നിര്‍മിതബുദ്ധിയുടെ ഉള്ളറകൾ

ഇരുപത്തിയൊന്നാം നൂറ്റാണ്ടിന്റെ സാങ്കേതികവിദ്യ എന്ന്‌ വിശേഷിപ്പിക്കാവുന്ന രീതിയിൽ ഈ നൂറ്റാണ്ടിലെ മനുഷ്യജീവിതത്തെ അതിന്റെ സമസ്തമേഖലകളിലും നിര്‍ണായകമായി സ്വാധീനിക്കാൻ കെല്‍പ്പുള്ള സാങ്കേതികവിദ്യയായി വികസിക്കുകയാണ്‌ നിര്‍മിതബുദ്ധി (ആര്‍ട്ടിഫിഷ്യൽ ഇന്റലിജന്‍സ്‌) എന്ന നൂതന കമ്പ്യൂട്ടർ സാങ്കേതികവിദ്യ. എ.ഐ. എന്ന ചുരുക്കപ്പേരിൽ വിളിക്കപ്പെടുന്ന ആര്‍ട്ടിഫിഷ്യൽ ഇന്റലിജന്‍സ്‌ ടെക്നോളജി ഇന്ന്‌ നമ്മുടെ ദൈനംദിന ജിവിതത്തിന്റെ തന്നെ ഭാഗമായി കഴിഞ്ഞിരിക്കുന്നു. മൊബൈൽ ഫോണുകളിലൂടെയും ഇന്റര്‍നെറ്റിലൂടെയും ഒക്കെ അറിഞ്ഞും അറിയാതെയും പല രൂപത്തിൽ നിര്‍മിതബുദ്ധി ഇന്ന്‌ സാധാരണജനങ്ങളുടെ ജിവിതവ്യാപാരങ്ങളെ സ്വാധീനിക്കുന്നു. മൊബൈൽ ഫോണുകളിൽ സിറി, അലക്സ, മെറ്റാ-എ.ഐ. തുടങ്ങിയ ആപ്പ്ളിക്കേഷനുകളിലൂടെ എ.ഐ. ഇപ്പോൾ സന്തതസഹചാരി ആയി നമുക്കൊപ്പമുണ്ട്‌. ചാറ്റ്‌-ജിപിടി ചായക്കടകളിൽ പോലും സംസാരമാകുന്ന വിഷയമായിരിക്കുന്നു. അടുത്ത ഏതാനും ദശകങ്ങള്‍ക്കുള്ളിൽ തന്നെ ലോകത്തെ വലിയതോതിൽ മാറ്റിമറിക്കാന്‍ കഴിവുള്ള, മനുഷ്യജീവിതത്തെ അതിന്റെ എല്ലാതലങ്ങളിലും സമഗ്രമായി സ്പര്‍ശിക്കുന്ന, സാങ്കേതികവിദ്യയായി അനുദിനം വളരുകയാണ്‌ നിര്‍മിതബുദ്ധി. നമ്മുടെ ജിവിതത്തിൽ വളരെ വിപ്പവകരവും, ഗുണപരമായ മാറ്റങ്ങൾ കൊണ്ടുവരാനുള്ള ഏറെ വിപുലമായ സാധ്യതയാണ്‌ നിര്‍മിതബുദ്ധി നമുക്ക്‌ തുറന്ന്‌ നല്‍കിയിരിക്കുന്നത്‌. എന്നാൽ അതോടൊപ്പം തന്നെ എ.ഐ. നിരവധി ആശങ്കകളും വെല്ലുവിളികളും ഉയര്‍ത്തുന്നുമുണ്ട്‌.

ശാസ്ത്ര-സാങ്കേതിക രംഗത്തെ എല്ലാ പുതിയ കുതിച്ചുചാട്ടങ്ങളേയും പോലെ തന്നെ നിര്‍മിതബുദ്ധിയും ദുരുപയോഗിക്കപ്പെടാനുള്ള വലിയ സാധ്യത നിലനില്‍ക്കുന്നുണ്ട്‌. അത്തരം ദുരുപയോഗങ്ങളുടെ ഭവിഷ്യത്താകട്ടെ നമുക്ക്‌ സങ്കല്‍പ്പിക്കാവുന്നതിലുമൊക്കെ എത്രയോ ഗുരുതരവും ദൂരവ്യാപകവുമാകാം. സമീപഭാവിയിൽ തന്നെ ഒരു പക്ഷെ എ.ഐ. മനുഷ്യബുദ്ധിയെ മറികടന്നേക്കുമോ എന്നുപോലും ഈ രംഗത്തെ ചില വിദഗ്ധർ ആശങ്ക പ്രകടിപ്പിക്കുന്നുണ്ട്‌. അത്തരം ആശങ്കകൾ ഒരുപക്ഷെ ഇന്നത്തെ നിലക്ക്‌ അസ്ഥാനത്തായിരിക്കാമെങ്കിലും, എ.ഐ.യുടെ വികസനം ഉത്തരവാദിത്തത്തോടെയും കരുതലോടെയും ആവേണ്ടതുണ്ട്‌ എന്നതിൽ ശാസ്ത്രലോകത്ത്‌ അഭിപ്രായവ്യത്യാസമില്ല. ചില എ.ഐ. മാതൃകകൾ അതിന്റെ ലക്ഷ്യം നേടുന്നതിന്‌ സഹായകരമാണെങ്കിൽ ബോധപൂര്‍വംതന്നെ മനുഷ്യരെ തെറ്റിദ്ധരിപ്പിക്കുന്നതിനും വസ്തുതകൾ ഒളിച്ചുവെക്കുന്നതിനും നുണപറയുന്നതിനും ഒക്കെ ശ്രമിക്കുന്നു എന്ന്‌ ഏറ്റവും പുതിയ ചില ഗവേഷണ പഠനങ്ങൾ വെളിപ്പെടുത്തുന്നു. ഇത്‌ അത്യന്തം അപകരമായ സ്ഥിതിവിശേഷം സൃഷ്ടിക്കുന്നതിലേക്ക്‌ നയിച്ചേക്കാമെന്ന്‌ ഗവേഷകർ മുന്നറിയിപ്പ്‌ നല്‍കുകയും ചെയ്യുന്നു. കര്‍ശനമായ നിയന്ത്രണത്തോടെയും തികഞ്ഞ സാമൂഹ്യഉത്തരവാദിത്തത്തോടെയും കൈകാര്യം ചെയ്യാത്തപക്ഷം വലിയ വിപത്തുകളും വെല്ലുവിളികളും ഉയര്‍ത്തിയേക്കാവുന്ന മേഖലകൂടിയാണ്‌ നിര്‍മിതബുദ്ധിയുടേത്‌ എന്നാണ്‌ ഇതൊക്കെ ചൂണ്ടിക്കാണിക്കുന്നത്‌.

2022 നവംബറിൽ ഓപ്പന്‍ എ.ഐ (openAI) എന്ന അമേരിക്കന്‍ കമ്പനി ചാറ്റ്‌- ജിപിടി (chatGPT) എന്ന എ.ഐ. ആപ്പ്ളിക്കേഷന്‍ പുറത്തിറക്കിയതോടെയാണ്‌ എ.ഐ. എന്നത്‌ ഏറെ ജനകിയപ്രചാരമുള്ള പദമാവുന്നതും, ജനങ്ങള്‍ക്കിടയിലെ സംസാരവിഷയമാവുന്നതും. സാധാരണമനുഷ്യർ സംസാരിക്കുന്ന ഭാഷയിൽ ചോദ്യങ്ങൾ സ്വീകരിക്കാനും (prompt) അതിനുള്ള ഉത്തരങ്ങൾ നല്‍കാനും ഉള്ള ചാറ്റ്‌-ജി.പി.ടി.യുടെ കഴിവ്‌ വളരെ വലിയ കൌതുകമാണ്‌ സാമാന്യജനങ്ങള്‍ക്കിടയിൽ നിര്‍മിതബുദ്ധിയെക്കുറിച്ച്‌ ഉയര്‍ത്തിയത്‌. പലര്‍ക്കും എ.ഐ. എന്നാൽ ചാറ്റ്‌-ജി.പി.ടി. ആണ്‌. എന്നാൽ നിര്‍മിതബുദ്ധി സാങ്കേതികവിദ്യ ഉപയോഗിച്ചുള്ള ഒരു ആപ്പ്ളിക്കേഷന്‍ മാത്രമാണ്‌ ചാറ്റ്‌-ജി.പി.ടി. എന്നത്‌. കൃഷി, ആരോഗ്യം, വ്യവസായം, സര്‍വീസ്‌, ഇ-കൊമേഴ്‌സ്‌, മാനുഫാക്ചറിംഗ്‌, എന്‍ജിനീയറിംഗ്‌, വിദ്യാഭ്യാസം, ഗതാഗതം മുതലായ വിവിധ മേഖലകളിൽ സങ്കിര്‍ണമായ പ്രവര്‍ത്തനങ്ങൾ ചെയ്യുന്നതിനും മനുഷ്യരുടെ കായികാദ്ധ്വാനം ആവശ്യമുള്ള പ്രവര്‍ത്തികളിൽ പലതും യന്ത്രവല്‍ക്കരിക്കുന്നതിനും (ഓട്ടമേഷൻ) എ.ഐ. ഉപയോഗപ്പെടുത്താന്‍ കഴിയും. ഇന്നുവരെ മനുഷ്യന്‌ ചെയ്യാന്‍ അസാധ്യമോ, ബുദ്ധിമുട്ടേറിയതോ ആയ പല പ്രവര്‍ത്തികളും ഇന്ന്‌ എ.ഐ.യുടെ സഹായത്താൽ അനായാസം ചെയ്യാം എന്ന നില വന്നിരിക്കുന്നു. കൃഷിത്തോട്ടങ്ങളിൽ ആപ്പിളും മുന്തിരിയുമൊക്കെ പാകമായോ എന്ന്‌ നോക്കി ചെടികളിൽ നിന്നും തൊലിപ്പുറത്ത്‌ ഒരു പോറലുപോലും ഏല്‍ക്കാതെ സൂക്ഷ്മമായി പഴങ്ങൾ പറിച്ചെടുക്കാന്‍ എ.ഐ. റോബോട്ടുകൾ ഉപയോഗിക്കുന്നു. നമ്മുടെ തെങ്ങുകളിൽ കയറി മൂത്ത തേങ്ങകൾ മാത്രം കൃത്യമായി പരിശോധിച്ച്‌ പറിച്ച്‌ തരുന്ന എ.ഐ. റോബോട്ടുകൾ താമസിയാതെ തന്നെ നമ്മുടെ വിടുകളിലെത്തിയാൽ അത്ഭുതമില്ല. ആരോഗ്യരംഗത്തെ വിപ്ലവകരമായി മാറ്റിമറിക്കുവാന്‍ എ.ഐ..സാങ്കേതികവിദ്യക്ക്‌ കഴിയും. രോഗനിര്‍ണയം തൊട്ട്‌ റോബോട്ടുകൾ ഉപയോഗിച്ചുള്ള ശസ്ത്രക്രിയകള്‍ക്ക്‌ വരെ നിര്‍മിതബുദ്ധി ഉപയോഗപ്പെടുത്താം. ചുമയുടെ ശബ്ദസാമ്പിളുകളിൽ നിന്നും, നാവിന്റെ നിറവ്യത്യാസത്തിൽ നിന്നും ഒക്കെ അസുഖം തിരിച്ചറിയുന്നതിനുള്ള നിര്‍മിതബുദ്ധി സിസ്റ്റങ്ങൾ ഗവേഷകർ രംഗത്തിറക്കിയിട്ടുണ്ട്‌.

ചാറ്റ്‌-ജിപിടി. പോലെയുള്ള ജെനറേറ്റീവ്‌ എ.ഐ. ജനുസ്സിലുള്ള ആപ്പ്ളിക്കേഷനുകൾ നിമിഷനേരത്തിനുള്ളിൽ ചിത്രങ്ങളും, വിഡിയോകളും, ലേഖനങ്ങളും, പരസ്യചിത്രങ്ങളും ഒക്കെ നിര്‍മിക്കാന്‍ സഹായിക്കുമ്പോൾ, ആരോഗ്യരംഗത്ത്‌ എ.ഐ. പുതിയ മരുന്നുകൾ കണ്ടെത്തുന്നതിനും, കാന്‍സർ പോലുള്ള രോഗങ്ങൾ അതുണ്ടാവുന്നതിനും മുന്‍പ്‌ തന്നെ പ്രവചിക്കാനും, എം.ആർ.ഐ. ഇമേജുകൾ പോലുള്ളവ പരിശോധിച്ച്‌ രോഗനിര്‍ണയം നടത്താന്‍ സഹായിക്കുന്നതിനും ഒക്കെയുള്ള സാധ്യതകൾ വാഗ്ദാനം ചെയ്യുന്നു. കസ്റ്റമർ സപ്പോര്‍ട്ട്‌, എ.ഐ.ക്യാമറ പോലുള്ള ഇമേജ്‌ വിശകലനം ചെയ്യാന്‍ കഴിവുള്ള ആപ്പ്ളിക്കേഷനുകൾ, ശബ്ദം തിരിച്ചറിയുന്ന ആപ്പ്ളിക്കേഷനുകൾ എന്നിങ്ങനെ ഇപ്പോൾ തന്നെ എ.ഐ. വ്യാപകമായി ഉപയോഗപ്പെടുത്തുന്ന നിരവധി മേഖലകളുണ്ട്‌. ദിനംപ്രതിയെന്നോണം പുതിയ പുതിയ മേഖലകളിലേക്ക്‌ എ.ഐ.യുടെ ഉപയോഗം വളരുകയാണ്‌. ഈ നൂറ്റാണ്ടിന്റെ ആരംഭം വരെ അസാധ്യമെന്ന്‌ കരുതിയിരുന്ന പലതും അനായാസമാക്കുന്ന അത്ഭുതകരമായ സാധ്യത തുറന്നിട്ടിരിക്കുകയാണ്‌ ഇന്ന്‌ എ.ഐ..സാങ്കേതികവിദ്യ. ഈ നൂറ്റാണ്ടിലേക്ക്‌ പ്രവേശിക്കുമ്പോൾ നാം കണ്ട ലോകമേ ആയിരിക്കില്ല ഒരു പക്ഷെ ഈ നൂറ്റാണ്ട്‌ അവസാനിക്കുമ്പോൾ പുതിയ തലമുറ കാണുന്നുണ്ടാവുക. എ.ഐ. സാങ്കേതികവിദ്യയുടെ ചിറകിലേറി ആയിരിക്കും ഈ നൂറ്റാണ്ടിൽ ലോകം മാറുക. അതുകൊണ്ടുതന്നെയാണ്‌ എ.ഐ. ഇരുപത്തൊന്നാം നൂറ്റാണ്ടിന്റെ സാങ്കേതികവിദ്യ എന്ന വിശേഷണത്തിന്‌ സര്‍വഥാ അര്‍ഹമാകുന്നത്‌.

നിര്‍മിതബുദ്ധി പുതിയതല്ല

സാമാന്യജനങ്ങള്‍ക്കിടയിൽ നിര്‍മിതബുദ്ധി എന്നത്‌ പ്രചാരമുള്ള വാക്കായത്‌ ചാറ്റ്‌.ജിപിടി.യുടെ വരവോടെ ആണെങ്കിലും നിര്‍മിതബുദ്ധി എന്ന കമ്പ്യൂട്ടർ സാങ്കേതികവിദ്യ ഒട്ടും പുതിയതല്ല. നിര്‍മിതബുദ്ധിയുടെ ചരിത്രം ചികഞ്ഞുപോയാൽ 1950കളിൽ തന്നെ കമ്പ്യൂട്ടർ സാങ്കേതികരംഗത്തെ ഗവേഷണവിഷയമായിരുന്നു നിര്‍മിതബുദ്ധി എന്ന്‌ കാണാന്‍ കഴിയും. 1943ൽ അമേരിക്കന്‍ ന്യൂറോഫിസിയോളജിസ്റ്റ്‌ വാറെന്‍ മെക്കളേളോക്ക്‌, ഗണിതശാസ്ത്രജ്ഞനായ വാള്‍ട്ടർ പിറ്റ്സ്‌ എന്നിവരാണ്‌ ആദ്യമായി മനുഷ്യന്റെ തലച്ചോറിലെ പ്രവര്‍ത്തങ്ങൾ കമ്പ്യൂട്ടറിലേത്‌ പോലെ ആണെന്ന്‌ അഭിപ്രായപ്പെടുന്നതും തലച്ചോറിലെ അടിസ്ഥാനഘടകമായ ന്യൂറോണുകളുടെ പ്രവര്‍ത്തനത്തെ അനുകരിച്ചുള്ള ഇലക്ട്രിക്‌ സര്‍ക്യൂട്ട്‌ മാതൃക ഉണ്ടാക്കുന്നതും. നമ്മുടെ തലച്ചോറിലെ ബയോളജിക്കൽ ന്യൂറോണിന്റെ ഈ കൃത്രിമ മാതൃക ആര്‍ട്ടിഫിഷ്യൽ ന്യൂറോണ്‍ അഥവാ എം.പി.ന്യൂറോണ്‍ — (McCulloch-Pitts Neuron) എന്ന്‌ അറിയപ്പെടുന്നു. ഇന്നത്തെ ആര്‍ട്ടിഫിഷ്യൽ ഇന്റലിജന്‍സ്‌ ന്യൂറൽ ശൃംഖലകളുടെ ആദ്യത്തെ മാതൃകകളായിരുന്നു 1943ലെ എം.പി.ന്യൂറോണും തുടര്‍ന്ന്‌ 1957ൽ ഫ്രാങ്ക്‌ റോസന്‍ബ്ലാറ്റ്‌ നിര്‍ദേശിച്ച കൂടുതൽ മെച്ചപ്പെടുത്തിയ പെര്‍സെപ്ട്രോണ്‍ എന്ന ആര്‍ട്ടിഫിഷ്യൽ ന്യൂറോണ്‍ മാതൃകയും. പെര്‍സെപ്ട്രോണ്‍ ശാസ്ത്രലോകത്ത്‌ അന്ന്‌ ഉണ്ടാക്കിയ ആവേശവും ഹൈപ്പും അവിശ്വസനീയമായിരുന്നു. റോസന്‍ബ്ലാറ്റ്‌ 1958ൽ തന്റെ പെര്‍സെപ്ട്രോണ്‍ പ്രസിദ്ധപ്പെടുത്തിയ ദിവസം ന്യൂയോര്‍ക്ക്‌ ടൈംസ്‌ എഴുതിയത്‌ “സ്വന്തമായി  നടക്കാനും, സംസാരിക്കാനും, കാണാനും, എഴുതാനും, പ്രത്യുല്‍പ്പാദിപ്പിക്കാനും, സ്വന്തം അസ്തിത്വത്തെക്കുറിച്ച്‌ ബോധമുള്ളതായിരിക്കാനും ഒക്കെ കഴിയുമെന്ന്‌ നേവി പ്രതീക്ഷിക്കുന്ന ഒരു ഇലക്ട്രോണിക്‌ കമ്പ്യൂട്ടറിന്റെ പ്രാഥമികരൂപം (embryo of an electronic computer) പുറത്തിറക്കി എന്നാണ്‌.

1966ൽ അമേരിക്കയിലെ മസാച്ചുസെറ്റ്സ്‌ ഇന്‍സ്റിറ്റ്യൂട്ട്‌ ഓഫ്‌ ടെക്നോളജിയിലെ ജോസഫ്‌ വൈസെന്‍ബോം വികസിപ്പിച്ച എലിസ എന്ന ചാറ്റ്ബോട്ട്‌ ഇന്നത്തെ ചാറ്റ്‌-ജിപിടി. പോലുള്ള നിര്‍മിതബുദ്ധി ആപ്പുകളുടെ ആദ്യ പൂര്‍വികന്‍ ആണെന്ന്‌ പറയാം. മനുഷ്യനും കമ്പ്യൂട്ടറും തമ്മിൽ വര്‍ത്തമാനം (ചാറ്റ് ) പറയാന്‍ സാധ്യമാക്കുന്ന ആദ്യത്തെ കമ്പ്യൂട്ടര്‍പ്രോഗ്രാം ആയിരുന്നു എലിസ. ഇന്ന്‌ ചാറ്റ്‌-ജിപിടി. സാമാന്യജനങ്ങളുടെ ഹൃദയം കിഴടക്കിയതുപോലെ എലിസക്ക്‌ അന്ന്‌ ലഭിച്ചത്‌ അഭൂതപൂര്‍വമായ സ്വീകരണമായിരുന്നു. ജെനറേറ്റീവ്‌ എ.ഐ. എന്ന്‌ ഇന്ന്‌ നാം വിളിക്കുന്ന നിര്‍മിതബുദ്ധി വിഭാഗത്തിലെ ആദ്യകാല മാതൃകയായിരുന്നു എലിസ. കമ്പ്യൂട്ടറുകള്‍ക്ക്‌ മനുഷ്യന്റെ ഭാഷ മനസ്സിലാക്കുവാന്‍ കഴിയില്ലെന്നും വളരെ ഉപരിപ്ലവമായി ചോദ്യങ്ങളിലെ വാക്കുകളിൽ നിന്ന്‌ അത്‌ വാചകങ്ങൾ ഉണ്ടാക്കുക മാത്രമാണ്‌ ചെയ്യുന്നത്‌ എന്നും തെളിയിക്കുവാനാണ്‌ വൈസെന്‍ബോം യഥാര്‍ത്ഥത്തിൽ എലിസ ഉണ്ടാക്കിയത്‌. പക്ഷെ വൈസെന്‍ബോമിന്റെ ‘എലിസ’  പൊതുജനങ്ങള്‍ക്കിടയിൽ ഉണ്ടാക്കിയ സ്വാധിനം അദ്ദേഹത്തിന്റെ ലക്ഷ്യത്തെ അട്ടിമറിക്കുന്ന വിധമായിരുന്നു. എലിസ വലിയ ഹിറ്റ്‌ ആയി. മണിക്കൂറുകളോളം ആളുകൾ എലിസയുമായി സംസാരിക്കാന്‍ തുടങ്ങി. എഴുത്തുകാരനെ അതിജീവിച്ച്‌ കൃതികൾ വളരുന്നതുപോലെ, ശാസ്ത്രജ്ഞന്റെ ഉദ്ധേശങ്ങളെയൊക്കെ മറികടന്ന്‌ അദ്ദേഹത്തിന്റെ കണ്ടുപിടുത്തം വളര്‍ന്നു. ബോമിന്റെ ഉദ്ദേശം എന്തായിരുന്നോ, അതിന്‌ തികച്ചും വിപരീതമായാണ്‌ ജനങ്ങൾ എലിസയെ കണ്ടത്‌. ഉപയോഗിക്കുന്ന ആളുകൾ കൊടുക്കുന്ന വാക്കുകളിൽ നിന്നാണ്‌ അത്‌ പ്രതികരണം ഉണ്ടാക്കുന്നത്‌ എന്നതുകൊണ്ട്‌ എലിസയോട്‌ സംസാരിക്കുന്നത്‌ അവനവനോട്‌ സംസാരിക്കുന്നതുപോലെയുള്ള ഒരു അനുഭവമാണ്‌ ആളുകള്‍ക്ക്‌ സമ്മാനിച്ചത്‌. ഇന്ന്‌ ചാറ്റ്‌-ജിപിടി. ഇത്രയേറെ ജനപ്രിയമായിരിക്കുന്നതും അതുകൊണ്ടാണ്‌. “എലിസ എഫ ക്റ്റ്‌’ എന്ന പ്രയോഗം തന്നെ അങ്ങനെ ഉണ്ടായി. ബോം വിശ്വസിച്ചിരുന്നത്‌ കമ്പ്യൂട്ടറിന്‌ മനുഷ്യന്റെ സംസാരം മനസ്സിലാക്കുന്നതിന്‌ പോയിട്ട്‌ അനുകരിക്കാന്‍ പോലും കഴിയില്ല എന്നായിരുന്നു. പക്ഷെ ഇന്ന്‌ നമുക്കറിയാം ബോമിനെ മറികടന്ന്‌ അദ്ദേഹം തന്നെ വിത്ത്‌ പാകിയ സാങ്കേതികവിദ്യ പടര്‍ന്ന്‌ പന്തലിച്ച്‌ ഒരുപാട്‌ സാധ്യതകളിലേക്ക്‌ വഴി തുറന്നിരിക്കുന്നു . നിര്‍മിതബുദ്ധിയുടെ അപകടസാധ്യതകളെക്കുറിച്ചും ആശങ്കാകുലനായിരുന്നു അന്നുതന്നെ അദ്ദേഹം. അതെക്കുറിച്ച്‌ നിരന്തരം മുന്നറിയിപ്പുകൾ നല്‍കുകയും ചെയ്തിരുന്നു ബോം.

എലിസ വന്നതിനുശേഷം പക്ഷെ നിര്‍മിതബുദ്ധിയുടെ വികാസം പിന്നീട്‌ ഏറെക്കാലം മുരടിക്കുകയാണ്‌ ഉണ്ടായത്‌. എ.ഐ.സിസ്റ്റങ്ങൾ വികസിപ്പിച്ചെടുക്കുന്നതിന്‌ വലിയ തോതിൽ കമ്പ്യൂട്ടർ ശേഷി വെണമെന്നുള്ളതും നിര്‍മിതബുദ്ധിയെ പരിശീലിപ്പിക്കാനുള്ള വേണ്ടത്ര ഡാറ്റ ലഭ്യമല്ലാത്തതും, ഗവേഷണലാബുകള്‍ക്ക്‌ പുറത്ത്‌ ജനങ്ങള്‍ക്ക്‌ ഉപകാരപ്രദമായ ആപ്പുകൾ വികസിച്ച്‌ വരാത്തതും ഒക്കെ നിര്‍മിതബുദ്ധിയിലുള്ള താല്‍പ്പര്യം കുറക്കാന്‍ ഇടയാക്കി. എന്നാൽ എണ്‍പതുകളുടെ അവസാനത്തോടെ ഈ രംഗത്ത്‌ കൂടുതൽ ഗവേഷണങ്ങൾ നടക്കാന്‍ തുടങ്ങി. 1997 ൽ  നിര്‍മിതബുദ്ധിയുടെ വികാസചരിത്രത്തിലെ തന്നെ വളരെ വിപ്ലവകരമായ ഒരു നാഴികക്കല്ലിന്‌ ലോകം സാക്ഷ്യം വഹിച്ചു. ആ വര്‍ഷം മേയ്‌ മാസത്തിൽ ആദ്യമായി ചെസ്സ്‌ കളിയിൽ ഒരു കമ്പ്യൂട്ടർ ഒരു മനുഷ്യനെ, അതും ലോക ചെസ്സ്‌ ചാമ്പ്യൻ സാക്ഷാൽ ഗാരി കാസ്പറോവിനെ, തോല്‍പ്പിച്ചു. ഐ.ബി.എം.ന്റെ ‘ഡീപ് -ബ്ലൂ” എന്നറിയപ്പെടുന്ന സൂപ്പർ കമ്പ്യൂട്ടറാണ്‌ മനുഷ്യബുദ്ധിയെ കൃത്രിമമായി നിര്‍മിക്കാനുള്ള നിര്‍മിതബുദ്ധിടേയും കമ്പ്യൂട്ടർ സാങ്കേതികവിദ്യയുടേയും വികസനത്തിൽ നിര്‍ണായക കുതിപ്പ്‌ ഉണ്ടാക്കിയ ഈ ചുവട്‌ വെച്ചത്‌. മനുഷ്യന്റെ ഇന്നുവരെയുള്ള ചരിത്രത്തിൽ ആദ്യമായി കൃത്രിമ ബുദ്ധിക്ക്‌ സമാനമായ ഒന്ന്‌ ഞാന്‍ കണ്ടു എന്നാണ്‌ കാസ്പറോവ്‌ അന്ന്‌ പ്രതികരിച്ചത്‌. 32  അതിവേഗ കമ്പ്യൂട്ടർ പ്രോസസ്സറുകൾ ഉണ്ടായിരുന്ന ഡീപ്‌- ബ്ലൂവിന്‌ ഒരു സെക്കന്റിൽ 20 കോടി വ്യത്യസ്ത ചെസ്സ്‌ പൊസിഷനുകൾ വിലയിരുത്താനുള്ള കഴിവുണ്ടായിരുന്നു. മനുഷ്യബുദ്ധിയെ അനുകരിക്കാന്‍ കഴിവുള്ള സൂപ്പർ കമ്പ്യൂട്ടറുകളും നിര്‍മിതബുദ്ധിയും വികസിപ്പിച്ചെടുക്കാനുള്ള ഗവേഷണയാത്രയിൽ വളരെ പ്രധാനമായ ഒരു നാഴികക്കല്ലായിരുന്നു ലോക ചെസ്ചാമ്പ്യനെതിരെയുള്ള ഡീപ്-ബ്ലൂ കമ്പ്യൂട്ടറിന്റെ വിജയം. പിന്നീടുള്ള എ.ഐ.യുടെ വളര്‍ച്ച ദ്രുതഗതിയിൽ ആയിരുന്നു. ഇന്റര്‍നെറ്റിന്റെ വ്യാപനം, സാമൂഹ്യമാധ്യമങ്ങളുടെ ആവിര്‍ഭാവം തുടങ്ങിയവയൊക്കെ കാരണമാക്കിയ വമ്പിച്ച അളവിലുള്ള വിവര (ഡാറ്റ) ഉത്പാദനവും ലഭ്യതയും, അതുപോലെ അതീവ ശേഷിയുള്ള സൂപ്പർ കമ്പ്യൂട്ടറുകളുടെ വികാസവും ഒക്കെയാണ്‌ ഇരുപത്തൊന്നാം നൂറ്റാണ്ടിലെ എ.ഐ. സാങ്കേതികവിദ്യയുടെ കുതിച്ചുചാട്ടത്തിന്‌ പിന്നിലെ ചാലകശക്തികൾ.

എന്താണ്‌ നിര്‍മിതബുദ്ധി?

നിര്‍മിതബുദ്ധിക്ക്‌ കൃത്യമായ ഒരു നിര്‍വചനം ദുഷ്കരമാണ്‌. ജൈവബുദ്ധി അഥവാ മനുഷ്യബുദ്ധി എന്താണെന്ന് നിര്‍വചിക്കാന്‍ പ്രയസമുള്ളതുപോലെ നിര്‍മിതബുദ്ധിയും എന്താണ്‌ എന്ന്‌ കൃത്യമായി നിര്‍വചിക്കുക ബുദ്ധിമുട്ടുള്ള കാര്യമാണ്‌. മാത്രമല്ല നിര്‍മിതബുദ്ധിയുടെ നിര്‍വചനം സ്ഥായിയായി നില്‍ക്കുകയല്ല, മറിച്ച്‌ സാങ്കേതികവിദ്യയുടെ വികാസത്തിനനുസരിച്ച്‌ എ.ഐ.യുടെ നിര്‍വചനവും മാറിക്കൊണ്ടിരിക്കുകയാണ്‌. നിര്‍മിതബുദ്ധിയെ നിര്‍വചിക്കുന്നതിനു മുന്‍പ്‌ നമുക്ക്‌ മനുഷ്യബുദ്ധിയെ നിര്‍വചിക്കാന്‍ ശ്രമിച്ചുനോക്കാം. ബുദ്ധി എന്തെന്ന്  നിര്‍വചിക്കുന്നതിന്‌ പകരം ബുദ്ധിയുടെ ലക്ഷണങ്ങൾ എന്തൊക്കെയാണ്‌ എന്ന്‌ മനസ്സിലാക്കുകയാവും എളുപ്പം. എന്താണ്‌ ജീവന്‍ എന്ന്‌ നിര്‍വചിക്കുന്നത്‌ ജീവന്റെ ലക്ഷണങ്ങൾ എന്തൊക്കെയാണ്‌ എന്ന്‌ വിശദീകരിച്ചുകൊണ്ടാണല്ലോ.

ചുറ്റുപാടുകളിൽ നിന്ന്‌ പഠിക്കാനും, കാര്യകാരണ സഹിതം സാഹചര്യങ്ങളെ വിശകലനം ചെയ്യാനും, അതിനനുസൃതമായ, അതിജീവനത്തിന്‌ അനുകൂലമായ, തീരുമാനങ്ങൾ എടുക്കാനും, പ്രശ്നങ്ങള്‍ക്ക്‌ യുക്തമായ പരിഹാരം കാണാനും ഒക്കെയുള്ള തലച്ചോറിന്റെ സവിശേഷമായ കഴിവിനെയാണ്‌ നമ്മൾ സാമാന്യമായി ബുദ്ധി എന്ന്‌ വിശേഷിപ്പിക്കുന്നത്‌. അനുഭവങ്ങളിൽ നിന്നും പഠിക്കാനുള്ള കഴിവ്‌ ബുദ്ധിയുടെ ഒരു പ്രധാന ലക്ഷണമാണല്ലോ. മുന്‍ അനുഭവങ്ങളിൽ നിന്ന്‌ ലഭിച്ച പാഠങ്ങളിൽ നിന്ന്‌ അഥവാ അറിവുകൾ ഉപയോഗിച്ച്‌ തികച്ചും പുതിയതായ സാഹചര്യങ്ങളോട്‌  പ്രതികരിക്കാനും, പൊരുത്തപ്പെടാനും, മാറാനും ഒക്കെ ഉള്ള കഴിവ്‌ ബുദ്ധിയുടെ ഭാഗമാണ്‌. അമൂര്‍ത്തമായ ആശയങ്ങളേയും, സങ്കല്‍പ്പങ്ങളേയും മനസ്സിലാക്കുന്നതിനും, സ്വാംശീകരിക്കുന്നതിനും, ആന്തരികവല്‍ക്കരിക്കുന്നതിനും, ഈ അറിവ്‌ സ്വന്തം ജീവിത സാഹചര്യങ്ങളെ മാറ്റിമറിക്കുന്നതിന്‌ ഉപയോഗപ്പെടുത്തുന്നതിനും ഉള്ള കഴിവും ബുദ്ധിയുടെ അടിസ്ഥാന ലക്ഷണങ്ങളാണ്‌. ചിന്ത, ഓര്‍മ, സങ്കല്‍പ്പനങ്ങൾ, ധാരണ, ഭാഷ തുടങ്ങിയ തലച്ചോറിന്റെ വിവിധ കഴിവുകളെയൊക്കെ ബുദ്ധി സമന്വയിപ്പിക്കുന്നു. ഉദാഹരണത്തിന്‌ എങ്ങിനെയാണ്‌ നമുക്ക്‌ ഒരു പൂച്ചയേയോ, നായയേയോ കോഴിയേയോ ഒക്കെ തിരിച്ചറിയാന്‍ സാധിക്കുന്നത്‌? നമ്മൾ ഇന്നുവരെ കാണാത്ത ഒരു പൂച്ചയേയോ നായയേയോ ഒക്കെ ഏതെങ്കിലും അന്യനാട്ടിൽ വെച്ച്‌ കണ്ടാൽ പോലും അത്‌ പൂച്ചയാണ്‌ അല്ലെങ്കിൽ നായയാണ്‌ എന്നൊക്കെ നമുക്ക്‌ തിരിച്ചറിയാന്‍ പറ്റുന്നത്‌ എങ്ങനെയാണ്‌? വളരെ എളുപ്പത്തിൽ കഴിയുന്നു എന്ന്‌ നമ്മള്‍ക്ക്‌ തോന്നുന്ന നമ്മുടെ ഈ കഴിവുകൾ യഥാര്‍ത്ഥത്തിൽ തലച്ചോറിന്റെ അത്ഭുതകരമായ സവിശേഷതയാണ്‌. ഉദാഹരണങ്ങളിൽ നിന്ന്‌ അഥവാ അനുഭവങ്ങളിൽ നിന്ന്‌ പഠിക്കാനുള്ള ബുദ്ധിയുടെ സ്വഭാവവിശേഷമാണ്‌ നമുക്ക്‌ വളരെ സങ്കീര്‍ണമായ ഈ കഴിവ്‌ നല്‍കുന്നത്‌. നമ്മൾ കുട്ടികളായിരുന്നപ്പോൾ ഈ പറഞ്ഞ പൂച്ചയേയും, നായയേയും ഒക്കെ കാണിച്ചുതന്ന്‌, ഇത്‌ പൂച്ചയാണെന്നും ഇത്‌ നായയാണെന്നും ഒക്കെ പറഞ്ഞുതന്ന്‌, പഠിപ്പിച്ചതുകൊണ്ടാണ്‌ നമുക്ക്‌ അവയെ തിരിച്ചറിയാന്‍ കഴിയുന്നത്‌. എന്നാൽ നമ്മളെ കാണിച്ചുതന്നവയെ മാത്രമല്ല ഇതുവരെ ഒരിക്കലും കാണാത്ത പൂച്ചയേയും നായയേയും കൂടി നമ്മൾ അത്‌ പൂച്ചയാണെന്നും നായയാണെന്നും തിരിച്ചറിയുന്നു. ഇതിനുകാരണം വിവിധ തരത്തിലുള്ള അനേകം പൂച്ചകളേയും നായകളേയും കാണുന്ന നമ്മുടെ തലച്ചോറ്‌ അഥവാ ബുദ്ധി, അവയുടെ സവിശേഷ ഗുണങ്ങൾ അഥവാ പാറ്റേണ്‍ മനസ്സിലാക്കുന്നു അഥവാ ‘അറിയുന്നു’ എന്നതാണ്‌. ആ അറിവിന്റെ വെളിച്ചത്തിൽ നമ്മുടെ തലച്ചോറ്‌ പുതിയതായി കാണുന്ന പൂച്ചയേയോ നായയേയോ, കാണുന്ന ജന്തുവിന്റെ പാറ്റേണിന്റെ അടിസ്ഥാനത്തിൽ, അത്‌ പൂച്ചയാണോ അല്ലെങ്കിൽ നായയാണോ എന്ന്‌ തരംതിരിക്കുന്നു. നമ്മൾ കണ്ടിട്ടുള്ള പൂച്ചകളുടെ സവിശേഷതകളുമായി യാതൊരു തരത്തിലും സാമ്യമില്ലാത്ത ഒരു പൂച്ചയെ നമ്മൾ ലോകത്തിന്റെ എവിടെയെങ്കിലും വെച്ച്‌ കാണുകയാണെങ്കിൽ പക്ഷേ നമുക്ക്‌ അത്‌ പൂച്ചയാണെന്നു തിരിച്ചറിയാന്‍ കഴിയില്ല. ജീവിതത്തിൽ ഒരേയൊരു ചുവന്ന കോഴിയെയും ഒരു കറുത്ത കാക്കയേയും മാത്രമാണ്‌ ഒരു കുട്ടി കണ്ടിട്ടുള്ളത്‌ എന്ന്‌ വിചാരിക്കുക. ഒരു പക്ഷെ ആ കുട്ടി ഒരു കറുത്ത കോഴിയെ കണ്ടാൽ അത്‌ കാക്കയാണെന്ന്‌ പറഞ്ഞേക്കാം. കാരണം കറുത്തത്‌ കാക്കയെന്നും ചുവന്നത്‌ കോഴിയെന്നുമാവും ആ കുട്ടിയുടെ ധാരണ. ഇതിനു കാരണം ഒരേ ഒരു ഉദാഹരണം (സാമ്പിൾ) അഥവാ ഒരു തരം (ചുവപ്പ്‌ നിറമുള്ള കോഴി) മാത്രമേ ആ കുട്ടി കണ്ടിട്ടുള്ളൂ എന്നതാണ്‌. പല ഉദാഹരണങ്ങൾ കണ്ട്‌ അവയുടെ പൊതുവായ ഗുണങ്ങൾ അഥവാ സവിശേഷതകൾ നമ്മുടെ തലച്ചോറ്‌ ശേഖരിച്ച്‌ സൂക്ഷിക്കുന്നതുകൊണ്ടാണ്‌ ആ സവിശേഷതകളുമായി സമാനതകളുള്ള കോഴികളെയൊക്കെ കോഴി എന്ന്‌ തിരിച്ചറിയാന്‍ കഴിയുന്നത്‌. എല്ലാ കോഴികളെയും നാം ഓര്‍മയിൽ വെക്കുകയല്ല ചെയ്യുന്നത്‌. അങ്ങിനെയെങ്കിൽ ഇതുവരെ നാം കാണാത്ത കോഴികളെ കാണുമ്പോൾ നമുക്ക്‌ അത്‌ കോഴിയാണെന്ന്‌ തിരിച്ചറിയാന്‍ കഴിയില്ല. നമ്മൾ കണ്ട കോഴികളിൽ നിന്ന്‌ കോഴികള്‍ക്ക്‌ പൊതുവേയുള്ള സവിശേഷതകൾ (features) എന്തൊക്കെയാണ്‌ എന്നാണ്‌ നമ്മുടെ തലച്ചോറ്‌ ശേഖരിച്ചുവെക്കുന്നതും ഈ അറിവ്‌ ഉപയോഗിച്ച്‌ കോഴികളെ തിരിച്ചറിയാന്‍ ഉപയോഗിക്കുന്നതും. ഇങ്ങനെ ഉദാഹരണങ്ങളിൽ നിന്ന്‌ അഥവാ അനുഭവങ്ങളിൽ നിന്ന്‌ പഠിക്കാന്‍ മനുഷ്യബുദ്ധിക്ക്‌ കഴിയുന്നു എന്ന്‌ നമുക്ക്‌ അറിയാം. എന്നാൽ ഇത്‌ എങ്ങിനെയാണ്‌ നമ്മുടെ തലച്ചോറ്‌ ചെയ്യുന്നത്‌ എന്ന്‌ നമുക്ക്‌ കൃത്യമായി അറിയില്ല. അത്‌ കൃത്യമായി അറിയാത്തതുകൊണ്ട്‌ ഈ രീതിയിൽ പഠിക്കുന്നത്‌ എങ്ങനെ എന്ന്‌ കമ്പ്യൂട്ടറുകള്‍ക്ക്‌ കൃത്യമായി പറഞ്ഞുകൊടുക്കാനും നമുക്ക്‌ കഴിയില്ല. നമ്മൾ പഠിക്കുന്നത്‌ അല്ലെങ്കിൽ അറിയുന്നത്‌ പൊതുവേ രണ്ടു വിധത്തിലാണ്‌. ഒന്ന്‌ നിര്‍ദേശങ്ങൾ (instructions) ഉപയോഗിച്ച്‌. ഉദാഹരണത്തിന്‌, ഒരു സ്ഥലത്തേക്കുള്ള വഴി, സാമ്പാർ ഉണ്ടാക്കുന്ന രീതി (റെസിപ്പി), ഒരു യന്ത്രം പ്രവര്‍ത്തിപ്പിക്കേണ്ട വിധം ഇതൊക്കെ കൃത്യമായ നിര്‍ദേശങ്ങൾ പറഞ്ഞോ എഴുതിയോ കൊടുത്ത്‌ മറ്റൊരാള്‍ക്ക്‌ മനസ്സിലാക്കി കൊടുക്കാം. ആ നിര്‍ദേശങ്ങൾ വായിച്ചു പഠിച്ച്‌ ആര്‍ക്കും അതുപോലെ ചെയ്യാം. എന്നാൽ ഒരു പൂച്ചയേയോ കാക്കയേയോ തിരിച്ചറിയാനുള്ള കഴിവ്‌ ഇങ്ങനെ നിര്‍ദേശങ്ങൾ എഴുതിക്കൊടുത്ത്‌ പഠിപ്പിക്കുക അസാധ്യമായിരിക്കും. അപ്പോൾ നമ്മൾ ഉദാഹരണങ്ങൾ കണ്ട്‌ പഠിക്കുന്ന രണ്ടാമത്തെ രീതി ഉപയോഗിക്കുന്നു. മനുഷ്യബുദ്ധിക്ക്‌ ഈ രണ്ടു രീതിയിലും പഠിക്കാനുള്ള കഴിവുണ്ട്‌. എന്നാൽ കമ്പ്യൂട്ടറുകള്‍ക്ക്‌ ആദ്യം പറഞ്ഞ രീതിയിൽ (നിര്‍ദേശങ്ങൾ അനുസരിച്ച്‌) മാത്രമേ ‘പഠിക്കാന്‍’ കഴിയുകയുള്ളൂ. നിര്‍ദേശങ്ങൾ അതുപോലെ നടപ്പാക്കുക എന്നതാണ്‌ കമ്പ്യൂട്ടറുകൾ ചെയ്യുന്നത്‌. ഈ നിര്‍ദേശങ്ങളെയാണ്‌ നാം സോഫ്ട് വെയർ അല്ലെങ്കിൽ കമ്പ്യൂട്ടർ പ്രോഗ്രാം എന്ന്‌ വിശേഷിപ്പിക്കുന്നത്‌. ടിക്കറ്റ്‌ ബുക്ക്‌ ചെയ്യാനും, യന്ത്രങ്ങൾ നിയന്ത്രിക്കാനും ഒക്കെ ഇങ്ങനെ നിര്‍ദേശങ്ങൾ അഥവാ പ്രോഗ്രാമുകൾ നടപ്പിലാക്കുന്നതിലൂടെ കമ്പ്യൂട്ടറുകള്‍ക്ക്‌ കഴിയും. എന്നാൽ കമ്പ്യൂട്ടറിന്‌ പൂച്ചയേയും നായയേയും തിരിച്ചറിയാനും വാഹനങ്ങളുടെ നമ്പർ പ്പേറ്റുകളിൽ എഴുതിയിട്ടുള്ള അക്കങ്ങളും അക്ഷരങ്ങളും വായിച്ചു മനസ്സിലാക്കാനും ഒന്നും ഈ രീതി ഉപയോഗിച്ച്‌ കഴിയില്ല. കാരണം ഇതൊന്നും കൃത്യമായ സ്റ്റെപ്പുകളായി  വേര്‍തിരിച്ച്‌, നിര്‍ദേശങ്ങളാക്കി അഥവാ പ്രോഗ്രാമുകളാക്കി, കമ്പ്യൂട്ടറിൽ ‘ഫീഡ്‌” ചെയ്യാന്‍ കഴിയില്ല. മനുഷ്യന്‌ വളരെ ലളിതമായി ചെയ്യാവുന്ന പട്ടിയേയും പൂച്ചയെയും തിരിച്ചറിയൽ എന്ന പ്രവര്‍ത്തി കമ്പ്യൂട്ടറുകള്‍ക്ക്‌ അസാധ്യമോ അല്ലെങ്കിൽ ഏറെ ദുഷ്കരമോ ആണ്‌ എന്നര്‍ത്ഥം. മനുഷ്യബുദ്ധി എങ്ങനെയാണ്‌ ഇങ്ങനെ ഉദാഹരണങ്ങൾ കണ്ട്‌ ഇവയെ തിരിച്ചറിയാനുള്ള അറിവുണ്ടാക്കുന്നത്‌ എന്ന്‌ നമുക്ക്‌ കൃത്യമായി അറിയില്ല എന്നതുകൊണ്ട്‌ ആ പ്രക്രിയയെ കൃത്യമായ സ്റ്റെപ്പുകളായി നിര്‍ദേശങ്ങൾ അഥവാ സോഫ്ട്വെയർ പ്രോഗ്രാമായി കമ്പ്യൂട്ടറിന്‌ കൊടുക്കാന്‍ കഴിയില്ല എന്ന്‌ സൂചിപ്പിച്ചുവല്ലൊ. അതുകൊണ്ട്‌ മനുഷ്യബുദ്ധിക്ക്‌ ചെയ്യാന്‍ കഴിയുന്ന പലതും കമ്പ്യൂട്ടറിന്‌ അസാധ്യമാവും. എന്നാൽ നിര്‍മിതബുദ്ധിയുടെ വരവോടെ കമ്പ്യൂട്ടറിന്റെ ഈ പരിമിതിയെ മറികടക്കാന്‍ നമുക്ക്‌ സാധിച്ചിരിക്കുന്നു. മനുഷ്യബുദ്ധി ഉദാഹരണങ്ങളിലൂടെ പഠിക്കുന്ന രണ്ടാമത്തെ രിതിയിൽ അറിവ്‌ സ്വാംശീകരിക്കാന്‍ കമ്പ്യൂട്ടറുകളെ പ്രാപ്തമാക്കുന്ന സാങ്കേതികവിദ്യ ആണ്‌ യഥാര്‍ത്ഥത്തിൽ നിര്‍മിതബുദ്ധി എന്ന്‌ പറയാം. നിര്‍മിതബുദ്ധി വരുന്നതിനു മുന്‍പ്‌ കമ്പ്യൂട്ടറുകള്‍ക്ക്‌ അതിന്‌ പ്രോഗ്രാം രൂപത്തിൽ നല്‍കിയ നിര്‍ദേശങ്ങൾ അതേപടി നടപ്പാക്കാന്‍ മാത്രമേ കഴിയുമായിരുന്നുള്ളൂ എങ്കിൽ നിര്‍മിതബുദ്ധി കമ്പ്യൂട്ടറുകളെ ഉദാഹരണങ്ങൾ കണ്ട്‌ അഥവാ ഡാറ്റ ഉപയോഗിച്ച്‌ പഠിക്കുന്നതിന്‌ കഴിവുള്ളവയാക്കുന്നു. അതായത്‌ നിര്‍മിതബുദ്ധി കമ്പ്യൂട്ടറുകളെ ഇതുവരെ മനുഷ്യബുദ്ധിക്ക്‌ മാത്രം സാധ്യമായിരുന്ന പല പ്രവര്‍ത്തികളും ചെയ്യുന്നതിന്‌ പ്രാപ്തമാക്കുന്ന. ഇതാണ്‌ നിര്‍മിതബുദ്ധിയെ ബൃഹത്തായ സാധ്യതകളുള്ള വിപ്ലവകരമായ സാങ്കേതികവിദ്യയാക്കി മാറ്റുന്നത്‌. .

ഇനി നമുക്ക്‌ നിര്‍മിതബുദ്ധിയുടെ നിര്‍വചനത്തിലേക്ക്‌ തിരിച്ചുവരാം. മനുഷ്യബുദ്ധിയുടെ പ്രവര്‍ത്തനങ്ങളെ അനുകരിക്കാന്‍ കഴിവുള്ള കമ്പ്യൂട്ടർ സോഫ്ട്‌വെയർ സിസ്റ്റം എന്ന്‌ നിര്‍മിതബുദ്ധി അഥവാ എ.ഐ.സിസ്റ്റങ്ങളെ നമുക്ക്‌ സാമാന്യമായി നിര്‍വചിക്കാം. വിശാലമായ അര്‍ത്ഥത്തിൽ, മനുഷ്യബുദ്ധിക്ക്‌ സമാനമായ കഴിവുകളുള്ള (പഠിക്കാനും, യുക്തിപരമായി ചിന്തിച്ച്‌ വിശകലനം ചെയ്യാനും, സാഹചര്യങ്ങള്‍ക്കനുസരിച്ച്‌ സ്വയമേവ തീരുമാനം കൈക്കൊള്ളുകയും അതിനനുസൃതമായി പ്രവര്‍ത്തിക്കുകയും ചെയ്യാന്‍ കഴിവുകളുള്ള) സിസ്റ്റങ്ങളും ആപ്പ്ളിക്കേഷനുകളും ഉണ്ടാക്കുന്നതിനെക്കുറിച്ചും അവയുടെ പ്രവര്‍ത്തനങ്ങളെക്കുറിച്ചും പഠിക്കുന്ന കമ്പ്യൂട്ടർ സയന്‍സിന്റെ ഒരു ഉപശാഖയാണ്‌ ആര്‍ട്ടിഫിഷ്യൽ ഇന്റലിജന്‍സ്‌ എന്ന എ.ഐ. ഈ എ.ഐ.യുടെ തന്നെ ഒരു മേഖലയാണ്‌ മെഷിന്‍ ലേണിംഗ്‌ എന്നത്‌. ഡാറ്റ അഥവാ വിവരം വിശകലനം ചെയ്യാനും അതിൽ നിന്ന്‌ പഠിക്കാനും ആ ബുദ്ധി ഉപയോഗിച്ച്‌ പുതിയ ഡാറ്റ വിശകലനം ചെയ്ത്‌ തീരുമാനങ്ങളിലെത്താനും കമ്പ്യൂട്ടറുകളെ പ്രാപ്തമാക്കുന്ന സാങ്കേതികവിദ്യ ആണ്‌ മെഷിന്‍ ലേണിംഗ്‌. നേരത്തെ സൂചിപ്പിച്ചപോലെ നിര്‍ദേശങ്ങൾ കൊടുക്കാതെ അഥവാ പ്രോഗ്രാം ചെയ്യാതെ തന്നെ ഡാറ്റ (ഉദാഹരണങ്ങൾ) ഉപയോഗിച്ച്‌ പഠിക്കാന്‍ കഴിയുന്ന സിസ്റ്റങ്ങളാണ്‌ മെഷിന്‍ ലേണിംഗ്‌ സിസ്റ്റങ്ങൾ. മനുഷ്യന്റെ തലച്ചോറിലെ ന്യൂറോണ്‍ കോശങ്ങള്‍ക്ക്‌ സമാനമായ കമ്പ്യൂട്ടർ സോഫ്ട്‌വെയർ മാതൃകകൾ അഥവാ ആര്‍ട്ടിഫിഷ്യൽ ന്യൂറോണ്‍ സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്ന മെഷിന്‍ ലേണിംഗ്‌ സാങ്കേതികവിദ്യയെ ആണ്‌ ഡിപ്‌ ലേണിംഗ്‌ അഥവാ ആര്‍ട്ടിഫിഷ്യൽ ന്യൂറൽ നെറ്റ് വര്‍ക്ക്‌ (ANN) എന്ന്‌ വിളിക്കുന്നത്‌. സാമാന്യമായി മനുഷ്യബുദ്ധിയെ അനുകരിക്കുന്ന ഏത്‌ സിസ്റ്റങ്ങളേയും (കാല്‍ക്കുലേറ്റർ മുതൽ ലളിതമായ  സ്റ്റാറ്റിസ്റ്റിക്സ്‌ ആല്‍ഗോരിതങ്ങൾ വരെ) എ.ഐ. ഗണത്തിൽ പെടുത്താമെങ്കിലും (കണക്കു കൂട്ടുക എന്ന മനുഷ്യബുദ്ധിയുടെ കഴിവാണല്ലോ കാല്‍ക്കുലേറ്ററും കമ്പ്യൂട്ടറുകളും അനുകരിക്കുന്നത്‌) ഇന്ന്‌ എ.ഐ. എന്ന്‌ പറയുമ്പോൾ അര്‍ത്ഥമാക്കുന്നത്‌ നേരത്തെ സൂചിപ്പിച്ച ആര്‍ട്ടിഫിഷ്യൽ ന്യൂറൽ നെറ്റ്‌വര്‍ക്ക്‌ സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്ന മെഷിന്‍ ലേണിംഗ്‌ സിസ്റ്റങ്ങളെ ആണ്‌. അതായത് , പ്രത്യേകിച്ച്‌ പ്രോഗ്രാം ചെയ്യാതെ തന്നെ ഡാറ്റ ഉപയോഗിച്ച്‌ പഠിക്കാനും പിന്നീട്‌ പുതിയ സാഹചര്യങ്ങളിൽ അഥവാ പുതിയ ഡാറ്റയിൽ സ്വയം ഉചിതമായ തീരുമാനങ്ങൾ എടുക്കാനും കഴിവുള്ള ആര്‍ട്ടിഫിഷ്യൽ ന്യൂറൽ നെറ്റ്വര്‍ക്ക്‌ സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്ന സിസ്റ്റങ്ങളെയാണ്‌ എ.ഐ. സിസ്റ്റങ്ങൾ എന്ന്‌ ഇന്ന്‌ വിശേഷിപ്പിക്കുന്നത്‌.

ലോകത്ത്‌ ഇന്ന്‌ നിലവിലുള്ള എ.ഐ. ആപ്പ്ളിക്കേഷനുകൾ മുഴുവനും ‘വീക്ക്‌-എ.ഐ.’ അഥവാ ആര്‍ട്ടിഫിഷ്യൽ നാരോ ഇന്റലിജന്‍സ്‌ (‘നാരോ- എ.ഐ) വിഭാഗത്തിൽ പെടുന്നതാണ്‌. ഇത്തരം എ.ഐ. സിസ്റ്റങ്ങള്‍ക്ക്‌ ഏതെങ്കിലും ഒരു പ്രവര്‍ത്തി മാത്രം ചെയ്യാനേ കഴിയൂ. ഉദാഹരണത്തിന്‌, ചിത്രം വരക്കാനുള്ള എ.ഐ. ആപ്പ്ളിക്കേഷനുകൾ, ഇമേജുകൾ തിരിച്ചറിയാനുള്ള ആപ്പ്ളിക്കേഷനുകൾ, വിവര്‍ത്തനം ചെയ്യുന്നതിനുള്ള ആപ്പ്ളിക്കേഷനുകൾ എന്നിങ്ങനെ. ഓരോ കാര്യം ചെയ്യാനും ഓരോ പ്രത്യേക എ.ഐ. ആപ്പ്ളിക്കേഷനുകൾ ഉണ്ടാക്കണം. എന്നാൽ മനുഷ്യബുദ്ധിക്ക്‌ ഇത്തരത്തിലുള്ള നിരവധി പ്രവര്‍ത്തനങ്ങൾ ചെയ്യാനുള്ള കഴിവുണ്ടല്ലൊ. അങ്ങനെ പല മേഖലകളിൽ വൈദഗ്ധ്യം  പ്രകടിപ്പിക്കാന്‍ കഴിയുന്നതരം എ.ഐ. സിസ്റ്റങ്ങളെ ‘സ്ട്രോങ്ങ്‌-എ.ഐ” അഥവാ ആര്‍ട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജന്‍സ്‌ എന്ന്‌ വിളിക്കുന്നു. ഏറെ സങ്കീര്‍ണമായ ഇത്തരത്തിലുള്ള എ.ഐ. ഇന്ന്‌ നിലവിലില്ല. പല തരത്തിലുള്ള പ്രവര്‍ത്തികൾ ചെയ്യാന്‍ കഴിവുള്ള ഇത്തരം ജനറൽ എ.ഐ.നേക്കാൾ ഏറെ വികസിച്ച, മനുഷ്യബുദ്ധിയേക്കാൾ ബുദ്ധിപരമായി ഏറെ വികസിച്ച, നിര്‍മിതബുദ്ധി ആണ്‌ നമ്മൾ സയന്‍സ്ഫിക്ഷന്‍ നോവലുകളിലും സിനിമകളിലും ഒക്കെ കാണുന്ന തരത്തിലുള്ള എ.ഐ. ഇതിനെ ആര്‍ട്ടിഫിഷ്യൽ സൂപ്പർ ഇന്റലിജന്‍സ്‌ എന്നാണ്‌ വിശേഷിപ്പിക്കുന്നത്‌. നാളെ നിര്‍മിതബുദ്ധി റോബോട്ടുകൾ മനുഷ്യനെ കിഴടക്കുമോ എന്ന്‌ ഭയപ്പെടുന്നത്‌ ഇത്തരം എ.ഐ.സിസ്റ്റങ്ങളെ കുറിച്ചാണ്‌. ഇവ ഇപ്പോഴും ഭാവനയിൽ മാത്രമാണ്‌ ഉള്ളത്‌ എന്ന്‌ പ്രത്യേകം പറയേണ്ടതില്ലല്ലൊ. എത്രയോ ലക്ഷം വര്‍ഷങ്ങൾ നീണ്ട കാലത്തെ പ്രക്രതിയുമായുള്ള പ്രതിപ്രവര്‍ത്തനങ്ങളിലൂടെ വികസിച്ച്‌ പരിണാമത്തിന്റെ അസംഖ്യം ഘട്ടങ്ങളിലൂടെ കടന്നുവന്ന്‌ ഇന്ന്‌ മനുഷ്യന്റെ തലച്ചോറിലെത്തി നില്‍ക്കുന്ന ജൈവബുദ്ധിയെ മറികടക്കുക എന്നത്‌ തീര്‍ച്ചയായും മനുഷ്യനിര്‍മിതമായ നിര്‍മിതബുദ്ധിക്ക്‌ എഏളുപ്പമായിരിക്കില്ല.

നിര്‍മിതബുദ്ധി എങ്ങനെയാണ്‌ ബുദ്ധി കൈവരിക്കുന്നത്‌

മനുഷ്യന്റെ തലച്ചോറടക്കമുള്ള നാഡീവ്യുഹത്തിന്റെ അടിസ്ഥാന യൂണിറ്റുകൾ ആണ്‌ ന്യൂറോണ്‍ കോശങ്ങൾ എന്ന്‌ വിശേഷിപ്പിക്കുന്ന സവിശേഷ ജൈവ കോശങ്ങൾ. ന്യൂറോണ്‍ കോശങ്ങളുടെ വലിയ ഒരു ശ്രുംഖലയാണ്‌ നമ്മുടെ നാഷ്മീവ്യൂഹം. നമ്മുടെ ബുദ്ധിയുടെ അടിസ്ഥാന ഘടകം ഈ ന്യൂറോണുകളാണ്‌. മനുഷ്യന്റെ തലച്ചോറിൽ ഏകദേശം 1000 കോടി ന്യൂറോണുകൾ അടങ്ങിയിരിക്കുന്നു എന്ന്‌ കണക്കാക്കപ്പെടുന്നു. ഇതിൽ ഓരോ ന്യൂറോണ്‍ കോശങ്ങളും ഏതാണ്ട്‌ പതിനായിരത്തോളം മറ്റു  ന്യൂറോണുകളുമായി ബന്ധിപ്പെട്ടിരിക്കുന്നു. അങ്ങനെ പരസ്പരം ബന്ധിതമായി കിടക്കുന്ന അനേകം ന്യൂറോണുകളുടെ ഒരുശൃംഖല ആണ്‌ മനുഷ്യബുദ്ധിയുടെ ഉറവിടം. ഓരോ ന്യൂറോണ്‍ കോശവും അതിന്റെ ഡെന്‍ട്രൈറ്റുകളിലൂടെ (സിഗ്നലുകൾ സ്വീകരിക്കുന്ന ഭാഗം) കിട്ടുന്ന ഇലക്ട്രോ-കെമിക്കൽ സിഗ്നലുകൾ ഒരു പരിധിയിലും കവിയുമ്പോൾ സമാനമായ സിഗ്നൽ ഉത്പാദിപ്പിക്കുകയും ആ സിഗ്നലിനെ ന്യൂറോണിന്റെ ആക്സണ്‍ എന്ന്  വിളിക്കുന്ന ഭാഗത്ത്‌ കൂടി പ്രവഹിപ്പിച്ച്‌ സിഗ്നലുകളിലൂടെ ആ ന്യൂറോണുമായി ബന്ധിപ്പിച്ചിട്ടുള്ള മറ്റ്‌ ന്യൂറോണ്‍ കോശങ്ങള്‍ക്ക്‌ കൈമാറുകയും ആണ്‌ ചെയ്യുന്നത്‌. നമ്മൾ പുതിയ ഒരു വിവരം ശേഖരിക്കുകയോ പഠിക്കുകയോ ഒക്കെ ചെയ്യുമ്പോൾ ന്യൂറോണ്‍ കോശങ്ങളുടെ ഈ ആക്സണ്‍ ഭാഗത്തിന്‌ മാറ്റങ്ങളുണ്ടാവുന്നു. തലച്ചോർ വിവരങ്ങൾ ഓര്‍മിച്ചു വെക്കുന്നത്‌ ന്യൂറോണുകളുടെ ഈ ആക്സണുകളിലാണ്‌ എന്നാണ്‌ കരുതപ്പെടുന്നത്‌. മനുഷ്യന്റെ തലച്ചോറ്‌ എങ്ങിനെ പ്രവര്‍ത്തിക്കുന്നു എന്ന രഹസ്യം മനസ്സിലാക്കാനുള്ള അന്വേഷണങ്ങളാണ്‌ യഥാര്‍ത്ഥത്തിൽ ആര്‍ട്ടിഫിഷ്യൽ ന്യൂറോണിലേക്കുള്ള വാതിൽ തുറന്നത്‌. നിര്‍മിതബുദ്ധി എന്നത്‌ മനുഷ്യബുദ്ധി പോലെ പരസ്പരബന്ധിതമായ കൃത്രിമ ന്യൂറോണ്‍ അഥവാ “’നോഡ്‌’ കളുടെ വലിയ നെറ്റ്‌-വര്‍ക്ക്‌ ആണ്‌. ഈ നോഡുകളെ പരസ്പരം ബന്ധിപ്പിച്ചിരിക്കുന്ന കണക്ഷനുകളിലാണ്‌ (തലച്ചോറിൽ ന്യൂറോണിന്റെ ആക്സണ്‍ ഭാഗം അതിനെ മറ്റ്‌ ന്യൂറോണുകളുമായി ബന്ധിപ്പിക്കുന്നതുപോലെ) നിര്‍മിതബുദ്ധി അറിവ്‌ അല്ലെങ്കിൽ വിവരങ്ങൾ ശേഖരിക്കുന്നത്‌. അതായത്‌ എ.ഐ. എന്നത്‌ തലച്ചോറിലെ ന്യൂറോണുകളുടെ മാതൃകയെ അനുകരിക്കുന്ന മാത്തമാറ്റിക്കൽ മോഡലുകളുടെ” കമ്പ്യൂട്ടർ പ്രോഗ്രാമുകളാണ്‌.

ഉദാഹരണങ്ങൾ കണ്ട്‌ പഠിക്കുന്ന മനുഷ്യബുദ്ധിയുടെ രീതി കമ്പ്യൂട്ടറിൽ സാധ്യമാക്കുന്ന സാങ്കേതികവിദ്യ ആണ്‌ നിര്‍മിതബുദ്ധി എന്ന്‌ സൂചിപ്പിച്ചുവല്ലൊ. എങ്ങനെയാണ്‌ ഈ പഠനം സാധ്യമാക്കുന്നത്‌? അഥവാ നിര്‍മിതബുദ്ധി എങ്ങിനെയാണ്‌ ബുദ്ധി കൈവരിക്കുന്നത്‌?

കൃത്രിമ ന്യൂറോണ്‍ അഥവാ പെര്‍സെപ്ട്രോണ്‍ ആണ്‌ ആര്‍ട്ടിഫിഷ്യൽ ന്യൂറൽ നെറ്റ്‌വര്‍ക്ക്‌ അഥവാ ഡീപ്‌ ലേണിംഗ്‌ സിസ്റ്റത്തിന്റെ അടിസ്ഥാന യൂണിറ്റ്‌. ഓരോ കൃത്രിമ ന്യൂറോണിനും കുറെ ഇന്‍പുട്ട്‌ സിഗ്നലുകൾ, ഈ ഇന്‍പുട്ട്‌ സിഗ്നലുകളുടെ മുഴുവന്‍ ആകത്തുക (weighted average) കാണാനുള്ള മാത്തമാറ്റിക്കൽ അല്‍ഗോരിതം, ഔട്ട്പുട്‌ സിഗ്നൽ, മറ്റുള്ള ന്യൂറോണുകളിലേക്കുള്ള കണക്ഷനുകൾ എന്നിവ ഉണ്ടാവും. ഇതെല്ലാം കമ്പ്യൂട്ടർ പ്രോഗ്രാം അഥവാ സോഫ്റ്റ്‌വെയറിൽ ചെയ്യുന്ന മാത്തമാറ്റിക്കൽ മോഡലുകളാണ്‌. ന്യൂറോണുകളെ പരസ്പരം ബന്ധിപ്പിക്കുന്ന ഈ കണക്ഷനുകളെ അവയുടെ ‘ശക്തി’ സൂചിപ്പിക്കുന്ന സംഖ്യകളെക്കൊണ്ട്‌ ആണ്‌ പ്രതിനിധാനം ചെയ്യുന്നത്‌. ഈ കൃത്രിമ ന്യൂറോണുകൾ (നോഡുകൾ) തമ്മിലുള്ള കണക്ഷനുകളുടെ ശക്തി സൂചിപ്പിക്കുന്ന, “വെയ്റ്റ്‌’ (weight) എന്ന്‌ വിളിക്കുന്ന, ഈ സംഖ്യകളിലാണ്‌ നിര്‍മിതബുദ്ധിയുടെ ബുദ്ധി അഥവാ അറിവ്‌ കുടികൊള്ളുന്നത്‌. ഓരോ ന്യൂറോണിനും അതിനെ ബന്ധിപ്പിച്ചിട്ടുള്ള അടുത്ത ന്യൂറോണ്‍ ഉത്പാദിപ്പിക്കുന്ന ഔട്ട് പുട്ട്‌ സിഗ്നലിനെ എത്രത്തോളം സ്വാധീനിക്കാനുള്ള കഴിവ്‌ ഉണ്ട്‌ എന്നതിനെ സൂചിപ്പിക്കുന്ന, അഥവാ ഈ രണ്ടു ന്യൂറോണും തമ്മിലുള്ള കണക്ഷന്റെ ശക്തിയെ സൂചിപ്പിക്കുന്ന സംഖ്യ ആണ്‌ “വെയ്റ്റ്‌. ഈ “വെയ്റ്റ്‌’ സംഖ്യകൾ ആണ്‌ എ.ഐ.യുടെ ബുദ്ധികേന്ദ്രം.

ചിത്രം: ആര്‍ട്ടിഫിഷ്യൽ ന്യൂറൽ നെറ്റ്‌ വര്‍ക്ക്‌

 പരസ്പര ബന്ധിതമായ അസംഖ്യം കൃത്രിമ ന്യൂറോണുകളുടെ ശൃംഖലയായ എ.ഐ.സിസ്റ്റത്തിന്‌ ഈ അറിവ്‌ അഥവാ ബുദ്ധി ഉണ്ടാക്കുന്ന പ്രക്രിയയെ ട്രെയിനിംഗ്‌” എന്ന്‌ വിശേഷിപ്പിക്കുന്നു. വളരെ ലളിതമായി പറഞ്ഞാൽ, അനവധി ഉദാഹരണങ്ങൾ (ഡാറ്റ) കാണിച്ച്‌ അവ എന്താണെന്ന്‌ എ.ഐ.സിസ്റ്റത്തിന്‌ പറഞ്ഞു കൊടുത്ത്‌ സിസ്റ്റത്തെ പഠിപ്പിക്കുന്ന പ്രക്രിയയാണ്‌ ട്രെയിനിംഗ്‌. നമ്മൾ കുട്ടികളെ വിവിധ തരത്തിലുള്ള പൂച്ചകളേയും കോഴികളേയും കാണിച്ചുകൊടുത്ത്‌ പഠിപ്പിക്കുന്നതുപോലെ. ഉദാഹരണത്തിന്‌, അക്കങ്ങൾ തിരിച്ചറിയുന്ന എ.ഐ..സിസ്റ്റമാണ്‌ ഉണ്ടാക്കുന്നതെങ്കിൽ, ഓരോ അക്കങ്ങളുടേയും പല രിതിയിൽ എഴുതിയ ഇമേജുകൾ എ.ഐെ.ക്ക്‌ കാണിച്ചുകൊടുക്കുകയും ഓരോ തവണയും എ.ഐ. ശരിയുത്തരം തരുന്നതുവരെ അതിന്റെ വൈറ്റ്‌” സംഖ്യകൾ മാറ്റിക്കൊണ്ടിരിക്കുകയും ചെയ്യും. ഇങ്ങനെ സംഖ്യകൾ മാറ്റുകയും ഉത്തരം ശരിയാണോ എന്ന്‌ പരിശോധിക്കുകയും, ശരിയല്ലെങ്കിൽ വീണ്ടും സംഖ്യകൾ മാറ്റുകയും വിണ്ടും ഉത്തരം പരിശോധിക്കുകയും ഒക്കെ ചെയ്യുന്ന പ്രക്രിയ നിരവധി തവണ ആവര്‍ത്തിക്കുമ്പോഴാണ്‌ എല്ലാ അക്കങ്ങളേയും തിരിച്ചറിയാന്‍ കഴിവുള്ള ഒരു എ.ഐ.സിസ്റ്റം ഉപയോഗസജ്ജമാവുന്നത്‌. ഈ പ്രവര്‍ത്തനങ്ങളെല്ലാം കമ്പ്യൂട്ടറിലെ സോഫ്റ്റ്‌വെയർ സ്വയം ചെയ്യുന്നു. വിജയകരമായി ട്രെയിനിംഗ്‌ പൂര്‍ത്തിയാക്കിയ എ.ഐ.സിസ്റ്റത്തിന്‌ പിന്നെ ഏത്‌ അക്കങ്ങളും എങ്ങിനെ എഴുതിയതായാലും കൃത്യമായി വായിച്ചെടുക്കാന്‍ കഴിയും.

എ.ഐ.സിസ്റ്റത്തിന്റെ ട്രെയിനിംഗിന്റെ വിജയം പല കാര്യങ്ങളെ ആശ്രയിച്ചാണ്‌ ഇരിക്കുന്നത്‌. അതിൽ ഏറ്റവും പ്രധാനമായ കാര്യം ട്രെയിനിംഗിന്‌ ഉപയോഗിക്കുന്ന ഉദാഹരണങ്ങൾ അഥവാ ഡാറ്റയുടെ ഗുണമാണ്‌” (quality of training data). പ്രസക്തമായ, വൈവിധ്യമുള്ള അഥവാ കൂടുതൽ പ്രാതിനിധ്യ സ്വഭാവമുള്ള, വേണ്ടത്ര അളവിലുള്ള, ഡാറ്റ ഉപയോഗിച്ച്‌ പരിശീലിപ്പിക്കുന്നതിലൂടെ മാത്രമേ നല്ല എ.ഐ. സിസ്റ്റങ്ങൾ ഉണ്ടാക്കാന്‍ കഴിയൂ. തെറ്റായ ട്രെയിനിംഗ്‌ ഡാറ്റ, ഡാറ്റയുടെ അപര്യാപ്തത, ഡാറ്റയുടെ പ്രാതിനിധ്യ സ്വഭാവത്തിന്റെ കുറവ്‌ ഇതൊക്കെ ഒരു എ.ഐ.സിസ്റ്റത്തിന്റെ ഗുണനിലവാരം കുറയ്ക്കും അഥവാ അത്‌ നല്‍കുന്ന ഉത്തരങ്ങളുടെ കൃത്യതയെ ബാധിക്കും. ഡാറ്റയാണ്‌ എ.ഐ.യുടെ മര്‍മം അഥവാ ഹൃദയം എന്നുപറയുന്നത്‌ അതുകൊണ്ടാണ്‌. ഗുണനിലവാരമില്ലാത്ത (ഗാര്‍ബേജ്‌) ഡാറ്റ ഉപയോഗിച്ച്‌ ട്രെയിന്‍ ചെയ്ത എ.ഐ. തരുന്നതും അത്തരം ഗുണനിലവാരമില്ലാത്ത ഉപയോഗശൂന്യമായ റിസള്‍ട്ട്‌ ആയിരിക്കും എന്ന്‌ ചുരുക്കം.(തുടരും)