ആര്ട്ടിഫിഷ്യല് ഇന്റലിജന്സ് നിലവില് വന്നിട്ട് ആറ് പതിറ്റാണ്ടിലധികമായി. കമ്പ്യൂട്ടറുകള്ക്ക് മനുഷ്യബുദ്ധി കൃത്യമായി നല്കാനുള്ള ശ്രമങ്ങള് അരനൂറ്റാണ്ടുകാലത്തോളം ശൈശവദശയില് തന്നെയായിരുന്നു. എന്നാല് കഴിഞ്ഞ ഒരു പതിറ്റാണ്ടില് ഈ മേഖലയില് ഒരു കുതിച്ചുചാട്ടം തന്നെ ഉണ്ടായിരിക്കുന്നു. മെഷീന് ലേണിംഗ് എന്ന ഉപമേഖല വളരെ പെട്ടെന്ന് വളര്ന്ന് പന്തലിച്ച് ദൈനംദിന ജീവിതത്തില് ചലനങ്ങള് സൃഷ്ടിച്ചിരിക്കുന്നു. ഒരുപക്ഷേ ഏറ്റവും പെട്ടെന്ന് ചൂണ്ടിക്കാണിക്കാവുന്നത് മുഖം തിരിച്ചറിയല് (ളമരല ൃലരീഴിശശേീി) സംവിധാനം തന്നെ.
എന്താണ് മെഷീന് ലേണിംഗ്?
ഒരു പ്രശ്നത്തെ പരിഹരിക്കുന്നതിന് പ്രത്യേകം അല്ഗോരിഥം ഉണ്ടാക്കുന്നതിനുപകരം, മനുഷ്യര് പ്രശ്നം പരിഹരിക്കുന്ന വിവരങ്ങളില്നിന്ന് കംപ്യൂട്ടര് സംവിധാനം പഠിച്ചെടുക്കുന്ന രീതിയാണ് മെഷീന് ലേണിംഗ്. ആര്ട്ടിഫിഷ്യല് ഇന്റലിജന്സിന്റെ ഉപവിഭാഗമായി ഇതിനെ പറയാം. മെഷീന് ലേണിംഗിന്റെ ഒരു ഉദാഹരണമായി പറയാവുന്ന ആപ്ലിക്കേഷനാണ് ഗൂഗിള് ലെന്സ്.
മെഷീന് ലേണിംഗില് വിവിധതരം സംവിധാനങ്ങളുണ്ടെങ്കിലും ഇപ്പോള് ഉപയോഗിക്കുന്നത് ആര്ട്ടിഫിഷ്യല് ന്യൂറല് നെറ്റ്വര്ക്കുകള് എന്ന സംവിധാനമാണ്. പൈത്തണ് ഭാഷയില് ഉപയോഗിക്കുന്ന ഒട്ടനവധി പാക്കേജുകളും ഡെവലപ്പ്മെന്റ് എന്വയോണ്മെന്റുമാണ് മെഷീന് ലേണിംഗ് വികസിപ്പിക്കാനായി ലഭ്യമായിട്ടുള്ളത്. ഠലിീൃളെഹീം, ടരശസീവേലിമിീ എന്നിങ്ങനെ അനേകം പാക്കേജുകള് ലഭ്യമാണ്. ഇവയൊക്കെത്തന്നെ സങ്കീര്ണ്ണമായ മെഷീന് ലേണിംഗ് ഘട്ടങ്ങളെ ലളിതമായി നടപ്പിലാക്കാന് പാകത്തിലുള്ളവയാണ്. ഇന്ന് വിദഗ്ധ പ്രോഗ്രാമര്മാര് അല്ലാത്തവര്ക്കും മെഷീന് ലേണിംഗ് ഉപയോഗിക്കാന് സാധിക്കും.
മെഷീന് ലേണിംഗില് ഏറ്റവും പ്രധാനം നാം നല്കുന്ന വിവരങ്ങളാണ്. എത്രത്തോളം വിവരങ്ങള് നല്കുന്നുവോ അത്രത്തോളം ആ സങ്കേതം വികസിക്കും. ഉദാഹരണത്തിന്, ഫെയ്സ്ബുക്കില് ചിത്രങ്ങള് പോസ്റ്റ് ചെയ്യുമ്പോള് ഞൊടിയിടയില് കൂടെ നില്ക്കുന്നവരെ തിരിച്ചറിഞ്ഞ് അവരെ ടാഗ് ചെയ്യാന് നിര്ദ്ദേശിക്കുന്നതു കാണാം. ആദ്യമൊക്കെ ഇത് തെറ്റായിരിക്കും. നിങ്ങള് അത് ശരിയാക്കുമ്പോള് ഫേസ്ബുക്കിന് നിങ്ങളുടെ മുഖമുള്ള ഒരു ഫോട്ടോ കിട്ടും. ഓരോ തവണ ഫോട്ടോ ഇടുമ്പോഴും തെറ്റുകള് കുറഞ്ഞുവരും. കാരണം നിങ്ങളുടെ പല പോസില്, പല ദിശകളിലുമുള്ള ഫോട്ടോകള് ഫെയ്സ്ബുക്കിന് അല്ലെങ്കില് ഫെയ്സ്ബുക്ക് മെഷീന് അറിയാം. ഈ ഫോട്ടോകള് വച്ച് ഇത് നിങ്ങളുടെ ഫോട്ടോയാണെന്ന് പറഞ്ഞ് മെഷീന് പഠിപ്പിക്കുകയാണ് ചെയ്യുന്നത്.
മുഖം തിരിച്ചറിയല് എന്ന മെഷീന് ലേണിംഗ് ആപ്ലിക്കേഷനു പുറമേ, നമ്മെ അത്ഭുതപ്പെടുത്തുന്ന നിരവധി പ്രത്യേകതകളുമായി മെഷീല് ലേണിംഗ് വികസിക്കുകയാണ്. മുഖം തിരിച്ചറിയുന്നതിനു പുറമേ, മുഖഭാവം തിരിച്ചറിയുകയും ചെയ്യും. നിങ്ങള് സന്തോഷത്തിലാണോ, ദുഃഖത്തിലാണോ, ബോറടിക്കുകയാണോ എന്നൊക്കെ തിരിച്ചറിയാന് കഴിവുള്ള മെഷീന് ലേണിംഗ് ആപ്ലിക്കേഷനുകള് ഏറെ വിജയകരമായി രംഗത്തുണ്ട്.
മെഷീന് ലേണിംഗ് ചിലപ്പോള് നമ്മള് പ്രതീക്ഷിക്കാത്ത ഉത്തരങ്ങളും തരാം. ഉദാഹരണത്തിന്, ജോലിക്ക് ആളെ എടുക്കുന്ന ഒരു പ്രോഗ്രാം സങ്കല്പ്പിക്കുക. നൂറഅപേക്ഷകരുള്ള വിവരങ്ങള് ഉപയോഗിച്ച് നാം മെഷീന് ലേണിംഗ് സംവിധാനത്തെ പരിശീലിപ്പിക്കുന്നു. വിദ്യാഭ്യാസ യോഗ്യതയടക്കമുള്ള പലതും അത് പഠിപ്പിച്ചെടുക്കുന്നു. എന്നാല് കൂട്ടത്തില് ലിംഗവിവേചനം കൂടി അത് പഠിപ്പിച്ചെടുത്തു. അത് നാമറിഞ്ഞില്ല. ഇതെങ്ങനെ? നൂറില് എണ്പതുപേര് ആണുങ്ങളും ഇരുപത് പേര് പെണ്ണുങ്ങളുമായിരുന്നുവെന്ന് കരുതുക. നാല്പ്പതു ആണുങ്ങളെയും പത്ത് പെണ്ണുങ്ങളെയുമാണ് ജോലിക്ക് തെരഞ്ഞെടുത്തത്. അതായത് ഇരുവിഭാഗത്തില്നിന്നുള്ള അമ്പത് ശതമാനം പേര്ക്ക് അവസരം കിട്ടി. എന്നാല് കംപ്യൂട്ടര് അതാവില്ല കാണുക. തെരഞ്ഞെടുത്ത അമ്പതുപേരില് പത്തുപേര് മാത്രമേ പെണ്ണുങ്ങളുള്ളു എന്നായിരിക്കും. മെഷീന് ലേണിംഗ് സംവിധാനങ്ങളുടെ ഉള്ളറിയുക എന്നതാണ് അവയുടെ വിശ്വാസ്യത ഉറപ്പാക്കാനുള്ള വഴി. ആപ്പിളിന്റെ സിരി, ആമസോണിന്റെ അലക്സാ, ഗൂഗിളിന്റെ അസിസ്റ്റന്റ് എന്നിവ നാം സംസാരിക്കുന്നത് തിരിച്ചറിഞ്ഞ് പ്രതികരിക്കുന്നതില് ഏറെക്കുറെ കൃത്യതയോടെ പെരുമാറുന്നവയാണ്. ഡ്രൈവറില്ലാ കാറുകളിലും മറ്റ് വാഹനങ്ങളിലും മെഷീന് ലേണിംഗ് ധാരാളമായി ഉപയോഗിച്ചുവരുന്നു.
ആര്ട്ടിഫിഷ്യല് ഇന്റലിജന്സും മെഷീന് ലേണിംഗും പല വ്യവസായങ്ങളിലും സോഫ്റ്റ്വെയര് രംഗത്തും, 2020 ഓടെ നമ്മുടെ ദൈനംദിന ജീവിതത്തിന്റെ ഭാഗമായും ഉണ്ടായിരിക്കും. ബുദ്ധിമാനായ ഹ്യുമനോയിഡ് റോബോട്ടുകള് സാധ്യമാണെന്ന് ഗവേഷണങ്ങള് പറയുന്നു. റീട്ടെയില്, മാനുഫാക്ടറിംഗ്, ഫിനാന്സ്, ഹെല്ത്ത് കെയര്, മീഡിയ തുടങ്ങിയ വ്യവസായ മേഖലകളെ ഭാവിയില് മെഷീന് ലേണിംഗ് മാറ്റി മറിക്കുമെന്ന് പ്രതീക്ഷിക്കാം.
ഡോ. ജൂബി മാത്യു
- ഡിസംബർ മാസത്തെ വിശുദ്ധരോടൊപ്പം വിജയികൾ
- കൊളസ്ട്രോള്