Read Time:50 Minute
ഡോ. ജിജോ.പി.യു.
ഭൗതികശാസ്ത്ര അധ്യാപകൻ, കാസര്‍ഗോഡ് ഗവ. കോളേജ്
നിര്‍മിതബുദ്ധിയുടെ വിവിധ മേഖലകളും വിഭാഗങ്ങളും ചരിത്രവും ഈ സാങ്കേതികവിദ്യയ്ക്ക് ഉണ്ടായ തളര്‍ച്ചയും മുന്നേറ്റങ്ങളും ഭാവിയിലുണ്ടാകേണ്ട കരുതലുകളും അവതരിപ്പിക്കുകയും പൂര്‍ണമായും മനുഷ്യ തുല്യമായ സവിശേഷതകള്‍ നേടിയ ഒരു യന്ത്രത്തെ എങ്ങനെ മനസ്സിലാക്കാന്‍ നിര്‍ദേശിക്കപ്പെട്ട ടൂറിങ് ടെസ്റ്റ് വിശദീകരിക്കുകയും ചെയ്യുന്നു. ശാസ്ത്രഗതിയില്‍ പ്രസിദ്ധീകരിച്ച ലേഖനം
അനവധി നിര്‍വചനങ്ങള്‍ ലഭ്യമാണെങ്കിലും, പൊതുവേ ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്‍റലിജന്‍സ് (എഐ) അഥവാ നിര്‍മിതബുദ്ധി എന്നത് സൂചിപ്പിക്കുന്നത് മനുഷ്യരിലും മൃഗങ്ങളിലും പ്രകടമായ ധൈഷണിക സാമര്‍ഥ്യം കൈവരിക്കാനായി കമ്പ്യൂട്ടറുകളെ പ്രോഗ്രാം ചെയ്യുന്ന രീതികളെയാണ്. ഇതുവഴി കമ്പ്യൂട്ടറുകളും, അവ ബുദ്ധി കേന്ദ്രമായി പ്രവര്‍ത്തിക്കുന്ന യന്ത്രങ്ങളും നിര്‍വഹിക്കുന്ന ജോലികളില്‍ മനുഷ്യതുല്യമോ ചിലപ്പോള്‍ അതിനേക്കാളും മികച്ചതോ ആയ സാമര്‍ഥ്യം കൈവരിക്കുന്നു. കമ്പ്യൂട്ടര്‍, സ്മാര്‍ട്ട് ഫോണ്‍ എന്നിവയില്‍ മാത്രം നിര്‍മിതബുദ്ധി സേവനങ്ങള്‍ ഒതുങ്ങി നില്‍ക്കുന്നില്ല. കാര്‍ സ്റ്റീരിയോ, ടെലിവിഷന്‍, ഹോം സ്റ്റീരിയോ, ഫ്രിഡ്ജ്, വാഷിങ് മഷീന്‍, എന്നിങ്ങനെ ഡിജിറ്റല്‍ സാങ്കേതികവിദ്യ ലഭ്യമായ ഏത് ഉപകരണവും ഇന്ന് നിര്‍മിതബുദ്ധി അല്‍ഗോരിതങ്ങള്‍ ഉപയോഗിച്ച് പ്രവര്‍ത്തിക്കുന്നു. ഇത്തരം ഉപകരണങ്ങളെ ചേര്‍ത്ത് ഇന്‍റര്‍നെറ്റ് ഓഫ് തിങ്സ് (Internet of Things)) എന്ന സാങ്കേതികവിദ്യ ലോകത്തെ കൂടുതല്‍ സ്മാര്‍ട്ടാക്കുന്ന ഒരു കാലത്ത് കൂടിയാണ് നമ്മള്‍ കടന്നുപോകുന്നത്. കമ്പ്യൂട്ടറുകള്‍ മാത്രം ഇന്‍റര്‍നെറ്റിലുണ്ടായിരുന്ന കാലത്തുനിന്ന് എല്ലാ ഉപകരണങ്ങളും ഡിജിറ്റലായി, ഇന്‍റര്‍നെറ്റില്‍ വരുന്ന ഒരു കാലത്തിലേക്ക് ലോകം നീങ്ങിക്കൊണ്ടിരിക്കുന്നു.
നിര്‍മിതബുദ്ധിയിലെ ഏറ്റവും പ്രാധാന്യമര്‍ഹിക്കുന്ന വിഭാഗമാണ് സ്വയം പഠിച്ച് പ്രവര്‍ത്തിക്കുന്ന യന്ത്രങ്ങളുടെ പഠന ശാഖയായ മെഷീന്‍ ലേണിങ് (Machine Learning). അതില്‍ തന്നെ പ്രാമുഖ്യം അര്‍ഹിക്കുന്ന ഒന്നാണ് മനുഷ്യബുദ്ധിയെ അനുകരിച്ച് പ്രവര്‍ത്തിക്കുന്ന ഡീപ് ലേണിങ് (Deep Learning) എന്ന ശാഖ. ഇവയെല്ലാം ചേര്‍ന്ന് പ്രവര്‍ത്തിക്കുന്ന റോബോട്ടിക്സ്, സ്വയം ഓടുന്ന വാഹനങ്ങള്‍ (Self-driving vehicles), സ്വയം പ്രവര്‍ത്തിക്കുന്ന വാഹനങ്ങള്‍ (Autonomous vehicles), ബിഗ് ഡാറ്റ അനലിറ്റിക്സ് (Big Data Analytics), യന്ത്രങ്ങള്‍ ഉപയോഗിച്ചുള്ള ഭാഷാ കമ്പ്യൂട്ടിങ് (Language Computing) എന്നിവയൊക്കെ ഇന്ന് ലോകത്ത് വളരെയധികം ചര്‍ച്ച നടക്കുന്ന വിഷയങ്ങളാണ്. ചുരുക്കത്തില്‍ ലോകത്ത് ഇന്ന് ചര്‍ച്ചാവിഷയങ്ങളായ സാങ്കേതിക വിദ്യകളുടെയെല്ലാം മര്‍മസ്ഥാനത്ത് നിര്‍മിതബുദ്ധി പ്രവര്‍ത്തിക്കുന്നു.
നിര്‍മിതബുദ്ധിയെന്ന് പറയുമ്പോള്‍ അതിന്‍റെ കല്‍പ്പിത ഭാവമാണ് എല്ലാവരുടെയും മനസ്സില്‍ ഓടിയെത്താന്‍ സാധ്യത. ഇത്തരം സങ്കല്‍പ്പങ്ങള്‍ തേടി നമുക്ക് ചരിത്രത്തില്‍ എത്ര പിന്നോട്ട് വേണമെങ്കിലും പോകാമെങ്കിലും, ലോകത്തിന് എഐ എന്ന വാക്ക് സുപരിചതമായത് 1956-ന് ശേഷമാണ്. കമ്പ്യൂട്ടറുകള്‍ക്ക് സവിശേഷ ബുദ്ധി നല്‍കാനുള്ള ആദ്യകാല ഉദ്യമങ്ങളൊക്കെ സ്വയം പ്രേരിത വിചിന്തനം (automated reasoning) സാധ്യമാക്കുന്ന പ്രോഗ്രാമുകളായിരുന്നു. ഗണിത സിദ്ധാന്തങ്ങളും തെരച്ചിലും (search) അടിസ്ഥാനമാക്കി പ്രവര്‍ത്തിക്കുന്ന അല്‍ഗോരിതങ്ങളുടെ ഗണങ്ങളടങ്ങിയ പ്രോഗ്രാമുകള്‍ ഇതിന്‍റെ തുടര്‍ച്ചയായി വന്നു. ചെക്കേഴ്സ്, ചെസ്സ് എന്നിങ്ങനെയുള്ള ബോര്‍ഡ് ഗെയിമുകളില്‍ എതിരാളികളെ തോല്‍പ്പിക്കാന്‍ ശേഷിയുള്ള കമ്പ്യൂട്ടര്‍ പ്രോഗ്രാമുകള്‍ ഇങ്ങനെ ആവിഷ്കരിക്കപ്പെട്ടു. ഇതിനാവശ്യമുള്ള കഴിവുകള്‍ അടങ്ങിയ യുക്തി (logic) നേടാനായി ഗവേഷകര്‍ അതാത് മേഖലകളിലെ വിദഗ്ദരെ അനുകരിച്ചു. ഇതില്‍ നിന്ന് ഒരു കാര്യം വ്യക്തമായി – മനുഷ്യര്‍ തീരുമാനങ്ങളെടുക്കുന്നത് ഒരു അനിശ്ചിതത്വത്തില്‍ (uncertainty) നിന്ന് കൊണ്ടാണ്. അതായത്, സാധാരണ കമ്പ്യൂട്ടര്‍ പ്രോഗ്രാമില്‍ ചെയ്യുന്ന യുക്തി നിയമങ്ങള്‍ കൊണ്ട് മാത്രം കാര്യം നടക്കില്ല. അങ്ങനെ പ്രോബബിലിറ്റി സിദ്ധാന്തത്തിലധിഷ്ഠിതമായ (probability theory) മാതൃകകള്‍ ഇതില്‍ പരീക്ഷിക്കാന്‍ തുടങ്ങി.
ഇരുപതാം നൂറ്റാണ്ടില്‍ ഡിജിറ്റല്‍ കമ്പ്യൂട്ടര്‍ രൂപകല്‍പ്പന ചെയ്ത കാലത്തോ അതിനു മുന്നെ തന്നെയോ മനുഷ്യ സമാന ശേഷിയുള്ള യന്ത്രങ്ങളുടെ കല്‍പ്പനയും, അവയുടെ കഴിവുകളെ സംബന്ധിച്ച സിദ്ധാന്തങ്ങളുമൊക്കെ ആവിഷ്കരിക്കപ്പെട്ടിരുന്നു. എന്നാല്‍, അറുപത് വര്‍ഷങ്ങളോളം കഴിഞ്ഞാണ് അത് സാക്ഷാത്ക്കരിക്കാന്‍ തക്ക ശേഷിയുള്ള കമ്പ്യൂട്ടറുകള്‍ നമുക്കുണ്ടായത്. കൂടാതെ, നിര്‍മിതബുദ്ധിയുടെ ലക്ഷ്യവും മാര്‍ഗവും തമ്മിലുള്ള പൊരുത്തക്കേട് തീരാനും വളരെക്കാലം കാത്തിരിക്കേണ്ടി വന്നു. ബുദ്ധിയോടെ ചിന്തിച്ച് പ്രവര്‍ത്തിക്കുന്ന യന്ത്രങ്ങള്‍ നിര്‍മിക്കണമെങ്കില്‍ മനുഷ്യന്‍റെയും മറ്റ് ജീവികളുടേയും ബുദ്ധിയും അതുപയോഗിച്ചുള്ള പ്രവര്‍ത്തനങ്ങളും വളരെ ഗഹനമായി മനസ്സിലാക്കേണ്ടതുണ്ട്. ബുദ്ധിയെന്നത് ആന്തരികവും ബാഹ്യവും സാമൂഹികവുമായ നിരവധി പ്രവര്‍ത്തനങ്ങളും പ്രതിപ്രവര്‍ത്തനങ്ങളുമടങ്ങിയ ഒരു സങ്കീര്‍ണ പ്രക്രിയയായതിനാല്‍ ഇത് മനസ്സിലാക്കുവാന്‍ മനുഷ്യരാശി വളരെയേറെ സമയമെടുത്തു. സ്വയം പ്രവര്‍ത്തിക്കുന്ന നിരവധി യന്ത്രങ്ങള്‍ മനുഷ്യരുടെ ഭാവനയിലുണ്ടായെങ്കിലും, അതിനൊപ്പം ബുദ്ധി കൂടി സമ്മേളിച്ച യന്ത്രമെന്ന സ്ഥാനം കൈയടക്കിയത് ഡിജിറ്റല്‍ കമ്പ്യൂട്ടറായിരുന്നു. ഈ സാങ്കേതികവിദ്യ മനസ്സിലാക്കാന്‍ ഇതിന്‍റെ ഹ്രസ്വചരിത്രം ഒന്ന് മനസ്സിലാക്കുന്നത് നന്നായിരിക്കും.
തുടക്കം
1943-ല്‍ വാറന്‍ മക്കല്ലോക്, വാള്‍ട്ടര്‍ പിറ്റ്സ് എന്നീ ഗവേഷകര്‍ ടൂറിങ്ങിന്‍റെ കമ്പ്യൂട്ടര്‍ നിര്‍മിതിയെ മനുഷ്യ മസ്തിഷ്ക്കത്തിന്‍റെ ശരീരശാസ്ത്രവും യുക്തിയുടെ (logic) ഗണിതവുമായി ചേര്‍ത്ത് നടത്തിയ പഠനമാണ് നിര്‍മിതബുദ്ധി മേഖലയിലെ ആദ്യത്തേതായി കണക്കാക്കുന്നത്. ന്യൂറോണുകളുടെ ശൃംഖലകളുടെ മാതൃകകള്‍ ഉപയോഗിച്ച് അവ വഴി എങ്ങനെയാണ് നമ്മള്‍ അറിവ് ആര്‍ജിക്കുന്നതെന്ന് അവര്‍ തെളിയിച്ചു. ഡൊണാള്‍ഡ് ഹെബ്ബ് 1949-ല്‍ ന്യൂറോണുകള്‍ തമ്മിലുള്ള ബന്ധം എങ്ങനെയാണ് ശക്തിയാര്‍ജിച്ച് അറിവ് ബലപ്പെടുകയെന്നുള്ള പഠനവും ഇത് സംബന്ധിച്ച നിയമവും ആവിഷ്കരിച്ചു. ഡെബ്ബിയന്‍ ലേണിങ് റൂള്‍ എന്നറിയപ്പെടുന്ന ഈ തത്വം ഇന്നും പ്രസക്തമാണ്. ന്യൂറല്‍ നെറ്റ്വര്‍ക്കുകള്‍ ഉപയോഗിച്ചുള്ള ആദ്യത്തെ കമ്പ്യൂട്ടര്‍ സൃഷ്ടിച്ചത് 1950-ല്‍ ഹാര്‍വാര്‍ഡ് സര്‍വകലാശാലയിലെ രണ്ട് ബിരുദ വിദ്യാര്‍ഥികളാണ്- മാര്‍വിന്‍ മിന്‍സ്കിയും ഡീന്‍ എഡ്മണ്ട്സും. ഏതാണ്ട് 3000 വാക്വം ട്യൂബുകള്‍ ഉപയോഗിച്ച് സൃഷ്ടിച്ച സ്നാര്‍ക് (SNARC) എന്ന ഈ കമ്പ്യൂട്ടര്‍ ഉപയോഗിച്ച് 40 ന്യൂറോണുകളുടെ ഒരു ശൃംഖല അവര്‍ക്ക് മോഡല്‍ ചെയ്യാന്‍ കഴിഞ്ഞു. അലന്‍ ടൂറിങ് വിഭാവനം ചെയ്ത യൂണിവേഴ്സല്‍ കമ്പ്യൂട്ടിങ് മഷീന്‍ ന്യൂറല്‍ നെറ്റ്വര്‍ക്ക് ഉപയോഗിച്ച് നിര്‍മിക്കാമെന്നതായിരുന്നു മിന്‍സ്കിയുടെ പ്രിന്‍സ്ടണ്‍ സര്‍വകലാശാലയിലെ ഗവേഷണ പഠനം. ഇവയ്ക്കെല്ലാം ഉപരിയായിരുന്നു കമ്പ്യൂട്ടര്‍ സയന്‍സിന്‍റെ പിതാവെന്ന് വിശേഷിപ്പിക്കുന്ന അലന്‍ ടൂറിങ്ങിന്‍റെ പ്രതിവാര പ്രഭാഷണങ്ങള്‍. 1947 മുതല്‍ ലണ്ടന്‍ മാത്തമാറ്റിക്സ് സൊസൈറ്റിയിലും മറ്റും നടത്തിയ പ്രഭാഷണങ്ങളും, പ്രസിദ്ധീകരണങ്ങളും വഴി നിര്‍മിതബുദ്ധിയെന്ന ശാഖയ്ക്ക് അദ്ദേഹം അടിത്തറ പാകി. നിര്‍മിതബുദ്ധിയും മനുഷ്യ ബുദ്ധിയും തമ്മില്‍ തുലനം ചെയ്യാന്‍ സഹായിക്കുന്ന ടൂറിങ് ടെസ്റ്റ്, നിര്‍മിതബുദ്ധിയുടെ പ്രധാന മേഖലയായി ഉരുത്തിരിഞ്ഞ മെഷീന്‍ ലേണിങ്, ജനറ്റിക് അല്‍ഗോരിതങ്ങള്‍ ഇവയൊക്കെ അലന്‍ ടൂറിങ് നിര്‍വചിച്ചു.
പൂര്‍ണമായും മനുഷ്യ തുല്യമായ സവിശേഷതകള്‍ നേടിയ ഒരു യന്ത്രത്തെ എങ്ങനെ മനസ്സിലാക്കാം എന്നതാണ് ടൂറിങ് ടെസ്റ്റ് പറയുന്നത്. ഇക്കാര്യത്തില്‍ പല ടെസ്റ്റുകള്‍ നിലവിലുണ്ടെങ്കിലും പൊതുവേ വാര്‍ത്താപ്രാധാന്യം നേടിയത് 1950-ല്‍ അവതരിപ്പിച്ച ടൂറിങ് ടെസ്റ്റ് ആണ്. നമ്മളും ഒരു യന്ത്രവും ഒരു മറയുടെ അപ്പുറവും ഇപ്പുറവും നില്‍ക്കുന്നെന്ന് സങ്കല്‍പ്പിക്കുക. നമ്മുടെ ചോദ്യങ്ങള്‍ യന്ത്രം മറുപടി നല്‍കുന്നു. സംസാരിക്കുന്നത് ഒരു യഥാര്‍ഥ മനുഷ്യനാണോ അതോ യന്ത്രമാണോ എന്ന് നമുക്ക് തിരിച്ചറിയാന്‍ പറ്റുന്നില്ലെങ്കില്‍ ആ യന്ത്രം ടൂറിങ് ടെസ്റ്റ് പാസ്സായതായി നമുക്ക് കരുതാം. അതായത്, മനുഷ്യ സമാനമായ യന്ത്രം നിര്‍മിക്കാനുള്ള പ്രാപ്തി ലോകം കൈവരിച്ചെന്ന് കരുതാം. എന്നാല്‍, നാളിത് വരെ അത് സാധിച്ചിട്ടില്ലെന്ന് മാത്രമല്ല, അതിനുള്ള സാധ്യത വിദൂര ഭാവിയിലുണ്ടാകുമെന്നും ആരും കരുതുന്നില്ല. ടൂറിങ് ടെസ്റ്റ് പാസ്സാകണമെങ്കില്‍ ഒരു യന്ത്രത്തിന് താഴെപ്പറയുന്ന സവിശേഷതകള്‍ അനിവാര്യമാണെന്ന് കാണാം:
- നമ്മളോട് സംവേദിക്കാന്‍ നമ്മുടെ സംസാര ഭാഷ തിരിച്ചറിയാനുള്ള കഴിവ് (Natural Language Processing).
- ലഭ്യമായ വിവരങ്ങള്‍ അറിവുകളായി സൂക്ഷിക്കാനുള്ള കഴിവ് (Knowledge Representation).
- സ്വയം ചിന്തിക്കാനും, സൂക്ഷിച്ച് വച്ചിട്ടുള്ള വിവരങ്ങള്‍ ഉപയോഗിച്ച് ചോദ്യങ്ങള്‍ക്ക് യുക്തമായ മറുപടി നല്‍കാനുമുള്ള കഴിവ് (Automated Reasoning Ability).
- പുതിയ സാഹചര്യങ്ങളുമായി പൊരുത്തപ്പെടാനും പുതിയ അറിവുകളില്‍നിന്ന് സ്വയം അറിവുകള്‍ നേടാനുമുള്ള കഴിവ് (Machine Learning).
- വസ്തുക്കളെ കാണാനും തിരിച്ചറിയാനുമുള്ള കാഴ്ച ശക്തി (Computer Vision).
- വസ്തുക്കളെ നീക്കാനും കൈകാര്യം ചെയ്യാനുമുള്ള കഴിവ് (Robotics).
ടൂറിങ്ങിന്‍റെ ഏറ്റവും വലിയ സംഭാവന കമ്പ്യൂട്ടറുകള്‍ക്ക് പ്രജ്ഞ (Consciounsess) ഉണ്ടാവുന്നതെങ്ങനെയെന്ന പ്രഹേളികയ്ക്ക് ഉത്തരം നല്‍കിയെന്നതാണ്. എല്ലാ ഗണിത പ്രശ്നങ്ങള്‍ക്കും പരിഹാരമില്ലെന്ന ഗോഡലിന്‍റെ സിദ്ധാന്തത്തിന്‍റെ ചുവടുപിടിച്ച് ടൂറിങ് അവിഷ്കരിച്ച ടൂറിങ് മഷീന്‍ ബൗദ്ധിക സ്വഭാവം (Intelligent Behvaiour) ആണ് കമ്പ്യൂട്ടറുകള്‍ക്കുള്ളത് അല്ലാതെ, പ്രജ്ഞയല്ല എന്ന് സ്ഥാപിച്ചു. ഇതോടെ കണക്കാക്കാന്‍ പറ്റുന്നവയെല്ലാം കണക്കാക്കുന്ന യന്ത്രമായി ആധുനിക കമ്പ്യൂട്ടര്‍ അവതരിച്ചു. പ്രജ്ഞ എന്താണെന്ന് ഇന്നും ആര്‍ക്കും പൂര്‍ണമായി മനസ്സിലാകാത്തതിനാല്‍ ആ വഴിക്ക് അലഞ്ഞ് പ്രജ്ഞയുള്ള യന്ത്രങ്ങള്‍ നിര്‍മിക്കാനുള്ള ഉദ്യമത്തില്‍ സമയം പാഴാക്കാതിരിക്കാന്‍ ടൂറിങ്ങിന്‍റെ നിര്‍വചനം ശാസ്ത്ര ലോകത്തെ സഹായിച്ചു. എങ്കിലും കമ്പ്യൂട്ടറില്‍ ബുദ്ധി സന്നിവേശിപ്പിക്കുന്നത് അത്ര എളുപ്പമായിരുന്നില്ല. നിര്‍മിതബുദ്ധി എന്ന വാക്ക് തന്നെ ലോകം കേള്‍ക്കുന്നത് 1955-ന് ശേഷമാണ്.
1956-ലെ ഡാര്‍ട്മൗത് ശില്‍പ്പശാല
അമേരിക്കയിലെ ഡാര്‍ട്മൗത് കോളേജിലെ (Dartmouth College) അധ്യാപകനായിരുന്നു പ്രിന്‍സ്ടണ്‍ സര്‍വകലാശാലയില്‍ നിന്ന് 1951-ല്‍ ഗവേഷണ ബിരുദം നേടിയ ജോണ്‍ മക്കാര്‍ത്തി. ന്യൂറല്‍ ശൃംഖലകള്‍, മനുഷ്യബുദ്ധി മേഖലകളിലെ ഗവേഷകരെ ഒന്നിച്ച് കൊണ്ടുവരാനായി മക്കാര്‍ത്തി ഡാര്‍ട്മൗത് കോളേജില്‍ രണ്ട് മാസം നീണ്ട് നില്‍ക്കുന്ന ഒരു വേനല്‍ക്കാല ശില്‍പ്പശാല സംഘടിപ്പിച്ചു. 1956-ല്‍ നടത്തിയ ഈ ശില്‍പ്പശാലയില്‍ അമേരിക്കയിലുള്ള വിദഗ്ധരെ ഒന്നിപ്പിക്കാന്‍ മക്കാര്‍ത്തിയെ സഹായിച്ചവര്‍ മറ്റാരുമല്ല, ക്ലോദ് ഷാനന്‍ (Claude Shannon), മാര്‍വിന്‍ മിന്‍സ്കി (Marvin Minsky), നഥാനിയല്‍ റോച്ചസ്റ്റര്‍ (Nathaniel Rochester) എന്നീ അതി പ്രഗല്‍ഭരായിരുന്നു. ഈ ശില്‍പ്പശാലയിലാണ് ആദ്യമായി ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്‍റലിജന്‍സ് എന്ന വാക്ക് ആദ്യമായി വ്യക്തതയോടെ ഉപയോഗിക്കുന്നതെന്നതിനാല്‍ ഡാര്‍ട്മൗത് കോളേജിനെ നിര്‍മിതബുദ്ധിയുടെ ജന്മസ്ഥലം എന്ന് വിശേഷിപ്പിക്കാറുണ്ട്.
ജോണ്‍ മക്കാര്‍ത്തി – ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്‍റലിജന്‍സ് എന്ന വാക്കിനും, ലിസ്പ് (LISP) എന്ന കമ്പ്യൂട്ടര്‍ പ്രോഗ്രാമിങ് ഭാഷാ വിഭാഗത്തിനും അല്‍ഗോള്‍ (ALGOL) എന്ന കമ്പ്യൂട്ടര്‍ ഭാഷയ്ക്കും നമ്മള്‍ ജോണ്‍ മക്കാര്‍ത്തിയോട് കടപ്പെട്ടിരിക്കുന്നു. ചെറിയ പ്രായത്തിലേ ഗണിതത്തില്‍ താല്‍പ്പര്യം പ്രകടിപ്പിച്ച മക്കാര്‍ത്തി കൗമാര പ്രായത്തിലേ സര്‍വകലാശാലാ തലത്തിലുള്ള പുസ്തകങ്ങളൊക്കെ സ്വയം പഠിച്ച് അവഗാഹം നേടിയിരുന്നു. നിര്‍മിതബുദ്ധിയുടെ ഗണിത യുക്തിയില്‍ ശ്രദ്ധ പതിപ്പിച്ച മക്കാര്‍ത്തി കാല്‍ടെക്കില്‍ വിദ്യാര്‍ഥിയായിരുന്ന അവസരത്തില്‍ ശ്രവിച്ച ജോണ്‍ വോണ്‍ നോയിമാന്‍റെ ഒരു പ്രഭാഷണം തന്റെ ഭാവി കമ്പ്യൂട്ടര്‍ സയന്‍സിലേക്ക് തിരിച്ച് വിടാന്‍ പ്രേരണയായി. ഡാര്‍ട്മൗത് കോളേജില്‍ അധ്യാപകനായി പ്രവര്‍ത്തിക്കുമ്പോഴാണ് അദ്ദേഹം നിര്‍മിതബുദ്ധി ശില്‍പ്പശാല സംഘടിപ്പിക്കുന്നത്. അലോണ്‍സോ ചര്‍ച്ച് എന്ന ഗണിതഞ്ജന്‍ 1930-കളില്‍ ഗണിത യുക്തിക്കായി വികസിപ്പിച്ച ലാമ്പ്ഡാ കാല്‍ക്കുലസ് (Lambda Calculus) ഉപയോഗിച്ച് മക്കാര്‍ത്തി വികസിപ്പിച്ച ലിസ്പ് നിര്‍മിതബുദ്ധി അല്‍ഗോരിതങ്ങളുടെ പ്രിയപ്പെട്ട കമ്പ്യൂട്ടര്‍ ഭാഷയായി മാറി. മാര്‍വിന്‍ മിന്‍സ്കിയോടൊപ്പം നിര്‍മിതബുദ്ധി ഗവേഷണ ലബോറട്ടറി എംഐടിയിലും (MIT AIL), അതിനെ വെല്ലുന്ന വേറൊരു ലാബ് സ്റ്റാന്‍ഫോര്‍ഡിലും (SAIL) സ്ഥാപിച്ച മക്കാര്‍ത്തിയെ നിര്‍മിതബുദ്ധിയുടെ പിതാവെന്നും വിശേഷിപ്പിക്കാറുണ്ട്.
വിവര സിദ്ധാന്തത്തിന്‍റെ (Information Theory) പിതാവെന്നറിയപ്പെടുന്ന ക്ളോദ് ഷാനണ് ഇതില്‍ പങ്കെടുത്ത മറ്റൊരു പ്രഗല്‍ഭനാണ്. മിഷിഗന്‍ സര്‍വകലാശാലയില്‍ നിന്ന് ഇലക്ട്രിക്കല്‍ എഞ്ചിനീയറിങ്ങിലും ഗണിതത്തിലും ബിരുദങ്ങള്‍ നേടിയ ഷാനണ്, പ്രിന്‍സ്ടണ്‍ സര്‍വകലാശാലയില്‍ ഗവേഷകനായി ചേര്‍ന്നപ്പോള്‍ അവിടെ അക്കാലത്തുണ്ടായിരുന്ന ജോണ്‍ വോണ്‍ നോയിമാന്‍ (John von Neumann), ഹെര്‍മന്‍ വെയില്‍ (Herman Weyl), ആല്‍ബര്‍ട്ട് ഐന്‍സ്റ്റൈന്‍ (Albert Einstein), കര്‍ട് ഗോഡല്‍ (Kurt Gödel) എന്നീ അതികായരുമായി സംവദിക്കാന്‍ അവസരം ലഭിച്ചു. അലന്‍ ടൂറിങ്ങിന്‍റെ യൂണിവേഴ്സല്‍ ടൂറിങ് മെഷീന്‍ പരിചയപ്പെട്ട ഷാനണ് കമ്മ്യൂണിക്കേഷന്‍ തിയറി, ഇന്‍ഫര്‍മേഷന്‍ തിയറി എന്നിവയില്‍ ലോകം മാറ്റിമറിച്ച സിദ്ധാന്തങ്ങള്‍ മുന്നോട്ടുവച്ചു. അദ്ദേഹം 1950-ല്‍ സൃഷ്ടിച്ച തെസ്യൂസ് (Theseus) എന്ന കാന്തിക എലി (mouse) 25 സമചതുരങ്ങള്‍ കൊണ്ട് നിര്‍മിച്ച ഒരു കുരുക്കുവഴിയില്‍ (maze) മുന്‍ പരിചയം വച്ച് വഴി കണ്ടുപിടിക്കാന്‍ പ്രോഗ്രാം ചെയ്ത ഒന്നായിരുന്നു. ഇത് നിര്‍മിതബുദ്ധിയിലെ ആദ്യ പരീക്ഷണമായി വിലയിരുത്തപ്പെടുന്നു. ചെസ്സിന്‍റെ സങ്കീര്‍ണത കൃത്യമായി നിര്‍വചിക്കാനും ഷാനണ് സാധിച്ചു. ഭാഷാശാസ്ത്രത്തിന് ഗണിതശാസ്ത്ര അടിത്തറ പണിയാനും ഷാനന്‍റെ പഠനങ്ങള്‍ക്കായി.
ഇവര്‍ രണ്ടു പേര്‍ക്കുമൊപ്പം ചേരേണ്ട പേരാണ് മാര്‍വിന്‍ മിന്‍സ്കിയുടേത്. ഗണിത ശാസ്ത്രജ്ഞനായിരുന്ന മിന്‍സ്കി, കോഗ്നിറ്റീവ് സയന്‍സിലുള്ള തന്റെ പ്രാഗത്ഭ്യം നിര്‍മിതബുദ്ധി മേഖലയില്‍ ഉപയോഗിച്ച പ്രതിഭയായിരുന്നു. എംഐടിയിലെ നിര്‍മിതബുദ്ധി പരീക്ഷണശാലയുടെ സഹ സ്ഥാപകന്‍ കൂടിയായ മിന്‍സ്കി ഈ മേഖലയില്‍ നിരവധി പുസ്തകങ്ങളുടെ രചയിതാവുമാണ്. ന്യൂറല്‍ നെറ്റ്വര്‍ക്കുകള്‍ നിര്‍മിതബുദ്ധി ഗവേഷണത്തില്‍ ഉപയോഗിക്കാന്‍ സെയ്മര്‍ പാപര്‍ട്ടിനൊപ്പം മിന്‍സ്കി രചിച്ച പ്രബന്ധങ്ങളും പുസ്തകങ്ങളും തിരിതെളിച്ചു. നിര്‍മിതബുദ്ധി മനുഷ്യര്‍ക്കും സമൂഹത്തിനും ഉണ്ടാക്കാവുന്ന വ്യതിയാനങ്ങളേക്കുറിച്ച് പ്രവചനങ്ങള്‍ നടത്തിയ മിന്‍സ്കി ആര്‍തര്‍ സി ക്ലാര്‍ക്കിന്‍റെ ‘2001: എ സ്പേസ് ഒഡീസി’ എന്ന വിഖ്യാത നോവലിന് സ്റ്റാന്‍ലി കുബ്രിക് നല്‍കിയ ചലച്ചിത്രാവിഷ്ക്കാരത്തിന്‍റെ ഉപദേഷ്ടാവുമായിരുന്നു.
ഐബിഎം 701 എന്ന ആദ്യത്തെ കൊമേഴ്സ്യല്‍ കമ്പ്യൂട്ടറിന്‍റെ സൃഷ്ടാവായ നതാനിയേല്‍ റോച്ചസ്റ്ററും ഈ ശില്‍പ്പശാലയില്‍ പങ്കെടുത്തിരുന്നു. ഇതേ കമ്പ്യൂട്ടര്‍ ഉപയോഗിച്ച് ന്യൂറല്‍ നെറ്റ്വര്‍ക്കിന്‍റെ സ്വഭാവ സവിശേഷതകള്‍ പഠിക്കാന്‍ ഐബിഎം ശ്രമിക്കുക വഴിയാണ് നിര്‍മിതബുദ്ധി മേഖലയിലെത്തുന്നത്. ഇന്ന് ഐബിഎം വാട്സന്‍ എന്ന സൂപ്പര്‍ കമ്പ്യൂട്ടറിലെത്തി നില്‍ക്കുന്ന ഐബിഎം നിര്‍മിതബുദ്ധി ഗവേഷണങ്ങളുടെ തുടക്കം കുറിക്കുന്ന നിരവധി പ്രോജക്ടുകളുടെ മേല്‍നോട്ടം റോച്ചസ്റ്ററിനായിരുന്നു.
ശില്‍പ്പശാലയുടെ ഫലങ്ങള്‍
രണ്ട് മാസത്തെ ഉദ്യമത്തിന്‍റെ ഉദ്ദേശ്യം ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്‍റലിജന്‍സിന്‍റെ എല്ലാ സാധ്യതകളും പരിശോധിച്ച് ഭാവി പരിപാടികള്‍ ആസൂത്രണം ചെയ്യുക എന്നതായിരുന്നു. ഇതിനാല്‍ ഒരു പത്തംഗ പഠന സമിതിയും ഉണ്ടാക്കി. നിര്‍മിത ബുദ്ധി എന്നത് വിവിധ വിഷയങ്ങള്‍ ഉന്നതശ്രേണിയുള്ള സങ്കരമാണെന്ന് മുകളില്‍ പറഞ്ഞ നാലാളെ കൂടാതെ ഈ ശില്‍പ്പശാലയില്‍ പങ്കെടുത്ത മറ്റുള്ളവരുടെയും പ്രാഗത്ഭ്യം തെളിയിക്കുന്നു:
- ട്രെഞ്ചാര്‍ഡ് മോറെ-പ്രിന്‍സ്ടണ്‍ സര്‍വകലാശാലയിലെ ഗണിത ശാസ്ത്രഞ്ജന്‍. പിന്നീട് എം ഐടി, യേല്‍ സര്‍വകലാശാലകളിലും ഐബിഎമ്മിലും പ്രവര്‍ത്തിച്ചു.
- ആര്‍തര്‍ സാമുവല്‍ – എം ഐടിയില്‍ നിന്ന് ഇലക്ട്രിക്കല്‍ എഞ്ചിനീയറിങ് പഠിച്ചിറങ്ങിയ ആര്‍തര്‍ സാമുവല്‍ നിര്‍മിതബുദ്ധി മേഖലയിലെ അതികായനായി മാറി. ഇദ്ദേഹമാണ് മെഷീന്‍ ലേണിങ് (Machine Learning) എന്ന പദം സംഭാവന ചെയ്തതും അതുപയോഗിച്ച് ചെക്കേഴ്സ് കളിക്കുന്ന കമ്പ്യൂട്ടര്‍ പ്രോഗ്രാം സൃഷ്ടിച്ചതും.
- റേ സോളൊമോനോഫ് – ചിക്കാഗോ സര്‍വകലാശാലയില്‍ എന്‍റികോ ഫെര്‍മിയുടെ വിദ്യാര്‍ഥിയായിരുന്ന സോളൊമോനോഫ് ഭൗതിക ശാസ്ത്രത്തില്‍ മാസ്റ്റര്‍ ബിരുദം നേടിയ ശേഷം തന്റെ അന്വേഷണങ്ങള്‍ പൂര്‍ണമായും ഗണിത ശാസ്ത്ര മേഖലയിലേക്ക് തിരിച്ചു. മക്കാര്‍ത്തിയോടും മിന്‍സ്കിയോടുമൊപ്പം രണ്ട് മാസം മുഴുവന്‍ ഡാര്‍ട്മൗത്തില്‍ ചെലവഴിച്ചത് സോളൊമോനോഫ് മാത്രമാണ്. നിര്‍മിതബുദ്ധിയില്‍ പ്രോബബിലിറ്റി സിദ്ധാന്തം കൊണ്ട് വന്ന ഇദ്ദേഹം ഇന്‍ഡക്ടീവ് ഇന്‍ഫറന്‍സ് എന്ന വൈജ്ഞാനിക ശാഖ സ്ഥാപിച്ചു. ഇതുവഴി ബെയേസ് ചട്ടങ്ങള്‍ (Bayes’ rules) കമ്പ്യൂട്ടര്‍ സയന്‍സില്‍ പ്രയോഗത്തില്‍ വരുത്താം എന്ന് ലോകത്തിന് കാണിച്ച് കൊടുത്തു. ഇത് നിര്‍മിതബുദ്ധി യന്ത്രങ്ങള്‍ക്ക് വലിയ നേട്ടമുണ്ടാക്കി. മെഷീന്‍ ലേണിങ് അടിസ്ഥാനമാക്കിയ നിര്‍മിതബുദ്ധി അല്‍ഗോരിതങ്ങള്‍ പ്രയോഗത്തില്‍ വരുത്താന്‍ കഴിഞ്ഞതില്‍ സോളൊമൊനോഫിനോട് നാം കടപ്പെട്ടിരിക്കുന്നു.
- ഒലിവര്‍ സെല്‍ഫ്രിഡ്ജ് – മാര്‍വിന്‍ മിന്‍സ്കിയുടെ ഗുരുവെന്ന് വിശേഷിപ്പിക്കാവുന്ന സെല്‍ഫ്രിഡ്ജാണ് 1955-ല്‍ മിന്‍സ്കിയോടൊപ്പം നിര്‍മിതബുദ്ധി മേഖലയിലെ ആദ്യത്തെ പൊതുസമ്മേളനം സഘടിപ്പിച്ചത്. മെഷീന്‍ പ്രത്യക്ഷബോധം ((Machine Perception) എന്ന ശാഖയുടെ പിതാവെന്ന് ഇദ്ദേഹം അറിയപ്പെടുന്നു. 1959-ലെ ഇദ്ദേഹത്തിന്‍റെ പ്രബന്ധം നിര്‍മിതബുദ്ധി മേഖലയിലെ ഒരു ക്ലാസിക് എന്നറിയപ്പെടുന്നു.
- ഹെര്‍ബര്‍ട് സൈമണ്‍ – 1975-ലെ ടൂറിങ് പുര്‍സ്കാരവും 1978-ലെ സാമ്പത്തിക ശാസ്ത്ര നൊബേലും നേടിയ സൈമണ്‍ ഒരു ബഹുമുഖ പ്രതിഭയായിരുന്നു. ഗവേഷണ സൂചികയായ ഗൂഗിള്‍ സ്കോളറില്‍ മൂന്ന് ലക്ഷത്തിലധിക സൈറ്റേഷന്‍സ് നേടി, നിര്‍മിതബുദ്ധി മേഖലയില്‍ ഏറ്റവുമധികം വായിക്കപ്പെട്ട വ്യക്തിയാണ് സൈമണ്‍. രാഷ്ട്ര മീമാംസയില്‍ ഗവേഷണ ബിരുദം നേടിയ സൈമണിന് വ്യക്തികളും സമൂഹവും തീരുമാനങ്ങള്‍ എടുക്കുന്നതെങ്ങനെയെന്ന് (decision-making) വ്യക്തമായ സിദ്ധാന്തങ്ങള്‍ ആവിഷ്കരിക്കാന്‍ കഴിഞ്ഞു.
- അലന്‍ ന്യുവല്‍ – കാര്‍ണഗി മെല്ലന്‍ സര്‍വകലാശാലയില്‍ കമ്പ്യൂട്ടര്‍ സയന്‍സും കോഗ്നിറ്റീവ് സൈക്കോളജിയും തമ്മിലുള്ള ബന്ധത്തേപ്പറ്റി സൈമണിന്‍റെ കീഴില്‍ ഗവേഷണം നടത്തിയിരുന്ന ന്യുവല്‍ അദ്ദേഹത്തോടൊപ്പം കാര്‍ണഗി ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്‍റലിജന്‍സ് ലബോറട്ടറിയും സ്ഥാപിച്ചു.
സൈമണും ന്യുവലുമായിരുന്നു ഡാര്‍ട്മൗത് ശില്‍പ്പശാലയുടെ പ്രധാന താരങ്ങള്‍. ഇവര്‍ രണ്ട് പേരും ചേര്‍ന്ന് സൃഷ്ടിച്ച ലോജിക് സിദ്ധാന്ത യന്ത്രം (Logic Theorist), പൊതു പ്രശ്നപരിഹാരം (General Problem Solver) എന്നിവ നിര്‍മിതബുദ്ധി മേഖലയിലെ ആദ്യത്തെ പ്രോഗ്രാമുകളുടെ ഗണത്തില്‍ പെടുന്നു. ക്ലിഫ് ഷായോടൊപ്പം ഇവര്‍ തന്നെ സൃഷ്ടിച്ച ഇന്‍ഫര്‍മേഷന്‍ പ്രോസസ്സിങ് ലാംഗ്വേജ് (Information Processing Language- IPL) എന്ന കമ്പ്യൂട്ടര്‍ ഭാഷയിലായിരുന്നു ഇത് നിര്‍മിച്ചത്. ഐപിഎല്‍ ഭാഷ ബെര്‍ട്രാണ്ട് റസ്സലിന്‍റെ പ്രിന്‍സിപ്പിയ മാത്തമാറ്റിക്ക (Principia Mathematica) എന്ന ഗന്ഥത്തിലെ ചില ഗണിതശാസ്ത്ര പ്രശ്നങ്ങള്‍ കമ്പ്യൂട്ടര്‍ ഉപയോഗിച്ച് വളരെ വേഗത്തില്‍ തെളിയിക്കാമെന്ന് കണ്ടെത്തി. ഇവയൊക്കെ റസ്സലും മറ്റ് ഗണിത ശാസ്ത്രഞ്ജരും വളരെ സമയമെടുത്ത് തെളിയിച്ചവയായിരുന്നു. 1958-ല്‍ NSS എന്ന കമ്പ്യൂട്ടര്‍ ചെസ്സ് പ്രോഗ്രാം എഴുതാനും ഐപിഎല്‍ ഉപയോഗിച്ചെങ്കിലും സൈമണ്‍ പ്രവചിച്ച പത്ത് വര്‍ഷത്തിനപ്പുറം, 40 വര്‍ഷത്തോളം കഴിഞ്ഞാണ് മനുഷ്യനെ വെല്ലാന്‍ കമ്പ്യൂട്ടര്‍ ചെസ്സ് പ്രോഗ്രാമുകള്‍ക്കായത്. റേ സൊളോമോനോഫ് വിതരണം ചെയ്ത ‘ഒരു ഇന്‍ഡക്ടീവ് ഇന്‍ഫറന്‍സ് യന്ത്രം‘ (An Inductive Inference Machine) എന്ന പ്രബന്ധം ഈ മേഖലയിലെ ഏറ്റവും മികച്ച ഒന്നായിരുന്നു. മെഷീന്‍ ലേണിങ് എന്ന ശാഖയെ കോള്‍മോഗൊറോവ് സങ്കീര്‍ണത (Kolmogorov Complexity), ഒഖാമിന്‍റെ വാള്‍ (Ockham’s Razor) എന്നിവയുമായി ബന്ധിപ്പിച്ച ഈ പ്രബന്ധം ഭാവിയിലേക്ക് ഒരു മുതല്‍ക്കൂട്ടായിരുന്നു. സങ്കീര്‍ണമായ ഒരു സമൂഹവുമായി ഇടപെടാന്‍ ശേഷിയുള്ള യന്ത്രങ്ങളെ സൃഷ്ടിക്കാന്‍ ഇത് അനിവാര്യമാണെന്ന് കാണാം.
രണ്ട് മാസത്തെ ഈ ശില്‍പ്പശാല ഉടനടി ഫലങ്ങളൊന്നും സൃഷ്ടിച്ചില്ലെങ്കിലും അതില്‍ പങ്കെടുത്ത പത്താളുകളും അവരുടെ ശിഷ്യ പരമ്പരയുമാണ് നിര്‍മിതബുദ്ധി മേഖല രൂപപ്പെടുത്തുന്നതില്‍ പില്‍ക്കാലത്ത് മുഖ്യ പങ്ക് വഹിച്ചത്. കമ്പ്യൂട്ടര്‍ സയന്‍സിന്‍റെ ശാഖയായി തുടങ്ങിയ നിര്‍മിതബുദ്ധി ഗവേഷണം, ഇതിനു ശേഷം, സ്ഥിതിവിവരശാസ്ത്രം (statistics), എഞ്ചിനീയറിങ്, അവബോധ ശാസ്ത്രം (cognitive science), നാഡീവ്യൂഹശാസ്ത്രം (neuroscience) എന്നിവയെല്ലാം സന്നിവേശിപ്പിച്ച് സ്വതന്ത്രശാഖയാകുകയും ചെയ്തു. എന്നാല്‍, ആദ്യത്തെ ഉത്സാഹമൊക്കെ ഒരു ദശകത്തിനുള്ളില്‍ കെട്ടണഞ്ഞു. ഇക്കാലത്ത് ലഭ്യമായിരുന്ന കമ്പ്യൂട്ടറുകള്‍ ഇന്നത്തെ സോളിഡ് സ്റ്റേറ്റ് ട്രാന്‍സിസ്റ്ററുകള്‍ക്ക് പകരം വാക്വം ട്യൂബുകള്‍ കൊണ്ട് നിര്‍മിച്ച ശക്തി കുറഞ്ഞ കമ്പ്യൂട്ടറുകളായിരുന്നതിനാല്‍ സിദ്ധാന്തങ്ങള്‍ പ്രായോഗിക തലത്തില്‍ പരീക്ഷിക്കുക പരിമിത വിജയമേ നല്‍കിയുള്ളൂ. ഇതോടൊപ്പം ഇതിന്‍റെ വക്താക്കളായ ശാസ്ത്രജ്ഞര്‍ തന്നെ വ്യത്യസ്ത ദിശകളിലേക്ക് ഗവേഷണങ്ങളെ നയിക്കാന്‍ തുടങ്ങി. 1970-കളുടെ തുടക്കമായപ്പോഴാണ് നഷ്ടപ്പെട്ട ദിശാബോധം അവര്‍ക്ക് തിരിച്ച് പിടിക്കാനായത്. എങ്കിലും നിര്‍മിതബുദ്ധിയ്ക്ക് സാധ്യമാകും എന്ന കാര്യങ്ങള്‍ – ചെസ്സ് കളിയില്‍ വിജയം വരിക്കുക, ഗണിത ശാസ്ത്ര പ്രശ്നങ്ങള്‍ പരിഹരിക്കുക എന്നിവയൊക്കെ – സാധിക്കാന്‍ പിന്നെയും ഇരുപത് വര്‍ഷത്തിലധികം കാത്തിരിക്കേണ്ടി വന്നു.
ആദ്യകാല പ്രതീക്ഷകള്‍ വച്ചു കൊണ്ട് അമേരിക്കന്‍ പ്രതിരോധ വകുപ്പ് മെഷീന്‍ ട്രാന്‍സ്ലേഷന്‍ പോലുള്ള പദ്ധതികള്‍ക്കായി വളരെയധികം പണം മുടക്കി. റഷ്യയുമായി ഉടലെടുത്ത ശീത യുദ്ധം (cold war) റഷ്യന്‍ സാങ്കേതികവിദ്യാ, ശാസ്ത്ര പഠനങ്ങള്‍ തര്‍ജുമ നടത്തുകയെന്നതായിരുന്നു ഇതിനു പിന്നിലുള്ള ഒരു കാരണമെങ്കിലും, ഉദ്ദേശിച്ച ഫലം ലഭിക്കാഞ്ഞതിനാല്‍ ഇത്തരം പ്രോജക്ടുകളൊക്കെ ഒരു ദശകം കൊണ്ട് നിര്‍ത്തേണ്ട അവസ്ഥ വന്നു. ഇന്ന് പക്ഷേ, പരിപൂര്‍ണതയിലെത്തിയില്ലെങ്കിലും എല്ലാ മേഖലയിലും മെഷീന്‍ തര്‍ജമ വ്യാപകമായി ഉപയോഗിക്കുന്നുണ്ട്. മനസ്സിലും പഠനങ്ങളിലും കണ്ട പ്രശ്ന പരിഹാര പദ്ധതികളൊന്നും ഉദ്ദേശിച്ച ഫലം കണ്ടില്ല എന്നത് അക്കാലത്തെ ഒരു ന്യൂനതയായിരുന്നു. പലപ്പോഴും നിര്‍മിതബുദ്ധി അല്‍ഗോരിതങ്ങള്‍ പരിഹരിക്കാന്‍ ശ്രമിച്ച പ്രശ്നങ്ങളുടെയോ അല്ലെങ്കില്‍ മികച്ച കമ്പ്യൂട്ടറുകളുടെ അപര്യാപ്തതയോ ആയിരുന്നു ഇതിന് കാരണം. ബ്രിട്ടനടക്കം വിവിധ സര്‍ക്കാരുകള്‍ എഐ എന്നത് ഒരു ബാലികേറാമലയാണെന്ന് കണ്ട് ധന സഹായം നിര്‍ത്തി വച്ചു.
ഇക്കാലത്തെ പ്രശ്നങ്ങള്‍ ഒട്ടൊന്നൊതുങ്ങുന്നതിനും വീക് എഐ (Weak AI) എന്ന രീതി ശക്തിയാര്‍ജിക്കുന്നതിനും 1970-കള്‍ സാക്ഷ്യം വഹിച്ചു. മനുഷ്യ മസ്തിഷ്ക്കത്തെ അനുകരിച്ച് മനുഷ്യബുദ്ധി കൈകാര്യം ചെയ്യുന്ന പ്രശ്നങ്ങളെല്ലാം അനുകരിക്കാനുള്ള ശ്രമങ്ങള്‍ ഫലം കാണാതെ വന്നപ്പോള്‍ ചെറിയ പ്രശ്നങ്ങളെടുത്ത് അവയ്ക്ക് പരിഹാരം കാണാനുള്ള മാര്‍ഗങ്ങളാണ് വീക് എഐ നടത്തുന്നത്. 1969-ല്‍ സൃഷ്ടിച്ച ഡെന്‍ഡ്രാള്‍ (DENDRAL) എന്ന രസതന്ത്ര പ്രോഗ്രാമാണ് ഇതില്‍ ആദ്യത്തെ ഉദ്യമം. ഹെര്‍ബര്‍ട് സൈമണിന്‍റെ ശിഷ്യനായിരുന്ന എഡ് ഫെയിഗന്‍ബോമും സംഘവും സ്റ്റാന്‍ഫോര്‍ഡ് സര്‍വകലാശാലയില്‍ വികസിപ്പിച്ച ഈ പ്രോഗ്രാം ഒരു തന്മാത്രയുടെ ഘടന സ്വയം കണ്ടെത്താന്‍ കഴിയുന്ന ഒന്നായിരുന്നു. തത്വചിന്തകനും കമ്പ്യൂട്ടര്‍ ശാസ്ത്രജ്ഞനുമായ സ്റ്റീവ് ബുക്കാനന്‍ പിന്നീട്, ജനിതകശാസ്ത്രത്തിലെ പഠനങ്ങള്‍ക്ക് നൊബേല്‍ സമ്മാനം നേടിയ ജോഷ്വ ലെഡെര്‍ബെര്‍ഗ് എന്നിവരായിരുന്നു ഇതിലെ കൂട്ടാളികള്‍. ഒരു തന്മാത്രയുടെ രാസസൂത്രവും (chemical formula), അതിന്‍റെ വിവിധ ഘടകങ്ങളുടെ വിവരമടങ്ങിയ മാസ്സ് സ്പെക്ട്രോമീറ്റര്‍ ഡാറ്റയും ഇന്‍പുട്ട് ആയി നല്‍കിയാല്‍ രാസ ഘടന കണ്ടെത്തുമെന്നത് ഡെന്‍ഡ്രാളിനെ ഒരു വിജയമാക്കി. നിരവധി ഓര്‍ഗാനിക് തന്മാത്രകളുടെ ഘടന നിര്‍ണയിക്കുന്ന ജോലി ലഘൂകരിക്കാന്‍ ഡെന്‍ഡ്രാള്‍ സഹായകരമായി. ഇതിന്‍റെ പ്രധാന കാരണം പ്രശ്ന പരിഹാരത്തിനുള്ള വഴികള്‍ വളരെ കൃത്യമായി ശാസ്ത്രജ്ഞര്‍ക്ക് അറിയാമായിരുന്നുവെന്നതാണ്. ഹാര്‍ഡ് എഐ പ്രശ്നങ്ങളുടെ ചുരുളഴിയാ വഴികള്‍ അന്വേഷിച്ചുനടന്ന ഗവേഷകര്‍ക്ക് ഡെന്‍ഡ്രാള്‍ ഒരു പുതിയ വഴി തുറന്ന് കൊടുത്തു. ഇങ്ങനെ ചെറിയ പ്രശ്നങ്ങള്‍ പരിഹരിക്കാനുള്ള പ്രോഗ്രാമുകളെ knowledge-intensive systems എന്ന് വിളിക്കുന്നു. എക്സ്പേര്‍ട്ട് സിസ്റ്റംസ് എന്ന് പൊതുവേ വിളിക്കാവുന്ന ഇവ മറ്റ് മനുഷ്യ നൈപുണ്യ മേഖലകളിലും പരീക്ഷിക്കാമെന്ന് കണ്ടെത്തി.
ഇതിന്‍റെ തുടര്‍ച്ചയായിരുന്നു ഫെയിഗെന്‍ബോമും കൂട്ടരും മെഡിക്കല്‍ വിദഗ്ദരോടൊപ്പം ചേര്‍ന്ന് ആവിഷ്കരിച്ച മൈസിന്‍ (MYCIN) എന്ന സിസ്റ്റം. രക്തത്തിലെ അണുബാധ കണ്ടെത്താനായി വികസിപ്പിച്ച ഇതിന് പക്ഷേ, രസതന്ത്രം പോലുള്ള കൃത്യമായ ഗണിതശാസ്ത്ര അടിത്തറയുണ്ടായിരുന്നില്ല. അതിനാല്‍, ആരോഗ്യവിദഗ്ദരെയും, പാഠ പുസ്തകങ്ങളെയും അധികമായി ആശ്രയിക്കേണ്ടിവന്നു. അതിനാല്‍ത്തന്നെ വിദഗ്ധാഭിപ്രായങ്ങള്‍ പരിഗണിക്കുമ്പോഴുണ്ടാകുന്ന അനിശ്ചിതാവസ്ഥ കണക്കിലെടുക്കേണ്ടതായി വന്നു. ഇതിനായി അനിശ്ചിതാവസ്ഥയുടെ (uncertainty) ഗണിത രൂപങ്ങള്‍ മൈസിന്‍ പ്രോഗ്രാമില്‍ ഉപയോഗിച്ചു. അങ്ങനെ ഈ പ്രോഗ്രാമിന് തെളിവുകളും, വിദഗ്ധാഭിപ്രായവും രോഗനിര്‍ണയവും എല്ലാം തമ്മില്‍ ചേര്‍ച്ച കണ്ടെത്തി പ്രവചനങ്ങള്‍ നടത്താന്‍ സാധിച്ചു. ഇതേത്തുടര്‍ന്ന് സ്വാഭാവിക ഭാഷാ കമ്പ്യൂട്ടിങ് തുടങ്ങിയ മേഖലകളിലേക്ക് ഗവേഷകരുടെ ശ്രദ്ധ പതിഞ്ഞു.
എന്നാല്‍ 1980-കള്‍ക്ക് ശേഷമാണ് നിര്‍മിതബുദ്ധി വ്യാവസായികമായി പരീക്ഷിക്കാവുന്ന ഒന്നാണെന്ന അവസ്ഥാവിശേഷം നിലവില്‍ വന്നത്. കമ്പ്യൂട്ടര്‍ നിര്‍മാതാക്കളായിരുന്ന ഡിജിറ്റല്‍ എക്യുപ്മെന്‍റ് കോര്‍പ്പറേഷന്‍ (DEC) നിര്‍മിച്ച R1 എന്ന എക്സ്പേര്‍ട്ട് സിസ്റ്റമാണ് ആദ്യമായി പുറത്തിറങ്ങിയത്. പുതിയ കമ്പ്യൂട്ടറുകള്‍ക്ക് ലഭിക്കുന്ന ഓര്‍ഡറുകള്‍ ക്രമീകരിക്കാന്‍ കഴിഞ്ഞ ഈ പ്രോഗ്രാം നാലു വര്‍ഷം കൊണ്ട് ഏകദേശം നാല് മില്ല്യണ്‍ ഡോളര്‍ ലാഭിക്കാന്‍ കമ്പനിയെ സഹായിച്ചു. ഇത് മറ്റു കമ്പനികള്‍ക്കും സ്വന്തമായി എഐ ഡിവിഷന്‍ ആരംഭിക്കാന്‍ പ്രേരണയായി. ജപ്പാന്‍, അമേരിക്ക, ബ്രിട്ടണ്‍ തുടങ്ങിയ രാജ്യങ്ങളൊക്കെ എഐ ഗവേഷണത്തിന് ഊന്നല്‍ നല്‍കി വലിയ പദ്ധതികളാവിഷ്ക്കരിക്കുക വഴി ഒരു ബില്ല്യണ്‍ ഡോളര്‍ വ്യവസായമായി എഐ മാറി. പക്ഷേ, അക്കാലത്താരംഭിച്ച വന്‍കിട പദ്ധതികളൊന്നും ഫലം കാണാത്തതിനാല്‍ എഐ വ്യവസായം ഒരു ശൈത്യകാലം നേരിട്ടു. എഐ വിന്‍റര്‍ എന്നറിയപ്പെടുന്ന ഇക്കാലത്ത് പല കമ്പനികളും തകര്‍ന്നടിയുകയോ വലിയ വാഗ്ദാനങ്ങളൊന്നും പാലിക്കാനാവാതാകുകയോ ചെയ്തു.
ഇതിനൊരു പരിഹാരം വന്നത് 1986-ല്‍ വിവിധ ഗവേഷണ സംഘങ്ങള്‍ 1969-ല്‍ ബ്രൈസണും ഹോയും ചേര്‍ന്ന് അവതരിപ്പിച്ച ബാക്ക്-പ്രൊപ്പഗേഷന്‍ ലേണിങ് അല്‍ഗോരിതം പുനരാവിഷ്കരിച്ചപ്പോഴാണ്. ന്യൂറല്‍ നെറ്റ്വര്‍ക്കുകളുടെ തിരിച്ച് വരവിന് ഇത് വഴിയൊരുക്കുകയും നിരവധി ഉപയോഗങ്ങള്‍ കണ്ടെത്തുകയും ചെയ്യുക വഴി നിര്‍മിതബുദ്ധി ഗവേഷണത്തിന് ആദ്യകാല ആവേശം തിരിച്ച് വരുകയും ചെയ്തു.
ഇന്ന് ന്യൂറല്‍ നെറ്റ്വര്‍ക്ക് ഗവേഷണവും നിര്‍മിതബുദ്ധിയും കൂടിക്കലരാതെ പരസ്പര പൂരകമായി നില്‍ക്കുന്നതിനാല്‍ ആദ്യകാലത്തുണ്ടായിരുന്ന ആശയക്കുഴപ്പങ്ങള്‍ ഒരു പരിധി വരെ ഒഴിവാകുകയും ചെയ്തിട്ടുണ്ട്. കൂടാതെ, ആധുനിക എഐ ഗവേഷണങ്ങള്‍ പുതിയ സിദ്ധാന്തങ്ങളുടെ പിറകേ പരക്കം പായാതെ ഉള്ളത് വൃത്തിയായി ഉപയോഗിക്കുന്നതില്‍ ഊന്നല്‍ നല്‍കുന്നു. അതോടൊപ്പം ശക്തിയുള്ള കമ്പ്യൂട്ടറുകളുടെ വരവും ഡാറ്റാ മൈനിങ് എന്ന സാങ്കേതികവിദ്യയുടെ ആവിര്‍ഭാവവും എഐ വ്യവസായത്തിന് പുതു ജീവന്‍ നല്‍കിയെന്ന് പറയാം. ബന്ധപ്പെട്ട മേഖലകളായ റോബോട്ടിക്സ്, കമ്പ്യൂട്ടര്‍ വിഷന്‍, നോളജ് റെപ്രസെന്‍റേഷന്‍ എന്നിവയെല്ലാം ഇതോടോപ്പം വിപ്ലവകരമായ മാറ്റങ്ങള്‍ക്ക് സാക്ഷ്യം വഹിച്ചു. മെഷീന്‍ ലേണിങ് ഒരു ശക്തിമത്തായ ഉപകരണമായി മാറിയത് പല ശാഖകളെയും ഒന്നിച്ച് ചേര്‍ക്കാനും സഹായിച്ചു. ഇത്തരത്തിലുള്ള ഉത്തേജനം ആദ്യകാല ഗവേഷണ താല്‍പ്പര്യമായിരുന്ന ആര്‍ട്ടിഫിഷ്യല്‍ ജനറല്‍ ഇന്‍റലിജന്‍സും, ഉപ വിഭാഗമായ ഹ്യൂമന്‍ ലെവല്‍ എഐയുമൊക്കെ തിരിച്ച് വന്നു. ഇവയ്ക്കെല്ലാം പരീക്ഷിച്ച് പഠിക്കാനാവശ്യമായ ഡാറ്റ വലിയ അളവില്‍ ലഭ്യമാകാന്‍ തുടങ്ങിയത് ഇരുപത്തൊന്നാം നൂറ്റാണ്ടിലാണ്. ബിഗ് ഡാറ്റ എന്നറിയപ്പെടുന്ന ഇത് ആയിരക്കണക്കിന് എല്ലാ വ്യവസായങ്ങളിലും എഐ ആപ്ലിക്കേഷനുകള്‍ കടന്ന് ചെല്ലാനിടയായി. ഇതില്‍ ചില പ്രധാന ഉപയോഗങ്ങള്‍ താഴെ ചേര്‍ത്തിരിക്കുന്നു:
സ്പീച്ച് റെക്കഗ്നീഷന്‍
ടെലിഫോണ്‍, ഇന്‍റര്‍നെറ്റ് എന്നിവയിലൂടെയെല്ലാം വിവിധ സേവനങ്ങള്‍ തേടുന്ന മനുഷ്യരുമായി അവരുടെ ഭാഷയില്‍ സംവേദിക്കാന്‍ കഴിവുള്ള യന്ത്രങ്ങള്‍ ഇന്ന് സുലഭമാണ്.
റോബോട്ടിക് വാഹനങ്ങള്‍
അന്യ ഗ്രഹങ്ങള്‍, ദുര്‍ഘടമായ പ്രദേശങ്ങള്‍, വെള്ളത്തിനടിയില്‍, തിരക്കേറിയ ട്രാഫിക് റൂട്ടുകളില്‍ എന്നിങ്ങനെ ഏത് സാഹചര്യങ്ങളിലും സ്വയം തീരുമാനമെടുത്ത് സഞ്ചരിക്കാന്‍ കഴിയുന്ന വാഹനങ്ങളുടെ നിര്‍മാണത്തിന് എഐ സഹായിക്കുന്നു.
ഓട്ടോമാറ്റിക് പ്ലാനിങ് ആന്‍റ് ഷെഡ്യൂളിങ്
അന്യഗ്രഹ സഞ്ചാരം, സ്പേസ് ട്രാവല്‍ എന്നിവയ്ക്കെല്ലാം ആവശ്യമുള്ള പ്ലാനുകളും അവ നടപ്പാക്കാനുള്ള വഴികളും സ്വയം നിര്‍ണയിക്കുന്ന യന്ത്രങ്ങള്‍ നാസയും മറ്റും ഉപയോഗിക്കുന്നു. ശാസ്ത്രവും ലോജിസ്റ്റിക്സുമെല്ലാം നിര്‍മിതബുദ്ധി യന്ത്രങ്ങള്‍ കൈകാര്യം ചെയ്യും. ഉദാഹരണത്തിന്, ഒരു സ്പേസ് ഷട്ടില്‍ വിക്ഷേപണം മുതല്‍ അവസാന ഘട്ടം വരെയുള്ള എല്ലാ പ്രവര്‍ത്തനങ്ങളുടെയും പിന്നില്‍ നിര്‍മിതബുദ്ധി പ്രോഗ്രാം ഉണ്ടായിരിക്കും. നിരവധി മനുഷ്യര്‍ ചെയ്യുന്ന കാര്യങ്ങള്‍ ഒറ്റയ്ക്ക് ചെയ്യാന്‍ ഇത് വഴി യന്ത്രത്തിനാവുന്നു.
കമ്പ്യൂട്ടര്‍ അധിഷ്ഠിത ഗെയിമുകള്‍
ഐബിഎം ഡീപ് ബ്ലൂ, വാട്സന്‍, ഗൂഗിള്‍ ആല്‍ഫാഗോ എന്നിങ്ങനെയുള്ള യന്ത്രങ്ങള്‍ വിവിധ മത്സരങ്ങളില്‍ നിലവിലുള്ള ലോക ചാമ്പ്യന്മാരെ തോല്‍പ്പിക്കുക വഴി ജീവിതത്തിന്‍റെ വിവിധ മേഖലകളില്‍ നിര്‍മിതബുദ്ധി അല്‍ഗോരിതങ്ങള്‍ ഉപയോഗിക്കാമെന്ന് കണ്ടെത്തി.
സ്പാം ഒഴിവാക്കല്‍
ഇമെയില്‍, ടെലിഫോണ്‍ കോളുകള്‍ എന്നിവയെല്ലാം സ്പാം ആണോ എന്ന് സ്വയം നിര്‍ണയിക്കാന്‍ ശേഷിയുള്ള അല്‍ഗോരിതങ്ങള്‍ ഇന്ന് എല്ലാ കമ്പനികളും ഉപയോഗിക്കുന്നു. പരിശീലനം വഴി ഇവ സ്വയം മെച്ചപ്പെടുകയും ചെയ്യും.
റോബോട്ടിക്സ്
റോബോട്ടുകളുടെ തലച്ചോര്‍ നിര്‍മിതബുദ്ധി അല്‍ഗോരിതങ്ങള്‍ നിയന്ത്രിക്കുന്നുവെന്ന് വേണം പറയാന്‍.
ലോജിസ്റ്റിക്സ് പ്ലാനിങ്
എത്ര ദുഷ്കരമായ യാത്രകളും, ചരക്കുകളുടെ നീക്കവുമൊക്കെ കൃത്യമായി പ്ലാന്‍ ചെയ്യാന്‍ കഴിവുള്ള ഇന്‍റല്ലിജന്‍റ് ടൂളുകള്‍ ഇന്ന് ലഭ്യമാണ്. മനുഷ്യര്‍ മാസങ്ങളെടുക്കുന്ന ഇത്തരം പ്ലാനിങ് മണിക്കൂറുകള്‍ കൊണ്ട് കൃത്യമായി ചെയ്യാന്‍ യന്ത്രങ്ങള്‍ക്കാവും.
മെഷീന്‍ ട്രാന്‍സ്ലേഷന്‍
വിവിധ ലോക ഭാഷകള്‍ തമ്മില്‍ ഓട്ടോമാറ്റിക്കായി തര്‍ജമ ചെയ്യാന്‍ ശേഷിയുള്ള നിരവധി യന്ത്രങ്ങള്‍ ഇന്ന് ലഭ്യമാണ്. ഭാഷാ രൂപങ്ങളെ നിര്‍മിക്കാന്‍ നിര്‍മിതബുദ്ധി അല്‍ഗോരിതങ്ങള്‍ക്കാവുന്നു.
ഇവയില്‍ മാത്രം ഒതുങ്ങുന്നതല്ല നിര്‍മിതബുദ്ധിയുടെ ഉപയോഗങ്ങള്‍. ശാസ്ത്രവും എഞ്ചിനീയറിങ്ങും ഗണിതശാസ്ത്ര തത്വങ്ങളുമെല്ലാം അവയുടെ ഏറ്റവും ഉയര്‍ന്ന ശ്രേണികളില്‍ സമ്മേളിക്കുന്ന ഈ മേഖലയുടെ ഉപയോഗങ്ങള്‍ക്ക് പരിധികളില്ല എന്ന് തന്നെ വേണം പറയാന്‍.
ഇതൊക്കെയാണെങ്കിലും 2010-നുശേഷം ചിത്രങ്ങളും വീഡിയോ ദൃശ്യങ്ങളും കൈകാര്യം ചെയ്യാന്‍ കഴിയുന്ന ഗ്രാഫിക് പ്രൊസസ്സിങ് യൂണിറ്റുകള്‍ (ജിപിയു) കമ്പ്യൂട്ടറുകള്‍ അടങ്ങിയ കമ്പ്യൂട്ടറുകള്‍ സാധാരണക്കാര്‍ക്ക് പ്രാപ്തമായതും വിവര സാങ്കേതികവിദ്യയുടെ കുതിച്ച് ചാട്ടത്തോടെ വളരെ വലിയ അളവില്‍ ലഭ്യമായ ഡാറ്റയും ഇവ സ്ഥിരമായി ലഭ്യമാക്കുന്ന പോര്‍ട്ടലുകളുമൊക്കെ നിര്‍മിതബുദ്ധി സാങ്കേതികവിദ്യയുടെ കുതിച്ച് ചാട്ടത്തിനു വഴി തെളിച്ചു. ഡാറ്റയുടെ വലിയ അളവിലുള്ള ലഭ്യത നിര്‍മിതബുദ്ധി അല്‍ഗോരിതങ്ങളുടെ വിജയത്തിന് അനിവാര്യമായതിനാല്‍ ഇമേജ്നെറ്റ് (www.imagenet.org), ആമസോണ്‍, നെറ്റ്ഫ്ലിക്സ് എന്നിങ്ങനെ ഡാറ്റ വലിയ അളവില്‍ ലഭ്യമാക്കുന്ന സങ്കേതങ്ങള്‍ നിരവധി അവസരങ്ങള്‍ തുറക്കുകയും വാണിജ്യപരമായി ഈ സാങ്കേതികവിദ്യ വലിയ വിജയമാക്കുകയും ചെയ്തു. ഇന്ന് എഐ എന്നത് സര്‍വസാധാരണമായ ഒരു പദമായി തീരുന്നത് ഈ ദശകത്തിലാണ്.
സവിശേഷ ബുദ്ധി നേടിയ യന്ത്രങ്ങള്‍ മനുഷ്യര്‍ക്ക് വരുത്തിവയ്ക്കാവുന്ന വിനാശങ്ങളും പ്രോഗ്രാമുകള്‍ എഴുതുന്നവരുടെ സാമൂഹിക നിലപാടുകള്‍ അല്‍ഗോരിതങ്ങള്‍ക്ക് നല്‍കാവുന്ന ബയാസും ഇത്തരം സാങ്കേതികവിദ്യകളെ മനുഷ്യര്‍ ദുരുപയോഗം ചെയ്യാനുള്ള തടസ്സങ്ങളുമൊക്കെ പരിഹരിക്കാനും തടയിടാനുമായി രൂപീകരിക്കപ്പെട്ട എത്തിക്കല്‍ എഐ (Ethical AI) എന്ന മുന്നേറ്റവും ഇതോടൊപ്പം ശ്രദ്ധിക്കേണ്ട ഒന്നാണ്. ഇനിയങ്ങോട്ട് നമുക്കൊപ്പമുള്ള ഒരു സാങ്കേതികവിദ്യ എന്ന നിലയില്‍ ഇതിനൊരു മൂക്കുകയറിടേണ്ടത് അനിവാര്യമാണല്ലോ?
ശാസ്ത്രഗതി വരിചേരാം
മറ്റു ലേഖനങ്ങൾ
Happy
27 %
Sad
7 %
Excited
42 %
Sleepy
9 %
Angry
4 %
Surprise
11 %
0
1
