மனிதர்கள் போலவே கம்ப்யூட்டர்களை செயல்பட வைப்பதற்கான முயற்சியே ஏஐ என்றாலும், இந்த பாதையில் கம்ப்யூட்டர்கள் வெகுவாக முன்னேறி வந்துள்ளன என்றாலும், செயற்கை நுண்ணறிவு வரம்புகளை கொண்டதாகவே இருக்கிறது. எனவே தான், 2014 ம் ஆண்டு கான்(GAN) நுட்பம் அறிமுகமான போது, ஏஐ வரலாற்றில் முக்கிய மைல்கல்லாக கருதப்பட்டது. கானின் ஆக்கத்திறனே இதற்கு காரணம்.
செயற்கை நுண்ணறிவு மூலம் கம்ப்யூட்டர்களுக்கு உருவங்களை அடையாளம் காணும் திறனை அளிப்பது சாத்தியமாகி இருக்கிறது. இந்த நுட்பம் முகம் உணர்தல் என கொள்ளப்படுகிறது. ஆனால், கான் ஒரு படி மேலே போய் உருவங்களை உருவாக்கித் தருவதாகவும் இருக்கிறது. நாம் ஏற்கனவே பார்த்தது போல எதிரெதிர் தன்மை கொண்ட இரட்டை நெட்வொர்க்கை கொண்டுள்ள கான், இவற்றின் போட்டி போட்டுக்கொண்டு செயல்படும் தன்மையால், புதிய உருவங்களை உருவாக்க தரக்கூடியதாக இருக்கிறது.
கற்பனை செய்யும் ஆற்றலும், பல்வேறு சூழல்களை சிந்தித்துப் பார்த்து அதற்கேற்ப செயல்படும் திறனுமே மனிதர்களின் ஆக்கத்திறனுக்கு அடித்தளமாக அமைகிறது. இத்தகைய கற்பனை திறனை கம்ப்யூட்டர்களுக்கு கொண்டு வரக்கூடியதாக கான் அமைந்துள்ளது. எனவே மனிதர்கள் போலவே செயல்படும் தன்மையை பெறுவதற்கான பாதையில் முக்கிய முன்னேற்றமாக ஏஐ வல்லுனர்கள் இதை பார்க்கின்றனர்.
சாட்ஜிபிடியும், ஜெனரேட்டிவ் ஏஐ எனப்படும் ஆக்கத்திறன் கொண்ட ஏஐ நுட்பத்தின் கீழாக வருகிறது என்றாலும், இந்த சாட்பாட் கான் நுட்பத்தை கொண்டு உருவானதில்லை. கான் நுட்பம், உருவங்கள் சார்ந்தது. தரவுகள் கொண்டு, புதிய உருவங்களை ஆக்கித்தர வல்லது. மாறாக சாட்ஜிபிடி, மனிதர்களுடன் உரையாடுவதற்காக உருவாக்கப்பட்டது. அதற்கேற்ப எழுத்து வடிவிலான ஆக்கங்களை உருவாக்கும் திறன் கொண்டது.
இரண்டு நுட்பங்களுமே, இயந்திர கற்றல் - ஆழ் கற்றல் அடிப்படையிலான நியூரால் நெட்வொர்க் சார்ந்தவை என்றாலும், சாட்ஜிபிடி, மொழி மாதிரியை கொண்டு இயங்குகிறது. அதற்கு மையமாக இருப்பது டிரான்ஸ்பார்மர் நுட்பம் என ஏற்கனவே பார்த்துள்ளோம். கான், வேறுவிதமான நெட்வொர்க்காக இருப்பதையும் பார்த்தோம்.
ஆனால், 2014-ல் கான் நுட்பம் ஆக்கத்திறனில் ஏற்படுத்திய சாத்தியமே ஏஐ சார்ந்த ஆய்வும், முதலீடுகளும் தீவிரமாக ஒரு காரணமாக அமைந்தது. இதே ஆண்டு தான் சாட்ஜிபிடியின் நிறுவனம் ஓபன் ஏஐயும் நிறுவப்பட்டது என்பதை நினைவில் கொள்ள வேண்டும்.
கான் நுட்பத்தில் உள்ள இரட்டை வலைப்பின்னல்களில் ஒன்று ஜென்ரேட்டர் என்றும் மற்றொன்று டிஸ்கிரிமினேட்டர் என்றும் அழைக்கப்படுகின்றன. இரண்டுமே ஒரே தரவுகளில் பயிற்சி அளிக்கப்படுகின்றன என்றாலும் எதிரெதிர் தன்மையுடன் அவற்றை கையாள்கின்றன. ஜெனரேட்டர் வலைப்பின்னல் தரவுகள் கொண்டு, கையெழுத்து அல்லது புகைப்படம் போலவே, புதிதாக ஒன்றை உருவாக்குகிறது. இயன்ற அளவு இதை நிஜம் போலவே செய்ய முயற்சிக்கிறது. இரண்டாவது வலைப்பின்னல் தான் மூல தரவுகளுடன் ஒப்பிட்டு இதில் குறை கண்டுபிடிக்கிறது. இதே முறையில் தொடரும் போது, இறுதி ஆக்கம் நம்பகத் தகுந்ததாக அமைகிறது.
ஏஐ நிறுவனங்களுக்கான அதிவேக சிப்களை தயாரிக்கும் விடியா (Nvidia) நிறுவனம் இந்த நுட்பத்தை கொண்டு பிரபல நட்சத்திரங்கள் போலவே தோற்றம் தரும் செயற்கை பிரபலங்களை உருவாக்கி காட்டியது. இது ஒரு முன்னோட்ட முயற்சி என்றாலும், கான் நுட்பத்தை இன்னும் பலவிதமாக பயன்படுத்தலாம் என்கின்றனர்.
கான் நுட்பத்தில் என்ன ஒரு அனுகூலம் என்றால், இதற்கு முந்தைய இயந்திர கற்றல் நுட்பங்களுக்கு பயிற்சி அளிக்க லட்சக்கணக்கில் தரவுகள் தேவை என்றால், கான் நூற்றுக்கணக்கான தரவுகளில் இருந்தே ஆக்கத்திறன் பெற்று விடுகிறது. ஆக, நாய்களின் படங்களை கொண்டு கான் நுட்பத்தை பயிற்றுவித்தால் புதிதாக நாய்களை உருவாக்கித் தள்ளிவிடும். இந்த நுட்பம் கொண்டு, பேஷன் துறையில் பல மாற்றங்களை கொண்டு வரலாம் என்கின்றனர்.
பேஷன் மட்டும் அல்ல, மருத்துவ ஆய்விலும், இயற்பியல் ஆய்விலும் இந்த நுட்பம் பயன்படும் சாத்தியம் இருக்கிறது. மருத்துவ துறையில் புதிய மருந்துகளை சோதித்துப் பார்க்க, நோயாளிகள் தரவுகள் கொண்டு அதே போன்ற பொய் தரவுகளை உருவாக்கி கொள்ளலாம் என்கின்றனர். நோயாளிகள் தனியுரிமைக்கு பாதிப்பு இல்லாமல் ஆய்வை தொடர இது வழி செய்யும்.
ஆனால் ஒன்று; தரவுகளில் பிழை இருந்தால் கான் நுட்பம் சொதப்பிவிடும் ஆபத்துள்ளது. உதாரணத்திற்கு இணைய பூனைகள் கொண்டு பயிற்சி அளிக்கப்பட்ட கான் நுட்பம் ஒன்று, எழுத்துகள் கொண்ட பூனையை உருவாக்கி காட்டியது. அளிக்கப்பட்ட தரவுகளில் பூனை மீம்களும் இருந்ததால், அதில் இருந்த எழுத்துகளை பூனைகளின் கூறுகளில் ஒன்றாக கான் கருதிவிட்டது என பின்னர் தெரிய வந்தது.
கான் நுட்பத்தில் உள்ள சவால்களை வெற்றி கொள்வதற்கான ஆய்வுகளும் தீவிரமடைந்துள்ளன. இதே துறையில் உருவாக்கப்பட்ட கான் மாதிரிகள் அனைத்தையும் தொகுத்தளிக்கும் ’கான் ஜூ’ எனும் இணைய பக்கமும் உருவாக்கப்பட்டுள்ளது. கான் நுட்பத்தின் அடுத்த கட்டமாக ஸ்டைல் கான் எனும் நுட்பம், இந்த ஆக்கத்திறன் செயல்படும் விதத்தில் உள்ள புதிர்தன்மைக்கு விடை காணும் முயற்சியாக அமைகிறது.
கான் தொடர்பான ஆக்கப்பூர்வமான ஆய்வுகள் ஒரு பக்கம் தொடர்ந்தாலும், இந்த நுட்பத்திற்கு இன்னொரு இருண்ட பக்கமும் இருக்கிறது. டீப் ஃபேக் எனப்படும் பொய் ஆக்கங்களை உருவாக்குவதாக இது அமைகிறது. ஏற்கனவே உள்ள படங்களில் தலையை மட்டும் மாற்றி பொருத்துவது, ஒருவர் குரலில் அவர் பேசாத விஷயங்களை பேச வைப்பது என்பது போன்ற வில்லங்க முயற்சிகள் இதன் மூலம் அரங்கேறிக்கொண்டிருக்கிறது.
பிரபலங்கள், அரசியல்வாதிகளை எல்லாம் வைத்து டீப்ஃபேக் மூலம் மோசடிகளை செய்து வருகின்றனர். பொய் வீடியோக்களுக்கும் இது காரணமாகிறது. ஏற்கனவே பொய்ச்செய்திகள் நிறைந்திருக்கும் இணையத்தில் பொய் வீடியோக்கள் இன்னொரு பெரிய பிரச்சனையாக உருவாகியிருக்கின்றன.
இதற்கு மாற்றாக, பொய் வீடியோக்களை கண்டறியக்கூடிய திறன் வாய்ந்த ஏஐ நுட்பத்தையும் உருவாக்க முயன்று வருகின்றனர். கான் நுட்பத்தை உருவாக்கிய இயான் குட்பெலோவும் இந்த முயற்சியில் இருக்கிறார். இடையே ஆப்பிள் உள்ளிட்ட நிறுவனங்களில் பணியாற்றியவர், இப்போது கூகுள் நிறுவனத்தில் இயந்திர கற்றல் நுட்பத்தை மேலும் பாதுகாப்பானதாக்க முயற்சிக்கும் ஆய்வுக் குழுவுக்கு தலைமை வகிக்கிறார்.
ஆனால் பொய் நுட்பங்களுக்கு தொழில்நுட்பம் மூலம் மட்டுமே தீர்வு காண முடியாது, சமூகம் சார்ந்த முயற்சிகளும் தேவை என்கிறார் இயான் குட்பெலோ. ஆக்கத்திறன் கொண்ட ஏஐ நுட்பத்திற்கு இன்னும் பல முகங்கள் இருப்பது மட்டும் அல்ல, பிரச்சனைகளும் பல மடங்கு இருக்கவே செய்கின்றன. அவற்றை தொடர்ந்து பார்க்கலாம்.
(சாட்ஜிபிடி சரிதம் தொடரும்)