ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എന്ന സംഭവത്തെ നമുക്കൊന്ന് ഡീകോഡ് ചെയ്യാം: അടിസ്ഥാന സയൻസ് മുതൽ ഭാവിയിലെ സാധ്യതകൾ വരെ

1. Introduction: Why AI Matters (എന്തുകൊണ്ടാണ് നമ്മൾ AI യെക്കുറിച്ച് അറിഞ്ഞിരിക്കേണ്ടത്?)

സത്യം പറഞ്ഞാൽ, നിങ്ങൾ ഇന്ന് ഈ ആർട്ടിക്കിൾ വായിക്കാൻ വേണ്ടി ഇവിടെ വന്ന് ഇരിക്കുന്നതിന് എത്രയോ മുൻപ് തന്നെ, നിങ്ങൾ എപ്പോഴെങ്കിലും ഒക്കെ ഈ പറയുന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസുമായി നേരിട്ടോ അല്ലാതെയോ ഇടപഴകിയിട്ടുണ്ടാകും എന്നത് ഒരു നൂറ് ശതമാനം ഉറപ്പുള്ള കാര്യമാണ്. ഒന്ന് ആലോചിച്ച് നോക്കിയേ, ഒരുപക്ഷേ ഇന്ന് രാവിലെ നിങ്ങൾ ഓഫീസിലേക്ക് പോകുമ്പോൾ, ട്രാഫിക് ബ്ലോക്കിൽ കിടന്ന് വെള്ളം കുടിക്കാതിരിക്കാൻ വേണ്ടി ഏതെങ്കിലും ഒരു നാവിഗേഷൻ ആപ്പ് നിങ്ങൾക്ക് വേറൊരു എളുപ്പവഴി കാണിച്ച് തന്നിട്ടുണ്ടാകാം, അല്ലെങ്കിൽ നിങ്ങളുടെ ഫോൺ അൺലോക്ക് ചെയ്യാൻ നോക്കുമ്പോൾ അതിലെ ബയോമെട്രിക് സ്കാനർ നിങ്ങളുടെ മുഖത്തിന്റെ ആകൃതി കൃത്യമായി തിരിച്ചറിഞ്ഞ് ഒറ്റ സെക്കൻഡിൽ ഫോൺ തുറന്നു തന്നിട്ടുണ്ടാകാം. അതുമല്ലെങ്കിൽ, നിങ്ങൾക്ക് വന്ന വേണ്ടാത്ത ഏതോ ഒരു ഇമെയിൽ, നിങ്ങൾ അത് കണ്ട് ടെൻഷൻ അടിക്കുന്നതിന് മുൻപ് തന്നെ, അതിലെ ഒരു അൽഗോരിതം സൈലന്റ് ആയിട്ട് അതിനെ 'സ്പാം' എന്ന് പറഞ്ഞ് മാറ്റിയിട്ടുണ്ടാകാം.

ഇങ്ങനെ ഈ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, അതായത് നമ്മുടെ സ്വന്തം AI, വളരെ സിംപിൾ ആയിട്ട് നമ്മുടെയൊക്കെ ഡെയിലി ലൈഫിന്റെ ഒരു ഒഴിച്ചുകൂടാനാവാത്ത ഭാഗമായി മാറിക്കഴിഞ്ഞു. എന്ന് വെച്ചാൽ പുട്ടുപോലെ നമ്മുടെ കൂടെത്തന്നെയുണ്ട് എന്നർത്ഥം, പക്ഷേ, ഇത്രയൊക്കെ നമ്മുടെ കൂടെ ഉണ്ടായിട്ടും, ഇന്നത്തെ കാലത്ത് ആളുകൾക്ക് ഏറ്റവും കൂടുതൽ തെറ്റിദ്ധാരണ ഉള്ള ഒരു വിഷയം കൂടിയാണ് ഈ AI. പലപ്പോഴും ആളുകൾ ഇതിനെക്കുറിച്ച് സംസാരിക്കുന്നത് രണ്ട് അറ്റത്ത് നിന്നുകൊണ്ടാണ്—ഒന്നുകിൽ മനുഷ്യർക്കുള്ള സകല പ്രശ്നങ്ങൾക്കുമുള്ള ഒറ്റമൂലിയാണ് ഇതെന്ന് പറയും, അല്ലെങ്കിൽ ഇത് കേൾക്കുമ്പോൾ തന്നെ പേടിയാണ്, നമ്മുടെ നിലനിൽപ്പിന് തന്നെ ഇതൊരു ഭീഷണിയാകുമോ എന്ന്! വല്ലാത്തൊരു അവസ്ഥ, അല്ലേ? പക്ഷേ യഥാർത്ഥത്തിൽ എന്താണ് സത്യം എന്ന് ചോദിച്ചാൽ, ആ സത്യം ഇരിക്കുന്നത് സയൻസിലാണ്. ഇതിനെക്കുറിച്ച് നമ്മൾ കൃത്യമായി അറിഞ്ഞിരിക്കണം, കാരണം, ഇതിപ്പോ വെറുമൊരു പഠനവിഷയമോ അല്ലെങ്കിൽ ഏതെങ്കിലും ടെക് ടീമുകളുടെ മാത്രം കാര്യമോ ഒന്നുമല്ല; ഇന്നത്തെ ഈ ഡിജിറ്റൽ ലോകത്തിന്റെ ബേസിക് ഫൗണ്ടേഷൻ തന്നെ ഇതാണ്. അതുകൊണ്ട് തന്നെ, ഇന്നത്തെ കാലത്ത് ജീവിക്കാനും നാളത്തെ ഭാവിയെക്കുറിച്ച് ഒരു ഐഡിയ ഉണ്ടാകാനും നമ്മൾ ഇതിന്റെ ഉള്ളുകള്ളികൾ എന്താണെന്നും, ഇതിന് എന്തൊക്കെ ചെയ്യാൻ പറ്റും, എന്തൊക്കെ ചെയ്യാൻ പറ്റില്ല എന്നൊക്കെ മനസ്സിലാക്കിയേ തീരൂ. എനിക്ക് തോന്നുന്നത്, ഇതൊക്കെ അറിഞ്ഞിരിക്കേണ്ടത് ഇന്നത്തെ കാലത്ത് ഒരു അത്യാവശ്യമാണ് എന്നാണ്.

2. What Is Artificial Intelligence? (അപ്പൊ ശരിക്കും എന്താണ് ഈ AI?)

അതിലേക്ക് വരുന്നതിന് മുൻപ്, നമുക്ക് ബേസിക് ആയിട്ടുള്ള ഒരു കാര്യം നോക്കാം, അക്കാദമിക് ആയിട്ട് പറയുകയാണെങ്കിൽ, മനുഷ്യരെപ്പോലെ കാര്യങ്ങൾ മനസ്സിലാക്കാനും ചിന്തിക്കാനും മെഷീനുകളെ, പ്രത്യേകിച്ച് കമ്പ്യൂട്ടറുകളെ പ്രാപ്തരാക്കുന്ന പരിപാടിയാണിത്. കമ്പ്യൂട്ടർ സയൻസിലെ ഒരു പ്രധാനപ്പെട്ട ബ്രാഞ്ച് ആണിത്, മനുഷ്യന്റെ ബുദ്ധി വേണ്ടിവരുന്ന കാര്യങ്ങൾ ചെയ്യാൻ പറ്റുന്ന അൽഗോരിതങ്ങൾ ഉണ്ടാക്കിയെടുക്കുക എന്നതാണ് ഇവരുടെ മെയിൻ പരിപാടി. അതായത്, പ്രശ്നങ്ങൾ സോൾവ് ചെയ്യാൻ, പാറ്റേണുകൾ മനസ്സിലാക്കാൻ, നമ്മുടെ സ്വാഭാവികമായ ഭാഷ മനസ്സിലാക്കാൻ, പിന്നെ പുതിയ സാഹചര്യങ്ങളുമായി എളുപ്പത്തിൽ പൊരുത്തപ്പെടാൻ ഒക്കെ ഇവയെ പഠിപ്പിക്കുക.

പക്ഷേ ഇവിടെ നമ്മൾ പ്രത്യേകം ശ്രദ്ധിക്കേണ്ട ഒരു കാര്യമുണ്ട്, അതായത് സിനിമയിലൊക്കെ കാണുന്ന പോലത്തെ AI അല്ല യഥാർത്ഥത്തിൽ ഉള്ളത്. തേങ്ങാ മാങ്ങ എന്നൊക്കെ പറഞ്ഞ് സയൻസ് ഫിക്ഷൻ സിനിമകളിൽ കാണിക്കുന്ന ആ ഓവർ ബിൽഡപ്പുമായി ഇതിനെ ഒരിക്കലും കൂട്ടിക്കുഴക്കരുത്, കാരണം നമ്മൾ ഇന്ന് കാണുന്നതും ഉപയോഗിക്കുന്നതുമായ AI യ്ക്ക് സ്വന്തമായിട്ട് ജീവനോ, ബോധമോ, അല്ലെങ്കിൽ നമ്മളെപ്പോലെ വികാരങ്ങളോ ഒന്നുമില്ല. ബയോളജിക്കൽ ആയിട്ട് ചിന്തിക്കാൻ ഒന്നും അതിന് കഴിയില്ല. പിന്നെ ഇതെങ്ങനെയാ വർക്ക് ചെയ്യുന്നത് എന്ന് ചോദിച്ചാൽ, കുറേ വലിയ മാത്തമാറ്റിക്കൽ ഇക്വേഷനുകൾ, പ്രോബബിലിറ്റി, പിന്നെ വലിയ തോതിലുള്ള ഡാറ്റ - ഇതൊക്കെ വെച്ചാണ് മനുഷ്യരെപ്പോലെ അത് കാര്യങ്ങൾ ചെയ്യുന്നത്. അത്രമാത്രം.

3. A Brief History of AI (എവിടെ നിന്നാണ് ഇതിന്റെ തുടക്കം?)

ഇതൊക്കെ കേൾക്കുമ്പോൾ നിങ്ങൾക്ക് തോന്നും, ഈ AI എന്നുപറയുന്നത് 21-ാം നൂറ്റാണ്ടിൽ മാത്രം ഉണ്ടായ എന്തോ വലിയ സംഭവമാണെന്ന്, പക്ഷേ കഥ അവിടെ തീർന്നില്ല! ഇതിന്റെ അക്കാദമിക് വേരുകൾ കിടക്കുന്നത് ഇരുപതാം നൂറ്റാണ്ടിന്റെ പകുതിയിലൊക്കെയാണ്. 1950-ൽ അലൻ ട്യൂറിംഗ് എന്നൊരു ബ്രിട്ടീഷ് മാത്തമാറ്റിഷ്യൻ 'കമ്പ്യൂട്ടിംഗ് മെഷിനറി ആൻഡ് ഇന്റലിജൻസ്' എന്നൊരു കിടിലൻ പേപ്പർ പബ്ലിഷ് ചെയ്തു, അവിടെ നിന്നാണ് ഇതിന്റെയൊക്കെ ഒരു തുടക്കം. അദ്ദേഹം അന്ന് ഒരു ഐഡിയ കൊണ്ടുവന്നു - നമ്മൾ ഇന്ന് വിളിക്കുന്ന 'ട്യൂറിംഗ് ടെസ്റ്റ്' - അതായത്, ഒരു കമ്പ്യൂട്ടറിന് മനുഷ്യനെപ്പോലെ ചിന്തിക്കാൻ കഴിയുമോ എന്ന് ടെസ്റ്റ് ചെയ്യാനുള്ള ഒരു കിടിലൻ പരിപാടി.

അങ്ങനെ 1956-ൽ ഡാർട്ട്മൗത്തിൽ വെച്ച് നടന്ന ഒരു വലിയ റിസർച്ച് പ്രോജക്റ്റിലൂടെയാണ് ഇതൊരു ഒഫീഷ്യൽ പഠനവിഷയമായി മാറുന്നത്. ജോൺ മക്കാർത്തി (പുള്ളിയാണ് ഈ AI എന്ന പേര് തന്നെ ആദ്യമായിട്ട് വിളിച്ചത്!), മാർവിൻ മിൻസ്കി, ക്ലോഡ് ഷാനൻ തുടങ്ങിയ കുറേ പുലികൾ അന്ന് ഒത്തുകൂടി മെഷീനുകളെ എങ്ങനെ ചിന്തിക്കാൻ പഠിപ്പിക്കാം എന്ന് വലിയ ചർച്ചകൾ നടത്തി.

പക്ഷേ, പിന്നീടുള്ള വർഷങ്ങളിൽ ഇതിനൊരുപാട് കയറ്റിറക്കങ്ങൾ ഉണ്ടായി. കുറേ ഫണ്ടും സപ്പോർട്ടും കിട്ടിയ നല്ല സമയമുണ്ടായിരുന്നു, പക്ഷേ നമ്മൾ പ്രതീക്ഷിച്ച റിസൾട്ട് കിട്ടാതെ വന്നപ്പോൾ എല്ലാം ഫ്ലോപ്പായി, ആൾക്കാർക്ക് താല്പര്യം കുറഞ്ഞു, ഫണ്ട് ഒക്കെ നിന്നു, അങ്ങനെ ശരിക്കും പണി കിട്ടി എന്ന് പറഞ്ഞാൽ മതിയല്ലോ! ആ സമയത്തെ അവർ 'AI വിന്റേഴ്സ്' എന്നാണ് വിളിക്കുന്നത്. പക്ഷേ 1990-കളുടെ അവസാനവും 2000-ന്റെ തുടക്കത്തിലും കാര്യങ്ങൾ മാറിമറിഞ്ഞു, അങ്ങനെ AI വീണ്ടും പവർഫുൾ ആയിട്ട് തിരിച്ചുവന്നു. ഈ ഒരു തിരിച്ചുവരവിന് പ്രധാനമായിട്ടും മൂന്ന് കാരണങ്ങൾ ഉണ്ടായിരുന്നു: കമ്പ്യൂട്ടറുകളുടെ പവർ ഭയങ്കരമായിട്ട് കൂടി, ഇന്റർനെറ്റ് വന്നതോടെ കുറേ ഡാറ്റ ("ബിഗ് ഡാറ്റ") കിട്ടാൻ തുടങ്ങി, പിന്നെ അൽഗോരിതങ്ങളിൽ വന്ന വലിയ മാറ്റങ്ങൾ.

4. Types of AI (എന്തൊക്കെ തരത്തിൽ AI ഉണ്ട്?)

ഇനി നമുക്ക് ഈ AI യെക്കുറിച്ച് കൃത്യമായി മനസ്സിലാക്കണമെങ്കിൽ, അത് എന്തൊക്കെ ചെയ്യും എന്നതിനെ അടിസ്ഥാനമാക്കി നമ്മൾ അതിനെ തരംതിരിക്കണം. നിലവിൽ നമ്മൾ AI യെ പ്രധാനമായിട്ടും മൂന്നായിട്ടാണ് തിരിച്ചിരിക്കുന്നത്:

ആർട്ടിഫിഷ്യൽ നാരോ ഇന്റലിജൻസ് (ANI): ഇതിനെ 'വീക്ക് AI' എന്നും വിളിക്കാറുണ്ട്, സത്യം പറഞ്ഞാൽ ഇന്ന് ലോകത്തുള്ള ഒരേയൊരു AI ഇതാണ്. ഏതെങ്കിലും ഒരു പ്രത്യേക കാര്യം ചെയ്യാൻ വേണ്ടി മാത്രം ഉണ്ടാക്കിയെടുത്ത ഒന്നാണിത് (ഉദാഹരണത്തിന്, ചെസ്സ് കളിക്കാൻ, അല്ലെങ്കിൽ നമുക്ക് ഇഷ്ടമുള്ള സിനിമകൾ സജസ്റ്റ് ചെയ്യാൻ, അതുമല്ലെങ്കിൽ ഭാഷകൾ ട്രാൻസ്ലേറ്റ് ചെയ്യാൻ). അതിനപ്പുറം ഒരു ചുക്കും ചെയ്യാൻ ഇതിന് കഴിയില്ല, അതിന്റെ പരിധിക്കുള്ളിൽ നിന്നുകൊണ്ട് മാത്രമേ അത് വർക്ക് ചെയ്യൂ.

ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് (AGI): ഇതിനെ 'സ്ട്രോങ്ങ് AI' എന്നും പറയും, ഇത് കുറച്ചുകൂടി സീരിയസ് ആയ പരിപാടിയാണ്, അതായത് ഒരു മനുഷ്യന് ചെയ്യാൻ പറ്റുന്ന ഏത് കാര്യവും മനസ്സിലാക്കാനും പഠിക്കാനും അതുപോലെ തന്നെ ചെയ്യാനും കഴിയുന്ന ഒരു മെഷീൻ ആണിത്. പക്ഷേ, ഒരു കാര്യം ഞാൻ പറയാം, ഇത് ഇപ്പോഴും വെറുമൊരു കൺസെപ്റ്റ് മാത്രമാണ്, ഇങ്ങനെയൊന്ന് ഇതുവരെ ഉണ്ടായിട്ടില്ല.

ആർട്ടിഫിഷ്യൽ സൂപ്പർഇന്റലിജൻസ് (ASI): ഇത് നമ്മൾ ഫ്യൂച്ചറിലേക്ക് നോക്കി പറയുന്ന ഒരു കാര്യമാണ്, മനുഷ്യന്റെ ബുദ്ധിയേക്കാൾ എത്രയോ മടങ്ങ് കഴിവുള്ള ഒരു അവസ്ഥ. സയൻസ് മുതൽ മനുഷ്യന്റെ സ്വഭാവങ്ങൾ വരെ എല്ലാത്തിലും നമ്മളെ കടത്തിവെട്ടുന്ന ഒരു സംഭവം.

5. How AI Actually Works (ശരിക്കും ഇതെങ്ങനെയാ വർക്ക് ചെയ്യുന്നത്?)

ഇനി നമുക്ക് ഏറ്റവും പ്രധാനപ്പെട്ട ഒരു ചോദ്യത്തിലേക്ക് വരാം, ഇതെങ്ങനെയാണ് ശരിക്കും വർക്ക് ചെയ്യുന്നത്? ഇതിന്റെ ബേസിക് എന്ന് പറയുന്നത് ഇൻപുട്ട്, പ്രോസസ്സിംഗ്, ഔട്ട്പുട്ട് - ഈ മൂന്ന് കാര്യങ്ങളാണ്. പക്ഷേ, നമ്മൾ സാധാരണ ഉപയോഗിക്കുന്ന കമ്പ്യൂട്ടർ സോഫ്റ്റ്‌വെയറുകൾ പോലെയല്ല ഇത്, അതിലൊക്കെ നമ്മൾ കൃത്യമായിട്ട് കോഡ് എഴുതി വെച്ചിട്ടുണ്ടാകും, 'ഇത് സംഭവിച്ചാൽ ഇത് ചെയ്യണം' എന്ന്, എന്നാൽ AI അങ്ങനെയല്ല, അത് സ്വയം റൂളുകൾ കണ്ടുപിടിക്കാൻ പാകത്തിനാണ് ഉണ്ടാക്കിവെച്ചിരിക്കുന്നത്.

അതായത്, നമ്മൾ ആദ്യം വലിയ തോതിലുള്ള ഡാറ്റ ഇതിന് കൊടുക്കും (അതാണ് ഇൻപുട്ട്). എന്നിട്ട് ഒരു അൽഗോരിതം വഴി - എന്ന് വെച്ചാൽ കുറേ മാത്തമാറ്റിക്കൽ ഇക്വേഷൻസ് വഴി - അത് ഈ ഡാറ്റയെ പ്രോസസ്സ് ചെയ്യും. അതിലൂടെ അത് ചില പാറ്റേണുകളും വ്യത്യാസങ്ങളും സ്വയം മനസ്സിലാക്കിയെടുക്കും, എന്നിട്ട് അങ്ങനെ മനസ്സിലാക്കിയ കാര്യങ്ങൾ വെച്ചിട്ട് അതൊരു തീരുമാനം എടുക്കും അല്ലെങ്കിൽ പ്രവചനം നടത്തും (അതാണ് ഔട്ട്പുട്ട്). ഫൈനലി, അതൊരു ഫീഡ്‌ബാക്ക് ലൂപ്പ് വഴി, അത് എടുത്ത തീരുമാനം ശരിയാണോ എന്ന് സ്വയം ചെക്ക് ചെയ്യും, തെറ്റിയാൽ അടുത്ത തവണ അത് ആവർത്തിക്കാതിരിക്കാൻ അതിന്റെ കാൽക്കുലേഷൻസ് ഒക്കെ സ്വയം മാറ്റിയിട്ട് വീണ്ടും പഠിക്കും.

6. Machine Learning (മെഷീൻ ലേണിംഗ്)

അടുത്തതായിട്ട് നമ്മൾ എപ്പോഴും കേൾക്കുന്ന വാക്കാണ് മെഷീൻ ലേണിംഗ് (ML). ഇത് AI യുടെ ഒരു ചെറിയ ഭാഗം മാത്രമാണ്. മനുഷ്യരുടെ സഹായമില്ലാതെ തന്നെ ഡാറ്റയിൽ നിന്ന് സ്വയം പഠിച്ചെടുക്കാൻ AI സിസ്റ്റങ്ങളെ സഹായിക്കുന്ന പരിപാടിയാണിത്. ഓരോ ചെറിയ കാര്യത്തിനും ഇരുന്ന് കോഡ് എഴുതുന്നതിന് പകരം, ഈ ഡാറ്റ കൊടുക്കുമ്പോൾ അതിൽ നിന്ന് സ്വയം ലോജിക് ഉണ്ടാക്കിയെടുക്കുന്ന അൽഗോരിതങ്ങൾ ഉണ്ടാക്കുകയാണ് കമ്പ്യൂട്ടർ സയന്റിസ്റ്റുകൾ ചെയ്യുന്നത്.

മെഷീൻ ലേണിംഗിനെ നമ്മൾ പ്രധാനമായിട്ടും മൂന്നായിട്ട് തിരിക്കുന്നുണ്ട്:

സൂപ്പർവൈസ്ഡ് ലേണിംഗ്: ഇതിൽ നമ്മൾ ലേബൽ ചെയ്ത ഡാറ്റയാണ് കൊടുക്കുന്നത്, അതായത് 'ഇതാണ് ശരിയായ ഉത്തരം' എന്ന് നമ്മൾ തന്നെ പറഞ്ഞ് കൊടുക്കും. ഉദാഹരണത്തിന്, നമ്മൾ ആയിരക്കണക്കിന് പൂച്ചകളുടെയും നായ്ക്കളുടെയും ഫോട്ടോസ് കൊടുത്തിട്ട്, 'ഇത് പൂച്ചയാണ്', 'ഇത് നായയാണ്' എന്ന് പറഞ്ഞ് മനസ്സിലാക്കി കൊടുക്കും, അങ്ങനെ അത് രണ്ടും തമ്മിലുള്ള വ്യത്യാസം കൃത്യമായി പഠിച്ചെടുക്കും.

അൺസൂപ്പർവൈസ്ഡ് ലേണിംഗ്: ഇതിൽ നമ്മൾ ഒരു ലേബലും ഇല്ലാത്ത കുറേ ഡാറ്റ ചുമ്മാ അങ്ങ് കൊടുക്കും, എന്നിട്ട് അതിൽ നിന്ന് എന്തെങ്കിലും പാറ്റേണുകൾ സ്വയം കണ്ടുപിടിക്കാൻ പറയും. സാധാരണയായി ബിസിനസ്സുകാരൊക്കെ ആളുകൾ എന്തൊക്കെയാണ് വാങ്ങുന്നത് എന്ന് നോക്കി അവരെ പല ഗ്രൂപ്പുകളായി തിരിക്കാൻ ഒക്കെ ഇതാണ് ഉപയോഗിക്കുന്നത്.

റീഇൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗ്: ഇത് കുറച്ചുകൂടി രസമുള്ള പരിപാടിയാണ്, ശരിയായ കാര്യം ചെയ്യുമ്പോൾ ഒരു റിവാർഡ് കൊടുക്കും, തെറ്റ് ചെയ്താൽ പണിഷ്മെന്റും. അങ്ങനെ തെറ്റുകൾ ചെയ്ത് തെറ്റുകൾ ചെയ്ത് അത് സ്വയം പഠിച്ചെടുക്കും, ചെസ്സ് അല്ലെങ്കിൽ ഗോ (Go) പോലുള്ള കോംപ്ലക്സ് ആയ ഗെയിമുകൾ ഒക്കെ AI യെ പഠിപ്പിക്കുന്നത് ഇങ്ങനെയാണ്.

7. Deep Learning & Neural Networks (ഡീപ്പ് ലേണിംഗും ന്യൂറൽ നെറ്റ്‌വർക്കുകളും)

ഇനി ഡീപ്പ് ലേണിംഗ് എന്താണെന്ന് നോക്കാം. മെഷീൻ ലേണിംഗ് AI യുടെ ഒരു ഭാഗമാണെങ്കിൽ, ഡീപ്പ് ലേണിംഗ് മെഷീൻ ലേണിംഗിന്റെ തന്നെ കുറച്ചുകൂടി അഡ്വാൻസ്ഡ് ആയ ഒരു സംഭവമാണ്. മനുഷ്യന്റെ തലച്ചോറ് എങ്ങനെയാണോ വർക്ക് ചെയ്യുന്നത്, അതുപോലെ തന്നെ വർക്ക് ചെയ്യുന്ന 'ആർട്ടിഫിഷ്യൽ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ' (ANNs) ഉപയോഗിച്ചാണ് ഇത് പ്രവർത്തിക്കുന്നത്.

ഈ ന്യൂറൽ നെറ്റ്‌വർക്കിൽ കുറേ ലെയറുകൾ ഉണ്ട്. ഇൻപുട്ട് ലെയർ: ഇവിടെയാണ് നമ്മൾ ഡാറ്റ കൊടുക്കുന്നത്.

ഹിഡൻ ലെയറുകൾ: ഇവിടെയാണ് ശരിക്കുമുള്ള പരിപാടികൾ നടക്കുന്നത്, ഡാറ്റ കിട്ടുമ്പോൾ ഓരോ നോഡും അതിന്റെ പ്രാധാന്യം വെച്ചിട്ട് അടുത്ത ലെയറിലേക്ക് പാസ്സ് ചെയ്യും. ഈ ഹിഡൻ ലെയറുകൾ ഒരുപാട് ഉള്ളതുകൊണ്ടാണ് ഇതിനെ 'ഡീപ്പ്' ലേണിംഗ് എന്ന് വിളിക്കുന്നത്.

ഔട്ട്പുട്ട് ലെയർ: ഇവിടെയാണ് നമുക്ക് ഫൈനൽ ആയിട്ടുള്ള റിസൾട്ട് കിട്ടുന്നത്.

ഇതൊരു ഉദാഹരണം വെച്ച് ഞാൻ പറയാം, ഒരു സംഗീത ഉപകരണം കേൾക്കുമ്പോൾ അത് ഏതാണെന്ന് കണ്ടുപിടിക്കണം എന്ന് വിചാരിക്കുക. അപ്പൊ ഈ ന്യൂറൽ നെറ്റ്‌വർക്കിന്റെ ആദ്യത്തെ ലെയർ ചിലപ്പോ അതിന്റെ പിച്ച് മാത്രമായിരിക്കും ശ്രദ്ധിക്കുന്നത്, രണ്ടാമത്തെ ലെയർ അതിന്റെ ടെമ്പോ ശ്രദ്ധിക്കും, അടുത്തത് വേറൊരു കാര്യം നോക്കും. അങ്ങനെ ഓരോ ലെയറിലൂടെയും കടന്ന് അവസാനം ഔട്ട്പുട്ട് ലെയറിൽ എത്തുമ്പോഴേക്കും അത് എല്ലാം കൂടെ കൂട്ടിച്ചേർത്ത് 'ഇതൊരു ചെല്ലോ ആണ്' എന്ന് ഉറപ്പിച്ച് പറയും. സംഭവമൊക്കെ പുട്ടുപോലെ വളരെ സിംപിൾ ആണ്!

8. Real-World Applications (നമ്മുടെ ചുറ്റും എവിടെയൊക്കെയാണ് ഇതിന്റെ ഉപയോഗം?)

ഇതൊക്കെ കേൾക്കുമ്പോൾ ഭയങ്കര തിയറി ആണെന്ന് തോന്നും, അല്ലേ? എന്നാൽ ഇതൊക്കെ നമ്മുടെ ചുറ്റും എല്ലാ ദിവസവും നടക്കുന്ന കാര്യങ്ങളാണ്:

ഹെൽത്ത് കെയറും മെഡിസിനും: എക്സ്-റേയും എംആർഐ സ്കാനും ഒക്കെ നോക്കിയിട്ട് ക്യാൻസർ പോലത്തെ അസുഖങ്ങൾ വരെ ഡോക്ടർമാരേക്കാൾ കൃത്യമായിട്ട് കണ്ടുപിടിക്കാൻ ഇന്നത്തെ AI അൽഗോരിതങ്ങൾക്ക് കഴിയും. അതുപോലെ തന്നെ പുതിയ മരുന്നുകൾ കണ്ടുപിടിക്കാനും ഇത് വലിയ രീതിയിൽ സഹായിക്കുന്നുണ്ട്.

നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ് (NLP): ലാർജ് ലാംഗ്വേജ് മോഡലുകൾ (LLMs) വഴി നമ്മൾ സംസാരിക്കുന്ന ഭാഷ മനസ്സിലാക്കാനും തിരിച്ച് സംസാരിക്കാനും ചാറ്റ്ബോട്ടുകൾക്ക് കഴിയുന്നുണ്ട്. ഇത് ഉപയോഗിച്ചാണ് ലൈവ് ആയിട്ടുള്ള ട്രാൻസ്ലേഷനും മറ്റും നടക്കുന്നത്.

ഫിനാൻസ്: ലക്ഷക്കണക്കിന് ട്രാൻസാക്ഷനുകൾ ഒരേസമയം ചെക്ക് ചെയ്ത് അതിൽ എന്തെങ്കിലും തട്ടിപ്പ് നടക്കുന്നുണ്ടോ എന്ന് കണ്ടുപിടിക്കാൻ അൽഗോരിതങ്ങൾ ഉപയോഗിക്കുന്നുണ്ട്. അതുപോലെ ഷെയർ മാർക്കറ്റിലും ഇത് വലിയ റോളാണ് കളിക്കുന്നത്.

ഓട്ടോണമസ് സിസ്റ്റംസ്: അതായത് ഡ്രൈവറില്ലാ വണ്ടികൾ, റോഡിലൂടെ പോകുന്ന ആളുകളെയും മറ്റ് വണ്ടികളെയും ഒക്കെ കൃത്യമായി തിരിച്ചറിഞ്ഞ് വണ്ടി സേഫ് ആയി ഓടിക്കാൻ ഇവരെ സഹായിക്കുന്നത് കമ്പ്യൂട്ടർ വിഷൻ എന്ന് പറയുന്ന AI ടെക്നോളജിയാണ്.

9. Benefits of AI (എന്തൊക്കെയാണ് ഇതിന്റെ ഗുണങ്ങൾ?)

ഈ AI നമ്മുടെ ലോകത്തേക്ക് വന്നതുകൊണ്ട് ഒരുപാട് വലിയ ഗുണങ്ങൾ ഉണ്ടായിട്ടുണ്ട്:

ജോലികൾ എളുപ്പമാക്കാൻ: മനുഷ്യർക്ക് ചെയ്യാൻ പാടുള്ളതും സമയം പോകുന്നതുമായ കാര്യങ്ങൾ വളരെ വേഗത്തിൽ ചെയ്യാൻ AI യ്ക്ക് കഴിയും, അതുകൊണ്ട് തന്നെ നമുക്ക് ആ പ്രഷർ മാറി കുറച്ചുകൂടി ക്രിയേറ്റീവ് ആയ കാര്യങ്ങളിൽ ഫോക്കസ് ചെയ്യാൻ പറ്റും.

വലിയ പ്രശ്നങ്ങൾ സോൾവ് ചെയ്യാൻ: ഉദാഹരണത്തിന്, 50 വർഷമായിട്ട് സയന്റിസ്റ്റുകൾക്ക് ചെയ്യാൻ പറ്റാതിരുന്ന 'പ്രോട്ടീൻ ഫോൾഡിംഗ് പ്രശ്നം' ഡീപ്പ്മൈൻഡിന്റെ ആൽഫഫോൾഡ് വളരെ പെട്ടെന്നാണ് സോൾവ് ചെയ്തത്. ഇതിലൂടെ പുതിയ മരുന്നുകൾ കണ്ടുപിടിക്കാൻ വലിയ സഹായമായി.

ഓരോരുത്തർക്കും വേണ്ട രീതിയിൽ: പഠിക്കുന്ന കുട്ടികൾക്ക് അവരുടെ ലെവൽ അനുസരിച്ച് പഠിപ്പിക്കാനും, കാലാവസ്ഥയും മറ്റും നോക്കി കൃഷി ചെയ്യാൻ കർഷകരെ സഹായിക്കാനും ഒക്കെ AI ഇപ്പോൾ ഉപയോഗിക്കുന്നുണ്ട്.

10. Risks and Challenges (റിസ്കുകളും പ്രശ്നങ്ങളും)

പക്ഷേ, ഇതിനൊക്കെ അപ്പുറത്ത് ചില പ്രശ്നങ്ങളുമുണ്ട്, എല്ലാം നല്ല കാര്യങ്ങൾ മാത്രമാണെന്ന് വിചാരിക്കരുത്. ഒരുപാട് സീരിയസ് ആയ പ്രശ്നങ്ങളും ഇത് ഉണ്ടാക്കുന്നുണ്ട്:

അൽഗോരിതമിക് ബയാസ്: അതായത്, മനുഷ്യർ ഉണ്ടാക്കിയ ഡാറ്റ വെച്ചാണല്ലോ ഇത് പഠിക്കുന്നത്, അപ്പൊ മനുഷ്യരുടെ ഇടയിലുള്ള വേർതിരിവുകളും മുൻവിധികളും ഒക്കെ ഈ AI യും പഠിച്ചെടുക്കും. ജോലിക്ക് ആളെ എടുക്കുമ്പോഴോ അല്ലെങ്കിൽ പോലീസിന്റെ കേസുകളിലോ ഒക്കെ ഇത് വലിയ വില്ലനാകും.

'ബ്ലാക്ക് ബോക്സ്' പ്രശ്നം: ഈ ഡീപ്പ് ലേണിംഗ് മോഡലുകൾ എങ്ങനെയാണ് ഒരു തീരുമാനത്തിൽ എത്തുന്നത് എന്ന് ഇത് ഉണ്ടാക്കിയവർക്ക് പോലും പലപ്പോഴും മനസ്സിലാകില്ല. എന്ത് ലോജിക് വെച്ചാണ് അത് അങ്ങനെ ചെയ്തത് എന്ന് ആർക്കും അറിയില്ല, മെഡിക്കൽ ഫീൽഡിലും മറ്റും ഇതൊരു വലിയ റിസ്ക് ആണ്.

ജോലി പോകും എന്ന പേടി: കുറെ കാര്യങ്ങൾ AI ചെയ്യാൻ തുടങ്ങുമ്പോൾ പലരുടെയും ജോലി തെറിക്കും എന്ന കാര്യത്തിൽ ഒരു സംശയവും വേണ്ട. അത് വലിയൊരു പ്രതിസന്ധി തന്നെ ഉണ്ടാക്കും.

ഡാറ്റ പ്രൈവസി: ഈ AI യെ പഠിപ്പിക്കാൻ നമ്മുടെയൊക്കെ പേഴ്സണൽ ഡാറ്റയാണ് അവർ എടുക്കുന്നത്, അത് വലിയൊരു ടെൻഷൻ ആണ്. അത് വെച്ച് ഡീപ്പ്ഫേക്കുകൾ ഉണ്ടാക്കാനും തെറ്റായ വാർത്തകൾ പ്രചരിപ്പിക്കാനും ഒക്കെ വളരെ എളുപ്പമാണ്. സീൻ ശരിക്കും കോൺട്രാ ആണ്!

11. The Future of AI (ഭാവിയിൽ എന്താണ് സംഭവിക്കാൻ പോകുന്നത്?)

അപ്പൊ ഇനി ഭാവിയിൽ എന്താണ് സംഭവിക്കാൻ പോകുന്നത്? വരും വർഷങ്ങളിൽ ഇത് നമ്മുടെ ജീവിതത്തിന്റെ എല്ലാ മേഖലകളിലും ഇതിലും ശക്തമായിട്ട് വരും എന്ന് ഉറപ്പാണ്. ടെക്സ്റ്റ്, ഓഡിയോ, വീഡിയോ, ഫോട്ടോ ഇതൊക്കെ ഒരേസമയം മനസ്സിലാക്കാനും പ്രോസസ്സ് ചെയ്യാനും പറ്റുന്ന മൾട്ടി-മോഡൽ AI ഒക്കെ നമ്മൾ കാണാൻ പോകുന്നതേയുള്ളൂ.

അതുപോലെ ക്വാണ്ടം കമ്പ്യൂട്ടിംഗും AI യും കൂടി ചേർന്നാൽ പിന്നെ പറയാനില്ല! കാലാവസ്ഥാ വ്യതിയാനം പോലെയുള്ള വലിയ വലിയ പ്രശ്നങ്ങൾക്കൊക്കെ ചിലപ്പോൾ ഇതിലൂടെ പരിഹാരം കണ്ടെത്താൻ കഴിഞ്ഞേക്കാം. എന്തായാലും സർക്കാരുകളും വലിയ വലിയ സ്ഥാപനങ്ങളും ഒക്കെ ഇതിനൊരു കൺട്രോൾ കൊണ്ടുവരാനുള്ള ശ്രമത്തിലാണ്. മനുഷ്യർക്ക് ദോഷം വരാത്ത രീതിയിൽ ഇത് ഉപയോഗിക്കാൻ ഒരു നിയമം അത്യാവശ്യമാണല്ലോ. ഇതെന്റെ ഒരു അഭിപ്രായം മാത്രമാണ്, ചിലപ്പോൾ അങ്ങനെ സംഭവിച്ചിരിക്കാം.

12. Conclusion (അവസാനമായി പറയാനുള്ളത്)

അവസാനിപ്പിക്കുന്നതിന് മുൻപ് ഒരു കാര്യം കൂടി പറയാം, ഈ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എന്ന് പറയുന്നത് ജീവനുള്ള ഒന്നോ അല്ലെങ്കിൽ എന്തെങ്കിലും മാജിക്കോ ഒന്നുമല്ല; മനുഷ്യന്റെ ബുദ്ധി ഉപയോഗിച്ച് ഉണ്ടാക്കിയെടുത്ത വെറുമൊരു മാത്തമാറ്റിക്കൽ ടൂൾ മാത്രമാണ് ഇത്. പണ്ട് അച്ചടിയന്ത്രവും ഇന്റർനെറ്റും ഒക്കെ വന്നപ്പോൾ ലോകം മാറിയതുപോലെ, ഇതും നമ്മുടെ ലോകത്തെ മാറ്റിമറിക്കാൻ പോകുന്ന ഒരു ടെക്നോളജി മാത്രമാണ്.

അതുകൊണ്ട് ഇതിനെ പേടിക്കുന്നതിന് പകരം, ഇതിന്റെ സയൻസ് എന്താണെന്ന് നമ്മൾ മനസ്സിലാക്കണം. ഇതിന്റെ ഹിസ്റ്ററിയും മെക്കാനിക്സും ഇതിന്റെ ഗുണങ്ങളും റിസ്കുകളും ഒക്കെ അറിഞ്ഞിരുന്നാൽ മാത്രമേ നാളത്തെ ഈ ഡിജിറ്റൽ ലോകത്ത് പിടിച്ചുനിൽക്കാൻ നമുക്ക് കഴിയൂ. മെഷീനുകൾ മനുഷ്യർക്ക് പകരക്കാരാകുന്ന ഒരു ലോകമല്ല, മറിച്ച് മനുഷ്യരും AI യും ഒന്നിച്ച് നിന്ന് നമ്മുടെ വലിയ വലിയ പ്രശ്നങ്ങൾ സോൾവ് ചെയ്യുന്ന ഒരു ഭാവിയാണ് നമ്മൾ ഉണ്ടാക്കിയെടുക്കേണ്ടത്. നമ്മൾ വിചാരിച്ചാൽ അത് നടക്കും, അത്രമാത്രം!