மனித மூளையைப் பிரதிபலிக்கும் செயற்கை நுண்ணறிவும்.. அதன் அடிப்படை நெறிமுறைகளும் எவ்வாறு உலகை ஆளப்போகின்றன?

இருபத்தி ஒன்றாம் நூற்றாண்டின் மிக முக்கியமான தொழில்நுட்பப் புரட்சியாகக் கருதப்படுவது செயற்கை நுண்ணறிவு (ஏஐ) ஆகும். மனித மூளையின் சிந்தனை, கற்றல், மற்றும் முடிவெடுக்கும் திறன்களைப் பிரதிபலிக்கும் வகையில், இயந்திரங்களைப் பயிற்றுவிக்கும் கலையே செயற்கை நுண்ணறிவு ஆகும். இந்த முழுத் தொழில்நுட்பப் பிரபஞ்சத்தின் மையத்தில் இருப்பது இயந்திரக் கற்றல் (மெஷின் லேர்னிங்) ஆகும். இது, ஒரு Program மூலம் நேரடியாகக் கற்றுக்கொள்வதற்குப் பதிலாக, பெரும் அளவிலான தரவுகளிலிருந்து (Data) வடிவங்களைக் கண்டறிந்து, அதன் மூலம் தானே கற்றுக்கொண்டு, எதிர்கால முடிவுகளை எடுக்கும் ஒரு செயல்முறையாகும். இந்த நுட்பமான இயந்திரக் கற்றல் எவ்வாறு சாத்தியமாகிறது என்பதைப் புரிந்து கொள்ள, அவற்றின் அடிப்படை நெறிமுறைகள் (Algorithms) மற்றும் அதன் வகைகளைப் பற்றி நாம் ஆழமாகத் தெரிந்துகொள்ள வேண்டும்.

இயந்திரக் கற்றல் பொதுவாக மூன்று முக்கிய வகைகளாகப் பிரிக்கப்படுகிறது. முதலாவதாக, மேற்பார்வையிடப்பட்ட கற்றல் (Supervised Learning). இந்த முறையில், இயந்திரத்திற்குப் பயிற்சி அளிக்கப்படும் தரவுகள் அனைத்தும் 'லேபிளிட்டுக்' கொடுக்கப்படுகின்றன. உதாரணமாக, ஒரு தரவுக் குழுவில் உள்ளப் படங்களில் எது 'பூனை', எது 'நாய்' என்று முன்னரே அடையாளப்படுத்திக் கொடுக்கப்பட்டிருக்கும். இந்த லேபிள்களின் உதவியுடன், இயந்திரம் அந்த இரண்டிற்கும் இடையேயான வடிவங்களை இனங்கண்டு, புதிய படம் கொடுக்கப்படும்போது, அது பூனையா அல்லது நாயா என்று துல்லியமாக வகைப்படுத்துகிறது. கடன் விண்ணப்பங்களை அங்கீகரிப்பது, அல்லது மின்னஞ்சல்கள் ஸ்பேம் தானா என்று கண்டறிவது போன்ற வகைப்படுத்துதல் பணிகளுக்கு இந்த முறை மிகவும் பயனுள்ளதாக இருக்கிறது.

இரண்டாவதாக, Unsupervised Learning. இந்த முறையில், இயந்திரத்திற்கு லேபிளிட்டத் தரவுகள் வழங்கப்படுவதில்லை. அதற்குப் பதிலாக, இயந்திரம் தானாகவே தரவுகளை ஆராய்ந்து, அதில் உள்ள மறைக்கப்பட்ட வடிவங்களையும், ஒற்றுமைகளையும் கண்டறிந்து, அந்தக் குழுக்களை வகைப்படுத்துகிறது. உதாரணமாக, ஒரு வணிக நிறுவனம் தன் வாடிக்கையாளர்களின் வாங்கும் பழக்கத்தைப் பற்றி அறிய இந்த முறையைப் பயன்படுத்தும்போது, வாடிக்கையாளர்கள் தானாகவேப் பல குழுக்களாகப் பிரிக்கப்படுகிறார்கள். இந்த முறை, சந்தை ஆராய்ச்சி மற்றும்த் தரவுகளின் குழுக்களைக் கண்டறிதல் போன்றப் பணிகளுக்குப் பெரிதும் உதவுகிறது. மூன்றாவதாக, வலுவூட்டல் கற்றல் (Reinforcement Learning).

இந்த முறை ஒரு சோதனை மற்றும் பிழை (Trial and Error) செயல்முறையைப் போன்றது. ஒரு இயந்திரம் ஒரு குறிப்பிட்டச் சூழலில் ஒரு செயலைச் செய்யும்போது, அது சரியானதாக இருந்தால் அதற்கு வெகுமதி (Reward) வழங்கப்படுகிறது. தவறானால் அதற்கு எந்த வெகுமதியும் கிடைப்பதில்லை. இதன் மூலம், இயந்திரம் எந்தச் செயல் சரியான முடிவுக்கு இட்டுச் செல்லும் என்று கற்றுக்கொள்கிறது. தானியங்கி ஓட்டுநர் வாகனங்கள் மற்றும் விளையாட்டுகளை விளையாடும் ரோபோக்கள் போன்றவற்றுக்கு இந்தப் பயிற்சி முறை பயன்படுத்தப்படுகிறது.

இந்தக் கற்றல் முறைகளின் அடிப்படையில்தான் பல்வேறு நெறிமுறைகள் செயல்படுகின்றன. உதாரணமாக, நரம்பியல் வலைப்பின்னல்கள் (Neural Networks) மூலம் இயங்கும் ஆழ்ந்த கற்றல் (Deep Learning) என்பது, சமீபத்திய செயற்கை நுண்ணறிவின் வெற்றிகளுக்கு அடித்தளம் ஆகும். மனித மூளையின் நரம்பு மண்டலத்தைப் போலவே, இந்தக் கற்றல் அமைப்பில் பல அடுக்குகளானக் கணுக்கள் (Nodes) உள்ளன. ஒரு அடுக்கிலிருந்து மற்ற அடுக்குக்குச் செல்லும் போது, தரவுகள் மேலும் மேலும் நுட்பமாகப் பகுப்பாய்வு செய்யப்பட்டு, மிகவும் சிக்கலான வடிவங்கள் கூடக் கண்டறியப்படுகின்றன. முகத்தை அடையாளம் காணுதல், மொழியைப் புரிந்துகொள்ளுதல் மற்றும் மொழிபெயர்த்தல் போன்ற அதிநவீனச் செயல்முறைகளுக்கு இந்த ஆழ்ந்த கற்றல் நெறிமுறைகள் தான் பயன்படுத்தப்படுகின்றன.

இயந்திரக் கற்றலின் இந்த நெறிமுறைகள் சுகாதாரத் துறை (நோய் கண்டறிதல்), நிதித் துறை (மோசடிகளைக் கண்டறிதல்) மற்றும் உற்பத்தித் துறை எனப் பலத் துறைகளிலும் வியக்கத்தக்க மாற்றங்களைக் கொண்டு வருகின்றன. இருப்பினும், இந்தத் தொழில்நுட்பத்தின் வளர்ச்சியில் சில நெறிமுறைச் சிக்கல்கள் (Ethical Challenges) உள்ளன. இயந்திரத்திற்குப் பயிற்சி அளிக்கப் பயன்படுத்தப்படும் தரவுகளில் பாரபட்சம் இருக்குமானால், இயந்திரத்தின் முடிவுகளும் பாரபட்சத்துடன் இருக்கும். மேலும், சில சிக்கலான ஆழ்ந்த கற்றல் அமைப்புகள், முடிவை ஏன் எடுத்தன என்பதை மனிதர்களால் எளிதில் புரிந்துகொள்ள முடிவதில்லை. இந்த வெளிப்படைத்தன்மை குறைபாடு, இந்தத் தொழில்நுட்பத்தை நம்பகத்தன்மையுடன் பயன்படுத்துவதில் சில சவால்களை ஏற்படுத்துகிறது. இந்தக் கற்றல் அமைப்புகள் வேலைச் சந்தையில் ஏற்படுத்தும் மாற்றங்களும், மனிதக் கட்டுப்பாட்டைத் தக்க வைத்துக் கொள்வதும் எதிர்காலத்தில் நாம் விவாதிக்க வேண்டிய மிக முக்கியமான சவால்களாகும்.

உள்ளூர் முதல் உலகம் வரை பரபரப்பான ஹாட் செய்திகளை உடனுக்குடன் அறிய மாலைமுரசு யூடியூப் சேனலை காண இங்கே கிளிக் செய்யவும்.