නුදුරු දිනෙක ලොව හොල්ලන කෘත්‍රිම බුද්ධිය – Artificial Intelligence


AI

මිනිසා තරම් බුද්ධිමත් සත්ත්‍ව කොට්ඨාසයක් තවමත් මිහිපිට සොයා නොගත්තත්, සමහර මිනිසුන්ගේ ක්‍රියාකලාපයන් දෙස බැලීමේදී මේ මිනිසාගේ හිස තුළ මොළයක් ඇත්දැයි සිතෙන තරමට මන්ද බුද්ධික සිදුවීම් ද සිදු වෙනවා. විශේෂයෙන් දිනපතා ප්‍රවෘත්ති විකාශනයන්හි වැඩි ඉඩක් ගන්නා දේශපාලන කණ්ඩායම්, එතැනට යද්දී මොළය ගෙදර තබාගොස් ඇති දැයි නොසිතෙනවා ද නොවේ. ලංකාවේ දුක්ඛිත තත්ත්‍වය එසේ වුවත්, පසුගිය සතියේ ලොව පුරා දියුණුව පතන පුද්ගලයන්ගේ දෑස් හැරීමට එක් සිදුවීමක් සමත් වුනා. එනම් සවුදි අරාබිය, ලෝකයේ ප්‍රථම වරට කෘත්‍රිම බුද්ධිය සම්බන්ධ ඇමතිවරයෙකු පත් කිරීමයි. මේ පත්කිරීම සවුදි අරාබියේ 2030 දැක්ම හා සමගාමීව කරන ලද්දක්. ලෝකය කෙසේ ඉදිරියට ගියත්, අපට තවමත් බුද්ධියේ මූලික අඩිතාලම වන අධ්‍යාපනය හරිහැටි සකසා ගන්නට නොහැකිව සිටින නිසා, තවත් අවුරුදු 50 ක් ගියත් මේ පිළිබඳ අනතුරුදායක තත්ත්‍වයක අප නොසිටින බව නොබියව පුරෝකථනය කළ හැකියි.

මිනිසා සහ සතුන්ගේ සාමාන්‍ය බුද්ධිය හැරුණුකොටගෙන, යන්ත්‍ර මගින් සිදු කරන බුද්ධිමත් හැසිරීම කෘත්‍රිම බුද්ධිය (Artificial Intelligence) ලෙස සරළවම විස්තර කළ හැකියි. කෙසේ වුවත් කෘත්‍රිම බුද්ධිය මේ යැයි යනුවෙන් පැහැදිලිවම අර්ථකථනයක් දීමට නොහැක්කේ මෙය විවිධ මට්ටම්වලින් ක්‍රියාත්මක වන නිසා. උදාහරණයක් ලෙස ගත්විට සාමාන්‍ය පරිඝණකයක ක්‍රියාකාරීත්‍වය එම පරිඝණකයට දත්ත කැවීමෙන් පසුව සිදු කරන ක්‍රියාදාම වලින් සමන්විතයි. එය භාවිතයෙන් අළුතෙන් යමක් කරවා ගැනීමට අවශ්‍ය නම්, එයට නැවත මෘදුකාංගයක් ඇතුලත් කළ යුතුමයි. එසේ නොකළහොත් නවතාවයකින් යමක් සිදු කිරීමට පරිඝණකයට නොහැකියි. නමුත් එම පරිඝණකයම ඔබේ දත්ත සැපයීමේ හෝ වෙනත් අන්තර් සම්බන්ධතාවයක් භාවිතයෙන් නව ප්‍රවණතාවයක් ඇතිකර ගනී නම්, එය කෘත්‍රිම බුද්ධිය හා සබැඳි ක්‍රියාදාමයක්. ඔබේ උදෑසන අවදිවීම සෑමවිටම උදෑසන හයට සිදුවේ නම්, පරිඝණකය එය බලාපොරොත්තුවෙන් උදෑසන හය වනවිට සිය මෙහෙයුම් පද්ධතිය බාහිර දත්ත කැවීමකින් තොරව ස්වයංක්‍රීයව ක්‍රිියාත්මක වී ඔබ වෙනුවෙන් සැදී පැහැදී සිටී නම්, ඔබ දෙනු ලබන විධානයන්ට තාර්කිකව ස්වයංක්‍රීයව ප්‍රතිචාර ලබා දේ නම්, එම පද්ධතිය කෘත්‍රිම බුද්ධිය භාවිතයෙන් ක්‍රියා කරන පද්ධතියක් ලෙස හඳුන්වන්නට පුළුවනි.

කෘත්‍රිම බුද්ධිය පිළිබඳ මූලිකම උත්සාහය යෙදෙන්නේ ක්‍රිස්තු පූර්ව 1300 තරම් ඈතකදී Ramon Llull විසින් ගණනයන් සිදු කිරීමට මිනිස් මොළයට අමතරව කිසියම් යන්ත්‍රයක් නිපදවීමට දරන උත්සාහයත් සමගයි. ඇබකසයේ භාවිතයත් ඊට සමගාමීවම සිදු වුනා. Gottfried Leibniz විසින් ඉලක්කම් ගණනයට වඩා වෙනස් වූ සංසිද්ධි ගණනය කළ හැකි කැල්කියුලේටරයේ මූලික අවස්ථාවක් නිපදවීම සහ Wilhelm Schickard විසින් 1623 දී එය යතාර්ථයක් බවට පත්කිරීම වැනි දෑ එහි ආරම්භක උත්සාහයන් ලෙසින් හඳුන්වන්නට පුළුවනි.

කෘත්‍රිම බුද්ධිය මුලින්ම එළි දැක්වෙන්නේ 1956 දී වුවත්, එහි මූලික අඩිතාලම වැටෙන්නේ 0 සහ 1 අනුසාරයෙන් විවිධාකාර ගණනය කිරීම් සිදු කළ හැකිය යන Alan Turing ගේ ගණිතමය සිද්ධාන්තයත් සමගයි. සංඛ්‍යාංක (Digital) පරිඝණකවලට ඕනෑම විධිමත් තර්කනයක් කළ හැකිය යන Church–Turing Thesis යන සංකල්පය සහ ස්නායු ශල්‍ය විද්‍යාව, සතුන් හා යන්ත්‍ර අතර පණිවුඩ හුවමාරු අධ්‍යයන විද්‍යාව (Cybernetics) ආශ්‍රිත තවත් සොයාගැනීම් නිසා ඉලෙක්ට්‍රොණික මොළයක් නිපදවිය හැකි බවට විද්‍යාඥයින් අතර විශ්වාසයක් පැන නැංගා. ඒ අනුව කෘත්‍රිම බුද්ධිය පිළිබඳව මූලිකවම හඳුනාගත හැකි සැලැස්ම Warren Sturgis McCulloch සහ Walter Pitt විසින් 1943 විසින් එලිදැක්වූවා.

කෙසේ වුවත්, කෘත්‍රිම බුද්ධිය නම් විෂයය සැලසුම් සහගතව අධ්‍යාපනික ක්‍ෂෙත්‍රයක් ලෙස මුලින්ම හඳුනා ගැනෙන්නේ 1956 වසරේදී ඩාර්ට්මවුත් විශ්ව විද්‍යාලයේදී තිබූ වැඩමුළුවකදීයි. එයට සහභාගී වූ කානගී මෙලන් විශ්ව විද්‍යාලයේ Allen Newell සහ Herbert Simon, මැසචුසෙට්ස් තාක්‍ෂණික සරසවියේ John McCarthy සහ, Marvin Minsky මෙන්ම අයි බී එම් ආයතනයේ  Arthur Samuel  යන අය වර්තමාන කෘත්‍රිම බුද්ධිය යන සංකල්පයේ නිර්මාතෘ වරුන් ලෙස හඳුන්වනවා. එම වැඩමුළුවේදී ඔවුන්ගේ සිසුන් මිනිස් බුද්ධිය පරදවන චෙස් ක්‍රීඩා සහ වෙනත් තාර්කිකව  ක්‍රීඩා කරන පරිඝණක වැඩසටහන් නිෂ්පාදනය කිරීම මෙහි මූලාරම්භය ලෙස සනිටුහන් කළ හැකියි. 1960 ගණන්වලදී මේ පිළිබඳ ආයෝජන අයිතිය ඇමරිකානු ආරක්‍ෂක දෙපාර්තමේන්තුව භාරයේ තබාගෙන ලොව පුරා විවිධාකාර පර්යේෂණායතන පිහිටවූවා.

එදායින් පසුව මෙම විෂයය ක්‍ෂෙත්‍රය විවිධාකාර රැලි කිහිපයක් පසුකරමින් අද පවතින ඉතා මතභේදකාරී සහ දියුණ තත්ත්‍වයට පත්ව තිබෙනවා. කෘත්‍රිම බුද්ධිය පර්යේෂණවල සාම්ප්‍රදායික උප ක්‍ෂෙත්‍ර බොහොමයක්. තාර්කික බුද්ධිය, සැලසුම්, ඉගෙනීම, ස්වභාවිකව භාෂාවන් භාවිතය, ස්වයං අවබෝධය සහ විවිධ වස්තූන් චලනය සහ භාවිතය වැනි ක්‍ෂෙත්‍ර ඒ අතරින් ප්‍රධානයි. මෙහි දීර්ඝකාලීන බලාපොරොත්තු වන්නේ සංඛ්‍යානමය දත්ත සැකසීම සහ භාවිතය, ස්වයංක්‍රීය ගණනය කිරීම් පිළිබඳ බුද්ධිමත් තීරණ ගැනීම් වැනි උප ක්‍ෂෙත්‍රයි. මේ හා සමගාමීව දැන් කෘත්‍රිම බුද්ධිය භාවිතයෙන් බොහෝ දෑ සිදු කර අවසන්. උදාහරණ වශයෙන් ගණිතමය ගණනය කිරීම් සහ ඒවා ප්‍රශස්ත මට්ටමට ගෙන ඒම, විද්‍යාත්මක ගණනයන්, මානසික විද්‍යාත්මක උපකල්පනය කිරීම්, භාෂා භාවිතය, දර්ශනය, ස්නායු ශල්‍ය විද්‍යාව, කෘත්‍රිම මානසික විද්‍යාව වැනි දෑ ඉදිරියෙන්ම තිබෙනවා.

1970 දශකයේදී මන්දගාමී ස්වරූපයක් ගත් කෘත්‍රිම බුද්ධිය සම්බන්ධ පර්යේෂණ නැවතත් පණ ලබා පැමිණියේ 1980 ගණන්වලදී තැනූ Expert Systems නම් පරිඝණකයේ නිමැවුමත් සමගයි. 1985 වනවිටත් කෘත්‍රිම බුද්ධිය සම්බන්ධ ව්‍යාපාර වටිනාකම ඩොලර් බිලියනය ඉක්මවා ගොස් තිබුණේ එහි ඇති වැදගත්කම ලොවට පසක් කරමින්.  මේ වනවිටම ජපානයේ සිදුවෙමින් පැවතුන පස්වන පරම්පරාවේ පරිඝණක ව්‍යාපෘතිය නිසා ඇමරිකානු සහ බ්‍රිතාත්‍ය රාජ්‍ය තුළ නව තරඟයක් ඇති වූවා. කෙසේ වුවත් ලොව පළමු තනි පුද්ගලයෙකුට භාවිතා කළ හැකි පරිඝණකය වූ  Lisp Machine හි අසාර්ථකත්‍වයත් සමගම නැවතත් කෘත්‍රිම බුද්ධිය සම්බන්ධ පර්යේෂණ පසුගාමීත්‍වයකට පත් වූවා.

නැවත 1990 ගණන්වල, සිදු වූ පුනරුදය මේ දක්වාම නොනැසී පැවතීම කෘත්‍රිම බුද්ධිය සම්බන්ධ පර්යේෂණ ලැබූ ලොකුම ජයග්‍රහණයයි. මෙහි ප්‍රධානතම සාර්ථකත්‍වය වන්නේ පරිඝණකවල බලය සහ වේගය ඉතා ඉක්මනින්ම දියුණු වීම සහ දත්ත සැකසීම සහ භාවිතයේ දියුණුව සුවිශාල වශයෙන් වැඩි වීමයි. ඒ අනුව 1997 වසරේදී කෘත්‍රිම බුද්ධිය තනා සැකසූ Deep Blue නම් පරිඝණකය 1997 වසරේ මැයි 11 වන දින ප්‍රථම වරට එවකට ලෝක චෙස් ශුරයා වූ Garry Kasparov පරාජය කිරීම මගින් සිය අද්විතීයභාවය සනිටුහන් කරනු ලැබුවා.

2010 වනවිට විශාල ප්‍රමාණයක් දත්ත ප්‍රයෝජනයට ගැනීම සහ පරිඝණකවල සුපිරි ක්‍රියාකාරීත්‍වය නිසා කෘත්‍රිම බුද්ධිය භාවිතයේ විශාල පරිණාමයක් සටහන් වූවා. ඇමරිකාවේ ප්‍රසිද්ධ ප්‍රශ්න විචාරාත්මක වැඩසටහනක් වන Jeopardy නම් වැඩසටහනේ ශූරයින් වන , Brad Rutter සහ Ken Jennings දෙදෙනා ප්‍රදර්ශන තරඟයකදී IBM සමාගම විසින් නිපදවූ Watson නම් කෘත්‍රිම බුද්ධිය සහිත පරිඝණකය මගින් ඉතා ඉහළ ලකුණු වෙනසකින් පරාජය වූයේ කෘත්‍රිම බුද්ධියේ පරිණාමය සනිටුහන් කරමින්., මෙයට අමතරව විවිධාකාර සංකීර්ණ පරිඝණක ක්‍රීඩා සහ වෙනත් අවස්ථාවලදී මානව බුද්ධිය අභිබවමින් කෘත්‍රිම බුද්ධිය ගවු ගණනක් ඉදිරියෙන් සිටින බවට බොහෝ අවස්ථාවල තහවුරු වී ඇත්තේ ඒ සම්බන්ධයෙන් සිදු කළ තරඟ ගණනාවකදී පැහැදිලිවම මානව බුද්ධිය පරාජය වීම නිසායි.

ක්‍රීඩා සහ වෙනත් තරඟ අංශවලින් එසේ වුවත්, ප්‍රායෝගික භාවිතාවේදීත් කෘත්‍රිම බුද්ධිය ඉතා ඉදිරියෙන් සිටිනවා. එසේම Microsoft සමාගම මගින් මෑතකදී එලිදැක්වුණ Skype මගින් භාෂාවන් පරිවර්තනය කිරීමේ හැකියාව සහ Facebook හි අන්ධ පුද්ගලයින්ට පින්තූර විස්තර කිරීමේ හැකියාව ආදිය කෘත්‍රිම බුද්ධියේ වැදගත් සන්ධිස්ථානයන් වූවා.

අන් සෑම කටයුත්තක් මෙන්ම කෘත්‍රිම බුද්ධිය සම්බන්ධවත් කිසියම් අභිප්‍රායන් තිබෙනවා. එහි මූලිකම අභිප්‍රාය වන්නේ පරිඝණක සහ යන්ත්‍රවලට බුද්ධිමත් ආකාරයෙන් ස්වයංක්‍රීයව කටයුතු කිරීමට තාක්‍ෂණික ඉඩ පහසුකම් සැලසීමයි. ඒ අනුව මේ වැඩසටහන උප කොටස් ගණනාවකට බෙදා තිබෙනවා.

හේතු දැක්වීම සහ ප්‍රශ්න විසඳීම – Reasoning, problem solving

ස්වභාවික බුද්ධියේදී සිදු වන්නේ ප්‍රශ්නයක් පියවරෙන් පියවර විසඳීමයි. කෘත්‍රිම බුද්ධිය එලිදැක්වුන කාලයේ පර්යේෂකයන් සිදු කළේද ප්‍රශ්න විසඳීම පියවරෙන් පියවර සිදු කරන ආකාරයේ හෝ තාර්කික ඉවත්කිරීම් අනුසාරයෙන් ප්‍රශ්න විසඳන ඇලොගරිදම් එලිදැක්වීමයි. නමුත් 1980-90 ගණන්වලදී එය වැඩිදියුණු වී අසම්පූර්ණ තොරතුරු මත පවා පදනම් වී ප්‍රශ්න විසඳීමේ ක්‍රමයක් එලිදැක්වූවා. මෙය බොහෝ විට අහඹුතාවය සහ ආර්ථිකමය ප්‍රශ්න විසඳීමට විශාල පිටිවහලක් වූවා.

බුද්ධිය නියෝජනය –  Knowledge Representation

බුද්ධිය නියෝජනය සහ බුද්ධි ඉංජිනේරු ශිල්පය කෘත්‍රිම බුද්ධිය පිළිබඳ පර්යේෂණවල කේන්‍ද්‍රය වනවා. මෙහිදී සිදු කෙරෙන බොහෝ විසඳුම් සඳහා ලෝකය පිළිබඳ ප්‍රාමාණික දැනුමක් අවශ්‍ය වනවා. ඒ අතර වස්තූන්, ඒවායේ ගුණ, ප්‍රභේද සහ එම වස්තූන් අතර වූ අන්තර් සම්බන්ධතා, විවිධ අවස්ථා, තත්ත්‍වයන් සහ කාලය, හේතුව සහ ඵලය, දැනුම පිළිබඳ වෙනත් අය දන්නා දේ ආදිය ප්‍රධානයි. තවත් කොටසක් වන අර්ථශාස්ත්‍රයේදී යෙදෙන තාර්කික මූලධර්ම, පුද්ගලයන් සහ චරිත, ගතිගුණ සහ නියෝජිත භාෂාවන් භාවිතා වනවා. උදාහරණයක් ලෙස වීඩියෝ හෝ චිත්‍රපටවල ස්වයංක්‍රීයව උපසිරැසි සැකසෙන ක්‍රමවේදය සකසා ඇත්තේ මෙම ක්‍රමය උපයෝගී කරගෙනයි.

සැලසුම් – Planning

සාමාන්‍යයෙන් සැලසුම් සකස් කරන්නන් සිදු කරන්නේ අනාගතය පිළිබඳ යම් දැකීමක් ඇතිව කටයුතු කිරීමයි. එහිදී අදාල සම්පත් භාවිතා කර එම අවස්ථාවට වඩාත්ම උචිත සැලසුම ඉදිරිපත් කෙරෙනවා. මෙහිදී තනි පුද්ගලයෙකු සේ ක්‍රියා කිරීම සහ සමූහයක් ලෙස තීරණ ගැනීම යන අංශ දෙකෙන්ම සැලසුම් කිරීම සළකා බැලෙනවා.

ඉගෙනීම – Learning

කෘත්‍රිම බුද්ධියේ මූලිකම සිද්ධාන්තයක් වන්නේ යාන්ත්‍රික ඉගෙනීමයි. එහිදී පවතින ක්‍රමය මෙන්ම අත්දැකීම් ද පාදක කරගනිමින් කෘත්‍රිම බුද්ධිය තීරණ ගනු ලබනවා. කෘත්‍රිම බුද්ධිය සහිත රොබෝවරු කටයුතු කරන්නේ මේ ආකාරයටයි. මුලින්ම රොබෝවරුන්ට යම් බුද්ධිමය තොරතුරු කැවීමක් සිදු කළ පසු ඒවා ඒ සිද්ධාන්ත සහ අත්දැකීම් උපයෝගී කරගෙන ස්වයං ඉගෙනුමක නිරත වනවා. ඉන්පසු බුද්ධිය මෙහෙයවමින් සිය කාර්යයන් සිදු කරනවා.

ස්වභාවිකව භාෂා සැකසුම –  Natural Language Processing

මෙමගින් මානව භාෂාවන් කියවීම, හඳුනාගැනීම සහ තේරුම්ගැනීමේ හැකියාව යන්ත්‍රවලට ලබාදීම සිදු කරනවා. මේ අනුව එය ලිඛිත භාෂා හඳුනාගැනීම සෘජුවම භාවිතා කරන අතර එය මූලිකවම සිදු කරන්නේ අර්ථශාස්ත්‍රමය ක්‍රම භාවිතයෙන් වෙන් කරගැනීමයි. ඒ මගින් තොරතුරු නිරාවරණය, ලිඛිත වගන්තීන් සොයාගැනීම, ප්‍රශ්නවලට පිළිතුරු සැපයීම සහ පරිවර්තනය සිදු වනවා.

අවබෝධය – Perception

යාන්ත්‍රිකමය අවබෝධය යනු, කැමරා, මයික්‍රෆෝන, ආදී විවිධාකාර සංවේදක හරහා ලැබෙන සංනිවේදනයන් සකසා අදාල තොරතුරු නිර්ණය කිරීමයි. එයට හොඳම උදාහරණ වන්නේ මුහුණු හඳුනාගැනීමේ ක්‍රමවේදය, භාෂා විලාශයන් හඳුනා ගැනීම, සහ වස්තූන් හඳුනාගැනීමේ ක්‍රමවේද වනවා.

 

රොබෝවිද්‍යාව –  Robotics

කෘත්‍රිම බුද්ධියේ ආශ්චර්යය පිළිබඳ වඩාත්ම ප්‍රචලිත උදාහරණය වන්නේ රොබෝ විද්‍යාවයි. මෙහිදී භාණ්ඩ හැසිරවීම සහ ස්ථාන, සිතියම් ආදිය භාවිතයෙන් සිදු කරන යාත්‍රණය, ආදී චලනාත්මක උපයෝගීතා සිදුවනවා.

සමාජයීය බුද්ධිය – Social Intelligence

මෙහිදී මිනිස් සිතිවිලි හඳුනාගැනීම, තේරුම් ගැනීම, සහ සැකසීම මූලික වශයෙන්ම සිදු කෙරෙනවා. මෙය පරිඝණක විද්‍යාව, මානසික වෛද්‍ය විද්‍යාව සහ බුද්ධිමය දැනුම් ක්‍ෂෙත්‍රවල අන්තර්ස බඳතාවයකින් සැකසුනු ක්‍ෂෙත්‍රයක්. මෙය වඩාත් වැදගත් වන්නේ මිනිසුන්ගේ ක්‍රියාකාරකම් සහ ඔවුන්ගේ අභිප්‍රායන් උපකල්පනය කිරීමේ හැකියාව ලබාගෙන වඩා හොඳ අනාවැකි කීමට හැකිවීමයි. මේ නිසා මානව – යන්ත්‍ර අන්තර් සබඳතාවයන් ඉතාම සුමටව සිදුකිරීමේ හැකියාව ලැබෙනවා. එනම් සමහරවිට හැඟීම් හඳුනාගැනීම සහ හැඟීම් පළකිරීම දක්වාම දියුණු වන්නට පුළුවන්. එය කෘත්‍රිම බුද්ධිය නව මානයකට ගෙන යාමට සමත් වනවා.

නිර්මාණශීලීත්‍වය – Creativity

නිර්මාණශීලීත්‍වය තවමත් මිනිසුන් සතු වූ දෙයක් වූවත්, ක්‍රම ක්‍රමයෙන් යන්ත්‍ර මගින් මානව හැඟීම් හඳුනාගැනීම වැඩි වනවිට නිර්මාණශීලීත්‍වය වුවත් කෘත්‍රිම බුද්ධිය හරහා සිදු වන්නට පුළුවනි. ඒ අනුව නව නිර්මාණ සැකසීම, ඇඟළුම් ක්‍ෂෙත්‍රය වැනි අංශවල නව සැලසුම්, වර්ණ සංයෝජන සැකසීම වැනි දෑ පරිඝණක මගින් සිදු වන්නට පුළුවනි.

සාමාන්‍ය බුද්ධිය – General Intelligence

බොහෝ පර්යේෂකයන් විශ්වාස කරන පරිදි අනාගතයේදී කෘත්‍රිම බුද්ධිය, ඉහත කී අංශ සියල්ලේම එකතුවකින් මානව බුද්ධිය අභිබවා කටයුතු කරනු ඇති. තවත සමහරු කල්පනා කරන්නේ මනුෂ්‍යාරෝපිත ලක්‍ෂණ වන කෘත්‍රිම විඥානය එසේත් නැතිනම් කෘත්‍රිම මොළයක් පවා තැනීම මේ මගින් සිදු විය හැකි බවයි. කෙසේ වුවත් භාෂාවන් සැකසීම, හේතු දැක්වීම, දැනුම සහ සමාජයීය බුද්ධිය වන කරුණු සියල්ලම එකතුව ගත් කළ තවමත් කෘත්‍රිම බුද්ධිය මානව බුද්ධිය අභිබවා යාමට සමත් වී නොමැති නිසා අප ආරක්‍ෂා සහිතව සිටිය හැකියි.

දැන් දැන් බොහෝ පරිඝණක සහ යාන්ත්‍රික උපයෝගීතා වලදී කෘත්‍රිම බුද්ධිය භාවිතා වනවා. සුළු වශයෙන් අප භාවිතා කරන ජංගම දුරකථන වලත්, මහා පරිමාණව Google, Facebook, Amazon, වැනි වෙබ් අඩවිවලත් භාවිතා වන කෘත්‍රිම බුද්ධිය Tesla කාර් රථයේ ඉතාමත් ප්‍රබලව භාවිත වන්නේ අනාගත ලෝකයේ තත්ත්‍වය කියාපාමින්. කාර් රථයේ මාර්ග විස්තර සහ එය අත් දකින බාධක, මාර්ගයේ ස්වභාවය වැනි සියළුම දත්ත එක් Cloud Server එකකට එකතු වන මේ පද්ධතිය එයට සම්බන්ධ අනෙකුත් සියළුම Tesla කාර් සමග එය ස්වයංක්‍රීයවම බෙදා හදා ගන්නවා. එමගින් කිසිදු දිනෙක නොගිය මාවතක වුවත්, පෙර දිනක ගමන් කළාක් මෙන් පහසුවෙන් සහ නිවැරදිව ගමන් කිරීමේ හැකියාව අපට ලැබෙනවා.

කෘත්‍රිම බුද්ධිය දැන් දැන් බොහෝ අංශවල භාවිතයට ගැනෙනවා. කර්මාන්ත ශාලා, මානව සබඳතා සම්බන්ධ සංවිධාන, අන්තර්ජාල වෙළඳාම, වීඩියෝ ක්‍රීඩා, අන්තර්ජාල සේවා, බැංකු කටයුතු, ආරක්‍ෂාව සම්බන්ධ කටයුතු, අන්තර්ජාල වෙලඳ දැන්වීම් සහ අප වෙත කරනු ලබන යෝජනා, ප්‍රවෘත්ති සැකසීම, සුපිරි උපාංග, ජංගම දුරකථන, ආදී නොයෙකුත් අංශවලින් අප නොදැනුවත්වම අපට කෘත්‍රිම බුද්ධිය මගින් සේවා සැපයෙනවා. මේ නිසා අපට දැන් කෘත්‍රිම බුද්ධිය නැතිවම බැහැ. කෘත්‍රිම බුද්ධිය අතිශය ප්‍රයෝජනවත් සේම, අතිශය භයානක වන්නත් පුළුවන්. බටහිර චිත්‍රපටයක් වූ iRobot චිත්‍රපටයේ දැක්වෙන පරිදිම, කෘත්‍රිම බුද්ධියක් සහිත රොබෝ වරයෙකුට තවත් රොබෝ හමුදාවක් තැනීම අපහසු කටයුත්තක් නොවන්නට පුළුවනි. මේ නිසාම කෘත්‍රිම බුද්ධිය පාලනය කිරීමේ අවශ්‍යතාවය ඉලොන් මස්ක් විසින් මෑතකදී ප්‍රකාශ කළේ Facebook මගින් සිදු කළ කෘත්‍රිම බුද්ධිමය සැකසීමක භාෂාව එමගින්ම වෙනස් කරගෙන, පරිඝණක අතර අන්තර් සම්බන්ධතාවයක් සකසා ගැනීම පරිඝණක විද්‍යාඥයන්ගේ අතට හසුවීම නිසා. මේ අනුව කෘත්‍රිම බුද්ධිය අපේ ඇස්වලට වැලි ගසා තනිවම ක්‍රියා කරන්නට පුළුවනි. වාසනාවකට දැන් ඒ තත්ත්‍වය හඳුනාගෙන එවැනි ස්වයං භාෂා නිර්මාණය කිරීමේ හැකියාව නවතාලූවත්, අනාගතයේ ඊටත් වඩා සූක්‍ෂමව ඔවුන් අපව මුලා නොකරනු ඇතැයි සිතිය හැක්කේ කාටද ?

 

Advertisements

About Alchemiya

ආචාර්ය පියල් ආරියනන්ද, ජීව අකාබනික රසායන විද්‍යාව අංශයෙන් ඇමරිකාවේ ඩෙලවෙයා විශ්ව විද්‍යාලයෙන් ආචාර්ය උපාධිය ලබා වසර කිහිපයක් එහිම විද්‍යා පර්යේෂකයෙකු ලෙස සේවය කර, ජර්මනියේ BASF රසායන ආයතනයෙහි රසායනික උත්ප්‍රේරක සම්බන්ධයෙන් පර්යේෂණ කළ විද්‍යාඥයෙකි. හරිතාගාර ආචරණයට ප්‍රධාන දායකත්‍වයක් දක්වන කාබන් ඩයොක්සයිඩ් වායුව රසායනික සංයෝගවලට පරිවර්තනය කළහැකි රසායනික පර්යේෂණවලට ඉතා ඉහළ දායකත්‍වයක් දී ඇත. ලංකාවට පැමිණි පසු මයිඩාස් සේෆ්ටි ආයතනයෙහි පර්යේෂණ ප්‍රධානී වශයෙන් ද කටයුතු කර, දැනට MAS Holdings අනුබද්ධ Bodyline ආයතනයෙහි නවෝත්පාදන ප්‍රධානී වශයෙන් කටයුතු කරයි. රැකියාවට අමතරව ඔහු විද්‍යාත්මක Blog අඩවියක් ද, රිවිර -රිවිනෙත කලාපයට සතිපතා ලිපි පළකරන විද්‍යා ලේඛකයෙකි. මෙයට අමතරව ඔහු නවෝත්පාදන සහ නිර්මාණශීලීත්‍වය පිළිබඳව දේශන සහ වැඩමුළු ද පවත්වයි. Dr. Piyal Ariyananda was schooled at Mahinda College, Galle and obtained his first degree at the Institute of Chemistry, Ceylon. He excelled the studies being the Batch top in the First year and overall Batch second in the final year exams. After two years of work as a chemist at the Unilever Sri Lanka, Dr. Piyal received a scholarship to pursue his Masters Degree at the university of Louisiana, Monroe where he became the most outstanding Graduate student of the Department of Chemistry in 2003 at his graduation. Dr. Piyal did his Ph.D at University of Delaware, with another scholarship to study his Ph.D in Chemistry, where he studied the conversion of Carbon Dioxide to useful chemical compounds. After graduation with a Ph.D he continued the research at the same university in Energy generation through Carbon Dioxide conversion for two years. Dr. Piyal was offered a scientist position at the Catalytic Research Lab at BASF – Germany and prior to return to Sri Lanka, He worked on converting Carbon Dioxide to Superabsorbant materials, which are used in Diapers if simply explained. Prior to the current assignment, Dr. Piyal headed the R&D team at Midas Safety, a safety and sports glove manufacturing organization located in the Export processing zones in Sri Lanka. His team introduced several new products and technologies into the glove industry, which includes a recent international patent on a new method of making a special type of a coating. His team won the most outstanding innovation team Gold award, in the 2015 National Chamber of Exporters’ award Ceremony. Dr. Piyal is currently heading the Bodyline Innovation team in General Manager capacity. Bodyline is one of the largest business units in MAS holdings with over 15000 employees. He uses the latest innovation methods in the world to innovate the products, and new business models to cater the latest trends in apparel market. Apart from his professional work, He is a science communicator and he writes a special article in Sunday Rivira – Rivinetha, and a science fiction to the same paper. He is also a trainer of Science teachers working with the department of education, and the secretary of the Royal Society of Chemistry, Sri Lanka Section.

Posted on ඔක්තෝබර් 31, 2017, in ඇල්කෙමියාගේ දිනපොත and tagged , . Bookmark the permalink. ප්‍රතිචාරයක් ලබාදෙන්න.

ප්‍රතිචාරයක් ලබාදෙන්න

Fill in your details below or click an icon to log in:

WordPress.com Logo

ඔබ අදහස් දක්වන්නේ ඔබේ WordPress.com ගිණුම හරහා ය. පිට වන්න / වෙනස් කරන්න )

Twitter picture

ඔබ අදහස් දක්වන්නේ ඔබේ Twitter ගිණුම හරහා ය. පිට වන්න / වෙනස් කරන්න )

Facebook photo

ඔබ අදහස් දක්වන්නේ ඔබේ Facebook ගිණුම හරහා ය. පිට වන්න / වෙනස් කරන්න )

Google+ photo

ඔබ අදහස් දක්වන්නේ ඔබේ Google+ ගිණුම හරහා ය. පිට වන්න / වෙනස් කරන්න )

%d bloggers like this: