କଳ୍ପନା କରନ୍ତୁ ଏପରି ଘଟଣା: ଏଲନ୍ ମାସ୍କ ଘୋଷଣା କରୁଛନ୍ତି ଯେ, ତାଙ୍କ AI କମ୍ପାନୀ ଭାରତୀୟ ଭାଷାମାନଙ୍କ ପାଇଁ ବିଶେଷ ଭାବେ ଶିକ୍ଷିତ ଏବଂ ଖୋଲା ସ୍ରୋତ (open-source) ଭାଷା ମଡେଲ୍ ରିଲିଜ୍ କରିବ। ସେହି ସମୟରେ ଭାରତର ପ୍ରତିରକ୍ଷା ମନ୍ତ୍ରଣାଳୟ ହଜାର ହଜାର କୋଟି ଟଙ୍କା ବ୍ୟୟ କରି ସାଇବର ସୁରକ୍ଷା ପ୍ରଣାଳୀକୁ ଆଧୁନିକ କରିବା ଯୋଜନା କରେ। କିଛି ସପ୍ତାହ ପରେ, ଗୁଗୁଲ୍ ଘୋଷଣା କରେ ଯେ ସେ ବେଙ୍ଗାଲୁରୁରେ ଏସିଆରେ ପ୍ରଥମ Quantum Computing Research Lab ଖୋଲିବ।
ଏହି ଘଟଣାଗୁଡ଼ିକ କେବଳ ସମ୍ବାଦ ଶୀର୍ଷକ ନୁହେଁ। ଏହା ହେଉଛି ଭବିଷ୍ୟତ୍ ପାଇଁ ସଂକେତ। ବିଶ୍ବ ଖୁବ୍ ତେଜଗତିରେ ବଦଳୁଛି ଏବଂ ଏହି ବଦଳରେ ଭାରତ ଦିନକୁ ଦିନ ବଡ଼ ଭୂମିକା ନିଅଛି। Artificial Intelligence (AI), Cybersecurity ଏବଂ Quantum Computing ଏମିତି ତକନିକ ଯାହା ଆଉ ଭବିଷ୍ୟତ୍ ନୁହେଁ — ଏହା ଆଜି ରହିଛି ଓ ଆମ ପାଠାପଢ଼ା, କାମ, ଏବଂ ରାଷ୍ଟ୍ର ସୁରକ୍ଷାକୁ ପ୍ରଭାବିତ କରୁଛି।
ଭାରତର ଛାତ୍ରଛାତ୍ରୀମାନେ — ବିଶେଷକରି ଯେଉଁମାନେ ଏବେ ଶିକ୍ଷା ସମାପ୍ତ କରିଛନ୍ତି କିମ୍ବା କଲେଜ୍ ଶେଷ କରିଛନ୍ତି — ସେମାନଙ୍କ ପାଇଁ ଏକ ବଡ଼ ପ୍ରଶ୍ନ ହେଉଛି: ଯଦି ଏହା ଭବିଷ୍ୟତ୍ ଅଟୁଟ, ତେବେ କଣ ଧରଣର ଶିକ୍ଷା ଗ୍ରହଣ କରିବା ଉଚିତ? କି ଆପଣ IIT ଭଳି ଶ୍ରେଷ୍ଠ ଅକାଡେମିକ୍ ଅନୁଷ୍ଠାନରେ ପଢ଼ିବାକୁ ପ୍ରବେଶ ପରୀକ୍ଷା ଦେବେ? କି କେବଳ କିଛି ମାସରେ କାର୍ଯ୍ୟ ଭିତ୍ତିକ ଦକ୍ଷତା ଶିଖାଯାଉଥିବା bootcamp କୁ ଯୋଗ ଦେବେ? କି ଏମିତି ଏକ ମିଶ୍ର ମାଡେଲ୍ ଯେଉଁଥିରେ ଉଭୟ ଥାଏ?
ଆସନ୍ତୁ ଏହି ତିନି ମଡେଲ୍ ଦେଖିବା:
ପ୍ରଥମ: ଅକାଡେମିକ୍ ଅନୁଷ୍ଠାନଗୁଡ଼ିକ ଯାହା ଦିଅନ୍ତି
IIT Bombay, IIT Madras, IISc Bangalore, IIIT Kharagpur ଭଳି ସଂସ୍ଥାଗୁଡ଼ିକ ଭାରତର ସର୍ବୋତ୍ତମ ଶିକ୍ଷା ସଂସ୍ଥା ଭାବରେ ପରିଚିତ। ଏଠାରେ ଗଭୀର ସିଦ୍ଧାନ୍ତମୂଳକ ଜ୍ଞାନ, ଗବେଷଣା ଅନୁଭବ ଓ ଚିନ୍ତନ ଦିଆଯାଏ। ଯଦି ଆପଣ ନେଉରୋନ୍ ନେଟୱର୍କ କେମିତି କାମ କରେ, କିମ୍ବା କ୍ୱାଣ୍ଟମ୍ ଧାତୁ କାହିଁକି ଅଜଣା ଭାବେ ବ୍ୟବହାର କରେ, ସେଥିପାଇଁ ଏହି ସଂସ୍ଥା ଉତ୍ତମ।
କିନ୍ତୁ, ଏହି ପଥ ସବୁଙ୍କ ପାଇଁ ନୁହେଁ। ଏଠାରେ ପ୍ରବେଶ ପାଇବା ଅତ୍ୟନ୍ତ ସ୍ପର୍ଦ୍ଧାମୂଳକ ଓ ପାଠ୍ୟକ୍ରମ ବ୍ୟବହାରିକ ଚାହିଦା ସହିତ ସମ୍ପୂର୍ଣ୍ଣ ମେଳ ଖାଉ ନାହିଁ। ଏଠାରେ ପଢ଼ିଲେ ମଧ୍ୟ ବୃତ୍ତିଜୀବନ ପାଇଁ practical skill ଆପଣଙ୍କୁ ଅଲଗା ଭାବରେ ଗଢ଼ିବାକୁ ପଡ଼ିପାରେ।
ଦ୍ୱିତୀୟ: କୌଶଳ ଭିତ୍ତିକ ସଂସ୍ଥା
ଗତ କିଛି ବର୍ଷ ଧରି Scaler, Masai School, Newton School ପରି ଅନେକ ବେସରକାରି ଶିକ୍ଷାସଂସ୍ଥା କୋଡିଂ, ଡେଟା ସାଇନ୍ସ, ମେସିନ୍ ଲେର୍ଣିଂ, ସାଇବର ସିକ୍ୟୁରିଟି ଭଳି practical skills ଅତି କମ ସମୟରେ ଶିଖାଉଛନ୍ତି। ଏଠାରେ ଛାତ୍ରଛାତ୍ରୀମାନେ ପ୍ରକ୍ରିୟା ପ୍ରଭାବିତ ପ୍ରକଳ୍ପ ନିର୍ମାଣ କରନ୍ତି, କୋଡିଂ ସମସ୍ୟା ସମାଧାନ କରନ୍ତି ଓ ସାକ୍ଷାତ୍କାର ପାଇଁ ତିଆରି ହୁଅନ୍ତି।
କିନ୍ତୁ ଏହାରେ ଗଭୀର ଗବେଷଣା ଅଭିଜ୍ଞତା କିମ୍ବା ତତ୍ତ୍ୱମୂଳକ ଅଧ୍ୟୟନ ଅଭାବ ଥାଏ। Cutting-edge R&D ପାଇଁ ଏହା ପର୍ଯ୍ୟାପ୍ତ ନୁହେଁ।
ତୃତୀୟ: ହାଇବ୍ରିଡ୍ ମଡେଲ୍
ଏହା ଡିଗ୍ରୀ ଓ କୌଶଳର ମିଶ୍ରଣ। ଏଠାରେ ପଢ଼ା ହୁଏ ସେଉଁଟି ଯେଉଁଠି ତତ୍ତ୍ୱ ଅଛି, ପ୍ରାକ୍ଟିକାଲ୍ ଅଛି, ଶିକ୍ଷକ ଓ ଇଣ୍ଡଷ୍ଟ୍ରି ସହ ଯୋଗାଯୋଗ ଅଛି।
Plaksha University (Mohali), IIIT Hyderabad ଓ Ashoka University ଏହି ଧାରାର ଉତ୍କୃଷ୍ଟ ଉଦାହରଣ। ଏଠାରେ ଛାତ୍ରଛାତ୍ରୀମାନେ AI କେବଳ ତତ୍ତ୍ୱ ଭାବେ ନୁହେଁ, ବ୍ୟବହାରିକ ଉଦାହରଣ ପାଇଁ ଅନୁଷ୍ଠାନ କରନ୍ତି।
ଏବେ ମୁଖ୍ୟ ଅସୁବିଧା — ଭାରତର ଶିକ୍ଷା ଓ ଉଦ୍ୟୋଗ ମଧ୍ୟରେ ଥିବା ଅନ୍ତର
ପ୍ରତିବର୍ଷ 60 ଲକ୍ଷରୁ ଅଧିକ ଗ୍ରାଜୁଏଟ୍ ହେଉଥିଲେ ମଧ୍ୟ, ଅତି କମ୍ ଲୋକେ ନିଜ ଶିକ୍ଷା କ୍ଷେତ୍ରରେ କାମ କରିପାରିବେ। India Skills Report ଓ NASSCOM ରେ ଦେଖାଯାଇଛି ଯେ 25% ରୁ କମ୍ ଛାତ୍ରଛାତ୍ରୀ ତାଙ୍କ ସ୍ନାତକ ବିଷୟରେ ଯଥେଷ୍ଟ ଦକ୍ଷ।
ଅନେକ କଲେଜ୍ ଆଜି ବି ପୁରୁଣା ପାଠ୍ୟକ୍ରମ ପଢ଼ାନ୍ତି, ଆଧୁନିକ ଲାବ୍ ନାହିଁ, ଅଧୁନିକ tools (TensorFlow, PyTorch, Qiskit, Wireshark) ସମ୍ପର୍କରେ ଶିଖାନ୍ତି ନାହିଁ।
ତେଣୁ ଏବେ ଚେତନା ଦିଆଯିବା ଦରକାର — ତୁମେ ତୁମର ପଥ ନିଜେ ନିର୍ମାଣ କର
AI, Cybersecurity, Quantum Computing ଭଳି କ୍ଷେତ୍ରରେ ମୂଳ ପାଠ କର। Google AI, Kaggle, IBM Quantum Lab, TryHackMe ଭଳି ଫ୍ରି ଅଥବା ସସ୍ତା ପ୍ଲାଟଫର୍ମ ବ୍ୟବହାର କର।
ସାନ୍ନ ପ୍ରକଳ୍ପ ତିଆରି କର, GitHub ରେ ଅପଲୋଡ୍ କର, LinkedIn ରେ ଶେୟାର୍ କର। Feedback ନିଅ। Perfect ହେବାକୁ ନୁହେଁ, ପ୍ରଗତି ପାଇଁ ଚେଷ୍ଟା କର।
Internships ପାଇଁ Internshala, AngelList ରେ ଖୋଜ, କିମ୍ବା LinkedIn ରେ ଫାଉଣ୍ଡର୍ ମାନଙ୍କୁ ଡିରେକ୍ଟ ମେସେଜ୍ କର। ଡିସକର୍ଡ ଗ୍ରୁପ୍, ମିଟଅପ୍, ହ୍ୟାକାଥନ୍ ଯୋଗଦେଇ ସହଯାତ୍ରୀ ଛାତ୍ରମାନଙ୍କ ସହ ଯୋଡ଼।
ନିଷ୍କର୍ଷ
ଆସନ୍ତା ଦଶକ ତାଙ୍କର ହେବେ ଯେଉଁମାନେ ଦକ୍ଷ, ତାଳିକା ଭିତ୍ତିକ ଡିଗ୍ରୀ ତାଙ୍କର ନୁହେଁ। ଏବେ ଲୋକ ଚାହାଁନ୍ତି — builder, thinker, problem-solver।
ତୁମେ ଗ୍ରାମ ଥିଲେ ମଧ୍ୟ, ତୁମ ପରିବାର ନାମ ପ୍ରସିଦ୍ଧ ନ ଥିଲେ ମଧ୍ୟ କିଛି ଯାଉ ନାହିଁ। ତୁମେ ଜିଜ୍ଞାସୁ, ଧୃଡ଼ ଏବଂ ନିଜର ଦିଗ ବାଛିପାରିବା ଧୈର୍ଯ୍ୟ ଥିଲେ — ତୁମେ ପୂର୍ଣ୍ଣ ଭାବେ ପ୍ରସ୍ତୁତ।
ଡିଗ୍ରୀ, ବୁଟକ୍ୟାମ୍ପ କି ହାଇବ୍ରିଡ୍ — ଠିକ୍ ପଥ ହେଉଛି ସେଇ ଯେଉଁଥିଏ ତୁମର ଗତି, ଆଗ୍ରହ ଓ ସ୍ୱପ୍ନ ସହ ମେଳ ଖାଏ।
ଯାହା ଅଛି, ତାହା ବ୍ୟବହାର କର। ଯାହା ଜରୁରୀ, ତାହା ଶିଖ। ଯାହା ମାନ୍ୟ, ତାହା ତିଆରି କର।
ଭବିଷ୍ୟତ୍ ଏବେ ଘଟୁଛି — ତୁମେ ତାହାର ଅଂଶ ହେବାପାଇଁ ସାଜା ଅଛ।
