टेलिकम्युनिकेशन AI : भविष्यकालीन नेटवर्कमध्ये AI इंटिग्रेशन वाढवणे

Image Source: Getty

हा लेख ‘नेशन्स, नेटवर्क्स, नरेटिव्हज: वर्ल्ड टेलिकम्युनिकेशन अँड इन्फॉर्मेशन सोसायटी डे 2025’ या लेख मालिकेचा भाग आहे.

गेल्या दोन दशकांमध्ये टेलिकम्युनिकेशन टेक्नॉलॉजीत क्रांती झाली आहे. 3G तंत्रज्ञानाची ओळख सर्वप्रथम 2000 च्या दशकात झाली. या तंत्रज्ञानाने उच्च बँडविड्थ (‘२१ एमबीपीएस’पर्यंत) दिल्यामुळे मोबाइल फोनवर मल्टीमिडीया ॲप्लिकेशन्स व सेवा उपलब्ध होणे शक्य झाले. 2020 मध्ये 5G आले आणि या तंत्रज्ञानामुळे दर प्रति सेकंद गीगाबाइट्स स्केलपर्यंत डेटा मिळणे शक्य झाले; तसेच ‘नेटवर्क स्लायसिंग’सारखी ‘ऑप्टिमायझेशन’ तंत्रज्ञानांनाही मदत मिळाली. टेलिकम्युनिकेशन टेक्नॉलॉजीतील सध्याचा कल पाहता असे दिसते की येत्या काही वर्षांत 5G-A (प्रगत) आणि 6G तंत्रज्ञान येऊन दाखल होईल. टेलिकम्युनिकेशन जाळ्यामधील गुंतागुंतीच्या व्यवस्थापनासाठी मशिन लर्निंग (ML) आणि कृत्रिम प्रज्ञा (AI) अल्गोरिदमचे एकत्रीकरण हा दूरसंचार क्षेत्रातील उत्क्रांतीचा महत्त्वाचा भाग आहे. कारण 3G च्या युगात ‘AI’ची भूमिका दोष शोधणे आणि संभाव्य देखभालीपुरतीच मर्यादित होती. 4G पासून नेटवर्क स्रोतांचे ऑप्टिमायझेशन, डेटा वहन व्यवस्थापन, स्पेक्ट्रम वाटप आणि अखेरीस ‘AI’कडून चालवण्यात येणाऱ्या ग्राहक मदत यंत्रणा विकसित करणे यांसारख्या टेलिकम्युनिकेशन नेटवर्कमध्ये अधिक व्यापक भूमिका बजावण्यास ‘AI’ने सुरुवात केली.

AI आणि टेलिकम्युनिकेशन एक ‘रिकर्सिव्ह फीडबॅक लूप’ तयार करतात. त्यामध्ये AI चा वापर गुंतागुंतीचे व्यवस्थापन करण्यासाठी आणि नेटवर्कवर अधिक साधने व सेवा सुलभ करण्यासाठी केला जातो. अधिक साधने व सेवांच्या उपलब्धतेमुळे अधिक ताकदवान आणि सक्षम AI यंत्रणांच्या मागणीत वाढ होते. 5G नेटवर्क येईपर्यंत नेटवर्कची कार्यक्षमता उच्चतम (ऑप्टिमाइझ) करण्यासाठी AI चे एकत्रीकरण करणे हे आणखी एक वैशिष्ट्य होते. दुसरे म्हणजे, पुढील 5G-A आणि 6G तंत्रज्ञानाची रचना सुरुवातीपासूनच आपल्या रचनेमध्ये AI चा समावेश करण्यासाठी केली जाते. उदाहरणार्थ, रेडिओ ॲक्सेस नेटवर्क फंक्शन्स (आरएएन) सह AI क्षमतांचे को-लोकेटिंग करून AI-नेटिव्ह करणे. AI-नेटिव्ह रचनेचा आणखी एक लाभ म्हणजे, ‘मल्टी-टेनन्सी’च्या माध्यमातून एज कॉम्प्युटिंगपर्यंत एज सेवांचा विस्तार करण्याची क्षमता किंवा त्याच टेलिकॉम नेटवर्कवर एज AI ॲप्लिकेशन्स, व्हॉइस, डेटा आणि व्हिडीओ होस्ट करण्याची क्षमता. या क्षमतेमुळे अवधी कमी लागेल. स्मार्ट सिटी, इंटरनेट ऑफ थिंग्ज (IOT), ऑटोनॉमस ड्रायव्हिंग आदी तंत्रज्ञान प्रकल्पांसाठी AI-नेटिव्ह टेलिकॉम नेटवर्क महत्त्वपूर्ण असतील. मात्र अवैधरीत्या पाळत ठेवण्याची क्षमता, ग्राहकांच्या गोपनीयतेचे उल्लंघन करू शकणारे डेटा हार्वेस्टिंग आणि उर्जावापर अधिक वाढल्याने स्थानिक उर्जा पायाभूत सुविधांवर ताणही आणू शकतात.

व्यापक AI चे कार्य

प्रगत नेटवर्कसाठी AI चा सर्वांत महत्त्वाचा लाभ म्हणजे गेल्या काही दशकांमध्ये बाजारपेठेत आलेल्या डिजिटली कनेक्टेड साधनांच्या वाढत्या संख्येमुळे निर्माण होणाऱ्या नेटवर्क गुंतागुंतीचे व्यवस्थापन. व्यापक डिडिटलीकरणामुळे एक वेगळीच परिस्थिती निर्माण होत आहे. प्रत्येक क्षणी सक्रिय असलेल्या अब्जावधी साधनांमुळे तयार होणाऱ्या वाढत्या नेटवर्क ट्रॅफिकला हाताळण्यासाठी मानवी क्षमता पुऱ्या पडणार नाहीत. या संदर्भाने नेटवर्क डेटाच्या विस्तृत प्रवाहांचे कार्यक्षमतेने विश्लेषण करण्यासाठी AI अल्गोरिदमचा वापर केला जाऊ शकतो. त्यामध्ये गर्दीचे व विसंगती शोधण्याच्या भागांचा अंदाज घेतला जाऊ शकतो. त्यासाठी कनव्होल्यूशनल न्यूरल नेटवर्क्स(CNN), ट्रॅफिक डिमांड ट्रेंडचा अंदाज घेण्यासाठी लाँग-शॉर्ट मेमरी (LSTM) नेटवर्क आणि गुप्ततेचे रक्षण करण्यासाठी मर्यादित डेटा असलेल्या प्रशिक्षण प्रारूपांसाठी सिंथेटिक डेटा तयार करण्यासाठी जनरेटिव्ह ॲडव्हायसरियल नेटवर्कसारख्या पद्धतींचा वापर केला जाऊ शकतो.

टेलिकम्युनिकेशन क्षेत्रात AI वर आधारित उपाययोजना या आधीच एकत्रित केल्या जात आहेत. उदाहरणार्थ, व्होडाफोन या दूरसंचार क्षेत्रातील आघाडीच्या कंपनीने नेटवर्क सुविधा सुलभरीत्या उपलब्ध होण्यासाठी आणि फील्ड डिस्पॅचची संख्या कमी करण्यासाठी फील्ड तंत्रज्ञांना रिअल-टाइम माहिती प्रदान करण्यासाठी त्यांच्या नेटवर्क पायाभूत सुविधांमध्ये ‘जनरेटिव्ह AI’चा समावेश करण्यासाठी ‘गुगल क्लाउड’शी भागीदारी केली आहे. ‘एम्बेड AI’ असलेल्या भविष्यातील नेटवर्कचे एक मूलभूत आश्वासन म्हणजे ऑपरेशनल निर्णय स्वयंचलित करणे आणि नेटवर्क व्यवस्थापनामध्ये मानवी हस्तक्षेप कमीत कमी असेल, असा झिरो-टच पॅराडाइम तयार करणे. चीनी बनावटीच्या मोबाइलच्या ‘लेव्हल 4’ या स्वायत्त नेटवर्कसारख्या गोष्टींमुळे दूरसंचार कंपन्या या आधीच बदलाच्या दिशेने वाटचाल करीत आहेत. या कंपन्यांनी नेटवर्क ऑप्टिमायझेशन वाढवण्यासाठी जनरेटिव्ह AI सोल्युशन्स वापरून डेटा विश्लेषण कार्यक्षमता ७० टक्क्यांपेक्षा अधिक वाढवण्याची आणि वर्षाचा कार्यान्वितता खर्च ७० लाख डॉलरनी कमी करण्याची क्षमता दाखवून दिली आहे.

AI-नेटिव्ह टेलिकॉम नेटवर्क्सचा आणखी एक महत्त्वाचा लाभ म्हणजे सायबर धोके आणि फसवणुकीचे प्रमाण कमी होणे. ही सुरक्षा ग्राहकांसाठी व नेटवर्क ऑपरेटरसाठी उपयुक्त ठरू शकते. जागतिक टेलिकम्युनिकेशन क्षेत्रात 2024 या केवळ एक वर्षात रॅन्समवेअर हल्ल्यांत प्रचंड वाढ झाल्याचा अनुभव घेतला. त्यावरून हे दिसते की डिजिटल दरी भरून काढण्यासाठी जगभरातील डिजिटल कनेक्टिव्हिटी वाढवणे गरजेचे असून आणि स्केलेबल सायबरसुरक्षा उपाय योजणेही आवश्यक आहे. या समस्येवर उत्तर शोधण्यासाठी ‘थ्रेट इंटेलिजन्स प्लॅटफॉर्म’चा लाभ AI-नेटिव्ह नेटवर्क्सकडून घेतला जाऊ शकतो. यात आधीच्या डेटावर अवलंबून राहण्याऐवजी संभाव्य क्षमतांच्या माध्यमातून नव्या धोक्यांच्या पूर्वसूचना त्वरित ओळखण्यासाठी रिअल-टाइम डेटाचे विश्लेषण करू शकतात. त्याचप्रमाणे AI आधारित टीआयपी धोके शोधू शकतात आणि निवारण यंत्रणा स्वयंचलित करू शकतात. शिवाय सायबरसुरक्षेत मानवविरहीत यंत्रणेच्या माध्यमातून बदल करू शकतात.

दुहेरी वापराचे धोके

टेलिकम्युनिकेशन AI चे अनेक लाभ असले, तरी नेटवर्कमध्ये स्वयंचलित पद्धतींचे एकत्रीकरण वाढत असल्याने जोखीम निर्माण होते आणि धोरणात्मक आव्हानेही समोर येतात. दुहेरी वापर असणाऱ्या तंत्रज्ञानाच्या स्वरूपामुळे AI चा वापर विध्वंसक घटकांकडून केला जाऊ शकतो. AI चा वापर करून मालवेअर हल्ले, सुधारित फिशिंग मोहिमा यांसारख्या वाढत्या अत्याधुनिक धोक्यांची अंमलबजावणी करण्यासाठीही केला जाऊ शकतो. या शिवाय AI-नेटिव्ह नेटवर्कच्या व्यापक क्षमतांमुळे सरकारी व्याप्ती आणि पाळत ठेवण्याच्या ऑपरेशन्सबद्दल नैतिक प्रश्नही उपस्थित केले जातात. अमेरिकेच्या संरक्षण मंत्रालयाने 6G तंत्रज्ञानाच्या प्रभावाचा व विकासाचा अभ्यास करण्यासाठी आधीच ‘फ्युचरजी टीम’ स्थापन केली आहे. आयात करण्याचा एक नवा मार्ग म्हणजे इंटिग्रेटेड सेन्सिंग अँड कम्युनिकेशन (ISAC). या पद्धतीमुळे 6G नेटवर्क इन्फ्रास्ट्रक्चरमध्ये थेट सेन्सिंग क्षमतांचे एकत्रीकरण करण्यास परवानगी मिळेल. अशा सेन्सर संयुक्तीकरणामुळे AI सिस्टिमला रेडिओ लहरींचे विश्लेषण करण्याची परवानगी देऊन उच्च शुद्धता स्थिती, पर्यावरण मॅपिंग, वस्तू शोधणे आणि हालचाल शोधण्याची संवेदना यांसारख्या पद्धती सक्षम होतील. त्याचप्रमाणे ‘नेटवर्कला प्रभावीपणे वितरित सेन्सर संग्रहामध्ये रूपांतरित करेल.’ अशा पद्धतींचा वापर सुरुवातीच्या काळात संरक्षण क्षेत्रात होण्याची शक्यता आहे. तरी सर्वसामान्य वातावरणात अत्याधुनिक पाळत ठेवण्याच्या तंत्रज्ञानाच्या क्षमतेवर धोरणकर्त्यांनी व्यापक विचारमंथन करणे गरजेचे आहे.

व्यापक प्रमाणात ‘AI’चा वापर करण्याचा आणखी एक धोका म्हणजे AI पक्षपातीपणामध्ये वाढ. अलीकडील काळात प्रशिक्षण डेटा आणि जनरेटिव्ह AI च्या आउटपुटमध्ये विशिष्ट समुदाय आणि जेंडरसंबंधीचे प्रतिनिधित्व करण्याची उदाहरणे समोर आली आहेत. टेलिकम्युनिकेशनमधील AI च्या संदर्भाने पक्षपात करणाऱ्या किंमती, विशिष्ट क्षेत्रांना स्रोत आणि बँडविड्थचे पक्षापाती वाटप, समस्याप्रधान ग्राहकसेवा उदाहरणे, विशिष्ट समूह दर्शवणारी फसवणूक शोध यंत्रणा आदींचा माग काढता येऊ शकतो. जनरेटिव्ह ‘AI’प्रमाणेच टेलिकम्युनिकेशन AI चे नियमन करण्यासंबंधातील धोरणांमध्ये अल्गोरिदमिक पारदर्शकतेच्या गरजांमुळे AI प्रारूपांसाठी प्रशिक्षण डेटासेटमध्ये पूर्वग्रह असणार नाही, याची खात्री करून घेण्यावर भर द्यायला हवा. त्याचप्रमाणे टेलिकम्युनिकेशन ऑपरेटरना उत्कृष्ट पद्धती व मार्गदर्शन करू शकतील, अशा संयुक्त स्वीकारार्ह तांत्रिक मानकापर्यंत जाण्यासाठी आंतरसरकारी आणि सार्वजनिक-खासगी भागीदारीच्या माध्यमातून आंतरराष्ट्रीय सहकार्य गरजेचे आहे.

निष्कर्ष

सातत्याने अत्याधुनिक होणाऱ्या AI यंत्रणेमुळे सामान्यपणे आणि विशेषतः टेलिकम्युनिकेशन क्षेत्रातही उद्भवणारे एक प्रमुख धोरणात्मक आव्हान म्हणजे जलद गतीने बदलणाऱ्या तंत्रज्ञानाच्या पार्श्वभूमीवर नियमांची लवचिकता आणि नियमनाची अनुकूलता हे आहे. आणखी एक गोष्ट म्हणजे, विविध प्रणालींमध्ये काम करू शकणारे आणि निर्णय घेऊ शकणारे AI एजंट निर्माण झाल्यामुळे; तसेच स्वायत्त एजंटमधील परस्पर संवादामुळे उद्भवणाऱ्या अनपेक्षित वर्तनामुळे अनेक गुंतागुंतीच्या समस्या निर्माण होतात. तंत्रज्ञानाच्या अशा गतिमान संचाचे नियमन करण्याच्या प्रयत्नांसाठी धोरणात्मक दृष्टिकोन लवचिक असणे आवश्यक असू शकते. त्यामध्ये सार्वजनिक आणि खासगी क्षेत्राच्या माध्यमातून नेटवर्कच्या सहनियंत्रणावर भर दिला जाऊ शकतो. नेटवर्कचे वहन वाढल्यामुळे निर्माण होणारी गुंतागुंत लक्षात घेता नियमन हे परिणाम व तत्त्वांवर आधारित असेल, तर इच्छित परिणामांवर भर देता येईल. शिवाय परिणामांचे उद्दिष्ट साध्य करण्याच्या साधनांपेक्षा संयुक्तपणे प्रशासन मानकांवर सहमती असेल, तर ते अधिक प्रभावी ठरू शकतात. टेलिकम्युनिकेशन नेटवर्कचे वितरणाधारित स्वरूप आणि सुरक्षेसंबंधातील सीमेपलीकडील संभाव्य धोके यामुळे इंटरनॅशनल टेलिकम्युनिकेशन युनियन व ग्लोबल कोॲल्युशन ऑन टेलिकम्युनिकेशन यांसारख्या आंतरराष्ट्रीय व्यासपीठांच्या माध्यमातून अधिक सहकार्याची आवश्यकता असेल. अशा व्यासपीठांचा वापर बहुभागधारकांच्या सहभागाला प्रोत्साहन देण्यासाठी, नियामकाचे विखंडन रोखण्यासाठी आणि नव्या उपक्रमांमध्ये अडथळे निर्माण करणारे कठोर नियम रोखण्यासाठीही करता येऊ शकतो.

सिद्धार्थ यादव हे ओआरएफ मिडल इस्टमध्ये ‘टेक्निकल व्हर्टिकल’चे फेलो आहेत.

• Internet Governance
• India
• ai in telecom industry
• ai in telecommunications
• Artificial Intelligence
• Cyber and Technology
• generative ai for telecom
• India
• Internet Governance
• telecom ai

The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.

PREV NEXT