നിങ്ങളുടെ ഒരു സാധാരണ ദിവസം സങ്കൽപ്പിക്കുക. നിങ്ങൾ ഫോണിലേക്ക് ഒന്നു നോക്കുമ്പോൾത്തന്നെ, മുഖം തിരിച്ചറിഞ്ഞ് അത് തുറക്കുന്നു. അത്ര പരിചിതമല്ലാത്ത ഒരു സ്ഥലത്തെ കല്യാണത്തിനു പോകാൻ ഗൂഗിൾ മാപ്‌സ് തുറക്കുമ്പോൾ, നിങ്ങൾ അറിയുക പോലും ചെയ്യാത്ത ഒരു ഗതാഗതക്കുരുക്ക് ഒഴിവാക്കി അത് നിശ്ശബ്ദമായി വഴി കാണിക്കുന്നു. ഒരു സന്ദേശം ടൈപ്പ് ചെയ്യുമ്പോൾ അടുത്ത വാക്കുകൾ കീബോർഡ് തന്നെ നിർദ്ദേശിക്കുന്നു.

To advertise here,

ഈ നിമിഷങ്ങളിലൊന്നും 'എഐ ഉപയോഗിക്കുന്നു' എന്നു നമുക്കു തോന്നിയില്ല. മുറിയിലേക്ക് ഒരു റോബോട്ടും കടന്നുവന്നില്ല; ഒരു സ്‌ക്രീനും അതിന്റെ വരവ് പ്രഖ്യാപിച്ചില്ല. എങ്കിലും ഇവയോരോന്നും പ്രവർത്തിക്കുന്ന നിർമ്മിതബുദ്ധിയാണ്. എഐ ക്ഷണത്തിനു കാത്തുനിന്നില്ല. നിങ്ങളുടെ വീട്ടിലും ഓഫീസിലും പോക്കറ്റിലും അത് ഇതിനകം ഒരു അതിഥിയാണ്; സ്വയം പരിചയപ്പെടുത്താത്ത മര്യാദയുള്ള ഒരതിഥി. അപ്പോൾ ആരാണ് ഈ അതിഥി?

1950-ൽ നിന്നുള്ള ഒരു ചോദ്യം

1950ൽ ബ്രിട്ടീഷ് ഗണിതശാസ്ത്രജ്ഞനായ അലൻ ട്യൂറിങ് ലളിതമെന്നു തോന്നിക്കുന്ന ഒരു ചോദ്യം ചോദിച്ചു: യന്ത്രത്തിനു ചിന്തിക്കാനാകുമോ? ഇന്നും ചർച്ച ചെയ്യപ്പെടുന്ന ഒരു പരീക്ഷണവും അദ്ദേഹം മുന്നോട്ടുവച്ചു. മറഞ്ഞിരിക്കുന്ന ഒരു മനുഷ്യനോടും മറഞ്ഞിരിക്കുന്ന ഒരു കമ്പ്യൂട്ടറിനോടും വെവ്വേറെ സംസാരിക്കുന്ന ഒരാൾക്ക്, ഒരു ചോദ്യത്തിനു ലഭിക്കുന്ന ഉത്തരങ്ങളിൽ നിന്ന് ഏതാണ് ഏതെന്ന് വിശ്വസനീയമായി തിരിച്ചറിയാൻ കഴിയുന്നില്ലെങ്കിൽ, ആ കമ്പ്യൂട്ടറിനെ ബുദ്ധിയുള്ളതെന്നു വിളിക്കാം. ഇന്നു നാം എഐ എന്നു വിളിക്കുന്നതെല്ലാം ഇതിന്റെ പരിണാമങ്ങൾ ആണ്.

ലളിതമായ ഒരു നിർവചനം ഇതാണ്: പ്രോഗ്രാമർ വരിവരിയായി എഴുതിവച്ച സ്ഥിരം നിയമങ്ങൾ അനുസരിക്കുന്നതിനു പകരം, ഡേറ്റയിൽ നിന്ന് മാതൃകകൾ (പാറ്റേണുകൾ) പഠിച്ച് പ്രവചനങ്ങൾ നടത്താനും തീരുമാനങ്ങൾ എടുക്കാനും പുതിയ ഉള്ളടക്കം സൃഷ്ടിക്കാനും കഴിയുന്ന സോഫ്റ്റ്‌വെയറാണ് നിർമ്മിതബുദ്ധി. പഴയ സോഫ്റ്റ്‌വെയർ പറഞ്ഞതു മാത്രം ചെയ്തു. ആധുനിക എഐക്ക് ആവശ്യത്തിന് ഉദാഹരണങ്ങൾ കാണിച്ചുകൊടുത്താൽ അത് സ്വയം മാതൃകകൾ ശ്രദ്ധിച്ചുതുടങ്ങും; ധാരാളം നായ്ക്കളെ കണ്ടിട്ടുള്ള ഒരു കുട്ടി, 'നായ' എന്തെന്ന് ആരും വാക്കുകളിൽ വിശദീകരിക്കാതെ തന്നെ, മുമ്പു കണ്ടിട്ടില്ലാത്ത ഒരു നായയെ തിരിച്ചറിയുന്നതുപോലെ.

വേഗമേറിയ ഒരു ഗൂഗിൾ സെർച്ച് മാത്രമല്ല

ക്ലോഡ്, ചാറ്റ്ജിപിടി പോലുള്ള എഐ ഉപകരണങ്ങളെ പലരും ഗൂഗിൾ സെർച്ച് പോലെയാണ് ഉപയോഗിക്കുന്നത്. എന്നാൽ ഇവ രണ്ടും ഒന്നല്ല. ചില കീവേഡുകൾ തിരഞ്ഞ്, ഇന്റർനെറ്റിൽ ഇതിനകം നിലവിലുള്ള പേജുകൾ കണ്ടെടുത്തു തരികയാണ് ഗൂഗിൾ സെർച്ച് ചെയ്യുന്നത്. 'ആശുപത്രിയിലെ ഒപി ഇന്ന് എപ്പോൾ അടയ്ക്കും?' എന്നറിയാൻ അതാണ് ശരിയായ ഉപകരണം. എഐ സഹായിയാകട്ടെ, പരിശീലനകാലത്ത് ഉൾക്കൊണ്ട മാതൃകകളെ ആധാരമാക്കി അപ്പോൾത്തന്നെ പുതിയൊരു ഉത്തരം രചിക്കുന്നു; ഒരു അധ്യാപകൻ പുസ്തകം തിരയാതെ ഓർമ്മയിൽ നിന്ന് മറുപടി പറയുന്നതുപോലെ. 'ഈ മരുന്ന് എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് മനസ്സിലാക്കാൻ സഹായിക്കൂ' എന്നതുപോലുള്ള ആവശ്യങ്ങൾക്ക് അത് മികച്ചതാണ്. പക്ഷേ അതിന്റെ അറിവിന് ഒരു കാലപരിധിയുണ്ട്. മനുഷ്യരെപ്പോലെ ഡേറ്റയിൽ നിന്നു പഠിച്ചാണ് എഐ പ്രവർത്തിക്കുന്നത്. ഇന്റർനെറ്റിൽ തിരയാൻ പ്രത്യേകം ആവശ്യപ്പെടാത്തപക്ഷം, ഇന്നലെ നടന്ന കാര്യങ്ങളെക്കുറിച്ച് അതിന് ഒന്നും അറിയണമെന്നില്ല.

മഞ്ഞിലെ ചെന്നായ

എഐ യഥാർത്ഥത്തിൽ എങ്ങനെ പഠിക്കുന്നു എന്നതിന്റെ കരുത്തും അപകടവും ഒരുപോലെ വ്യക്തമാക്കുന്ന ഒരു യഥാർത്ഥ സംഭവം പറയാം. ഹസ്‌കി നായ്ക്കളുടെയും ചെന്നായ്ക്കളുടെയും ചിത്രങ്ങൾ തമ്മിലുള്ള വ്യത്യാസം തിരിച്ചറിയാൻ ഗവേഷകർ ഒരിക്കൽ ഒരു എഐ സംവിധാനത്തെ പരിശീലിപ്പിച്ചു. പരീക്ഷണങ്ങളിൽ അത് മികച്ച പ്രകടനം കാഴ്ചവെച്ചു; വിചിത്രമായ ഒരുകാര്യം ഗവേഷകർ ശ്രദ്ധിക്കുന്നതുവരെ. മഞ്ഞിൽ നിൽക്കുന്ന ഹസ്‌കിയുടെ ചിത്രം കാണുമ്പോഴെല്ലാം, അത് ചെന്നായാണെന്ന് എഐ ആത്മവിശ്വാസത്തോടെ പ്രഖ്യാപിച്ചു.

ആശയക്കുഴപ്പത്തിലായ ഗവേഷകർ, മോഡൽ യഥാർത്ഥത്തിൽ എന്താണ് പഠിച്ചതെന്ന് ആഴത്തിൽ പരിശോധിച്ചു; അപ്പോഴാണ് യഥാർത്ഥ കഥ പുറത്തുവന്നത്. പരിശീലന ഡേറ്റയിലെ മിക്കവാറും എല്ലാ ചെന്നായ് ചിത്രങ്ങളിലും പശ്ചാത്തലത്തിൽ മഞ്ഞുണ്ടായിരുന്നു; ഹസ്‌കി ചിത്രങ്ങളിൽ മിക്കതിലും ഉണ്ടായിരുന്നില്ല. ചെന്നായയുടെ മുഖം തിരിച്ചറിയാൻ എഐ ഒരിക്കലും പഠിച്ചിരുന്നില്ല. 'ചിത്രത്തിൽ മഞ്ഞും ചെന്നായയെപ്പോലൊരു രൂപവും' ഉണ്ടെങ്കിൽ അത് 'ചെന്നായ' എന്ന് മാത്രമാണ് അത് പഠിച്ചത്. പരിശീലന ഡേറ്റയിൽ യാദൃശ്ചികമായി ഫലിച്ച, എന്നാൽ യഥാർത്ഥ മൃഗവുമായി ഒരു ബന്ധവുമില്ലാത്ത ഒരു കുറുക്കുവഴിയായിരുന്നു അത്.

ഇന്നത്തെ എഐയെക്കുറിച്ച് മനസ്സിലാക്കേണ്ട ഏറ്റവും പ്രധാനപ്പെട്ട കാര്യം ഇതാണ്: അത് കണ്ടെത്തുന്നത് പരസ്പരബന്ധങ്ങളാണ്, സത്യമല്ല. മാതൃകകൾ കണ്ടെത്തുന്നതിൽ അസാമാന്യ ശേഷിയുണ്ടെങ്കിലും, ഏതു മാതൃകയാണ് യഥാർത്ഥത്തിൽ പ്രധാനം എന്നതിനെക്കുറിച്ച് അതിന് സാമാന്യബോധമില്ല. മൃഗശാല സന്ദർശിച്ച ഒരു കുട്ടി ചെന്നായയെ മനസ്സിലാക്കുന്നതുപോലെ അത് ചെന്നായയെ മനസ്സിലാക്കുന്നില്ല; പരിശീലന ഡേറ്റ പ്രകാരം ഏറ്റവും സാധ്യതയുള്ള ഉത്തരം ഏതെന്ന് കണക്കുകൂട്ടുക മാത്രമാണ് ചെയ്യുന്നത്.

കുഞ്ഞ് തീയെ ഭയപ്പെടുന്നു, യന്ത്രം ഭയപ്പെടുന്നില്ല; എന്തുകൊണ്ട്?

ചൂടുള്ള അടുപ്പിൽ തൊടുന്ന ഒരു പിഞ്ചുകുട്ടി തീയെ സൂക്ഷിക്കണമെന്ന് തൽക്ഷണം, ജീവിതകാലം മുഴുവനും, പഠിക്കുന്നു. ചൂട് എന്താണെന്ന് ആരും വിശദീകരിക്കേണ്ടതില്ല; വേദന അനുഭവിക്കാൻ കഴിയുന്ന ഒരു ശരീരത്തിന് ആ വേദന യാഥാർത്ഥ്യമാണ്. എഐക്ക് അത്തരമൊരു അനുഭവമില്ല. അതിന് ഭയമില്ല, ആത്മബോധമില്ല. ചൂട് തിരിച്ചറിയുന്ന സെൻസറും അപകടത്തെക്കുറിച്ചുള്ള നിയമവും പ്രത്യേകമായി ഉൾപ്പെടുത്തിയിട്ടില്ലെങ്കിൽ, എഐ നിയന്ത്രിക്കുന്ന ഒരു റോബോട്ട് പരിചയമില്ലാത്ത തീയുടെ നേരെ നടന്നുനീങ്ങിയെന്നു വരാം.

മനുഷ്യബുദ്ധി ശരീരത്തിൽ വേരൂന്നിയതാണ്. അത് ഒരു ശരീരത്തിലും കുടുംബത്തിലും സമൂഹത്തിലും ജീവിക്കുന്നു; ഓർമ്മകളും ബന്ധങ്ങളും മനസ്സാക്ഷിയും അതിനെ രൂപപ്പെടുത്തുന്നു. നിർമ്മിതബുദ്ധി എത്ര ശ്രദ്ധേയമായാലും, പരിശീലനത്തിൽ നിന്നുള്ള മാതൃകകളെ പുനഃക്രമീകരിക്കുക മാത്രമാണ് ചെയ്യുന്നത്. അത് ഫലങ്ങൾ കണക്കുകൂട്ടുന്നു; ശരിയും തെറ്റും തൂക്കിനോക്കുന്നില്ല. എഐയുടെ കഴിവ് വർധിക്കുന്തോറും ഈ വ്യത്യാസത്തിന്റെ പ്രാധാന്യം കൂടുകയേയുള്ളൂ; കാരണം കഴിവും വിവേകവും ഒന്നല്ല.

1966-ലെ ചാറ്റ്‌ബോട്ടിൽ നിന്ന് 2024-ലെ നൊബേൽ സമ്മാനത്തിലേക്ക്

എഐയുടെ വളർച്ച ഒരേ വേഗത്തിലായിരുന്നില്ല. നീണ്ട നിശ്ശബ്ദ കാലങ്ങൾക്കിടയിൽ പെട്ടെന്നുള്ള കുതിച്ചുചാട്ടങ്ങളിലൂടെയാണ് അത് മുന്നേറിയത്. 'ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്' എന്ന പദം രൂപംകൊണ്ടത് 1956-ൽ ഡാർട്ട്മത്ത് കോളേജിലെ ഒരു ശില്പശാലയിലാണ്. 1966-ൽ, ആദ്യത്തെ ചാറ്റ്‌ബോട്ട് എന്ന് പലപ്പോഴും വിശേഷിപ്പിക്കപ്പെടുന്ന എലൈസ (ELIZA), ഉപയോക്താക്കളുടെ വാക്കുകളെ തിരിച്ച് ചോദ്യങ്ങളാക്കി ഒരു മനഃശാസ്ത്ര ചികിത്സകനെ അനുകരിച്ചു; ലളിതമായ ആ തന്ത്രം പോലും ചിലർക്ക് തങ്ങളെ ശരിക്കും കേൾക്കുന്നുണ്ടെന്ന തോന്നലുണ്ടാക്കി.

1997ൽ ഐബിഎമ്മിന്റെ ഡീപ് ബ്ലൂ ലോക ചെസ് ചാമ്പ്യൻ ഗാരി കാസ്പറോവിനെ തോൽപ്പിച്ചു. 2011ൽ ഐബിഎമ്മിന്റെ വാട്‌സൺ, അമേരിക്കൻ ക്വിസ് പരിപാടിയായ ജെപ്പഡിയിലെ (Jeopardy!) ഏറ്റവും മികച്ച രണ്ട് മനുഷ്യ ചാമ്പ്യന്മാരെ പരാജയപ്പെടുത്തി. 2020ൽ, അൻപതു വർഷമായി ജീവശാസ്ത്രജ്ഞരെ കുഴക്കിയിരുന്ന ഒരു പ്രശ്‌നം ആൽഫഫോൾഡ് (AlphaFold) പരിഹരിച്ചു: ഒരു പ്രോട്ടീൻ മടങ്ങി രൂപപ്പെടുന്ന കൃത്യമായ ത്രിമാന ഘടന പ്രവചിക്കുക. ആ നേട്ടം 2024ലെ രസതന്ത്ര നൊബേൽ സമ്മാനത്തിന്റെ ഒരു പങ്ക് നേടിക്കൊടുത്തു.

ഇടവേളകൾ ചുരുങ്ങിവരുന്നത് ശ്രദ്ധിക്കുക. ട്യൂറിങ്ങിന്റെ ചോദ്യത്തിൽ നിന്ന് ഡീപ് ബ്ലൂവിന്റെ വിജയത്തിലേക്ക് 47 വർഷമെടുത്തു. നൊബേൽ അംഗീകാരത്തിന് പലപ്പോഴും പതിറ്റാണ്ടുകൾ വേണ്ടിവരുമ്പോൾ, ആൽഫഫോൾഡ് കണ്ടുപിടിത്തത്തിൽ നിന്ന് നൊബേൽ സമ്മാനത്തിലെത്തിയത് വെറും നാലു വർഷംകൊണ്ടാണ്. 2022-ന്റെ അവസാനം പുറത്തിറങ്ങിയ ചാറ്റ്ജിപിടി ഈ സാങ്കേതികവിദ്യയെ വളരെ വേഗം സാധാരണക്കാരുടെ കൈകളിലെത്തിച്ചു. ഓരോ നിശ്ശബ്ദ കാലവും മുമ്പത്തേതിനേക്കാൾ വേഗം അവസാനിക്കുന്നു.

അറിഞ്ഞിരിക്കേണ്ട മൂന്ന് ചുരുക്കെഴുത്തുകൾ

ശാസ്ത്രജ്ഞർ എഐയെ മൂന്നു ഘട്ടങ്ങളായി തിരിക്കുന്നു. ഇന്നത്തെ ചാറ്റ്‌ബോട്ടുകളും മെഡിക്കൽ സ്‌കാൻ ഉപകരണങ്ങളും തട്ടിപ്പ് കണ്ടെത്തുന്ന സംവിധാനങ്ങളും ANI അഥവാ ആർട്ടിഫിഷ്യൽ നാരോ ഇന്റലിജൻസ് (പരിമിത നിർമ്മിതബുദ്ധി) ആണ്: ഓരോന്നും ഒരൊറ്റ ജോലി നന്നായി ചെയ്യാൻ നിർമ്മിച്ചവ; അതിനപ്പുറം ഒന്നുമില്ല. നാം ഇപ്പോൾ നിൽക്കുന്നത് ഇവിടെയാണ്; അത് അതിവേഗം മെച്ചപ്പെടുകയും ചെയ്യുന്നു.

അടുത്ത ഘട്ടമായ AGI അഥവാ ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് (സാമാന്യ നിർമ്മിതബുദ്ധി), മിക്കവാറും ഏതു ജോലിയിലും മനുഷ്യനു തുല്യമായ നിലവാരത്തിൽ യുക്തിപൂർവം ചിന്തിക്കാനും, പൂർണ്ണമായും പുതിയൊരു വിഷയം ആദ്യം മുതൽ പുനർനിർമ്മിക്കപ്പെടാതെ തന്നെ പഠിക്കാനും കഴിവുള്ളതായിരിക്കും. വിദഗ്ദാഭിപ്രായം നിരീക്ഷിക്കുന്ന പ്രവചനവിദഗ്ഗർ ഇപ്പോൾ അതിന്റെ വരവ് 2030കളുടെ തുടക്കത്തിൽ പ്രതീക്ഷിക്കുന്നു; എങ്കിലും ഇക്കാര്യത്തിൽ വലിയ അനിശ്ചിതത്വമുണ്ട്.

അവസാന ഘട്ടമായ ASI അഥവാ ആർട്ടിഫിഷ്യൽ സൂപ്പർ ഇന്റലിജൻസ് (അതിബുദ്ധി), വിവേചനശേഷിയും സർഗ്ഗാത്മകതയും ഉൾപ്പെടെ എല്ലാ മേഖലകളിലും മനുഷ്യനെ മറികടക്കും: എല്ലാ വിഷയങ്ങളിലും ഒരേസമയം നൊബേൽ ജേതാവായ ഒരാളെ സങ്കൽപ്പിക്കുക. അത് ഇപ്പോഴും ഊഹം മാത്രമാണ്. AGI വന്നശേഷം അത് വേഗം പിന്നാലെയെത്താമെന്ന് ചില ഗവേഷകർ കരുതുന്നു; മറ്റു ചിലർ അത് പതിറ്റാണ്ടുകൾ അകലെയാണെന്നും, അർത്ഥവത്തായ രീതിയിൽ ഒരിക്കലും വന്നേക്കില്ലെന്നും വിശ്വസിക്കുന്നു.

ഇത് എന്തുകൊണ്ട് പ്രധാനം

എഐ എങ്ങനെ പഠിക്കുന്നു, എന്തുകൊണ്ട് അത് ആത്മവിശ്വാസത്തോടെ തെറ്റു പറയാം, അത് എത്രത്തോളം മുന്നേറിയിരിക്കുന്നു എന്നീ അടിസ്ഥാനകാര്യങ്ങൾ മനസ്സിലാക്കുന്നതാണ് നമ്മളെപ്പോലുള്ള കുടുംബങ്ങൾക്ക് ഏറ്റവും പ്രധാനപ്പെട്ട ചോദ്യങ്ങളുടെ അടിത്തറ: നമ്മുടെ തൊഴിലുകൾക്കും കുട്ടികളുടെ വിദ്യാഭ്യാസത്തിനും ഇത് എന്തർത്ഥമാക്കുന്നു, ഈ പുതിയ ഉപകരണം എത്ര ശക്തമായാലും മനുഷ്യരെന്ന നിലയിൽ നാം തുടർന്നും പ്രയോഗിക്കേണ്ട വിവേകം എന്ത്. അതിലേക്കാണ് നാം ഇനി കടക്കുന്നത്.

(യൂണിവേഴ്‌സിറ്റി ഓഫ് സെൻട്രൽ ഫ്‌ളോറിഡ, യുഎസ്എയിലെ നാനോടെക്‌നോളജി, മെറ്റീരിയൽസ്, ഫോട്ടോണിക്‌സ് വിഭാഗം പ്രൊഫസറാണ് ലേഖകൻ)