ഇന്റർനെറ്റ് പൊട്ടിത്തെറിച്ചപ്പോൾ, അത് അതിവേഗം വലുതായി, ആരെങ്കിലും അത് എവിടെയാണെന്ന് കാണിച്ചില്ലെങ്കിൽ ഉപയോഗപ്രദമായ ഒന്നും കണ്ടെത്തുന്നത് താമസിയാതെ അസാധ്യമായിത്തീർന്നു. ഇത് നന്നായി ചെയ്യാൻ കഴിവുള്ള സെർച്ച് എഞ്ചിനുകൾ ഞങ്ങളുടെ ഇന്റർനെറ്റ് അനുഭവത്തിലേക്കുള്ള കവാടങ്ങളായി മാറി. മനുഷ്യർ ഒരു ചോദ്യം ടൈപ്പുചെയ്യുമ്പോൾ എന്താണ് അർത്ഥമാക്കുന്നതെന്ന് അൽഗോരിതത്തിന് എത്ര നന്നായി മനസ്സിലാക്കാൻ കഴിയും എന്നതിനെ ആശ്രയിച്ചാണ് വിജയം നിർവചിക്കാൻ തുടങ്ങിയത്. ഞങ്ങൾക്ക് ആവശ്യമായ കൃത്യമായ ഫലം അവർ ഞങ്ങൾക്ക് നൽകാൻ പോകുന്നുവെങ്കിൽ, ഞങ്ങൾ എന്താണ് തിരയുന്നതെന്ന് അവർ ആദ്യം മനസ്സിലാക്കേണ്ടതുണ്ട്. അതിനാൽ, ഈ പ്രശ്നം പരിഹരിക്കുന്നതിന് സെർച്ച് എഞ്ചിൻ അൽഗോരിതം പരിഷ്കരിക്കുന്നതിന് ഐടി വ്യവസായം സ്വയം സമർപ്പിച്ചു. ലോകത്തിലെ എല്ലാ തിരയൽ അന്വേഷണങ്ങളും അവരുടെ പൈപ്പുകളിലൂടെ കടന്നുപോയതിനാൽ, അവർ ചെയ്യേണ്ടത് ഈ വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യുകയും സാധ്യമായ ഫലങ്ങളിലേക്ക് പ്രോബബിലിസ്റ്റിക് റാങ്കിംഗുകൾ പ്രയോഗിക്കുകയും ചെയ്യുക മാത്രമാണ്.

കാലക്രമേണ, സെർച്ച് ഫീൽഡിലേക്ക് ഒരു ചോദ്യം ടൈപ്പുചെയ്യുമ്പോൾ ഞങ്ങൾ എന്താണ് ചിന്തിക്കുന്നതെന്ന് മനസിലാക്കാൻ സെർച്ച് എഞ്ചിനുകൾക്ക് കഴിഞ്ഞുവെന്ന് മാത്രമല്ല, ഞങ്ങൾ ടൈപ്പുചെയ്യുന്നത് പൂർത്തിയാക്കുന്നതിനുമുമ്പ് ഞങ്ങളുടെ ചോദ്യം പ്രവചിക്കാനും അവർക്ക് കഴിഞ്ഞു. തിരയലിലെ ഈ ഓട്ടോ സമ്പൂർണ്ണ പ്രവർത്തനം താമസിയാതെ മറ്റ് പല മേഖലകളിലേക്കും വ്യാപിച്ചു. ഞങ്ങളുടെ എസ്എംഎസ്, തൽക്ഷണ സന്ദേശമയയ്ക്കൽ ആപ്ലിക്കേഷനുകൾ ഞങ്ങൾക്ക് ലഭിച്ച സന്ദേശങ്ങളോട് ഹ്രസ്വ പ്രതികരണങ്ങൾ നിർദ്ദേശിക്കാൻ തുടങ്ങി, ഞങ്ങളുടെ കത്തിടപാടുകളുടെ ചരിത്രം പ്രോസസ്സ് ചെയ്യാൻ കഴിഞ്ഞ ഞങ്ങളുടെ ഇമെയിൽ പ്രോഗ്രാമുകൾ കൂടുതൽ വിപുലമായ പ്രതികരണങ്ങൾ നിർദ്ദേശിച്ചു. ഒരു ലളിതമായ ഓട്ടോ സമ്പൂർണ്ണ പ്രവർത്തനമായി ആരംഭിച്ചത്, ഇന്ന് കൂടുതൽ, കൂടുതൽ പരിണമിച്ചു.

ഗിമ്മിക്കുകളേക്കാൾ അല്പം കൂടുതലായി വളരെക്കാലമായി വീക്ഷിക്കപ്പെട്ടിരുന്ന വോയ്സ് അസിസ്റ്റന്റുമാർ – അലാറം സജ്ജമാക്കാനോ കാലാവസ്ഥ എന്തായിരിക്കുമെന്ന് നിങ്ങളോട് പറയാനോ കഴിയുന്ന പുതുമയുള്ള ഇനങ്ങൾ – ഇന്ന് നമ്മുടെ ജീവിതത്തിന്റെ അവിഭാജ്യ ഘടകമാണ്. പലചരക്ക് സാധനങ്ങൾ ഓർഡർ ചെയ്യാനും ഞങ്ങളുടെ സ്മാർട്ട് വീടുകൾ നിയന്ത്രിക്കാനും സാമ്പത്തിക ഇടപാടുകൾ നടത്താനും ഞങ്ങൾ അവ ഉപയോഗിക്കുന്നു. പാശ്ചാത്യ ഉച്ചാരണത്തിൽ സംസാരിക്കുന്ന ഇംഗ്ലീഷ് അല്ലാതെ മറ്റൊന്നും മനസ്സിലാക്കാൻ അവർ മുമ്പ് പാടുപെട്ടിരുന്നിടത്ത്, ഇപ്പോൾ വൈവിധ്യമാർന്ന ഉച്ചാരണങ്ങളിൽ സംസാരിക്കുന്ന ഇംഗ്ലീഷ് മാത്രമല്ല, ഗ്രഹത്തിലെ എല്ലാ പ്രധാന ഭാഷകളും മനസ്സിലാക്കുന്നതിൽ അവർക്ക് ഒരു പ്രശ്നവുമില്ല. മാതൃഭാഷ മാത്രം സംസാരിക്കുന്ന ആളുകൾക്ക് മുമ്പ് അപ്രാപ്യമായിരുന്ന സാങ്കേതികവിദ്യ ഇപ്പോൾ ഉപയോഗിക്കാൻ കഴിയുന്നതിനാൽ പ്രവേശനക്ഷമതയിൽ മാത്രം ഇതിന്റെ സ്വാധീനം പ്രാധാന്യമർഹിക്കുന്നു.

മനുഷ്യർ നിർമ്മിച്ചവയിൽ നിന്ന് വേർതിരിച്ചറിയാൻ കഴിയാത്ത ചിത്രങ്ങളും വീഡിയോകളും ആദ്യം മുതൽ സൃഷ്ടിക്കാനും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന് ഇപ്പോൾ കഴിയും. എന്റെ എഴുത്തിന്റെ ചിത്രീകരണങ്ങളായി ഉയർന്ന നിലവാരമുള്ള ഇമേജുകൾ സൃഷ്ടിക്കാൻ മിഡ്ജൗർണി പോലുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് അൽഗോരിതങ്ങൾ ഉപയോഗിക്കുന്നതാണ് എന്റെ പ്രിയപ്പെട്ട വിനോദങ്ങളിലൊന്ന്, അൽഗോരിതം എന്താണ് കൊണ്ടുവരുന്നതെന്ന് കാണാൻ രസകരമല്ല. ഞാൻ വളരെ അപൂർവമായി മാത്രമേ നിരാശനാകാറുള്ളൂ. വീഡിയോ സൃഷ്ടിയിലും സമാനമായ കഴിവുകൾ ഉണ്ടെന്ന് എനിക്കറിയാം, അത് പരീക്ഷിക്കാൻ ഞാൻ ബിരുദം നേടുന്നതിന് കുറച്ച് സമയമെടുക്കും. ഇപ്പോൾ കമ്പ്യൂട്ടർ ജനറേറ്റഡ് ഇമേജിംഗ് ഇന്ന് സിനിമാ വ്യവസായത്തിന്റെ അവിഭാജ്യ ഘടകമായി മാറിയിരിക്കുന്നു, സിജിഐ പൂർണ്ണമായും സൃഷ്ടിച്ചവരിൽ നിന്ന് യഥാർത്ഥ അഭിനേതാക്കളെ പറയുക അസാധ്യമാണ്. ഒരു സ്രഷ്ടാവിന്റെ ടെക്സ്റ്റ് പ്രോംപ്റ്റുകളെ മാത്രം അടിസ്ഥാനമാക്കി ഉയർന്ന നിലവാരമുള്ള വീഡിയോകൾ സൃഷ്ടിക്കാനുള്ള കഴിവ് ഉടൻ തന്നെ വ്യവസായത്തെ സമൂലമായി പരിവർത്തനം ചെയ്യും.

2022 ലെ കാൻ ഷോർട്ട് ഫിലിം ഫെസ്റ്റിവലിൽ ജൂറി അവാർഡ് നേടിയ ടെക്സ്റ്റ്-ടു-വീഡിയോ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പൂർണ്ണമായും സൃഷ്ടിച്ച ഹ്രസ്വചിത്രമായ ദി ക്രോയേക്കാൾ മികച്ച തെളിവുകളൊന്നുമില്ല. ഇതെല്ലാം ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മുന്നേറ്റങ്ങൾ വിനോദത്തിനപ്പുറം മറ്റൊന്നിനും ഉപയോഗപ്രദമല്ലെന്ന് വിശ്വസിക്കാൻ നിങ്ങളെ പ്രേരിപ്പിക്കുന്നുവെങ്കിൽ, അത് വൈദ്യശാസ്ത്ര മേഖലയെ എങ്ങനെ പരിവർത്തനം ചെയ്യുന്നു എന്നതിനപ്പുറം നിങ്ങൾ നോക്കേണ്ടതില്ല. റേഡിയോളജിയിൽ അവിശ്വസനീയമായ വിജയത്തോടെ ഇമേജ് റെക്കഗ്നിഷൻ അൽഗോരിതങ്ങൾ ഉപയോഗിക്കുന്നു. എക്സ്-റേകൾ, സിടി സ്കാൻ, എംആർഐകൾ എന്നിവ വിശകലനം ചെയ്യുമ്പോൾ, ഈ അൽഗോരിതങ്ങൾക്ക് മനുഷ്യന്റെ കണ്ണിന് അദൃശ്യമായ അസാധാരണതകൾ കണ്ടെത്താൻ കഴിയുമെന്ന് തെളിയിക്കപ്പെട്ടിട്ടുണ്ട്. വിവിധതരം ക്യാൻസറിനെ സൂചിപ്പിക്കുന്ന പൾമണറി നോഡ്യൂളുകൾ, കൊളോണിക് പോളിപ്സ്, മൈക്രോകാൽസിഫിക്കേഷനുകൾ എന്നിവ കണ്ടെത്താനും തിരിച്ചറിയാനും അവർക്ക് കഴിയും. ചർമ്മ അർബുദത്തിന്റെ കാര്യത്തിൽ, പരിശീലനം ലഭിച്ച ഒരു ഡെർമറ്റോളജിസ്റ്റിന് കഴിയുന്നതിനേക്കാൾ മികച്ച രീതിയിൽ സംശയാസ്പദമായ വ്രണങ്ങളുടെ വൈവിധ്യമാർന്ന വലുപ്പങ്ങൾ, ഷേഡുകളും ഘടനകളും കണ്ടെത്താൻ അവർക്ക് കഴിയും, ചിലപ്പോൾ ഒരു ട്യൂമറിനെ മാരകമായി ചിത്രീകരിക്കാൻ അവർക്ക് കഴിയും

സിലിക്കോയിലെ തന്മാത്രകൾ രൂപകൽപ്പന ചെയ്യുന്നതിനും വിലയിരുത്തുന്നതിനും എഐ അൽഗോരിതങ്ങൾ മരുന്ന് കണ്ടെത്തലിൽ ഉപയോഗിക്കാം. കൂടാതെ, ഒരു പ്രത്യേക മെഡിക്കൽ അവസ്ഥയെ അഭിസംബോധന ചെയ്യാൻ തുടക്കത്തിൽ വികസിപ്പിച്ചെടുത്ത മരുന്നുകൾ മറ്റൊരു രോഗത്തെ ചികിത്സിക്കാൻ പുനർനിർമ്മിക്കാൻ കഴിയുന്ന സന്ദർഭങ്ങളിൽ, ഈ സാധ്യതകൾ തിരിച്ചറിയാൻ ഈ അൽഗോരിതങ്ങൾ ഉപയോഗിക്കാം. പോളിഫാർമക്കോളജിയിൽ ഇത് പ്രസക്തമാണ്. അവിടെ, ഒന്നിലധികം ലക്ഷ്യങ്ങളുമായി ഒരേസമയം സംവദിക്കാൻ കഴിയുന്ന ഒരൊറ്റ മരുന്ന് തിരിച്ചറിയുന്നതിന് ഒന്നിലധികം ലക്ഷ്യങ്ങളിലുടനീളം വെർച്വൽ സംയുക്തങ്ങളുടെ ലൈബ്രറിയിൽ നിന്ന് സ്ക്രീൻ ചെയ്ത മരുന്ന് കാൻഡിഡേറ്റുകളുടെ പ്രകടനത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഡീപ് ലേണിംഗ് അൽഗോരിതങ്ങൾക്ക് പ്രോസസ്സ് ചെയ്യാൻ കഴിയും.

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഇതുവരെ ശ്രദ്ധേയമായിരുന്നതുപോലെ, ഈ എഴുത്തിന്റെ സമയത്ത്, കൂടുതൽ നാടകീയമാകുമെന്ന് വാഗ്ദാനം ചെയ്യുന്ന മറ്റൊരു പരിവർത്തനത്തിന്റെ വക്കിലാണ് ഞങ്ങൾ. കഴിഞ്ഞ ഒരു വർഷത്തിലേറെയായി, വലിയ ഭാഷാ മോഡലുകളുടെ (എൽഎൽഎം) കഴിവുകളിൽ ശ്രദ്ധേയമായ മെച്ചപ്പെടുത്തലുകൾ ഉയർന്നുവരുന്ന ‘ഇന്റലിജൻസ്’ എന്ന പുതിയ രൂപത്തെക്കുറിച്ച് സൂചന നൽകിയിട്ടുണ്ട്, അത് നിരവധി ആപ്ലിക്കേഷനുകളിലുടനീളം വിന്യസിക്കാൻ കഴിയും, അവയുടെ പൂർണ്ണ വലുപ്പവും വ്യാപ്തിയും കാലക്രമേണ മാത്രമേ വ്യക്തമാകൂ. ഈ പുതിയ സാങ്കേതികവിദ്യയുടെ സാധ്യതകൾ വളരെ ശക്തമാണ്, ഇത് ഒരു സ്കൈനെറ്റ് ഭാവിയിലേക്ക് നയിക്കുമെന്നും ദോഷകരമായ ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് അഴിച്ചുവിടുമെന്ന യഥാർത്ഥ ഭീഷണിയും കാരണം ഗ്രഹത്തിലെ ഏറ്റവും തിളക്കമുള്ള ചില മനസ്സുകൾ അതിന്റെ വികസനം താൽക്കാലികമായി നിർത്തിവയ്ക്കാൻ ആവശ്യപ്പെട്ടിട്ടുണ്ട്.

മനുഷ്യസമാനമായ സംഭാഷണ രീതിയിൽ ചോദ്യങ്ങൾക്ക് യുക്തിസഹവും ബുദ്ധിപരവുമായ പ്രതികരണങ്ങൾ സൃഷ്ടിക്കുന്നതിന് രൂപകൽപ്പന ചെയ്ത കമ്പ്യൂട്ടർ അൽഗോരിതങ്ങളാണ് എൽഎൽഎമ്മുകൾ. ഭാഷാ ഘടന പഠിക്കാൻ അനുവദിക്കുന്ന ബൃഹത്തായ ഡാറ്റാ സെറ്റുകളിൽ സാധാരണയായി പരിശീലനം ലഭിച്ച കൃത്രിമ ന്യൂറൽ നെറ്റ് വർക്കുകളിലാണ് അവ നിർമ്മിച്ചിരിക്കുന്നത്. വ്യക്തമായി പ്രോഗ്രാം ചെയ്യാതെ എൽഎൽഎമ്മുകൾക്ക് പഠിക്കാൻ കഴിയും. അതിനാൽ, അവർക്ക് ലഭിക്കുന്ന കൂടുതൽ ഡാറ്റ മെച്ചപ്പെടുത്തുന്നത് തുടരാൻ കഴിയും. അവയുടെ കാമ്പിൽ, എൽഎൽഎമ്മുകൾ ഈ പാതയിലേക്ക് ഞങ്ങളെ നയിച്ച ഓട്ടോകംപ്ലീറ്റ് സാങ്കേതികവിദ്യകളിൽ നിന്ന് വ്യത്യസ്തമല്ല. വാക്യത്തിലെ മുൻ വാക്കുകളെ അടിസ്ഥാനമാക്കി ഒരു വാചകത്തിലെ അടുത്ത വാക്കിന്റെ സാധ്യത പ്രവചിക്കുന്നതിനാണ് അവ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്, പക്ഷേ ഒരു മനുഷ്യ രചയിതാവിൽ നിന്ന് പലപ്പോഴും വേർതിരിച്ചറിയാൻ കഴിയാത്ത ശൈലിയിൽ വാചകത്തിന്റെ ടോമുകൾ സ്വയം സൃഷ്ടിക്കാൻ കഴിയുന്ന തരത്തിൽ അവർ സാങ്കേതികതയിൽ പ്രാവീണ്യം നേടിയിട്ടുണ്ട്. സാങ്കേതികവിദ്യയുമായും ഈ പ്രക്രിയയിൽ പരസ്പരം എങ്ങനെ ഇടപെടുന്നുവെന്നും വിപ്ലവം സൃഷ്ടിക്കാൻ എൽഎൽഎമ്മുകൾക്ക് കഴിവുണ്ട്. എൽഎൽഎമ്മുകളുടെ ഏറ്റവും പ്രധാനപ്പെട്ട നേട്ടങ്ങളിലൊന്ന് വിവരങ്ങളിലേക്കുള്ള പ്രവേശനം മെച്ചപ്പെടുത്താനുള്ള കഴിവാണ്. വലിയ അളവിലുള്ള ടെക്സ്റ്റ് വിശകലനം ചെയ്യുന്നതിലൂടെ, എൽഎൽഎമ്മുകൾക്ക് സംഗ്രഹങ്ങൾ സൃഷ്ടിക്കാനും നിർണായക വിവരങ്ങൾ തിരിച്ചറിയാനും കഴിയും, ഇത് വ്യക്തികൾക്ക് വിവരങ്ങൾ വേഗത്തിലും കാര്യക്ഷമമായും ആക്സസ് ചെയ്യുന്നത് എളുപ്പമാക്കുന്നു.

ഉദാഹരണത്തിന്, ഇന്ത്യയിൽ, സർക്കാർ സബ്സിഡികളുടെയും ആനുകൂല്യങ്ങളുടെയും വിപുലമായ ഡാറ്റാബേസിൽ പരിശീലനം നേടിയ എൽഎൽഎമ്മുകൾക്ക് ഈ പ്രോഗ്രാമുകളുടെ ഗുണഭോക്താക്കളുമായി ഒരു സംഭാഷണ ഇന്റർഫേസിലൂടെ ഇടപഴകാൻ കഴിയും, ഇത് ഈ ആനുകൂല്യങ്ങൾ അവർക്ക് ബാധകമാണോ എന്നും അവർക്ക് അപേക്ഷിക്കാൻ കഴിയുന്ന ഏതെങ്കിലും അനുബന്ധ പദ്ധതികൾ ഉണ്ടോയെന്നും അന്വേഷിക്കാൻ അവരെ അനുവദിക്കുന്നു. തത്സമയ ഭാഷാ വിവർത്തന ശേഷികളുമായി സംയോജിപ്പിക്കുമ്പോൾ, ദരിദ്രരുടെയും പാർശ്വവത്കരിക്കപ്പെട്ടവരുടെയും ജീവിതത്തെ പരിവർത്തനം ചെയ്യുന്നതിനുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ശക്തി ഉടനടി വ്യക്തമാകും.