செயற்கை நுண்ணறிவு (அநேகமாக) எல்லார் வாழ்க்கையிலும் ஓர் அங்கமாகிவிட்டது. நம்மோடு பேசுகிறது. கேள்விகள் கேட்டால் சளைக்காமல் பதில் சொல்கிறது. இருந்தும், அதன் திறன் போதாது என்று தொழில்நுட்பம் போராடுகிறது. உண்மையில் பெரும் ஆற்றல் கொண்டதா நுண்ணறிவு? இல்லை இன்னும் சொல்லிக் கொடுக்க வேண்டிய நிலையில் இருக்கிறதா?

நுண்ணறிவை இன்னோர் புதிய கட்டத்துக்கு நகர்த்தி வந்திருக்கும் பேராசிரியர் ஃபை – ஃபை லீ (Dr. Fei -Fei Li) என்ன சொல்கிறார்? நுண்ணறிவை நாம் தொடர்ந்து மேம்படுத்திக் கொண்டே இருப்பது தான் நமக்கு நல்லது என்கிறார் அவர். அவரின் “The Worlds I See” ஏட்டில் இருந்து சில வரிகள் இங்கே :

பொதுவாக, அறிவியலாளர்கள் சாதாரண மக்கள் மொழியில் எழுதும்போது சொல்லவேண்டிய தகவல்கள், விளக்கங்களில் மட்டும் கவனம் செலுத்துவார்கள். அவர்கள் யார், அவர்கள் சொந்த வாழ்க்கை எப்படி என்று பெரிதாக அதில் வராது. பேராசிரியர் லீ அப்படி அல்ல.

16 வயதில், ஆசியப் பின்னணி கொண்ட அம்மா அப்பாவின் பின்னால், முன்பின் தெரியாத ஒரு நாட்டின் விமான நிலையத்தில் வந்திறங்கும் ஒரு சின்னப் பெண்ணின் அறிமுகத்தோடு ஏடு துவங்குகிறது.

நுண்ணறிவின் வரலாறும் அந்தப் பெண்ணின் சொந்த வரலாறும் ஒன்று சேர்ந்து பயணிப்பது ஆச்சரியம் தரும் அனுபவம்.

அவரின் தாய் தந்தையர் சீனநாட்டில் இருந்து புலம் பெயர்ந்திருக்கலாம். ஆனால் அமெரிக்க நாட்டில் அவரின் வாழ்வில் கைகொடுத்த நண்பர்கள், பல்கலைக்கழக ஆய்வுகளை ஊக்குவித்தவர்கள், யோசனைகள் சொன்னவர்கள்.. என்று அனைவரையும் அந்தந்த நிகழ்வுகளில் குறிப்பிட்டு எழுதும் நன்றி உணர்வும் திறந்த மனதோடு வாழ்க்கையை அணுகும் பாங்கும் ஏட்டில் பளிச்சிடுகின்றன.

1935 களில் ஆலன் டூரிங் (Alan Turing) ஓர் கணனியின் அமைப்பு எப்படி இருக்கவேண்டும் என்று கணித அடிப்படையில் அச்சாரம் போட .. பின்னாளில் வந்தவர்கள் மின் பொறியியல், உளவியல் துறைகளின் பின்னணியில் அதை இன்னும் மெருகூட்ட .. ஆனால் அத்தனையுமே அன்றைய நாட்களில் எழுத்து வடிவில் மட்டும் இருந்தன.

1956 – 1959 காலகட்டங்களில் தான் ஸ்டான்போர்ட் பல்கலைக்கழகத்தில் கணனி உருவாக்கம் முழுமூச்சோடு செயல்படத் துவங்கியது. ஆனால் அன்றைய பேபி கணனியால் சொன்னதை உடனடியாகப் புரிந்துகொள்ள முடியவில்லை. தடுமாறியது.

ஆனால் வடிவமைத்தவர்கள் தடுமாறவில்லை. இன்னும் முனைப்போடு செயல்பட்டார்கள். அவர்களின் விடாமுற்சியில் கணனி அமைப்பில் பெரும் பாய்ச்சல் நிகழ்ந்தது என்பது தான் உண்மை.

1979 -1980 களில் நுண்ணறிவு வியக்கத்தக்க அளவில் சந்தைக்குள் நுழைந்தது. மருத்துவம், பொருளியல் மற்றும் நிதி அமைப்புகளில் அதன் தேவை பெருகியது. அப்போது அதன் பேர் : INTERNIST-1.

மருத்துவத்தில் மட்டும் 500 க்கும் அதிகமான நோய்கள் பற்றிய தரவுகள், மற்றும் இந்த நோய்களின் 5000 க்கும் மேற்பட்ட வெவ்வேறு முன் அறிகுறிகள் பற்றிய குறிப்புகள் மருத்துவர்களுக்குப் பேருதவியாய் அமைந்தன.

இருந்தும், நாட்கள் செல்லச்செல்ல இந்தக் களஞ்சியத்தின் சுமை கட்டுப்படுத்த முடியாத அளவில் பெருகிற்று. கடைசியில் தாக்குப் பிடிக்க முடியாமல் INTERNIST-1 மெல்ல மெல்ல மறைந்தது.

கணனி, அதன் துவக்க காலத்தில் ஏற்கெனவே பதிந்திருந்த உள் கட்டமைப்பின் நெறிமுறைகளுக்கு (algorithms) ஏற்றபடி மட்டுமே இயங்கிக் கொண்டிருந்தது. அதற்கு அப்பால் எதுவுமே தெரியாது. 1990 களில் நெறிமுறைகளில் மாற்றங்கள் புகுத்தினார்கள்.

இந்தப் புதிய வழியில், ஏற்கெனவே பதிந்திருக்கும் தரவுகள், தகவல்களில் ஏதாவது ஒழுங்கு முறைகள் (patterns) இருக்குமோ அல்லது தொடர்புகள் இருக்குமோ என்று கணனி துருவித் துருவி ஆராய்கிறது. அனைத்தையும் வகை அல்லது கூறுகளாகப் பிரித்து வைத்துக் கொள்கிறது.

பிரச்னைகள், கேள்விகள் என்று வரும்போது ஏற்கெனவே கைவசம் வைத்திருக்கும் மாதிரிகளை ஒப்பு நோக்கிப் பார்க்கிறது. எந்தப் பதிலில் அல்லது எந்தத் தீர்வில் சாத்தியக்கூறுகள் அதிகம் உண்டு? ஒவ்வொன்றாக அலசுகிறது. கடைசியில் எடுக்கும் முடிவை நமக்குத் தெரிவிக்கிறது. இந்த செயல்பாட்டை Machine Learning என்பார்கள்.

மூளை நம்மை இயக்குகிறது. அது இல்லாவிட்டால் நாம் இல்லை. உண்மை. ஆனால் அது திடீர் என்று ஒரு ஒளிச்சுடர் போல் தோன்றவில்லை. அது மில்லியன் கணக்கான ஆண்டுகளாக படிப்படியாக உருவாகி வந்திருக்கிறது. இதில் சுவாரஸ்யம் என்னவென்றால் நம் கண்களின் திரையில் இருக்கும் ஆப்சின் (opsin ) என்கிற புரதம் அதன் மீது ஒளி பட்டதும் (photons) அதன் கட்டமைப்பில் மாற்றம் ஏற்படுவதை உயிரியல் அவதானித்திருக்கிறது.

இந்தக் கண்டுபிடிப்பின் மூலம் மூளை என்கிற உறுப்பு உருவாவதற்கு இந்தப் புரதம் மிகவும் அவசியமானது என்று தெரிய வந்தது. (ஏறக்குறைய சுமார் 543 மில்லியன் ஆண்டுகளுக்கு முன் பூமியில் வாழ்ந்த உயிரினங்களுக்குக் கண்கள் இருக்கவில்லை. காம்பிரியன் காலகட்டம் – ஆங்கிலத்தில் Cambrian Explosion). ஆகவே பார்வை என்கிற செயல்பாடு உயிர்களின் படிநிலை வளர்ச்சியில் ஏற்பட்ட மாபெரும் புரட்சி என்கிறார்கள்.

நம்மைச் சுற்றி ஓர் உலகம் இருக்கிறது என்னும் உணர்வுக்கு அடிப்படை பார்வை. உணவு தேட அல்லது மற்ற உயிர்களுக்கு இரையாகாமல் தப்பித்துக் கொள்ளப் பார்வை தேவை. தொடர்ந்து வாழ்க்கையைக் கொண்டு செல்லப் பார்வை அவசியம்.

உயிரினங்களின் பார்வை பற்றிய இந்தக் கருத்தை நுண்ணறிவுக்கு எப்படிப் பயன்படுத்தலாம்? பேராசிரியர் எடுத்துக் கொண்ட கருப்பொருள் இது.

நுண்ணறிவின் ஒவ்வோர் புதுப்புது அவதாரங்களிலும் நிறங்களையும் பிம்பங்களையும் பிக்செல் (pixel) என்கிற அளவுகோல் மூலம் நிர்ணயம் செய்து வருகிறார்கள். பிக்செல் என்பது எண்களின் அடிப்படையில் அமைந்திருக்கிறது. நிறத்தின், பிம்பங்களின் ஒவ்வோர் புள்ளிக்கும் எண்கள் உண்டு. இந்த எண்களின் வரிசையை அல்லது ஒழுங்கு முறைகளை உள்வாங்கிக் கொள்வதன் மூலம் இது படம், இது இன்ன நிறம், இது ஒவ்வொரு புள்ளிகளின் கோணம் என்று நுண்ணறிவு முடிவுக்கு வருகிறது.

சரி. நுண்ணறிவுக்கு இது பொருந்தும். ஆனால் மனிதர்களின் பார்வையும் இதே ரீதியிலா அமைந்திருக்கிறது? பேராசிரியரின் ஆய்வு வேறொரு கோணத்தில் சென்றிருக்கிறது.

பார்வை சிக்கலான ஓர் செயல்பாடு. அது வெறும் எண்களில் மட்டும் அடங்கியதல்ல. அது நம் அறிவுக்கூர்மையோடு தொடர்புபட்டது என்கிற முடிவுக்கு வருகிறார். மனிதர்களின் பார்வையில் வெறும் பொருள்கள், நடப்புகள் மட்டுமே அடங்காது.

பொருள்களோ நடப்புகளோ எந்தப் பின்னணியில் தெரிகின்றன? சுற்றி என்ன இருக்கிறது? பொருள்களின் உருவ அமைப்பு (outline) எப்படி இருக்கிறது? தெரியும் நிறங்கள் எந்த விகிதத்தில் இருக்கின்றன? வெளிச்சம் எந்த அளவு அந்தக் காட்சியில், பொருள்கள், நடப்புகள் மேல் படர்ந்திருக்கிறது? அதாவது மூளை முதலில் எல்லாவற்றையும் வகைப்படுத்துகிறது.

எடுத்துக்காட்டாக, ஒரு குழந்தை எத்தனையோ மிருகங்களைப் பார்க்கிறது. எல்லா மிருகங்களின் உடலிலும் எக்கச்சக்கமாக முடி அடர்ந்திருக்கிறது. ஒரு மிருகத்தைக் காட்டி அது பூனை என்று நாம் சொல்லுகிறோம். குழந்தை ஓகோ! இது தான் பூனையோ என்று அந்த உருவத்தை ஒத்த மிருகங்களை பூனை என்று வகைப்படுத்திக் கொள்கிறது.

வகைப்படுத்தல் நம் அறிவுக்கூர்மையின் வெளிப்பாடு. வகைப்படுத்தல் இல்லாமல் அறிவுக்கூர்மை இல்லை.

மனிதர்களின் கண்கள் சுமார் 30 000 அடிப்படை வகைப்படுத்தல்களை மேற்கொள்ளுகின்றன என்று தெரிய வந்தபோது, பேராசிரியர் நுண்ணறிவுக்கும் இதைப் புகட்டினால் என்ன என்று யோசிக்கிறார்.

ஆனால் இது பிரமாண்டமான, நடைமுறையில் சாத்தியப்படாத, பெரும் பணம் செலவாகும் ஒரு திட்டம் என்று அவரின் சக நண்பர்கள், ஆய்வு மாணவர்கள் கைவிரித்து விடுகிறார்கள். ஒரே ஒரு நண்பர் மட்டும் நாம் crowd sourcing முறையில் இதை செயல்படுத்தினால் என்ன என்கிறார்.

ImageNet என்கிற வலையமைப்பை உருவாக்குகிறார்கள். ஒரு மணித்தியாலத்துக்கு 10 டாலர் தருகிறோம். கூகுளோ, மைக்ரோசாப்டோ எந்த இணையமோ முடிந்தளவு படங்களை பதிவிறக்குங்கள். இன்னின்ன வகைப்படுத்தல் தலைப்புகளில் படங்களைக் கோர்வைப்படுத்தி அனுப்புங்கள் என்கிறார்கள். பல்கலைக்கழக மாணவர்களை இது மிகவும் ஈர்க்கிறது. அடித்துப் பிடித்து வேலை பார்க்கிறார்கள்.

எதிர்ப்புகள், தடைகள் இல்லாமல் இல்லை. இருந்தும் அத்தனை இடர்ப்பாடுகளின் நடுவிலும் 2009 ஆண்டுவாக்கில் ImageNet 15 மில்லியன் படங்கள், 22 000 வகைப்படுத்தல் தலைப்புகளில் என்று அதன் வலையமைப்பில் பதிவேற்றி சாதனை படைத்தது. இதற்கு 167 நாடுகளில் இருந்து மில்லியன் கணக்கானவர்கள் பணி புரிந்திருக்கிறார்கள்.

பேராசிரியரின் அறிவுசார் வாழ்க்கையிலும் பெரும் தடைகள், தடங்கல்கள் ஒரு பக்கம். சொந்த வாழ்க்கையிலும் துன்பங்கள், பொருளாதாரக் கஷ்டங்கள் ஒன்றன் பின் ஒன்றாகத் தொடராமல் இல்லை. இருந்தும் தன் இலக்கை நோக்கிச் செல்வதில் தயக்கம் சிறிதும் இல்லாமல் செயல்பட்டிருக்கிறார்.

நுண்ணறிவுத் துறைக்கு அவரின் பங்களிப்பு பெரியது. துளியும் சந்தேகமில்லை. அதே நேரம் அந்தத் துறையில் இன்னும் புதிய நுணுக்கம் நிறைந்த கண்டுபிடிப்புகள், மாற்றங்கள் ஏற்பட்டு அவரின் ஆய்வு நெறிகள் இரண்டாம் மூன்றாம் இடங்களுக்குத் தள்ளப்பட்ட போது அவர் கவலைப்படவில்லை.

மாறாக, மாற்றங்களை ஏற்றுக்கொள்வதில் முதல் ஆளாக நின்றிருக்கிறார். எடுத்துக் காட்டாக, Neural Network இன் செயல்பாடுகள் பேராசிரியரின் ImageNet விட ஓரளவு திறன் வாய்ந்ததாக அறிவிக்கப்பட்ட சமயம், அதை நான் வரவேற்கிறேன். அறிவியல் துறை விரல் விட்டு எண்ணக்கூடிய சிறு குழுவினரோடு மட்டும் முடங்கிவிடக் கூடாது. இன்னும் நிறைய இளம் வயதினர் முன் வரவேண்டும் என்றார்.

அவரின் நேர்காணல்கள் அத்தனையிலும் அவர் அடிக்கடி அழுத்திச் சொல்லும் வரிகள் :

நுண்ணறிவு முழு மனித குலத்துக்காகவும் பயன்பட வேண்டும். ஒரு சிலரின் கைப்பாவை போல் ஆகிவிடக்கூடாது.

விசாலமான அறிவு. விசாலமான மனது. எத்தனை பேருக்கு அப்படி அமைந்திருக்கிறது?