டீப் லேர்னிங் தொழில்நுட்பத்தை நம்பலாமா?

 

 

 

 

 

 

செயற்கை நுண்ணறிவை நம்பலாமா?

 

டீப் லேர்னிங் என்பதில் இல்லாத அம்சங்களே கிடையாது. இதில் முகமறியும் தொழில்நுட்பம், மொழிபெயர்ப்பு வசதி, விளையாட்டுகளை விளையாடுவது ஆகியவையும் உள்ளது. இதன் அடிப்படையில்தான் செயற்கை நுண்ணறிவு என்பது கடந்த பத்தாண்டுகாக தொழில்நுட்பத் துறையில் ஆதிக்கம் செலுத்தி வருகிறது.

டீப் லேர்னிங்கில் நிறைய சாதகமான அம்சங்கள் இருந்தாலும் இந்த அமைப்பு எப்படி இயங்குகிறது, அப்ளிகேஷன்கள் முதல் தானியங்கி கார்கள் வரை இந்த அமைப்பில் இயங்குவது பாதுகாப்பானதுதானா? கணினியில் இயங்கும் அல்காரிதம்கள் வெளிப்படையாக இருக்கவேண்டும் என பலரும் நினைக்கிறோம். ஆனால் டீப் லேர்னிங்கில் இது சாத்தியமில்லை. கணினி குறிப்பிட்ட விஷயங்களைக் கற்றுக்கொள்ளும் முறையை இப்போது மாற்றியுள்ளனர். இதனை ஆர்ட்டிபிஷியல் நியூரல் நெட்வொர்க்ஸ் என்று அழைக்கின்றனர். நமது மூளையில் நியூரான்கள் செய்யும் வேலைகளையே இந்த அமைப்பும் செய்கிறது. நியூரான்கள் எப்படி மூளையில் செய்கிறதோ அந்த முறை இன்னும் எளிமையாக்கி செயல்படுகிறது என கூறலாம்.

1950களில் நியூரல் நெட்வொர்க்ஸ் பற்றிய ஆராய்ச்சி தொடங்கியது. பிற அணுகுமுறைகளை விட நியூரல் நெட்வொர்க்ஸ் என்பது சிறந்தது இல்லை என்று ஆராய்ச்சியாளர்கள் கருதினர். எனவே தொண்ணூறுகளில் தகவல்களை கணினிக்கு வழங்கும் முறைகள் மாறுபட்டுக்கொண்டே வந்தன. இந்த முறைகள் இருபது ஆண்டுகளுக்குப் பிறகு இப்போது மாறியுள்ளன. ஜியோப் ஹிண்டன், ஜூர்ஜன் ஸ்மிதுபெர் ஆகிய ஆராய்ச்சியாளர்கள் நியூரல் நெட்வொர்க்ஸ் முறையை பல்வேறு அடுக்குகள் கொண்டதாக மாற்றினர். இவர்கள் இருவரும் டொரண்டோ பல்கலைக்கழகம், கூகுள் பிரெய்ன் குழுவைச் சேர்ந்தவர்கள். வெளித்தெரியாத அடுக்குகளில் உள்ள நியூரான்கள் நேரடியாக சென்சார்களுடன் இணைக்கப்பட்டு முடிவுகளை தரும் விதமாக மாற்றப்பட்டன. இப்படி நியூரான்கள் இணைக்கப்படும் முறை முந்தைய முறைகளை விட ஆற்றல்மிக்கதாக இருந்தது. இதன் விளைவாகவே பிக் டேட்டா, க்ளவுட் கம்ப்யூட்டிங், புரோசசர்களின் வேகம் கூடியது. 2006இல் டீப் நெட்வொர்க்ஸ் உருவாக்கப்பட்டது. இந்த முறையில் கணினிகளை ஏராளமான தகவல்களைக் கொண்டு பயிற்சி வழங்க முடிந்த்து. வேகமாக இயங்கும் கணினிகளோடு இவற்றை எளிதாக இணைத்தார்கள்.

டீப் லேர்னிங் என்பதுதான் செயற்கை நுண்ணறிவு புரட்சியைத் தொடங்கிவைத்தது. மூளையை அடிப்படையதாக கொண்டதாக அமைந்த இந்த மாடல், லட்சக்கணக்கான நியூரான்கள் மென்பொருளை செயல்படத் தூண்டுவதாக அமைந்தது. கணினிகள் மற்றும் தகவல்களைக் கொண்டு இயங்கும் மென்பொருள் மூளை என்று இதனைக் கூறலாம். இதில் ஒருவரின் முகங்களை பதிவு செய்தால் அதனை வைத்து புகைப்படங்களை எளிதாக தேட முடியும். இப்படி பல்வேறு முகங்களை பதிவுசெய்து அதனை பயிற்றுவிக்க முடியும். ஒருவரின் குரலை அடையாளம் காண, குரலை பதிவுசெய்துகொண்டால் போதுமானது. டீப் லேர்னிங் தொழில்நுட்பம் மூலம்தான் சிரி, கார்டனா, அலெக்ஸா ஆகிய தனிப்பட்ட உதவியாளர்கள் இயங்குகிறார்கள். முகங்களை, குரலை கண்டுபிடிக்கமுடியும் என்பது உண்மை. படங்களுக்கு தானாகவே கேப்ஷன்கள் கூட வைக்கலாம். ஆனால் இதில் மனிதர்களின் மூளையை பிரதிபலிக்கும் தன்மை மற்றொன்றும் உண்டு. அதுதான் வெளிப்படைத்தன்மை இல்லாதது.

உயிரியல் அடிப்படையில் மூளை என்பது இன்றும் ஆச்சரியம் அளிப்பதுதான். காரணம், கடையில் சாக்லெட் வாங்கச் சென்றால் அமுல் டார்க் சாக்லெட்டின் சுவையை நாம் எப்படி உணர்கிறோம், பல்வேறு டூத் பிரஷ்களில் சென்சோடனை எப்படி நன்றாக இருக்கும் என ஒருவர் எப்படி நம்பி வாங்குகிறார் என்பது போன்ற சில ஆச்சரியங்களை மூளை அளித்துக்கொண்டே இருக்கிறது. இதைப்போலத்தான் நியூரல் நெட்வொர்க்ஸ் எப்படி தகவல்களை சேமிக்கிறது, செயல்படுத்துகிறது என்பதை அறிய முடிவதில்லை. மென்பொருட்களின் அடிப்படையில் வளர்ந்த நாடுகளில் தானியங்கி ரயில்கள் ஒட தொடங்கியவிட்டன. இதனை எப்படி நம்புகிறோம் என்றால் கணிதத்தின் அடிப்படையில்தான். கார் தயாரிப்பாளர்களும் இப்போது தானியங்கி கார்களை தயாரிப்பதற்கான முயற்சிகளை தொடங்கிவிட்டார்கள். இவை முழுக்க டீப் லேர்னிங்கின் அடிப்படையில் தகவல்களை கணினிக்கு கொடுத்து அதன் அடிப்படையில் சாலையிலுள்ள தடைகளை அறிந்து விபத்துகளை தடுக்க முடியும். இதில் நிறைய விபத்துகளும் நேர்ந்துள்ளது உண்மையே. நியூயார்க்கில் உள்ள மருத்துவமனையில் நோயாளிகளின் பதிவேடுகளை டீப் லேர்னிங் நுட்பம் மூலமே சோதிக்கிறார்கள். இதுதொடர்பாக நடத்தப்பட்ட பரிசோதனையில் 78 நோய்களுக்கு 75 ஆயிரம் நோயாளிகள் சோதிக்கப்பட்டனர். இதில் நீரிழிவு, ஸிஸோபெரேனியா, புற்றுநோய் ஆகியவற்றை புதிய தொழில்நுட்பம் எளிதாக கண்டுபிடித்தது.

இதில் நோயைக் கண்டுபிடித்துவிடுகிற திறனை மருத்துவர்கள் பயன்படுத்திக்கொள்ளலாம். எனவே, அதன்படி ஆலோசனைகளை எளிதாக வழங்கமுடியும். ஐரோப்பிய யூனியன் உருவாக்கிய தகவல் பாதுகாப்பு விதிகளின் கீ்ழ்தான் எந்திரக்கற்றல் விவகாரங்களும் வருகின்றன. இதில் 22 ஆவது பிரிவில் ஒருவர் இப்படி தானியங்கி முறைக்கு தனது தகவல்களை தராமல் இருக்கும் உரிமையைப் பேசுகிறது. ஒருவரின் தகவல்களை உறுதிப்படுத்தும் ஆவணங்களை டீப் லேர்னிங் தொழில்நுட்பம் ஏற்கவில்லையென்றால் இதனை நிரூபிப்பது கடினமாகிவிடும், விதிகள் எப்படி இருந்தாலும் ஒருவருக்கு இது மன உளைச்சலை ஏற்படுத்தும்.. இந்த வகையில் இங்கிலாந்தில் மாணவர்களுக்கு தேர்வு மதிப்பெண்களை தொழில்நுட்பம் வழங்கியது பெரும் சர்ச்சையாகியது. ஏராளமான மாணவர்கள் தெருவில் இறங்கி போராடியது பலருக்கும் நினைவுக்கு வரலாம்.

கூகுள் டீப்லேர்னிங் தொழில்நுட்பம், மக்களின் மீது பல்வேறு சோதனைகளை நடத்தி வருகிறது. இதன்மூலம் இதன் இயக்கம் பற்றி அறிந்துகொள்ள வாய்ப்புள்ளது. குறிப்பிட்ட ஏஐ முறை ஏற்பில்லை என்றால் வேறு வகை ஏஐ முறையை செயல்படுத்தலாம். இதில் வெளிப்படைத்தன்மையு்ம நம்பிக்கையும் ஒருவருக்கு ஏற்படுவது முக்கியம். ஒட்டுநர்களால் அதிகளவு விபத்துகள் ஏற்படுகின்றன என்பதால் தானியங்கி கார்களை பயன்படுத்த டீப் லேர்னிங் உதவுகிறது என்பதால் அதை பயன்படுத்தலாம். நமது சாலைகள், வாகனங்கள், கட்டிடங்கள் ஆகியவை மெல்ல மாறிவருகின்றன. செயற்கை நுண்ணறிவு என்பது தனியே ஒரு தொழில்நுட்பம் அல்ல. அதில் ஏராளமான அப்ளிகேஷன்கள், பயன்படுத்தும் முறைகள் உள்ளன. இதனை அரசு முழுமையாக சோதித்த பிறகு மக்கள் பயன்படுத்துவது ஆபத்தைக் குறைக்கும்.

சயின்ஸ் போகஸ்

பீட்டர் பென்ட்லி