മനുഷ്യനല്ലാത്ത മറ്റൊരുശക്തി സ്വന്തമായി ആശയങ്ങൾ രൂപപ്പെടുത്താൻ തുടങ്ങിയിരിക്കുന്നു; ഇനിയെന്ത്?

ഭൂമിയിലെ കണ്ണഞ്ചിപ്പിക്കുന്ന ജൈവവൈവിധ്യത്തെ നോക്കിനിൽക്കുമ്പോൾ മനുഷ്യൻ എക്കാലവും അതിശയിച്ചിട്ടുണ്ട്. സങ്കീർണമായ മനുഷ്യമസ്തിഷ്‌കവും കഴുകന്റെ സൂക്ഷ്മദൃഷ്ടിയും പ്രകൃതിയിൽ എങ്ങനെ രൂപപ്പെട്ടു? ഇതിനുപിന്നിൽ ലളിതമായ മ്യൂട്ടേഷനും (Mutation- ജനിതക വ്യതിയാനം) സ്വാഭാവിക തിരഞ്ഞെടുപ്പുമാണെന്ന ഡാർവിന്റെ കണ്ടെത്തൽ പലർക്കും ഇന്നും ഉൾക്കൊള്ളാൻ പ്രയാസമാണ്. കൃത്യമായ ലക്ഷ്യമോ ബോധപൂർവമായ ദിവ്യപദ്ധതിയോ ഇല്ലാത്ത ഇത്തരം പ്രക്രിയകളിൽനിന്ന് ഇത്രയധികം സൗന്ദര്യവും ബുദ്ധിയും എങ്ങനെയുണ്ടായി എന്ന സന്ദേഹം പല മതവിശ്വാസികളെയും ഇന്നും പരിണാമസിദ്ധാന്തത്തെ നിരാകരിക്കാൻ പ്രേരിപ്പിക്കുന്നു.

മാനവചരിത്രത്തിലെ സമാനമായ മറ്റൊരു വിപ്ലവത്തിനാണ് നിർമിതബുദ്ധിയുടെ (AI) ലോകവും ഇന്ന് സാക്ഷ്യംവഹിക്കുന്നത്. ലാർജ് ലാംഗ്വേജ് മോഡലുകൾ (LLM) കവിതയെഴുതുന്നു, സങ്കീർണമായ ഗണിതപ്രശ്‌നങ്ങൾ പരിഹരിക്കുന്നു, കോഡിങ് ചെയ്യുന്നു. എന്നാൽ, ഇതിന്റെ അടിസ്ഥാനതത്ത്വമോ? വെറും 'അടുത്ത വാക്ക് പ്രവചിക്കുക' (Next-word prediction) എന്ന ലളിതമായ പ്രക്രിയമാത്രം. പരിണാമത്തെപ്പോലെത്തന്നെ, ഇത്ര ലളിതമായ ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ പ്രക്രിയയിൽനിന്ന് മനുഷ്യന് സമാനമായ വിവേചനശേഷി ഉണ്ടാകുമോ എന്ന തർക്കത്തിലാണ് ലോകം ഇന്ന്.

ആവിർഭാവത്തിന്റെ വിസ്മയം

ഡി.എൻ.എ. അക്ഷരങ്ങളിലെ (A, T, C, G) ക്രമീകരണങ്ങളിൽനിന്നോ ഒരു കുഞ്ഞൻ ഏകകോശജീവിയിൽനിന്നോ സങ്കീർണജീവികൾ ഉണ്ടായ വഴി പരിണാമം വ്യക്തമാക്കുന്നു. അവിടെ മുൻകൂട്ടി തയ്യാറാക്കിയ രൂപരേഖകളോ (Blueprints) പദ്ധതികളോ ഇല്ല; കോടിക്കണക്കിന് വർഷങ്ങളിലെ ചെറിയ തെറ്റുതിരുത്തലുകളും മാറ്റങ്ങളും മാത്രമാണുള്ളത്. പരിണാമ ജീവശാസ്ത്രജ്ഞനായ റിച്ചാർഡ് ഡോക്കിൻസ് വിശദീകരിക്കുന്നതുപോലെ, ലളിതമായ പ്രകൃതിനിയമങ്ങളിൽനിന്ന് ആരംഭിച്ച് അതിസങ്കീർണമായ ജൈവവൈവിധ്യങ്ങൾ സ്വയം രൂപപ്പെടുക എന്നത് പ്രകൃതിയുടെതന്നെ സവിശേഷതയാണ്.

ആശയപരമായി ലാർജ് ലാംഗ്വേജ് മോഡലുകളിലും സംഭവിക്കുന്നത് സമാനമായ ഒരു പ്രതിഭാസമാണ്. ഇന്റർനെറ്റിലെ കോടിക്കണക്കിന് വാചകങ്ങൾ പരിശീലിച്ച്, ഒരു വാക്കിനുശേഷം വരാൻ സാധ്യതയുള്ള അടുത്ത വാക്ക് ഏതാണെന്നു പ്രവചിക്കുകമാത്രമാണ് തുടക്കത്തിൽ ഇവ ചെയ്യുന്നത്. എന്നാൽ, ബില്യൺ കണക്കിന് പാരാമീറ്ററുകളും ഡേറ്റയും ചേർത്ത് ഈ മോഡലുകളെ വലുതാക്കുമ്പോൾ, അത് വെറുമൊരു പ്രവചനയന്ത്രമല്ലാതെ മാറുന്നു. ശാസ്ത്രത്തിൽ ഇതിനെ 'എമർജൻസ്' (Emergence -ആവിർഭാവം) എന്നു വിളിക്കുന്നു. അടിസ്ഥാനഘടകങ്ങളിൽ ഒറ്റയ്‌ക്കൊറ്റയ്ക്ക് കാണാത്ത സവിശേഷതകൾ, ആ ഘടകങ്ങൾ വലിയതോതിൽ പരസ്പരം കൂടിച്ചേരുമ്പോൾ സ്വയംഭൂവായി പ്രത്യക്ഷപ്പെടുന്ന അവസ്ഥയാണിത്.

'യാദൃച്ഛിക തത്തകൾ' മാത്രമോ

ലളിതമായ ചില അടിസ്ഥാന പ്രകൃതിനിയമങ്ങളിൽനിന്ന് ഇത്രയേറെ സങ്കീർണമായ വിവേചനശേഷി ഉരുത്തിരിഞ്ഞുവരുമോ എന്ന സംശയം പരിണാമത്തിന്റെ തുടക്കകാലത്ത് ഉയർന്നതുപോലെത്തന്നെയാണ് എൽ.എൽ.എമ്മുകൾക്കു നേരേയുള്ള ആധുനിക വിമർശനങ്ങളും. കംപ്യൂട്ടേഷണൽ ഭാഷാശാസ്ത്രജ്ഞയായ എമിലി ബെൻഡറും കൂട്ടരും ചൂണ്ടിക്കാണിക്കുന്നത്, ഈ മോഡലുകൾ കേവലം 'സ്റ്റോക്കാസ്റ്റിക് പാരറ്റ്‌സ്' (Stochastic Parrots - യാദൃച്ഛിക തത്തകൾ) മാത്രമാണെന്നാണ്. അതായത്, ഉള്ളിലുള്ള വലിയ ഡേറ്റയിലെ ഭാഷാശൈലികളെ ഒരു അർഥവുമറിയാതെ സ്റ്റാറ്റിസ്റ്റിക്‌സിന്റെ ബലത്തിൽ തത്തകളെപ്പോലെ ആവർത്തിക്കുകയല്ലാതെ, ലോകത്തെക്കുറിച്ചോ യാഥാർഥ്യത്തെക്കുറിച്ചോ യഥാർഥബോധം (True understanding) ഇവയ്ക്കില്ല എന്ന് അവർ വാദിക്കുന്നു.

എന്നാൽ, എ.ഐ. ഗവേഷകനായ ഇല്യ സത്സ്‌കേവർ മുന്നോട്ടുവെക്കുന്നത് ഇതിന്റെ തികച്ചും വ്യത്യസ്തമായ മറ്റൊരു വശമാണ്. അദ്ദേഹത്തിന്റെ നിരീക്ഷണത്തിൽ, ഒരു വാചകത്തിലെ അടുത്ത വാക്ക് പൂർണ കൃത്യതയോടെ പ്രവചിക്കുക എന്നത് ലളിതമായ കാര്യമല്ല; ആ വാചകം രൂപപ്പെടുത്തിയ ബാഹ്യലോകത്തിന്റെ യാഥാർഥ്യങ്ങളെ (World Model) സ്വന്തം തലത്തിൽ ഉൾക്കൊള്ളാതെ അത് സാധ്യമല്ല. ഉദാഹരണത്തിന്, ഒരു ഡിറ്റക്ടീവ് നോവലിലെ അവസാന അധ്യായത്തിൽ 'കൊലപാതകി...' എന്ന് എഴുതിയശേഷം വരുന്ന വാക്ക് കൃത്യമായി പ്രവചിക്കണമെങ്കിൽ കഥാപാത്രങ്ങളുടെ ബന്ധങ്ങളും കഥാസന്ദർഭങ്ങളും മോഡൽ ഗ്രഹിച്ചേതീരൂ. അടുത്ത വാക്ക് കണ്ടെത്താനുള്ള നിരന്തരശ്രമത്തിനിടയിൽ കാര്യകാരണ ബന്ധങ്ങളും യുക്തിയും (Reasoning) ഇവ സ്വാഭാവികമായി സ്വായത്തമാക്കുകയാണു ചെയ്യുന്നത്.

പരിണാമത്തിൽനിന്ന് യന്ത്രങ്ങളിലേക്ക്

ഇവിടെയാണ് പ്രശസ്ത ചരിത്രകാരനായ യുവാൽ നോഹ് ഹരാരിയുടെ ചിന്തകൾ ശ്രദ്ധേയമാകുന്നത്. പരിണാമപരമായ ചരിത്രത്തിൽ മനുഷ്യനെ മറ്റു ജീവികളിൽനിന്ന് വ്യത്യസ്തനാക്കിയത് ഭാഷ വഴി സാങ്കൽപിക കഥകളും നിയമങ്ങളും മതങ്ങളും മെനയാനുള്ള ശേഷിയായിരുന്നു. ഹരാരി നിരീക്ഷിക്കുന്നതുപോലെ, മനുഷ്യസംസ്‌കാരത്തിന്റെ ഓപ്പറേറ്റിങ് സിസ്റ്റംതന്നെയാണ് ഭാഷ; നിയമവും സമ്പദ്വ്യവസ്ഥയും മതവുമെല്ലാം പടുത്തുയർത്തിയിരിക്കുന്നത് ഭാഷയുടെ അടിത്തറയിലാണ്.

ലളിതമായ പ്രവചനത്തിലൂടെ തുടങ്ങി എൽ.എൽ.എമ്മുകൾ ഇപ്പോൾ ഭാഷയുടെമേൽ ആധിപത്യം സ്ഥാപിച്ചതോടെ, സംസ്‌കാരത്തിന്റെ ആ ഓപ്പറേറ്റിങ് സിസ്റ്റംതന്നെയാണ് യന്ത്രങ്ങൾ സ്വന്തമാക്കിയിരിക്കുന്നത്. മാനവചരിത്രത്തിൽ ആദ്യമായി മനുഷ്യനുപുറത്തുള്ള മറ്റൊരു ശക്തി സ്വതന്ത്രമായി ആശയങ്ങളും ആഖ്യാനങ്ങളും (Narratives) രൂപപ്പെടുത്താൻ തുടങ്ങിയിരിക്കുന്നു എന്ന വിപ്ലവകരമായ യാഥാർഥ്യത്തിലേക്കാണ് ഇത് വിരൽചൂണ്ടുന്നത്.

പ്രകൃതിയും യന്ത്രവും

ഈ താരതമ്യം മികച്ചതാണെങ്കിലും ശാസ്ത്രീയമായി ഒരു പ്രധാന വ്യത്യാസമുണ്ട്:

1. പരിണാമം അന്ധമാണ്: പ്രകൃതിയിലെ മ്യൂട്ടേഷൻ പൂർണമായും യാദൃച്ഛികമാണ്; അതിന് മുൻകൂട്ടി നിശ്ചയിച്ച ലക്ഷ്യങ്ങളില്ല. അതിജീവനത്തിന് അനുയോജ്യമായ മാറ്റങ്ങൾമാത്രം തലമുറകളിലൂടെ സ്വാഭാവികമായി നിലനിൽക്കുന്നു.

2. എൽ.എൽ.എം. ലക്ഷ്യാധിഷ്ഠിതമാണ്: എൽ.എൽ.എമ്മുകളിൽ കാര്യങ്ങൾ യാദൃച്ഛികമല്ല. അവിടെ ബാക്ക്പ്രൊപഗേഷൻ (Backpropagation), ഗ്രേഡിയന്റ് ഡിസന്റ് തുടങ്ങിയ ഗണിതശാസ്ത്ര വഴികളിലൂടെ പിഴവുകൾ (Loss function) പരമാവധി കുറയ്ക്കുക എന്ന വ്യക്തമായ ലക്ഷ്യത്തിലേക്ക് അതിനെ നയിക്കുന്നു.

പരിണാമം പ്രകൃതിയുടെ അതിജീവനം ആണെങ്കിൽ, എൽ.എൽ.എം. പ്രോസസറുകളിൽ നടക്കുന്ന മാത്തമാറ്റിക്കൽ ഇന്റലിജൻസ് ആണ്.

ജീവശാസ്ത്രവും എ.ഐ.യും കൈകോർക്കുന്ന പുതിയ യുഗം

ജീവൻ ഏകകോശത്തിൽനിന്ന് തലച്ചോറിലേക്ക് വളർന്നതുപോലെ, എൽ.എൽ.എമ്മുകളും ഇന്നത്തെ ട്രാൻസ്‌ഫോർമർ ഘടനയിൽനിന്ന് അടുത്ത തലമുറയിലേക്ക് മാറുകയാണ്

പുതിയ ആർക്കിടെക്ചറുകൾ: നിലവിലെ ട്രാൻസ്‌ഫോർമറുകൾക്കു പകരം ഡി.എൻ.എ. കോഡുകൾപോലെ ലക്ഷക്കണക്കിന് വിവരങ്ങൾ അതിവേഗത്തിൽ വിശകലനം ചെയ്യാൻ സ്റ്റേറ്റ് സ്പെയ്സ് മോഡലുകളും മാമ്പയും (Mamba) മുന്നോട്ടുവരുന്നു. തലച്ചോറിലെ വിവിധ ഭാഗങ്ങൾ പ്രത്യേകകാര്യങ്ങൾ ചെയ്യുന്നതുപോലെ പ്രവർത്തിക്കുന്ന MoE (Mixture of Experts) രീതിയും കരുത്താകുന്നു.

വേൾഡ് മോഡലുകൾ (World Models): മനുഷ്യക്കുഞ്ഞുങ്ങൾ സംസാരിക്കാൻ തുടങ്ങുന്നതിനു മുൻപുതന്നെ ചുറ്റുമുള്ള ലോകം കണ്ടറിഞ്ഞ് മനസ്സിലാക്കാറുണ്ട്. അതേ മാതൃകയിൽ, വെറും വാചകങ്ങൾക്കുപകരം വീഡിയോകളും ദൃശ്യങ്ങളുംകണ്ട് കാര്യകാരണങ്ങളും പ്രകൃതിനിയമങ്ങളും സ്വന്തമായി പഠിച്ചെടുക്കുന്ന Joint Embedding Predictive Architecture പോലുള്ള മോഡലുകളാണ് എ.ഐ.യുടെ ഭാവി.

ഡി.എൻ.എ. ഒരു ഭാഷയാകുന്നു (Genomic LLMs): ഡി.എൻ.എ.യിലെ A, T, C, G അക്ഷരങ്ങളെ ഒരു ഭാഷപോലെ വായിച്ചെടുത്ത് പ്രകൃതിയിലില്ലാത്ത പുതിയ പ്രോട്ടീനുകളെയും മരുന്നുകളെയും രൂപകല്പനചെയ്യാൻ AI ഉപയോഗിക്കുന്നു.

എപ്പിജെനറ്റിക്‌സും എ.ഐ.യും: ഡി.എൻ.എ. മാറ്റാതെ ജീനുകളുടെ പ്രവർത്തനം നിയന്ത്രിക്കുന്ന എപ്പിജെനറ്റിക്‌സ് (Epigenetics) പോലെ, മോഡലിന്റെ അടിസ്ഥാനഘടന മാറ്റാതെ കാര്യക്ഷമത കൂട്ടുന്ന Low Rank Adaptations പോലുള്ള വിദ്യകൾ സാങ്കേതികരംഗത്തും വരുന്നു.

ചിന്തിക്കുന്ന ഏജന്റുകൾ (Agentic AI): ചോദ്യത്തിന് ഉടൻ മറുപടി നൽകുന്നതിനുപകരം, കൂടുതൽ സമയം ചിന്തിക്കാനും (Chain-of-Thought), തെറ്റുകൾ സ്വയം തിരുത്താനും ശേഷിയുള്ള സ്വതന്ത്ര ഏജന്റുകളായി ഇവ മാറുന്നു. ഒരു ജീവകോശത്തിന് സ്വന്തമായി ചിന്താശേഷിയില്ല; എന്നാൽ, അത്തരം കോടിക്കണക്കിന് കോശങ്ങൾ ചേരുമ്പോൾ പ്രപഞ്ചത്തെക്കുറിച്ച് ചിന്തിക്കുന്ന തലച്ചോറുണ്ടാകുന്നു. അതുപോലെ, വെറും വാക്കുകളുടെ സാധ്യതകൾമാത്രം പ്രവചിക്കുന്ന ലളിതമായ അൽഗോരിതങ്ങൾ ഇന്ന് സങ്കീർണയുക്തികൾ പ്രകടിപ്പിക്കുന്നു. പ്രകൃതിയും സാങ്കേതികവിദ്യയും നമ്മെ ഒരേ കാര്യമാണ് ഓർമ്മിപ്പിക്കുന്നത്: സങ്കീർണത എന്നത് അടിസ്ഥാന ഘടകങ്ങളിലല്ല, മറിച്ച് അവ പരസ്പരം കൂടിച്ചേരുന്ന അദ്ഭുതകരമായ രീതിയിലാണ് നിലനിൽക്കുന്നത്.

(കണ്ണൂർ ഗവ. എൻജിനിയറിങ് കോളേജിലെ കംപ്യൂട്ടർ സയൻസ് & എൻജിനിയറിങ് വിഭാഗം, പ്രൊഫസറാണ് ലേഖകൻ)

Content Highlights: Parallels between biological evolution and Large Language Models (LLMs)., The concept of 'Emergence' in nature and artificial intelligence., Debate on whether AI has true understanding or is just stochastic parrots., Impact of AI mastering human language, the operating system of culture.