाठी मशीन लर्निंगचा उपयोग होत आहे. 

अलीकडच्या काळात, रेणू आणि पदार्थांच्या गुणधर्मांचा अंदाज लावण्यासाठीही मशीन लर्निंगचा वापर होऊ लागला आहे. उदाहरणार्थ, प्रथिनांची संरचना शोधण्यासाठी मशीन लर्निंगचा उपयोग होत आहे. २०२४ चे रसायनशास्त्रातील नोबेल पारितोषिक डेमिस हसाबिस, डेव्हिड बेकर आणि जॉन एम. जम्पर यांना कृत्रिम बुद्धिमत्तेच्या साहाय्याने केलेल्या प्रथिनांच्या संशोधनातील योगदानाबद्दल देण्यात आले आहे. डेमिस हसाबिस आणि जम्पर यांनी कृत्रिम बुद्धिमत्तेचा वापर करून जवळजवळ सर्व ज्ञात प्रथिनांच्या संरचनेचा अंदाज लावला तर बेकर यांनी नवीन प्रथिने तयार करण्याचा मार्ग शोधला आहे.

हे क्षेत्र अजूनही विकासाच्या प्रारंभिक टप्प्यावर आहे आणि भविष्यात या क्षेत्रातून अनेक नवीन शोध होण्याची अपेक्षा आहे. 

संदर्भ:- नोबेल पुरस्कार वेबसाईट

इलेक्शन ड्युटी

 इलेक्शन ड्युटी मधील विलक्षण अनुभव

लोकशाही प्रक्रियेत सहभागी होण्याची संधी नेहमी मत देण्याच्या स्वरूपातच येते असे नाही. काहीवेळा स्वतःच मतदान प्रणालीचा भाग होऊन प्रक्रियेत समाविष्ट होता येते. या मतदानात मला मतदान केंद्राध्यक्ष म्हणून महत्त्वाची जबाबदारी पार पाडावी लागली. इथे प्रस्तुत अनुभव जरी अपेक्षित असला तरी फायद्याचा आणि अंतर्दृष्टी देणारा ठरला.

निवडणूक ड्युटी मिळाल्यानंतर, संकलन केंद्रावरून सर्व निवडणूक साहित्य ताब्यात घ्यावे लागते. आदल्या दिवशी दिलेल्या मतदानाच्या केंद्रावर मुक्काम करून, साहित्याची काळजीपूर्वक देखभाल करणे आणि निवडणूक नियमांचे काटेकोरपणे पालन करणे हे साऱ्या टीमचे मुख्य कर्तव्य असते. निवडणूक संपल्यानंतर हे सर्व साहित्य योग्य रीतीने परत करणेही टीमच्या जबाबदाऱ्यांचा भाग असतो. मी यापूर्वी कधीही निवडणूक कर्त्यव्यामध्ये सहभागी झालो नव्हतो, परंतु या जबाबदाऱ्या पार पाडणाऱ्या अनेकांकडून मी याबाबत ऐकले होते. गेल्या दोन दिवसांत मला प्रत्यक्षात या कामाचा अनुभव घेता आला आणि "याची देही याची डोळा" या म्हणीचा खरा अर्थ मला समजला.

आव्हानात्मक परिस्थिती आणि मशीन बिघडण्याची किंवा अनपेक्षित घटनांची शक्यता असूनही, लोकशाही कर्तव्याचे हे दोन दिवस तितकेसे कठीण नसतात. कायदेशीर परिणाम ही चिंतेची बाब असली तरी हि आपली नैतिक जबाबदारी असते. तथापि, मला विश्वास वाटतो कि तुम्ही सर्वोत्तम प्रयत्न करूनही काही अनपेक्षित अडचणी आल्याच तर त्यात तुमचा मुळीच दोष नसतो. तुमची कृती माहितीवर आधारित आणि रास्त हेतूने प्रेरित असल्यामुळे, अनपेक्षित समस्यांसाठी तुम्हाला जबाबदार धरले जाणार नाही हे जाणून आत्मविश्वासाने सहभागी होण्यात अर्थ आहे.

त्यानुसार मी जिल्हा तसेच तालुका ठिकाणी आयोजित निवडणूक प्रशिक्षण कार्यक्रमांमध्ये सहभागी झालो. प्रशिक्षणाच्या काळात, मला अनेक गोष्टींची उत्सुकता होती. मला हे काम जमेल का? मला चांगली टीम मिळेल का? काही चुका तर होणार नाहीत ना? अशा अनेक प्रश्नांनी माझं मन व्यापून टाकलं होतं. प्रशिक्षणादरम्यान प्रशासनाने अथक परिश्रम करून नियोजन अतिशय सुरळीत केले. प्रशासनाची मेहनत आणि योजनेची यशस्वी अंमलबजावणी खरोखरच वाखाणण्याजोगी आहे.

दोन्ही प्रशिक्षण केंद्रांमध्ये उत्तम सोयी उपलब्ध करून देण्यात आल्या होत्या आणि प्रशासनाने व्हिडिओ, स्लाइड्स आणि प्रत्यक्ष डेमोंद्वारे नवख्यांच्या अनेक प्रश्नांची उत्तरे देण्याचा प्रयत्न केला होता. सर्व व्हिडिओ व्हॉट्सॲपद्वारे सदस्यांना शेअर करण्यात आले होते. मॉक टेस्टने सर्वांचा आत्मविश्वास उंचावला होता. यामुळे निवडणूक मतदान प्रक्रिया तितकी क्लिष्ट नाही हे पटवून देण्यात त्यांना यश मिळाले होते. पण एखाद्याने समजावून आपण ध्यानात ठेवणे आणि स्वतः करणे यामध्ये फरक आहे कारण थेरी आणि प्रॅक्टिकल याच्यामध्ये खूप तफावत असते. प्रत्यक्ष मतदानावेळी सर्व गोष्टी व्यवस्थित करता आल्या तर ठीक नाहीतर अवघड !

बऱ्याच जणांनी अधिकाऱ्यांपुढे आपल्या जबाबदाऱ्या आणि अडचणी मांडून मुभा मिळवली होती. मात्र, कर्तव्यातील हलगर्जीपणा हा त्रास टाळण्यासाठी की वास्तव  होता हे सांगणे कठीण आहे. पण मी हे कर्तव्य बजावण्याचे ठरवले कारण इतर सहकारी हे कर्तव्य पार पाडत असतात आणि त्यांनाही त्रास होत असणार. मग, आपण असाच त्रास का घेऊ नये? खरे तर ते राष्ट्रसेवेचे उदात्त कार्य आहे आणि तो माझ्या कर्तव्याचा भागही होता. जर तुम्हाला या कामाचा त्रास वाटत असेल तर त्यापासून दूर पळून कधीच समाधान मिळत नाही, पण त्यातून काही शिकायचे, देशाला मदत करायची आणि ते योग्य भावनेने करायचे ठरवले तर या जोखमीच्या कामातूनही तुम्हाला आनंद मिळू शकतो. या पार्श्वभूमीवर, मी हे निवडणूक कर्तव्य पार पाडण्याचे ठरवले आणि मतदानाच्या आदल्या दिवशी सकाळी सात वाजता बॅग घेऊन घरून निघालो. 

आम्ही मित्रगण सकाळी आठ वाजताच आमच्या एका मित्राच्या गाडीने तालुका वितरण केंद्रावर पोहोचलो. अनेक लोक मतदान साहित्य ताब्यात घेण्यासाठी रांगेत उभे होते. खूपच गर्दी होती आणि सर्वांनाच उत्सुकता होती की त्यांना सोयीचे मतदान केंद्र मिळाले आहे किंवा कसे ? निवडणूक कार्यकर्त्यांची मोठी संख्या, दुचाकी, चारचाकी, शासनाने पुरवलेल्या बस, टेम्पो ट्रॅक आणि इतर वाहनांमुळे परिसरात मोठी वाहतूक कोंडी निर्माण झाली होती. मतदान केंद्राजवळ एक मोठा मंडप उभारण्यात आला होता आणि लाउडस्पीकरवर सूचना दिल्या जात होत्या. चहा-नाश्त्याची व्यवस्था देखील करण्यात आली होती. चहा झाल्यावर, आम्ही आमच्या झोनल ऑफिसर तथा क्षेत्रीय अधिकारी यांच्या दालनात बसलो.

शेकडो टीम आणि हजारो कर्मचारी साहित्य वाटपासाठी बूथवर जमा झाले होते. टीम्सचे सदस्य वेळेवर न येणे आणि त्यामुळे वितरणाचे वेळापत्रक व्यवस्थापित करणे प्रशासकांसाठी कठीण होणे हे निश्चितच एक आव्हान आहे. प्रशासकांनी सदस्यांना वेळेवर येण्यासाठी प्रेरित करण्यासाठी रचनात्मक मार्ग शोधले पाहिजेत. टीमचे सर्व सदस्य उपस्थित असल्याची खात्री झाल्यानंतर, प्रत्येक टीममध्ये एक कॉन्स्टेबल आणि एक शिपाई जोडून, आम्हाला आदेशानुसार आमच्या मार्गावरील साहित्य वितरण केंद्राच्या बूथवर साहित्य मिळाले. साहित्य मिळाल्यानंतर, आम्ही पार्किंगमध्ये उभा असलेल्या आमच्या मार्गावरील बसमध्ये बसलो. त्या मार्गावरील सर्व टीम उपस्थित झाल्याखेरीज बस सुरू होणार नव्हती. कडक उन्हाळ्याच्या दिवशी थांबलेल्या बसमध्ये बसणे भयंकर आहे कारण वारा हलत नाही आणि छप्पर गरम होते ज्यामुळे तुम्हाला खूप घाम येतो आणि अस्वस्थ वाटते. बस मध्ये एका मार्गावरील कमाल पाच केंद्रांच्या टीम बसवलेल्या असतात. इतर टीमचे काही सभासद वेळेवर न आल्यामुळे, आमची बस थोडी उशिराने निघाली. दुपारी १२ च्या सुमारास, आम्ही आमचे संकलन केंद्र सोडले आणि इतर बूथ कर्मचाऱ्यांना विविध गावात सोडून दुपारी ३:३० पर्यंत आमच्या केंद्रावर पोहोचलो. माझ्या आठवणी थोड्या धुंद असल्या तरी, मला आठवतं की मी दोन-तीन वर्षांपूर्वी महामंडळाच्या बसमध्ये बसलो होतो. या कामासाठी, मी सहजपणे नवीन लोकांमध्ये मिसळून गेलो आणि प्रत्येक क्षणाचा पुरेपूर आनंद घेतला. मला टीमचा उत्साह आणि सहकार्य खूप प्रेरणादायी वाटलं.

या बस प्रवासातील एक विनोदी क्षण म्हणजे; जेव्हा आम्हाला अगोदरच्या केंद्राची टीम सोडण्यासाठी एका लहानशा गावाला जाण्यासाठी एका अरुंद रस्त्यावरून जावे लागणार होते, तिथे बसला वळायला पुरेशी जागा नव्हती. तरीही, बस ड्रायव्हर सांगत होता की "फाट्यावरच उतरा, नाहीतर बस अडकली तर पुढे जायला उशीर होईल." पण त्याच गावातील शिपायाने आग्रह केला, "बस वळते, जाऊ दे". मग ड्रायव्हरने यंदा परिस्थिती बदललेली असेल या आशेने पण मनाविरुद्ध, बस घातली आणि अपेक्षेप्रमाणे त्याला बस वळवणे जमले नाही. त्याला जवळपास एक किलोमीटर अंतर रिव्हर्स गिअर मध्ये गाडी चालवावी लागली. यात जवळजवळ एक तास तरी गेला असेल. एकतर केंद्रावर पोहोचून तयारी करणं याची आम्हाला घाई झाली असताना मध्येच हा वेळखाऊ प्रसंग उद्भवल्यामुळे थोडी नाराजी झाली. त्यामुळे काम करत असताना अनपेक्षित प्रसंग घडण्याची शक्यता आपण गृहीत धरली पाहिजे. पण हे कंटाळवाणे आणि वेळखाऊ प्रकरण आम्हांस शिकवणीतून एक विनोदी अनुभव देऊन गेले.

शेवटी, आमची बस मतदान केंद्र असलेल्या गावात पोहोचली. हे गाव सह्याद्रीच्या कुशीत, डोंगराच्या उतारावर तसेच पायथ्याशी वसलेले आहे. केंद्राच्या गावाचे नाव आणि भाग कळल्यावर असा अंदाज होता की अगदी दुर्गम खेड्यात जावे लागणार आहे. पण हे खरं नव्हतं. अतिशय टुमदार आणि पक्क्या रस्त्यांनी जोडलेलं हे गाव खूप विकसित दिसत होतं. त्यामुळे मतदानादरम्यान फारशा अडचणी येणार नाहीत याची खात्री झाली.

शक्यतो मतदान केंद्र प्राथमिक शाळेत असते आणि इथली शाळा गावच्या पायथ्याभागात असणार असे वाटले. परंतु, शाळाच टेकडीवर असल्याने रखरखत्या उन्हात, सर्व टीमने साहित्य आणि स्वतःच्या बॅगा घेऊन टेकडी चढण्यास सुरुवात केली. एकतर सकाळपासून उपवास, त्यात वेगवेगळ्या टीमला सोडताना झालेला उशीर आणि चैत्र महिन्याच्या दुपारच्या तीव्र उन्हामुळे असह्य उकाडा यांमुळे थकवा जाणवू लागला होता. कधी एकदा केंद्रावर पोहोचू आणि थोडा वेळ पंख्याखाली बसून थोडा आराम करू अशी इच्छा होत होती. त्यात अजून टेकडी चढायची असल्यामुळे त्रास होणं स्वाभाविक होतं. तरीही, दिलेल्या केंद्रावर पोहोचणं आवश्यक होतं. त्यामुळे मनाची अस्वस्थता बाजूला ठेवून, जिद्द आणि दृढनिश्चय दाखवून वाटचाल सुरू ठेवली.

अंगात घामाच्या धारा वाहत होत्या, जणू पाण्याचा झराच उगवला होता! सोबत घेतलेल्या पाण्याच्या बाटल्यातील पाणी गरम झाले होते, त्यामुळे तृप्ती मिळण्याऐवजी ते आणखी तहान वाढवत होते. जड साहित्य आणि बॅग सोबत घेऊन डोंगरावर चढणे खरोखरच दमछाक करणारे होते. मे महिन्यातील तीव्र उन्हात, ही चढाई सर्वांसाठी खरंच एक शारीरिक परीक्षा होती. तरीही, आम्ही धैर्याने आणि एका दमात ठिकाणावर पोहोचलो. घामाने सर्व कपडे ओले झाले होते आणि थकवाही खूपच जाणवत होता.

शाळेत पोहोचल्यावर, शिपायाने त्वरित दरवाजा आणि खिडक्या उघडल्या, तसेच लाईट आणि फॅन चालू केले. थंड हवेचा झोत आत येताच आणि पंख्याचा मंद गारवा वाटताच, सर्वजण पंख्याखाली सरसावले आणि थोडा वेळ विश्रांती घेतली. थंड हवेचा स्पर्श आणि पंख्याचा मंद गारवा थकलेल्या शरीरात नवीन ऊर्जा संचारित करत होता. थोड्याच वेळात सर्वांना ताजेतवाने आणि उत्साहित वाटू लागलं. थोडा वेळ विश्रांती घेतल्यानंतर, मन पुन्हा एकदा कामाला सुरुवात करण्यासाठी तयार झालं. आता, थकवा मागे सारून, उत्साह आणि नवीन ऊर्जेने सर्वांना काम करण्याची इच्छा होती. थोड्या वेळाचा विश्रांती खरंच खूप आवश्यक होती.

शाळा आणि सभोवतालचा परिसर भव्य आणि मनमोहक होता. टेकडीच्या माथ्यावर वसलेली ही शाळा विहंगम नैसर्गिक सौंदर्याचा खजिना होती. शाळेतून डोळ्यासमोर पसरलेला विस्तृत परिसर मन मोहून टाकणारा होता. आजूबाजूला छोट्या गावांसह शेतीने व्यापलेले भूदृश्य अत्यंत शांततापूर्ण आणि रम्य वाटत होते. डोंगरावरून खाली येणारी थंडगार हवा शरीरास स्पर्शून आनंददायी अनुभव देत होती.

आम्ही इमारत, स्वच्छतागृह आणि पाण्याची व्यवस्था पाहिली. शाळेच्या इमारतींचे छप्पर पत्र्याचे असूनही ते उत्तम स्थितीत होते. स्वच्छतागृहे असली तरी स्नानगृहे आणि पाण्याची व्यवस्था नव्हती. यंदाच्या उन्हाळ्यात मतदानादरम्यान पत्रे गरम होणार होते आणि आम्हाला दोन दिवस त्याच खोल्यांमध्ये काढावे लागणार होते. त्यावेळी, आम्हाला हे देखील माहित नव्हते की आम्हाला रात्री झोप लागणार होती किंवा नाही? आजूबाजूला मच्छर तर नसतील ना ? तरीही, आम्हाला सांगण्यात आलेल्या इतर मतदान केंद्रांपेक्षा हे केंद्र निश्चितच चांगले होते. दगडापेक्षा वीट मऊ !

आम्ही शिपायाला खोली स्वच्छ करण्यास आणि जमखाना अंथरून देण्यास सांगितले. तोपर्यंत, सर्वांना भूक लागली होती कारण नाश्त्यानंतर आम्ही काहीच खाल्ले नव्हते. निवडणुकीच्या कामांमध्ये लक्ष केंद्रित करण्यासाठी पोटभर जेवण आवश्यक होते. म्हणून, भुकेच्या तडाख्यात सर्वांनी घरातून दोन दिवसांसाठी पुरेसे जेवण असलेले डबे सहभोजनात एका वेळीच संपवले.

सूर्य मावळतीला झुकत होता आणि दुपारच्या तुलनेत उष्णता कमी झाल्याने, आम्ही त्वरित मतदान केंद्र उभारण्यास सुरुवात केली. यामध्ये टेबल, मतदारांच्या येण्याची आणि जाण्याची दिशा, मतदान यंत्रांची ठिकाणे, विविध फलक नेमून दिलेल्या ठिकाणी लावण्यात आले होते. मतदान केंद्र उभारल्यानंतर, लगबग करून आम्ही महत्त्वाचे फॉर्म भरले, मतदान यंत्र आणि पाकिटे तपासली आणि इतर आवश्यक तयारी पूर्ण केली. या पूर्वतयारीमुळेच दुसऱ्या दिवशी मतदान पूर्ण झाल्यानंतर आम्हाला त्वरित आवराआवरा करण्यास मदत झाली.

मतदानाच्या मुक्कामात मोफत जेवण घेऊ नये असे प्रशिक्षणादरम्यान सुचवण्यात आल्याने, आम्ही प्रशासनाने उपलब्ध करून दिलेल्या सोयीच्या ठिकाणी जेवण घेण्याचा निर्णय घेतला. त्यानुसार, आम्ही रात्रीच्या जेवणाबरोबरच दुसऱ्या दिवसाच्या चहा-नाश्ता आणि जेवणाची ऑर्डर दिली. जेवण तयार होईपर्यंत आम्ही उर्वरित तयारी पूर्ण केली. शाळेच्या समोर दगडी फरशीच्या कट्ट्यावर वर्तुळाकृती भारतीय बैठक मारून आकाशाच्या छताखाली जेवणाचे पार्सल खोलले. वा! किती अद्भुत अनुभव होता! हे नुसतेच जेवण नव्हते तर कर्तव्याने नवीन जोडलेल्या मित्रांसोबत एकत्र बसून विचारपूस आणि गप्पा मारत सजलेली मैफिलच होती ती. घरगुती पद्धतीचे उत्तम जेवण जेवल्यानंतर आम्ही थोडा वेळ पटांगणात फिरून घालवला. दुपारच्या उन्हाच्या तीव्रतेनंतर थंड वारा आणि ताजेतवाने वातावरण अनुभवणे खरंच खूप आनंददायी होते! 

थकव्याने अंथरुणावर पडल्यावर कधी झोप लागली हेच मला लक्षात आले नाही. टेकडीवरून खेळती हवा येत असल्यामुळे वातावरण थंड होते. मच्छरही नसल्यामुळे रात्री आम्हाला खूप चांगली झोप लागली. शहरातील घाईघाईच्या जीवनातून थोडा वेळ बाहेर पडून निसर्गाच्या सानिध्यात शांतता अनुभवणे खरंच खूप आनंददायी होते. माझे मूळ गाव खेडेगाव असल्याने आणि शालेय जीवनापर्यंत मी शेतात किंवा शेतातील घरात झोपायचो त्यामुळे हे अनुभव माझ्यासाठी नवीन नव्हते, तरीही ते क्षण खूप दिवसांनी पुन्हा अनुभवता आल्याचा आनंद झाला. निवडणूक केंद्रातील झोपेबद्दल आम्ही जे अनुभवले ते ऐकल्यापेक्षा पूर्णपणे अलग होते.

भल्या पहाटे ठीक चार वाजता जागे होणं आणि इतर सहकाऱ्यांना उठवून मॉक पोलच्या तयारीला लागणं हा एक वेगळाच अनुभव होता. दररोज गरम पाणी आणि शॉवरचा वापर करणारा मी, त्या दिवशी मात्र थंड पाण्याने मिनी आंघोळ करून दिवसाची सुरुवात करत होतो. मगामधून पाणी घेऊन हात, पाय आणि तोंड धुणे हे ग्रामीण जीवनाशी जवळून परिचित असलेल्या माझ्यासाठी नवीन नव्हते. यातूनच माझ्या मनात विचार आला की, ज्यांनी कधीही ग्रामीण भागात राहण्याचा अनुभव घेतला नाही त्यांच्यासाठी हे क्षण किती कठीण आणि मेहनतीचे असतील ? तरीही, आमच्या सुदैवाने आणि चांगल्या टीमवर्कमुळे सर्व मतदान यंत्रे यशस्वीरित्या जोडून मॉक पोल पूर्णपणे यशस्वी झाला. मतदानाचा पहिला टप्पा यशस्वीरित्या पार पडल्यानंतर, सर्वांनी सुटकेचा निश्वास सोडला. आता पुढे मोठे तांत्रिक अडथळे येण्याची शक्यता कमी होती.

मतदान सकाळी सात वाजता सुरू झाले होते. पण आम्ही लवकर जागे झाल्यामुळे आणि सकाळी उठल्यावर ताबडतोब ब्रश करून चहा आणि नाश्ता करण्याची सवय असल्यामुळे, मतदानाच्या वेळेपर्यंत आमच्या पोटात कावळे ओरडत होते आणि ओठ तहानेने सुकले होते. सर्वजण व्यस्त असल्यामुळे कोणीही याकडे लक्ष देत नव्हते. शेवटी मलाच पोलिंग एजंटला सांगावे लागले, "अरे, पाणी तरी द्या!" तेव्हा मग त्यांनी थंड पाण्याचा जार आणून दिला. त्यामुळे दिवसभर थंड पाण्याची व्यवस्था झाली. मग त्यानंतर ओठ कोरडे पडले नाहीत.

पोटात भुकेने आगीची ज्वाला पेटली होती. मतदानाची रांग संपत नव्हती. माझे सहकारी त्यांच्या त्यांच्या कामात गुंतलेले होते. मी देखील विविध फॉर्म भरणे, मतदान प्रक्रियेवर लक्ष ठेवणे आणि इतर कामात व्यस्त असल्यामुळे नाश्ता मागवायला विसरलो होतो. शेवटी आठ वाजता एकदाचा नाश्ता आला आणि आम्ही सर्वजण काम करतच नाश्ता केला. थंड पाणी प्यायल्यानंतर आम्ही पुन्हा मतदान सुरू ठेवले.

मतदान अविरतपणे चालू होते. विशेषतः, मोठ्या संख्येने वयोवृद्ध महिला आणि पुरुष मतदानासाठी उपस्थित होते. त्यापैकी बरेच निरक्षर होते. काही लोकांच्या ओळखपत्रात नावे बदलली होती किंवा झेरॉक्स कॉपी दाखवल्या जात होत्या. अशा परिस्थितीत, पोलिंग एजंटच्या मदतीने आणि नियमांचे पालन करून, मतदानाचा हक्क बजावण्यास पात्र असलेल्या प्रत्येकाला मतदान करण्याची संधी देण्यात आली.

नाश्त्याच्या काही तासांतच दुपारचे जेवण आले! सतत सुरू असलेल्या मतदान प्रक्रियेमुळे आम्हाला एकत्र जेवता आले नाही त्यामुळे आम्ही आळीपाळीने जेवण घेतले पण मतदानात व्यत्यय येऊ दिला नाही. मतदान केंद्राबाहेर काही लोकांनी वयोवृद्ध, निरक्षर आणि कमकुवत दृष्टी असलेल्या मतदारांना मदत करण्यासाठी त्यांच्यापैकी कुणाला तरी मतदान कक्षात प्रवेश द्यावा या गोष्टीवरून थोडा वाद घातल्याने थोडा गोंधळ निर्माण झाला होता. तथापि, हे मतदान केंद्र सीसीटीव्हीच्या लाईव्ह कव्हरेजखाली असल्याने परिस्थिती योग्यरित्या हाताळली गेली आणि निवडणूक प्रक्रिया सुरू राहिली. ही घटना वगळता, दिवसभर मतदान शांततेत आणि उत्साहात पार पडले.

वेळोवेळी आमच्या विभागातील आणि मार्गावरील दहा केंद्रांचा झोनल तथा सेक्टर ऑफिसर केंद्रांना भेटी देत असे. फोन तसेच व्हॉट्सअपद्वारे संपर्क साधत मतदान आकडेवारीचे अपडेट घेत असे. हा अधिकारी निवडणूक व्यवस्थापनात केंद्राध्यक्ष आणि प्रशासन यांच्यातील मुख्य दुवा असतो. मतदान केंद्राला आवश्यक सर्व प्रकारची मदत हाच अधिकारी करत असतो. प्रक्रिया पूर्ण होईपर्यंत व्यवस्थापनाची जबाबदारी यांच्यावर असते. त्यामुळे तो खूप सहकार्य करत होता. यावेळी, त्यांनी मतदानाची आकडेवारी ऑनलाइन पद्धतीने भरण्याची सुविधा उपलब्ध करून दिली होती, ज्यामुळे डेटा लवकर एकत्रित करणे शक्य झाले. 

सकाळी सात ते दुपारी साडेतीन पर्यंत, जवळपास सर्व इच्छुक मतदारांनी आपला मतदानाचा हक्क बजावला होता. विशेषतः, शेवटच्या तासाभरात तुलनेने कमी मतदान झाले आणि बरोबर सहा वाजता मतदान प्रक्रिया अडथळ्याशिवाय यशस्वीरित्या पार पडली. प्रत्यक्ष मतदानादरम्यान विविध अडचणी निर्माण झाल्या, मग ते ओळखपत्र असो वा मतदान. अगदी पोलिंग एजंट आणि माझ्या मतदान अधिकाऱ्यांच्या मदतीने त्याचा बंदोबस्त झाला पण त्यामुळे मतदान प्रक्रिया मंदावली.  

मतदान संपल्यानंतर, सर्व मशीन शिलबंद करण्यात आल्या. वितरण केंद्रावरून मिळालेलं सर्व साहित्य परत करणं आवश्यक होतं. त्यासोबतच महत्त्वाचे अर्ज, लिफाफे, शिक्के, इतर साहित्य आणि केंद्राध्यक्षांचा अहवाल दिलेल्या आवश्यक नमुन्यात भरून, सर्व सहकाऱ्यांच्या स्वाक्षरीसह पूर्ण करणं गरजेचं होतं. या कामांमध्ये थोडी गडबड उडाली, कारण पुढच्या केंद्राकडून फोन येत होते आणि बस ड्रायव्हर फोन करत होता. त्यामुळे ताण वाढत होता. पण, आमच्या शेजारील केंद्र क्रमांक दोन मधील सहकारी मदतीसाठी आले आणि त्यांच्या सहकार्याने ते काम अर्ध्या तासात पूर्ण झालं.

माझ्या टीममधील सर्व सहकाऱ्यांनी उत्तम टीम भावनेने काम करून मतदान सुरळीत पार पाडण्यासाठी शतप्रतिशत योगदान दिलं. मी केंद्राध्यक्ष असलो तरी, पद प्रतिष्ठा बाजूला ठेवून, खेळीमेळीने आणि जबाबदारीने बहुतांश काम त्यांनीच केलं; विशेषतः मतदान अधिकारी क्रमांक एक ! ही बाब निश्चित कौतुकास्पद आहे.

बरोबर साडेसात वाजता मतदान केंद्र बंद करून आम्ही साहित्यानिशी गावाबाहेर बस थांबलेल्या ठिकाणी पोहोचलो. परतताना घराची ओढ असल्याने चालण्याचा त्रास झाला नाही. बस मध्ये बसलो तेव्हा समजले की पुढच्या केंद्रावरील टीम अजून फाट्यावर येणार होती. ड्रायव्हरला वळवायची अडचण असल्याने त्या गावात परत बस नेणार नव्हता, त्यामुळे त्यांना फाट्यावरून घेऊन जाण्याचे ठरले. पंधरा मिनिटांनंतर टीम फाट्यावर पोहोचली आणि आम्ही त्यांना घेऊन पुढे निघालो. परतताना मनात मिश्र भावना होत्या- मन प्रसन्न पण शरीर थकलेलं ! जबाबदारी पूर्ण केल्याचे आंतरिक समाधान जास्त होते, पण कठोर परिश्रम आणि थकव्यामुळे अंग दुखत होते. विश्रांतीची नितांत गरज होती. त्यामुळे बसमध्ये डुलकी कधी लागली हे समजले नाही. पुढची टीम त्याच्या पंधरा मिनिटांनंतर आली आणि मजल दरमजल करत आम्ही साडेआठ वाजता संकलन केंद्रावर पोहोचलो.

एकामागून एक, सर्व मार्गावरील बस, त्यांच्या टीमसह, संकलन केंद्राकडे परतत होत्या. मंडपात फारशी गर्दी नसल्याचे लक्षात घेऊन, आम्ही साहित्य घेऊन मंडपाकडे निघालो. जास्तीत जास्त वीस संघ पोहोचले असतील. लाऊडस्पीकर वर जेवण व्यवस्थेची घोषणा चालू होती. त्यामुळे वेळ होऊन सुद्धा कुणीही जेवणाच्या मनस्थितीत नव्हते. सर्वांना वाटत होते एकदाचे साहित्य परत करू आणि मग जेवणाचं बघू. अर्ध्या तासात साहित्य जमा करून लवकरात लवकर घरी पोहोचू असे आम्हाला वाटले. पण अपेक्षित घडले नाही.

सुरुवातीला, झोनल ऑफिसर दालनात साहित्य घेऊन आम्ही दाटीवाटीत उभे राहून वाट बघत बसलो. आमचा झोनल ऑफिसर नवीन असल्याने, साहित्य जमा करण्यासाठी आवश्यक क्लिअरन्स सर्टिफिकेटसाठी कोणते फॉर्म जमा करायचे याबद्दल तो गोंधळात होता. तो सिनियरची मदत घेत, पुन्हा माहिती भरत आणि अहवाल पुन्हा पुन्हा तपासत होता. यामुळे बराच वेळ वाया गेला. त्यामुळे, आम्ही प्रथम जेवण उरकून मग साहित्य जमा करण्याचा निर्णय घेतला. एका एकाने आम्ही अर्ध्या तासात जेवण उरकले. त्यांनी शिरा, भात आणि आमटी यांचा समावेश असलेले जेवण पुरवले होते. जेवण झाल्यावर, आम्ही पुन्हा साहित्याकडे वळलो. 

एव्हाना रात्रीचे साडेअकरा वाजले होते आणि मंडप खचाखच भरलेला होता. वेळेवर जेवण मिळाल्याने आम्ही निर्धास्त झालो होतो. परतायला उशीर झाला तरीही आता घरी जेवणाची चिंता नव्हती कारण आम्ही आधीच जेवून घेतले होते. आता साहित्य जमा करण्यास उशीर होणार हे निश्चित झाल्यावर, आम्ही त्यासाठी मानसिक तयारी करू लागलो. तेव्हाच सुदैवाने आमचा ऑफिसर डेस्कजवळ पोहोचला आणि आम्हाला आवश्यक नमुना भरून दिला. मला अंदाज होता की कदाचित पुढील काही मिनिटांत साहित्य जमा होईल आणि आम्ही घरी जाण्यासाठी मुक्त होऊ. साहित्य जमा करायच्या काउंटरला गेलो तर आमच्यापुढे एक टीम अगोदरच रांगेत उभी होती. 

पुढच्या टीमला काय काय मागणी आहे, काय काय अडचणी येत आहेत यानुसार आम्ही आमची कागदपत्रे पूर्ण करत होतो आणि एकदाचा आमचा नंबर आला. साहित्य जमा करून घेणारी टीम अतिशय काळजीपूर्वक काम करत होती. जसे आमचे सर्व साहित्य जमा होण्याची वेळ जवळ आली, तसे दोन रबरी शिक्के गहाळ झाल्याचे दिसून आले. आमच्या सहकाऱ्याच्या लगेचच हे लक्षात आले आणि त्याने दोन मिनिटांतच त्याच्या बॅगमध्ये असलेले ते दोन शिक्के शोधून काढून जमा केले आणि अशा पद्धतीने आम्ही सर्व साहित्य परत करण्यात यशस्वी झालो होतो.

आम्हाला रात्री पावणे बारा वाजता रिलीव्हिंग सर्टिफिकेट मिळाले. माझ्याकडे जमा असलेला सर्व सहकाऱ्यांचा भत्ता बैजवार वाटला आणि सर्वांचे आभार मानून निरोप घेतला. कर्तव्य मोहीम यशस्वीरित्या पूर्ण झाल्याने मनावर तीळमात्रही दबाव नव्हता. दोन दिवसांच्या कठोर परिश्रमाचा ताण विरघळून गेला होता. समाधानाने सुटकेचा निःश्वास सोडून, थंड पाणी प्यायलो आणि खुर्चीवर बसून थोडा वेळ विश्रांती घेतली. माझ्या मनाला अजूनही पटत नव्हते की आमची निवडणूक ड्युटी संपली आहे आणि आम्ही सर्व साहित्य यथासांगत परत केले आहे.

मध्यरात्री, एक दीर्घ आणि कठीण दिवस संपल्याचे संकेत देत, मी गोंधळलेल्या निवडणूक संकलन केंद्रातून बाहेर आलो. या निवडणूक ड्युटी मध्ये इतर केंद्रावर असलेले, माझ्यासोबत आलेले माझे दोन मित्र आधीच त्यांचे साहित्य जमा करून माझ्या येण्याची आतुरतेने वाट पाहत होते. थकवा आणि समाधानाचा एक सामायिक उसासा टाकून, आम्ही आमच्या वाट पाहत असलेल्या वाहनाकडे निघालो. दोन दिवसांच्या खडतर मोहिमेनंतर आमच्या अंतःकरणात घरी परतण्याची ओढ होती. 

लांबच्या प्रवासामुळे मला विचार करायला पुरेसा वेळ मिळाला, ज्यामुळे मला लोकशाही प्रक्रियेतील आपल्या योगदानाचे महत्त्व कळले. प्रवासात कर्तृत्वाची जाणीव तर झालीच पण निवडणूक कर्तव्ये यशस्वीरीत्या पूर्ण केल्यामुळे अभिमानाची आणि पूर्णतेची खोल भावना मनात निर्माण झाली. आम्ही लोकशाही प्रक्रिया टिकवून ठेवण्यासाठी आमचे कर्तव्य बजावले होते. 

परतीचा प्रवास हा दिवे आणि लुप्त होत चाललेल्या संभाषणांचा होता, प्रत्येक मैलाचा प्रवास आम्हाला आमच्या स्वतःच्या घरांच्या सोयी आणि ओळखीच्या जवळ आणत होता. प्रदीर्घ उकाडा आणि कामाच्या तीव्र ताणामुळे शारीरिक आणि मानसिक थकवा असूनही, सौहार्द आणि सामायिक हेतूने आम्हाला एकत्र बांधले होते. ग्रामीण भागात मतदान केंद्रावर असल्यामुळे, मला स्थानिक संस्कृती आणि लोकांच्या जीवनशैलीचा अनुभव घेता आला.

घरी पोहोचलो तर सर्वजण गाढ झोपेत होते. त्यांच्या विश्रांतीत अजिबात व्यत्यय न आणता थेट बेडरूम मध्ये गेलो. फ्रेश होऊन लगेच झोपलो. 

- केशव राजपुरे

पालकांची भूमिका काय असावी ?

मुलं, जबाबदाऱ्या, वाईट सवयी, वाद आणि उपाय

हल्ली मुलांचं विचित्र वागणं तसेच त्यांच्या वाईट सवयी यामुळे त्यांच्या एकूण व्यक्तीमत्व तसेच जीवनशैलीत झालेल्या बदलामुळे घरात तणावाची परिस्थिती निर्माण होते, पालकांना काय करावे सुचत नाही आणि सर्वजण बिथरून जातात. बऱ्याचदा कुटुंबामध्ये वादावादीचे प्रसंग येतात. 

या पिढीला मिळालेली एक महत्त्वाची गोष्ट म्हणजे इंटरनेट आणि स्मार्ट फोन गॅझेट्स. त्यांना इंटरनेटवरील संपूर्ण माहिती उपलब्ध आहे ज्यामध्ये ८०% पेक्षा जास्त भाग प्रौढत्वाविषयी व्हिडीओ, फोटो आणि लेख आहेत, त्यामुळे नवोदित वयात त्यांच्या दृष्टीने असुरक्षित माहितीच्या संपर्कात आल्यावर त्यांच्या नैसर्गिक भावनांवर नियंत्रण ठेवणे त्यांच्यासाठी खूप कठीण जाते. त्यात चॅटिंग, मैत्री आणि संवाद सुलभ करण्यासाठी बोटाच्या टोकावर व्हॉट्सॲप, फेसबुक, इन्स्टाग्राम सारखी सोशल मीडिया उपलब्ध आहेतच. स्मार्टफोन सारख्या गॅजेटचा अतिवापर, तसेच पाश्चिमात्य संस्कृतीचं अवलंबन, त्याच्यातून निर्माण झालेल्या संपर्कवलयात रिलॅक्स होण्यासाठी तसेच गमती करण्यासाठीच्या अतिउल्लासाच्या सवयींमुळे मुलांचे ना धड अभ्यासात लक्ष लागते ना ते घर कामात मदत करतात, ती एकूणच विचित्र वागू लागतात आणि त्यांचे स्वास्थ्य देखील बिघडतं. यामुळे पालक ही हैराण होऊन जातात आणि मुलांना याच्यातून बाहेर कसे काढावे याबाबत त्यांना काही सुचत नाही. 

बऱ्याच वेळा मुलांना देखील माहित असते की त्यांना वाईट सवयी आहेत आणि ते चुकीचे वागत आहेत परंतु हे समजून देखील ते या सवयीच्या आधीन झालेले असतात आणि इच्छा असूनही अशा विचित्र परिस्थितीतून त्यांना बाहेर पडणे अशक्य होते. पालकांच्या जेव्हा ही गोष्ट लक्षात येते तेव्हा मात्र खूप उशीर झालेला असतो. 

मला वाटतं, पालक आणि मुलांच्यातील दुर्मिळ झालेला किंवा लोक पावत चाललेला संवाद, मुलांच्यावर प्रमाणापेक्षा जास्त ठेवलेला विश्वास, पुरवलेले लाड, अनावश्यक व्यस्तता आणि मुलांचं पालकांना गृहीत धरणं या आणि अशा अनेक गोष्टी यांस जबाबदार आहेत. 

अशाप्रसंगी संवादावर भर ठेवणं महत्त्वाचं आहे, पालकांनी मुलांच्या अडीअडचणी, त्यांच्या सवयी तसेच संगती बद्दल त्यांच्याशी बोलणं आवश्यक आहे. त्यांना जीवनमूल्यांविषयी महत्त्वाच्या गोष्टी सांगणं आवश्यक आहे. हे सांगत असताना मुलांना काही विशिष्ट मर्यादा घालून देणे पालकांचे कर्तव्य आहे; त्यामध्ये त्यांचा दिनक्रम असेल, त्यांच्या खाण्याच्या पद्धती असतील, त्यांच्या संगती असतील, अनाठाई खर्च असेल, वाईट सवयींना आळा असेल. संतुलित जीवन जगत असताना वाईट सवयींना कसा फाटा द्यायचा, त्याचे दुष्परिणाम काय आहेत हे मुलांना सविस्तर समजावून सांगणं गरजेचे आहे. हल्ली माणसं गप्प गप्प झाली आहेत ते इतरांशी सोडा घरातल्यांशीही अल्पसंवाद साधतात. हीच गोष्ट मुलांच्या या सवयी आणि भवितव्याच्या विषयी मारक ठरतात याची कल्पनाही पालकांना नसते. 

मुलांशी मुक्त संवाद साधण्याबरोबरच त्यांना काही कौटुंबिक जबाबदाऱ्या देखील देणं आवश्यक आहे. जेणेकरून त्यांच्याकडे असणारा फावला वेळ घरातील कामं करण्यासाठी उपयोगी पडेल. त्यामुळे पालकांचा कामाचा बोजा तर कमी होईलच पण मुलांना जबाबदारी तसेच कुटुंबात घट्ट बंध निर्माण करण्यासाठी हा वेळ उपयोगी होईल. त्याच्यामुळे चांगल्या सवयी लागतील आणि त्यांच्या वाईट सवयींमधून त्यांना बाहेर यायला मदत होईल. 

मुलांच्या चुकांबद्दल आणि सवयींबद्दल त्यांच्यावर ओरडणं किंवा त्यांना शिक्षा देण्यावर भर देण्यापेक्षा शांतपणे त्यांच्या चुका दाखवून त्याची कारणमीमांसा करावी. त्यांना मोठ्या मनाने माफ करावे आणि कधीच चुकांची आठवण करून देऊ नये. उलट, ते ज्या छोट्या छोट्या गोष्टी करतात त्याविषयी त्यांचं कौतुक करणं, त्यांना प्रेरित करणं, त्यांना पाठिंबा देत जबाबदाऱ्या पार पाडल्यानंतर त्यांचे कौतुक करणं आवश्यक आहे. हळूहळू, त्यांना त्यांच्या चुका लक्षात येतील आणि तुमच्या पालकांनी त्यांना मनापासून क्षमा केली आहे हे त्यांना समजेल. त्यांना स्वतःबद्दल अपराधी वाटू लागेल. त्यामुळे त्यांच्यात नक्कीच बदल होऊन त्यांच्याभोवती सकारात्मक वातावरण निर्मिती होईल. वेळोवेळी त्यांच्या दिनचर्येबाबत चौकशी करून विचारणा करणं आणि माहिती घेणं हे देखील तितकंच महत्त्वाचं आहे त्यामुळे मुलांच्या लक्षात येईल की आपले पालक आपल्यावर लक्ष ठेवून आहेत मग ते आपोआप मर्यादेत वागतील. 

तसं बघितलं तर पालकत्व निभावण तेवढं सोपं काम नाही. बऱ्याचदा या सगळ्या गोष्टी करून देखील मुलांच्या सवयीत तितका फरक पडत नाही. अशा वेळी तज्ञांच्या मार्गदर्शनाने मुलांच समुपदेशन करायला लागलं तरी काही हरकत नाही ज्यामुळे मुलांना काय करायला पाहिजे आणि काही करू नये याविषयी समज निर्माण होईल. आणि गरज भासल्यास सुचवलेला डॉक्टरी इलाज करायला हवा.   

वेळ देत, मुक्त संवाद राखत, मर्यादेत ठेवून आणि त्यांच्या भोवती आश्वासक वातावरण निर्माण करून पालक आपल्या मुलांना या आव्हानांवर मात करण्यास मदत करू शकतात. एकत्र वेळ घालवत, सलोखा जपत आणि वाईट सवयींना सकारात्मकतेने बदलून, पालक कुटुंबात शांती आणि मजबूत नातेसंबंध निर्माण करू शकतात.

- प्रा केशव राजपुरे

चांगुलपणा

चांगुलपणा 

अलीकडेच, माझ्या माहितीतले एकजण अचानक निर्वतले. मी त्यांच्या अंत्यदर्शनासाठी घरी गेलो होतो. दुर्दैवाने त्यावेळी त्यांच्या जवळच्या नातेवाईकांव्यतिरिक्त मोजकेच लोक उपस्थित होते. त्यांना हृदयविकाराचा झटका येऊन गेला होता आणि त्यांचे ऑपरेशन देखील यशस्वी झाले होते. त्यांना रुग्णालयातून सुट्टी मिळणार आणि अचानक त्यांच्या छातीत दुखले ते शेवटचेच ! चालता-बोलता माणूस असा अचानक जातो आणि त्याच्या अंत्यसंस्कारावेळी ही अल्प उपस्थिती पाहिल्यानंतर मी थोडा गोंधळून गेलो. अलीकडे माणसाकडे वेळ नाही, परंतु ते चित्र मला अस्वस्थ करून गेले.

तसं बघितलं तर त्या सहकाऱ्यांचं कुटुंब केले ५० वर्ष इथे वास्तव्यास आहे. वस्तुतः इथे त्यांच्या मालकीचे घर आहे तसेच त्यांचे नातेवाईक आसपासच राहतात. ते बहुदा परगावातील असल्यामुळे त्यांच्या ओळखी तसेच संबंध कमी असावेत असा मी क्षणभर विचार केला.

परत विचार केला जरी भाषेचा प्रश्न असला तरी आज आपण इतके वर्षे पुरोगामी शहरात वास्तव्यास असूनही आपण आजूबाजूला सलोख्याचे संबंध निर्माण करू शकलो का नाही ? "का ते करायचे नव्हते" हाही प्रश्न मनात भेडसावू लागला. कि त्यांनी तसा प्रयत्न केला होता परंतु इथल्या कुटुंबांकडून त्यांना हवा तसा प्रतिसाद मिळाला नव्हता काय ? त्यामुळेच जणू त्यांनी प्रयत्न करणे सोडून स्वतःला अलिप्त ठेवले असावे. कारण काहीही असो पण अंत्यदर्शनाला असलेली जुजबी उपस्थिती बरंच काही सांगून जात होती.

ते कामाच्या ठिकाणी देखील मिसळणारे व्यक्तिमत्त्व नव्हते, नेहमी अलिप्त राहायचे, फक्त कामापुरतच बोलायचे. सहकाऱ्यांशी ते नेहमीच कडक होते. त्यांचे मोजकेच निकटवर्तीय होते. त्यामुळे सहकाऱ्यांमध्ये त्यांच्याविषयी सहचारी भावाची उणीव जाणवत असे. एकूणच, ते अलिप्त व्यक्तिमत्व असल्याने कुणी त्यांच्याजवळ जायचे नाही. त्यामुळे त्यांचा मित्र समुदाय देखील छोटेखानी होता. कदाचित त्यांचा हा स्वभाव ते राहत्या ठिकाणच्या समाजात आवडत नसावा, त्यामुळे ते तेवढे लोकप्रिय नव्हते. पण शेवटी काय झाले त्यांनी त्यांचा अलिप्त स्वभाव सोबत नेलाच, पण त्याच्या मृत्यूनंतर त्यांच्या नावावर त्या स्वभावाने मोहोर उमटवली.

माणूस हा समाजप्रिय प्राणी आहे याचा त्याला विसर पडत असल्याने हल्ली माणसाने स्वतःभोवती एक अनावश्यक कवच बनवले आहे. मला कोणाचीही गरज नाही - असल्या खोट्या भ्रमात त्याने जगण्यास सुरवात केली आहे. स्वभावात एक प्रकारचा ताठपणा आलाय. पद, प्रतिष्ठा आणि संपत्तीची वागण्यात घमेंड ओसंडून वाहत आहे. त्यामुळे कुणाशी नम्रपणे राहिलं, बोलणंही माणूस सोडून दिला आहे. इतरांची विचारपूस किंवा त्यांच्याबद्दल स्नेहभाव हे त्यांच्या गावाला उरले नाही. आपुलकी, माणुसकी याला कधीच मूठमाती दिलेली आहे. या सगळ्यांचा परिणाम म्हणजे माणूस माणसाशी बोलायला तयार नाही. अलिखित मौन बाळगले आहेत. आणि हेच ते कारण आहे की लोक तुमच्या जवळ सोडाच, तुमच्या मयताला सुद्धा यायला इच्छूक नसतात. विशेष करून ही बाब परमुलकात नोकरीला असणाऱ्यांच्या बाबतीत प्रकर्षाने जाणवते.

रिकाम्या हाताने आलेला माणूस रिकाम्या हातानेच या जगाचा निरोप घेतो. उरते ते त्यांन इथं कमावलेले नाव, टिकवलेले नातेसंबंध आणि दाखवलेली माणुसकी ! कित्येक माणसांच्या अंत्यसंस्काराच्या वेळी तोबा गर्दी आपण पाहतो खरंतर तीच त्याची संचित संपत्ती असते. म्हणून मित्रहो आपणा सर्वांना नम्र निवेदन आहे की बोलताना नम्रता, वागण्यात माणुसकी आणि व्यवहारात आपुलकी, आदर आणि दानत ठेवायला हवी. तर माणसे जोडली जातील, नातेसंबंध टिकून राहतील आणि तुम्हाला माणसं धरून राहतील. त्यामुळे पन्नाशीनंतर तरी आपला अहंकारी स्वभाव बदलायला हवा ही काळाची गरज वाटते. मानवी स्वभाव ही क्लिष्ट गोष्ट आहे. प्रत्येकाच्या स्वभावावर त्याच्या जन्मजात गुणांचा, वातावरणाचा आणि अनुभवांचा प्रभाव असतो. स्वभाव बदल ही जरी कठीण गोष्ट असली तरी आपला स्वभाव नातेसंबंधास पूरक नसेल तर तो जरूर बदलायला हवा. 

त्यासाठी आपल्याला प्रथम अबोल भावना सोडून बोलणं सुरू करावं लागेल आणि बोलण्यात नम्रता आणावी लागेल, बोलण्यातील स्वारस्य वाढवावे लागेल. एकमेकांची जाणीवपूर्वक विचारपूस करायला हवी. संबंधितांची काळजी घेणे आवश्यक आहे. मग कोणत्याही नात्याला मैत्रीमध्ये रूपांतरित होण्यास वेळ लागणार नाही. समक्ष संवाद तर हवाच परंतु फोन संवाद देखील वाढवायला हवा. कुठलंही नातं जपायचं, टिकवायचं असेल तर त्याला जाणीवपूर्वक वेळ द्यावाच लागतो. कामं तर नित्याचीचं आहेत, त्यातूनच किमान आवश्यक वेळ काढायला पाहिजे. कारण एक वेळ अशी येते की आपल्याकडे वेळ असतो परंतु जपायला नाती नसतात. आपण आपल्या गावापासून दूर नोकरीला असाल तर गावची नाळ पण तुटता कामा नये आणि जोडली नसेल तर ती जोडायला उशीर करू नये. नाहीतर "दोन्ही घरचा पाहुणा उपाशी" सारखी गत व्हायची. गाववाले म्हणायचे "तो झालाय तिकडचा" आणि इकडचे म्हणायचे "तो आहे गावचा". 

काही लोकांना नवीन नाती बनवायला, टिकवायला आणि फुलवायला आवडतात, खरं तर हा एक छंद आहे. असे लोक जगातील सर्वात श्रीमंत लोक आहेत. हे लोक कोणतेही पद, प्रतिष्ठा, संपत्ती सोबत घेऊन जात नाहीत तर जोडलेल्या लोकांच्या सदिच्छा सोबत घेऊन जातात. चांगला माणूस मुळात आतून समाधानी असतो. जेव्हा आपण इतरांचे चांगले करतो तेव्हा ते इतरांचे तरी चांगले करतील, बरोबर? जरी ते आपल्याशी चांगले वागले नाहीत तरी आपण त्यांच्याशी चांगले वागले पाहिजे. तुमच्या या वागण्यामुळे त्यांचा दृष्टिकोन बदलू शकतो आणि ते हळूहळू तुमच्याशीही चांगले वागतील.

चांगुलपणा म्हणजे नैतिकदृष्ट्या शुद्ध असणं आणि नेहमी योग्यच वागणं. परोपकार आणि गरजूंना मदत त्यांना विवंचनेतून मुक्त व्हायला मदत करते. आपोआप ते आपल्याला शुभाशीर्वाद देतात. पण आपणास काही परतावा मिळतोय म्हणून चांगले करू नये. आपण चांगले आहोत म्हणून करावे. म्हणून 'चांगुलपणा जपूया' आणि या नवीन वर्षाच्या निमित्ताने या चांगुलपणाच्या चळवळीमध्ये सहभागी होऊया. यामुळे कसलाही तोटा नाही, उलट फायदाच आहे. नात्यात इर्षा नाही. हर्ष उल्हासाने मनातील ताण तणाव गायब आणि आपल्या जीवनात आनंदाचे आगमन ! आनंदी जीवनाचे गमक म्हणजे पैशाची नव्हे तर "वेळ" आणि "चांगुलपणा" ची गुंतवणूक ! 

- केशव राजपुरे

पराभव

काही गोष्टी तुमच्या हातात नसतात तर काही गोष्टी कधीकधी तुमच्या इच्छेप्रमाणे घडत नाहीत.

काल भारताने जिंकायला हवे होते असे बहुतेक भारतीयांना वाटते, पण दुर्दैवाने आपण जिंकू शकलो नाही. विजेतेपद आपल्या नशिबी नव्हते असे मात्र काही नाही ! नाणेफेक, खेळपट्टीचे दुहेरी स्वरूप आणि भारतीय खेळाडूंच्या मानसिकतेचा फायदा उठवत, ऑस्ट्रेलियन खेळाडूंनी जिगर आणि संयमाने आजवरची सर्वोत्तम कामगिरी केली आणि भारताला भारतात चारीमुंड्या चित करत सहावे विजेतेपद पटकावले. 

कोणताही खेळ म्हटलं की हार-जीत आलीच. खेळामध्ये एखाद्या दिवशी एखाद्या दुबळ्या संघाला लॉटरी लागू शकते तर एखाद्या दिवशी बलवान संघास पायधुळ चारली जाऊ शकते. आणि दोन्ही संघ जर तुल्यबळ असतील तर मात्र आपण भाकीत करू शकत नाही. वस्तुतः दोन पैकी एकच संघ जिंकणार असतो आणि दुसऱ्याला पराभव पचवावा लागतो. काल ऑस्ट्रेलियाने सरस खेळ केला तर भारताने नांगी टाकली, त्यामुळे ऑस्ट्रेलिया हा उत्तम संघ जिंकला. एक मात्र नक्की की, भारताच्या पराभवामुळे संघाची गुणवत्ता, त्यांनी मिळवलेले यश आणि त्यांनी निर्माण केलेला दबदबा कमी होणार नाही.

पण कालच्या सामन्यामधील भारताच्या पराभवाची थोडीशी कारण मीमांसा करायची म्हटले तर या पराभवास सर्वस्वी भारतीय क्रिकेट धोरण जबाबदार असल्याचे दिसते. ऑस्ट्रेलिया संघा मधले एक-दोन खेळाडू सोडले तर सर्वच्या सर्व खेळाडू गेले कित्येक वर्षे आयपीएलमध्ये खेळत आहेत. त्यांना भारतीय खेळाडूंच्या खेळाची सर्व माहिती आहे. आयपीएल दरम्यान, प्रशिक्षकांनी विशिष्ट फलंदाजाला गोलंदाजी कशी करावी, दबावाच्या परिस्थितीत भारतीय गोलंदाजी, विशेषत: फिरकीपटूंना कसे हाताळायचे याचे प्रशिक्षण दिले होते तसेच काही क्लुप्त्या दिल्या आहेत कि जे काल कामी आले. इथले वातावरण, खेळपट्ट्या, प्रेक्षकांचा पाठिंबा हे त्यांच्यासाठी नवखे नाही. त्यामुळे जणूकाही ते घरच्या मैदानावरच खेळत आहेत अशा भावनेने मैदानावर उतरले होते. त्यामुळे आत्मविश्वासाची त्यांच्यात कमतरता नव्हतीच. 

तसं बघितलं तर ऑस्ट्रेलियन खेळाडू हे नेहमीच अतिशय गुणवत्ताधारी, चिवट आणि लढवय्या वृत्तीचे असतात, हे दुसरे कारण. त्यामुळे या संघात गुणवत्तेची कमी नव्हती. सामन्यामध्ये नाणेफेकीला महत्त्व नसलं तरी हल्ली भारतात खेळल्या जाणाऱ्या दिवस-रात्र सामन्यात दवाच्या प्रभावामुळे आणि प्रकाशझोतात दुसऱ्यांदा फलंदाजी करणारा संघ जिंकण्याची शक्यता जास्त दिसून आली आहे. विशेषतः आयपीएल मध्ये हे प्रकर्षाने जाणवले आहे. दोन दशकांपूर्वीचे भारतातील सकाळी नऊ ते संध्याकाळी पाच पर्यंत खेळवले गेलेले एकदिवसीय सामने आठवले तर, खेळपट्ट्या सामन्याच्या उत्तरार्धात गोलंदाजांना, विशेषतः फिरकीपटूंना अनुकूल होत. पण आजकाल स्पोर्टिंग विकेट्स तयार केल्या जात असल्याने खेळपट्ट्या सामना संपेपर्यंत तशाच राहतात. याचा अर्थ अहमदाबादची खेळपट्टी फलंदाजीसाठी अनुकूल होती आणि खेळाच्या उत्तरार्धात तिचा रंग बदलणार नव्हता यात शंका नाही. 

पण जेव्हा सामना दिवस-रात्रीच्या स्वरूपाचा असतो, तेव्हा असे दिसून आले आहे की रात्री काही काळानंतर, वातावरणातील तापमान आणि थंडगार हवेच्या प्रवाहामुळे खेळपट्टी वेगवान होते आणि फलंदाजीला अधिक पोषक बनते. हे जाणून त्यांच्या कर्णधाराने नाणेफेक जिंकल्यानंतर प्रथम गोलंदाजी करणे पसंत केले. कारण त्याला माहित होते की ही दुहेरी रूपाची खेळपट्टी आपल्या गोलंदाजांना मदत करणार आहे आणि उत्तरार्धात पडणारे दव फलंदाजी करताना त्यांच्यासाठी फायदेशीर ठरणार आहे. दुर्दैवाने दव आल्याने खेळपट्टीचे दुहेरी स्वरूप गुप्त झाले, सिमेंटची खेळपट्टी झाल्यागत जाणवू लागली आणि ती फलंदाजीचे नंदनवन झाले.

अत्यंत ताज्या आणि वेगवान खेळपट्ट्यांवर भारताने प्रथम किंवा नंतर फलंदाजी करत सर्व दहा सामने जिंकले होते. अशा खेळपट्ट्यांसाठी भारताकडे उत्कृष्ट गोलंदाज होते आणि भारतीय फलंदाजही अशा खेळपट्ट्यांवर धावा काढत होते. पण अंतिम सामन्यासाठी कदाचित विचार गटास प्रतिस्पर्धी आणि भारतीय संघासाठी कठीण आणि वेगळी खेळपट्टी हवी होती, खरं तर ही संथ आणि निस्तेज खेळपट्टी आयसीसीलाही नको होती. पण विचार गटाने आपल्याच संघावर जुगार खेळला आणि हरला. पण विचार गटाच्या या जुगाराचा फायदा भारताला नाही तर ऑस्ट्रेलियाला झाला! कदाचित इतर खेळपट्ट्यांप्रमाणे ही खेळपट्टीही वेगवान असती आणि भारताने प्रथम फलंदाजी करून इतर सामान्यांप्रमाणे धावा चोपल्या असत्याच. किमान, सामना एकतर्फी तरी झाला नसता. 

जगज्जेता आणि भारतीय संघ यांच्यातील आणखी एक फरक म्हणजे- खेळाडू आणि क्रिकेट मंडळाने स्पर्धा खेळण्याच्या निवडीला दिलेले प्राधान्य ! जागतिक कसोटी चॅम्पियनशिप आणि विश्वकपच्या तयारीवर अधिक लक्ष केंद्रित करण्यासाठी त्यांनी आयपीएल किंवा तत्सम स्पर्धा खेळणे टाळले होते. 'आधी देश मग पैसा' हे त्यांचे धोरण. याउलट आपल्या खेळाडूंवर खेळण्याचे दडपण आणि ताण प्रचंड असते आणि बोर्ड त्यांच्या वोर्कलोडकडे आवश्यक लक्ष देत नाही असे दिसते. ऑस्ट्रेलियन संघ या स्पर्धेत प्रबळ दावेदार नव्हता तरी बाद फेरीत त्यांनी मोक्याच्या क्षणी इर्षेने खेळ उंचावत विजयाची संधी सोडली नाही.

मान्य आहे, शेवटी आम्हाला असे वाटते की शुभमन आणि श्रेयस ने स्थिर खेळ करायला हवा होता, रोहितने चांगली सुरुवात करूनही चेंडू हवेत मारायला नको होता, राहुल-विराटला धावगती आणि धावसंख्या वाढवता आली असती, सूर्यकुमारचे हुकमी फटके बसायला हवे होते आणि महत्वाचे म्हणजे गोलंदाजांनी त्यांची गेल्या दहा सामन्यातील घातकता सिद्ध करायला हवी होती. पण सामन्यांचा निकाल 'जर तर' वर अवलंबून नसतो आणि होऊन गेलेला सामना परत होत नाही. आता होऊन गेलेल्या गोष्टी चघळण्यात काय अर्थ आहे ? भूतकाळ बदलता येतोय का? नाही ना ? मग आता आपल्या हातात उरतो तो भविष्यकाळ ! भविष्यात काय करायला पाहिजे ? झालेल्या चुकातून काय शिकायचे याचा विचार खेळाडू, संघ व्यवस्थापन आणि मंडळ करेल ना. आपण मात्र भविष्यात येऊ घातलेल्या सामन्यांचा आनंद लुटायचा व गुणवत्ता आणि प्रतिभेचे कौतुक करायचे. माणसाने चिकित्सक असावे पण किती ?  

आपल्या खेळाडूंनी सामना जिंकण्याचा प्रयत्न केला नाही किंवा ते कमी पडले, मुद्दामून हरले किंवा ऐनवेळी माघार घेतली असा अर्थ होत नाहीच. पण परिस्थितीजन्य वास्तव आपण नजरेआड करता कामा नये. गुणवत्ता, चिकाटी, आयपीएल मधील अनुभव, आत्मविश्वास आणि त्यात खेळपट्टीने केलेली मदत या सगळ्यांचा एकत्रित परिणाम असा झाला की ऑस्ट्रेलियाने भारताला एकहाती पराभूत केलं. 

भारतीय संघाने स्पर्धेत सर्वाधिक ३१६० धावा केल्या, सर्वाधिक १०० बळी घेतले, सात शतकांसह सर्वाधिक २५ अर्धशतके केली, सर्वाधिक फलंदाजीची सरासरी, सर्वाधिक धावा, सर्वाधिक षटकार आणि सर्वाधिक बळी भारतीय खेळाडूनेच घेतले. आणखी काय हवे ? हताश होऊ नका, या भारतीय संघाचा आनंद साजरा करूया. तो कोणीही आपल्यापासून हिरावू शकत नाही. भारतीय संघावर आमचा सदैव विश्वास आहे.

रोहित आणि मित्रहो, तुम्ही गेल्या दहा सामन्यात दाखवलेली गुणवत्ता आणि चमक आम्हाला खूप सुखावून गेलीय. काल तुम्ही तुमची प्रतिभा सिद्ध करू शकला नाही, एव्हढच.. आयुष्यातील हा दुर्दैवी दिवस लवकरात लवकर विसरा पण पराभव कधीही विसरू नका. तुमची वेळ नक्कीच येईल.

- केशव राजपुरे

न्यूरोमॉर्फिक कॉम्प्युटिंग

न्यूरोमॉर्फिक कॉम्प्युटिंग - एक वेध

पृथ्वीतलावर मानवाने अधिराज्य गाजवण्याचे एकमेव कारण म्हणजे त्याची बुद्धीमत्ता ! मानवाने आपल्या बुद्धीकौशल्याने पृथ्वीवर स्वर्ग निर्माण केला आहे. स्मरणशक्ती, तर्कसंगत विचार आणि कल्पनाशक्ती हि मानवी बुद्धीची तीन अविभाज्य अंग आहेत. फार पूर्वी नित्य व्यवहारातील काही आकडेमोड विविध साधने वापरूनही अगदी वेळखाऊ असत. तेव्हा माणसाने विचार केली की 'आपल्या आदेशानुसार आकडेमोड करेल असे स्वयंचलित यंत्र तयार करणे शक्य आहे का ?' काळाची हि गरज ओळखून मग नवीन विज्ञान सुरु झाले.

न्यूरोमॉर्फिक कंप्यूटिंगची संकल्पना
(Source: https://cdn.lanl.gov/bf20d015-a028-46d3-b386-db6dda01ea17.jpg)

शेकडो वर्षांपूर्वी रोमन लोक अनेक ठिकाणी अबॅकस अंकगणित वापरत. त्यानंतर गणनासाठी अनेक प्रकाराचे कॅलक्युलेटींग बोर्ड्स तसेच टेबलसचा शोध लागला. यामधील पुढची पायरी होती - यांत्रिक संगणक ! एकोणिसाव्या शतकात यांत्रिक अभियंता व पॉलीम्याथ, चालर्स बॅबेज यांनी पहिल्यांदा यांत्रिक संगणकाचा शोध लावला. त्यानंतर १९३८ मध्ये लिफोर्ड बेरी यांनी पहिला इलेक्ट्रॉनिक संगणक तयार केला. परंतु त्याअगोदरच म्हणजे १९३६ मध्ये गणिततज्ञ ऍलन टुरिंग यांनी आधुनिक संगणकाचे तत्वज्ञान मांडले होते. म्हणूनच त्यांना आधुनिक संगणकाचे जनक मानले जाते. यांत्रिक संगणक (मेकॅनिकल कॉम्प्युटर) मध्ये लॉजिक घटक यांत्रिक किंवा अनालॉग असतात, तर इलेक्ट्रॉनिक संगणकामध्ये हे घटक इलेक्ट्रिकल किंवा डिजिटल असतात. टुरिंग यांनी 'युनिव्हर्सल कॉम्पुटिंग मशीन' कि जो 'साध्या उपकरणांचा सिद्धांत' म्हणून ओळखला जातो, स्थापित केला. पुढे व्होन न्यूमन यांनी आधुनिक संगणकाची मध्यवर्ती संकल्पना ऍलन टुरिंगच्या सिद्धांतावरच आधारित आहे हे मान्य केले. मानवी मेंदूची नक्कल शिकणारे आणि परिस्तिथीशी जुळवून घेणारे संगणक प्रोग्रॅम (आज्ञावली) कृत्रिम बुद्धिमत्तेच्या उदयोन्मुख क्षेत्राचा भाग मानले जातात.

डॉ ऍलन ट्युरिंग
(Source: https://www.linkedin.com/pulse/alan-turing-father-modern-computing-ai-enigma-code-breaker-singh/)

न्यूरोमॉर्फिक संगणन ही प्रणालीमध्ये संगणकाचे घटक मानवी मेंदू आणि मज्जासंस्थेतील प्रणालींनुसार तयार केले जातात. थोडक्यात यामध्ये संगणकीय घटकांचे हार्डवेअर आणि सॉफ्टवेअर डिझाइन केले जाते. न्यूरोमॉर्फिक संगणनाला कधीकधी न्यूरोमॉर्फिक अभियांत्रिकी म्हणूनसुद्धा संबोधले जाते.

दुसऱ्या महायुद्धानंतर अल्पावधीतच ऍलन टुरिंग यांच्या “मशिन्स विचार करू शकतात का?” ह्या अगदी साध्या प्रश्नाने इतिहास घडवला. न्यूरोमॉर्फिक कॉम्प्युटिंग अर्थात 'चेतापेशीसंबधीत गणन' या संकल्पनेचा इथेच उगम होतो. वस्तुतः 'न्यूरोमॉर्फिक कॉम्प्युटिंग' हा शब्द १९७० पासून वापरला जात आहे. कॅलटेक चे संशोधक “कार्व्हर मीड” यांनी सर्वप्रथम जिवंत न्यूरॉन (मेंदुमधील चेतापेशी) च्या संघटन आणि कार्यक्षमतेची नक्कल करण्यासाठी इंटिग्रेटेड सर्किट्स तयार करण्याची संकल्पना मांडली होती. नॅशनल इन्स्टिट्यूट ऑफ स्टँडर्ड्स (निस्ट) च्या म्हणण्याप्रमाणे न्यूरोमॉर्फिक कॉम्प्युटिंग ने आकलन आणि निर्णयक्षमता प्रभावीपणे करणे शक्य होते कि जे कृत्रिम बुद्धिमत्तेचे (आर्टिफिशिअल इंटेलिजन्स अर्थात एआय) गमक आहे. न्यूरोमॉर्फिक कॉम्प्युटिंग ही मानवी मेंदूची नक्कल करणारी एक प्रगत संगणकीय प्रणाली आहे.

प्रा कार्व्हर मीड
(Source: http://www.carvermead.caltech.edu/#)

मानवी मेंदूमध्ये सरासरी ८० ते १०० अब्ज न्यूरॉन्स (चेतापेशी) असतात. प्रत्येक चेतापेशी एकट्याने किंवा समूहात राहून अगदी मोठ्या प्रमाणात समांतर प्रक्रिया कार्यक्षमतेने करण्यास सक्षम असतात. हे आपल्याला शक्ती आणि कार्यक्षमतेच्या एकत्रित परिणामाद्वारे स्मार्ट बनण्यास सक्षम करतात. न्यूरोमॉर्फिक कंप्युटिंगच्या सर्वात आश्वासक प्रकारांपैकी एक असलेल्या "स्पाइकिंग न्यूरल नेटवर्क्स" चा वापर मानवी मेंदूमध्ये होतो. जैविक न्यूरॉन फायरिंग (किंवा "स्पाइक्स") सिग्नल प्रसारित करण्यासाठी मदत करतात. या नैसर्गिक प्रणाली कृत्रिम बुद्धिमत्ता प्रणालीपेक्षा खूपच ऊर्जा कार्यक्षम आहेत, म्हणूनच कृत्रीम बुद्धिमतेची क्षमता वाढवण्यासाठी आज जगभर जैविक बुद्धिमतेचा सखोल अभ्यास व संशोधन केले जात आहे. सध्या इलेक्ट्रॉनिक साधनांचा उपयोग करून माणसाची स्मरणशक्ती, समज, संवेदन आणि आकलन या गुणांची कृत्रिम नक्कल करण्याचा प्रयत्न केला जात आहे. कृत्रिमरित्या या जैविक गुणांच्या अधिकाधिक जवळ जाण्याचा प्रयत्न होताना दिसत आहे.

जैविक न्यूरॉन, कृत्रिम न्यूरॉन आणि स्पाइकिंग न्यूरॉन यांच्यातील तुलना
(Source: https://www.mdpi.com/2076-3425/12/7/863)

मेमरी (स्मरणशक्ती) आणि न्यूरोमॉर्फिक प्रणाली

प्रगत मटेरियल तंत्रज्ञानातील अलीकडील संशोधनामध्ये जैविक न्यूरॉनची नक्कल करणाऱ्या कृत्रिम न्यूरॉन्सवर लक्ष केंद्रित केले गेले आहे. याचाच एक भाग म्हणून कृत्रिम सायनॅप्सने जैविक सायनॅप्सचे अचूक अनुकरण करण्यावर भर दिला जातो. दोन न्यूरॉन्समधील सांध्याला सायनॅप्स म्हणतात. न्यूरोमॉर्फिक कार्ये अधिक सुलभ करण्यासाठी ऊर्जा कार्यक्षमता, नॅनोडिव्हाइस आकार, वेगवेगळे अल्गोरिथम इ. सारख्या अनेक गोष्टीं विचारात घ्याव्या लागतात. आतापर्यंत कार्यक्षम कृत्रिम सायनॅप्स तयार करताना अनेक मेमरी उपकरणांच्या विस्तृत श्रेणी वापरल्या आहेत. यामध्ये रेझिस्टिव्ह रँडम-एक्सेस मेमरी (मेमरीस्टर), डिफ्यूसिव्ह मेमरीस्टर्स, फेज चेंज मेमरी, फेरोइलेक्ट्रिक फील्ड-इफेक्ट ट्रान्झिस्टर, स्पिन्ट्रॉनिक्स-चुंबकीय मेमरी आणि सायनॅप्टिक ट्रान्झिस्टर यांचा समावेश होतो. अर्थात, या प्रत्येक उपकरणांचे स्वतःचे काही फायदे व कमतरता आहेत. त्यामुळे विशिष्ट अनुप्रयोगाच्या आवश्यकतेनुसार डिव्हाइस निवडणे आवश्यक असते. न्यूरोमॉर्फिक प्रणालीमध्ये ३ डी डिव्हाईस आणि लॉजिक सर्किट्सचा उपयोग केला असला तरी, किमान नजीकच्या भविष्यात, या प्रणालीत अजूनही परिपक्व आणि विश्वासार्ह कॉम्प्लिमेंटरी मेटल-ऑक्साइड सेमीकंडक्टर (सीमॉस) सारख्या सर्किटरीची आवश्यकता दिसते.

वर नमूद केलेल्या मेमरी डिव्हाइसेस पैकी मेमरीस्टर हे डिवाइस ऊर्जावापर, आकार, रचना तसेच तयार करण्याच्या पद्धती यादृष्टीने अधिक सुयोग्य वाटतात. १९७१ मध्ये, प्रोफेसर युवान चुहा यांनी मेमरीस्टर या चौथ्या सर्किट कंपोनंन्ट चा सैद्धांतिक पुरावा सादर केला. नंतर २००८ मध्ये एचपी संशोधन प्रयोगशाळेने यासाठी प्रायोगिक पुरावे दिले. आतापर्यंत आपल्याला शिकवले गेले आहे की इलेक्ट्रॉनिक सर्किटचे तीन मुख्य कंपोनंन्ट असतात, ते म्हणजे रेसिस्टर, कॅपेसिटर आणि इंडक्टर. परंतु युवान चुहा यांनी सुचविलेल्या मेमरीस्टर या नवीन कंपोनंन्टमुळे इलेक्ट्रॉनिक कंपोनंन्टविषयीचे संपूर्ण ज्ञान अवगत झाले आहे. मेमरिस्टर केवळ माहिती साठवत नाही तर त्यावर प्रक्रिया देखील करू शकतो, म्हणून तो जैविक न्यूरॉनच्या समतुल्य आहे आणि म्हणूनच ते न्यूरोमॉर्फिक काम्पुटिंग मध्ये वापरले जातात.

रेझिस्टर, कॅपेसिटर, इंडक्टर आणि मेमरीस्टरची संकल्पनात्मक सममिती

(Source: https://en.wikipedia.org/wiki/Memristor)

आज सर्व उपकरणे "स्मार्ट" होताना दिसत आहेत. घरगुती उपकरणे, वाहनांपासून ते औद्योगिक उपकरणांपर्यंत अधिकाधिक उत्पादने आणि सेवा कृत्रिम बुद्धिमत्ता वापरत आहेत. आदेशांचे अर्थ लावणे, डेटाचे विश्लेषण करणे, पॅटर्न ओळखणे आणि तर्क वापरून योग्य निर्णय घेण्यासाठी कृत्रिम बुद्धिमत्ता सर्वोत्तम पर्याय ठरत आहे. म्हणूनच, कृत्रिम बुद्धिमत्तेवर चालणारी उत्पादने अलीकडच्या काळात लोकप्रिय होत आहेत. आता स्मार्ट इंटरफेसद्वारे बटन किंवा टचस्क्रीनऐवजी आपणांस आवाज अथवा हावभावाच्या माध्यमातून उपकरणे नियंत्रित करता येतात. आपणांस "गुगल असिस्टंट" आणि आयफोन मधील "सिरी" हा उपकरणाशी संवाद साधण्याचा आपल्या माहितीतील प्रकार ठाऊक असेलच. इतकेच नाही तर, एआय उत्पादनाला अधिक "स्वायत्त" बनवू शकतात, म्हणजेच कोणत्याही व्यक्तीच्या प्रत्यक्ष उपस्थिती शिवायही सर्व उपकरणे त्यांची कामे स्वतः व्यवस्थित पार पाडू शकतात. सर्वात महत्वाचे म्हणजे स्मार्ट उत्पादने डेटा विश्लेषण आणि वारंवार लागणारे ऑप्टिमायझेशन सक्षमपणे करू शकतात, जसे की आरोग्याबद्दल सतर्क करणे तसेच उपकरणामधील बिघाड, दुरुस्ती किंवा सर्व्हिस बदलणे हे आवश्यक आहे किंवा कसे याचाही अचूक अंदाज लावले जाऊ शकतात.

कृत्रिम बुद्धिमत्ता आणि तंत्रज्ञान

आजपर्यंतच्या स्मार्ट उपकरणांच्या प्रगतीमुळे विविध क्षेत्रांमध्ये अधिक अत्याधुनिक एआयची मागणी वाढत आहे. एआय सध्याच्या हार्डवेअरच्या मर्यादा स्पर्श करू लागल्या आहेत. आवश्यक अल्गोरिदम चालविण्यास सक्षम असलेल्या संगणकीय कौशल्यासह, एआय-आधारित हार्डवेअर क्लाउड किंवा डेटा सेंटरमध्ये दूरस्थपणे नियंत्रित केले जाण्याची कल्पना प्रत्यक्षात येत आहे. याकरता इंटरनेट कनेक्शन तर आवश्यक आहेच पण डेटाची देवघेव केल्यामुळे विलंबता देखील वाढू शकते. क्लाउडवर डेटा पाठवताना वास्तव आणि गोपनीयतेचाही विचार करावा लागतो. हि माहिती डिव्हाइसमध्येच अधिक स्मार्ट पद्धतीने साचवून ठेवावी लागते. याचाच एक भाग म्हणजे प्रक्रिया ‘केंद्रीकृत क्लाउडमध्ये’ न करता नेटवर्कच्या काठावर असलेल्या उपकरणांमध्ये (एज्ड डिव्हाइस) केली जाते. जरी इलेक्ट्रॉनिक उपकरणे बॅटरीवर चालत असली तरी प्रोसेसर सहसा लहान आणि सुटसुटीत असणे आवश्यक असते. पॉवर-हंग्री पद्धती ऐवजी ऊर्जेची बचत करणारी एआय पद्धती विकसित करणे हा तंत्रज्ञांसमोर मोठा प्रश्न आहे. सूक्ष्म आणि कमी उर्जेवर चालणारे एआय-पूरक हार्डवेअर कसे तयार केले जाऊ शकेल यासाठी नवीन तंत्रज्ञान शोधणे ही काळाची गरज बनली आहे. याच अनुषंगाने जगभरात संशोधन सुरू आहे व त्याचाच एक भाग म्हणून नॅनोस्केल स्पिन्ट्रॉनिक्स ऑसीलेटर्स आणि रीकॉन्फिगरेबल जोसेफसन जंक्शन्स यावर संशोधन सुरु आहे.

नॅनोस्केल स्पिन्ट्रॉनिक्स ऑसीलेटर्स आणि रीकॉन्फिगरेबल जोसेफसन जंक्शन्स

मेंदूतील न्यूरॉन्स माहितीवर प्रक्रिया आणि लयबद्ध क्रिया विकसित करून नॉनलिनियर ऑसिलेटर म्हणून काम करतात. यासाठी न्यूरोमॉर्फिक कम्पुटिंगला खूप मोठ्या प्रमाणात नॅनोस्केल नॉनलिनियर ऑसिलेटरची आवश्यकता असते. उदाहरणार्थ एका अंगठ्याच्या आकाराच्या चिपमध्ये एक कोटी नॉनलिनियर ऑसिलेटर बसवयाचे झाल्यास प्रत्येक ऑसिलेटरचा आकार एक मायक्रॉन पेक्षा कमी असणे अपेक्षित असते. स्पिन्ट्रॉनिक्सच्या कार्यपद्धतीवर अवलंबून असणारे व स्पाईकिंग ऊर्जा बदलता येणारे सुपरकंडक्टिंग जोसेफसन जंक्शन्स देखील न्यूरोमॉर्फिक काम्पुटिंग मध्ये वापरले जाते. जरी या दोन्ही घटकांनी अलिकडच्या काळात सॉफ्टवेअर आणि हार्डवेअरमध्ये लक्षणीय प्रगती केली असली तरी, कोणताही घटक मानवी मेंदूपेक्षा अधिक कार्यक्षमतेने कार्य करू शकत नाही, म्हणूनच निस्ट संशोधक न्यूरोमॉर्फिक नेटवर्क आणि बायो-प्रेरित हार्डवेअरवर काम करत आहेत. हि दोन्ही उदाहरणे भविष्यात नवीन प्रकारच्या न्यूरोमॉर्फिक कॉम्पुटिंगला अधिक चालना देतील अशी आशा आहे. जरी या गोष्टी प्रस्तावित असल्या तरी सध्या लोक न्यूरोमॉर्फिक कंप्युटिंगच्या चिपसाठी पारंपारिक इलेक्ट्रॉनिक कंपोनंट देखील वापरत आहेत.

नॅनोस्केल स्पिंट्रॉनिक ऑसिलेटरसह न्यूरोमॉर्फिक संगणन

(Source: https://www.cnrs-thales.fr/spip.php?article319&lang=en)

न्यूरोमॉर्फिक कॉम्प्युटिंगसाठी जोसेफसन जंक्शन

(Source: https://www.nist.gov/programs-projects/neuromorphic-systems)

सिलिकॉन च्या नुरोमॉर्फिक चिप्स : लोही आणि अकिडा आणि आयबीएम ची ट्रू नॉर्थ चिप

अलीकडच्या काळात इंटेलने ‘लोही’ नावाची सेल्फ लर्निंग न्यूरोमॉर्फिक चिप बाजारात आणली आहे. हि चिप मानवी मेंदूची नक्कल करून सोपवलेले यशस्वीरीत्या काम पूर्ण करते. या ऊर्जाकार्यक्षम तर आहेतच, तसेच या स्पायकिंग न्यूरल नेटवर्क (एसएनएन) चा वापर करून एआयमार्फत विविध कामे करू शकतात. त्याचप्रमाणे, ब्रेनचिपने अकिडा नावाची न्यूरोमॉर्फिक चिप विकसित केली आहे. हि चिप सुद्धा एसएनएन चा वापर करते व विविध कार्ये पूर्ण करते. आयबीएमची ट्रू नॉर्थ न्यूरोमॉर्फिक चिप सुद्धा विविध प्रकारची एआय ची कामे करू शकतात. द नेक्स्ट प्लॅटफॉर्मच्या निकोल हेमसोथ यांच्या मते, आयबीएमची न्यूरोमॉर्फिक चिप अधिक कार्यक्षम आणि स्केलेबल आहे.

इंटेलची लोही 2 न्यूरोमॉर्फिक चिप

(Source: https://www.intel.com/content/www/us/en/newsroom/news/intel-unveils-neuromorphic-loihi-2-lava-software.html#gs.06p4a9)   

ब्रेनचिपची अकिडा न्यूरोमॉर्फिक चिप

(Source: https://www.nextplatform.com/2020/01/30/neuromorphic-chip-maker-takes-aim-at-the-edge/)

आयबीएम ची ट्रू नॉर्थ न्यूरोमॉर्फिक चिप

(Source: https://spectrum.ieee.org/how-ibm-got-brainlike-efficiency-from-the-truenorth-chip) 

मानवी बुद्धीचे अनुकरण करण्याची क्षमता असणारे न्यूरोमॉर्फिक कंप्युटिंग हे एक उत्तम उदाहरण आहे. मानवासारखी स्मरणशक्ती, समज, संवेदन आणि आकलन क्षमता ह्यात दिसून येत आहे. ह्याचे अचंबित करणारे दूरगामी परिणाम दिसून येतील हे मात्र नक्की.

 - डॉ तुकाराम डोंगळे (संपादन: डॉ केशव राजपुरे)

अ‍ॅटोसेकंद भौतिकशास्त्र ज्ञानशाखेचा सन्मान

सूक्ष्म गतिशीलतेचे निरीक्षण

 

सन २०२३ सालचे भौतिकशास्त्र विषयातील नोबेल पारितोषिक पीएरे अगोस्टिनी, फेरेन्क क्रूज आणि अ‍ॅन ल’हुलियर या तीन शास्त्रज्ञांना जाहीर झाले आहे. त्यांनी इन्फ्रारेड (अवरक्त) लेसर किरणांचा वापर करून प्रकाशाचे अ‍ॅटोसेकंद स्पंद निर्माण करण्याची पद्धत विकसित केली आहे. त्याचबरोबर या पद्धतीचा वापर करून आता इलेक्ट्रॉनच्या सूक्ष्म हालचालींचा अभ्यास करणे शक्य झाले आहे. त्यांच्या या यशामुळे आता विज्ञानातील नवीन कवाडे उघडली जाणार आहेत. या शोधामागील भौतिकशास्त्र आमच्या धारणेतून या ब्लॉगमधून मांडण्याचा प्रयत्न केला आहे. विज्ञानरुची वृद्धिंगत करणे हाच मुख्य उद्देश ! काही त्रुटी असतील तर आपण निदर्शनास आणाव्यात. मसुद्यामध्ये दुरुस्त्या करण्याची भूमिका कायम आहे. हे लेखन आवडले असल्यास आपण आपल्या नावासहित प्रतिक्रिया द्याल ही अपेक्षा. (वाचन वेळ: २० मिनिटे)

नैसर्गिक बलांच्या प्रभावाखाली होणाऱ्या सूक्ष्म तसेच बृहद प्रणालीच्या गतिशीलतेचा अभ्यास भौतिकशास्त्रात केला जातो. अणू, इलेक्ट्रॉन आणि फोटॉनसारख्या अवआन्वीक सूक्ष्म कणांचा अभ्यास, बृहद प्रणालीच्या गतिशीलतेच्या नियमांपेक्षा वेगळ्या नियमाच्या आधारे, पुंजयामिकी (क्वांटम फिजिक्स) मध्ये केला जातो. हा अभ्यास प्रणालीच्या भविष्यातील हालचालीचा अंदाज लावण्यासाठी उपयुक्त असतो. आपण गतिशील बृहद-प्रणालीची स्थिती आणि संवेग एकाचवेळी अचूकपणे ठरवू शकतो, परंतु सूक्ष्म प्रणालीसाठी नैसर्गिक निर्बंधांमुळे (हायझेनबर्गचे अनिश्चिततेचे तत्त्व) ते करणे शक्य नसते.

या वर्षाच्या शोधाची पूर्वपीठिका जवळपास शंभर वर्षांपूर्वीच्या संशोधनाशी जोडली आहेत. हायजनबर्गच्या अनिश्चिततेच्या तत्त्वानुसार [(∆x)(∆p) ≥ ħ] इलेक्ट्रॉनचे स्थान आणि संवेग एकाचवेळी विशिष्ट मर्यादेपलीकडे ठरवणे अशक्यप्राय आहे. कारण स्थान अचूकपणे निश्चित करत असताना संवेगाच्या मोजमापामध्ये अनिश्चितता वाढते आणि तसाच अनुभव संवेगाच्या अचूक मोजमापादरम्यान येतो. आत्ताच्या या शोधामुळे स्थान आणि संवेग अगदी अचूकपणे निश्चित करणे शक्य होणार नसले तरी त्याच्यातील अनिश्चितता कमी करणे मात्र शक्य झाले आहे असे वाटते.

इलेक्ट्रॉनची स्थिती आणि संवेग एकाच वेळी मोजणे फार महत्त्वाचे असते कारण एकतर दृश्य प्रकाशाच्या साहाय्याने असे सूक्ष्म कण पाहता येत नाहीत पण मोजमापातून हि माहिती अवगत झाल्यास ते असलेल्या पदार्थांचे विविध गुणधर्म अभ्यासून त्यांचे वेगवेगळ्या इलेक्ट्रॉनिक गॅजेट मधील उपयोग अधिक कार्यक्षमतेने आणि स्वस्तात करणे शक्य होऊ शकते. तसेच अणू आणि केंद्रकाबद्दलच्या धारणावादीच्या प्रस्तावित सिद्धांताचा तो पुरावा असू शकतो.

या वर्षातील नोबेल विजेत्यांनी काय साध्य केले याची ढोबळ कल्पना यावी यासाठी आपण दैनंदिन व्यवहारातील एक उदाहरण घेऊया. समजा तुम्ही एखाद्या रेल्वे फलाटावर उभे आहात व समोरून अतिवेगाने रेल्वे जात आहे. अशा स्थितीमध्ये तुम्ही कॅमेऱ्याच्या साह्याने त्या रेल्वेचे छायाचित्र घेतले तर ते अस्पष्ट किंवा धूसर मिळते. याउलट फलाटावर थांबलेल्या रेल्वेची प्रतिमा अगदी स्पष्टपणे टिपता येते. असे का ? याचे स्पष्टीकरण कॅमेराच्या झडपवेग किंवा प्रभावन कालामध्ये लपलेले आहे. जर प्रभावन काल जास्त असेल किंवा झडपवेग कमी असेल तर तो कॅमेरा धावणाऱ्या रेल्वेची प्रतिमा अस्पष्टपणे टिपतो. त्यामुळे धावत्या रेल्वेचे चित्र स्पष्ट येण्यासाठी प्रभावन काल इतका कमी करावा (किंवा झडपवेग इतका वाढवावा) की धावणारी रेल्वे कॅमेऱ्याला स्थिर वाटेल. 

अणूंमधील इलेक्ट्रॉन्सचे निरीक्षण करण्यासाठी असाच प्रयोग केला जाऊ शकतो का असा प्रश्न पडणे स्वाभाविक आहे. परंतु हे करताना आपल्याला इलेक्ट्रॉनची हालचाल गती आणि कॅमेऱ्याचा झडपवेग जुळवणे आवश्यक आहे. इलेक्ट्रॉन किती गतिमान आहे हे समजण्यासाठी खाली दिलेले आकडे पुरेशे आहेत. खोलीच्या एका टोकापासून विरुद्ध भिंतीवर प्रकाशाची चमक जाण्यासाठी दहा अब्ज अ‍ॅटोसेकंद लागतात. अ‍ॅटो म्हणजे १ भागिले १ वर १८ शून्य. अणुकेंद्रकाभोवती फिरणाऱ्या इलेक्ट्रॉनचा वेग खूप जास्त असतो. इलेक्ट्रॉनला केंद्रकाभोवती एक आवर्तन पूर्ण करण्यासाठी सुमारे २४ अ‍ॅटोसेकंद लागतात. प्रकाशाला अणूच्या व्यासाएव्हढे अंतर कापण्यासाठी अंदाजे एक अ‍ॅटोसेकंद इतका वेळ लागतो. त्यामुळे गतिशील कण आणि चित्रण यंत्रणा यांचा वेग समान असल्याशिवाय कणाच्या गतिशीलतेला चित्रित करता येणार नाही.  

इलेक्ट्रॉनची अणूमधील ऊर्जा साधारणपणे शून्य ते दहा इलेक्ट्रॉन वोल्ट्स दरम्यान असते. म्हणून इलेक्ट्रॉनने शोषल्या किंवा उत्सर्जित केलेल्या फोटॉन्सची ऊर्जा याच दरम्यानची असेल. इलेक्ट्रॉनच्या या ऊर्जा अवस्थांसाठी अध्यारोपीत तरंगफल (ओव्हरल्याप्ड वेव्ह फंक्शन) घेऊन निरीक्षणक्षमासाठी (ऑबसेर्वेबल) श्रोडिंगरचे तरंग समीकरण (वेव्ह इक्वेशन) सोडविल्यास त्याचे काल प्रभावक्षेत्र (टाइम स्केल) अ‍ॅटोसेकंद येईल. म्हणून, इलेक्ट्रॉनची काल निहाय उत्क्रांती मोजण्यासाठी, नियंत्रित प्रणाली वापरणे आवश्यक होते ज्याचा कालावधी त्या गतिशीलतेशी संवाद साधू शकेल. हेच कारण आहे की काही-फेमटोसेकंद आणि अ‍ॅटोसेकंद काल-अधिक्षेत्रामधील अतिउच्चवेगवान घटनांचा अभ्यास करण्यासाठी अ‍ॅटोसेकंद प्रकाश स्पंदांचा (पल्स) वापर केला जातो.

एक फेमटोसेकंद कालावधीच्या एकचक्र प्रकाशीय स्पंदाचा (सिंगल ऑप्टिकल पल्स) वापर करून पदार्थांमधील इलेक्ट्रॉनच्या गतिशीलतेचा अभ्यास करणे शक्य नाही. कोणतीही लेसर प्रयोगशाळा आतापर्यंत कमीत कमी सहा फेमटोसेकंद इतका अवधी असलेले प्रकाश स्पंद मिळवू शकली होती. खरं तर, १९९९ सालच्या रसायनशास्त्रातील नोबेल पारितोषिक विजेत्या झियाउद्दीन अहमद यांना फेमटोसेकंद स्पंदचा वापर करून रेणूमधील अणूंची हालचाल तसेच रासायनिक आंतराभिक्रियाची माहिती मिळवणे शक्य झाले होते. परंतु इलेक्ट्रॉनच्या गतिशीलतेचा अभ्यास करण्यासाठी, एक फेमटोसेकंदचा प्रकाश स्पंद साध्य करणे आवश्यक होते.

त्याच अनुषंगाने प्रकाशाची अ‍ॅटोसेकंद स्पंद निर्माण करण्यासाठीचा पहिला प्रयोग हा पॅरिस येथील सॅकले विद्यापीठातील एम फेरे यांच्या संशोधन प्रयोगशाळेत केला गेला. यावर्षीच्या नोबेल पारितोषिक विजेत्या अँन लहूक्लिअर यांचाही त्यामध्ये सहभाग होता. त्यांनी १०६४ नॅनोमीटर तरंगलांबी (३.५ फेमटोसेकंद, आवर्त) असलेल्या अवरक्त किरणांच्या शक्तिशाली लेझर प्रकाशाचा निष्क्रिय वायूवर मारा केला. त्यात त्यांना आश्चर्यकार्यक निरीक्षणे मिळाली. निष्क्रिय वायूमधून बाहेर पडणारा प्रकाशीय वर्णपट उच्च संवादिक निर्मिती (एचएचजी अर्थात हाय हार्मोनिक जनरेशन) चा होता. त्याचबरोबर मिळालेले प्रकाश स्पंद प्रारण अतिशय संसंजीत (कोहरंट) होते.  

एचएचजी म्हणजे काय ते थोडक्यात समजावून घेऊया. गणितीय समीकरणांवर आधारित एकापेक्षा जास्त तरंग वापरून, तुम्ही तुम्हाला हवे असलेले कोणतेही तरंगलांबीचे तरंग तयार करू शकता. लहान तरंगलांबीच्या अनेक तरंग एकत्र करून प्रकाशाची अ‍ॅटोसेकंद स्पंद मिळविणे शक्य आहे. जेव्हा लेसरस्पंद निष्क्रिय वायूवर आदळते तेव्हा अधिस्वरक (ओव्हरटोन) तयार होतात. अधिस्वरक म्हणजे मूळ लहरीमध्ये एकापेक्षा जास्त तरंग निर्माण करणाऱ्या लाटा. याची तुलना गिटारमध्ये तयार झालेल्या अधिस्वरकशी करता येईल. सर्वात खालच्या वारंवारितेपेक्षा गुणित वारंवारिता असलेल्या सर्व लहरींना ओव्हरटोन म्हणतात. ओव्हरटोन आवाजाला त्याचे विशिष्ट वर्ण देतात, यामुळेच आपणास गिटार आणि पियानोवर वाजवलेल्या समान नोटमधील फरक ऐकू येतो. "ओव्हरटोन" ही संज्ञा सामान्यत: कोणत्याही उच्च-वारंवारिता असलेल्या स्थिर तरंगास लागू केली जाते, तर "हार्मोनिक" हा शब्द जिथे ओव्हरटोनची वारंवारता मूलभूत वारंवारतेचा अविभाज्य गुणाकार असतो तिथे वापरावा लागतो.

एका तरंगात नवीन तरंग जोडण्यासाठी केवळ वेगवेगळे लेसर असून चालत नाही, तर लेसर प्रकाश वायूमधून घालवणे ही झटपट लघू स्पंदांची निर्मिती करण्याची गुरुकिल्ली आहे.  प्रकाशाची वायूच्या अणूंशी आंतरक्रिया अधिस्वरक अर्थात ओव्हरटोन तयार करते. 

जेव्हा लेसर प्रकाश वायूमध्ये प्रवेश करतो तेव्हा त्याच्या अणूंशी क्रिया करतो. त्यामुळे अणूमध्ये विद्युत चुंबकीय कंपने तयार होतात जी इलेक्ट्रॉनच्या विद्युत क्षेत्रात व्यत्यय आणण्यास कारणीभूत ठरतात. त्यानंतर इलेक्ट्रॉन अणूंमधून बाहेर पडू शकतात. तथापि, लेसर प्रकाशाचे सतत कंपित असलेले विद्युत क्षेत्र जेव्हा दिशा बदलते तेव्हा एखादा सैल इलेक्ट्रॉन त्याच्या अणूच्या केंद्रकाकडे आकर्षित होऊ शकतो. इलेक्ट्रॉनच्या या सफरी दरम्यान, लेसर प्रकाशाच्या विद्युत क्षेत्रातून बरीच अतिरिक्त ऊर्जा संकलित करू शकतो आणि केंद्रकाशी पुन्हा जोडताना तो प्रकाशाच्या अल्प कालावधीच्या स्पंदाद्वारे त्याची अतिरिक्त ऊर्जा सोडू शकतो. इलेक्ट्रॉन उत्सर्जित केलेल्या या प्रकाशस्पंद प्रयोगांमध्ये दिसणारे ओव्हरटोन तयार करतात.

एकदा हे ओव्हरटोन अस्तित्वात आले की ते एकमेकांशी संवाद साधतात. येथे ओव्हरटोन लहरी व्यतिकरण (इंटरफेरेन्स) पावतात. व्यतिकरण तेव्हा होते जेव्हा दोन किंवा अधिक लहरी एकत्र येऊन पहिल्यापेक्षा मोठी किंवा लहान लहरी मिळते. जेव्हा दोन लहरिंची शिखरे जुळतात तेव्हा प्रकाश अधिक तीव्र होतो, परंतु जेव्हा एका लहरीतील शिखर दुसर्‍या लहरीतीतील दरीशी जुळते तेव्हा प्रकाश कमी तीव्र होतो. योग्य परिस्थितीत, ओव्हरटोन्स एकरूप होतात ज्यामुळे अतिनील प्रकाशाच्या स्पंदांची माला तयार होते. प्रत्येक स्पंद काही अ‍ॅटोसेकंद रुंद असते. १९९० च्या दशकात भौतिकशास्त्रज्ञांना यामागील सिद्धांत समजला, परंतु २००१ मध्ये प्रत्यक्षात स्पंद ओळखणे आणि त्यांची चाचणी करण्याचा शोध लागला.

पूर्वीपेक्षा कमी कालावधीचे स्पंद उपलब्ध झाल्याने बऱ्याच गोष्टींचा उलघडा करणे शक्य झाले आहे. १९०५ साली अल्बर्ट आइनस्टाइन यांनी फोटोइलेक्ट्रिक इफेक्टचे (प्रकाशविद्युत प्रभाव) स्पष्टीकरण प्रकाशित केले होते. परंतु तेव्हा या प्रभावासाठी आवश्यक कालश्रेणींचे  निराकरण करणे अशक्य होते. हा प्रभाव तत्क्षणी असतो अशी बऱ्याच काळचे वास्तव होते. परंतु या वर्षीच्या नोबेल विजेत्यांनी फोटोइलेक्ट्रिक प्रभावाची कालश्रेणी काय असू शकते हे अन्वेषित केले.  

जेव्हा अणूमधील एखादा इलेक्ट्रॉन प्रकाश ऊर्जा शोषून घेतो, शोषलेली ऊर्जा इलेक्ट्रॉनची बंधनउर्जा आणि प्रकाशकणांची ऊर्जा यांच्यातील फरकाएव्हढ्या गतिज उर्जेसह उत्सर्जित होते. अणू फोटो उत्सर्जनाच्या जटिल गतिशीलतेमुळे थोडा विलंब होतो. पण किती काळ विलंब हा प्रश्न निर्माण होतो. तो विलंब अ‍ॅटोसेकंद कालश्रेणींमधील असू शकतो का यावर विचार सुरु झाला. 

क्रॉझ यांच्या संशोधन समूहाला एका आद्यप्रयोगात असे आढळून आले की जेव्हा निऑन वायूचा अणू १०० इलेक्ट्रॉन वोल्ट्स प्रकाशकणांनी आयनीकृत केला जातो, तेव्हा २-एस आणि २-पी इलेक्ट्रॉन एकाच वेळी ऊर्जा उत्सर्जित करत नाहीत. २-पी इलेक्ट्रॉन २-एस इलेक्ट्रॉन पेक्षा एकवीस अटोसेकंद ने उशीरा उत्सर्जित होतो. हा उत्सर्जन विलंब इलेक्ट्रॉन ढगांच्या सामूहिक गतिशीलतेचे लक्षण आहे. क्रॉझ ग्रुपने अतिउच्च अतिनील आणि अवरक्त स्पंदांमधील वेळेच्या प्रतिरूपमुद्रणच्या कार्यासाठी इलेक्ट्रॉनची गतिज ऊर्जा मोजण्याचे पृथक अटोसेकंद स्पंद आणि रेखांकन तंत्र वापरले.

१९८७ मध्ये, अ‍ॅन ल'ह्युलियर आणि तिच्या सहकाऱ्यांनी फ्रेंच प्रयोगशाळेत एका निष्क्रिय वायू मधून इन्फ्रारेड (अवरक्त) लेसर किरणांना पार केल्यास ओव्हरटोन तयार होतात हे दाखवून दिले. अगोदरच्या प्रयोगांमध्ये वापरल्या गेलेल्या लघू तरंगलांबी असलेल्या लेसरपेक्षा इन्फ्रारेड किरण संख्येने जादा आणि बलवत्त ओव्हरटोन देतात असे दिसून आले. यापैकी काही सुरुवातीचे आणि वरचे क्रमाकांचे ओव्हरटोन वगळता मधले ओव्हरटोन समान तीव्रतेचे मिळाले होते. अनेक प्रयोगांनंतर, १०६४ नॅनोमीटर तरंगलांबीचा अवरक्त लेसर प्रकाश समतल पठार प्राप्त करण्यासाठी निश्चित करण्यात आला. 

पुंजयामिकीच्या सिद्धांतानुसार निर्माण करण्यात आलेल्या ऑटोसेकंद स्पंदाचा कालावधी मोजण्यासाठी आधुनिक उपकरण तयार करणे आवश्यक होते. अगोस्तिनी आणि त्यांच्या गटाने "फ्रिक्वेन्सी मॉड्युलेशन इन टू कलर फोटॉन फिल्ड" या तत्त्वाचा वापर करून रॅबिट (रिकंस्ट्रक्शन ऑफ ऑटो सेकंड बीटिंग बाय इंटर्फरन्स ऑफ टू फोटॉन ट्रान्सिशन) तंत्रज्ञानाच्या सहाय्याने हा कालावधी मोजला. रॅबिट तंत्रज्ञानात उच्च अतिनील स्पंद आणि मूळ लेसरमधील प्रकाश एकाचवेळी निष्क्रिय वायूवर केंद्रित केला आणि त्यातून बाहेर पडणाऱ्या फोटोइलेक्ट्रॉनचे विश्लेषण करून अ‍ॅटोसेकंद स्पंदांच्या ट्रेनचा स्पंद कालावधी मोजला. दोन फोटॉनच्या संक्रमणातील लहरींचे व्यतिकरण झाल्यानंतर ऍटोसेकंद स्पंदाची पुनर्बांधणी होत लयन होते.

पियरे अगोस्टिनी आणि फ्रान्समधील त्यांच्या संशोधन गटाने मालगाडी असलेल्या रेल्वेप्रमाणे सलग प्रकाश स्पंदांची माला तयार करण्यात आणि तपासण्यात यश मिळविले. ओव्हरटोन्स एकमेकांच्या समकलेत कसे आहेत हे पाहण्यासाठी त्यांनी मूळ लेसर स्पंदाच्या विलंबित भागासह "पल्स ट्रेन" एकत्र ठेवण्याची विशेष युक्ती वापरली. या प्रक्रियेमुळे त्यांना ट्रेनमधील स्पंदांच्या कालावधीचे मोजमाप करणे देखील शक्य झाले आणि प्रत्येक स्पंद फक्त २५० अ‍ॅटोसेकंद टिकते असे त्यांना आढळून आले.

त्याच वेळी, ऑस्ट्रियातील फेरेंक क्रॉझ आणि त्यांचा संशोधन गट पल्सट्रेन मधील फक्त एकच स्पंद निवडण्याच्या एका तंत्रावर काम करत होते. त्यांना ६५० अ‍ॅटोसेकंद स्पंद वेगळे करण्यात यश आले. इलेक्ट्रॉन अणूंपासून दूर खेचण्याच्या प्रक्रियेचा मागोवा तसेच अभ्यास करण्यासाठी त्यांनी या स्पंदनांचा वापर केला.

लुंडचा प्रयोग आणि बहुकणीय प्रक्षोभ सिद्धांताने केलेली सैद्धांतिक गणना यांच्यातील एकमतता असे सूचित करते की क्रॉझ गटाच्या मूळ निरीक्षणावर शेक-अपचा (इतर इलेक्ट्रॉन संक्रमणाचा) परिणाम झाला होता. २ पी इलेक्ट्रॉन काढून टाकण्यासाठी एका फोटॉनला लागणारी ऊर्जा आणि त्याच वेळी दुसर्‍या २ पी इलेक्ट्रॉनला ३ पी ऊर्जा पातळीमध्ये प्रचालन करताना लागणारी ऊर्जा यातील फरक २ एस इलेक्ट्रॉनच्या थेट आयनीकरणासाठी लागणाऱ्या उर्जेपेक्षा फक्त ७.४ इलेक्ट्रॉन वोल्ट्स जास्त असते. दोन भिन्न प्रक्रियांसाठीच्या या किरकोळ ऊर्जा फरकामुळे मूळ प्रक्रिया ओळखण्यात दिशाभूल होऊ शकते. लुंड प्रयोगात, पार्श्वपट्ट शेक-अप संकेत आणि २ एस पासूनचे संकेत स्पष्टपणे पारखता येऊ शकले. अशाप्रकारे संशोधक कालबद्ध आणि वर्णक्रमीय विभेदनामधील आदलाबद्दल ओळखू शकले. 

इलेक्ट्रॉनची गतिशिलता रासायनिक परिस्थितीवर संख्यात्मक पद्धतीने कशी अवलंबून असते हे स्पष्ट करणाऱ्या प्रयोगाचे थोडक्यात वर्णन खाली दिले आहे. द्रव पाण्यापासून आणि वायूयुक्त पाण्यापासून प्रकाशउत्सर्जना दरम्यानचा विलंबकाल मोजण्यासाठी तयार केलेल्या अ‍ॅटोसेकंद व्यतिकरणमापन प्रयोगाची रचना आकृतीत दाखवली आहे.

अ‍ॅटोसेकंद कालश्रेणीमध्ये, इलेक्ट्रॉन वगळता सर्व प्रकारचे संरचनात्मक गतीशास्त्रे  गोठवली जातात आणि त्यामुळे हा प्रयोग इलेक्ट्रॉन गतीशास्त्राचा अभ्यास करण्यास मुभा देतो. निकट अवरक्त फेमटोसेकंद लेसर स्पंदावर अध्यारोपीत अ‍ॅटोसेकंद स्पंद ट्रेनला द्रव तसेच वायू अवस्थेतील पाण्याशी संवाद साधू दिला होता. द्रव आणि वायूच्या अवस्थेतील पाण्याच्या रेणूंमधून एकाच वेळी फोटोइलेक्ट्रॉन उत्सर्जित झाले होते. द्रवरुपी पाण्यातील फोटोइलेक्ट्रॉन आणि वायूरुपी पाण्यातील फोटोइलेक्ट्रॉन्समध्ये ५० ते ७० अ‍ॅटोसेकंद विलंबकाल निदर्शनास आला. द्रवरुपी पाण्यातील इलेक्ट्रॉन वायूरुपी पाण्यातील इलेक्ट्रॉन्सपेक्षा थोड्या वेळाने फोटोइलेक्ट्रॉन डिटेक्टर (शोधी) मध्ये येतात.  हा प्रयोग फोटोइलेक्ट्रॉनच्या वेगवेगळ्या रासायनिक परिस्थितीमूळे असलेल्या विलंबकाल वस्तुस्थितीचा परिमाणात्मक पुरावा देतो. 

https://i.stack.imgur.com/diywC.gif
(इलेक्ट्रॉन गतीचे सत्काल निरीक्षण)

द्रवरुपी पाण्यातील इलेक्ट्रॉनांना वायूरुपी पाण्याच्या रेणूंच्या तुलनेत अधिक जटिल भूदृश्यातून जावे लागत असल्याने द्रवरुपी पाण्यातून इलेक्ट्रॉनची गती नैसर्गिकपणे मंद वाटू शकते. या  प्रयोगाने ही घटना तपशीलवार दर्शविली. दोन भिन्न वातावरणातील पाण्याच्या रेणूंच्या विघटनाच्या प्रभावामुळे हा विलंबकाल आला आहे हे या प्रयोगावरून सिद्ध झाले. अ‍ॅटोसेकंद पंक्तिदर्शनाने घन पदार्थांमधील जटिल इलेक्ट्रॉन परस्परसंवादाची अधिकता प्रकट करणे शक्य आहे, उदा. प्रक्रिया ज्यात भार हस्तांतरण आणि भार छाननी परिणाम, भार प्रतिमा निर्मिती आणि इलेक्ट्रॉन-इलेक्ट्रॉन विकिरण, तसेच सामूहिक इलेक्ट्रॉनिक गती यांचा समावेश आहे. 

इलेक्ट्रॉनच्या हालचाली सुलभशक्य झाल्या आहेत

अ‍ॅटोसेकंद स्पंदांमुळे इलेक्ट्रॉनला अणूपासून दूर नेण्यासाठी लागणारा वेळ मोजणे शक्य होते आणि अणूच्या केंद्रकाला इलेक्ट्रॉन किती घट्ट बांधला जातो यावर किती वेळ लागतो हे तपासणे शक्य झाले आहे. रेणू आणि पदार्थांमध्ये इलेक्ट्रॉन्सचे वितरण एका बाजूने दुसऱ्या बाजूला किंवा एका ठिकाणाहून दुसर्‍या ठिकाणी कसे बदलते याचे पुनर्निर्माण करणे शक्य झाले आहे; पूर्वी इलेक्ट्रॉनचे स्थान केवळ सरासरी म्हणून मोजणे शक्य असायचे.

अ‍ॅटोसेकंद स्पंदांचा उपयोग पदार्थाच्या अंतर्गत प्रक्रिया तपासण्यासाठी आणि विविध घटना ओळखण्यासाठी केला जाऊ शकतो. या स्पंदांचा वापर अणू आणि रेणूंच्या तपशीलवार भौतिकशास्त्राचे परिज्ञापन करण्यासाठी केला गेला आहे आणि इलेक्ट्रॉनिक्सपासून औषधापर्यंतच्या सर्वच क्षेत्रात त्यांचा संभाव्य उपयोग दिसून येतो.

उदाहरणार्थ, अ‍ॅटोसेकंद स्पंदांचा वापर मोजता येण्याजोगे संकेत उत्सर्जित करणाऱ्या रेणूंना ढकलण्यासाठी केला जाऊ शकतो. रेणूंच्या संकेतामध्ये एक वैशिष्ट्यपूर्ण खूण असते ज्याद्वारे त्या रेणू ला ओळखता येते. त्यामुळे या शोधाच्या महत्वाच्या संभाव्य उपयोगांमध्ये रोग निदान आणि उपचार आदीचा समावेश असेल.

- विजय कुंभार, केशव राजपुरे

(या मसुद्यासाठी डॉ टाकळे सरांनी मोलाचे मार्गदर्शन व सहकार्य केले)