కృత్రిమ మేధ ఎలా పనిచేస్తుంది ?

రాహుల్జీ

1950లో శాస్త్రవేత్తల యంత్రాలు కూడా మనుషుల్లాగా సొంతంగా నిర్ణయాలు తీసుకోగలవా? అనే ఆలోచన నుంచి రూపొందింది కృత్రిమ మేధ.

ఇంతవరకు మానవుడు కనిపెట్టిన యంత్రాలన్నీ అతని శారీరక శ్రమను లేదా కొంతమేరకు మేధోశ్రమను తగ్గించేవి మాత్రమే! కానీ మొదటిసారి మానవుడి మేధకు ప్రత్యామ్నాయం అనిపించే ఆవిష్కరణలు కనిపిస్తున్నాయి. ఉదాహరణకి  ఇప్పుడు విరివిగా వాడుతున్న చాట్ జిపిటి. ఒక దశాబ్దం ముందు ఇవి సామాన్యుల ఊహకు అందనివి. ప్రజల ఉపయోగానికి అందుబాటులోఉంచిన రెండు నెలల్లోనే చాట్ జిపిటి 1000 మిలియన్ యూజర్స్ ని సంపాదించుకుంది. సోషల్ మీడియా వీడియో అప్లికేషన్ టిక్ టాక్ ఈ స్థాయికి చేరడానికి 9 నెలలు పట్టింది. ఇంస్టాగ్రామ్ కి 30 నెలలు పట్టింది. చాట్ జిపిటి లేదా అలాంటి మరికొన్ని అప్లికేషన్లు ఎలా వాడాలి ? అని బోధించే వీడియోలకి, పుస్తకాలకి, ఆన్లైన్ క్లాసులకి అంతే లేదు. అదొక చిన్న సైజు పరిశ్రమ స్థాయికి చేరింది.

అయితే కృత్రిమ మేధతో నడుస్తున్న అప్లికేషన్లు ఎంతవరకు ఉపయోగపడగలవు? ఎంత ఉపయోగపడలేవు? పరిమితులు ఏమిటి ? ఒకవేళ ఇవి మానవమేధని మించిపోయి దానినే నియంత్రించే స్థాయికి చేరుకుంటాయా ? ఈ వ్యాసంలో ముందుగా ఈ కృత్రిమ మేధ ఆధారిత అప్లికేషన్లు  (వీటిని ఎల్ ఎల్ ఎం – లార్జ్ లాంగ్వేజ్ మోడల్స్ అంటారు) ఎలా పనిచేస్తాయో చూద్దాం.

ఎందుకంటే ఈ అప్లికేషన్లు ఈరోజు మన జీవితాల్లోకి విరివిగా వచ్చేసాయి. చాలా వృత్తుల్లో వీటి సహాయం మనుషులు తీసుకుంటున్నారు. ఉదాహరణకు సాఫ్ట్వేర్ డెవలప్మెంట్, మార్కెటింగ్, సేల్స్, లా, జర్నలిజం. వీటన్నిటిలో పనిచేసే విధానాన్ని ఇవి మార్చేశాయి. కస్టమర్ అడిగిన సమస్యలకు జవాబు ఇస్తూ ఆ రంగంలో బాగా పాపులర్ అయ్యాయి. ఇంతగా మన జీవితాల్ని ప్రభావితం చేస్తున్న ఎల్ఎల్ఎంలు ఎలా పనిచేసాయో చేస్తాయో తెలుసుకుంటే ఎలా వాడుకోవాలో కూడా తెలుసుకుంటాం. ఇక రెండోది ఈ మేధ ఎలా వచ్చింది ? అవి మన కంటే లేదా మనలాగే మేధస్సును వాడకపోవచ్చు. వాటి పద్ధతిలో అవి మేధస్సును వాడుతున్నాయి. మరి ఆ పద్ధతులు ఏమిటో తెలుసుకోవాలి కదా!

కృత్రిమ మేధ పనిచేసే విధానం మనుషులాంటిది కాకపోవచ్చు కానీ అవి వాటి పద్ధతిలో తెలివైనవే అనడంలో సందేహం లేదు. కృత్రిమ మేధ అప్లికేషన్లు మనుషుల్లాగానే అడిగిన దానికి ప్రత్యుత్తరం ఇస్తున్నాయి. మనం చెప్పిన దాన్ని సందర్భానుసారం అర్థం చేసుకుంటున్నాయి కూడా! ఈ ఉదాహరణ చూడండి.

నేను చాట్ జిపిటితో ఇలా సంభాషించాను.
Me: On Monday, I need to visit the bank to deposit Cheque. What should I wear?
ChatGPT: When visiting a bank, it’s generally a good idea to dress in a neat and presentable manner.
Me: On Tuesday, I need to visit the bank to watch children catch fish. What should I wear?
ChatGPT: When visiting a riverbank, you should dress in a relaxed and comfortable outfit.

ఇక్కడ ఎల్ ఎల్ ఎం ‘బ్యాంక్ ‘అనే పదాన్ని సందర్భానికి తగ్గట్టు అన్వయించుకోగలిగింది.  ఇలా సందర్భానుసారం సంభాషించడం అంటే ముందు వాక్యాల్లో మనం ఏం చెబుతున్నాము గమనించి దానికి తగ్గట్టుగా మనతో సంభాషించేటప్పుడు తన దగ్గర ఉన్న సమాచారాన్ని సరిగ్గా ఉపయోగించుకోవడంలో ఎల్ఎల్ఎంలు పరిణితి చెందాయి.  ఈ ఎల్ ఎల్ ఎం లు  సుడోకు,  క్రాస్ వర్డ్ పజిల్స్ లాంటి వాటిని నిమిషాల్లో సాల్వ్ చేసేస్తాయి. నిస్సందేహంగా తెలివైనవే.

ఇప్పుడు ఇంకో ఉదాహరణ చూద్దాం. రెండు ఐదు అంకెల సంఖ్యల్ని చాట్ జిపిటికి హెచ్చ వేయమని ఇస్తే చాలాసార్లు అది సరైన సమాధానం ఇవ్వదు.

ఇక్కడ 76,597 X  83,452 హెచ్చించమంటే  సమాధానం 6,392,172,844 కానీ చాట్ జిపిటి ఇచ్చిన సమాధానం 6,394,147,844. ఎందుకని ఈ వ్యత్యాసం ? క్లిష్టం అనుకునే సంభాషణాల్ని అలవోకగా కచ్చితత్వంతో చేస్తున్న ఎల్ఎల్ఎంలు ఎందుకు ఈ లెక్క చేయలేకపోయాయి ? మనలో దాదాపు అందరూ ఒక పెన్ను పేపరు సహాయంతో సరిగా లెక్కించగల సమస్యను ఎందుకని ఎల్ఎల్ఎంలు  చేయలేకపోయాయి ? చాలా ఆశ్చర్యం కదా!

అయితే జాగ్రత్తగా గమనిస్తే ఎల్ఎల్ఎం ఇచ్చిన సమాధానం సరైనది కాకపోయినా అది ఏదో తనకు తోచిన సంఖ్యను చెప్పటం లేదు.  మొదటి మూడు అంకెలు చివరి మూడు అంకెలు సరిగానే ఉన్నాయి. దీనికి కారణం ఎల్ఎల్ఎం కు అసలు ఏ విషయము తెలియదు. అంటే యాపిల్ ఒక పండు అని గాని  లేదా, 76,597 X  83,452 = 6,392,172,844   అని గాని దానికి తెలియదు. దానికి తెలిసినది భాషలో ఉండే క్రమత్వాన్ని గుర్తించి తర్వాతి పదం ఏదో గ్రహించి  ఒక పూర్తి వాక్యం నిర్మించడం. భాషలో ఉండే క్రమత్వాన్ని గుర్తించడం తర్వాతి పదాలను ఊహించడంలోనే ఎల్ఎల్ఎంలకు ట్రైనింగ్ ఇస్తారు. దానికి ‘తెలిసింది’ అదే.

ఏదైనా చాట్ బోట్ ని “An Apple is…..” అని అడిగితే  అది Fruit”, “Sweet”, “Red”లేదా కొన్నిసార్లు “Round”  సమాధానం ఇవ్వచ్చు. ఎందుకంటే దానికి ముందే ఫీడ్ చేసిన లేదా అది తన సంభాషణల్లో  గమనించిన వాక్యాల్లో ఆపిల్ తో కలిసి ఉన్న పదాలు ఇవన్నీ.

అలాగే “భారతదేశం స్వాతంత్రం ఎప్పుడు పొందింది ?” అనే ప్రశ్నకు సమాధానం 1947 అని చెప్తుంది దానికి కారణం ఆ విషయం తెలిసి కాదు. దాని దగ్గర ఉన్న వాక్యాల్లో ‘భారతదేశం’, ‘స్వాతంత్రం’,  ‘సంవత్సరం’ అనే పదాల కాంబినేషన్లో 1947 అనేది కూడా ఉండి ఉంటుంది. అలాగే మనం ఇచ్చిన 76,597 X  83,452  కూడా! దాని దగ్గర ఉన్న వాక్యాల్లో  రెండు ఐదు అంకెల హెచ్చవేతల సమాధానాలను చూసి,  ఉరామరిగ్గ ఆ సంఖ్యను సమాధానంగా ఇచ్చింది. అందుకే అది తప్పే అయినా సరైన సమాధానానికి దగ్గరలోనే ఉంది. ఇలా సందర్భానుసారం తన దగ్గర ఉన్న డేటాతో పోల్చి సమాధానం ఇవ్వడం అంత సులభం ఏమీ కాదు మనుషులు ఆలోచించే సంభాషించే పద్ధతి ఇది కాదు.

ఎల్ఎల్ఎంలు ఎంత బాగా సంభాషిస్తున్నా అవి ఏ విషయాన్ని అర్థం చేసుకోలేవు. అవి కేవలం ఒక స్టాటస్టికల్ పాట్రన్ మ్యాచెస్ మాత్రమే.  అయితే ఏఐతో కూడిన ఎల్ఎల్ఎంల మేధ, మానవ మేధాలాంటిది కాకపోయినా, అది కూడా ఒక సమాంతర ప్రవాహమేనని దానికి ఆ ప్రాధాన్యం ఇవ్వాలని ఇంకో వాదన. దీని గురించి మరొకసారి లోతుగా తెలుసుకుందాం. కృత్రిమ మేధ మానవమేధను మించి పోయే అవకాశం ఉందా? ఇది కూడా మరోసారి చర్చిద్దాం.  

ఆధారం CARAVAN నుంచి  Gaurav Suri వ్యాసం.