භූතයා පහනෙන් එළියට පැමිණ සිටී.. කෘතිම බුද්ධිය සහ අප (4 කොටස)
මිනිස් බුද්ධියෙන් බිහිවූ කෘතිම බුද්ධිය.. භූතයකුගේ සම්භවය..
ලෝකය (අවුට්බවුන්ඩ් ටුඩේ): ඔබ මේවන විට කෘතීම බුද්ධිය (Artificial Intelligence – AI ) පිළිබදව අප පළ කළ පළවෙනි දෙවෙනි සහ තුන්වනි ලිපි කියවන්නට ඇති; අද මේ ලිපියෙන් අප කතා කරන්න සූදානම් වෙන්නේ කෘතිම බුද්ධියේ තාක්ෂණික පැතිකඩ සහ වර්තමාන භාවිතයන් පිළිබදවයි.
දෛනිකව ඔබ භාවිතා කරන උපාංග ගැන අවධානය යොමු කළහොත්, ඔබට තාක්ෂණයේ දී මිනිසා කොතරම් දුරට ගොස් ඇත්දැයි පෙනේ. මෙම සමහර අවස්ථාවලදී, ඔබ නොදැනීම කෘතීම බුද්ධිය (Artificial Intelligence – AI )භාවිතා කරන අතර, ඔබගේ ස්මාර්ට් ජංගම දුරකථනයේ භාවිතා වන සමහර තාක්ෂණික ක්‍රම කිහිපයක් ද එයට හොඳ උදාහරණයක් ලෙස ගත හැක. මිනිස් මොළය සමාන අයුරින් තම බුද්ධිය මෙහෙයවන කෘතීම යන්ත්‍රික ක්‍රමවේදයක් කෘත්‍රිම බුද්ධිය ලෙස අපට හැදින්විය හැකිය.
මානව බුද්ධිය ස්වභාවිකව වර්ධනය වූ නිපුණතාවයකි. එය අත්දැකීම්, හැඟීම්, සංවේදන, සමාජීය අනුකූලතාව සහ සාර්ථක විසඳුම් සොයා ගැනීම වැනි විවිධ අංග වලින් සමන්විතව ගොඩනැඟී ඇත. නමුත් AI යනු මානව නිර්මාණයක් වන අතර එය ගණිතමය දත්ත, Machine Learning, Neural Networks, සහ විශේෂිත යෙදුම් සඳහා නිර්මාණාත්මක ඇල්ගොරිතම් (Algorithms) වලින් සෑදී ඇත.
AI යනු ලොව තුල බොහෝ කාලයක් පැවැති අදහසක් ලෙස දැක්විය හැකිය. පරිගණකය ලොවට හඳුන්වා දුන් මුල් සමයේ ම පරිගණක විද්‍යාඥයන් විසින් මෙම සංකල්පය ගෙන එනු ලැබූ බව කියවේ. මුල්ම වතාවට 1948 දී නිර්මාණය කරන ලද The Perceptron නැමැති AI model එක Frank Rosenblatt විසින් නිර්මාණය කරන ලදී. එවකට පැවති සීමිත පරිගණක ප්‍රොසෙසර් බලය හේතුකොට ගෙන බොහෝ නව නිර්මාණ සීමිතව නිර්මාණය කිරීමට සිදුවිය. නමුත් පරිගණක වල ධාරිතාව වැඩි වීම සමඟ සහ එකළ නොපැවති IoT(Internet of Things), Big data වැනි සන්කල්ප සහ වල නැග ඒම නිසා එවකට අපට කරන්නබැරි වුන බොහොමයක් AI models මේ වන විට ඔබ ඉදිරියේ නිර්මාණය වී පවතින බව ඔබට පෙනේ. කෘතීම බුද්ධියෙහි මුලික අමුද්‍රව්‍යයක් වන දත්ත විශාල වශයෙන් ලබා ගැනීමට මෙම සංකල්ප වැදගත් විය.
කෘතීම බුද්ධිය හෙවත් AI යනු layers කිහිපයකින් සැදුම්ලත් සංකල්පයකි. එහි පදනම වන්නේ Deep Learning සංකල්පයයි. Deep Learning මත පදනම්ව Machine Learning ගොඩනැඟී ඇති අතර එයට General AI හා Narrow AI අයත් වේ. General AI (සිය බුද්ධිය මෙහෙයවා අලුත් දෑ ඉගෙන ගනිමින් ක්‍රියා කල හැකි කෘත්‍රිම බුද්ධියක් යන්නයි.එනම් ඕනෑම දෙයක් කලහැකි යන්ත්‍රයක් වේ. මෙවැනි යන්ත්‍ර තවමත් ලෝකයේ නිර්මාණය වී නැත) හා Narrow AI (යම් කිසි එක් කර්‍යක් පමනක් සිදු කළහැකි ආකාරයට නිර්මාණයකරන ලද යන්ත්‍රයක් මේ නමින් හඳුන්වයි. ලෝකයේ වැඩියෙන් දකින්නට ඇති කෘත්‍රිම බුද්ධි ආකාරය මෙය වේ.(eg: Tesla’s auto driving car, Netflix search engine)) යන සංකල්ප 2 ගොඩනැඟී තිබේ.
කෘතීම බුද්ධිය ක්‍රියා කරන්නේ කෙසේද?
AI පද්ධති ක්‍රියා කරන්නේ ලේබල් කළ දත්ත විශාල ප්‍රමාණයක් භාවිතා කිරීමෙන්, සහසම්බන්ධතා සහ රටා සඳහා දත්ත විශ්ලේෂණය කිරීමෙන් සහ ඉදිරි තත්වයන්(future states) පිළිබඳ අනාවැකි කීමට මෙම රටා භාවිතා කිරීමෙනි. මේ ආකාරයට, chatbot එකකට මිනිසුන් සමඟ තොරතුරු හුවමාරු කිරීමට ඉගෙන ගත හැකිය, නැතහොත් රූප හඳුනාගැනීමේ මෙවලමකට ( image recognition tool) උදාහරණ මිලියන ගණනක් සමාලෝචනය කිරීමෙන් රූපවල ඇති වස්තූන් හඳුනා ගැනීමට සහ විස්තර කිරීමට ඉගෙන ගත හැකිය.
Artificial neural networks සහ deep learning AI තාක්ෂණයන් ඉක්මනින් විකාශනය වෙමින් පවතී. ඒ ප්‍රධාන වශයෙන්ම AI හට විශාල දත්ත ප්‍රමාණයක් ඉතා වේගයෙන් ක්‍රියාවට නැංවිය හැකි අතර මිනිසාට කළ හැකි ප්‍රමාණයට වඩා නිවැරදිව පුරෝකථනය කළ හැකි බැවිනි. දෛනික පදනමින් නිර්මාණය කරන ලද අතිවිශාල දත්ත පරිමාවක් මිනිස් පර්යේෂකයෙකුට ඉතා විශාල කර්ත්ව්‍යක් වන අතර, machine learning භාවිතා කරන AI යෙදුම් වලට එය සුළු වැඩකි.
කෘතීම බුද්ධිය හි වාසි
AI හි අවාසි
එදිනදා භාවිතා වන AI තාක්ෂණයන් මොනවාද?
ස්වයංක්‍රීයකරණය (Automation) – AI තාක්ෂණයන් සමඟ යුගල වූ විට, ස්වයංක්‍රීය මෙවලම් මඟින් සිදු කරන ලද කාර්යයන් පරිමාව පුළුල් කර ගත හැක. උදාහරණයක් ලෙස රොබෝ ක්‍රියාවලි ස්වයංක්‍රීයකරණය (robotic process automation – RPA) දැක්විය හැක.
Machine learning – ක්‍රමලේඛනයකින් තොරව පරිගණකයක් ක්‍රියාකරවීමේ විද්‍යාව මෙයයි. Deep learning උප කුලකයකි
Machine learning සිදු කරන ආකරය අනුව මූලික වශයෙන් එය Supervised learning, Un-supervised learning, Semi-Supervised learning සහ Reinforcement learning ලෙස මූලිකව කොටස් 4 කට බෙද දක්වනු ලබයි. මේ එක් එක් කරුණ පිළිබඳව අප දැන්ව විමසා බලමු.
Supervised Learning – මෙය ඕනෑම ජීවියකු සිය දැනුම අවශෝෂණය කර ගන්නා සාමන්‍ය ක්‍රියාවලියට සමානය. එනම් ඕනෑම මිනිසෙක් කුඩා අවදියේ තම දෙමව්පියන් හා අවට සිටින අය කියා දෙන කරුනු අවශොෂණය කර ගනී. එම කරුණු මතකයේ තබාගෙන යලිත් ඒ හා සමාන අවස්ථාවන් වලදී ඒ අයුරින් ප්‍රතිචාර දක්වයි. පාසලේ ගුරුවරුන් උගන්වන කරුණු ඉගෙන ගනී. ඒ අයුරින්ම මෙහිදී අප කෘත්‍රිම යන්ත්‍රයකට අප සතුව ඇති දත්ත උපයොගී කරගනිමින් ඉගැන්වීමක් සිදු කරනු ලබයි. මෙය Training ලෙස හඳුන්වන අතර එමගින් ලබා දුන් දත්ත පිළිබඳව නැවත පරීක්ෂා කිරීමේ ක්‍රියාවලිය evaluation ලෙස හඳුන්වනු ලැබේ. ලබා දුන් දත්ත අනුසාරයෙන් නිගමන වලට එලබීම මෙහිදී මෙම trained models සිදු කරනු ලබයි.
Unsupervised Learning – මෙහිදී training එකකින් තොරව තමා විසින්ම තෝරාගත් තමා සතුව පවතින විශ්ලේෂණ ක්ර්ම සමුදායක් ඔස්සේ ඉගෙනුමක් සිදු වේ. එනම් දත්ත වෙන් කොට නොදක්වන අවස්ථාවකදී එම දත්ත වෙන් කොට හඳුනා ගෙන ඒ අනුව ප්‍රතිඵලය ලබා දීමයි. මෙහෙදී කිසිඳු training එකක් සිදු නොකරයි, නමුත් දෙන ලද දත්ත සමුදායෙන් තෝරාගත් සමානතා හෝ අසාමානතා මත අපගේ model එක ඉගෙනුමක් ලබා ගනී.
Reinforcement Learning – මෙයට උදාහරණයක් ලෙස තමාට මිත්‍රශීලී සහ මිත්‍රශීලී නොවන, හොඳ සහ නරක, වැනි දෑ වෙන් කොට හඳුනා ගන්නා මිනිස් මොළයේ ක්‍රියාකාරීත්වය පෙනිවා දිය හැක. මෙහිදී අප විසින් නිර්මාණය කරන Agent හට ලකුණු ලබා දීමේ ක්‍රමයත් භාවිතා කරයි. නිවැරැදි action එකකට ලකුණු ලබා දීමත් වැරදි action එකකින් ලකුණු කපා හැරීමත් සිදුකරයි. මේ අනුව අප නිර්මාණය කල Agent සිය ලකුණු ප්‍රමාණය වැඩි කර ගැනීමට උත්සාහා දරන අතර එමගින් වැරදි තීරණ හඳුනා ගෙන ඉගෙනුම ලබයි. මෙය බොහෝ විට gaming වල භාවිතා කරනු ලබයි (automated players or Bots)
Machine vision – මෙම තාක්ෂණය යන්ත්‍රයකට දැකීමේ හැකියාව ලබා දෙයි. Machine vision කැමරාවක් භාවිතයෙන් දෘශ්‍ය තොරතුරු ග්‍රහණය කර විශ්ලේෂණය කරයි, ඇනලොග්-ඩිජිටල් පරිවර්තනය සහ ඩිජිටල් සංඥා සැකසීම මෙහිදී සිදු වේ. එය අත්සන් හඳුනාගැනීමේ සිට වෛද්‍ය රූප විශ්ලේෂණය දක්වා විශාල පරාසයක භාවිතා වේ.
Natural language processing (NLP) – මෙහිදී පරිගණක වැඩසටහනක් මගින් මිනිස් භාෂාව හදුනා ගැනීම හා සැකසීම සිදු කෙරෙයි. NLP කාර්යයන්ට දත්ත පරිවර්තනය, හැඟීම් විශ්ලේෂණය සහ කථන හඳුනාගැනීම ඇතුළත් වේ.
රොබෝ විද්‍යාව Robotics – මෙම ඉංජිනේරු ක්ෂේත්‍රය රොබෝවරුන් සැලසුම් කිරීම සහ නිෂ්පාදනය කිරීම කෙරෙහි අවධානය යොමු කරයි. රොබෝවරු බොහෝ විට භාවිතා කරනුයේ මිනිසුන්ට ඉටු කිරීමට අපහසු කාර්යයන් ඉටු කිරීමට හෝ නොකඩවා ඉටු කිරීමට ය. සමාජ සැකසුම් තුළ අන්තර් ක්‍රියා කළ හැකි රොබෝවරුන් තැනීමට පර්යේෂකයන් Machine learning ද භාවිතා කරයි.
ස්වයං ධාවන මෝටර් වාහන Self-driving cars – ස්වයංක්‍රීය වාහන, වාහනයක් නියමු කිරීම සඳහා ස්වයංක්‍රීය කුසලතා ගොඩනැගීම සඳහා computer vision, රූප හඳුනාගැනීම ( image recognition) සහ deep learning එකතුවක් භාවිතා කරයි.
වචන, රූප සහ ශ්‍රව්‍ය උත්පාදනය (Text, image and audio generation) – අසීමිත පරාසයක අන්තර්ගත කරුණු නිර්මාණය කිරීම සඳහා හරහා උත්පාදක AI ශිල්පීය ක්‍රම (Generative AI techniques) බහුලව යොදනු ලැබේ. (Ex: ChatGPT, Bard AI, DALL-E AI )
AI හි භාවිතයන් මොනවාද?
වෛද්‍ය ක්ෂේත්‍රය
මිනිසුන්ට වඩා හොඳ සහ වේගවත් වෛද්‍ය රෝග විනිශ්චය කිරීමට වෛද්‍ය ක්ෂේත්‍රය තුළ Machine learning භාවිතා කරයි. IBM Watson යනු සෞඛ්‍ය ක්ෂේත්‍රය තුළ භාවිතාවන ප්‍රසිද්ධ තාක්‍ෂණයකි. එය මානව භාෂාව තේරුම් ගෙන අතර එය අසනු ලබ රෝග සම්බන්ධ ගැටළු සඳහා පිළිතුරු දෙයි. අනෙකුත් AI යෙදුම් අතරට රෝගීන්ට සහ සෞඛ්‍ය සේවා පාරිභෝගිකයින්ට වෛද්‍ය තොරතුරු සොයා ගැනීමට, හමුවීම් කාල සටහන් කිරීමට, බිල්පත් ක්‍රියාවලිය අවබෝධ කර ගැනීමට සහ අනෙකුත් පරිපාලන ක්‍රියාවලීන් සම්පූර්ණ කිරීමට සබැඳි අතථ්‍ය සෞඛ්‍ය සහායකයින් – online virtual health assistants සහ චැට්බෝට් භාවිතා කිරීම ඇතුළත් වේ.
ව්‍යාපාර ක්ෂේත්‍රය
පාරිභෝගිකයින්ට වඩා හොඳින් සේවය කරන්නේ කෙසේද යන්න පිළිබඳ තොරතුරු අනාවරණය කර ගැනීම සඳහා Machine learning ඇල්ගොරිතම විශ්ලේෂණ සහ පාරිභෝගික සම්බන්ධතා කළමනාකරණ (CRM) වේදිකාවලට ඒකාබද්ධ කෙරේ. ගනුදෙනුකරුවන්ට ක්ෂණික සේවාවක් සැපයීම සඳහා චැට්බෝට් වෙබ් අඩවිවලට ඇතුළත් කර ඇත.
අධ්‍යාපන ක්ෂේත්‍රය
AI හට ශ්‍රේණිගත කිරීමේ කාර්යන් කිරීම ස්වයංක්‍රීය කළ හැක, එහෙයින් එය අධ්‍යාපනඥයින්ට වෙනත් කාර්යයන් සඳහා වැඩි කාලයක් ලබා දෙයි. මෙම තාක්ෂණයට සිසුන් ඉගෙන ගන්නා ස්ථානය සහ කෙසේද යන්න වෙනස් කළ හැකිය, සමහර විට සමහර ගුරුවරුන් වෙනුවට පවා AI භාවිතයෙන් ඉගැන්වීම් කටයුතු සිදු කළ හැක. ChatGPT, Google Bard සහ අනෙකුත් generative AI අධ්‍යාපනඥයින්ට පාඨමාලා වැඩ සහ අනෙකුත් ඉගැන්වීම් මූලාශ්‍ර සැකසීමට සහ සිසුන් නව ක්‍රමවලට සම්බන්ධ කර ගැනීමට සහය සපයයි.
විනෝදාස්වාදය සහ මාධ්‍ය ක්ෂේත්‍රය
මාධ්‍ය ක්ෂේත්‍රය තුළ ඉලක්කගත වෙළඳ ප්‍රචාරණය, අන්තර්ගතය නිර්දේශ කිරීම, බෙදාහැරීම, වංචනික නිර්මාණ හඳුනා ගැනීම, පිටපත් නිර්මාණය කිරීම සහ චිත්‍රපට සෑදීම සඳහා AI ශිල්පීය ක්‍රම භාවිතා කරයි. ස්වයංක්‍රීය පුවත්පත් කලාව ප්‍රවෘත්ති කාමරවලට කාලය, පිරිවැය සහ සංකීර්ණත්වය අඩු කරමින් මාධ්‍ය කාර්ය ප්‍රවාහයන් විධිමත් කිරීමට උපකාරී වේ.
බැංකු ක්ෂේත්‍රය
බැංකු තම ගනුදෙනුකරුවන්ට සේවා සහ පිරිනැමීම් පිළිබඳව දැනුවත් කිරීමට සහ මානව මැදිහත්වීමක් අවශ්‍ය නොවන ගනුදෙනු හැසිරවීමට චැට්බෝට් සාර්ථකව යොදා ගනී. බැංකු ආයතන ණය සඳහා තීරණ ගැනීම වැඩිදියුණු කිරීමට, ණය සීමාවන් සැකසීමට සහ ආයෝජන අවස්ථා හඳුනා ගැනීමට AI භාවිතා කරයි
ප්‍රවාහන ක්ෂේත්‍රය
ස්වයංක්‍රීය වාහන ක්‍රියාත්මක කිරීමේදී AI හි මූලික කාර්යභාරයට අමතරව, ගමනාගමනය කළමනාකරණය කිරීමට, ගුවන් ගමන් ප්‍රමාදයන් පුරෝකථනය කිරීමට සහ සාගර නැව් ගමනාගමනය වඩාත් ආරක්ෂිත සහ කාර්යක්ෂම කිරීමට AI තාක්ෂණයන් ප්‍රවාහන ක්ෂේත්‍රය තුළ භාවිතා වේ.
කෘත්‍රිම බුද්ධිය (AI) යනු යන්ත්‍ර භාවිතයෙන් මානව බුද්ධිය අනුකරණය කිරීමට උත්සාහ කරන ශීඝ්‍රයෙන් දියුණු වන තාක්‍ෂණයකි, ඒ ඔස්සේ සරල සිට සංකීර්ණ දක්වා පුළුල් පරාසයක කාර්යයන් ඉටු කිරීමට මිනිසා හැකි වේ. AI ට Machine learning (ML) සහ Deep learning ඇතුළු විවිධ උප ක්ෂේත්‍ර ඇතුළත් වන අතර එමඟින් පද්ධති පුහුණු දත්ත වලින් නව ක්‍රමවලින් ඉගෙන ගැනීමට සහ අනුවර්තනය වීමට ඉඩ සලසයි. සෞඛ්‍ය සේවා, මූල්‍ය සහ ප්‍රවාහනය වැනි විවිධ කර්මාන්ත සඳහා AI භාවිතා වේ. AI වෙතින් විවිධ ක්ෂේත්‍ර සඳහා සැලකිය යුතු දියුණුවක් ලබා දෙන අතරම, එය සදාචාරාත්මක, පෞද්ගලිකත්වය සහ රැකියා ගැටළු ද මතු කරයි. AI හි අනාගතය අතිවිශාල විභවයක් ඇති නමුත් එහි සමාජීය සහ සදාචාරාත්මක බලපෑම් පිළිබඳව ප්‍රවේශමෙන් සලකා බැලීම අවශ්‍ය වේ.
මේ තමයි කෘතිම බුද්ධියේ තාක්ෂණික පැතිකඩ සහ නූතන භාවිතයන්, කෘතිම බුද්ධිය පිළිබද තවත් විස්තර අප ඉදිරි ලිපි වලින් ගෙන ඒමට සූදානම්.
අන්තර්ජාලය ඇසුරිනි
පෙර ලිපි:
භූතයා පහනෙන් එළියට පැමිණ සිටී.. කෘතිම බුද්ධිය සහ අප (1 කොටස)
භූතයා පහනෙන් එළියට පැමිණ සිටී! – කෘතිම බුද්ධිය සහ අප (2 කොටස)
භූතයා පහනෙන් එළියට පැමිණ සිටී! – කෘතිම බුද්ධිය සහ අප (3 කොටස)
