कृत्रिम बुद्धिमत्ता व यंत्र शिक्षण (AI/ML) पदविका अभ्यासक्रम : विद्यार्थ्यांसाठी संधी की शैक्षणिक धोरणातील विसंगती?
MSBTE च्या अधिकृत Learning & Assessment Scheme कागदपत्रांच्या आधारे — सहा सत्रांपैकी किती सत्रांमध्ये प्रत्यक्ष AI/ML शिकवले जाते, आणि हे ज्ञान फक्त दहावीनंतरच्या पूर्णवेळ विद्यार्थ्यांपुरतेच का मर्यादित आहे, याचा सविस्तर, पुराव्यानिशी आढावा.
१. AI चा उदय आणि विद्यार्थ्यांची स्वप्ने
गेल्या तीन-चार वर्षांत "AI" हा शब्द महाराष्ट्रातील प्रत्येक करिअर मार्गदर्शन सत्रात, प्रत्येक प्रवेश पत्रिकेत आणि प्रत्येक पालकसभेत ऐकू येऊ लागला आहे. दहावी उत्तीर्ण झालेला विद्यार्थी जेव्हा प्रवेश अर्ज भरतो, तेव्हा "Diploma in Artificial Intelligence" किंवा "Artificial Intelligence and Machine Learning" हे नाव त्याला भविष्यातील मोठ्या संधीचे प्रतीक वाटते. पालकांनाही वाटते — आपला मुलगा/मुलगी आता थेट भविष्यातील तंत्रज्ञानात प्रवेश करत आहे.
पण एका विद्यार्थ्याला हे माहीत असते का, की त्याच्या सहा सत्रांच्या (तीन वर्षांच्या) अभ्यासक्रमात प्रत्यक्ष AI व Machine Learning शी संबंधित विषय नेमके कोणत्या सत्रापासून सुरू होतात? हा प्रश्न केवळ शैक्षणिक कुतूहलाचा नाही — तो त्याच्या करिअर नियोजनाशी, वेळेशी आणि अपेक्षांशी थेट जोडलेला आहे.
हाच प्रश्न या लेखाचा गाभा आहे — आरोप म्हणून नव्हे, तर महाराष्ट्र राज्य तंत्रशिक्षण मंडळाच्या (MSBTE) स्वतःच्या अधिकृत Learning and Assessment Scheme कागदपत्रांमधून समोर येणारा पुरावा म्हणून.
एका क्षणासाठी थांबा आणि स्वतःला विचारा — तुम्ही जेव्हा "AI/ML Diploma" हे नाव वाचता, तेव्हा तुमच्या मनात नेमकं काय चित्र उभं राहतं? कोडिंग करणारा विद्यार्थी? न्यूरल नेटवर्क समजावणारा प्राध्यापक? की भविष्यातील एक हमखास नोकरी? आता स्वतःला दुसरा प्रश्न विचारा — हे चित्र तुम्ही कोणत्या आधारावर तयार केलं? जाहिरातीवरून? प्रवेश पत्रिकेवरून? की प्रत्यक्ष अभ्यासक्रमाच्या तपशीलावरून? बहुतेकांचं उत्तर तिसरं नसतं — आणि नेमकी हीच पोकळी या लेखाचा विषय आहे.
शिक्षण ही केवळ पदवी किंवा प्रमाणपत्र मिळवण्याची प्रक्रिया नसते — ती विद्यार्थ्याच्या आयुष्यातील तीन अमूल्य वर्षांची, कुटुंबाच्या आर्थिक गुंतवणुकीची आणि एका पिढीच्या स्वप्नांची बांधिलकी असते. म्हणूनच अभ्यासक्रमाचं नाव आणि त्याचा प्रत्यक्ष आशय यांच्यातील अंतर समजून घेणं ही चैनीची बाब नसून, एक नैतिक गरज आहे.
२. MSBTE AI/ML पदविका नेमकी काय आहे?
महाराष्ट्र राज्य तंत्रशिक्षण मंडळाने (Maharashtra State Board of Technical Education, Mumbai) शैक्षणिक वर्ष २०२३-२४ पासून "Diploma in Artificial Intelligence" (कोड: AI) आणि "Diploma in Artificial Intelligence and Machine Learning" (कोड: AN) हे दोन स्वतंत्र अभ्यासक्रम सुरू केले. दोन्ही अभ्यासक्रम सहा सत्रांचे (तीन वर्षांचे) असून, प्रत्येक सत्र १६ आठवड्यांचे आहे.
विशेष बाब म्हणजे, MSBTE च्या अधिकृत योजना दस्तऐवजांमध्ये "Programme Name" या रकान्यात AI आणि AN सोबतच Cloud Computing and Big Data, Computer Technology, Computer Engineering, Computer Science & Engineering, Data Sciences, Computer Hardware & Maintenance, Information Technology यांसारख्या तब्बल अकरा अभ्यासक्रमांचा एकत्रित उल्लेख आहे — कारण पहिल्या दोन सत्रांची Learning & Assessment Scheme या सर्व अकरा शाखांसाठी समान आहे.
३. अभ्यासक्रमाचे नाव आणि प्रत्यक्ष आशय — सत्रनिहाय विश्लेषण
"Diploma in Artificial Intelligence" या नावाखाली विद्यार्थी प्रवेश घेतो, तेव्हा त्याची अपेक्षा असते की पहिल्या दिवसापासूनच तो AI शिकेल. प्रत्यक्षात MSBTE च्या सहाही सत्रांच्या अधिकृत योजना तपासल्यावर चित्र वेगळे दिसते.
| सत्र | एकूण विषय | थेट AI/ML शी संबंधित विषय | उर्वरित विषय |
|---|---|---|---|
| सत्र १ | ७ | शून्य | Basic Mathematics, English, Physics-Chemistry, ICT Fundamentals, Workshop Practice, Yoga & Meditation, Engineering Graphics |
| सत्र २ | ७ | शून्य | Applied Mathematics, Basic Electrical-Electronics, Programming in C, Linux Basics, Professional Communication, Social & Life Skills, Web Page Designing |
| सत्र ३ | ६ | आंशिक — Statistical Modelling for Machine Learning (१) | DBMS, Digital Techniques, Data Structure using Python, Constitution, Data Storytelling |
| सत्र ४ | ६ | आंशिक — Mathematics for Machine Learning (१) | Environmental Education, Java, Computer Networks, Microprocessor, UI/UX Design |
| सत्र ५ | ५ + इलेक्टिव्ह | AI & ML Algorithm (१), इलेक्टिव्हमध्ये NLP पर्याय | Operating System, Entrepreneurship, Seminar, Internship (१२ आठवडे) |
| सत्र ६ | ५ + इलेक्टिव्ह | इलेक्टिव्हमध्ये Advanced Algorithm in AI & ML | Management, Big Data Analytics, Image Processing, Mobile App Dev, Networks, Capstone Project |
या तक्त्यावरून स्पष्ट होणारी वस्तुस्थिती अशी आहे — सत्र १ आणि सत्र २ मध्ये, म्हणजे पहिल्या संपूर्ण वर्षात, "Artificial Intelligence" किंवा "Machine Learning" या नावाचा एकही स्वतंत्र विषय अभ्यासक्रमात नाही. "AI & ML Algorithm" हा पहिला थेट-नामांकित गाभा विषय सत्र ५ मध्ये, म्हणजे तिसऱ्या वर्षाच्या पहिल्या सत्रात येतो.
हा आकडा वाचून एक क्षण थांबा. सहापैकी तीन पूर्ण सत्रं — म्हणजे डिप्लोमाच्या निम्म्याहून अधिक प्रवासात — विद्यार्थी "Artificial Intelligence" या नावाखाली प्रवेश घेऊनही प्रत्यक्षात त्या नावाशी थेट संबंध नसलेलं शिक्षण घेत असतो. हे चुकीचं आहे का? आवश्यक नाही — पाया मजबूत असणं ही वाईट गोष्ट नाही. पण मग प्रश्न असा उरतो: अभ्यासक्रमाला "Diploma in Computer Engineering with AI/ML specialisation" असं नाव दिलं असतं, तर विद्यार्थ्यांच्या अपेक्षा आणि अभ्यासक्रमाचा प्रत्यक्ष अनुभव यांच्यात इतकी तफावत राहिली असती का? नावात नेमकं काय असतं — हे आपण किती वेळा स्वतःला विचारतो?
४. AI विषय पहिल्या दोन सत्रांत का नाहीत?
हा प्रश्न द्वेषापोटी नव्हे, तर तर्काच्या आधारावर विचारणे आवश्यक आहे. कोणत्याही तांत्रिक पदविकेत Mathematics, Physics, Communication Skills, Workshop Practice यांसारखे पायाभूत विषय असणे स्वाभाविक आणि आवश्यक आहे — अभियांत्रिकी शिक्षणाचा पाया भक्कम असावा लागतो, हे तंत्रनिकेतनाचे मूळ तत्त्व आहे.
प्रश्न पायाभूत विषयांच्या अस्तित्वाबद्दल नाही, तर अभ्यासक्रमाच्या नामांकनाबद्दल (nomenclature) आहे. जर एखाद्या अभ्यासक्रमाचे नाव "Diploma in Computer Engineering" किंवा "Diploma in Computer Technology" असते, तर पहिल्या वर्षात पायाभूत विषय असणे पूर्णपणे अपेक्षित आणि सुसंगत ठरले असते. परंतु जेव्हा अभ्यासक्रमाचे नाव विशिष्टपणे "Artificial Intelligence" असते, तेव्हा विद्यार्थी व पालक यांची स्वाभाविक अपेक्षा असते की विषयवस्तू सुरुवातीपासूनच त्या नावाशी सुसंगत असेल.
MSBTE च्या योजना दस्तऐवजात स्वतः नमूद आहे की सत्र १-२ ची संरचना AI, AN सह Computer Engineering, IT, Computer Science यांसारख्या अकरा शाखांसाठी एकसमान आहे. याचा अर्थ असा होतो की, नामांकनातील फरक असूनही, पहिल्या वर्षाचा अभ्यासक्रम-अनुभव या सर्व विद्यार्थ्यांसाठी जवळपास सारखाच असतो.
५. Exit Policy : Certificate, Diploma of Vocation आणि वास्तव
MSBTE च्या Multiple Entry-Exit योजनेनुसार (NCrF — National Credit Framework शी संलग्न):
- प्रथम वर्ष बाहेर पडणारा (First Year Exit): "Certificate of Vocation" मिळतो — अट: सत्र १-२ उत्तीर्ण + ४ आठवड्यांची Exit Internship. या टप्प्यावर विद्यार्थ्याने कोणताही थेट AI/ML विषय अभ्यासलेला नसतो.
- द्वितीय वर्ष बाहेर पडणारा (Second Year Exit): "Diploma of Vocation" मिळतो — अट: सत्र १-४ उत्तीर्ण + Exit Industrial Training किंवा Online Exit Course. या टप्प्यावर विद्यार्थ्याकडे केवळ दोन आंशिक विषयांचा (Statistical Modelling for ML, Mathematics for ML) अनुभव असतो — स्वतंत्र गाभा AI/ML विषय अद्याप शिकलेला नसतो.
याचा अर्थ असा की, जर एखादा विद्यार्थी आर्थिक अडचणी, कौटुंबिक कारणे किंवा अन्य कारणांमुळे दुसऱ्या वर्षानंतर अभ्यासक्रम सोडत असेल, तर त्याला "Diploma of Vocation in Artificial Intelligence" हे प्रमाणपत्र मिळेल — पण त्या प्रमाणपत्रामागे प्रत्यक्ष AI/ML चे गाभा प्रशिक्षण उपस्थित नसेल. ही वस्तुस्थिती विद्यार्थी व पालकांपर्यंत प्रवेशाच्या वेळी किती स्पष्टपणे पोचवली जाते, हा एक महत्त्वाचा प्रश्न आहे.
६. डिप्लोमा ते इंजिनिअरिंग : १०% जागांचा अडथळा आणि देणगी अर्थव्यवस्था
डिप्लोमा पूर्ण केल्यानंतर बहुसंख्य विद्यार्थ्यांचे पुढचे लक्ष्य असते — थेट द्वितीय वर्ष अभियांत्रिकी (Direct Second Year Engineering) मध्ये प्रवेश. महाराष्ट्र राज्य सीईटी सेलच्या Direct Second Year Engineering (DSE) प्रवेश प्रक्रियेनुसार, लॅटरल एंट्रीच्या जागा या मंजूर प्रवेश क्षमतेच्या केवळ १०% (supernumerary, म्हणजे अतिरिक्त) इतक्याच असतात.
व्यवहारात याचा अर्थ — जर एखाद्या अभियांत्रिकी शाखेची प्रथम वर्ष प्रवेश क्षमता १२० जागांची असेल, तर डिप्लोमाधारक विद्यार्थ्यांसाठी राखीव जागा अंदाजे फक्त १२ इतक्याच उरतात. संगणक अभियांत्रिकी, माहिती तंत्रज्ञान यांसारख्या उच्च-मागणीच्या शाखांमध्ये या मर्यादित जागांसाठी स्पर्धा अत्यंत तीव्र असते — सरकारी व अग्रणी स्वायत्त संस्थांमध्ये अनेकदा ९०% च्या वर गुणांची आवश्यकता भासते.
याच वेळी हे लक्षात घेणे आवश्यक आहे की डिप्लोमा गुणांमध्ये अंतर्गत मूल्यमापनाचे (internal assessment) प्रमाण लक्षणीय असल्याने अनेक विद्यार्थी ९५% पेक्षा अधिक गुण मिळवतात, ज्यामुळे "Diploma Inflation" ची स्थिती निर्माण होते आणि मर्यादित जागांसाठीची स्पर्धा आणखी तीव्र होते. विद्यार्थ्याने आपला अमूल्य वेळ व पैसा गुंतवून तीन वर्षांचा डिप्लोमा पूर्ण केल्यानंतरही, पुढील अभियांत्रिकी प्रवेशाचा मार्ग संरचनात्मकदृष्ट्या अरुंद असतो — हे वास्तव प्रवेशाच्या वेळी विद्यार्थ्यांना किती स्पष्टपणे सांगितले जाते, हा प्रश्न महत्त्वाचा आहे.
इथे थोडं थांबून विचार करूया — एक विद्यार्थी दहावीनंतर डिप्लोमाला प्रवेश घेतो, कारण त्याला वाटतं की हा मार्ग अभियांत्रिकी पदवीपर्यंत जाणारा एक जलद, सोपा मार्ग आहे. तीन वर्षं तो मेहनत करतो, चांगले गुण मिळवतो. आणि मग त्याला कळतं की त्याच्यासारखे आणखी शेकडो विद्यार्थी त्याच १०-१२ जागांसाठी रांगेत आहेत. इथून पुढे त्याच्यासमोर दोनच वाटा उरतात — एकतर स्पर्धेत हरून दुसरी शाखा स्वीकारणे, किंवा व्यवस्थापन कोट्यातून जास्त शुल्क भरून प्रवेश घेणे. ही निवड त्याने केलेली नसते — ती व्यवस्थेने त्याच्यासाठी आधीच ठरवलेली असते. आणि याच चक्रात अडकलेल्या हजारो विद्यार्थ्यांचा फायदा कोण घेतं, हा प्रश्न आपण किती वेळा स्वतःला विचारतो?
७. AICTE Model Curriculum : डिप्लोमा वि. डिग्री
अखिल भारतीय तंत्रशिक्षण परिषदेने (AICTE) पदवी स्तरावरील "Computer Science and Engineering — Artificial Intelligence and Machine Learning" साठी स्वतंत्र Model Curriculum तयार केलेला आहे, जो विशेषतः चार वर्षांच्या अभियांत्रिकी पदवी अभ्यासक्रमासाठी रचलेला आहे. यात AI/ML चे सखोल, उद्योग-तज्ज्ञांच्या सहभागाने तयार केलेले विषय पहिल्या वर्षापासूनच टप्प्याटप्प्याने समाविष्ट होतात.
याउलट, MSBTE च्या डिप्लोमा अभ्यासक्रमात, वर नमूद केल्याप्रमाणे, गाभा AI/ML विषय फक्त शेवटच्या दोन सत्रांत केंद्रित आहेत. हा फरक चुकीचा आहे असे म्हणणे योग्य ठरणार नाही — डिप्लोमा व डिग्री यांचे उद्दिष्ट, कालावधी आणि खोली स्वाभाविकपणे वेगळी असते. परंतु हा फरक विद्यार्थी व पालकांना प्रवेशाच्या वेळी स्पष्टपणे समजावून सांगितला जातो का, हा प्रश्न उरतोच.
८. CBSE आधीच काय शिकवत आहे — आपण कुठे मागे आहोत?
हा मुद्दा या संपूर्ण विश्लेषणातील सर्वांत ठोस तुलनात्मक पुरावा आहे. केंद्रीय माध्यमिक शिक्षण मंडळाने (CBSE) सत्र २०१९-२० पासूनच इयत्ता नववीसाठी कृत्रिम बुद्धिमत्ता हा ऐच्छिक विषय म्हणून सुरू केला, तर इयत्ता अकरावीसाठीचा AI अभ्यासक्रम सत्र २०२०-२१ पासून सुरू झाला, जो 1M1B आणि IBM यांच्या सहकार्याने तयार करण्यात आला आहे.
इयत्ता अकरावीच्या CBSE AI अभ्यासक्रमात Python Programming, Data Literacy, Machine Learning Algorithms आणि AI Ethics यांसारखे टप्पे समाविष्ट आहेत — म्हणजेच, १२वी विज्ञान शाखेतील विद्यार्थी, जो अभियांत्रिकी डिप्लोमाकडे वळलेला नाही, त्यालाही पायाभूत AI/ML/Python चे ज्ञान CBSE अभ्यासक्रमातून शालेय वयातच उपलब्ध होऊ शकते — आणि तेही डिप्लोमाच्या तिसऱ्या वर्षाची वाट न पाहता.
शिवाय, CBSE ने एप्रिल २०२६ मध्ये नवीन अभ्यासक्रम जाहीर केला असून, त्यानुसार Computational Thinking आणि AI हा विषय सत्र २०२७-२८ पासून इयत्ता नववीसाठी सक्तीचा होणार आहे, आणि इयत्ता तिसरी ते आठवीसाठीचा संरचित AI अभ्यासक्रम आधीच सुरू करण्यात आला आहे.
याचा तार्किक प्रश्न असा: जर देशातील एक प्रमुख शालेय शिक्षण मंडळ इयत्ता तिसरीपासून ते बारावीपर्यंत AI साक्षरतेची संरचित मांडणी करत असेल, तर महाराष्ट्रातील तंत्रशिक्षण व्यवस्थेने "AI/ML" नावाचा तीन वर्षांचा संपूर्ण डिप्लोमा फक्त दहावीनंतरच्या मर्यादित विद्यार्थिगटापुरता का ठेवावा, आणि तोही गाभा विषयांच्या बाबतीत तिसऱ्या वर्षापर्यंत पुढे ढकलून?
९. MSCIT आणि AI Foundation — कालावधी व व्याप्तीतील फरक
महाराष्ट्र राज्य तंत्रशिक्षण मंडळाशी संलग्न MKCL (Maharashtra Knowledge Corporation Limited) तर्फे चालवला जाणारा MS-CIT हा अल्पकालीन संगणक साक्षरता अभ्यासक्रम आहे. MKCL ने आता "Basics of AI and Foundations" या नावाने स्वतंत्र AI पायाभूत अभ्यासक्रमही त्यांच्या KLiC (Knowledge Lit Careers) मालिकेअंतर्गत सुरू केला आहे — जो सर्वसामान्य नागरिकांसाठी, वयोगट किंवा शैक्षणिक शाखेची अट न ठेवता, खुला आहे.
येथे तुलनात्मक प्रश्न असा निर्माण होतो: जर तीन वर्षांच्या "AI/ML डिप्लोमा"चे मूळ उद्दिष्ट विद्यार्थ्यांना AI Foundation knowledge देणे हेच असेल (कारण गाभा विषय शेवटच्या वर्षीच येतात), तर अल्पकालीन, खुल्या प्रवेशाच्या AI Foundation अभ्यासक्रमांच्या तुलनेत डिप्लोमाची तीन वर्षांची बांधिलकी, वेळ आणि खर्च हे प्रमाणबद्ध आहेत का? हा प्रश्न डिप्लोमाला नाकारत नाही — कारण डिप्लोमा हा केवळ AI Foundation नसून संपूर्ण तंत्रशिक्षण पदविका आहे — पण अभ्यासक्रमाच्या नामांकनातून निर्माण होणाऱ्या अपेक्षेला आव्हान देतो.
१०. NEP 2020 आणि बहुविद्याशाखीय शिक्षणाचे वचन
राष्ट्रीय शिक्षण धोरण २०२० (National Education Policy 2020) हे बहुविद्याशाखीय (multidisciplinary) शिक्षणावर, लवचीक प्रवेश-निर्गम (multiple entry-exit) पद्धतीवर आणि भविष्यातील कौशल्यांवर (future skills) विशेष भर देते. MSBTE च्या डिप्लोमा योजनेत समाविष्ट NCrF (National Credit Framework) आणि Multiple Entry-Exit रचना ही याच धोरणाच्या अनुषंगाने तयार करण्यात आलेली दिसते — जी एक सकारात्मक पाऊल आहे.
परंतु NEP 2020 चे "बहुविद्याशाखीय" तत्त्व पुढे नेल्यास, असा प्रश्न उपस्थित होतो: AI साक्षरता ही जर खरोखरच भविष्यातील मूलभूत कौशल्य (foundational future skill) मानली जात असेल, तर ती फक्त तंत्रनिकेतनातील पूर्णवेळ विद्यार्थ्यांपुरती मर्यादित का असावी? वाणिज्य, कला आणि विज्ञान शाखेतील ११वी-१२वीचे विद्यार्थीही — जे अभियांत्रिकी डिप्लोमाकडे वळणार नाहीत — त्यांना प्रमाणपत्र किंवा अंशकालीन (part-time) स्वरूपात पायाभूत AI साक्षरता उपलब्ध करून देण्याचा विचार धोरणकर्त्यांनी करावा का?
११. AI For All की AI For Selected Students?
जागतिक स्तरावर "AI for All" ही संकल्पना मोठ्या प्रमाणावर चर्चिली जाते — कृत्रिम बुद्धिमत्तेचे मूलभूत आकलन हे केवळ अभियांत्रिकी विद्यार्थ्यांपुरते मर्यादित न राहता, समाजातील सर्व घटकांपर्यंत पोहोचावे, हा त्यामागचा विचार आहे. आज AI हे क्षेत्र केवळ Engineering पुरते उरलेले नाही:
- वाणिज्य शाखेत: Data Analytics, Financial Modelling मध्ये AI टूल्सचा वापर वाढतो आहे.
- कला शाखेत: Media, Journalism, Content Creation मध्ये AI Tools चा प्रत्यक्ष वापर सुरू झाला आहे.
- विज्ञान शाखेत: Research, Programming, Data Science साठी पायाभूत AI ज्ञान उपयुक्त ठरते.
या पार्श्वभूमीवर, "AI/ML Diploma चा प्राथमिक उद्देश विद्यार्थ्यांना मूलभूत (foundation-level) ज्ञान आणि संगणकीय विचारसरणी देणे हा असेल," तर असे पायाभूत AI शिक्षण केवळ दहावीनंतरच्या पूर्णवेळ तंत्रशिक्षण विद्यार्थ्यांपुरते मर्यादित न ठेवता, इयत्ता ११वी-१२वीतील विज्ञान, वाणिज्य व कला शाखेतील विद्यार्थ्यांनाही Certificate, Part-Time, Hybrid किंवा Online स्वरूपात उपलब्ध करून देण्याचा विचार धोरणकर्त्यांनी करावा, असा युक्तिवाद येथे केला जात आहे.
🎯 हा युक्तिवाद नेमका काय म्हणत नाही आणि काय म्हणतो
- म्हणत नाही: "AI/ML Diploma बेकायदेशीर आहे" किंवा त्याचे अस्तित्व चुकीचे आहे.
- म्हणतो: अभ्यासक्रमाचे नामांकन आणि प्रत्यक्ष सत्रनिहाय आशय यांच्यातील विसंगती विद्यार्थी व पालकांना प्रवेशापूर्वी अधिक पारदर्शकपणे कळवली जावी.
- म्हणतो: जर मूळ उद्दिष्ट AI Foundation देणे हेच असेल, तर हे ज्ञान व्यापक विद्यार्थी-समूहासाठी सुलभ करण्याचा विचार व्हावा.
१२. सुधारणा काय असू शकतात?
- पारदर्शक प्रवेश माहिती: प्रवेशाच्या वेळी सत्रनिहाय विषय रचना (विशेषतः सत्र १-२ मध्ये थेट AI/ML विषय नसल्याची बाब) विद्यार्थी व पालकांना स्पष्टपणे कळवली जावी.
- AI Foundation Certificate कार्यक्रम: इयत्ता ११वी-१२वी आणि बिगर-अभियांत्रिकी विद्यार्थ्यांसाठी AICTE, MSBTE, SCERT महाराष्ट्र आणि शालेय शिक्षण विभाग यांनी संयुक्तपणे अल्पकालीन, Part-Time किंवा Online AI Foundation प्रमाणपत्र कार्यक्रम विकसित करावा.
- लॅटरल एंट्री जागांचा फेरविचार: डिप्लोमा ते अभियांत्रिकी प्रवेशासाठीच्या १०% जागांच्या मर्यादेचा, विशेषतः उच्च-मागणीच्या शाखांसाठी, धोरणात्मक फेरआढावा घेतला जावा.
- Placement Data चे सार्वजनिकीकरण: AI/ML डिप्लोमा विद्यार्थ्यांसाठीचा स्वतंत्र, पडताळणीयोग्य प्लेसमेंट डेटा संस्थांनी सार्वजनिक करावा, जेणेकरून भावी विद्यार्थ्यांना वास्तववादी अपेक्षा ठेवता येतील.
- शिक्षक क्षमता बांधणी: गाभा AI/ML विषय शिकवणाऱ्या प्राध्यापकांच्या पात्रता व सातत्यपूर्ण प्रशिक्षणाबाबत (विशेषतः नवीन तंत्रज्ञान वेगाने बदलत असताना) पारदर्शक माहिती उपलब्ध असावी.
१३. भारताची AI मधील भूमिका — आणि आपण नेमकं काय निवडतोय?
एक प्रश्न आहे, जो साधा वाटतो पण उत्तर शोधायला गेलं की अस्वस्थ करतो: जागतिक AI क्रांतीमध्ये भारताची भूमिका नेमकी काय आहे — आपण AI घडवणारे आहोत, की केवळ AI वापरणारे? हा प्रश्न प्रत्येक विद्यार्थ्याने स्वतःला विचारायला हवा, कारण याच प्रश्नाच्या उत्तरावर त्याच्या शिक्षणाचा खरा अर्थ अवलंबून आहे.
जर एखादा अभ्यासक्रम विद्यार्थ्याला AI तंत्रज्ञान निर्माण करण्यास सक्षम बनवत असेल, तर तीन वर्षांची बांधिलकी सार्थ ठरते. पण जर तोच अभ्यासक्रम मुख्यतः AI वापरण्यासाठीचं प्राथमिक ज्ञान देत असेल — जे अल्पकालीन, खुल्या अभ्यासक्रमांतूनही मिळू शकतं — तर विद्यार्थ्याने स्वतःला विचारायला हवं: मी निर्माणकर्ता घडतोय, की केवळ वापरकर्ता? आणि या दोघांमधला फरक त्याला कोणी आधीच स्पष्ट सांगितला आहे का?
हा प्रश्न कोणालाही दोषी ठरवण्यासाठी नाही. तो फक्त एक आरसा आहे — ज्यात पाहून प्रत्येक विद्यार्थी, पालक आणि शिक्षणसंस्थेने स्वतःचं प्रतिबिंब तपासावं.
"तंत्रशिक्षणाचा खरा हेतू विद्यार्थ्याला केवळ रोजगारक्षम बनवणे नसून, त्याला समजून-उमजून निर्णय घेण्यास सक्षम बनवणे हा असायला हवा. जो विद्यार्थी आपण काय शिकतोय आणि का शिकतोय हे स्वतःला विचारतो, तोच खऱ्या अर्थाने शिकलेला असतो."
आणि शेवटी, सर्वांत महत्त्वाचा आणि सर्वांत अस्वस्थ करणारा प्रश्न — आपण जे शिकतोय, ते आपण स्वतः निवडलंय, की आपल्याला निवडायला लावलं गेलंय? जाहिराती, सामाजिक दबाव, "AI म्हणजे भविष्य" अशा घोषणा — या सगळ्यांच्या गदारोळात, खरी, माहितीपूर्ण, स्वतंत्र निवड किती विद्यार्थी करू शकतात? हा प्रश्न उत्तर मागत नाही — तो फक्त विचार मागतो. आणि कधीकधी, फक्त विचार करणं हीच सर्वांत मोठी सुरुवात असते.
१४. निष्कर्ष — विद्यार्थी, पालक आणि सरकारने विचारायचे प्रश्न
भारत देशाची AI क्षेत्रातील भूमिका काय आहे, यावर विचार केल्यास शिक्षणाबाबतची निवड अधिक अंतर्मुख होणारी ठरते. विद्यार्थ्यांनी आणि पालकांनी खालील प्रश्न संस्थांकडे, प्रवेश प्रक्रियेत आणि स्वतःशीही विचारणे आवश्यक आहे:
❓ विचारायलाच हवेत असे प्रश्न
- माझ्या निवडलेल्या डिप्लोमाच्या पहिल्या दोन सत्रांत प्रत्यक्ष AI/ML विषय किती आहेत?
- गाभा AI/ML अल्गोरिदम विषय नेमका कोणत्या सत्रापासून सुरू होतो?
- "Diploma of Vocation" किंवा "Certificate of Vocation" घेऊन बाहेर पडल्यास, माझ्याकडे प्रत्यक्ष किती AI/ML प्रशिक्षण असेल?
- थेट द्वितीय वर्ष अभियांत्रिकी प्रवेशासाठी माझ्या शाखेत वास्तविक किती जागा उपलब्ध आहेत — आणि सरकारी कोट्यातून किती?
- या संस्थेतील मागील तुकडीचा AI/ML शाखेसाठीचा स्वतंत्र प्लेसमेंट डेटा कुठे उपलब्ध आहे?
- AICTE/MSBTE ने हा अभ्यासक्रम मंजूर करताना कोणते उद्योग व रोजगारविषयक निकष विचारात घेतले होते?
- जर माझे ध्येय फक्त AI Foundation समजून घेणे असेल (अभियांत्रिकी करिअर नव्हे), तर अंशकालीन किंवा प्रमाणपत्र पर्याय अधिक योग्य ठरेल का?
तंत्रनिकेतन (Polytechnic) म्हणजे तंत्रशिक्षणाचा पाया समजून घेण्याची जागा — हे तत्त्व मध्यवर्ती ठेवूनच हा लेख लिहिला आहे. प्रश्न डिप्लोमाच्या अस्तित्वाला नाही, तर त्याच्या नामांकन, पारदर्शकता आणि व्याप्ती याबाबत आहे. योग्य माहितीच्या आधारे घेतलेला निर्णय हाच विद्यार्थ्याच्या तीन वर्षांच्या प्रवासाला अर्थपूर्ण बनवतो.
हा लेख वाचून संपवताना, एकच गोष्ट सोबत घेऊन जा — प्रश्न विचारणं ही बंडखोरी नसते, ती जबाबदारी असते. ज्या व्यवस्थेने आपल्याला घडवलं, तिलाच प्रश्न विचारण्याचा अधिकार आणि कर्तव्य दोन्ही आपल्याकडे आहे. कारण उद्या जेव्हा आजचा विद्यार्थी उद्याचा शिक्षक, अधिकारी किंवा धोरणकर्ता बनेल, तेव्हा त्याने आजच विचारलेले हेच प्रश्न पुढच्या पिढीसाठी उत्तरं बनतील. आणि तोपर्यंत — प्रश्न विचारत राहा. विचार करत राहा. कारण न विचारलेला प्रश्न हाच सर्वांत मोठा धोका असतो.
