ஏஐ என்றதும், இயந்திரங்களின் சிந்திக்கும் திறன் பற்றி தான் நாம் யோசிக்கிறோம். இப்படி யோசிக்கும் போதே, நம்மைப்போலவே இயந்திரங்களால் எப்படி யோசிக்க முடியும், அப்படி யோசித்தால் உலகம் என்னாவது போன்ற கேள்விகளையும் கேட்டுக்கொள்கிறோம்.
ஆனால் இயந்திர சிந்தனை என்று சொல்லப்படுவதை நாம் எப்படி புரிந்து கொள்ள வேண்டும் என்பது ஒரு பக்கம் இருக்க, இயந்திரங்களால் கற்பனை செய்ய முடியுமா எனும் கேள்வியையும் கேட்டுக்கொள்வது பொருத்தமாக இருக்கும். ஏனெனில் ஏஐ ஆக்கத்திறனை புரிந்து கொள்ள இது உதவும்.
அடிப்படையில் சாட்ஜிபிடி உரையாடலில் அசத்துகிறது என்றால் அதன் சகாக்களான டாலி மற்றும் மிட்ஜர்னி, ஓவியங்களை உருவாக்கி வியக்க வைக்கின்றன. இந்த வரிசையில் மனிதர்கள் போலவே இசையை உருவாக்கித்தரும் ஏஐ நுட்பங்களும் அறிமுகம் ஆகியிருக்கின்றன.
ஏஐ உருவாக்கியதாக இணையத்தில் பகிரப்படும், ஓவியங்களையும், இன்னும் பிற ஆக்கங்களையும் பார்க்கும் போது, இவை எல்லாம் எப்படி சாத்தியம் எனும் வியப்பு கலந்த குழப்பம் உண்டாகலாம். அதிலும் குறிப்பாக, ஓவிய மேதை பிக்காசோ பாணியில் ஒரு ஓவியம் தேவை என குறிப்பிட்டால், ஆக்கத்திறன் ஏஐ அதை நொடியில் வரைந்து தள்ளுவது திகைப்பை ஏற்படுத்தலாம்.
இந்த கேள்விகளுக்கான பதில் ’கான்’(GAN) நுட்பத்தில் இருக்கிறது. ஜெனரேட்டிவ் அட்வர்சரியல் நெட்வொர்க் என்பதன் சுருக்கமாக கான் அமைகிறது. கடந்த வாரம் பார்த்த, இல்லாத மனிதர்களை இருப்பவர்கள் போல உருவாக்கித்தரும் இணையதளம் பின்னே இருப்பதும் இந்த ஆற்றல் தான்.
ஏஐ சாட்பாட்களுக்கு அடித்தளமாக அமையும் நுட்பங்களில் ஒன்றான இயந்திர கற்றலில் இன்னொருமொரு பாய்ச்சலாக உருவானதே இந்த கான் நுட்பம். கேள்வியும் நானே பதிலும் நானே என்று சொல்லப்படுவது போல, இந்த நுட்பம் தானே உருவாக்கி, அதை தானே குறை கண்டுபிடித்து, தனது ஆக்கத்தை பட்டை தீட்டிக்கொள்கிறது. இயந்திர கற்றலையும், அதன் நீட்சியான ஆழ் கற்றலையும் சாத்தியமாக்கும் நியூரல் நெட்வொர்க் நுட்பத்தில் இதை ஓர் அற்புதம் என்று சொல்லலாம்.
இந்த ’கான்’ அதிசயம் எப்படி செயல்படுகிறது என பார்க்கலாம். இந்த சுருக்கத்தின் முதல் வார்த்தையான ஜெனரேட்டிவ் என்பது, செயற்கை நரம்பியல் மண்டலத்தின் ஆக்கத்திறனை குறிக்கிறது. இரண்டாவது வார்த்தையான அட்வர்சரியல் என்பது தான், நாயகனும் வில்லனும் கலந்த எதிரெதிர் தன்மை கொண்ட வலைப்பின்னல் நுட்பத்தை குறிக்கிறது. மூன்றாவதாக வரும் நெட்வொர்க், தரவுகளின் வரிசையை குறிக்கிறது.
செயற்கை நரம்பியல் நெட்வொர்க் என்பது ஏஐ துறையில் கொஞ்சம் பழைய விஷயம். மனித மூளையின் செயல்பாட்டை பிரதியெடுக்கும் வகையில் இது அமைகிறது. மனித மூளையில் உள்ள கோடிக்கணக்கான நியூரான்கள் தங்களுக்குள் கைகோத்து நுட்பமாக செயல்படுவது போலவே, கம்ப்யூட்டர்களை வலைப்பின்னலாக்கி மனித மூளை போல செயல்பட வைப்பதாக செயற்கை நரம்பியல் வலைப்பின்னல் அமைகிறது.
இயந்திர கற்றலின் அடித்தளமான இந்த நுட்பம், வெகுவாக முன்னேறியதன் அடையாளமே, இயந்திரங்களின் உருவங்களை கண்டறியும் திறன். இது முகமறிதல் நுட்பம் என குறிப்பிடப்படுகிறது. இசையறிதல் உள்ளிட்டவையும் இதில் அடங்கும் என்றாலும் இந்த நுட்பத்தின் பெருங்குறை, ஆக்கம் என்று வரும் போது அசடுவழிவதாக இருக்கும்.
இதை இப்படி புரிந்து கொள்ளலாம். ஒரே மாதிரியான (உதாரணம் பூனை படங்கள்) லட்சக்கணக்கான படங்களை பெயரிட்டு வழங்கினால் ஏஐ நுட்பம் அவற்றை கொண்டு பூனையின் தோற்றத்தை நெஞ்சில்(!) நிறுத்தி, அடுத்த முறை பூனை படத்தை காண்பித்தால் பூனை என்று கூறிவிடும். நாய்களை அடையாளம் காண தனியே பயிற்றுவிக்க வேண்டும் என்பது வேறு கதை. ஆனால், புதிதாக நாய் அல்லது பூனையை வரைந்து காட்டு என்றால், ஏஐ நுட்பம் பல்லிளித்து நிற்கும்.
அதாவது, புதிதாக உருவாக்கித்தரும் திறனில் ஏஐ நுட்பம் தடுமாறுவதாகவே இருந்தது. கம்ப்யூட்டர் மூலம் உருவாக்கப்பட்ட உருவங்கள் அல்லது படங்கள், தெளிவில்லாத சித்திரமாக இருந்தன. இந்த வரம்பை கடப்பதற்காக பலரும் தீவிரமாக முயன்று வந்தனர்.
இந்த பின்னணியில், 2014 ம் ஆண்டு, கனடா நாட்டின் ஏஐ ஆய்வுக்குழு ஒன்றை ஏஐ ஆய்வாளர் இயான் குட்பெலோ(Ian Goodfellow) பார் ஒன்றில் சந்தித்தார். அப்பொழுது அவர் மாண்ட்ரியல் பல்கலையில் இயந்திர கற்றல் பிரிவில் ஆய்வு செய்து பட்டம் பெற்றிருந்தார். சக மாணவர் ஒருவரோடு அதனை கொண்டாடுவதற்காக அவர் அங்கு சென்றிருந்தார்.
அங்கு நடைபெற்ற உரையாடல்களுக்கு நடுவே, ஆய்வாளர் நண்பர்கள் அவரிடம் தங்களது பிரச்சனையை விவரித்து உதவி கோரினர். புகைப்படத்தை தானே உருவாக்கி கொள்ளும் கம்ப்யூட்டர் மென்பொருளை மேம்படுத்துவதற்கான வழியை அவர்கள் அப்போது கோரினர்.
ஒரு புகைப்படத்தை பிரித்து தரவுகளாக்கி அதன் முக்கிய கூறுகளை எண்ணிக்கையாக்கி, புகைப்படத்தை கம்ப்யூட்டர் புரிந்து கொள்ள வைப்பதாக அவர்கள் முயற்சி அமைந்திருந்தது. இதற்காக ஏகப்பட்ட எண்ணிக்கைகளை கொண்டு கணக்கிட வேண்டியிருக்கும் என அறிந்த குட்பெலோ, நண்பர்களே இதெல்லாம் சாத்தியம் இல்லை என்று அடித்து கூறிவிட்டார்.
ஆனால், அவரது ஆழ்மனது இந்த பிரச்சனையை யோசித்துக்கொண்டே இருந்தது. ஒரு செயற்கை வலைப்பின்னலுக்கு பதிலாக இரண்டு வலைப்பின்னல்களை உருவாக்கி அவற்றை ஒன்றோடு ஒன்று மோதவிட்டால் எப்படி இருக்கும் எனும் எண்ணம் அப்போது உண்டானது. இந்த மோதலில், ஆக்கத்திறனுக்கான பதில் கிடைக்கும் என நம்பினார்.
குட்பெலோ யோசனையில் அவரது நண்பர்களுக்கு நம்பிக்கை ஏற்படவில்லை. ஆனால் அவருக்கு நம்பிக்கை இருந்தது. அந்த நம்பிக்கையோடு, தனது அறைக்கு திரும்பியவர் நள்ளிரவில் கம்ப்யூட்டர் முன் அமர்ந்து, தனது யோசனையை நிரலாக்கி சோதித்துப்பார்த்தார். ஆச்சர்யம் தரும் வகையில் அது செயல்பட்டது. இப்படி தான், இரு வலைப்பின்னல்கள் எதிரெதிராக செயல்பட்டு ஆக்கத்தில் ஈடுபடும் கான் நுட்பத்தை அவர் கண்டுபிடித்தார்.
இந்த நுட்பத்தில், தரவுகளை கொடுத்துவிட்டால், முதல் வலைப்பின்னல் அதை கொண்டு ஆக்கத்தை உருவாக்குகிறது. ஆனால், வழக்கப்படி இந்த ஆக்கம் தப்பும் தவறுமாக இருக்கும். இப்போது மனிதர்கள் இதை திருத்தி அடுத்த கட்ட மேம்பாட்டை அளிக்க வேண்டும். இப்படி ஒவ்வொரு கட்டமாக மென்பொருள் அமைப்பை தயார் செய்ய வேண்டும். இதற்கு ஏராளமான தரவுகளும், பொருளும் தேவை.
இதற்கு மாறாக, குறை கண்டுபிடிக்கும் பொறுப்பை ஒரு வலைப்பின்னலிடமே ஒப்படைத்துவிட்டால், முதல் வலைப்பின்னலின் ஆக்கத்தில் உள்ள குறைகளை அதுவே கண்டுபிடித்து சொல்லும். உடனே அதை பொறுக்க முடியாமல் திருத்தம் செய்து, அது மீண்டும் ஆக்கத்தில் ஈடுபடும். இதில் இரண்டாவது வலைப்பின்னல் மீண்டும் குறை கண்டுபிடிக்க, முதல் வலைப்பின்னல் சளைக்காமல் மீண்டும் சரி செய்யும். இரண்டு வலைப்பின்னல்களும் போட்டி போடும் இந்த செயல்பாட்டில் இறுதியாக கிடைக்கும் ஆக்கம் கிட்டத்தட்ட மனித ஆக்கத்திற்கு நிகராக அமைந்திருக்கும் வாய்ப்புள்ளது.
என்ன செய்வது என்று இயந்திரத்திடம் சொல்வதை விட, தரவுகளை கொடுத்து அவற்றில் இருந்து கற்றுக்கொள்ள செய்வதே இயந்திர கற்றலின் முக்கிய அம்சமாக அமையும் நிலையில், கான் நுட்பம் இதை அடுத்த கட்டத்திற்கு கொண்டு வந்துள்ளது. மனித மேற்பார்வை தேவைப்படாத கற்றலாக இது அமைகிறது.
ஓட்டுனர் இல்லாத தானோடி கார் நுட்பத்தின் பயிற்சியில் எல்லாம் இந்த வகை நுட்பம் முக்கிய பங்கு வகிக்கிறது. மனித ஆக்கத்தில் உணர்வும், கற்பனைத்திறனும் முக்கியமாக அமைகிறது. இயந்திரங்களை கற்பனை செய்ய வைக்கும் சாத்தியம் கொண்டதாக கான் நுட்பம் கருதப்படுகிறது.
கான் நுட்பத்தின் அடுத்த கட்டம் என்ன? சாட்ஜிபிடிக்கும் இதற்கும் என்ன தொடர்பு என்பது உள்ளிட்ட சுவாரசியங்களை தொடர்ந்து பார்க்கலாம்.