நோபல் பரிசிலும் செயற்கை நுண்ணறிவு!
- “அடிப்படை அறிவியல் ஆய்வுகளுக்கும் கண்டுபிடிப்புகளுக்கும் வழிவகுக்கும் இயந்திரக் கற்றல் (machine learning) முறைக்கு அடித்தளமான ‘செயற்கை நரம்பியல் வலையமைப்பு’ (artificial neural networks) கண்டுபிடிப்புக்காக இந்த ஆண்டின் இயற்பியல் நோபல் பரிசு வழங்கப்பட்டுள்ளது. அமெரிக்காவின் பிரின்ஸ்டன் பல்கலைக்கழகத்தைச் சேர்ந்த ஜான் ஹாப்ஃபீல்ட் (John J. Hopfield, 90), கனடாவின் டொரன்டோ பல்கலைக்கழகத்தைச் சேர்ந்த ஜெஃப்ரி ஹின்டன் (Geoffrey E. Hinton, 77) ஆகியோருக்கு இவ்விருது பகிர்ந்தளிக்கப்படுகிறது.
செயற்கை நரம்பியல் வலையமைப்பு:
- இன்றைய சூழலில், செயற்கை நுண்ணறிவு என்பது அனைவரும் அறிந்த ஒன்றாக, மாணவர்கள் விரும்பிப் படிக்கும் ஒரு துறையாக உள்ளது. செயற்கை நுண்ணறிவு என்று பொதுவாகச் சொல்லப்பட்டாலும், ‘செயற்கை நரம்பியல் வலையமைப்பு’ (artificial neural networks) கொண்டு அரங்கேறும் இயந்திரக் கற்றல் நடவடிக்கைதான் இதில் சுட்டப்படுகிறது.
- செயற்கை நரம்பியல் வலையமைப்பு எவ்வாறு செயல்படுகிறது எனப் பார்ப்போம். நீங்கள், யூடியூப் பார்த்து, பிரியாணி செய்யப்போகிறீர்கள் என்று வைத்துக்கொள்வோம். இவ்வளவு அரிசி எடுக்க வேண்டும், வெங்காயம் இவ்வளவு வதங்க வேண்டும், எவ்வளவு மசாலா சேர்க்க வேண்டும் என்று வரிசையாகச் சொல்லிவிடுகிறார்கள். அப்படியே அதைக் கவனித்துச் செய்தால், முதல் முறையிலேயேகூட உங்களால் நல்ல பிரியாணி செய்துவிட முடியும்.
- பிற மென்பொருள்கள் இப்படித்தான் செயல்படுகின்றன. அதாவது, இதைச் செய், இந்த நேரத்தில் செய் என்று நாம் ஒவ்வொன்றாக மென்பொருளுக்குச் சொல்லி வைத்திருக்கிறோம். அது அவ்வாறே செய்துவிடும். உதாரணமாக, கணிப்பான் (calculator) மென்பொருள். எண்களை அழுத்தினால், கூட்டல்/கழித்தல் குறியீடுகளை அழுத்தினால் தகுந்த விடை வந்துவிடும். செயற்கை நுண்ணறிவு வருவதற்கு முன்பு, மென்பொருள்கள் இப்படித்தான் இயங்கிவந்தன.
- செயற்கை நரம்பியல் வலையமைப்பு இவற்றிலிருந்து மாறுபட்டது. ஒரு சமையலர் இருக்கிறார். இதுவரை பிரியாணி செய்ததில்லை என்றாலும், அவரிடம் பிரியாணி இந்தச் சுவையில் இருக்கும் என்று விவரிப்பதன் மூலமும், அதனுடைய ஒளிப்படத்தைக் காண்பிப்பதன் மூலமும், அவருடைய அனுபவ அறிவால் ஊகித்து, ஒரு பிரியாணியைச் செய்துவிட முடியும்.
- ஏன், சமையல் பொருள்களின் அளவைக் கொஞ்சம் கொஞ்சம் கூடக்குறையச் சரிபார்த்து, நீங்கள் இதுவரை சுவைத்திருந்ததைவிட அருமையான பிரியாணியைக்கூட அவரால் செய்ய முடியும்தானே? நாம் உள்ளீடாகக் கொடுக்கும் தரவுகளை வைத்து, அதன் சாதக பாதகங்களைக் கணக்கில்கொண்டு, செயற்கை நுண்ணறிவு இப்படித்தான் சொந்தமாக ஊகித்துச் செயல்படுகிறது.
- நாம் மூளையைக் கொண்டு சிந்திக்கிறோம். ஓர் இயந்திரத்தால் எப்படிச் சிந்திக்க முடிகிறது? மனித மூளையில் நியூரான்கள் என்று சொல்லப்படும் கம்பி போன்ற அமைப்புகள் கோடிக்கணக்கில் உள்ளன. இந்த நியூரான்களின் ஒன்றிணைந்த செயல்பாட்டினால் நம்மால் ஒரு முடிவை எடுக்க முடிகிறது. உதாரணமாக, நாம் வாசிக்கும்போது, ‘கண்கள் எங்கே பார்க்க வேண்டும்’, ‘புத்தகத்தை எங்கே வைக்க வேண்டும்’, ‘கண்களுக்கு எவ்வளவு வெளிச்சம் வேண்டும்’ என்று பல காரணிகள் உள்ளன.
- ஒவ்வொரு வேலைக்கும், இவ்வளவு வேண்டும் என்று நம் சிந்தனைக்குத் தகுந்தவாறு, கண்களுக்கான நியூரான், கைகளுக்கான நியூரான் என்று ஒவ்வொரு நியூரானும், நமக்குத் தேவையானதைத் தனித்தனியாகத் தராசில் வைத்துக் கணக்குப் பார்க்கும். பிறகு, அவை ஒன்றிணைந்து இந்தத் தருணத்துக்கு இதுதான் சரியானது என்று முடிவைச் சொல்லும். நாம் அதன்படி செயல்படுகிறோம்.
- செயற்கை நரம்பியல் வலையமைப்பிலும், இவ்வாறு பல்வேறு நியூரான்கள் வடிவமைக்கப்பட்டுள்ளன. ஏற்கெனவே பார்த்த உதாரணத்தை எடுத்துக்கொள்வோம். ஒரு மனித மூளை எப்படி மசாலா, காய்கறி, உப்பின் அளவு இவ்வளவு இருக்க வேண்டும் என்று சரிபார்க்கிறதோ அதேபோல, இந்தச் செயற்கை நியூரான்கள் ஒவ்வொரு பொருளுக்கும் ஒரு ‘மதிப்பைக் (value)’ கொடுக்கும். மசாலாவுக்கு 10, காய்கறிக்கு 15, உப்புக்கு 4 என்று தோராயமாக மதிப்பு வைத்துக்கொள்வோம்.
- இந்த மதிப்பில் கிடைத்த விடையை நாம் உள்ளீடாகக் கொடுக்கும் பயிற்சித் தரவோடு சரிபார்க்கும். பொருந்தி வரவில்லை என்றால், இந்த மதிப்புகளை மாற்றி மாற்றிப் பார்த்து, பொருந்தும்வரை மாற்றிச் சீர் செய்யும். இப்படித்தான் செயற்கை நுண்ணறிவு நமது பயிற்சித் தரவுகளின் அடிப்படையில் செய்முறையைத் தானே வகுத்துக்கொள்கிறது.
ஹாப்ஃபீல்ட்டும், ஹின்டனும்:
- ஜான் ஹாப்ஃபீல்ட் அடிப்படையில் ஓர் இயற்பியலாளர். 1982ஆம் ஆண்டு ஒரு வலையமைப்பைக் கண்டுபிடித்தார் - ஹாப்ஃபீல்ட் வலையமைப்பினால், படிமங்களை (patterns) சேமித்துவைக்க முடியும்; அவற்றிலிருந்து தேவைப்படும்போது மீளுருவாக்கம் செய்து, அந்தப் படிமங்களைப் பயன்படுத்த முடியும்.
- முற்றுப்பெறாத சில சொற்களை, படங்களைக் கொடுத்தால், தன்னிடம் உள்ள படிமங்களில் உள்ளீட்டுக்கு ஒத்த படிமத்தை அதனால் எடுத்துத் தர முடிந்தது. ‘கிளைக’ளை வரைந்து கொடுத்தால், இது ஒரு மரத்தின் படமாக இருக்கலாம் என்று கணித்து, தான் சேமித்து வைத்திருந்ததில் இருந்து அதேபோல கிளைகளைக் கொண்ட ஒரு மரத்தின் படத்தை எடுத்துக்கொடுத்துவிடும்.
- இவற்றைப் பயன்படுத்தி, உயிரியல் துறைக்குத் தேவையான ஆய்வுகளை ஹாப்ஃபீல்ட் செய்துவந்தார். அப்போது ஒரு மாநாட்டில் கலந்துகொண்டபோது, மூளை நரம்பியல் எப்படிச் செயல்படுகிறது என்று அறிந்துகொண்டு, அதனால் ஈர்க்கப்பட்டார். தனித்தனியாகச் செயல்படும் நியூரான்கள், ஒன்றிணையும்போது எப்படி ஓர் அற்புதமான முடிவைத் தருகிறது என்று அறிந்து, தன்னுடைய ஆய்வில் அதைப் பயன்படுத்தினார். பிரின்ஸ்டன் பல்கலைக்கழகத்தில் பணியாற்றிக்கொண்டிருந்த அவர், தன்னுடைய ஆய்வு சக இயற்பியல் ஆய்வாளர்களின் பணியில் இருந்து பெரிதும் மாறுபடுகிறது என்பதால், கால்டெக் பல்கலைக்கழகத்தில், வேதி மற்றும் உயிரியல் துறையில் இணைந்து பணியாற்றினார்.
- அங்கிருந்த கணினிகளின் துணைகொண்டு அவரால் நரம்பியல் வலையமைப்பு ஆய்வைச் செவ்வனே செய்ய முடிந்தது. ஆயினும், மொத்தமாக இயற்பியலை அவர் விட்டுவிடவில்லை. அணுக்கள் இணைந்து ஒரு பொருளை உருவாக்கும்போது, எவ்வாறு காந்தப்புலம் மாறுபடுகிறது என்பதற்கான ஆய்விலும் நரம்பியல் வலையமைப்பைப் பயன்படுத்தி புதிய முடிவுகளைக் கண்டறிந்தார்.
- ஹாப்ஃபீல்ட் தன்னுடைய ஆய்வு முடிவுகளை வெளியிட்டபோது, ஹின்டன் கார்னகி மெலன் பல்கலைக்கழகத்தில் பணிபுரிந்துவந்தார். இங்கிலாந்திலும், ஸ்காட்லாந்திலும் உளவியல், செயற்கை நுண்ணறிவு குறித்துப் பயின்றிருந்த இவர், மனிதர்களைப் போலவே இயந்திரங்களும் படிமங்களைக் கற்றுக்கொண்டு சிந்தித்துச் செயல்பட முடியுமா என்பதில் ஆர்வம் கொண்டிருந்தார்.
- புள்ளியியல் இயற்பியலின் (statistical physics) அடிப்படையான நிகழ்தகவைப் (probability) பயன்படுத்தி, எந்தத் தருணத்தில் எவ்வாறு செயல்பட வேண்டும் என்று இயந்திரத்துக்குப் பயிற்றுவித்தார். இந்த ஆய்வின் முடிவுகளை ‘போல்ட்ஸ்மேன் இயந்திரம்’ என்னும் பெயரில் வெளியிட்டார். இப்படியாக, செயற்கை நுண்ணறிவில் தன் பணிகளைத் தொடங்கிய ஜெஃப்ரி ஹின்டன், ‘செயற்கை நுண்ணறிவின் தந்தை’ என்று அழைக்கப்படுவது குறிப்பிடத்தக்கது.
நோபல் விருது:
- இயற்பியலுக்கா? கணினி அறிவியலுக்கா? - சொற்களை உள்ளீடாகக் கொடுத்தால் படங்களை உருவாக்குவது, கட்டுரை எழுதித் தருவது என்று செயற்கை நுண்ணறிவு, நம் அன்றாட வாழ்வில் ஒன்றாகக் கலந்துவிட்டது. ஆனால், இத்தோடு நின்றுவிடவில்லை அதன் பயன்பாடு. மங்கலான படங்களைக் கொடுத்தால் துல்லியமாகக் கண்டுபிடித்துத் தருவதால், காவல் துறைக்கும், தொலைநோக்கி எடுத்துத் தரும் படங்களைப் புரிந்துகொண்டு வான் இயற்பியலுக்கும் என்று பல இடங்களிலும் செயற்கை நுண்ணறிவு பயன்படுகிறது.
- கடந்த 30 ஆண்டுகளில் செயற்கை நுண்ணறிவுப் பயன்பாட்டினால் லட்சக்கணக்கான ஆய்வுக் கட்டுரைகள் வெளிவந்திருப்பது, அனைத்து அறிவியல் தொழில்நுட்பத் துறையிலும், செயற்கை நுண்ணறிவின் பயன்களை எடுத்துரைக்கிறது. இவ்வளவு பயன்கள் இருப்பினும், செயற்கை நுண்ணறிவினால் ஏற்படும் அபாயங்களை வெளிப்படையாக மக்களுக்கு எடுத்துரைப்பதற்காகவே, அத்துறையின் தந்தை என அறியப்படும் ஜெஃப்ரி ஹின்டன், தன் துறை சார்ந்த பணிகளை மேற்கொண்டு வந்த கூகுள் நிறுவனத்தில் இருந்து மே மாதம் 2023ல் விலகினார் என்பது கவனத்துக்குரியது.
- ஒரு காலத்தில் இயந்திரங்கள் மனிதர்களை விஞ்சிவிடும் அபாயம் இருக்கிறது என்றும், இயந்திரங்கள் தங்களுக்குத் தேவையான மென்பொருள்களைத் தாமே எழுதிக்கொள்ளும் என்பதால், நம்மால் அவற்றைக் கட்டுப்படுத்த முடியாமல் போகும் நிலை வரலாம் என்றும் அவர் தொடர்ந்து எச்சரித்துவருகிறார்.
- அடிப்படை ‘புள்ளியியல் இயற்பியல்’ என்பதாலும், பல்வேறு இயற்பியல் ஆய்வுகளுக்குச் செயற்கை நுண்ணறிவு பயன்பட்டிருக்கிறது என்பதாலும், செயற்கை நுண்ணறிவுக்கு, இவ்வாண்டின் இயற்பியல் விருது கொடுக்கப்பட்டிருக்கிறது. ஆனால், இதில் கணினி அறிவியலின் பங்குதான் அதிகம் இருப்பதால், இது இயற்பியலுக்கான விருது கிடையாது என்று சில ஆய்வாளர்கள் அதிருப்தி தெரிவித்திருப்பதும் கவனிக்கத்தக்கது!
நன்றி: இந்து தமிழ் திசை (16 – 10 – 2024)