നമ്മുടെ സംഭാഷണങ്ങളിലും വാർത്താ ഫീഡുകളിലും സിനിമകളിലുമെല്ലാം ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) ഇന്ന് ഒരു സാധാരണ വാക്കായി മാറിയിരിക്കുന്നു. ചാറ്റ്ജിപിടി മുതൽ സ്മാർട്ട്ഫോണിലെ ക്യാമറ വരെ എഐയുടെ സ്വാധീനം വലുതാണ്. എന്നാൽ ഈ സാങ്കേതികവിദ്യയെക്കുറിച്ച് സംസാരിക്കുമ്പോൾ പലപ്പോഴും നമ്മൾ കേൾക്കുന്ന ചില വാക്കുകളുണ്ട് – എൽഎൽഎം, ഹാലൂസിനേഷൻ, എജിഐ… ഇവയെല്ലാം കേൾക്കുമ്പോൾ സാധാരണക്കാർക്ക് നെറ്റി ചുളിയുന്നത് സ്വാഭാവികം.
എഐ ലോകത്തെ ഭരിക്കുന്ന ഈ സാങ്കേതിക പദാവലികൾ അത്ര വലിയ ബാലികേറാമലയൊന്നുമല്ല. ഗവേഷകരും വിദഗ്ധരും ഉപയോഗിക്കുന്ന ഈ ഭാഷയെ സാധാരണക്കാർക്ക് മനസ്സിലാകുന്ന രീതിയിൽ ലളിതമായി വിശദീകരിക്കുകയാണ് ഇവിടെ. ഏറ്റവും പ്രചാരമുള്ള ചില എഐ സാങ്കേതിക പദങ്ങൾ നമുക്ക് പരിചയപ്പെടാം.
എന്താണ് ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് (AGI)?
എഐ ഗവേഷണ രംഗത്തെ ഒരു ‘വിശുദ്ധ പശു’ എന്ന് വേണമെങ്കിൽ എജിഐയെ വിശേഷിപ്പിക്കാം. മനുഷ്യന് ചെയ്യാൻ കഴിയുന്ന ഏതൊരു ബൗദ്ധിക ജോലിയും അതേ മികവോടെയോ അതിനേക്കാൾ മികച്ച രീതിയിലോ ചെയ്യാൻ കഴിവുള്ള ഒരു സങ്കൽപ്പത്തിലെ എഐ ആണിത്. ഇന്നത്തെ എഐ സംവിധാനങ്ങൾ ഒരു പ്രത്യേക ജോലിയിൽ (ഉദാഹരണത്തിന്, ചിത്രം വരയ്ക്കുക അല്ലെങ്കിൽ കോഡ് എഴുതുക) മാത്രം മിടുക്ക് കാണിക്കുമ്പോൾ, എജിഐ എല്ലാ കാര്യങ്ങളിലും ഒരുപോലെ പ്രാവീണ്യമുള്ളതായിരിക്കും.
പക്ഷേ, എന്താണ് എജിഐ എന്നതിന് കൃത്യമായ ഒരു നിർവചനം നൽകാൻ ഈ രംഗത്തെ അതികായന്മാർക്ക് പോലും കഴിഞ്ഞിട്ടില്ല എന്നതാണ് രസകരം. ഓപ്പൺഎഐ സിഇഒ സാം ആൾട്ട്മാന്റെ അഭിപ്രായത്തിൽ, “ഒരു സഹപ്രവർത്തകനായി നിയമിക്കാൻ കഴിയുന്ന ശരാശരി മനുഷ്യന് തുല്യമായ” ഒന്നാണ് എജിഐ. എന്നാൽ ഗൂഗിളിന്റെ ഡീപ്മൈൻഡ് ലാബ് പറയുന്നത്, “മിക്ക ബൗദ്ധിക ജോലികളിലും മനുഷ്യനോളം കഴിവുള്ള എഐ” എന്നാണ്. ചുരുക്കത്തിൽ, മനുഷ്യബുദ്ധിയെ മറികടക്കുന്ന ഒരു ഭാവിയുടെ വാഗ്ദാനമാണ് എജിഐ. അത് എപ്പോൾ വരുമെന്നോ എങ്ങനെയായിരിക്കുമെന്നോ ആർക്കും ഉറപ്പില്ല.
വമ്പൻ ഭാഷാ മോഡലുകൾ അഥവാ LLM
ലാർജ് ലാംഗ്വേജ് മോഡൽ (Large Language Model) എന്നതിന്റെ ചുരുക്കപ്പേരാണ് എൽഎൽഎം. ഇന്ന് നമ്മൾ കാണുന്ന ചാറ്റ്ജിപിടി, ഗൂഗിൾ ജെമിനി പോലുള്ള എഐ ചാറ്റ്ബോട്ടുകളുടെയെല്ലാം ഹൃദയം ഇതാണ്. കോടിക്കണക്കിന് പുസ്തകങ്ങൾ, ലേഖനങ്ങൾ, വെബ്സൈറ്റുകൾ എന്നിവയിൽ നിന്നുള്ള വിവരങ്ങൾ ഉപയോഗിച്ച് പരിശീലിപ്പിച്ച ഒരു ഭീമൻ ന്യൂറൽ നെറ്റ്വർക്ക് ആണിത്.
ഇവയുടെ പ്രധാന ജോലി ഒരു വാചകത്തിലെ അടുത്ത വാക്ക് ഏതായിരിക്കുമെന്ന് പ്രവചിക്കുക എന്നതാണ്. “കേരളത്തിന്റെ തലസ്ഥാനം…” എന്ന് നിങ്ങൾ നൽകുമ്പോൾ, അത് പരിശീലിച്ച ഡാറ്റയിൽ നിന്ന് “തിരുവനന്തപുരം” എന്ന വാക്ക് വരാനാണ് ഏറ്റവും സാധ്യതയെന്ന് മനസ്സിലാക്കുന്നു. ഇങ്ങനെ വാക്കുകൾ കോർത്തെടുത്ത് സ്വാഭാവികമായ മറുപടികൾ നൽകാനും, കവിതയെഴുതാനും, കോഡ് തയ്യാറാക്കാനും വരെ എൽഎൽഎമ്മുകൾക്ക് സാധിക്കുന്നു. ഒരു വിഷയത്തെക്കുറിച്ച് ആഴത്തിൽ പഠിച്ച ഒരാളോട് സംസാരിക്കുന്നത് പോലെയാണ് ഇവയോട് സംവദിക്കുന്നത്.
ഹാലൂസിനേഷൻ: എഐയുടെ ‘കള്ളം പറച്ചിൽ’
ചിലപ്പോൾ എഐ ചാറ്റ്ബോട്ടുകളോട് ചോദ്യങ്ങൾ ചോദിക്കുമ്പോൾ, അവ വളരെ ആത്മവിശ്വാസത്തോടെ പച്ചക്കള്ളങ്ങൾ പറയും. ഇല്ലാത്ത സിനിമകളെക്കുറിച്ചോ, നടക്കാത്ത സംഭവങ്ങളെക്കുറിച്ചോ ഒക്കെ യാതൊരു സംശയവുമില്ലാതെ മറുപടി നൽകും. ഈ പ്രതിഭാസത്തെയാണ് ടെക് ലോകം ‘ഹാലൂസിനേഷൻ’ (Hallucination) എന്ന് വിളിക്കുന്നത്.
എന്തുകൊണ്ടാണ് ഇത് സംഭവിക്കുന്നത്? എഐക്ക് സ്വന്തമായി അറിവോ ബോധമോ ഇല്ല. അത് ഡാറ്റയിലെ പാറ്റേണുകൾ പഠിച്ച് അടുത്ത വാക്ക് പ്രവചിക്കുക മാത്രമാണ് ചെയ്യുന്നത്. ചിലപ്പോൾ ഈ പ്രവചനം തെറ്റിപ്പോകുകയും, അത് യാഥാർത്ഥ്യവുമായി ബന്ധമില്ലാത്ത വിവരങ്ങൾ സൃഷ്ടിക്കുകയും ചെയ്യുന്നു. ഉദാഹരണത്തിന്, മമ്മൂട്ടി ഒരു ഹോളിവുഡ് സിനിമയിൽ അഭിനയിച്ചിട്ടുണ്ടോ എന്ന് ചോദിച്ചാൽ, ചിലപ്പോൾ ഒരു സിനിമയുടെ പേരും സംവിധായകന്റെ പേരുമെല്ലാം സഹിതം ഒരു ഭാവനാസൃഷ്ടി അത് നിങ്ങൾക്ക് നൽകിയേക്കാം. അതിനാൽ, എഐ നൽകുന്ന വിവരങ്ങൾ എല്ലായ്പ്പോഴും വസ്തുതാപരമായി ശരിയാണോ എന്ന് പരിശോധിക്കേണ്ടത് അത്യാവശ്യമാണ്.
എഐ ഏജന്റ്: നിങ്ങളുടെ ഡിജിറ്റൽ സഹായി
ഒരു സാധാരണ ചാറ്റ്ബോട്ടിന്റെ അടുത്ത ഘട്ടമാണ് എഐ ഏജന്റ് (AI Agent). നിങ്ങൾക്കുവേണ്ടി ഒന്നിലധികം ജോലികൾ സ്വയം ചെയ്യാൻ കഴിവുള്ള ഒരു സംവിധാനമാണിത്. വെറുമൊരു ചോദ്യത്തിന് ഉത്തരം നൽകുന്നതിന് പകരം, ഒരു എഐ ഏജന്റിന് നിങ്ങളുടെ കലണ്ടർ പരിശോധിച്ച് ഒരു മീറ്റിംഗ് ഷെഡ്യൂൾ ചെയ്യാനും, വിമാന ടിക്കറ്റുകൾ ബുക്ക് ചെയ്യാനും, ഓൺലൈനായി സാധനങ്ങൾ ഓർഡർ ചെയ്യാനും കഴിഞ്ഞേക്കും.
ഒരു ഉദാഹരണം പറഞ്ഞാൽ, “അടുത്തയാഴ്ച മൂന്നാറിലേക്ക് രണ്ടു ദിവസത്തെ ഒരു യാത്ര പ്ലാൻ ചെയ്യണം” എന്ന് നിങ്ങൾ എഐ ഏജന്റിനോട് ആവശ്യപ്പെട്ടാൽ, അത് മികച്ച ഹോട്ടലുകൾ കണ്ടെത്തുകയും, യാത്രാസൗകര്യം ബുക്ക് ചെയ്യുകയും, കാണാനുള്ള സ്ഥലങ്ങളുടെ ഒരു ലിസ്റ്റ് തയ്യാറാക്കുകയും ചെയ്യും. ഈ രംഗം ഇപ്പോഴും വികസനത്തിന്റെ പ്രാരംഭ ഘട്ടത്തിലാണ്. എന്നാൽ ഭാവിയിൽ നമ്മുടെ ഡിജിറ്റൽ ജീവിതത്തിലെ ഒഴിവാക്കാനാവാത്ത സഹായികളായി എഐ ഏജന്റുകൾ മാറുമെന്നുറപ്പാണ്.
ചെയിൻ-ഓഫ്-തൊട്ട്: ചിന്തയുടെ ചങ്ങല
സങ്കീർണ്ണമായ ഒരു ഗണിത പ്രശ്നം കിട്ടിയാൽ നമ്മളെന്തു ചെയ്യും? അത് ഘട്ടം ഘട്ടമായി ഒരു പേപ്പറിൽ എഴുതി ഉത്തരം കണ്ടെത്താൻ ശ്രമിക്കും. ഇതേ രീതി എഐ മോഡലുകളെ പഠിപ്പിക്കുന്നതിനെയാണ് ചെയിൻ-ഓഫ്-തൊട്ട് (Chain-of-Thought) റീസണിംഗ് എന്ന് പറയുന്നത്. ഒരു ചോദ്യത്തിന് ഒറ്റയടിക്ക് ഉത്തരം നൽകുന്നതിന് പകരം, ഉത്തരത്തിലേക്ക് എത്താനുള്ള ഓരോ ഘട്ടവും സ്വയം ചിന്തിച്ച് കണ്ടെത്താൻ ഇത് എഐയെ സഹായിക്കുന്നു.
- പ്രശ്നത്തെ വിഭജിക്കുന്നു: വലിയൊരു ചോദ്യത്തെ ചെറിയ, കൈകാര്യം ചെയ്യാൻ എളുപ്പമുള്ള ഭാഗങ്ങളായി തിരിക്കുന്നു.
- ഓരോ ഘട്ടവും ചിന്തിക്കുന്നു: ഓരോ ചെറിയ ഭാഗത്തിനും ഉത്തരം കണ്ടെത്തി അടുത്ത ഘട്ടത്തിലേക്ക് പോകുന്നു.
- കൃത്യത വർദ്ധിപ്പിക്കുന്നു: ഈ രീതി ഉപയോഗിക്കുന്നതിലൂടെ എഐയുടെ ഉത്തരങ്ങൾ കൂടുതൽ യുക്തിസഹവും കൃത്യവുമാകുന്നു.
പ്രത്യേകിച്ച് ഗണിതശാസ്ത്രം, കോഡിംഗ്, ലോജിക്കൽ റീസണിംഗ് എന്നിവ ആവശ്യമായ സന്ദർഭങ്ങളിൽ ഈ രീതി എഐയുടെ പ്രകടനത്തെ കാര്യമായി മെച്ചപ്പെടുത്തുന്നുണ്ട്. ഇത് എഐയുടെ ‘ചിന്താ പ്രക്രിയ’ കൂടുതൽ സുതാര്യമാക്കാനും സഹായിക്കുന്നു.
കമ്പ്യൂട്ട്: എഐയുടെ ഇന്ധനം
എഐ മോഡലുകളെ പരിശീലിപ്പിക്കാനും പ്രവർത്തിപ്പിക്കാനും ആവശ്യമായ ഭീമമായ കമ്പ്യൂട്ടിംഗ് ശക്തിയെയാണ് ‘കമ്പ്യൂട്ട്’ (Compute) എന്ന വാക്കു കൊണ്ട് പൊതുവെ അർത്ഥമാക്കുന്നത്. ഒരു എഐ മോഡലിനെ ഒരു സൂപ്പർകാറിന്റെ എഞ്ചിനായി സങ്കൽപ്പിച്ചാൽ, അതിന് പ്രവർത്തിക്കാൻ ആവശ്യമായ ഉയർന്ന നിലവാരമുള്ള ഇന്ധനമാണ് കമ്പ്യൂട്ട്.
ഇത് വെറുമൊരു ലാപ്ടോപ്പോ ഡെസ്ക്ടോപ്പോ നൽകുന്ന ശക്തിയല്ല. ആയിരക്കണക്കിന് അതിശക്തമായ ഗ്രാഫിക്സ് പ്രോസസ്സിംഗ് യൂണിറ്റുകൾ (GPUs) ഒരുമിച്ച് പ്രവർത്തിക്കുന്ന ഡാറ്റാ സെന്ററുകളാണ് ഇതിന് പിന്നിൽ. എൻവിഡിയ (Nvidia) പോലുള്ള കമ്പനികൾ നിർമ്മിക്കുന്ന ഇത്തരം ഹാർഡ്വെയറുകളാണ് എഐ വ്യവസായത്തിന്റെ നട്ടെല്ല്. ഈ കമ്പ്യൂട്ടിംഗ് ശക്തിയുടെ ലഭ്യതയും ചെലവുമാണ് ഒരു രാജ്യത്തിന്റെയോ കമ്പനിയുടെയോ എഐ രംഗത്തെ വളർച്ചയെ നിർണ്ണയിക്കുന്ന പ്രധാന ഘടകങ്ങളിലൊന്ന്.
വാക്കുകൾക്കപ്പുറത്തെ യാഥാർത്ഥ്യം
ഇവിടെ വിശദീകരിച്ചവ എഐ ലോകത്തെ ചില അടിസ്ഥാന ആശയങ്ങൾ മാത്രമാണ്. ഈ സാങ്കേതികവിദ്യ ഓരോ ദിവസവും വളരുകയാണ്, പുതിയ വാക്കുകളും ആശയങ്ങളും നിരന്തരം ഉണ്ടാകുന്നു. ഈ എഐ സാങ്കേതിക പദങ്ങൾ മനസ്സിലാക്കുന്നത് ഈ അത്ഭുതലോകത്തെക്കുറിച്ചുള്ള ചർച്ചകളിൽ പങ്കുചേരാനും അതിന്റെ സാധ്യതകളെയും പരിമിതികളെയും കുറിച്ച് ബോധവാന്മാരാകാനും നമ്മളെ സഹായിക്കും. ഇതൊരു തുടക്കം മാത്രമാണ്, എഐയുടെ ലോകം ഇനിയും വികസിക്കാനിരിക്കുന്നതേയുള്ളൂ.
