നിർമിത ബുദ്ധി ഭൂതം, വർത്തമാനം, ഭാവി

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) അഥവാ നിർമിത ബുദ്ധി ഇന്നത്തെ മനുഷ്യ ജീവിതത്തിന്റെ എല്ലാ മേഖലകളിലും പതിയെ കടന്നുവരാൻ തുടങ്ങിയിട്ടുണ്ട്. ആരോഗ്യം, വിദ്യാഭ്യാസം, ബിസിനസ്, വ്യക്തിഗത ജോലികൾ തുടങ്ങിയവയിൽ എഐ വലിയ മാറ്റങ്ങൾ കൊണ്ടുവരുമെന്ന് പ്രതീക്ഷിക്കപ്പെടുന്നു. പക്ഷേ, ഇതോടൊപ്പം  ഈ സാങ്കേതികവിദ്യയിൽ നിന്ന് മനുഷ്യർ  പല വെല്ലുവിളികളും നേരിടേണ്ടി വരും. നിർമിത ബുദ്ധിയുടെ സാധ്യതകളെക്കുറിച്ചും അവ മനുഷ്യ സമൂഹത്തിൽ ഉണ്ടാക്കിയേക്കാവുന്ന പ്രശ്നങ്ങളെക്കുറിച്ചും പല തരത്തിലുള്ള ചർച്ചകൾ നടക്കുന്നുണ്ട്. എന്നാൽ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എങ്ങനെയാണ് പ്രവർത്തിക്കുന്നതെന്നോ  അതിനുപയോഗിക്കുന്ന സങ്കേതങ്ങൾ എന്താണെന്നോ സാധാരണക്കാർക്ക്  ധാരണ കുറവാണ്. അതേസമയം  എ ഐ സാങ്കേതികവിദ്യയെക്കുറിച്ച് കൂടുതൽ അറിയാത്തവർക്ക് ഈ ചർച്ചകൾ ആശയക്കുഴപ്പവും അമിതമായ പ്രതീക്ഷകളും ഉണ്ടാക്കുന്നു.

ആർട്ടിഫിഷ്യൽ ഇന്റലിജന്‍സ് കമ്പ്യൂട്ടർ സയൻസിന്റെ ഒരു ഉപവിഭാഗമാണ്. ഇത് മനുഷ്യന്റെ ബുദ്ധി  യെ കമ്പ്യൂട്ടറുകൾ ഉപയോഗിച്ച് അനുകരിക്കാന്‍ ശ്രമിക്കുന്നു. മെഷീൻ ലേണിങ് ആകട്ടെ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഒരു വിഭാഗമാണ്. ഇത് കമ്പ്യൂട്ടറുകള്‍ക്ക്  മനുഷ്യരെപ്പോലെ ഉദാഹരണങ്ങളിൽ നിന്ന് പഠിക്കാനാകുമോ എന്ന് അന്വേഷിക്കുന്നു. മെഷീൻ ലേണിങ് സങ്കേതങ്ങളിലെ  ഒരു പ്രത്യേക വിഭാഗമാണ് ഡീപ്പ് ലേണിങ്. ഇത് മനുഷ്യമസ്തിഷ്കത്തിലെ ന്യൂറല്‍ നെറ്റ്‌വർക്കുകളുടെ മാതൃകയിൽ വലിയ ആർട്ടിഫിഷ്യൽ നെറ്റ്-വർക്കുകൾ ഉണ്ടാക്കി അത് ഉപയോഗിച്ച് മെഷീൻ ലേണിങ് നടത്താൻ ശ്രമിക്കുന്നു. പലപ്പോഴും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സംബന്ധിച്ച ലേഖനങ്ങളിൽ മെഷീൻ ലേണിങ്, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എന്നിവ മാറിമാറി ഉപയോഗിക്കാറുണ്ട്.

അതുപോലെതന്നെ ആർട്ടിഫിഷ്യൽ നാരോ ഇന്റലിജൻസ് (ANI), ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് (AGI), ആർട്ടിഫിഷ്യൽ സൂപ്പർ ഇന്റലിജൻസ് (ASI) തുടങ്ങിയ പദങ്ങളും ഇപ്പോൾ ഗവേഷകർ ഉപയോഗിക്കുന്നുണ്ട്. നിലവിലുള്ള എ ഐ ഗവേഷണങ്ങളെല്ലാം തന്നെ വളരെ പരിമിതമായ മേഖലകളിൽ കമ്പ്യൂട്ടറുകൾക്ക് മനുഷ്യനൊപ്പമോ അതിനേക്കാൾ മെച്ചമായിട്ടുള്ളതോ ആയ ബൗദ്ധിക കഴിവുകൾ ഉണ്ടാക്കിയെടുക്കാനുള്ള ശ്രമങ്ങളാണ്. ഇതിനെയാണ് ആർട്ടിഫിഷ്യൽ  ഇന്റലിജൻസ് എന്നു വിളിക്കുന്നത്.

ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് ലക്ഷ്യമിടുന്നത് യന്ത്രങ്ങളെ, കമ്പ്യൂട്ടറുകളെ മനുഷ്യതുല്യമാക്കുന്നതിനാണ്. എല്ലാ മേഖലകളിലും മനുഷ്യനെപ്പോലെ പെരുമാറാൻ കഴിയുന്ന ഒരു യന്ത്രമാണ് ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസിന്റെ(AGI) ലക്ഷ്യം.   ഇത്തരം യന്ത്രങ്ങൾക്ക് മനുഷ്യർ തലച്ചോർ ഉപയോഗിച്ച് ചെയ്യുന്ന എല്ലാ ജോലികളും ചെയ്യാൻ കഴിയണം. ഇപ്പോൾ നടന്നുകൊണ്ടിരിക്കുന്ന പല ഗവേഷണങ്ങളുടെയും ആത്യന്തിക ലക്ഷ്യം ഇത്തരം AGI യന്ത്രങ്ങൾക്ക് പകർന്നുകൊടുക്കുക എന്നതാണ്.  എന്നാൽ ഇപ്പോഴത്തെ ഗവേഷണ ഫലങ്ങൾവെച്ച് നമ്മൾ ഈ ലക്ഷ്യത്തിന്റെ അടുത്തെങ്ങും എത്തിയിട്ടില്ല. ആർട്ടിഫിഷ്യൽ സൂപ്പർ ഇന്റലിജൻസ് ആകട്ടെ മനുഷ്യരേക്കാൾ മെച്ചപ്പെട്ട ഭൗതികശേഷി ലക്ഷ്യമിടുന്നു.

എ ഐയുടെ ഒരു ഹ്രസ്വ ചരിത്രം
രണ്ടാം ലോകയുദ്ധത്തിന് ശേഷമാണ് ഇലക്ട്രോണിക്സിലും കമ്പ്യൂട്ടർ സയൻസിലും നിർണായകമായ പുരോഗതി ഉണ്ടായത്.  കമ്പ്യൂട്ടറുകളുടെ വരവ് ശാസ്ത്ര–സാങ്കേതിക രംഗത്ത് വിപ്ലവകരമായ പല മാറ്റങ്ങൾക്കും ഇടയാക്കി. നൂതനമായ രീതിയിൽ ചിന്തിക്കാനും ഗവേഷണങ്ങൾ നടത്താനും ശാസ്ത്രജ്ഞർക്ക് കമ്പ്യൂട്ടറുകൾ സഹായകമായിത്തീർന്നു. ഇരുപതാം നൂറ്റാണ്ടിന്റെ മധ്യത്തിൽ, കമ്പ്യൂട്ടറുകൾക്ക് മനുഷ്യബുദ്ധിയെ അനുകരിക്കാൻ കഴിയുമോയെന്ന അന്വേഷണം ആരംഭിച്ചു. ഗണിതശാസ്ത്രവും കമ്പ്യൂട്ടര്‍‍ സയന്‍സും ഉപയോഗിച്ച് മനുഷ്യന്റെ ബുദ്ധി യന്ത്രങ്ങള്‍ക്ക് നല്‍കാമെന്നും ഇത്തരം നിര്‍മിതബുദ്ധി ഉപയോഗിച്ച് പഠനം, പ്രശ്നപരിഹാരം എന്നിവ മനുഷ്യനെപ്പോലെ നിർവഹിക്കാൻ കഴിയുമെന്നും പലരും വിശ്വസിക്കാൻ തുടങ്ങി.

കമ്പ്യൂട്ടറുകൾക്ക് മനുഷ്യനെപ്പോലെ ചിന്തിക്കാൻ കഴിയുമോ എന്ന ചോദ്യം 1950കളിലാണ് ഉയർന്നുവന്നത്.  അക്കാലത്ത്  ഈ  മേഖലയിലുള്ള ഗവേഷണങ്ങൾ  സൈബർനെറ്റിക്സ്, ഓട്ടോമാറ്റ തിയറി(Automata Theory),  വിവര സംസ്കരണം   എന്നിങ്ങനെ  നിരവധി പേരുകളിലാണ് അറിയപ്പെട്ടിരുന്നത് .

1956-ലെ വേനൽക്കാലത്ത്, അമേരിക്കയിലെ  ന്യൂ ഹാംഷെയറിലുള്ള ഡാർട്ട്മൗത്ത്  കോളേജിലെ ഗണിതശാസ്ത്രവിഭാഗത്തിലെ  അസിസ്റ്റന്റ് പ്രൊഫസറായ ജോൺ മക്കാർത്തി, ചിന്തിക്കുന്ന യന്ത്രങ്ങൾ നിർമിക്കുന്നതുമായി  ബന്ധപ്പെട്ട ആശയങ്ങൾ വിശദീകരിക്കാനും മെച്ചപ്പെടുത്താനും ഒരു സമ്മേളനം സംഘടിപ്പിച്ചു.  ഈ സമ്മേളനത്തിന്റെ ക്ഷണക്കത്ത് ഏകദേശം ഇങ്ങനെയായിരുന്നു : ‘‘1956-ലെ വേനൽക്കാലത്ത് ഡാർട്ട്മൗത്ത് കോളേജിൽ 2 മാസത്തെ, 10 പേർ പങ്കെടുക്കുന്ന ഒരു ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പഠനം നടത്താൻ ഞങ്ങൾ നിർദ്ദേശിക്കുന്നു. യന്ത്രങ്ങൾക്ക് ഭാഷ ഉപയോഗിക്കാനും, അവ്യക്ത ആശയങ്ങളും സങ്കല്പങ്ങളും രൂപപ്പെടുത്താനും, മനുഷ്യർക്കായി മാത്രം നീക്കിവച്ച പ്രശ്നങ്ങൾ പരിഹരിക്കാനും, സ്വയം മെച്ചപ്പെടുത്താനും എങ്ങനെ കഴിയുമെന്ന് കണ്ടെത്താൻ ശ്രമിക്കും”.

സമ്മേളനത്തിൽ പങ്കെടുത്തവർ എല്ലാംതന്നെ അക്കാലത്തെ അതികായന്മാരായിരുന്നു.  ന്യൂറോസയൻസും കമ്പ്യൂട്ടേഷനും സമന്വയിപ്പിച്ച മിൻസ്കി, IBM എഞ്ചിനീയറായ റോച്ചസ്റ്റർ,  വിവരസിദ്ധാന്തത്തിന്റെ പിതാവായ ഷാനൻ  ആലൻ ന്യൂവെല്ല, ഹെർബർട്ട് എ സൈമൺ തുടങ്ങിയവരുടെ പേരുകൾ പ്രത്യേകം പരാമർശിക്കാവുന്നതാണ്.

ഈ സമ്മേളനംകൊണ്ട് പ്രത്യക്ഷത്തിൽ പെട്ടെന്നുള്ള ഒരു കുതിച്ചുചാട്ടവും ഉണ്ടായില്ല.  ഒരു ഗവേഷണശാഖ എന്ന നിലയില്‍  ഈ രംഗത്ത് പ്രവർത്തിക്കുന്ന എല്ലാവരെയും ഒരുമിച്ചുകൊണ്ടുവന്നു, തുടർ ഗവേഷണത്തെ നയിക്കുന്ന ഒരു അജൻഡ ഉണ്ടാക്കി എന്നിവയൊക്കെയാണ് ഈ സമ്മേളനത്തിന്റെ നേട്ടങ്ങൾ. സൈദ്ധാന്തിക തലത്തിൽ നോം ചോംസ്കി, അലൻ ടൂറിങ് തുടങ്ങിയവർ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനുവേണ്ട അടിത്തറ ഉണ്ടാക്കി.

ചെസ്സ് കളിക്കുന്ന പ്രോഗ്രാമുകൾ പോലുള്ള നിയമാധിഷ്ഠിത സംവിധാനങ്ങളായിരുന്നു ആദ്യകാല ശ്രമങ്ങൾ; പക്ഷേ പരിമിതമായ കമ്പ്യൂട്ടിങ് ശേഷിമൂലം പുരോഗതി മന്ദഗതിയിലായിരുന്നു. 1980-കളിൽ expert systems എന്ന പേരിൽ നിരവധി ആപ്ലിക്കേഷനുകൾ നിലവിൽവന്നു.

കമ്പ്യൂട്ടർ വിഷൻ, നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ് സ്പീച്ച് പ്രോസസിംഗ് തുടങ്ങിയ നിരവധി മേഖലകളിൽ ഇക്കാലത്ത് ഗവേഷണങ്ങൾ നടന്നു.  ഇരുപതാം നൂറ്റാണ്ടിന്റെ അവസാനപാദത്തിൽ ഇപ്പോഴത്തെ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സംവിധാനങ്ങൾക്കു വേണ്ട അൽഗൊരിതങ്ങളും മാത്തമാറ്റിക്കൽ മോഡലുകളും കണ്ടെത്തി. പക്ഷേ ഇവ പരിശീലിപ്പിക്കുന്നതിനാവശ്യമായ കമ്പ്യൂട്ടിംഗ് ശേഷിയും ഡാറ്റ ലഭ്യതയും അക്കാലത്ത് ഉണ്ടായിരുന്നില്ല. അതിനാൽ തന്നെ ഗവേഷണശാലകൾക്കു പുറത്ത് ഇവയുടെ ഉപയോഗം പരിമിതമായിരുന്നു.

21–ാം നൂറ്റാണ്ടിന്റെ തുടക്കത്തിൽ ഇന്റർനെറ്റ് സംവിധാനങ്ങൾ ലോകവ്യാപകമായി ഉപയോഗത്തിലായി. കൂടാതെ, കമ്പ്യൂട്ടിംഗ് രംഗത്ത് വലിയ പുരോഗതിയും ഉണ്ടായി. കഴിഞ്ഞ നൂറ്റാണ്ടിലെ സൂപ്പർ കമ്പ്യൂട്ടറിൽ ഉണ്ടായിരുന്ന കമ്പ്യൂട്ടിംഗ് ശേഷിയോട്  (ഒരു പരിധിവരെയെങ്കിലും) കിടപിടിക്കുന്നതാണ്  ഇപ്പോഴുള്ള ലാപ്ടോപ്പുകളും മൊബൈൽ ഫോണുകളും. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സംവിധാനങ്ങൾ പരിശീലിപ്പിക്കുന്നതിന് ആവശ്യമായ ഡാറ്റയും അവ ഉപയോഗിക്കുന്നതിന് ആവശ്യമായ കമ്പ്യൂട്ടിംഗ് സംവിധാനങ്ങളും ലഭ്യമായപ്പോൾ ഈ രംഗത്ത് നിരവധി പുതിയ അവസരങ്ങൾ  തുറന്നു.

2010-കളിൽ മെഷീൻ ലേണിംഗും പ്രത്യേകിച്ച് ഡീപ് ലേണിംഗ്- പോലുള്ള സാങ്കേതികവിദ്യകൾ വൻതോതിലുള്ള ഡാറ്റയും ശക്തമായ കമ്പ്യൂട്ടറുകളും ഉപയോഗിച്ച് ഈ രംഗത്തെ മാറ്റിമറിച്ചു. ഇന്ന്, ചാറ്റ്ബോട്ടുകൾ മുതൽ സ്വയം ഡ്രൈവ് ചെയ്യുന്ന കാറുകൾ വരെ, എഐ നമ്മുടെ ജീവിതവും ജോലിയും മാറ്റിമറിക്കുന്നു.

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്  രംഗത്ത് വ്യാപകമായി ഉപയോഗിക്കുന്ന ന്യൂറൽ    നെറ്റ്‌വർക്കുകളുടെ  പ്രവർത്തനങ്ങളെ സംബന്ധിച്ച   അടിസ്ഥാനപരമായ കണ്ടുപിടിത്തങ്ങൾ നടത്തിയതിന് ജോൺ ജെ ഹോപ്ഫീൽഡിനും ജെഫ്രി ഹിന്റണും സംയുക്തമായി 2024-ലെ ഭൗതികശാസ്ത്രത്തിനുള്ള നൊബേൽ സമ്മാനം ലഭിച്ചു.

ജനറേറ്റീവ് മോഡലുകൾ
ജനറേറ്റീവ് മോഡലുകൾ എന്നാൽ ചിത്രങ്ങൾ, സംഗീതം, കഥകൾ എന്നിവ പോലുള്ള പുതിയ ഉള്ളടക്കങ്ങൾ നിർമിക്കാൻ കഴിവുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലുകളാണ്. ഇവ മനുഷ്യൻ നിർമിച്ചവയെ അനുകരിക്കുന്ന രീതിയിലുള്ള സൃഷ്ടികളാണ് ഉണ്ടാക്കുന്നത്. ഉദാഹരണത്തിന്, നിലവിലില്ലാത്ത ആളുകളുടെ യഥാർത്ഥ ചിത്രങ്ങളോ ഷേക്‌സ്പിയറുടെ ശൈലിയിലുള്ള കവിതകളോ ഇവയ്ക്ക് നിർമിക്കാൻ സാധിക്കും.

വൻതോതിലുള്ള ഡാറ്റാസെറ്റുകളിൽ പരിശീലനം നേടിയാണ് ഈ മോഡലുകൾ പ്രവർത്തിക്കുന്നത്. മുഖഭാവങ്ങൾ, സംഗീതത്തിലെ താളം (rhythm) തുടങ്ങിയ പാറ്റേണുകൾ പഠിക്കാൻ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഉപയോഗിക്കുന്നു. ഇങ്ങനെ പഠിച്ച പാറ്റേണുകൾ ഉപയോഗിച്ച്, അടുത്ത വാക്കോ പിക്സലോ എന്തായിരിക്കുമെന്ന് പ്രവചിച്ച്, പുതിയതും അതുല്യവുമായ എന്തെങ്കിലും സൃഷ്ടിക്കാൻ ഇവയ്ക്ക് കഴിയും.

പല മേഖലകളിലും ചാറ്റ് ജിപിടി (Chat GPT), ജെമിനി (Gemini) എന്നിവ പോലെയുള്ള ജനറേറ്റീവ് മോഡലുകൾ ഇപ്പോൾ വ്യാപകമായി ഉപയോഗിക്കാൻ തുടങ്ങിയിട്ടുണ്ട്.

ഡാറ്റയും കമ്പ്യൂട്ടിംഗ് ശേഷിയും
നിർമിത ബുദ്ധിയുടെ (AI) പരിശീലനത്തിന് വലിയ അളവിലുള്ള ഡാറ്റ അത്യന്താപേക്ഷിതമാണ്. പഠനത്തിനുള്ള അടിസ്ഥാന ഘടകമായി ഇതിനെ കണക്കാക്കാം. ഒരു എ ഐ സിസ്റ്റത്തിന് കൂടുതൽ ഡാറ്റ ലഭ്യമാകുമ്പോൾ, പാറ്റേണുകൾ തിരിച്ചറിയുന്നതിലും കൃത്യമായ പ്രവചനങ്ങൾ നടത്തുന്നതിലും അതിന് കൂടുതൽ കാര്യക്ഷമത കൈവരിക്കാൻ സാധിക്കുന്നു. ഉദാഹരണത്തിന്, ഒരു ഭാഷാ മോഡലിന് പരിശീലനം നൽകുന്നതിന് പുസ്തകങ്ങൾ, വെബ്സൈറ്റുകൾ, സോഷ്യൽ മീഡിയ എന്നിവയിൽ നിന്നുള്ള കോടിക്കണക്കിന് വാക്കുകൾ ആവശ്യമാണ്. പലപ്പോഴും ഇന്റർനെറ്റിലെ സൗജന്യ സംവിധാനങ്ങൾ (പ്രത്യേകിച്ചും  ഇ–മെയിൽ,  വേർഡ് പ്രോസസറുകൾ, സ്പ്രെഡ് ഷീറ്റുകൾ,  സൗജന്യ  ഇമേജ് സ്റ്റോറേജ് സംവിധാനങ്ങൾ)    ഉപയോഗിക്കുമ്പോൾ നാം അറിയാതെതന്നെ നമ്മുടെ ഡാറ്റ ടെക്നോളജി കമ്പനികൾ ഉപയോഗിക്കുന്നുണ്ട്.

നിർമിതബുദ്ധി സംവിധാനങ്ങളെ പരിശീലിപ്പിക്കുന്നതിനും പ്രയോഗിക്കുന്നതിനും ഡാറ്റയുടെ ലഭ്യത മാത്രം മതിയാകില്ല; അത് വിശകലനം ചെയ്യുന്നതിനും പ്രോസസ്സ് ചെയ്യുന്നതിനും വലിയ തോതിലുള്ള കമ്പ്യൂട്ടിംഗ് ശേഷി ആവശ്യമാണ്. വീഡിയോ ഗെയിമുകൾക്കായി രൂപകൽപ്പന ചെയ്ത ഗ്രാഫിക്സ് പ്രോസസ്സിംഗ് യൂണിറ്റുകൾ (GPU) ആണ് നിലവിൽ എ ഐ പരിശീലനത്തിന്റെയും പ്രയോഗത്തിന്റെയും ആണിക്കല്ല്. അവയ്ക്ക് ഒരു സെക്കൻഡിൽ കോടിക്കണക്കിന് കണക്കുകൂട്ടലുകൾ കൈകാര്യം ചെയ്യാനുള്ള ശേഷിയുണ്ട്.

ഒരു നൂതന എ ഐ മോഡൽ പരിശീലിപ്പിക്കുന്നതിന് ദശലക്ഷക്കണക്കിന് ഡോളറും ആയിരക്കണക്കിന് GPU-കളും ആവശ്യമായി വരുന്നു. ഇത്തരം കമ്പ്യൂട്ടിംഗ് സംവിധാനങ്ങൾ പ്രവർത്തിപ്പിക്കുന്നതിന് വലിയ തോതിൽ ഊർജ്ജം ആവശ്യമുണ്ട്. ഇത് ഊർജ്ജ ഉപഭോഗത്തെക്കുറിച്ചും, ചെറുകിട സ്ഥാപനങ്ങൾക്ക് എ ഐ രംഗത്തേക്കുള്ള പ്രവേശനത്തെക്കുറിച്ചും ഗൗരവമായ ആശങ്കകൾ ഉയർത്തുന്നുണ്ട്.

എ ഐ വികസനവും നിയന്ത്രണവും: 
ഒരു പുതിയ യുദ്ധക്കളം
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) വികസിപ്പിക്കുന്നത് കേവലമൊരു സാങ്കേതിക വെല്ലുവിളി മാത്രമല്ല, അത് വലിയ മുതൽമുടക്കും ബൗദ്ധികശേഷിയും ആവശ്യമുള്ളതും ഗവേഷണങ്ങളോടും പ്രയോഗങ്ങളോടുമുള്ള സമീപനത്തിന്റേതും കൂടിയാണ്. ആധുനിക മുതലാളിത്ത വ്യവസ്ഥയിലെ ട്രേഡ് സീക്രട്ടുകൾ പോലെയാണ് മോഡലുകളെ പലരും കാണുന്നത്. എന്നാൽ, ഇതിന് ഉപയോഗിച്ചിട്ടുള്ള ഡാറ്റ മിക്കവാറും പൊതുസഞ്ചയത്തിൽ നിന്നും എടുത്തിട്ടുള്ളതാണ്.  മാനവരാശിയുടെ പൊതു പുരോഗതിക്ക് ഉപയുക്തമായ രീതിയിൽ എ ഐ സംവിധാനങ്ങളെ ഓപ്പൺസോഴ്സ് ചെയ്യേണ്ടതിന്റെ ആവശ്യകതയിലേക്ക് ഇത് വിരൽചൂണ്ടുന്നു.

ഓപ്പൺ സോഴ്സ് AI എന്നത് കോഡും മോഡലുകളും സ്വതന്ത്രമായി പങ്കിടുന്ന ഒരു സമീപനമാണ്. ഇത് സഹകരണവും നവീകരണവും പ്രോത്സാഹിപ്പിക്കുന്നു, അതുവഴി ചെറുകിട സ്ഥാപനങ്ങൾക്കും വ്യക്തിഗത ഗവേഷകർക്കും നിലവിലുള്ള സാങ്കേതികവിദ്യകളിൽ നിന്ന് പുതിയ കണ്ടുപിടിത്തങ്ങൾ നടത്താൻ അവസരം ലഭിക്കുന്നു. പരിശീലനത്തിന് ഉപയോഗിച്ച ഡാറ്റയോ കോഡോ പുറത്തുവിടാതെ മോഡലിൽ മാത്രം പുറത്തിറക്കുന്ന ഓപ്പൺ വെയ്റ്റ്  രീതികളും ഇപ്പോൾ നിലവിലുണ്ട്.

മെറ്റയുടെ LLaMA (Large Language Model Meta AI) പോലുള്ള ഓപ്പൺ-വെയ്റ്റ് എ ഐ മോഡലുകൾ, അതിന്റെ പാരാമീറ്ററുകൾ പങ്കുവെക്കുന്നതിലൂടെ മോഡലുകൾ ഇഷ്ടാനുസൃതമാക്കാൻ സഹായിക്കുന്നു. എന്നിരുന്നാലും, ഈ മോഡലുകൾ പരിശീലിപ്പിക്കാൻ ഉപയോഗിച്ച കോഡും ഡാറ്റയും പലപ്പോഴും അജ്ഞാതമായി തുടരുന്നു എന്നത് ഒരു പ്രധാന വെല്ലുവിളിയാണ്.

മറുവശത്ത്, ഗൂഗിൾ, മൈക്രോസോഫ്റ്റ്, OpenAI പോലുള്ള ടെക് ഭീമന്മാർക്ക് വലിയ ഡാറ്റാസെറ്റുകളും കമ്പ്യൂട്ടിംഗ് വിഭവങ്ങളുമുള്ളതുകൊണ്ട് അവർ എ ഐ ഗവേഷണത്തിൽ ആധിപത്യം സ്ഥാപിക്കുന്നു.

പ്രധാന ടെക് കമ്പനികൾ എ ഐ വികസിപ്പിക്കുക മാത്രമല്ല—അവ അതിന്റെ ദിശ കൂടി നിർണയിക്കുന്നു. ബില്യൺ കണക്കിന് ഡോളറിന്റെ ഫണ്ടിംഗ് ഉപയോഗിച്ച്, അവ മികച്ച പ്രതിഭകളെ ആകർഷിക്കുകയും സ്റ്റാർട്ടപ്പുകൾ ഏറ്റെടുക്കുകയും പരസ്യം അല്ലെങ്കിൽ ക്ലൗഡ് സേവനങ്ങൾ പോലുള്ള അവരുടെ ബിസിനസ് ലക്ഷ്യങ്ങളുമായി യോജിക്കുന്ന ഗവേഷണ അജൻഡകൾ സജ്ജമാക്കുകയും ചെയ്യുന്നു. ഈ സ്വാധീനം, ധാർമിക എ ഐ അല്ലെങ്കിൽ പിന്നാക്ക പ്രദേശങ്ങളിലെ ആരോഗ്യ സംരക്ഷണം പോലുള്ള പൊതുജനക്ഷേമത്തിനുള്ള പ്രയോഗങ്ങൾ തുടങ്ങിയ നിർണായക മേഖലകളെ പിന്തള്ളുന്നു. ഈ കമ്പനികൾ തങ്ങളുടെ മോഡലുകൾ പലപ്പോഴും പേവാളുകൾക്ക് (pay wall) പിന്നിലോ നിയന്ത്രിത API-കളിലൂടെയോ മാത്രമാണ് ലഭ്യമാക്കുന്നത്. ഈ കേന്ദ്രീകരണം സ്വതന്ത്രമായ നവീകരണത്തെ തടസ്സപ്പെടുത്തുകയും, പൊതുജനനന്മയെക്കാൾ കോർപ്പറേറ്റ് ലാഭത്തിന് മുൻഗണന നൽകുകയും ചെയ്യുന്നു എന്ന വിമർശനം നിലവിലുണ്ട്.

ഓപ്പൺ സോഴ്സ് എ ഐ കോർപ്പറേറ്റ് ആധിപത്യത്തിന് ഒരു പ്രതിവിധിയാണ്. മോഡലുകളും ഉപകരണങ്ങളും സ്വതന്ത്രമായി ലഭ്യമാക്കുന്നതിലൂടെ, അത് നിർമിതബുദ്ധിയെ ജനാധിപത്യവൽക്കരിക്കുന്നു; ഗവേഷകർ, സ്റ്റാർട്ടപ്പുകൾ, സമൂഹങ്ങൾ എന്നിവർക്ക് വൻ ബജറ്റുകൾ ഇല്ലാതെ തന്നെ നവീകരണം അനുവദിക്കുന്നു. ഇത് സുതാര്യതയെ പ്രോത്സാഹിപ്പിക്കുന്നു, മോഡലുകൾ എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്ന് പരിശോധിക്കാൻ അനുവദിക്കുകയും പക്ഷപാതമോ മറഞ്ഞിരിക്കുന്ന അജൻഡകളോ ഉള്ള അപകടങ്ങൾ കുറയ്ക്കുകയും ചെയ്യുന്നു. ലോകമെമ്പാടുമുള്ള ഡെവലപ്പർമാർക്ക് മോഡലുകൾ ട്വീക്ക് ചെയ്യാനും മെച്ചപ്പെടുത്താനും കഴിയുമ്പോൾ, എഐ വൈവിധ്യമാർന്ന സമൂഹങ്ങളെ സേവിക്കുന്നുവെന്ന് ഉറപ്പാക്കുന്നു.

2025-ൽ ചൈനീസ് സ്റ്റാർട്ടപ്പായ ഡീപ്-സീക്ക് തങ്ങളുടെ R1 മോഡൽ പുറത്തിറക്കി എ ഐ ലോകത്തെ ഞെട്ടിച്ചു. ചാറ്റ് ജിപിടി പോലുള്ള മുൻനിര സിസ്റ്റങ്ങളെ വെല്ലുവിളിച്ചുകൊണ്ട്, കേവലം $5.6 ദശലക്ഷം ചെലവിൽ ഒരു അത്യാധുനിക എ ഐ മോഡൽ നിർമിക്കാൻ സാധിക്കുമെന്ന് അവർ തെളിയിച്ചു. ഇത് ചാറ്റ് ജിപിടി-ക്ക് വേണ്ടിവന്ന ഏകദേശം $78 ദശലക്ഷവുമായി താരതമ്യം ചെയ്യുമ്പോൾ വളരെ കുറഞ്ഞ ചെലവാണ്.

R1-ന്റെ വെയ്റ്റുകൾ MIT ലൈസൻസിന് കീഴിൽ പുറത്തിറക്കിയതിലൂടെ, ലോകമെമ്പാടുമുള്ള ഡെവലപ്പർമാർക്ക് ഈ സാങ്കേതികവിദ്യ ഉപയോഗിച്ച് പുതിയ കാര്യങ്ങൾ വികസിപ്പിക്കാൻ സാധിച്ചു. ഇത് എ ഐ രംഗത്തെ പരമ്പരാഗത രീതികളെ മാറ്റിമറിക്കുന്ന ഒരു ചുവടുവെപ്പായി കണക്കാക്കപ്പെടുന്നു.

ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് (AGI):
 ഒരു വിദൂര സ്വപ്നമോ യാഥാർത്ഥ്യമോ?
ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് (AGI) എന്നത് മനുഷ്യബുദ്ധിയോട് തുല്യമോ അതിനെ അതിശയിപ്പിക്കുന്നതോ ആയ രീതിയിൽ വിവിധ ജോലികൾ ചെയ്യാനുള്ള എ ഐ-യുടെ കഴിവിനെയാണ് സൂചിപ്പിക്കുന്നത്. നിലവിലെ എ ഐ സംവിധാനങ്ങൾ ചിത്രങ്ങളെ തിരിച്ചറിയുന്നതുപോലുള്ള പ്രത്യേക കാര്യങ്ങളിൽ മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്നുണ്ടെങ്കിലും, AGI-ക്ക് സാഹചര്യങ്ങൾ മനസ്സിലാക്കാനും മനുഷ്യനെപ്പോലെ ചിന്തിക്കാനും കഴിയണം. ഇത് ഇപ്പോഴും ഒരു വിദൂര ലക്ഷ്യമാണ്.

ചില വിദഗ്ധർ പരീക്ഷകളിലെ പ്രകടനം പോലുള്ള ചില നാഴികക്കല്ലുകളെ അടിസ്ഥാനമാക്കി 2040-ഓടെ AGI സാധ്യമാകുമെന്ന് പ്രവചിക്കുന്നു. എന്നാൽ, യഥാർത്ഥ ലോകത്തിലെ പ്രയോഗങ്ങളിലെ സാവധാനത്തിലുള്ള പുരോഗതി ചൂണ്ടിക്കാട്ടി മറ്റു ചിലർ ഇത് പതിറ്റാണ്ടുകൾ അകലെയാണെന്ന് വാദിക്കുന്നു. AGI  ഹൃദ്യമാകുന്നത് വിദൂരഭാവിയിൽ ആണെങ്കിൽ പോലും ഇതില്‍ സുരക്ഷയും നീതിയും ഉറപ്പാക്കുക എന്നത് സാങ്കേതികവും ധാർമ്മികവുമായ വലിയ വെല്ലുവിളികളാണ്.

AGI സാധ്യമാകുമോ എന്നത് അൽഗൊരിതങ്ങൾ, ഡാറ്റ, കമ്പ്യൂട്ടിംഗ് എന്നിവയിലെ വലിയ മുന്നേറ്റങ്ങളെയും, അതിലുപരി ആരാണ് ഈ സാങ്കേതികവിദ്യ നിയന്ത്രിക്കുന്നത് എന്നതിനെയും ആശ്രയിച്ചിരിക്കുന്നു.

എ ഐയുടെ സാമൂഹിക പ്രശ്നങ്ങളും 
ധാർമിക ആശങ്കകളും
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ (AI) വ്യാപനം സമൂഹത്തിൽ ആഴമേറിയ വെല്ലുവിളികൾ ഉയർത്തുന്നുണ്ട്. ഇത് അസമത്വം വർദ്ധിപ്പിക്കാൻ സാധ്യതയുണ്ട്, പ്രത്യേകിച്ചും ആഫ്രിക്ക, ഏഷ്യ തുടങ്ങിയ പ്രദേശങ്ങളിൽ. കാരണം, കുറഞ്ഞ വൈദഗ്ധ്യമുള്ള ജോലികൾ എ ഐ ഓട്ടോമേറ്റ് ചെയ്യുമ്പോൾ, അവിടുത്തെ ആളുകളുടെ ഉപജീവനമാർഗങ്ങൾ ഭീഷണിയിലാകും.

പരിശീലനത്തിനായി ഉപയോഗിക്കുന്ന ഡാറ്റയിലെ പക്ഷപാതം എ ഐ സിസ്റ്റങ്ങളിലേക്കും വ്യാപിക്കും. ഇത് തൊഴിൽ നിയമനത്തിലോ, പൊലീസ് സേവനത്തിലോ വിവേചനം തുടരാൻ ഇടയാക്കും. എ ഐ ഉപയോഗിച്ച് നിർമിക്കുന്ന ഡീപ്പ് ഫേക്കുകൾ (deep fake) വലിയ സാമൂഹിക പ്രശ്നങ്ങൾ ഉണ്ടാക്കിയേക്കാം.

സ്വകാര്യതയാണ് മറ്റൊരു പ്രധാന ആശങ്ക. ഉദാഹരണത്തിന്, എ ഐ കമ്പനികളുടെ ഡാറ്റാ കൈകാര്യം ചെയ്യൽ രീതികൾ, ഭരണകൂടത്തിന്റെ നിരീക്ഷണത്തെക്കുറിച്ചുള്ള ഭയങ്ങൾ വർദ്ധിപ്പിക്കുന്നു.

മുന്നോട്ടുനോക്കുമ്പോൾ
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഭാവി ആരാണ് അതിനെ രൂപപ്പെടുത്തുന്നത് എന്നതിനെ ആശ്രയിച്ചിരിക്കും. നിർമിതബുദ്ധി മേഖലയിൽ കോർപ്പറേറ്റുവൽക്കരണവും ഏകാധിപത്യ പ്രവണതകളും ഇപ്പോൾതന്നെ കാണാൻ കഴിയും. ഡീപ്‌സീക്ക് പോലുള്ള ഓപ്പൺ സോഴ്‌സ് സംരംഭങ്ങൾ, പുതുമകൾ (ഇന്നൊവേഷൻ) അപ്രതീക്ഷിത ഉറവിടങ്ങളിൽ നിന്ന് ഉണ്ടാകാമെന്ന് തെളിയിക്കുന്നു. എങ്കിലും, ആഗോള സഹകരണമില്ലെങ്കിൽ, എ ഐ വിഭാഗീയതയുടെ ഒരുപകരണമായി മാറാനും ഭൗമ-രാഷ്ട്രീയ സംഘർഷങ്ങളോ കോർപ്പറേറ്റ് അത്യാഗ്രഹമോ വർധിപ്പിക്കാനും സാധ്യതയുണ്ട്.

സാമൂഹിക ശാസ്ത്രജ്ഞർക്ക് ഈ വെല്ലുവിളിയെ സംബന്ധിച്ച് വ്യക്തമായറിയാം. സമൂഹങ്ങളെ ഉന്നതിയിലെത്തിക്കുകയും അസമത്വം കുറയ്ക്കുകയും മനുഷ്യാവകാശങ്ങളെ മാനിക്കുകയും ചെയ്യുന്ന ഒരു എ ഐക്ക് വേണ്ടി വാദിക്കുക എന്നതാണ് അവരുടെ ദൗത്യം. ഇടതുപക്ഷ വീക്ഷണത്തിൽ എ ഐ സംവിധാനങ്ങൾ പൊതുനന്മയ്ക്കായാണ് വികസിപ്പിക്കേണ്ടതും ഉപയോഗിക്കേണ്ടതും. ഇതിനായി ഇത്തരം സംരംഭങ്ങളിൽ പൊതു മേൽനോട്ടവും നിയന്ത്രണവും ആവശ്യമാണ്. ഓപ്പൺ സോഴ്സ് സംരംഭങ്ങളെ പിന്തുണയ്ക്കുകയും ധാർമികമായ നിയന്ത്രണങ്ങൾക്കായി സമ്മർദ്ദം ചെലുത്തുകയും ചെയ്യുന്നതിലൂടെ, നമുക്ക് എ ഐയെ എല്ലാവർക്കും പ്രയോജനപ്പെടുന്ന ഒരു ഭാവിയിലേക്ക് നയിക്കാൻ സാധിക്കും. l
(ലേഖകൻ സ്വതന്ത്ര വിജ്ഞാന ജനാധിപത്യ സഖ്യം ( DAKF ) സംസ്ഥാന എക്സിക്യൂട്ടീവ് കമ്മിറ്റി 
അംഗവും ICFOSS ഡയറക്ടറും ആണ്)