செயற்கை நுண்ணறிவு 5 – ஆரம்ப வளர்ச்சிப் படிகள்

எழுதியது: சிறி சரவணா

இது ஒரு தொடர்பதிவு, முன்னைய பதிவுகளை வாசித்தபின்னர் இந்தக் கட்டுரையை தொடருங்கள், அது உங்களுக்கு மேலும் சில விடயங்களை தெளிவாக புரியவைக்கும்.

செயற்கை நுண்ணறிவு கட்டுரைத் தொடரின் முன்னைய பாகங்களை வாசிக்க இங்கே கிளிக் செய்யவும்.


சரி, கடந்த பதிவில் செயற்கை நுண்ணறிவின் பிரிவுகளைப்பற்றிப் பார்த்தோம், இந்தப் பதிவில், எப்படியாக இந்த AI படிப்படியாக ஆராச்சி ரீதியில் வளர்ந்து வந்தது என்பதைப் பற்றிப் பார்க்கலாம்.

1943 இல் Warren McCulloch மற்றும் Walter Pitts உருவாக்கிய கட்டமைப்பே முதலாவது AI கட்டமைப்பு என பொதுவாக ஏற்றுக்கொள்ளப் பட்டுள்ளது. இவர்கள் மனித மூளையில் இருக்கும் நியுரோன்களை அடிப்படையாகவைத்து இந்தக் கட்டமைப்பை உருவாகினர். இவர்களைது கட்டமைப்பில் செயற்கையான நியுரோன்கள் சுவிச் வேலை செய்வதுபோல, அருகில் இருக்கும் நியுரோன்களின் தூண்டலுக்கு ஏற்ப “on” அல்லது “off” செய்யும். அதாவது உண்மையிலேயே மூளையில் நியுரோன்கள் எவ்வாறு தொழிற்படுமோ, அவ்வாறே இந்த செயற்கை நியுரோன்களும் தொழிற்படும்.

இதில் முக்கிய அம்சம் என்னவென்றால், இப்படி “on/off”ஆகக்கூடிய நியுரோன்களை பயன்படுத்தி கணக்குகள் போடமுடியும் என்பதே. அதுமட்டும் அல்லது, இவர்கள் இந்த செயற்கை நியுரோன் வலைப்பின்னல் அமைப்பானது தானாக கற்கும் ஆற்றலையும் கொண்டிருக்கும் எனக் கருதினர்.

இப்படியான செயற்கை நியுரல் வலைப்பின்னைலை அடிபடையாக கொண்ட கணணியை முதன் முதலில் 1951 இல் Marvin Minsky மற்றும் Dean Edmonds பிரின்ஸ்டன் பல்கலைக்கழகத்தில் உருவாக்கினர். SNARC எனப்பட்ட இந்த கணணி, 3000 vacuum tube களைப் பயன்படுத்தி 40 செயற்கை நியுரோன்களைக் கொண்ட வலைபின்னல் தொழிற்படுவதைப்போல உருவாக்கப்பட்டது.

இதன் பின்னர் AI துறையின் இன்னுமொரு முக்கிய வளர்ச்சிப் படி, 1955 இல் Alien Newell மற்றும் Herbert Simon சேர்ந்து உருவாகிய Logic Theorist எனப்படும் ப்ரோக்ராம். இந்தப் ப்ரோக்ராம் பல்வேறு கணிதவியல் தேற்றங்களை நிறுவிக்காட்டியதுடன் எதிர்கால AI ஆய்வுக்கு முக்கிய பங்காற்றியது.

இந்தப் ப்ரோக்ராமில் இருந்து AI ஆய்வுக்கு கிடைத்த முக்கிய பண்புகள் இரண்டு.

  1. தர்க்க ரீதியான முடிவுகளை தேடுதல் – அதாவது, logic theorist ப்ரோக்ராம் ஒரு தேடல் மரத்தை (search tree) அடிப்படையாக கொண்டே செயல்படும், இது அந்த மரத்தின் வேர்ப்பகுதியில் அடிப்படைக் தேற்றத்தை கொண்டிருக்கும். அந்த தேற்றதிற்கான நிறுவல் (விடை) அந்த மரத்தில் எதாவது ஒரு கிளையில் இருக்கும். ஆக இது அந்த மரத்தில் இருக்கும் கிளைகளை தர்கரீதியான ஆய்வின்படி சோதித்து தேடிச்செல்லும், இறுதியில் தகர்க்கரீதியாக கிடைத்த விடையின் அடிப்படையில் சென்று முடிந்த கிளையின் பகுதியே விடையைக்கொண்டிருக்கும் பகுதியாகும்.
  2. தர்க்கவிதிகள் – இப்படியாக தேடல் மரம் ஒன்றில் தேடும் போது, அதில் உருவாகும் கிளைகளின் எண்ணிக்கை பல்கிப்பெருகக்கூடும், இது இறுதி விடையை எட்டுவதில் நேரவிரயத்தை ஏற்படுத்தலாம். இன்னும் பாதகமான சந்தர்பத்தில், விடையை எட்டமுடியாவண்ணம் இந்த கிளைகளின் எண்ணிக்கை அதிகரிக்க முடியும். ஆக Newell, Simon ஆகிய இருவரும், விடை கிடைப்பதற்கான சந்தப்பம் குறைந்த கிளைகளை வெட்டிவிடுவதன் மூலம், மேலதிக நேர விரயத்தைக்குறைப்பதுடன், வேகமாக விடையை நோக்கி செல்லமுடியும் என நிருபித்தனர்.

இந்த தர்கரீதியான தேடல் மரம், மற்றும் தர்க்கவிதிகள் 1950 களில் உருவாக்கப்பட்டாலும், AI ஆய்வில் தற்போதும் பயன்படுத்தப்படுகின்றன அதுமட்டும் அல்லாது இவை AI ஆய்வுக்கு மிக முக்கியமான கட்டமைப்பும் கூட.

அடுத்த கட்டமாக 1950 இற்கு பின்னர், AI ஆய்வுகள் அதிகளவான முன்னேற்றத்தை அடைந்தது எனலாம். செஸ் விளையாடும் ப்ரோக்ராம்கள் தொடக்கம் பொதுவான கணித பிரச்சனைகளை தீர்க்கும் ப்ரோக்ராம்கள் உருவாக்கப்பட்டன. இந்தக் காலப்பகுதியிலேயே John McCarthy என்ற கணணி விஞ்ஞானியால் “Artificial Intelligence” என்ற பெயர் இந்த வகையான ப்ரோக்ராம்கள் மற்றும் கணணிகளை குறிக்க முதன் முதலில் பயன்படுத்தப்பட்டது. தற்போது இந்த வார்த்தை பரவலாக பயன்படுத்தப்படுகிறது.

Logic Theorist இற்கு பின்னர், பொதுச் சிக்கல் தீர்ப்பான் (General Problem Solver – GPS) என்ற ப்ரோக்ராம், மனிதனைப் போல சிக்கல்களை தீர்க்க முனைந்தது. அதாவது மனிதனைப் போல சிந்தித்து செயற்பட முனைந்தது, இதுவே முதலாவது மனிதனைப் போல பிரச்சனைகளை ஆய்வுசெய்த AI ப்ரோக்ராம் ஆகும்.

இதன் பின்னர் 1959இல் IBM இல் “கேத்திரவியல் சிக்கல் தீர்ப்பான்” உருவாக்கப்பட்டது, இதுவும் Logic Theorist போல, ஆனால் கேத்திரவியல் பிரச்சனைகளை தீர்க்க உருவாக்க்கப்பட்டது.

அதேபோல 1950 களில் John McCarthy, LISP எனப்படும் ப்ரோக்ராமிங் மொழியை உருவாக்கினார், தர்க்கவியல் ப்ரோக்ராமிங் மொழியாக பயன்பட்ட இது பின்னாளில் AI ப்ரோக்ராம் செய்ய பல்வேறு ஆய்வாளர்களால் பயன்படுத்தப்பட்டுவருகிறது.

முக்கிய விடயம்  என்னவென்று பார்த்தால், 50 மற்றும் 60களில் AI ஆய்வு பல்வேறு துறைகளில் பல்வேறு வடிவங்களில் வளர்ச்சியடைந்து வந்தது. 1958இல் Hilbert Simon, இன்னும் 10 வருடங்களில் கணணி செஸ் ப்ரோக்ராம்கள் செஸ் சாம்பியன்களாகிவிடும் என்றார். அப்போது அவரைப் பொறுத்தவரை, அவரை மட்டுமல்ல, அக்காலகட்டத்தில் இருந்த அநேக AI ஆய்வாளர்களைப் பொறுத்தவரை, முழு AI என்பது சில பல வருடங்களில் சாத்தியம் என்றே நம்பினார்.

ஆனாலும் முழு AI ஐ உருவாக்குவதில் இருக்கும் சிக்கல்கள் 1970 களில் வெளிவரத்தொடங்கியது. புதிய ஆய்வு முடிவுகள், புதிய தர்கவியல் தேற்றங்கள், முழுதான AI உருவாக்குவதில் இருக்கும் பிரச்சனைகளை வெளிச்சம்போட்டுக் கட்டியது.

அடுத்த பதிவில் அவற்றைப் பற்றிப் பார்க்கலாம்.

Advertisements

மறுமொழியொன்றை இடுங்கள்

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / மாற்று )

Twitter picture

You are commenting using your Twitter account. Log Out / மாற்று )

Facebook photo

You are commenting using your Facebook account. Log Out / மாற்று )

Google+ photo

You are commenting using your Google+ account. Log Out / மாற்று )

Connecting to %s