இன்று செல்போனில் கேள்வி கேட்டால் சில நொடிகளில் பதில் அளிப்பது முதல் கட்டுரை எழுதுவது, படம் மற்றும் வீடியோ உருவாக்குவது, ஆவணங்களை சுருக்குவது, கணினி நிரல்களை உருவாக்குவது வரை செயற்கை நுண்ணறிவு (Artificial Intelligence – AI) பல்வேறு பணிகளில் பயன்படுத்தப்பட்டு வருகிறது. மனிதர்கள் சொல்லும் வேலையைப் புரிந்துகொண்டு, திட்டமிட்டு செயல்படுத்தும் திறன் கொண்ட ஏ.ஐ. கருவிகளும் வேகமாக வளர்ந்து வருகின்றன.
ஆனால், இன்று நமது அன்றாட வாழ்க்கையின் ஒரு பகுதியாக மாறிவிட்ட இந்த தொழில்நுட்பம் ஒரே நாளில் உருவானது அல்ல. பல தசாப்தங்களாக நடைபெற்ற ஆய்வுகள், கணினி அறிவியல் முன்னேற்றங்கள் மற்றும் பல்வேறு விஞ்ஞானிகளின் பங்களிப்புகளின் விளைவாகவே இன்றைய ஏ.ஐ. உருவாகியுள்ளது.
1950-ல் எழுந்த முக்கிய கேள்வி
“ஒரு இயந்திரத்தால் மனிதனைப் போல சிந்திக்க முடியுமா?” என்ற கேள்வி ஏ.ஐ. வளர்ச்சியில் முக்கியமான தொடக்கப் புள்ளியாக அமைந்தது. 1950-ம் ஆண்டு பிரிட்டிஷ் கணிதவியலாளர் ஆலன் டூரிங் இயந்திரங்களின் அறிவுத்திறனை மதிப்பிடுவதற்கான ஒரு முறையை முன்வைத்தார். பின்னாளில் அது ‘டூரிங் சோதனை’ என்று அழைக்கப்பட்டது.
மனித அறிவுத்திறனின் சில அம்சங்களை இயந்திரங்கள் உருவகப்படுத்த முடியுமா என்ற கேள்வியை அறிவியல் ரீதியாக விவாதிக்க இது முக்கிய அடித்தளமாக அமைந்தது.
‘Artificial Intelligence’ என்ற பெயர் எப்போது வந்தது?
1955-ம் ஆண்டு ஜான் மெக்கார்த்தி, மார்வின் மின்ஸ்கி, நாதனியல் ரோசெஸ்டர் மற்றும் கிளாட் ஷானன் ஆகியோர் இணைந்து செயற்கை நுண்ணறிவு தொடர்பான ஆய்வுக்கான முன்மொழிவை உருவாக்கினர். 1956-ம் ஆண்டு அமெரிக்காவின் டார்ட்மவுத் கல்லூரியில் நடைபெற்ற கோடைக்கால ஆய்வுக் கூட்டம், செயற்கை நுண்ணறிவு தனித்த ஆய்வுத் துறையாக உருவெடுத்த முக்கிய நிகழ்வாக கருதப்படுகிறது.
ஜான் மெக்கார்த்தி பின்னர் ஏ.ஐ. துறையின் முக்கிய முன்னோடிகளில் ஒருவராக அறியப்பட்டார். அவர் ‘Artificial Intelligence’ என்ற சொல்லை உருவாக்கியவர்களில் முக்கியமானவர் என்பதால், ஏ.ஐ. வரலாற்றில் அவரது பங்களிப்பு குறிப்பிடத்தக்கதாக உள்ளது.
விதிகளைப் பின்பற்றிய இயந்திரத்தில் இருந்து ‘கற்றுக்கொள்ளும்’ இயந்திரம் வரை
ஆரம்பகால கணினிகள் மனிதர்கள் முன்கூட்டியே வழங்கிய கட்டளைகள் மற்றும் விதிகளின்படியே செயல்பட்டன. பின்னர் தரவுகள் மற்றும் உதாரணங்களில் இருந்து கணினியே முறைகளை கற்றுக்கொள்ளும் Machine Learning என்ற அணுகுமுறை வளர்ச்சி பெற்றது.
ஆர்தர் சாமுவேலின் ஆய்வுகள் இயந்திரக் கற்றல் வளர்ச்சியில் முக்கிய பங்கு வகித்தன. இதன் மூலம் கணினி வெறுமனே கொடுக்கப்பட்ட கட்டளையைப் பின்பற்றுவது மட்டுமின்றி, தரவுகளில் இருந்து கற்றுக்கொண்டு தனது செயல்திறனை மேம்படுத்தும் திசையில் முன்னேறியது.
Deep Learning கொடுத்த வேகம்
மனித மூளையின் செயல்பாட்டை ஓரளவு முன்மாதிரியாகக் கொண்ட செயற்கை நரம்பியல் வலைப்பின்னல்கள் வளர்ச்சி பெற்றதைத் தொடர்ந்து, Deep Learning எனப்படும் ஆழமான கற்றல் முறைகள் முக்கியத்துவம் பெற்றன.
பெருமளவிலான தரவுகள் கிடைத்தது, கணினிகளின் கணக்கீட்டுத் திறன் அதிகரித்தது மற்றும் புதிய கணக்கீட்டு முறைகள் உருவானது ஆகியவை இந்தத் துறையின் வளர்ச்சியை வேகப்படுத்தின. ஜெப்ரி ஹிண்டன், யோஷுவா பெங்கியோ மற்றும் யான் லெகுன் ஆகியோரின் ஆய்வுகளும் நவீன ஆழமான கற்றல் வளர்ச்சியில் முக்கியமானதாகக் கருதப்படுகின்றன.
1997-ல் உலக செஸ் சாம்பியனை வீழ்த்திய கணினி
ஏ.ஐ. வளர்ச்சியில் குறிப்பிடத்தக்க தருணமாக 1997-ம் ஆண்டு அமைந்தது. ஐ.பி.எம். நிறுவனத்தின் Deep Blue கணினி உலக செஸ் சாம்பியன் கேரி காஸ்பரோவை போட்டியில் வீழ்த்தியது. மனிதர்களின் சிக்கலான முடிவெடுக்கும் திறனை கணினிகள் குறிப்பிட்ட துறைகளில் எவ்வாறு சவால் செய்ய முடியும் என்பதற்கான முக்கிய உதாரணமாக இது அமைந்தது.
2010-களில் புதிய வேகம்
2010-களில் Deep Learning வளர்ச்சியுடன் படம், குரல் உள்ளிட்டவற்றை அடையாளம் காணும் ஏ.ஐ. திறன்கள் வேகமாக முன்னேறின. இதன் தொடர்ச்சியாக மொழியைப் புரிந்துகொள்ளும் திறன் கொண்ட பெரிய மொழி மாதிரிகளும் உருவாக்கப்பட்டன.
2020-ம் ஆண்டு GPT-3 போன்ற மொழி மாதிரிகள் மனிதர்கள் எழுதுவது போன்ற உரைகளையும் கணினி நிரல்களையும் உருவாக்கும் திறனை வெளிப்படுத்தின. 2021-ம் ஆண்டில் வார்த்தைகளின் அடிப்படையில் படங்களை உருவாக்கும் ஏ.ஐ. தொழில்நுட்பங்களும் கவனம் பெற்றன.
2022-ல் ஏற்பட்ட பெரிய மாற்றம்
2022-ம் ஆண்டு ChatGPT பொதுமக்களின் பயன்பாட்டுக்கு வந்தது. இயல்பான மொழியில் கேள்விகளுக்கு பதிலளிப்பது, கட்டுரைகள் மற்றும் பல்வேறு வகையான உள்ளடக்கங்களை உருவாக்குவது போன்ற திறன்களால் Generative AI பொதுமக்களின் கவனத்தை பெரிதும் ஈர்த்தது.
இதன் பின்னர் உரை மட்டுமின்றி படம், குரல், வீடியோ, ஆவணங்கள் மற்றும் கணினி நிரல்கள் உள்ளிட்ட பல்வேறு வகையான தகவல்களைக் கையாளும் பல்திறன் ஏ.ஐ. அமைப்புகள் வேகமாக வளரத் தொடங்கின.
2026-ல் அடுத்த கட்டம்: AI Agents
தற்போதைய ஏ.ஐ. வளர்ச்சியில் கேள்விகளுக்கு பதில் அளிப்பதைத் தாண்டி, பயனரின் அறிவுறுத்தலின்படி பல்வேறு கருவிகளைப் பயன்படுத்தி பணிகளை மேற்கொள்ளும் AI Agents முக்கியத்துவம் பெறுகின்றன. இணையதளங்கள் மற்றும் மென்பொருள் கருவிகளுடன் தொடர்புகொண்டு, ஒரு பணியை பல கட்டங்களாக திட்டமிட்டு முடிக்கக்கூடிய அமைப்புகள் இந்த அடுத்தகட்ட வளர்ச்சியின் ஒரு பகுதியாக உள்ளன.
ஏ.ஐ. பயணம் இன்னும் தொடர்கிறது
1920-களில் ‘ரோபோ’ என்ற சொல் அறிமுகமான காலத்திலிருந்து, 1950-ல் டூரிங்கின் சிந்தனை, 1956-ல் டார்ட்மவுத் ஆய்வுக் கூட்டம், Machine Learning, Deep Learning, Generative AI என பல கட்டங்களை கடந்து செயற்கை நுண்ணறிவு இன்று அன்றாட வாழ்க்கைக்குள் வந்துள்ளது.
ஆய்வுக்கூடங்களில் தொடங்கிய இந்தப் பயணம் தற்போது கல்வி, மருத்துவம், தொழில்நுட்பம், வணிகம், ஊடகம் உள்ளிட்ட பல துறைகளில் பயன்படுத்தப்படும் அளவுக்கு வளர்ந்துள்ளது. எதிர்காலத்தில் ஏ.ஐ. எந்த அளவுக்கு வளரப் போகிறது என்பதே அடுத்த முக்கிய கேள்வியாக மாறியுள்ளது