ಮೈಕ್ರೋಸ್ಕೋಪು | ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನಿಜಕ್ಕೂ ವಿಶ್ವಾಸಾರ್ಹವೇ?

ಚಿತ್ರಗಳನ್ನು ಕಲ್ಪಿಸುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಂತ್ರಾಂಶ ಬಳಸಿ 'ಡಾಲ್ ಇ 2' ಎನ್ನುವ ತಂಡ ಕೆಲವು ಕಲಾಕೃತಿಗಳನ್ನು ಸೃಷ್ಟಿಸಿದೆ. ಈ ಭೂಮಿಯ ಕೊಟ್ಟಕೊನೆಯ ಸೆಲ್ಫೀ ಹೇಗಿರಬಹುದು ಎಂಬ ಪ್ರಶ್ನೆಯನ್ನು ರೋಬೊಗೆ ಕೇಳಲಾಗಿತ್ತು. ಅದಕ್ಕೆ ಉತ್ತರವಾಗಿ, ಹಿನ್ನೆಲೆಯಲ್ಲಿ ಬೀಭತ್ಸ ದೃಶ್ಯಗಳೂ, ಮುನ್ನೆಲೆಯಲ್ಲಿ ವಿಕಾರ ರೂಪದ ಮನುಷ್ಯರೂ ಇರುವ ನಾಲ್ಕು ಚಿತ್ರಗಳು ಸಿಕ್ಕಿವೆ!

ಮೊನ್ನೆ ಒಂದು ಸುದ್ದಿ. ಎಐ ಅರ್ಥಾತ್ ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ (ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ) ತಂತ್ರಜ್ಞಾನದಿಂದ ಮುಂದೆ ನಾವು ಯಾವ ರೀತಿ ಸೆಲ್ಫೀಗಳನ್ನು ತೆಗೆಯುತ್ತಿರಬಹುದು ಎನ್ನುವ ಚಿತ್ರವೊಂದು ವೈರಲ್ ಆಯಿತು. ಸೆಲ್ಫೀ ತೆಗೆಯುವುದೇನೂ ವಿಶೇಷವಲ್ಲ. ಆದರೆ, ಮನುಷ್ಯ ತನ್ನ ಭವಿಷ್ಯದಲ್ಲಿ ಸೆಲ್ಫೀ ತೆಗೆಯುವಾಗ ಹೇಗಿರಬಹುದು? ಭವಿಷ್ಯ ಎಂದರೆ ನಾಳೆ, ಆಚಿನ ದಿನದ ಮಾತಲ್ಲ. ಮನುಷ್ಯ ಈ ಭೂಮಿಯಿಂದ ಅಳಿದುಹೋಗುವ ಸಂದರ್ಭದಲ್ಲಿ ಸೆಲ್ಫೀ ತೆಗೆದರೆ ಆ ಸೆಲ್ಫೀ ಚಿತ್ರ ಹೇಗಿರಬಹುದು? ಇದು ಚಿತ್ರದ ಹೂರಣ.

ಟಿಕ್ ಟಾಕ್ ವೀಡಿಯೊಗಳನ್ನು ಮಾಡುವ 'ರೋಬಾಟು ಓವರ್ ಲೋಡ್ಸ್' ಎನ್ನುವ ತಂಡವೊಂದು ಈ ಚಿತ್ರಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದೆ. 'ಡಾಲ್ ಇ 2' ಎನ್ನುವ ಚಿತ್ರಗಳನ್ನು ಕಲ್ಪಿಸುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಂತ್ರಾಂಶವನ್ನು ಈ ತಂಡ ಬಳಸಿತ್ತು. ತಂತ್ರಾಂಶಕ್ಕೆ, ಈ ಭೂಮಿಯ ಕೊಟ್ಟಕೊನೆಯ ಸೆಲ್ಫೀ ಹೇಗಿರಬಹುದು ಎಂಬ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಲಾಗಿತ್ತು. ಅದಕ್ಕೆ ಉತ್ತರವಾಗಿ, ಹಿನ್ನೆಲೆಯಲ್ಲಿ ಬೀಭತ್ಸ ದೃಶ್ಯಗಳೂ, ಮುನ್ನೆಲೆಯಲ್ಲಿ ವಿಕಾರ ರೂಪದ ಮನುಷ್ಯರೂ ಇರುವ ನಾಲ್ಕು ಚಿತ್ರಗಳನ್ನು 'ಡಾಲ್ ಇ' ಬಿಡುಗಡೆ ಮಾಡಿದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಂತ್ರಜ್ಞಾನವು, ಕೊನೆಗೊಂದು ದಿನ ಭೂಮಿಯ ಮೇಲಿನ ವಾಸ ಮನುಷ್ಯರಿಗೆ ದಾರುಣವಾಗಲಿದೆ ಎಂದು ಚಿತ್ರಿಸಿರುವುದರ ಜೊತೆಗೇ, ಮನುಷ್ಯನ ದೈಹಿಕ ಮಾರ್ಪಾಟುಗಳು ಹೇಗೆ ಕೊನೆಗೊಂಡಿರಬಹುದು ಎನ್ನುವುದನ್ನು ಕಲ್ಪಿಸಲು ಪ್ರಯತ್ನಿಸಿದೆ.

ಅಂದ ಹಾಗೆ ಏಐ ಕುರಿತು ವೈರಲ್ ಆದ ಸುದ್ದಿ ಇದೊಂದೇ ಅಲ್ಲ. ಬಹಳಷ್ಟು ಮನರಂಜನೆಗೆಂದೋ, ಕೌತುಕದಿಂದಲೋ ರೋಬಾಟ್ ಓವರ್ಲೋಡ್ಸ್ ಮಾಡಿರುವ ಈ ಚಿತ್ರವನ್ನು ನೋಡಿರಬಹುದು. ನಾಳಿನ ಬಗ್ಗೆ ಯಾರಿಗೆ ಕೌತುಕವಿಲ್ಲ ಹೇಳಿ? ಆದರೆ ಹೀಗೆ ಏಐ ಯನ್ನು ಉಪಯೋಗಿಸಿ ನಾಳಿನ ಬಗ್ಗೆ ತರ್ಕಿಸುವುದು ಎಷ್ಟರ ಮಟ್ಟಿಗೆ ವೈಜ್ಞಾನಿಕ? ಇಂತಹ ತಂತ್ರಜ್ಞಾನವನ್ನು ವಿಜ್ಞಾನದಲ್ಲಿ ಬಳಸುವುದು ಒಳಿತೇ ಎನ್ನುವ ಪ್ರಶ್ನೆಗಳನ್ನು ಅಮೆರಿಕೆಯ ಪ್ರಿನ್ಸ್ಟನ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಸಯಶ್ ಕಪೂರ್ ಮತ್ತು ಅರವಿಂದ್ ನಾರಾಯಣನ್  ಮುಂದಿಟ್ಟಿರುವ ಸುದ್ದಿ ಇದೀಗ ವೈರಲ್ ಆಗಿದೆ. ಏಐ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಬಳಸಿ ಕಂಡ ತರ್ಕಗಳನ್ನು ಮತ್ತೊಮ್ಮೆ ಮರುಕಳಿಸಲು ಅಸಾಧ್ಯ. ಹೀಗಾಗಿ ಇವು ವೈಜ್ಞಾನಿಕವಾಗಿ ಸರಿಯಾದ ತರ್ಕಗಳಾಗಿರಲಿಕ್ಕಿಲ್ಲ ಎಂದು ಇವರು ಆರ್ಕ್ಸೈವ್ ಪತ್ರಿಕೆಯಲ್ಲಿ ಪ್ರಕಟಿಸಿರುವ ಪ್ರಬಂಧ ವಾದಿಸಿದೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎನ್ನುವುದು ನಾಳಿನ ತಂತ್ರಜ್ಞಾನ ಎನ್ನುವ ವಾದವುಂಟು. ಸಾಮಾನ್ಯವಾಗಿ ಯಾಂತ್ರಿಕವಾಗಿ ಮತ್ತೆ-ಮತ್ತೆ ಮಾಡಬೇಕಾದ ಚಟುವಟಿಕೆಗಳಿಗೆ ಮಾನವರ ಬದಲಾಗಿ ರೋಬಾಟು ಅಥವಾ ಯಂತ್ರಗಳನ್ನು ಉಪಯೋಗಿಸಿದರೆ, ತಯಾರಿಕೆಯ ವೆಚ್ಚ ಕಡಿಮೆ ಆಗುತ್ತದೆ ಎನ್ನುವುದು ಇಪ್ಪತ್ತನೆಯ ಶತಮಾನದ ಆದಿಯಿಂದಲೂ ನಂಬಿಕೊಂಡು ಬಂದ ಸಂಗತಿ. ಕಾರ್ಖಾನೆಗಳಲ್ಲಿ ವಿವಿಧ ಚಟುವಟಿಕೆಗಳನ್ನು ಯಾಂತ್ರೀಕರಿಸುವ ಕಾರ್ಯ ಇಂದಿಗೂ ನಿಂತಿಲ್ಲ. ಕೈಗಾರಿಕಾ ಕ್ರಾಂತಿಯ ಮೂರನೆಯ ಹಂತ ಇದು ಎನ್ನುತ್ತಾರಷ್ಟೆ. ಇನ್ನು ನಾಲ್ಕನೆಯ ಹಂತದ ಕೈಗಾರಿಕಾ ಕ್ರಾಂತಿಯಲ್ಲಿ ಯಂತ್ರಗಳು ಕೇವಲ ಮರುಕಳಿಸುವ ಕೆಲಸಗಳನ್ನಷ್ಟೇ ಮಾಡಬೇಕಿಲ್ಲ. ಆ ಕೆಲಸಗಳಿಂದ ಅವು ಕಲಿತು, ತಮ್ಮಷ್ಟಕ್ಕೆ ತಾವೇ ಇನ್ನಷ್ಟು ಕ್ಷಮತೆಯನ್ನು ಸಾಧಿಸುವಂತೆ ಮಾಡಬಹುದು ಎನ್ನುವ ಚಿಂತನೆಗಳಿವೆ. ಇದಕ್ಕೆ ಇಂಬು ಕೊಟ್ಟಿರುವುದು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಂತ್ರಜ್ಞಾನ ಮತ್ತು ಮೆಶೀನ್ ಲರ್ನಿಂಗ್ ಎನ್ನುವ ತಂತ್ರಾಂಶಗಳು.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಲ್ಲಿ ಎರಡು ಬಗೆಗಳಿವೆ. ಒಂದು - ಮನುಷ್ಯನಂತೆಯೇ ಚಿಂತಿಸಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬಲ್ಲ ತಂತ್ರಾಂಶ. ಇನ್ನೊಂದು - ಸುಧಾರಿತ ತಂತ್ರಾಂಶ ಎನ್ನಬಹುದು. ಇವುಗಳಿಗೆ ಒಂದು ಉದಾಹರಣೆ ಎಂದರೆ, ಸ್ಮಾರ್ಟ್ ಕಾರುಗಳು. ಮುಂದೆ ಸಾಗುತ್ತಿರುವ ವಾಹನ ಎಷ್ಟು ದೂರದಲ್ಲಿರಬಹುದು ಎಂಬುದನ್ನು ಗ್ರಹಿಸಿ, ಅದಕ್ಕೆ ತಕ್ಕಂತೆ ತನ್ನ ವೇಗವನ್ನು ಬದಲಿಸಿಕೊಳ್ಳುವ ಸ್ಮಾರ್ಟ್ ಕಾರು ಬಳಸುವುದೂ ಒಂದು ಬಗೆಯ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ. ದಾಟಿ ಹೋಗಲೆಂದು ಸನ್ನದ್ಧವಾದಾಗ, ಮುಂದೆ ಹೋಗುತ್ತಿರುವ ಆಟೋ ತಟಕ್ಕನೆ ಬಲಕ್ಕೆ ತಿರುಗಿಯೂ ತಿರುವು ತೆಗೆದುಕೊಂಡರೆ ತಕ್ಷಣವೇ ಎಡಕ್ಕೆ ಚಲಿಸಿ ಢಿಕ್ಕಿಯಾಗುವುದನ್ನು ತಪ್ಪಿಸಿಕೊಳ್ಳುವುದು ಇನ್ನೊಂದು ಬಗೆಯ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ. ಮೊದಲನೆಯದರಲ್ಲಿಯೂ ತನಗೆ ದೊರೆತ ವೇಗದ ಅರಿವಿಗೆ ತಕ್ಕಂತೆ ಕ್ರಮ ತೆಗೆದುಕೊಳ್ಳಲು ಕಾರು ಕಲಿಯುತ್ತದೆ, ಎರಡನೆಯದರಲ್ಲಿಯೂ ಅಷ್ಟೆ. ಆದರೆ, ಈಗ ಇದು ಆಟೋ ಯೂಟರ್ನ್ ತಿರುವು ತೆಗೆದುಕೊಂಡರೆ ಏನಾಗಬಹುದು ಎನ್ನುವುದನ್ನೂ ಗಣಿಸಬೇಕಾಗುತ್ತದೆ. ಮನುಷ್ಯನ ಮಿದುಳು ಇದನ್ನೆಲ್ಲ ಕ್ಷಣಾರ್ಧದಲ್ಲಿ ಲೆಕ್ಕ ಹಾಕಬಲ್ಲುದು. ತರ್ಕಿಸಬಲ್ಲುದು. ಅದನ್ನೇ ಮಾಡುವ ತಂತ್ರಜ್ಞಾನ - ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (ಎಐ).

ಕಳೆದ ಐದು ವರ್ಷಗಳಲ್ಲಿ ಈ ತಂತ್ರಜ್ಞಾನ ಸಾಕಷ್ಟು ಬೆಳವಣಿಗೆಗಳನ್ನು ಕಂಡಿದೆ. ಈ ತಂತ್ರಜ್ಞಾನದ ಬಳಕೆಯೂ ಹೆಚ್ಚಿದೆ. ಗಣಕ ಯಂತ್ರದಲ್ಲಿ ಟೈಪು ಮಾಡುವಾಗಲೇ ನೀವೇನನ್ನು ಟೈಪು ಮಾಡಲಿರುವಿರಿ ಎಂದು ಊಹಿಸುವುದರಿಂದ ಹಿಡಿದು, ನಾಳೆಯ ದಿನಗಳಲ್ಲಿ ಷೇರು ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ನಿಮ್ಮ ಮೆಚ್ಚಿನ ಕಂಪನಿಯ ಷೇರುಗಳ ಬೆಲೆಗೆ ಏನಾಗಬಹುದು ಎಂದು ಜೂಜಾಡುವವರೆಗೂ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬಳಕೆಯಾಗುತ್ತಿದೆ. ವಿಜ್ಞಾನ ಕ್ಷೇತ್ರವನ್ನೂ ಇದು ಹೊಕ್ಕಿದೆ. ಮೊನ್ನೆಯಷ್ಟೇ 'ಸೈನ್ಸ್' ಪತ್ರಿಕೆಯಲ್ಲಿ ಪ್ರಕಟವಾದ ಒಂದು ಶೋಧವು, ಪ್ರಪಂಚದಲ್ಲಿ ಎಷ್ಟೆಲ್ಲ ಬಗೆಯ ಪ್ರೊಟೀನುಗಳು ಇರಬಹುದು ಎಂದು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬಳಸಿ ತರ್ಕಿಸಿತ್ತು. ಪ್ರಪಂಚದಲ್ಲಿ ಇರುವ ಇಪ್ಪತ್ತೇ ಇಪ್ಪತ್ತು ಅಮೈನೊ ಆಮ್ಲಗಳನ್ನು ವಿವಿಧ ಸಂಖ್ಯೆಯಲ್ಲಿ, ವಿವಿಧ ಬಗೆಯಲ್ಲಿ ಜೋಡಿಸಿದರೆ ಎಷ್ಟು ಬಗೆಯ ಪ್ರೊಟೀನುಗಳನ್ನು ಕಟ್ಟಬಹುದು ಎನ್ನುವ ಲೆಕ್ಕಾಚಾರ ಇದು. ಇದೇ ರೀತಿಯಲ್ಲಿ, ಯಾವುದೋ ಪ್ರೊಟೀನು, ಅದು ಎಷ್ಟೇ ಉದ್ದವಿರಲಿ, ಹೇಗೆಲ್ಲ ಮಡಚಿಕೊಳ್ಳಬಹುದು ಎನ್ನುವುದನ್ನೂ ಕೆಲವು ತಿಂಗಳ ಹಿಂದೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬಳಸಿ ಲೆಕ್ಕ ಹಾಕಲಾಗಿತ್ತು. ನೊಣಗಳ ಹಾರಾಟ ಹೇಗಿರಬಹುದು? ರೆಕ್ಕೆಯ ಉದ್ದ ಬದಲಾದರೆ ಅದರ ಹಾರಾಟದ ರೀತಿ, ಗತಿ ಬದಲಾಗಬಹುದೇ? ವಿಮಾನದ ರೆಕ್ಕೆಯ ಅಗಲವನ್ನು ಕಡಿಮೆ ಮಾಡಿದರೆ ಏನಾಗಬಹುದು? ನಮ್ಮಲ್ಲಿರುವ ತಳಿ ರಾಸಾಯನಿಕ, ಡಿಎನ್ಎಯಲ್ಲಿ ಒಂದು ತುಣುಕು ವಿಚಿತ್ರವಾಗಿದೆಯಲ್ಲ, ಅದರಿಂದಾಗುವ ಪರಿಣಾಮಗಳೇನಿರಬಹುದು? ಇತ್ಯಾದಿಯನ್ನೆಲ್ಲ ಈಗ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬಳಸಿ ಲೆಕ್ಕ ಹಾಕಲು ಯೋಜಿಸುತ್ತಿದ್ದಾರೆ. ಆದರೆ, ಹೀಗೆ ವೈಜ್ಞಾನಿಕ ಶೋಧಗಳಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬಳಸುವುದು ಎಷ್ಟು ಸರಿ ಎನ್ನುವ ವಾದಗಳಿಗೆ ಪುಷ್ಟಿ ಕೊಡುವಂತೆ ಸಯಶ್ ಕಪೂರ್ ಮತ್ತು ಅರವಿಂದ್ ನಾರಾಯಣನ್‌ ಅವರ ಶೋಧವಿದೆ.

Image

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಂದರೆ, ಮೆಶೀನ್ ಲರ್ನಿಂಗ್ ತಂತ್ರಾಂಶಗಳನ್ನು ಬಳಸುವ ತಂತ್ರಜ್ಞಾನವಷ್ಟೆ. ಮೆಶೀನ್ ಲರ್ನಿಂಗ್ ತಂತ್ರಾಶಗಳು ಸಾಮಾನ್ಯ ತಂತ್ರಾಂಶಗಳಂತೆ ತಮಗೆ ನೀಡಿದ ಮಾಹಿತಿಯನ್ನು ಆಧರಿಸಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. ಜೊತೆಗೆ, ತನ್ನ ನಿರ್ದೇಶನಗಳನ್ನು ತಾನೇ ಬದಲಿಸಿಕೊಳ್ಳುತ್ತದೆ. ಆದ್ದರಿಂದಲೇ ಅದನ್ನು ಕಲಿಯುವ ತಂತ್ರಾಂಶ ಎನ್ನುತ್ತಾರೆ. ಸರಳವಾದ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಿದರೆ ಅದಕ್ಕೆ ಉತ್ತರವನ್ನು ಹುಡುಕಲು ಬೇಕಾದ ಮಾಹಿತಿಯನ್ನು ತಾನೇ ಸಂಗ್ರಹಿಸಿ, ವಿಶ್ಲೇಷಿಸಿ ಉತ್ತರಿಸಲು ಇಂತಹ ಕಲಿಕೆ ಅಗತ್ಯ. ಉದಾಹರಣೆಗೆ, ನಾಳೆ ನನ್ನ ಚಿತ್ರ ಹೇಗಿರಬಹುದು ಎನ್ನುವ ಸರಳ ಪ್ರಶ್ನೆಯ ಹಿಂದೆ ಆ ವ್ಯಕ್ತಿಯ ದೇಹದಲ್ಲಾಗುತ್ತಿರುವ ಬದಲಾವಣೆಗಳೆಲ್ಲದರ ಗತಿಯನ್ನೂ ಊಹಿಸಬೇಕಾದ ಅವಶ್ಯಕತೆ ಇರುತ್ತದೆ. ಈ ಬದಲಾವಣೆಗಳಿಗೆ ಕಾರಣವಾಗುವ ಸ್ಥಿತಿಗಳಲ್ಲಿ ಏನಾದರೂ ವ್ಯತ್ಯಾಸವಾದರೆ ಏನಾಗಬಹುದು ಎನ್ನುವುದನ್ನೂ ಗಣಿಸಬೇಕಾಗುತ್ತದೆ. ಇವೆಲ್ಲವನ್ನೂ ಕಲಿತ ತಂತ್ರಾಂಶವಷ್ಟೇ ನಾಳೆಯ ಚಿತ್ರ ಹೇಗಿರುತ್ತದೆ ಎಂದು ತಿಳಿಸಬಲ್ಲುದು. ಇಂತಹ ಸಂಶೋಧನೆಗಳಲ್ಲಿ ದೋಷಗಳಿರಬಾರದು. ಇದ್ದಲ್ಲಿ ಅವು ಬಹಳ ಕಡಿಮೆ ಇರಬೇಕು. ಸಾಮಾನ್ಯವಾಗಿ ಅಧ್ಯಯನಗಳಲ್ಲಿನ ದೋಷಗಳನ್ನು ಪತ್ತೆ ಮಾಡಲು ಸಾಂಖ್ಯಿಕ ವಿಧಾನಗಳನ್ನು ಉಪಯೋಗಿಸುತ್ತಾರೆ. ಅದರ ಬದಲಿಗೆ ಈಗ ಮೆಶೀನ್ ಲರ್ನಿಂಗ್ ತಂತ್ರವನ್ನು ಬಳಸಲಾಗುತ್ತಿದೆ.

ವಿಜ್ಞಾನ ಜಗತ್ತಿನಲ್ಲಿ ಮೆಶೀನ್ ಲರ್ನಿಂಗ್ ವಿಧಾನವನ್ನು ವಿಶೇಷವಾಗಿ ಮೂರು ಸಂದರ್ಭಗಳಲ್ಲಿ ಬಳಸಲಾಗುತ್ತಿದೆ. ಮೊದಲನೆಯದಾಗಿ, ಪ್ರೊಟೀನು ರಚನೆಯ ಅಧ್ಯಯನದಂತೆ ಯಾವುದೇ ತಿಳಿದ ವಿದ್ಯಮಾನವನ್ನು ಇನ್ನಷ್ಟು ಸ್ಪಷ್ಟವಾಗಿ ತಿಳಿದುಕೊಳ್ಳಲು ಮೆಶೀನ್ ಲರ್ನಿಂಗ್ ನೆರವಾಗಬಹುದೆಂಬುದು ಆಶಯ. ಎರಡನೆಯ ಸಂದರ್ಭ, ವಿಶೇಷವಾಗಿ ವೈದ್ಯಕೀಯ ಮತ್ತು ಔಷಧಗಳ ಸಂಶೋಧನೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ್ದು. ಮೆಶೀನ್ ಲರ್ನಿಂಗ್ ತಂತ್ರಗಳು ರೋಗಪತ್ತೆಯ ವಿಧಾನಗಳನ್ನು ಇನ್ನಷ್ಟು ನಿಖರವಾಗಿಸಬಲ್ಲವೆಂಬ ಆಸೆ ಇದೆ. ಉದಾಹರಣೆಗೆ, ಈ ತಂತ್ರಗಳು ಸ್ಕ್ಯಾನಿಂಗಿನಿಂದ ಪಡೆದ ಚಿತ್ರಗಳನ್ನು ಇನ್ನಷ್ಟು ಸ್ಪಷ್ಟವಾಗಿ ವಿವರಿಸಬಲ್ಲವು. ಮೂರನೆಯ ಸಂದರ್ಭವೆಂದರೆ, ವಿಜ್ಞಾನದ ಸಂಶೋಧನೆಗಳ ಸಾಮಾಜಿಕ ಪರಿಣಾಮಗಳನ್ನು ಊಹಿಸಲು ಬಳಸುವಂಥವು. ಉದಾಹರಣೆಗೆ, ಭಾರತ ಮತ್ತು ಪಾಕಿಸ್ತಾನದ ಅಸ್ತ್ರ, ಶಸ್ತ್ರಗಳ ಸಾಮರ್ಥ್ಯ, ರಾಜಕೀಯ ಸ್ಥಿತಿಗತಿ, ಸದ್ಯದಲ್ಲಿ ನಡೆದಿರುವ ಉಭಯ ರಾಷ್ಟ್ರಗಳ ನಡುವಣ ಮಾತುಕತೆಗಳು ಮೊದಲಾದವನ್ನು ಆಧರಿಸಿ ಈ ಎರಡೂ ರಾಷ್ಟ್ರಗಳ ನಡುವೆ ಯುದ್ಧವಾಗಬಹುದೇ? ಆದರೆ, ಪರಿಣಾಮವೇನು ಇತ್ಯಾದಿಯನ್ನು ತರ್ಕಿಸುವುದೂ ಉಂಟು. ಈ ಮೂರೂ ವಿಧಾನಗಳಲ್ಲಿಯೂ ಈಗಾಗಲೇ ವಿಶ್ಲೇಷಣೆಗೆ ಒಳಗಾಗಿರುವ ಮಾಹಿತಿಯ ಜೊತೆಗೆ ಹೊಸ ಮಾಹಿತಿಯನ್ನೂ ಸೇರಿಸಿ, ಮುಂದೇನಾಗಬಹುದು ಎಂದು ಗಣಿಸಲಾಗುತ್ತದೆ. ಈ ಗಣನೆಯನ್ನು ತಂತ್ರಾಂಶ ಮಾಡುತ್ತದೆ. ಸಾಮಾನ್ಯವಾಗಿ ನಡೆಯುವ ಸಾಂಖ್ಯಿಕ ವಿಧಾನಗಳಿಗಿಂತಲೂ ಮೆಶೀನ್ ಲರ್ನಿಂಗ್ ಬಳಸಿದ ತೀರ್ಮಾನಗಳು ನಿಖರ. ಹೀಗಾಗಿ, ಇವುಗಳ ಊಹೆಗಳು ನಿಜವಾಗುವ ಸಂಭವ ಹೆಚ್ಚು ಎಂಬ ನಂಬಿಕೆ ಇದೆ. ಹೌದೇ?

ಸಮಸ್ಯೆ ಇರುವುದು ಇಲ್ಲೇ ಎನ್ನುತ್ತಾರೆ ಅರವಿಂದ್ ನಾರಾಯಣನ್. "ನಾವು ಊಡಿಸುವ ಮಾಹಿತಿಯಲ್ಲಿ ಕೊರತೆಗಳಿದ್ದಲ್ಲಿ, ದೋಷಗಳಿದ್ದಲ್ಲಿ, ಆಗ ಫಲಿತಾಂಶದಲ್ಲಿಯೂ ವ್ಯತ್ಯಾಸ ಇರಬಹುದಷ್ಟೆ. ಈ ಫಲಿತಾಂಶವನ್ನೇ ಆಧರಿಸಿ ಕಲಿಯುವುದರಿಂದ ಕಲಿಕೆಯೂ ದೋಷಪೂರ್ಣವಾಗಿರಬಹುದು," ಎನ್ನುವುದು ಅವರ ತರ್ಕ. ಇದೀಗ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸುವ ಯಾವುದೇ ವೈಜ್ಞಾನಿಕ ಸಂಶೋಧನೆಗಳೂ, ಈ ಹಿಂದೆ ಸಂಗ್ರಹವಾದ ಮಾಹಿತಿಯನ್ನೇ ಉಪಯೋಗಿಸಬೇಕು. ದುರದೃಷ್ಟವಶಾತ್, ಈ ಹಿಂದಿನ ಸಂಶೋಧನೆಗಳು ಸಂಗ್ರಹಿಸಿದ ಮಾಹಿತಿ ಏಕಪ್ರಕಾರವಾಗಿ ಸಂಗ್ರಹಿಸಿದಂಥವಲ್ಲ. ಹೀಗಾಗಿ, ಇಂತಹ ಮಾಹಿತಿಯಲ್ಲಿ ಅಲ್ಲಲ್ಲಿ ಕೊರತೆಗಳಿವೆ. ದೋಷಗಳೂ ಇವೆ. ಮಾಹಿತಿತಂತ್ರಜ್ಞಾನಿಗಳು ಇವನ್ನು ಡೇಟಾ ಲೀಕ್ ಎನ್ನುತ್ತಾರೆ. ಇಂತಹ 'ಮಾಹಿತಿ ಸೋರಿಕೆ' ಇದ್ದಾಗ ನಾವು ಪಡೆಯುವ ಫಲ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರುತ್ತದೆಯೇ?

ಈ ಲೇಖನ ಓದಿದ್ದೀರಾ?: ಮೈಕ್ರೋಸ್ಕೋಪು | ಅಂಕಿ ಪ್ರಜ್ಞೆ, ಗಣಿತ ಪ್ರಜ್ಞೆ ಹಾಗೂ ಬ್ರಹ್ಮಾಂಡ ಭ್ರಷ್ಟಾಚಾರ

ಈ ಪ್ರಶ್ನೆಯನ್ನು ಬೆಂಬತ್ತಿದ ಅರವಿಂದ್ ನಾರಾಯಣನ್‌ ಮೆಶೀನ್ ಲರ್ನಿಂಗ್ ಬಳಸಿದ ವೈಜ್ಞಾನಿಕ ಸಂಶೋಧನೆಗಳಲ್ಲಿ ಇರಬಹುದಾದ ದೋಷಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿದ ಇಪ್ಪತ್ತು ಅಧ್ಯಯನಗಳನ್ನು ಪುನಃ ವಿಶ್ಲೇಷಿಸಿದ್ದಾರೆ. ಮೊದಲನೆಯ ಮಾಹಿತಿಯನ್ನು ಬಳಸಿ ಈಗಿರುವ ಮಾಹಿತಿಯನ್ನು ಅಧ್ಯಯನ ಮಾಡಿರುವುದರಿಂದ, ಇದರ ಸಂಬಂಧವನ್ನೇ ಮುಂದಿನದನ್ನು ಊಹಿಸಲೂ ಬಳಸುವುದರಿಂದ ಒಂದು ಬಗೆಯಲ್ಲಿ ಪೂರ್ವಗ್ರಹಪೀಡಿತ ಅಧ್ಯಯನವಾದಂತೆ ಆಗುತ್ತದೆ ಎನ್ನುವುದು ಇವರ ತರ್ಕ. ಹೀಗಾಗಿ, ಇದೇ ಅಧ್ಯಯನಗಳನ್ನು ಹಳೆಯ ಮಾಹಿತಿಯಲ್ಲಿ ಕಂಡ ಸಂಬಂಧಗಳನ್ನು ಬಳಸದೆಯೇ ಅಥವಾ ಅವುಗಳಲ್ಲಿನ ದೋಷಗಳನ್ನು ಲೆಕ್ಕ ಹಾಕಿ ನೋಡಿದರೆ ಏನಾಗುತ್ತದೆ ಎಂದು ಇವರು ಗಣಿಸಿದ್ದಾರೆ. ಹೀಗೆ ತಿದ್ದುಪಡಿಯೊಂದಿಗೆ ವಿಶ್ಲೇಷಿಸಿದಾಗ, ಎಲ್ಲ ಅಧ್ಯಯನಗಳ ಫಲವೂ ವಿಭಿನ್ನವಾಗಿತ್ತು. ಅಂದರೆ, ಅವು ವಿಜ್ಞಾನ ಜಗತ್ತಿನಲ್ಲಿ ಎಲ್ಲರೂ ಒತ್ತು ನೀಡುವ ವಿಶ್ವಾಸಾರ್ಹತೆ ಅರ್ಥಾತ್ ನಿಖರವಾಗಿ ಮರುಕಳಿಸಲಾರದಂಥದ್ದಾಗಿದ್ದವು.

ಇವು ವೈಜ್ಞಾನಿಕ ಸಂಶೋಧನೆಗಳ ಫಲಿತಾಂಶಗಳ ಬಗ್ಗೆಯೇ ಅನುಮಾನ ಹುಟ್ಟಿಸುವಂಥವು. ಇಂತಹ ಅಧ್ಯಯನಗಳ ಫಲಿತಾಂಶಗಳನ್ನು ಆಧರಿಸಿ ರೂಪಿಸಿದ ಔಷಧವೋ, ವೈದ್ಯಕೀಯ ಪತ್ತೆ ವಿಧಾನವೋ ನಿಖರವಾದ ಫಲಿತಾಂಶವನ್ನು ನೀಡದಿರಬಹುದು. ರಾಸಾಯನಿಕ ಕ್ರಿಯೆಗಳು ಹಾದಿ ತಪ್ಪಬಹುದು. ಇವೆಲ್ಲವೂ ಕೂಡ ವಿಜ್ಞಾನಕ್ಕೆ ದುಬಾರಿಯೇ! ಹೀಗಾಗಿ ಇಂತಹ ದೋಷಗಳು ಕೂಡಿಕೊಳ್ಳದಂತೆ ಏನಾದರೂ ಮಾಡಲಾದೀತೇ ಎನ್ನುವುದು ಸಯಶ್ ಕಪೂರ್ ಮತ್ತು ಅರವಿಂದ್ ನಾರಾಯಣನ್ ಅವರ ಕಾಳಜಿ. ಇದಕ್ಕಾಗಿ ಅವರು ಒಂದು ಹೊಸ ವಿಧಾನವನ್ನೂ ಸೂಚಿಸಿದ್ದಾರೆ. ಅಧ್ಯಯನಕ್ಕೆ ತೊಡಗುವ ಮುನ್ನವೇ ಒಂದಿಷ್ಟು ಪ್ರಶ್ನೆಗಳನ್ನು ಹಾಕಿಕೊಂಡು, ಇರುವ ಮಾಹಿತಿಯನ್ನು ಪರಿಶೀಲಿಸಿ, ಅದರಲ್ಲಿರುವ ದೋಷಗಳನ್ನು ತಿದ್ದಿ ಮುಂದುವರಿಯುವುದು ಒಳ್ಳೆಯದು ಎನ್ನುವುದು ಇವರ ತರ್ಕ. ಅದಕ್ಕೊಂದು ಕ್ರಮವನ್ನೂ ಇವರು ಸೂಚಿಸಿದ್ದಾರೆ.

ಒಟ್ಟಾರೆ ಇಷ್ಟೆ... ಇಂತಹ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಬಳಸುವ ಮೆಶೀನ್ ಲರ್ನಿಂಗ್ ತಂತ್ರಗಳ ವಿಶ್ವಾಸಾರ್ಹತೆ ಅರ್ಥಾತ್ ಅವುಗಳೆಷ್ಟು ನಿಖರವಾಗಿ ಫಲಿತಾಂಶಗಳನ್ನು ಊಹಿಸಬಲ್ಲವು ಎನ್ನುವುದು ಇದುವರೆಗೂ ಬಳಸುತ್ತಿದ್ದ ಸಾಂಖ್ಯಿಕ ವಿಧಾನಗಳಿಗಿಂತ ನಿಖರವೇನೂ ಅಲ್ಲ. ಇವುಗಳ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಹೆಚ್ಚಿಸಬೇಕಿದೆ.

ನಿಮಗೆ ಏನು ಅನ್ನಿಸ್ತು?
0 ವೋಟ್