എങ്ങനെ പഠിക്കാം നിർമിത ബുദ്ധി
text_fieldsഒരു ആശയമെന്ന നിലയിൽ, നിർമിത ബുദ്ധി അതിന്റെ അതിരുകൾ വീണ്ടും വീണ്ടും ഉയർത്തിയിട്ടുണ്ട്. അത് വേഗത്തിൽ മെഡിക്കൽ മരുന്നുകൾ കണ്ടുപിടിക്കുന്നതിനോ ബഹിരാകാശ രംഗത്ത് പര്യവേക്ഷണം ചെയ്യുന്നതിനോ ആയിരിക്കാം. എന്നിരുന്നാലും, കാതലായ ആശയം അതേപടി തുടരുകയാണ്. ഇത് എല്ലായ്പ്പോഴും മനുഷ്യന്റെ ചിന്തയും യുക്തിയും അനുകരിക്കാനും പ്രശ്നപരിഹാരം തേടാനും സാമൂഹികമായി പൊരുത്തപ്പെടാനും കഴിയുന്ന യന്ത്രങ്ങളെക്കുറിച്ചാണ്. നിങ്ങൾ നിർമിത ബുദ്ധി പഠിക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, ഇപ്പോഴുള്ളതിനേക്കാൾ മികച്ച സമയം മറ്റൊന്നില്ല, കാരണം വിശ്വസിച്ചാലും ഇല്ലെങ്കിലും, നിലവിലെ വ്യാവസായിക വിപ്ലവത്തിന് പിന്നിലെ ശക്തി നിർമിത ബുദ്ധി ആണ്.
മനുഷ്യൻ സൃഷ്ടിച്ച ഏറ്റവും സങ്കീർണ്ണമായ സൃഷ്ടികളിലൊന്നാണ് നിർമിത ബുദ്ധി. എന്നിട്ടും ഈ മേഖല വലിയ തോതിൽ പര്യവേക്ഷണം ചെയ്യപ്പെടാതെ തുടരുന്നു. ഇന്ന് നമ്മൾ കാണുന്ന എല്ലാ എ.ഐ ആപ്ലിക്കേഷനുകളും മഞ്ഞുമലയുടെ അഗ്രം മാത്രമാണ്. എന്നിരുന്നാലും, അതിന്റെ സാധ്യതകൾ വളരെ വലുതാണ്. എ.ഐയെ കുറിച്ച് പഠിക്കാൻ, അതിന്റെ വർഗീകരണങ്ങൾ മനസ്സിലാക്കേണ്ടതുണ്ട്.
കൃത്രിമ ബുദ്ധിയുടെ തരങ്ങൾ:
മനുഷ്യനെപ്പോലെ പ്രവർത്തനങ്ങളെ അനായാസമായി അനുകരിക്കാൻ കഴിയുന്ന യന്ത്രങ്ങൾ നിർമിക്കുന്നതിന് ഗവേഷകർ അശ്രാന്ത പരിശ്രമത്തിലാണ്. ഒരു യന്ത്രത്തിന് മനുഷ്യനെ എത്രത്തോളം പകർത്താൻ കഴിയും എന്നത് നിർമിത ബുദ്ധി തരങ്ങളെ നിർണയിക്കുന്നു. വിശാലമായി, നിർമിത ബുദ്ധിയെ രണ്ട് തരത്തിൽ തരം തിരിച്ചിരിക്കുന്നു
ഒന്ന്, മനുഷ്യരെപ്പോലെ ചിന്തിക്കാനും ഒരുപക്ഷേ അനുഭവിക്കാനുമുള്ള ഒരു യന്ത്രത്തിന്റെ കഴിവാണ്. ഈ തരത്തിലുള്ള നാല് വർഗീകരണങ്ങളുണ്ട്.
●1) റിയാക്ടീവ് മെഷീനുകൾ: കൃത്രിമ ബുദ്ധിയുടെ ഏറ്റവും പഴയ രൂപമാണ് റിയാക്ടീവ് മെഷീനുകൾ. ഇവയ്ക്ക് പരിമിതമായ കഴിവുകളാണുള്ളത് കൂടാതെ വിവിധ തരത്തിലുള്ള ഉത്തേജകങ്ങളോട് പ്രതികരിക്കാനുള്ള മനുഷ്യ മസ്തിഷ്കത്തിന്റെ കഴിവിനോട് സാമ്യമുണ്ട്. ആധുനിക മെഷീനുകളിൽ നിന്ന് വ്യത്യസ്തമായി ഇവയ്ക്ക് മെമ്മറി അടിസ്ഥാനമാക്കിയുള്ള പ്രവർത്തനങ്ങളൊന്നുമില്ല. ഇതിനർഥം ഈ യന്ത്രങ്ങൾ അവരുടെ കൃത്രിമ ബുദ്ധിയുടെ ഏറ്റവും പഴയ രൂപമാണ് റിയാക്ടീവ് മെഷീനുകൾ. ഇവയ്ക്ക് പരിമിതമായ കഴിവുകളാണുള്ളത് കൂടാതെ വിവിധ തരത്തിലുള്ള ഉത്തേജകങ്ങളോട് പ്രതികരിക്കാനുള്ള മനുഷ്യ മസ്തിഷ്കത്തിന്റെ കഴിവിനോട് സാമ്യമുണ്ട്. ആധുനിക മെഷീനുകളിൽ നിന്ന് വ്യത്യസ്തമായി ഇവയ്ക്ക് മെമ്മറി അടിസ്ഥാനമാക്കിയുള്ള പ്രവർത്തനങ്ങളൊന്നുമില്ല. ഇതിനർത്ഥം ഈ യന്ത്രങ്ങൾ അവരുടെ മുൻ അനുഭവങ്ങളിൽ നിന്ന് പഠിക്കുന്നില്ല, അവ ഉൾക്കൊള്ളുന്നില്ല എന്നാണ്. ചുരുക്കത്തിൽ, ഈ യന്ത്രങ്ങൾക്ക് 'പഠിക്കാൻ' കഴിയില്ല. ഇൻപുട്ടുകളുടെ ഒരു പ്രത്യേക സംയോജനത്തിനായി ഒരു ഓട്ടോമേറ്റഡ് പ്രതികരണം സൃഷ്ടിക്കാൻ റിയാക്ടീവ് മെഷീനുകൾ ഉപയോഗിക്കുന്നു. 1997-ൽ ചെസ് ഗ്രാൻഡ്മാസ്റ്റർ ഗാരി കാസ്പറോവിനെ പ്രീ-ഫെഡ് എന്ന നിലയിൽ കണക്കുകൂട്ടിയ നീക്കങ്ങൾ നടത്തി പരാജയപ്പെടുത്തിയ ഐ.ബി.എമ്മിന്റെ ഡീപ് ബ്ലൂ ഒരു ജനപ്രിയ ഉദാഹരണമാണ്.
●2) പരിമിതമായ മെമ്മറി ഉള്ള യന്ത്രങ്ങൾ: റിയാക്ടീവ് മെഷീനുകളേക്കാൾ ഒരു പടി മുന്നിൽ, ഈ മെഷീനുകൾക്ക് ചരിത്രപരമായ ഡാറ്റയിൽ നിന്ന് പഠിക്കാനും തീരുമാനങ്ങൾ എടുക്കാനുമുള്ള കഴിവുണ്ടായിരുന്നു. ഇന്ന് നമ്മൾ കാണുന്ന എ.ഐയുടെ എല്ലാ ആപ്ലിക്കേഷനുകളും ഈ വിഭാഗത്തിൽ ഉൾപ്പെടുന്നു. ഉദാഹരണത്തിന്, ആയിരക്കണക്കിന് റഫറൻസ് ഇമേജുകൾ ഉപയോഗിച്ച് ഒരു ഇമേജ് റെൻഡിഷൻ എ.ഐ മെഷീൻ പരിശീലിപ്പിക്കപ്പെടുന്നു. ഒരു പുതിയ ചിത്രം സ്കാനറിന് കീഴിൽ കൊണ്ടുവരുമ്പോൾ, അത് ഒരു പൊരുത്തം ഉണ്ടാക്കുന്നതിനും അതിലെ ഉള്ളടക്കങ്ങൾ മനസ്സിലാക്കുന്നതിനും അതിന്റെ മുൻകൂർ ഫീഡ് റഫറൻസ് ഇമേജുകൾ ഉപയോഗിക്കുന്നു. ഇന്നത്തെ വെർച്വൽ അസിസ്റ്റന്റുകളാണ് ജനപ്രിയ ഉദാഹരണങ്ങൾ.
●3)മനസ്സിന്റെ സിദ്ധാന്തം: മേൽപ്പറഞ്ഞ രണ്ടിൽ നിന്ന് വ്യത്യസ്തമായി ഇത്തരത്തിലുള്ള കൃത്രിമബുദ്ധി പ്രായോഗികമായി നടപ്പിലാക്കിയിട്ടില്ല. തിയറി ഓഫ് മൈൻഡ് എ.ഐ എന്നത് നവീകരിക്കപ്പെടുന്ന ഭാവി എ.ഐ ആശയമാണ്. അതിന്റെ വിശ്വാസങ്ങൾ, ചിന്താ പ്രക്രിയകൾ, ആവശ്യങ്ങൾ, വികാരങ്ങൾ എന്നിവ വിവേചിച്ചുകൊണ്ട് അത് സംവദിക്കുന്ന അസ്തിത്വത്തെ മനസ്സിലാക്കാൻ ഇത് വികസിപ്പിച്ചുകൊണ്ടിരിക്കുന്നു. ആർട്ടിഫിഷ്യൽ ഇമോഷണൽ ഇന്റലിജൻസ് ഇപ്പോൾ തന്നെ വേഗത കൈവരിക്കുന്നുണ്ടെങ്കിലും, എ.ഐ സിദ്ധാന്തം പൂർണത കൈവരിക്കാൻ ഗവേഷകർക്ക് കൂടുതൽ സമയമെടുക്കും.
●4) സ്വയം അവബോധമുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്: ഇപ്പോഴും ഉണ്ടാക്കിക്കൊണ്ടിരിക്കുന്ന മറ്റൊരു തരം എ.ഐ സ്വയം അവബോധ ബുദ്ധിയാണ്. വാസ്തവത്തിൽ, ഈ ആശയം ഇപ്പോൾ സാങ്കൽപ്പികമായി മാത്രമേ നിലനിൽക്കുന്നുള്ളൂ. സ്വയം വിശദീകരിക്കുന്ന രീതിയിൽ എ.ഐ വികസിപ്പിക്കുക എന്നതാണ് ആശയം. അതായത് സ്വയം അവബോധമുള്ള ഒരു യന്ത്രം വികസിപ്പിക്കുക. എ.ഐ ഗവേഷകരുടെ ആത്യന്തിക ലക്ഷ്യമായി ഇതിനെ വിശേഷിപ്പിക്കാം.