വരും വര്ഷങ്ങളില് മനുഷ്യസമൂഹത്തെ സമൂലം മാറ്റിത്തീര്ക്കാന് സാധ്യതയുള്ള ഒരു സാങ്കേതിക വിപ്ലവം സംഭവിച്ചുകൊണ്ടിരിക്കുന്നു. ഭൂമിയിലെ നമ്മുടെ സഹനിവാസികളില്നിന്നു നമ്മെ വേര്തിരിക്കുന്ന ഏറ്റവും പ്രധാന സവിശേഷതയായി കണക്കാക്കപ്പെടുന്നതു ബുദ്ധിശക്തിയാണല്ലോ. അതിന്റെ ഇരിപ്പിടമാണ് തലച്ചോറ് അഥവാ മസ്തിഷ്കം. അത് എങ്ങനെ പ്രവര്ത്തിക്കുന്നുവെന്ന് ഇന്നും ആര്ക്കും കൃത്യമായി അറിയില്ല. പക്ഷേ, അത് അനേക കോടി നാഡീകോശങ്ങളും അവയെ തമ്മില് കൂട്ടിയിണക്കുന്ന സിനാപ്സുകളും ചേര്ന്ന ഒരു നാഡീവ്യൂഹം (ന്യൂറല് നെറ്റ്വര്ക്ക്) ആണെന്നു നമുക്കറിയാം. സിനാപ്സുകള് ഇന്പുട്ടുകളെ നാഡീകോശങ്ങളിലേക്ക് അയയ്ക്കന്നു. ഒരു നിശ്ചിത അളവില് ഇന്പുട്ടുകള് ലഭിച്ചുകഴിയുമ്പോള് നാഡീകോശങ്ങള് അവയെ മറ്റ് നാഡീകോശങ്ങളിലേക്കു പകരുന്നു.
1940-കളില് നാഡീകോശങ്ങളുടേയും സിനാപ്സുകളുടേയും വളരെ ലളിതമായ ഗണിത മാതൃകകള് വികസിപ്പിച്ചെടുക്കാന് ശാസ്ത്രജ്ഞര്ക്കു കഴിഞ്ഞു. തുടര്ന്നുള്ള ദശകങ്ങളില്, ഗവേഷകര് ലളിതമായ കൃത്രിമ നാഡീവ്യൂഹങ്ങള് (എ.എന്.എന്) നിര്മ്മിക്കാന് തുടങ്ങി. കാല്ക്കുലസെന്ന ഗണിതശാഖയിലെ ഫോര്മുലകളുപയോഗിച്ച് രൂപപ്പെടുത്തിയ അല്ഗോരിതങ്ങളാണ് അതിനായി ഉപയോഗപ്പെടുത്തിയത്. ഇത്തരം കൃത്രിമ നാഡീവ്യൂഹങ്ങള്ക്ക് കൈകൊണ്ട് എഴുതിയ അക്കങ്ങള് തരംതിരിക്കുന്നതുപോലുള്ള ചില ജോലികള് ചെയ്യാന് കഴിയുമായിരുന്നെങ്കിലും, കഴിഞ്ഞ നൂറ്റാണ്ടിന്റെ ഭൂരിഭാഗവും നിര്മ്മിതബുദ്ധി (എ.ഐ)യുടെ രംഗത്തെ പഠനങ്ങളുടെ ചെറിയൊരു ഭാഗം മാത്രമായിട്ടാണ് കൃത്രിമ നാഡീവ്യൂഹ ഗവേഷണം നടന്നുകൊണ്ടിരുന്നത്. ചുരുക്കം ചില ശാസ്ത്രജ്ഞര് മാത്രമേ അതു കാര്യമായി പരിഗണിച്ചിരുന്നുള്ളു. എ.ഐയുടെ മറ്റു ചില തലങ്ങളിലാണ് ഗവേഷകശ്രദ്ധ കേന്ദ്രീകരിച്ചിരുന്നത്.
എന്നാല്, ഈ നൂറ്റാണ്ടിന്റെ തുടക്കം മുതലേ നാഡീവ്യൂഹ ഗവേഷണരംഗത്ത് നാടകീയമായ പുരോഗതിയാണു കണ്ടുതുടങ്ങിയിരിക്കുന്നത്. കൂടുതല് കാര്യക്ഷമമായ കംപ്യൂട്ടറുകളുടെ കണ്ടുപിടുത്തം അതിനു വലിയ തോതില് വഴിതെളിച്ചു. കൃത്രിമ നാഡീവ്യൂഹ പരീക്ഷണങ്ങള്ക്കു വന്തോതിലുള്ള ഡിജിറ്റല് ഡാറ്റ ആവശ്യമാണ്. പുതിയ ഇനം കംപ്യൂട്ടറുകള് അതിന്റെ ശേഖരണം സുഗമമാക്കി. പല തലങ്ങളും ആഴവുമുള്ള നാഡീവ്യൂഹങ്ങള് നിലവില് വന്നു. അവയെ പരിശീലിപ്പിക്കുന്നതിന് ആവശ്യമായ ഡാറ്റ ലഭ്യമായി. ആഴത്തിലുള്ള കൃത്രിമ നാഡീവ്യൂഹപഠനം (ഡീപ് ലേണിംഗ്) എന്നത് കൃത്രിമ നാഡീവ്യൂഹത്തിന്റെ പര്യായമായി. മുഖം തിരിച്ചറിയല്, ഭാഷാവിവര്ത്തനം, സംസാരം മനസ്സിലാക്കല് ഇതിനെല്ലാം പര്യാപ്തമായ സാങ്കേതികവിദ്യയായി ആഴപഠനം അംഗീകരിക്കപ്പെട്ടു. കഴിഞ്ഞ ഒന്നുരണ്ടു കൊല്ലങ്ങള്ക്കിടയില് കൂടുതല് നാടകീയമായ പലതും ഈ രംഗത്ത് സംഭവിച്ചുകൊണ്ടിരിക്കുന്നു. ചില വാക്കുകള് മറച്ചുവെച്ച് ഒരു വാക്യം നാഡീവ്യൂഹത്തിലേക്ക് കടത്തിവിട്ടിട്ട് മറച്ചുവെയ്ക്കപ്പെട്ട വാക്കുകള് കണ്ടെത്തുന്നതിനു നാഡീവ്യൂഹത്തെ പരിശീലിപ്പിക്കുക - ഇതൊക്കെയായി പുതിയ പരീക്ഷണങ്ങള്. ഇതിനാണ് സ്വയം മേല്നോട്ടപഠനം എന്നു പറയുന്നത്. ഇതിനായി വിക്കിപീഡിയയില്നിന്നും മറ്റും കിട്ടുന്ന വന്തോതിലുള്ള വിവരശേഖരം സഹായകമായി. അത്ഭുതകരമെന്നു പറയട്ടെ, ഇത്തരം പരീക്ഷണങ്ങള് ഭാഷയുടെ നിഗൂഢതകളിലേക്ക് വെളിച്ചം വീശാന് തുടങ്ങി. നമ്മുടെ ഭാഷ സ്വായത്തമാക്കാന് യന്ത്രങ്ങള്ക്ക് ഇന്നോളം കഴിഞ്ഞിരുന്നില്ലല്ലോ. എന്നാല്, ഇത്തരത്തില് പരിശീലിപ്പിക്കപ്പെടുന്ന നാഡീവ്യൂഹങ്ങള്ക്കു മനുഷ്യഭാഷയുടെ സാരാംശം ഗ്രഹിക്കാനും നമ്മെപ്പോലെ ആശയവിനിമയം നടത്തുന്നതിനും കഴിഞ്ഞേക്കാം. ഭാഷ മനസ്സിലാക്കുന്നതുമായി ബന്ധപ്പെട്ട പുതിയ സാങ്കേതികവിദ്യകള് പാഠങ്ങള് രചിക്കുന്നതിനും ചുരുക്കിയെഴുതുന്നതിനും ഉപയോക്താക്കളുടെ അന്വേഷണങ്ങള്ക്കു മറുപടി പറയുന്ന കസ്റ്റമര് സര്വ്വീസിനും കവിത എഴുതുന്നതിനുപോലുമുള്ള കഴിവുനേടുന്ന കാലമാണ് വരുന്നത്.
ഇതെല്ലാം വിരല്ചൂണ്ടുന്നത് തികച്ചും ആശ്ചര്യകരമായ ചില പുത്തന് സാഹചര്യങ്ങളിലേക്കാണ്. നാഡീകോശങ്ങളും സിനാപ്സുകളും ചേര്ന്ന ചെറിയ നാഡീകോശ മാതൃകകള് ദശലക്ഷക്കണക്കിനു കൂട്ടിയിണക്കപ്പെടുമ്പോള് ഉണ്ടാകുന്ന സങ്കീര്ണ്ണമായ നാഡീവ്യൂഹത്തിന് അതിസങ്കീര്ണ്ണമായ നമ്മുടെ ഭാഷതന്നെ സ്വായത്തമാകാന് പോകുന്നു. എന്നാല്, ഇതൊന്നും മനുഷ്യസഹജമായ ബുദ്ധിശക്തിയിലേക്കു നയിക്കില്ല എന്നു വാദിക്കുന്നവരുമുണ്ട്. കൃത്രിമ നാഡീവ്യൂഹങ്ങള്ക്കു യുക്തിപരമായി ചിന്തിക്കാന് കഴിയണമെങ്കില്, പുതിയ പല കണ്ടുപിടുത്തങ്ങളും കൂടി വേണ്ടിവരും എന്നുള്ളത് വാസ്തവം തന്നെ.
മറ്റൊരു പ്രശ്നം, ഈ കൃത്രിമ നാഡീവ്യൂഹങ്ങളുടെ അമിതമായ ഊര്ജ്ജ ഉപഭോഗമാണ്. ഇപ്പോഴത്തെ നിരക്കില്, പുതിയ അത്തരം നാഡീവ്യൂഹങ്ങള് നിര്മ്മിച്ച് പരിശീലിപ്പിക്കുന്നതിനായി ഏതാണ്ടൊരു പതിറ്റാണ്ടുകാലത്ത് ലോകത്ത് ഉല്പാദിപ്പിക്കപ്പെടുന്ന ഊര്ജ്ജം മുഴുവന് വേണ്ടിവരും. ഇത്തരത്തിലുള്ള വെല്ലുവിളികളാണ് സ്വിറ്റ്സര്ലണ്ടിലുള്ള ഐ.ബി.എം റിസര്ച്ച് ലാബിലെ എന്റെ ഗവേഷകസംഘം ഏറ്റെടുത്തിരിക്കുന്നത്.
ഇന്ന് വിവിധ തലങ്ങളില് അനിയന്ത്രിതമായി പ്രയോഗിക്കപ്പെട്ടുകൊണ്ടിരിക്കുന്നു. എന്ത് ഉല്പന്നങ്ങളാണ് നമ്മള് വാങ്ങേണ്ടത്, എവിടെ നിന്നാണ് ഭക്ഷണം കഴിക്കേണ്ടത്, വാര്ത്തകള് എങ്ങനെ ഉള്ക്കൊള്ളണം, ആരെ പ്രണയിക്കണം, ഏതു പാട്ടാണ് കേള്ക്കേണ്ടത് എന്നിങ്ങനെ അനേകം കാര്യങ്ങളില് തീരുമാനമെടുക്കാന് സഹായിക്കുന്ന ടെക്ക് പ്ലാറ്റ്ഫോമുകളും വെബ് ഡിവൈസുകളുമുണ്ട്. അതുപോലെ, വൈദ്യശാസ്ത്രരംഗത്ത് റേഡിയോളജിസ്റ്റുകളേയും മറ്റുള്ള ആരോഗ്യപ്രവര്ത്തകരേയും സഹായിക്കുന്ന ഉപകരണങ്ങളുമുണ്ട്. ഇതിനെല്ലാമുള്ള മൈക്രോചിപ്പുകള് ഡിസൈന് ചെയ്യുന്നതിനും പുതിയ ഉപകരണങ്ങള് കണ്ടെത്തുന്നതിനും ആഴപഠനം ഉപയോഗിക്കപ്പെടുന്നു. പ്രസംഗം തയ്യാറാക്കുന്നതിലും കലാസൃഷ്ടിയില്പോലും ആഴപഠനം പ്രധാനപ്പെട്ട പങ്ക് വഹിച്ചുകൊണ്ടിരിക്കുന്നു.
ഉന്നത വിദ്യാഭ്യാസരംഗം വേണ്ടത്ര വികസിച്ചിട്ടില്ലാത്ത നമ്മുടേതുപോലൊരു സംസ്ഥാനത്ത് വലിയൊരു സാമ്പത്തിക സാധ്യതയാണ് ആഴപഠനം മുന്നോട്ടുവയ്ക്കുന്നത്. ആഴപഠനം സ്വായത്തമാക്കുന്നതിന് ആവശ്യമായ ഗണിതപശ്ചാത്തലവും ശാസ്ത്രപരിജ്ഞാനവും പരിമിതമാണ്. അതുകൊണ്ട് പ്രയോഗതലത്തില് ഈ രംഗത്തു വിജയിക്കുക എളുപ്പമാണ്. തന്നെയുമല്ല, ഓപ്പണ് സോഴ്സ് സോഫ്റ്റ്വെയര് എളുപ്പത്തില് കിട്ടാവുന്ന പൊതുമേഖലയിലാണ് ആഴപഠനം പ്രധാനമായും വികസിച്ചുകൊണ്ടിരിക്കുന്നത്. കംപ്യൂട്ടറുകളുടെ ലഭ്യതയും മറ്റും എളുപ്പമാക്കിക്കൊണ്ട്, സമര്ത്ഥരായ നമ്മുടെ യുവാക്കളെ ഈ അപൂര്വ്വ സാധ്യതകള് പ്രയോജനപ്പെടുത്തുന്നതില് പൊതു-സ്വകാര്യ മേഖലകള്ക്കു സഹായിക്കാന് കഴിയും.
അടുത്ത ഏതാനും വര്ഷങ്ങള്ക്കകം കാതലായ പല സാമൂഹിക മാറ്റങ്ങളും സംഭവിക്കും. ആഴപഠനം എന്ന ഈ പുതിയ സാങ്കേതികവിദ്യ, നിലവിലുള്ള പല തൊഴില്മേഖലകളേയും ഇല്ലാതാക്കും. അതിനാല് നമ്മുടെ ഉല്പാദനക്ഷമത വര്ദ്ധിപ്പിക്കുന്നതിനായി ഈ സാങ്കേതികവിദ്യയുടെ സാധ്യതകള് പരമാവധി ഉപയോഗപ്പെടുത്തുന്നതിനു നാം തയ്യാറാകണം. ലോകം അതിവേഗം മുന്നേറിക്കൊണ്ടിരിക്കുകയാണ് എന്ന വസ്തുത കണക്കിലെടുത്തുകൊണ്ട് നാമും നമ്മുടെ രാഷ്ട്രീയക്കാരും തീരുമാനങ്ങള് എടുക്കുന്നവരും അതീവ ജാഗ്രത പുലര്ത്തേണ്ടിയിരിക്കുന്നു.?
സമകാലിക മലയാളം ഇപ്പോള് വാട്സ്ആപ്പിലും ലഭ്യമാണ്. ഏറ്റവും പുതിയ വാര്ത്തകള്ക്കായി ക്ലിക്ക് ചെയ്യൂ