ഫുട്ബോൾ ബെറ്റിംഗിൽ എഐ തകർന്നടിഞ്ഞു; ഗ്രോക്ക് പാപ്പരായി!

എല്ലാ ജോലികളും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (Artificial Intelligence) കൊണ്ടുപോകുമോ എന്ന ആശങ്ക ലോകമെമ്പാടും പടരുകയാണ്. എന്നാൽ, മനുഷ്യന്റെ തന്ത്രങ്ങളെയും അപ്രവചനീയമായ സാഹചര്യങ്ങളെയും മനസ്സിലാക്കുന്നതിൽ എഐ ഇപ്പോഴും ബഹുദൂരം പിന്നിലാണെന്ന് തെളിയിക്കുന്ന ഒരു വാർത്തയാണ് ഇപ്പോൾ പുറത്തുവരുന്നത്. ലോകത്തെ ഏറ്റവും വലിയ ഫുട്ബോൾ ലീഗുകളിലൊന്നായ ഇംഗ്ലീഷ് പ്രീമിയർ ലീഗിലെ മത്സരഫലങ്ങൾ പ്രവചിച്ച് പണം സമ്പാദിക്കാൻ വിട്ടപ്പോൾ സംഭവിച്ചത് വൻ ദുരന്തം. ഗൂഗിൾ, ഓപ്പൺഎഐ, ഇലോൺ മസ്കിന്റെ xAI തുടങ്ങിയ ഭീമന്മാരുടെ ഏറ്റവും പുതിയ എഐ മോഡലുകൾ എല്ലാം തന്നെ പണം നഷ്ടപ്പെടുത്തി തകർന്നടിഞ്ഞു.

ലണ്ടൻ ആസ്ഥാനമായുള്ള ജനറൽ റീസണിംഗ് എന്ന എഐ സ്റ്റാർട്ടപ്പ് നടത്തിയ “കെല്ലിബെഞ്ച്” (KellyBench) എന്ന പഠനത്തിലാണ് ഈ കണ്ണുതുറപ്പിക്കുന്ന കണ്ടെത്തലുകൾ. കോഡിംഗ് പോലുള്ള ചില പ്രത്യേക ജോലികളിൽ എഐ അത്ഭുതങ്ങൾ കാണിക്കുമ്പോഴും, യഥാർത്ഥ ലോകത്തിലെ സങ്കീർണ്ണമായ പ്രശ്നങ്ങൾക്കു മുന്നിൽ അവ എത്രത്തോളം നിസ്സഹായരാണെന്ന് ഈ പഠനം വ്യക്തമാക്കുന്നു.

പരീക്ഷണം ഇങ്ങനെയായിരുന്നു

2023-24 സീസണിലെ പ്രീമിയർ ലീഗ് മത്സരങ്ങളുടെ ഒരു വെർച്വൽ ലോകം സൃഷ്ടിച്ചായിരുന്നു പരീക്ഷണം. ലോകത്തെ മുൻനിരയിലുള്ള എട്ട് എഐ മോഡലുകളെയാണ് ഇതിനായി തിരഞ്ഞെടുത്തത്. ഓരോ ടീമിന്റെയും ചരിത്രം, മുൻകാല പ്രകടനങ്ങൾ, കളിക്കാരുടെ സ്ഥിതിവിവരക്കണക്കുകൾ തുടങ്ങി വിശദമായ ഡാറ്റ എഐക്ക് നൽകി. ഈ വിവരങ്ങൾ വിശകലനം ചെയ്ത്, ഓരോ മത്സരത്തിലും ആര് ജയിക്കും, എത്ര ഗോളുകൾ പിറക്കും എന്നൊക്കെ പ്രവചിച്ച് പന്തയം വെക്കുകയായിരുന്നു ദൗത്യം.

ലക്ഷ്യം ലളിതമായിരുന്നു: പരമാവധി ലാഭം ഉണ്ടാക്കുക, നഷ്ടസാധ്യതകൾ കുറയ്ക്കുക. ഓരോ മോഡലിനും തുടക്കത്തിൽ 100,000 പൗണ്ട് (ഏകദേശം 1 കോടി രൂപ) നൽകി. ഇന്റർനെറ്റ് ഉപയോഗിച്ച് തത്സമയ വിവരങ്ങൾ എടുക്കാൻ അനുവാദമുണ്ടായിരുന്നില്ല. നൽകിയ ഡാറ്റയെ മാത്രം ആശ്രയിച്ച് തീരുമാനമെടുക്കണം. സീസൺ പുരോഗമിക്കുമ്പോൾ പുതിയ മത്സരഫലങ്ങളും കളിക്കാരുടെ പരിക്കുകൾ പോലുള്ള വിവരങ്ങളും നൽകി, അതിനനുസരിച്ച് തന്ത്രങ്ങൾ മാറ്റാൻ എഐക്ക് കഴിയുമോ എന്നും പരിശോധിക്കപ്പെട്ടു. ഓരോ മോഡലിനും ലാഭമുണ്ടാക്കാൻ മൂന്ന് അവസരങ്ങൾ വീതം നൽകി.

കൈവിട്ടുപോയ കണക്കുകൂട്ടലുകൾ

ഫലം വന്നപ്പോൾ ഗവേഷകർ പോലും ഞെട്ടി. ഒരു എഐ മോഡലിനു പോലും സ്ഥിരമായി ലാഭമുണ്ടാക്കാൻ കഴിഞ്ഞില്ല. പലതും തുടങ്ങിയ പണം മുഴുവൻ നഷ്ടപ്പെടുത്തി പാപ്പരായി. മനുഷ്യന്റെ സാമാന്യബുദ്ധിയോ കളിയിലെ അപ്രവചനീയതയോ മനസ്സിലാക്കാൻ സാധിക്കാതെ, ഡാറ്റയെ മാത്രം ആശ്രയിച്ച എഐയുടെ കണക്കുകൂട്ടലുകൾ പൂർണ്ണമായും പിഴച്ചു.

പ്രധാനപ്പെട്ട ചില എഐ മോഡലുകളുടെ പ്രകടനം ഇങ്ങനെയായിരുന്നു:

• xAI ഗ്രോക്ക് 4.20: ഇലോൺ മസ്ക് വലിയ പ്രതീക്ഷയോടെ അവതരിപ്പിച്ച ഗ്രോക്കിന്റെ പ്രകടനം ഏറ്റവും ദയനീയമായിരുന്നു. ഒരു ശ്രമത്തിൽ പൂർണ്ണമായും പാപ്പരായി. ബാക്കി രണ്ട് ശ്രമങ്ങൾ പൂർത്തിയാക്കാൻ പോലും അതിന് കഴിഞ്ഞില്ല. ശരാശരി നഷ്ടം 100%.
• ഗൂഗിൾ ജെമിനി 3.1 പ്രോ: ഒരു ശ്രമത്തിൽ 34% ലാഭമുണ്ടാക്കി പ്രതീക്ഷ നൽകിയെങ്കിലും, അടുത്ത ശ്രമത്തിൽ പൂർണ്ണമായും പരാജയപ്പെട്ട് പാപ്പരായി. ശരാശരി നഷ്ടം 43.3%.
• ഓപ്പൺഎഐ ജിപിടി-5.4: ചാറ്റ്ജിപിടിയുടെ പിന്നിലുള്ള ഈ മോഡലിനും കാര്യമായൊന്നും ചെയ്യാനായില്ല. ശരാശരി 13.6% നഷ്ടം രേഖപ്പെടുത്തി.
• ആന്ത്രോപിക് ക്ലോഡ് ഓപ്പസ് 4.6: കൂട്ടത്തിൽ അല്പം ഭേദപ്പെട്ട പ്രകടനം കാഴ്ചവെച്ചത് ക്ലോഡ് ആയിരുന്നു. ശരാശരി നഷ്ടം 11% ത്തിൽ ഒതുക്കാൻ ഇതിന് സാധിച്ചു. ഒരു ഘട്ടത്തിൽ നഷ്ടമില്ലാതെ കഷ്ടിച്ച് രക്ഷപ്പെട്ടു.

കടലാസിലെ കണക്കുകൾ കളിക്കളത്തിൽ വിലപ്പോവില്ല എന്ന ഫുട്ബോൾ ചൊല്ല് അക്ഷരാർത്ഥത്തിൽ ശരിവെക്കുന്നതായിരുന്നു ഫലങ്ങൾ. “ഞങ്ങൾ പരീക്ഷിച്ച എല്ലാ മുൻനിര മോഡലുകളും പണം നഷ്ടപ്പെടുത്തി, പലതും പാപ്പരായി,” പഠന റിപ്പോർട്ടിന്റെ രചയിതാക്കൾ പറയുന്നു. ഇത്തരം സാഹചര്യങ്ങളിൽ മനുഷ്യന്റെ കഴിവിനെ മറികടക്കാൻ എഐക്ക് സാധിക്കുന്നില്ലെന്നും അവർ കൂട്ടിച്ചേർത്തു.

എന്തുകൊണ്ട് എഐ കാലിടറി?

എന്തുകൊണ്ടാണ് ലോകത്തെ ഏറ്റവും മികച്ച എഐ മോഡലുകൾ പോലും ഈ ദൗത്യത്തിൽ പരാജയപ്പെട്ടത്? ഇതിന് വ്യക്തമായ ഉത്തരമുണ്ട്. നിലവിലെ എഐ മോഡലുകൾക്ക് പരിശീലനം നൽകുന്നത് വളരെ സ്ഥിരതയുള്ള, അടഞ്ഞ സാഹചര്യങ്ങളിലാണ് (static environments). ഉദാഹരണത്തിന്, ഒരു പ്രോഗ്രാമിംഗ് ടാസ്ക് നൽകിയാൽ, അതിന്റെ നിയമങ്ങളും സാഹചര്യങ്ങളും മാറുന്നില്ല. എന്നാൽ ഫുട്ബോൾ അങ്ങനെയല്ല.

ഒരു ഫുട്ബോൾ സീസൺ എന്നത് അപ്രതീക്ഷിത സംഭവങ്ങളുടെ ഒരു ഘോഷയാത്രയാണ്. പ്രധാന കളിക്കാരന് പെട്ടെന്നുണ്ടാകുന്ന പരിക്ക്, റഫറിയുടെ ഒരു തെറ്റായ തീരുമാനം, കാലാവസ്ഥയിലെ മാറ്റം, കളിക്കാർ തമ്മിലുള്ള രസതന്ത്രം, ടീമിന്റെ ആത്മവിശ്വാസം തുടങ്ങി ഡാറ്റയിൽ അളക്കാൻ കഴിയാത്ത നൂറുകണക്കിന് ഘടകങ്ങൾ ഒരു മത്സരഫലത്തെ സ്വാധീനിക്കും. ഈ സങ്കീർണ്ണതയും അനിശ്ചിതത്വവും മനസ്സിലാക്കി ദീർഘകാലത്തേക്ക് തന്ത്രങ്ങൾ മെനയുന്നതിൽ എഐ ദയനീയമായി പരാജയപ്പെട്ടു.

ജനറൽ റീസണിംഗിന്റെ സിഇഒയും പഠനത്തിന്റെ മുഖ്യ രചയിതാവുമായ റോസ് ടെയ്‌ലർ പറയുന്നു, “എഐ ഓട്ടോമേഷനെക്കുറിച്ച് വലിയ ഹൈപ്പ് നിലവിലുണ്ട്, എന്നാൽ ദീർഘകാലത്തേക്ക് യഥാർത്ഥ ലോക സാഹചര്യങ്ങളിൽ എഐയെ പരീക്ഷിക്കുന്ന പഠനങ്ങൾ വളരെ കുറവാണ്.” മെറ്റയുടെ മുൻ എഐ ഗവേഷകൻ കൂടിയായ ടെയ്‌ലർ ചൂണ്ടിക്കാണിക്കുന്നത്, എഐയുടെ കഴിവുകൾ അളക്കാൻ ഉപയോഗിക്കുന്ന പല മാനദണ്ഡങ്ങളും ഇത്തരം യാഥാർത്ഥ്യങ്ങളെ ഉൾക്കൊള്ളുന്നില്ല എന്നതാണ്.

തൊഴിൽ നഷ്ട ഭീതിക്ക് ആശ്വാസമേകുമോ?

എഐ തങ്ങളുടെ ജോലി തട്ടിയെടുക്കുമോ എന്ന് ഭയപ്പെടുന്ന സാമ്പത്തിക, മാർക്കറ്റിംഗ്, മാനേജ്മെന്റ് രംഗത്തെ പ്രൊഫഷണലുകൾക്ക് ഈ പഠനം ഒരു പരിധി വരെ ആശ്വാസം നൽകുന്നുണ്ട്. ഒരു ഡാറ്റാബേസ് വിശകലനം ചെയ്യാനോ ഒരു റിപ്പോർട്ട് എഴുതാനോ എഐക്ക് കഴിഞ്ഞേക്കും. എന്നാൽ, മാറിക്കൊണ്ടിരിക്കുന്ന മാർക്കറ്റ് സാഹചര്യങ്ങൾക്കനുസരിച്ച് ഒരു ബിസിനസ്സ് തന്ത്രം രൂപപ്പെടുത്താനോ, ഒരു ടീമിനെ നയിക്കാനോ, പ്രതിസന്ധി ഘട്ടങ്ങളിൽ ശരിയായ തീരുമാനമെടുക്കാനോ മനുഷ്യന്റെ കഴിവിനൊപ്പമെത്താൻ എഐക്ക് ഇനിയും ഒരുപാട് ദൂരം സഞ്ചരിക്കേണ്ടതുണ്ട്.

സോഫ്റ്റ്‌വെയർ എഞ്ചിനീയറിംഗ് പോലുള്ള മേഖലകളിൽ എഐയുടെ മുന്നേറ്റം വളരെ വലുതാണെങ്കിലും, മനുഷ്യന്റെ ദൈനംദിന ജീവിതത്തിലെ മറ്റ് പല മേഖലകളിലും അതിന്റെ പരിമിതികൾ വ്യക്തമാണ്. ഈ പഠനം വെറുമൊരു ഫുട്ബോൾ ബെറ്റിംഗിന്റെ കഥയല്ല, മറിച്ച് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ നിലവിലെ കഴിവും പരിമിതികളും തുറന്നുകാട്ടുന്ന ഒന്നാണ്.

ഹൈപ്പും യാഥാർത്ഥ്യവും

ചുരുക്കത്തിൽ, ഈ പഠനം ഒരു യാഥാർത്ഥ്യത്തിലേക്കാണ് വിരൽ ചൂണ്ടുന്നത്. എഐ മോഡലുകൾ ശക്തമായ ഉപകരണങ്ങളാണ്, സംശയമില്ല. എന്നാൽ അവ എല്ലാറ്റിനും കഴിവുള്ള ഒരു മാന്ത്രിക വടിയല്ല. മനുഷ്യന്റെ ചിന്താശേഷി, തന്ത്രങ്ങൾ മെനയാനുള്ള കഴിവ്, അപ്രതീക്ഷിത സാഹചര്യങ്ങളോട് പൊരുത്തപ്പെടാനുള്ള ശേഷി എന്നിവയ്ക്ക് പകരമാകാൻ അവയ്ക്ക് ഇനിയും സാധിച്ചിട്ടില്ല. ഫുട്ബോൾ മൈതാനത്ത് എഐ തോറ്റത് ഒരു കളിയായി കാണാമെങ്കിലും, അത് സാങ്കേതികവിദ്യയുടെ ഭാവിയെക്കുറിച്ചുള്ള വലിയൊരു പാഠം കൂടിയാണ് നൽകുന്നത്.