ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI) എന്ന വിഷയം വർഷം മുഴുവനും മീഡിയ ന്യൂസ് ഫീഡിൽ ആധിപത്യം പുലർത്തി. മനുഷ്യജീവിതത്തിൽ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിക്കുന്നതിൻ്റെ അപകടങ്ങളും നേട്ടങ്ങളും ചർച്ച ചെയ്യുന്ന പ്രധാന വാർത്താ നിർമ്മാതാക്കളായ എലോൺ മസ്‌കും മാർക്ക് സക്കർബർഗും ചേർന്നാണ് ടോൺ സജ്ജീകരിച്ചിരിക്കുന്നത്. റഷ്യയും ചൈനയും AI യുടെ വികസനം ഡിജിറ്റൽ സമ്പദ്‌വ്യവസ്ഥയിൽ മുൻഗണനാ ദിശയായി പ്രഖ്യാപിച്ചു. 2018, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ഏറ്റവും വാഗ്ദാനമായ ശാഖയായി AI, പ്രത്യേകിച്ച് ആഴത്തിലുള്ള പഠന രീതി ഉപയോഗിക്കുന്നതിനുള്ള സാധ്യതകളെക്കുറിച്ചുള്ള വികസനത്തിൻ്റെയും കൂടുതൽ പഠനത്തിൻ്റെയും വർഷമായിരിക്കും. മാർക്കറ്റിംഗിൽ AI യുടെ ഉപയോഗത്തിൻ്റെ ഉദാഹരണം ഉപയോഗിച്ച് ഉയർന്ന സാങ്കേതിക മേഖലയിലെ ഈ പ്രവണതയെക്കുറിച്ച് ഞാൻ നിങ്ങളോട് കൂടുതൽ പറയും.
മനുഷ്യരുടെ ചിന്തയെയും വിശകലന ശേഷിയെയും മറികടക്കാൻ കഴിയുന്നത്ര സ്മാർട്ടായി യന്ത്രങ്ങളെ സൃഷ്ടിക്കുക എന്നതാണ് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ സാരം. അടിസ്ഥാന AI രീതിയായ മെഷീൻ ലേണിംഗിന് അത്തരം കഴിവുകളുണ്ട്, മാത്രമല്ല സമ്പദ്‌വ്യവസ്ഥയുടെ പല മേഖലകളിലും മനുഷ്യജീവിതത്തിൻ്റെ മേഖലകളിലും ഇതിനകം വ്യാപകമായി ഉപയോഗിക്കപ്പെടുന്നു. എന്നിരുന്നാലും, മറ്റ്, കൂടുതൽ നൂതനമായ സാങ്കേതികവിദ്യകൾ അതിവേഗം വികസിച്ചുകൊണ്ടിരിക്കുന്നു.
ആഴത്തിലുള്ള പഠനത്തിൻ്റെ വികാസത്തിൻ്റെ വേഗതയിൽ ഇത് പ്രത്യേകിച്ചും ശ്രദ്ധേയമാണ്, ഇത് ഡാറ്റ പ്രോസസ്സിംഗിലും തീരുമാനമെടുക്കൽ മോഡലിംഗിലും മനുഷ്യ മസ്തിഷ്കത്തിൻ്റെ പ്രവർത്തന തത്വത്തെ പൂർണ്ണമായും പകർത്തുന്നു. 2017-ൽ, ഹെൽത്ത് കെയർ, ഓട്ടോമോട്ടീവ് നിർമ്മാണം എന്നിവയിലെ സാങ്കേതിക പ്രക്രിയകളുടെ അവിഭാജ്യ ഘടകമായി ആഴത്തിലുള്ള പഠനം മാറി. എല്ലാ ബിസിനസ്സിൻ്റെയും ഏറ്റവും ചലനാത്മക ഘടകമെന്ന നിലയിൽ വിപണനം, നൂതന സാങ്കേതികവിദ്യകളുടെ ഉപയോഗത്തിൽ നിന്ന് വിട്ടുനിൽക്കുന്നില്ല. ആഴത്തിലുള്ള പഠനം മുഴുവൻ പരസ്യ വ്യവസായത്തിലും വിപ്ലവകരമായ സ്വാധീനം ചെലുത്തിയിട്ടുണ്ട്.
ബയോളജിക്കൽ ന്യൂറോണുകളുടെ പ്രതിപ്രവർത്തനത്തിൻ്റെ തത്വങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് ആഴത്തിലുള്ള പഠന രീതിയിലുള്ള സാങ്കേതികവിദ്യ. സ്വയം-പഠന അൽഗോരിതങ്ങളുടെ സഹായത്തോടെ, വിപണനക്കാർ ഇപ്പോൾ മനുഷ്യൻ്റെ സഹായമില്ലാതെ ഒരു ഉപഭോക്താവിൻ്റെ വാങ്ങൽ സാധ്യതയെക്കുറിച്ചുള്ള വിവരണങ്ങൾ നേടുന്നു. ഉദാഹരണത്തിന്, റിട്ടാർഗെറ്റിംഗ് കാമ്പെയ്‌നുകളിൽ പരിചയസമ്പന്നരായ വിപണനക്കാരുടെ ശുപാർശകൾക്ക് പകരം ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിക്കുന്നത് പരിവർത്തന ഫലങ്ങൾ 35% മെച്ചപ്പെടുത്തുമെന്ന് വ്യക്തമായി തെളിയിക്കുന്ന ഒരു വലിയ അളവിലുള്ള ഡാറ്റ RTB ഹൗസ് അടുത്തിടെ വിശകലനം ചെയ്തു. അതുമാത്രമല്ല. ആഴത്തിലുള്ള പഠന രീതി ഉപയോഗിച്ച്, പരസ്യദാതാക്കൾക്ക് ഉപയോക്തൃ പ്രവർത്തനങ്ങളുടെ ഒരു പ്രവചനം ലഭിക്കുന്നത് അവൻ്റെ പെരുമാറ്റ സവിശേഷതകളും ആഗ്രഹങ്ങളും വിശകലനം ചെയ്യുന്നതിനെ അടിസ്ഥാനമാക്കിയാണ്. ഉപയോക്താവിന് പോലും അറിയാത്തതോ ഇതുവരെ കണ്ടിട്ടില്ലാത്തതോ ആയ ഉൽപ്പന്നങ്ങൾ അടങ്ങിയ ടാർഗെറ്റുചെയ്‌ത പരസ്യ സന്ദേശങ്ങൾക്കുള്ള മികച്ച ഓപ്ഷനുകൾ വാഗ്ദാനം ചെയ്തുകൊണ്ട് ഇത് ഒരു വിപണനക്കാരൻ്റെ പ്രവർത്തനത്തെ വളരെ ലളിതമാക്കുന്നു.
പല വലിയ ബ്രാൻഡുകളും അവരുടെ ഉൽപ്പന്നങ്ങളിലോ മാർക്കറ്റിംഗ് ടൂളുകളിലോ ആഴത്തിലുള്ള പഠന പരിഹാരങ്ങൾ നടപ്പിലാക്കുന്നതിൻ്റെ പ്രയോജനങ്ങൾ ഇതിനകം കണ്ടിട്ടുണ്ട്. 2018-ൽ, ആഴത്തിലുള്ള പഠനത്തിൻ്റെ വ്യാപകമായ ഉപയോഗവും അതിൻ്റെ സാധ്യതകൾ വികസിപ്പിക്കുന്നതിനുള്ള നിക്ഷേപം വർദ്ധിപ്പിക്കുമെന്നും ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു.
"മേൽനോട്ടത്തിലുള്ള പഠനം" മുതൽ പുതിയ ചക്രവാളങ്ങളിലേക്ക്
2017-ൽ, മെഷീൻ ലേണിംഗ് പ്രക്രിയയുടെ സാധാരണ "മേൽനോട്ടത്തിലുള്ള ലേണിംഗ്" എന്ന് വിളിക്കപ്പെടുന്നതിൽ നിന്ന് കൂടുതൽ സങ്കീർണ്ണമായ "ട്രാൻസ്ഫർ ലേണിംഗ്" എന്ന സംവിധാനത്തിലേക്ക് ഒരു നീക്കം നടന്നു. ഈ സാങ്കേതികവിദ്യ ഒരു കമ്പ്യൂട്ടറിലേക്ക് മനുഷ്യ നിർദ്ദേശങ്ങൾ കൈമാറുന്നതിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്: നിലവിലുള്ള തീരുമാനമെടുക്കൽ മോഡലുകൾ, ഉദാഹരണങ്ങൾ, ഡാറ്റാ സെറ്റുകൾ, അവയുടെ തുടർന്നുള്ള വിശകലനം എന്നിവ വിശകലനം ചെയ്യുക.
ട്രാൻസ്ഫർ ലേണിംഗ് പ്രവർത്തിക്കുന്ന രീതി യാഥാർത്ഥ്യത്തിൽ നിന്ന് പകരം സിമുലേഷനുകളിൽ നിന്ന് ഡാറ്റ പ്രോസസ്സ് ചെയ്യാനുള്ള കമ്പ്യൂട്ടറിൻ്റെ കഴിവാണ്. ഈ പ്രക്രിയ വളരെ ലളിതവും വിലകുറഞ്ഞതും വേഗതയേറിയതുമാണ്, ഇത് വലിയ അളവിലുള്ള ഡാറ്റ വിശകലനം ചെയ്യുമ്പോൾ വളരെ പ്രധാനമാണ്. ഈ രീതി ഉപയോഗിച്ച്, യന്ത്രം സ്വന്തമായി തീരുമാനങ്ങൾ എടുക്കാൻ പഠിക്കുന്നു: ലോജിക്കൽ നിഗമനങ്ങൾ, സാമ്യം അല്ലെങ്കിൽ കിഴിവ് എന്നിവ ഉപയോഗിച്ച്.
ഉദാഹരണത്തിന്, ഒരു പഴയ മെഷീൻ ലേണിംഗ് മോഡൽ ഉപയോഗിച്ച്, ഡാറ്റ റെക്കോർഡ് ചെയ്യുമ്പോൾ ഒരു സെൽഫ് ഡ്രൈവിംഗ് കാർ ഒരു വ്യക്തിക്ക് ദശലക്ഷക്കണക്കിന് മൈലുകൾ എടുത്തേക്കാം. ഈ ഡാറ്റ കാറിലേക്ക് കൈമാറ്റം ചെയ്യപ്പെടുന്നു, അത് ഡ്രൈവറുടെ തീരുമാനങ്ങളെ അടിസ്ഥാനമാക്കി കാർ ഓടിക്കുന്നത് എങ്ങനെയെന്ന് മനസ്സിലാക്കുന്നു. "പഠന കൈമാറ്റത്തിന്" നന്ദി, ഇനി ഒരു യഥാർത്ഥ ഡ്രൈവർ ആവശ്യമില്ല. പകരം, വിവിധ ഡ്രൈവിംഗ് സിമുലേഷനുകളിൽ നിന്ന് ഡാറ്റ എടുക്കാം. ദശലക്ഷക്കണക്കിന് മണിക്കൂർ ഡ്രൈവിംഗ് സിമുലേറ്റ് ചെയ്യുന്നതിലൂടെ, അത് എവിടേക്കാണ് പോകേണ്ടതെന്ന് കാർ തന്നെ മനസ്സിലാക്കുന്നു, മാത്രമല്ല അത് ഇതിനകം തന്നെ അറിവിനെ യഥാർത്ഥ ലോകത്തിലേക്ക് വിവർത്തനം ചെയ്യുന്നു.
രണ്ടാമത്തെ സമീപനത്തെ "റിൻഫോഴ്സ്ഡ് ലേണിംഗ്" എന്ന് വിളിക്കുന്നു. പരിസ്ഥിതിയിൽ നിന്നുള്ള ഫീഡ്‌ബാക്കും അതിൽ നടക്കുന്ന പ്രവർത്തനങ്ങളും അടിസ്ഥാനമാക്കി മികച്ച തീരുമാനങ്ങൾ എടുക്കാൻ ഒരു കമ്പ്യൂട്ടറിനെ പരിശീലിപ്പിക്കുക എന്നതാണ് ഇതിൻ്റെ ലക്ഷ്യം. ഉദാഹരണത്തിന്, പരസ്യ ഇടം വാങ്ങുന്നതിനുള്ള ബിഡ്ഡിംഗിൽ പങ്കെടുക്കുമ്പോൾ ഇത് എങ്ങനെ സംഭവിക്കുന്നു. ലേല സംവിധാനങ്ങൾ വളരെ സങ്കീർണ്ണമാണ്. കുറഞ്ഞ ചെലവിൽ ആവശ്യമുള്ള ഫലങ്ങൾ കൈവരിക്കാൻ അനുവദിക്കുന്ന ഒപ്റ്റിമൽ നിരക്ക് നിർണ്ണയിക്കുന്നതിൽ വിദഗ്ധർക്ക് പോലും പലപ്പോഴും പ്രശ്നങ്ങളുണ്ട്. കാർ അതിൻ്റെ ചലനത്തിൻ്റെ തുടക്കത്തിൽ അതേ തടസ്സങ്ങൾ നേരിടും. എന്നിരുന്നാലും, ഒരു വ്യക്തിയിൽ നിന്ന് വ്യത്യസ്തമായി, ഒരു സിമുലേഷൻ പരിതസ്ഥിതിയിൽ ഒരു കാറിന് 24 മണിക്കൂറും പ്രവർത്തിക്കാൻ കഴിയും. കൂടാതെ, മനുഷ്യനേക്കാൾ വളരെ വേഗത്തിൽ അതിന് ഒരു കൂട്ടം പ്രവർത്തനങ്ങളും പഠിക്കാൻ കഴിയും. പരസ്യ ഇടം വാങ്ങുന്നതിനുള്ള ഞങ്ങളുടെ ഉദാഹരണത്തിലേക്ക് മടങ്ങുമ്പോൾ, ലേലങ്ങൾ അനുകരിക്കുന്നതിൽ നിന്നും ഏറ്റവും കാര്യക്ഷമമായി എങ്ങനെ പ്രവർത്തിക്കാമെന്നും അങ്ങനെ ലേലത്തിൽ വിജയിക്കാമെന്നും ഡാറ്റ സ്വീകരിക്കുന്നതിൽ നിന്നും കമ്പ്യൂട്ടർ പഠിക്കുന്നു.
പുതിയ ജോലികളും പുതിയ വെല്ലുവിളികളും
തീർച്ചയായും, ആഴത്തിലുള്ള പഠന അൽഗോരിതങ്ങളുടെ പ്രവർത്തന തത്വം മനുഷ്യ മസ്തിഷ്കത്തിൻ്റെ പ്രവർത്തനത്തിന് തികച്ചും സമാനമാണ്. പക്ഷേ, ആളുകളിൽ നിന്ന് വ്യത്യസ്തമായി, കമ്പ്യൂട്ടറുകൾ വളരെ വേഗത്തിൽ പഠിക്കുകയും ധാരാളം ഡാറ്റ വിശകലനം ചെയ്യുകയും ചെയ്യുന്നു. കമ്പ്യൂട്ടറുകൾ ഉറങ്ങുന്നില്ല, ധാരാളം തെറ്റുകൾ വരുത്തുന്നു. ഇവിടെയാണ് സൂപ്പർ പ്രകടനത്തിൻ്റെ പ്രസക്തി. വളരെ ലളിതമായ രീതിയിൽ, AI പല മേഖലകളിലും മനുഷ്യൻ്റെ കഴിവുകളെ മറികടക്കാൻ ശ്രമിക്കും. നിലവിൽ, സ്വയം-പഠന അൽഗോരിതങ്ങൾക്ക് മനുഷ്യരേക്കാൾ വളരെ കൃത്യമായി പ്രവർത്തനങ്ങളും ചിത്രങ്ങളും തിരിച്ചറിയാൻ കഴിയും.
റോബോട്ടുകളാൽ ആളുകളെ പൂർണ്ണമായും മാറ്റിസ്ഥാപിക്കാനുള്ള അപകടമുണ്ടെന്നാണോ ഇതിനർത്ഥം? ശരിക്കുമല്ല. വേൾഡ് ഇക്കണോമിക് ഫോറത്തിൻ്റെ കണക്കനുസരിച്ച്, ഇന്ന് പ്രൈമറി സ്കൂളിൽ പ്രവേശിക്കുന്ന 65% കുട്ടികൾക്കും നിലവിൽ ഇല്ലാത്ത ജോലികൾ നൽകും. AI വികസനത്തിൻ്റെ നിലവിലെ നിലവാരം കൂടുതൽ ഐടി സ്പെഷ്യലിസ്റ്റുകൾ, ഡാറ്റാ അനലിസ്റ്റുകൾ, പ്രോഗ്രാമർമാർ എന്നിവരെ തിരയാൻ കമ്പനികളെ അനുവദിക്കുന്നു. അടുത്ത വർഷം ഡാറ്റാ സയൻ്റിസ്റ്റുകൾക്കുള്ള പുതിയ തൊഴിൽ ഓഫറുകളിൽ ഒരു കുതിച്ചുചാട്ടം ഞങ്ങൾ കാണാനിടയുണ്ട്. ഇപ്പോൾ അത്തരമൊരു നിർദ്ദേശം ഇതുവരെ ജനപ്രിയമല്ലെങ്കിലും.
2017 ലെ നവീകരണങ്ങൾക്ക് 2018 ൽ വികസനത്തിന് ശക്തമായ പ്രചോദനം ലഭിക്കും
ആഴത്തിലുള്ള പഠന രീതി നടപ്പിലാക്കുന്നതിലൂടെ പിന്തുടരുന്ന ലക്ഷ്യങ്ങൾ നമ്മുടെ ജീവിതത്തെ ലളിതമാക്കുകയും മനുഷ്യ പ്രവർത്തനത്തിൻ്റെ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുകയും ചെയ്യുക എന്നതാണ്. അതുകൊണ്ടാണ് AI യുടെ ഉപയോഗം മേലിൽ ഒരു മാനദണ്ഡമല്ല, മറിച്ച് ആഗോള വിപണിയിൽ മത്സരിക്കാൻ ആഗ്രഹിക്കുന്ന കമ്പനികൾക്ക് അത്യന്താപേക്ഷിതമാണ്. ഇത് അന്തിമ ഉൽപ്പന്നത്തിൻ്റെ കഴിവുകൾ വ്യക്തിഗതമാക്കുന്നതിനോ മെച്ചപ്പെടുത്തുന്നതിനോ ഉള്ള കഴിവിനെക്കുറിച്ചല്ല, ഡാറ്റ ശേഖരണം, വിശകലനം എന്നിവ പോലുള്ള മറ്റ് നിരവധി പരോക്ഷ പ്രവർത്തനങ്ങളെക്കുറിച്ചാണ്. ഇതിനകം തന്നെ, കമ്പനികൾക്ക് അതിൻ്റെ പ്രോസസ്സിംഗിനെ നേരിടാൻ കഴിയാത്തത്ര വലിയ അളവിലുള്ള ഡാറ്റ വിശകലനം ചെയ്യാൻ ഉണ്ട്.
ഈ സാഹചര്യം അവരുടെ ജീവനക്കാരുടെ തീരുമാനങ്ങളെയും അതിനാൽ അവരുടെ സാമ്പത്തിക ഫലങ്ങളെയും നേരിട്ട് ബാധിക്കുന്നു. വിവിധ സംരംഭങ്ങൾക്കായി ഡാറ്റ ശേഖരിക്കുന്നതിലും വിശകലനം ചെയ്യുന്നതിലും സ്പെഷ്യലൈസ് ചെയ്യുന്ന ബിസിനസ്സുള്ള കമ്പനികൾക്ക് ഡിമാൻഡ് വർദ്ധിക്കും. വലിയ ബഡ്ജറ്റുകളുള്ള ബിസിനസ്സുകൾ തരംതിരിക്കാൻ AI ഉപയോഗിക്കും: ഉപഭോക്താക്കൾക്ക് എന്ത് നൽകണം, വിതരണക്കാർക്ക് എന്ത് നിബന്ധനകൾ ശുപാർശ ചെയ്യണം, ജീവനക്കാരോട് എങ്ങനെ നിർദ്ദേശിക്കണം, തത്സമയം എന്താണ് പറയേണ്ടത്, ചെയ്യേണ്ടത്. ഈ സാങ്കേതികവിദ്യ വ്യാപകമാകുന്നതോടെ സ്വയം പഠന അൽഗോരിതം അടിസ്ഥാനമാക്കിയുള്ള പരിഹാരങ്ങൾ വാഗ്ദാനം ചെയ്യുന്ന നിരവധി പുതിയ സ്റ്റാർട്ടപ്പുകൾ ഉടൻ ഉയർന്നുവരുമെന്ന് അനുമാനിക്കേണ്ടതാണ്.
2017-ൽ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് നമ്മുടെ ദൈനംദിന ജീവിതത്തിൻ്റെയും പൊതു ചർച്ചകളുടെയും ഭാഗമായി മാറിയിരിക്കുന്നു. വരും വർഷങ്ങളിൽ, സങ്കീർണ്ണമായ നിരവധി വ്യവസായങ്ങളിൽ മനുഷ്യരെ മാറ്റിസ്ഥാപിക്കുകയും ആത്യന്തികമായി നമ്മുടെ ജീവിതം വളരെ എളുപ്പമാക്കുകയും ചെയ്യുന്ന വിവിധ AI അടിസ്ഥാനമാക്കിയുള്ള സാങ്കേതികവിദ്യകൾ വികസിപ്പിക്കുന്നതിലാണ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. എന്നാൽ ഇതിന് വളരെയധികം അധ്വാനം ആവശ്യമായി വരും.
അടുത്ത വർഷത്തെ ഏറ്റവും ജനപ്രിയമായ 10 ഉപഭോക്തൃ ട്രെൻഡുകൾ എറിക്സൺ തിരഞ്ഞെടുത്തു
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസും വെർച്വൽ റിയാലിറ്റിയും: 2017-ലെ 10 ഉപഭോക്തൃ ട്രെൻഡുകൾ. ഫോട്ടോ: elearningindustry.com
അടുത്ത വർഷത്തെ ഏറ്റവും ജനപ്രിയമായ ഉപഭോക്തൃ ട്രെൻഡുകൾക്കായി എറിക്സൺ അതിൻ്റെ പ്രവചനം അവതരിപ്പിച്ചു. 2017 ലെ മുൻനിര ട്രെൻഡ് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ആയിരിക്കും, അത് ക്രമേണ നമ്മുടെ ദൈനംദിന ജീവിതത്തിലേക്ക് തുളച്ചുകയറുന്നു.
അതിനാൽ, എറിക്സൺ വിളിച്ചു 2017-ലെ ഏറ്റവും ജനപ്രിയമായ ഉപഭോക്തൃ ട്രെൻഡുകൾ:
കൂടുതൽ കൂടുതൽ ആളുകൾ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് തങ്ങളുടെ ജീവിതത്തിലേക്ക് കടക്കണമെന്ന് ആഗ്രഹിക്കുന്നു. 35% ഇൻ്റർനെറ്റ് ഉപയോക്താക്കളും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിനെ അവരുടെ വർക്ക് അസിസ്റ്റൻ്റായും 25% മാനേജരായും കാണാൻ ആഗ്രഹിക്കുന്നു. എന്നിരുന്നാലും, പ്രതികരിച്ചവരിൽ 50% പേർ കൃത്രിമ ബുദ്ധി അപകടകരമാണെന്ന് കരുതുന്നു. പ്രത്യേകിച്ചും, ഈ സാങ്കേതികവിദ്യ നിരവധി ആളുകൾക്ക് അവരുടെ ജോലി നഷ്ടപ്പെടാൻ ഇടയാക്കിയേക്കാം, കാരണം അവരുടെ പ്രവർത്തനങ്ങൾ റോബോട്ടുകൾക്ക് എളുപ്പത്തിൽ നിർവഹിക്കാൻ കഴിയും.
ജീവിതത്തിൻ്റെ ചില വശങ്ങൾ ലളിതമാക്കുന്നതിനും യാന്ത്രികമാക്കുന്നതിനും ആപ്ലിക്കേഷനുകൾ സജീവമായി ഉപയോഗിക്കുന്നു. അതേസമയം, ഇൻ്റർനെറ്റ് ഓഫ് തിംഗ്സിൻ്റെ വികസനം ത്വരിതഗതിയിലാകുന്നു. സ്‌മാർട്ട്‌ഫോണുകൾക്ക് ശീലങ്ങൾ പഠിക്കാനും അവയുടെ ഉടമകളുടെ നിരവധി പ്രവർത്തനങ്ങൾ നിർവഹിക്കാനും കഴിയുന്ന സമയം വരുമെന്ന് പ്രതികരിച്ചവരിൽ 40% പേർക്കും ഉറപ്പുണ്ട്.
ജോലി നഷ്ടപ്പെടുന്നതിനെക്കുറിച്ച് വീണ്ടും - ഉടൻ തന്നെ കൃത്രിമ ബുദ്ധി ഡ്രൈവർമാരെയും മാറ്റിസ്ഥാപിക്കും. പ്രതികരിച്ചവരിൽ 25% ഡ്രൈവർമാരെ ഓട്ടോപൈലറ്റുകൾ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുക എന്ന ആശയത്തെ പിന്തുണയ്ക്കുന്നു, കാരണം ഇത് കാൽനടയാത്രക്കാർക്ക് കൂടുതൽ സുരക്ഷിതമാകുമെന്ന് അവർ വിശ്വസിക്കുന്നു. പ്രതികരിച്ചവരിൽ 65% പേരും ഓട്ടോപൈലറ്റുള്ള ഒരു കാർ വാങ്ങാൻ ആഗ്രഹിക്കുന്നു.
വെറും മൂന്ന് വർഷത്തിനുള്ളിൽ വെർച്വൽ റിയാലിറ്റി വികസനത്തിൻ്റെ ഒരു തലത്തിലെത്തുമെന്ന് പ്രതികരിച്ചവരിൽ 80% പേർക്കും ബോധ്യമുണ്ട്, അത് ഭൗതിക ലോകത്തിൽ നിന്ന് വേർതിരിച്ചറിയാൻ കഴിയില്ല.
പുതിയ സാങ്കേതികവിദ്യകളുടെ വികസനം ആളുകളുടെ ആരോഗ്യത്തെ പ്രതികൂലമായി ബാധിക്കുമെന്ന് പ്രതികരിക്കുന്നവർ പ്രവചിക്കുന്നു. പ്രത്യേകിച്ചും, വെർച്വൽ, ഓഗ്‌മെൻ്റഡ് റിയാലിറ്റി ആപ്ലിക്കേഷനുകളുടെ ഉപയോഗം ചലന രോഗത്തിന് കാരണമാകും, ഇതിനായി പ്രതികരിച്ചവരിൽ 33% പേർ അനുബന്ധ ഗുളികകൾ കഴിക്കാൻ തയ്യാറാണ്.
മിക്ക ആളുകളും കഴിയുന്നത്ര സ്വയം പരിരക്ഷിക്കാൻ ശ്രമിക്കുന്നുണ്ടെങ്കിലും, പ്രതികരിച്ചവരിൽ 60% സ്മാർട്ട്ഫോണുകൾ ഉപയോഗിക്കുന്നത് അപകടസാധ്യതകളുണ്ടെന്ന് സമ്മതിക്കുന്നു.
പ്രതികരിച്ചവരിൽ 50% ത്തിലധികം പേരും റിയാലിറ്റി ഗ്ലാസുകൾ ഉപയോഗിക്കാൻ ആഗ്രഹിക്കുന്നു. അവയുടെ ഉപയോഗത്തിനുള്ള സാധ്യമായ ഓപ്ഷനുകളിൽ: ഇരുണ്ട പ്രദേശങ്ങൾ ഹൈലൈറ്റ് ചെയ്യുക, അപകടത്തെക്കുറിച്ചുള്ള മുന്നറിയിപ്പ്, പ്രകോപിപ്പിക്കുന്ന പാരിസ്ഥിതിക ഘടകങ്ങൾ മാറ്റാനോ ഇല്ലാതാക്കാനോ ഉള്ള കഴിവ്.
ഇൻറർനെറ്റിൽ സ്വകാര്യത എന്നൊരു സംഗതി ഇനിയില്ലെന്ന് പ്രതികരിച്ചവരിൽ 30%-ത്തിലധികം പേർക്കും ബോധ്യമുണ്ട്, അതിനാൽ പഠനത്തിൽ പങ്കെടുക്കുന്നവരിൽ 50% പേരും "ന്യായമായ നല്ല" സ്വകാര്യതയിൽ തൃപ്തരാണ്.
വിദഗ്ധരുടെ അഭിപ്രായത്തിൽ, വെറും അഞ്ച് വർഷത്തിനുള്ളിൽ എല്ലാ ഇൻ്റർനെറ്റ് ഉപയോക്താക്കൾക്കും അഞ്ച് വലിയ ഐടി കമ്പനികളിൽ നിന്നുള്ള എല്ലാ ഉൽപ്പന്നങ്ങളും സേവനങ്ങളും നൽകപ്പെടും.
പേസ്പേസ് മാഗസിൻ സഹായം
എന്ന വസ്തുതയെക്കുറിച്ച് ഞങ്ങൾ മുമ്പ് എഴുതിയിരുന്നു.
AI വികസിപ്പിക്കുന്നതോ സ്വീകരിക്കുന്നതോ ആയ കമ്പനികളുടെ കൈകളിൽ സമ്പത്ത് കേന്ദ്രീകരിക്കുമ്പോൾ AI "വലിയ തോതിലുള്ള തൊഴിൽ നഷ്ടം ലക്ഷ്യമിടുന്നു" എന്ന് സിനോവേഷൻ വെഞ്ചേഴ്‌സിൻ്റെ ചെയർമാൻ കെയ് ഫു ലീ വിശ്വസിക്കുന്നു. 15-ാം നൂറ്റാണ്ടിൽ അച്ചടിയന്ത്രം വരെ, ലോകത്തെ മാറ്റിമറിക്കുന്ന എല്ലാ സാങ്കേതികവിദ്യകളുടെയും ആവിർഭാവത്തോടെ സമാനമായ ഭയങ്ങൾ ഉണ്ടായിരുന്നുവെന്ന് മറ്റുള്ളവർ വിശ്വസിക്കുന്നു.
"AI തൊഴിലവസരങ്ങൾക്കായി ആവശ്യം സൃഷ്ടിക്കുന്നു" എന്നും ലോകമെമ്പാടുമുള്ള വർദ്ധിച്ചുവരുന്ന ആളുകൾ "ഓൺലൈനായി ഡിജിറ്റൽ സേവനങ്ങൾ നൽകുന്നു" എന്നും ദി ഇക്കണോമിസ്റ്റ് വായനക്കാർക്ക് ഉറപ്പുനൽകുന്നു. AI യുടെ കാലഘട്ടത്തിൽ ഏത് കമ്പനികളും രാജ്യങ്ങളും അഭിവൃദ്ധിപ്പെടും? ഏത് സെഗ്‌മെൻ്റുകൾ അപ്രത്യക്ഷമാകും, മാറും അല്ലെങ്കിൽ സൃഷ്ടിക്കപ്പെടും? ജോലിയുടെ സ്വഭാവം എങ്ങനെ മാറും?
യുദ്ധം
സായുധ ഡ്രോണുകളുടെ വക്താക്കൾ വാദിക്കുന്നത്, അത്തരം ആയുധങ്ങൾക്ക് മനുഷ്യരെക്കാൾ വളരെ ഉയർന്ന കൃത്യതയോടെ ലക്ഷ്യങ്ങളിൽ പതിക്കാൻ കഴിയുമെന്ന്; ഓപ്പറേഷൻ തിയറ്ററിൽ അവർ വഹിക്കുന്ന പങ്ക് വലുതായതിനാൽ, സാങ്കേതിക വിദഗ്ധർ അവരെ ഉപദ്രവിക്കാൻ ഉപയോഗിക്കുന്നത് കുറവാണ്.
എന്നാൽ അത്തരം ആയുധങ്ങൾ സ്വതന്ത്രമാവുകയും മനുഷ്യൻ്റെ ഇടപെടലില്ലാതെ സ്വതന്ത്രമായി പ്രവർത്തിക്കുകയും ചെയ്താലോ? സൈനികരുടെ പട്ടികയിൽ നിന്ന് ആളുകളെ നീക്കം ചെയ്യുന്നത് കൂടുതൽ കഠിനവും തടയാനാവാത്തതുമായ ആയുധ മത്സരത്തിലേക്ക് നയിക്കുമോ?
2015-ൽ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സംബന്ധിച്ച ഇൻ്റർനാഷണൽ ജോയിൻ്റ് കോൺഫറൻസിൽ പ്രസിദ്ധീകരിച്ച ഒരു തുറന്ന കത്ത്, സ്വയംഭരണ ആയുധങ്ങൾക്ക് "വിലയേറിയതോ കണ്ടെത്താൻ പ്രയാസമുള്ളതോ ആയ അസംസ്കൃത വസ്തുക്കൾ ആവശ്യമില്ല, അതിനാൽ എല്ലാ പ്രധാന സൈനികർക്കും വൻതോതിൽ ഉൽപ്പാദിപ്പിക്കുന്നതിന് എല്ലായിടത്തും വിലകുറഞ്ഞതായിത്തീരും" എന്ന് മുന്നറിയിപ്പ് നൽകി. ഓട്ടോമേറ്റഡ് ആയുധങ്ങളുള്ള ഒരു യുഗം കൂടുതൽ സമാധാനപരമോ കൂടുതൽ തീവ്രവാദമോ ആയിരിക്കുമോ?
RAND ഗവേഷകർ ഒരു വിശകലന ചട്ടക്കൂടിനും അന്താരാഷ്ട്ര ശ്രമത്തിനും വേണ്ടി ആവശ്യപ്പെടുന്നു, തീവ്രവാദ വിരുദ്ധ സായുധ ഡ്രോണുകളുടെ ഉപയോഗത്തിലും ലക്ഷ്യത്തോടെയുള്ള കൊലപാതകങ്ങളിലും ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു.
തീരുമാനങ്ങൾ എടുക്കുന്നു
രാഷ്ട്രീയക്കാർക്ക് ധാരാളം തിരഞ്ഞെടുപ്പുകളും പ്രചോദനങ്ങളും നിരന്തരം നേരിടേണ്ടിവരുന്നു - ഇരുപത് വർഷങ്ങൾക്ക് മുമ്പുള്ളതിനേക്കാൾ സോഷ്യൽ മീഡിയയുടെ കാലത്ത്. അത്തരം വിവരങ്ങളുടെ അമിതഭാരം ഒരു പ്രതിസന്ധി ഘട്ടത്തിൽ നേരിടാൻ പ്രയാസകരമാക്കുന്നു, ഒന്നിലധികം പ്രതിസന്ധികളെ മാറ്റിനിർത്തുക.
"പ്രസിഡൻ്റ് ഒരു കമ്പ്യൂട്ടറിലൂടെ എടുക്കുന്ന എല്ലാ തീരുമാനങ്ങളും - അന്തിമ തിരഞ്ഞെടുപ്പ് നടത്തുകയല്ല, മറിച്ച് ഒരു വ്യക്തിയുടെ വ്യക്തിത്വത്തിൽ നേതാവിനെ സഹായിക്കുക" എന്ന നിർദ്ദേശം അടുത്തിടെ ഉയർന്നു.
AI ഇപ്പോൾ കുറ്റമറ്റതാണെങ്കിലും, വാർത്തകൾ ഫിൽട്ടർ ചെയ്യുന്നതിലും ക്രിമിനൽ നീതിയെ സ്വാധീനിക്കുന്നതിലും സോഷ്യൽ സെക്യൂരിറ്റി ആനുകൂല്യങ്ങളും വിസകളും വിതരണം ചെയ്യുന്നതിലും അൽഗോരിതം പക്ഷപാതത്തിൻ്റെ അപകടസാധ്യതകൾ RAND പഠനം ഉയർത്തിക്കാട്ടുന്നു. എന്ത് തീരുമാനങ്ങളാണ് AI-യെ ഏൽപ്പിക്കേണ്ടത്? മനുഷ്യൻ്റെ കൈകളിൽ എന്താണ് അവശേഷിക്കുന്നത്? ഒരു കൂട്ടം ആളുകളുടെ കയ്യിൽ?
സൃഷ്ടി
കമ്പ്യൂട്ടേഷൻ്റെ ആശ്വാസകരമായ നേട്ടങ്ങൾ നിർവഹിക്കാനും ജനപ്രിയ ബോർഡ് ഗെയിമുകളിൽ മനുഷ്യരെ തോൽപ്പിക്കാനും കഴിയുന്ന AI യിലേക്ക് ലോകം വളർന്നു. ആളുകളുടെ സൃഷ്ടിപരമായ ഇടത്തിൽ ഇത് എങ്ങനെ കൂടുതൽ പുരോഗമിക്കും?
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഗവേഷകനായ ജെസ്സി ഏംഗൽ വിശ്വസിക്കുന്നത് അത് "സൃഷ്ടിപരമായ പ്രക്രിയയെ പരിവർത്തനം ചെയ്യുമെന്ന്... ആവിഷ്കാരത്തിന് പുതിയ സാധ്യതകൾ നൽകുന്ന സ്മാർട്ട് ടൂളുകൾ ഉപയോഗിച്ച് അതിനെ വർദ്ധിപ്പിച്ചുകൊണ്ട്." മറ്റുള്ളവർ അത്ര ശുഭാപ്തിവിശ്വാസമുള്ളവരല്ല. AI-ക്ക് ഇതിനകം തന്നെ "ഫ്ലിർട്ട് ചെയ്യാനും" "നോവലുകൾ എഴുതാനും" "അതിശയകരമായ കൃത്യതയോടെ പ്രശസ്തമായ പ്രസിദ്ധമായ പെയിൻ്റിംഗുകൾ" ചെയ്യാനും കഴിയുമെന്ന് ജേണലിസ്റ്റ് അഡ്രിയൻ ലാഫ്രാൻസ് കുറിക്കുന്നു. സൃഷ്ടിപരമായിരിക്കുക എന്നതിൻ്റെ അർത്ഥമെന്താണ്? മാത്രമല്ല, മനുഷ്യനായിരിക്കുക എന്നതിൻ്റെ അർത്ഥമെന്താണ്?
AI-യെക്കുറിച്ചുള്ള ചർച്ചകൾ പലപ്പോഴും അതിരുകടന്നതാണ്, അത് മനുഷ്യരുടെ കഷ്ടപ്പാടുകളില്ലാത്ത ഒരു ഉട്ടോപ്യയുടെ വാഗ്ദാനമോ അല്ലെങ്കിൽ റോബോട്ടുകൾ അവരുടെ മനുഷ്യ സ്രഷ്ടാക്കളെ അടിമകളാക്കുന്ന ഒരു ഡിസ്റ്റോപ്പിയയുടെ അപകടമോ ആകട്ടെ. അപകടസാധ്യതകൾ ലഘൂകരിക്കാനും ആനുകൂല്യങ്ങൾ പരമാവധിയാക്കാനും നയങ്ങൾ രൂപപ്പെടുത്താൻ സഹായിക്കുന്നതിന് കൂടുതൽ സന്തുലിതവും കർക്കശവുമായ വിശകലനം ആവശ്യമാണ്. AI സംസ്ഥാനത്തെയും സമൂഹത്തെയും കീഴടക്കുമെന്ന ഭയം മറികടക്കാൻ ചില നടപടികൾ സ്വീകരിക്കേണ്ടതുണ്ട്.
ഒരു രാജ്യത്തിൻ്റെ ദേശീയ താൽപ്പര്യങ്ങളെ AI എങ്ങനെ സ്വാധീനിക്കും? ഗവൺമെൻ്റ് മാനദണ്ഡങ്ങളെ അടിസ്ഥാനമാക്കി ഏത് തരത്തിലുള്ള AI, എന്തെങ്കിലും ഉണ്ടെങ്കിൽ, തന്ത്രപരമായ സാങ്കേതികവിദ്യകളായി കണക്കാക്കാം? കമ്പോള ശക്തികൾ എവിടെയാണ് ഒരു പങ്ക് വഹിക്കേണ്ടത്, രാഷ്ട്രീയം എവിടെയാണ് കളിക്കേണ്ടത്? AI പ്രധാനമായും സയൻസ് ഫിക്ഷൻ്റെ സ്റ്റഫ് ആയി തുടരുമ്പോൾ, ഈ ചോദ്യങ്ങൾ കൂടുതൽ കൂടുതൽ പ്രാധാന്യമർഹിക്കുന്നു.
പ്രവചനങ്ങൾ ഉണ്ടാക്കുക എന്നത് ഒരു നന്ദികെട്ട കടമയാണ്, പ്രത്യേകിച്ചും ആധുനിക മെഷീൻ ലേണിംഗ് രീതികളുടെ മേഖലയിലെ പുരോഗതി സമീപ വർഷങ്ങളിൽ നമ്മുടെ ഏറ്റവും വലിയ പ്രതീക്ഷകളെ മറികടക്കുന്നതിനാൽ. എന്നാൽ സമീപഭാവിയിൽ കാര്യമായ പുരോഗതി പ്രതീക്ഷിക്കാവുന്ന ആഴത്തിലുള്ള ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ പരിശീലിപ്പിക്കുന്ന മേഖലയിലെ ചില മേഖലകൾക്ക് പേരിടാൻ ഞാൻ ശ്രമിക്കും.
ഒന്നാമതായി, ഇത് ന്യൂറൽ നെറ്റ്‌വർക്ക് റൈൻഫോഴ്‌സ്‌മെൻ്റ് ലേണിംഗിൻ്റെ ആശയങ്ങളുടെ വികാസമാണ്, ഇത് പരിസ്ഥിതിയുമായി ഇടപഴകുന്ന ഏജൻ്റുമാർക്കായി പുതിയ സ്വയം-പഠന അൽഗോരിതം വികസിപ്പിക്കാൻ അനുവദിക്കും. ഇവ വെർച്വൽ സ്‌പെയ്‌സിൽ പ്രവർത്തിക്കുന്ന റോബോട്ടുകളും പ്രോഗ്രാമുകളുമാകാം, ഉദാഹരണത്തിന്, Go (ഇതിനകം ചെയ്തുകഴിഞ്ഞു) അല്ലെങ്കിൽ Starcraft (പുരോഗതിയിലാണ്) പോലുള്ള ബൗദ്ധിക ഗെയിമുകൾ കളിക്കുന്നത്. ഇവിടെ പ്രധാന ലക്ഷ്യം, തീർച്ചയായും, ഒരു പുതിയ സങ്കീർണ്ണമായ ഗെയിമിലേക്കോ പരിസ്ഥിതിയിലേക്കോ "ഈച്ചയിൽ" പൊരുത്തപ്പെടുത്താൻ കഴിയുന്ന ഒരു അൽഗോരിതം സൃഷ്ടിക്കുക എന്നതാണ്.
രണ്ടാമതായി, ഈച്ചയിലും മെറ്റാ ലേണിംഗിലും പുതിയ പഠന രീതികളുടെ വികസനം. ആദ്യത്തേത്, ഒരു മനുഷ്യനെപ്പോലെ ഏതാനും ഉദാഹരണങ്ങളിൽ നിന്ന് പുതിയ ആശയങ്ങളും അർത്ഥങ്ങളും ഗ്രഹിക്കാൻ കമ്പ്യൂട്ടറിനെ അനുവദിക്കുന്നു, ആധുനിക ന്യൂറൽ നെറ്റ്‌വർക്കുകളിൽ നിന്ന് വ്യത്യസ്തമായി, ആയിരക്കണക്കിന് അല്ലെങ്കിൽ പതിനായിരക്കണക്കിന് ഉദാഹരണങ്ങൾക്ക് ശേഷം ഒരു പുതിയ ആശയം പഠിക്കുന്നു.
രണ്ടാമത്തേത് ന്യൂറൽ നെറ്റ്‌വർക്കിനെ അതിൻ്റെ പഠന രീതിയുടെ പാരാമീറ്ററുകൾ തിരഞ്ഞെടുക്കാൻ അനുവദിക്കുന്നു. ഇപ്പോൾ ന്യൂറൽ നെറ്റ്‌വർക്കുകളുടെ പരിശീലനത്തിൻ്റെ ഗുണനിലവാരവും വേഗതയും ഗണ്യമായി ആശ്രയിച്ചിരിക്കുന്നത് നിരവധി പാരാമീറ്ററുകളുടെ സജ്ജീകരണത്തെ ആശ്രയിച്ചിരിക്കുന്നു (സാധാരണയായി അവയെ നെറ്റ്‌വർക്ക് ഭാരങ്ങളിൽ നിന്ന് വേർതിരിച്ചറിയാൻ ഹൈപ്പർ-പാരാമീറ്ററുകൾ എന്ന് വിളിക്കുന്നു, വാസ്തവത്തിൽ അവ പരിശീലന സമയത്ത് ക്രമീകരിക്കപ്പെടുന്നു), അതുപോലെ തന്നെ ശൃംഖലയുടെ തന്നെ വാസ്തുവിദ്യ. നിലവിൽ അവ നിർണ്ണയിക്കുന്നത് മനുഷ്യരോ അർദ്ധ-ഓട്ടോമേറ്റഡ് നടപടിക്രമങ്ങളോ ആണ്, അത് ഒപ്റ്റിമലിൽ നിന്ന് വളരെ അകലെയാണ്. ഇക്കാരണത്താൽ, ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ അവർക്ക് കഴിയുന്നതിനേക്കാൾ ദൈർഘ്യമേറിയതും മോശവുമാണ്.
2016 ൽ പ്രത്യക്ഷപ്പെട്ട വർക്ക് ഈ ജോലി തത്വത്തിൽ ഒരു സഹായ ന്യൂറൽ നെറ്റ്‌വർക്കിനെ ഏൽപ്പിക്കാൻ കഴിയുമെന്ന് കാണിക്കുന്നു. ഹൈസ്‌കൂൾ മുതൽ നാമെല്ലാവരും ഓർക്കുന്നതുപോലെ, വ്യാവസായിക വിപ്ലവത്തിൻ്റെ അവസാനം "യന്ത്രങ്ങൾ യന്ത്രങ്ങൾ നിർമ്മിക്കാൻ തുടങ്ങുമ്പോഴാണ്". ഒരുപക്ഷേ ഭാവിയിൽ, ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ പരിശീലിപ്പിക്കാൻ തുടങ്ങുന്ന നിമിഷമായിരിക്കും ഒരു പ്രധാന നാഴികക്കല്ല്, ഇത് 2017 ൽ തന്നെ സംഭവിക്കുമെന്ന് വിശ്വസിക്കാൻ കാരണമുണ്ട്.
മൂന്നാമതായി, ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഒരു വ്യക്തിയുമായി സംസാരിക്കാൻ പഠിക്കും (പകർപ്പെഴുത്തുകൾ സൃഷ്ടിക്കുന്ന അർത്ഥത്തിലും മനുഷ്യ സംഭാഷണത്തിൽ നിന്ന് വേർതിരിക്കാനാവാത്ത സംഭാഷണം സമന്വയിപ്പിക്കുന്ന അർത്ഥത്തിലും), ടെക്സ്റ്റ് വിവരണങ്ങളെ അടിസ്ഥാനമാക്കി ഫോട്ടോറിയലിസ്റ്റിക് ചിത്രങ്ങളും വീഡിയോ സീക്വൻസുകളും സൃഷ്‌ടിക്കുകയും വലിയ, അർത്ഥവത്തായ വാചകങ്ങൾ എഴുതുകയും ചെയ്യും. . വിളിക്കപ്പെടുന്ന മേഖലയിലെ ദ്രുതഗതിയിലുള്ള പുരോഗതിക്ക് നന്ദി, ഇത് നമ്മുടെ സമീപഭാവിയിൽ മാറും. ആഴത്തിലുള്ള പഠന മാതൃകകൾ. തീർച്ചയായും, ഇത് പുതിയ ബിസിനസുകൾ സൃഷ്ടിക്കുന്നതിനും പുതിയ തരം ചരക്കുകളുടെയും സേവനങ്ങളുടെയും ആവിർഭാവത്തിനും അതുപോലെ തന്നെ മൊബൈൽ ഓപ്പറേറ്റർമാർ അല്ലെങ്കിൽ ബാങ്കുകൾ പോലുള്ള സമ്പദ്‌വ്യവസ്ഥയുടെ പരമ്പരാഗത മേഖലകളിലെ തൊഴിൽ ഉൽപാദനക്ഷമത വർദ്ധിപ്പിക്കുന്നതിനും ഇടയാക്കും. ചെലവേറിയതും ഫലപ്രദമല്ലാത്തതുമായ കോൾ സെൻ്ററുകൾ ഉപേക്ഷിക്കുക.
ഈ പ്രശ്‌നങ്ങളെല്ലാം പരിഹരിക്കുന്നത് മെഷീൻ ലേണിംഗിൻ്റെ ഹോളി ഗ്രെയിലിലേക്കുള്ള ഒരു സുപ്രധാന ചുവടുവയ്പ്പായിരിക്കും - ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ സൃഷ്ടി. AI തീർച്ചയായും അടുത്ത വർഷം ദൃശ്യമാകില്ല, പക്ഷേ 5-10 വർഷത്തിനുള്ളിൽ ഇത് വികസിപ്പിച്ചെടുക്കും. മാത്രമല്ല, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ നിലവിലുള്ള ഘടകങ്ങൾ പൂർണ്ണമായ AI സൃഷ്ടിക്കാൻ ശാസ്ത്രജ്ഞരെ സഹായിക്കും, അതുവഴി ഈ ദിശയിലുള്ള ജോലി വേഗത്തിലാക്കുകയും ചെയ്യും. AI യുടെ സൃഷ്ടി മനുഷ്യരാശിയുടെ ഏറ്റവും പ്രധാനപ്പെട്ട നേട്ടമായിരിക്കും കൂടാതെ അതിന് ശക്തമായ ഒരു നാഗരിക കുതിച്ചുചാട്ടം നൽകും.
ഈ സംഭവവികാസങ്ങൾ പരസ്യമായി നടക്കുന്നതിനാലും ആവശ്യമായ ഏറ്റവും കുറഞ്ഞ പരിശീലനമുള്ള ഏതൊരു വ്യക്തിയും (ഉദാഹരണത്തിന്, കമ്പ്യൂട്ടർ സയൻസ് ഫാക്കൽറ്റിയിലെ ബിരുദധാരി) കൊണ്ടാണ് AI-യുടെ മേഖലയിൽ ദ്രുതഗതിയിലുള്ള പുരോഗതി സാധ്യമായത് എന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. നാഷണൽ റിസർച്ച് യൂണിവേഴ്സിറ്റി ഹയർ സ്കൂൾ ഓഫ് ഇക്കണോമിക്സ്) അവയിൽ പങ്കെടുക്കാം: വലിയ ഐടി - കോർപ്പറേഷനുകൾ - ആഴത്തിലുള്ള പഠന മേഖലയിലെ നേതാക്കൾ പോലും രഹസ്യങ്ങളില്ല (ഹ്രസ്വകാല വാണിജ്യപരമായവ ഒഴികെ), മിക്ക രീതികളുടെയും സോഫ്റ്റ്വെയർ നടപ്പിലാക്കലുകൾ ലഭ്യമാണ്, അൽഗോരിതങ്ങളുടെ ഗണിതശാസ്ത്ര വിവരണവും, അവരുടെ സഹായത്തോടെ പരിഹരിച്ച പ്രശ്നങ്ങളുടെ ആഗോള സ്വഭാവം കണക്കിലെടുത്ത് അതിശയകരമാംവിധം സങ്കീർണ്ണമല്ല. ഇത് 20-ആം നൂറ്റാണ്ടിൻ്റെ മധ്യത്തിലെ ബഹിരാകാശ അല്ലെങ്കിൽ ആണവ പരിപാടികളിൽ നിന്ന് യന്ത്ര പഠനത്തെ വേറിട്ടു നിർത്തുന്നു.
അധിക മെറ്റീരിയലുകൾ
മെഷീൻ ലേണിംഗിനെക്കുറിച്ച് ദിമിത്രി വെട്രോവിൻ്റെ പ്രഭാഷണം (അത് എന്താണെന്ന് മനസിലാക്കാൻ)
നിർമ്മിത ബുദ്ധി (AI, ഇംഗ്ലീഷ്: ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്, AI) - ഇൻ്റലിജൻ്റ് മെഷീനുകൾ, പ്രത്യേകിച്ച് ഇൻ്റലിജൻ്റ് കമ്പ്യൂട്ടർ പ്രോഗ്രാമുകൾ സൃഷ്ടിക്കുന്നതിനുള്ള ശാസ്ത്രവും സാങ്കേതികവിദ്യയും. മനുഷ്യൻ്റെ ബുദ്ധി മനസ്സിലാക്കാൻ കമ്പ്യൂട്ടറുകൾ ഉപയോഗിക്കുന്നതിനുള്ള സമാനമായ ജോലിയുമായി AI ബന്ധപ്പെട്ടിരിക്കുന്നു, പക്ഷേ ജൈവശാസ്ത്രപരമായി വിശ്വസനീയമായ രീതികളിൽ പരിമിതപ്പെടുത്തണമെന്നില്ല.
എന്താണ് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്
ഇൻ്റലിജൻസ്(Lat. intellectus-ൽ നിന്ന് - സംവേദനം, ധാരണ, ധാരണ, ധാരണ, ആശയം, കാരണം), അല്ലെങ്കിൽ മനസ്സ് - പുതിയ സാഹചര്യങ്ങളുമായി പൊരുത്തപ്പെടാനുള്ള കഴിവ്, അനുഭവത്തെ അടിസ്ഥാനമാക്കി പഠിക്കാനും ഓർമ്മിക്കാനും ഉള്ള കഴിവ്, മനസിലാക്കാനും പ്രയോഗിക്കാനുമുള്ള കഴിവ് എന്നിവ ഉൾക്കൊള്ളുന്ന മാനസികാവസ്ഥ. അമൂർത്തമായ ആശയങ്ങൾ പരിസ്ഥിതി മാനേജ്മെൻ്റിനായി ഒരാളുടെ അറിവ് ഉപയോഗിക്കുക. ബുദ്ധി എന്നത് ബുദ്ധിമുട്ടുകൾ പരിഹരിക്കാനുള്ള പൊതുവായ കഴിവാണ്, അത് മനുഷ്യൻ്റെ എല്ലാ വൈജ്ഞാനിക കഴിവുകളെയും ഒന്നിപ്പിക്കുന്നു: സംവേദനം, ധാരണ, മെമ്മറി, പ്രാതിനിധ്യം, ചിന്ത, ഭാവന.
1980-കളുടെ തുടക്കത്തിൽ. കമ്പ്യൂട്ടേഷണൽ ശാസ്ത്രജ്ഞരായ ബാറും ഫജ്ജെൻബോമും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ (AI) ഇനിപ്പറയുന്ന നിർവചനം നിർദ്ദേശിച്ചു:
പിന്നീട്, നിരവധി അൽഗോരിതങ്ങളും സോഫ്റ്റ്വെയർ സിസ്റ്റങ്ങളും AI ആയി തരംതിരിക്കാൻ തുടങ്ങി, അതിൻ്റെ വ്യതിരിക്തമായ സവിശേഷത, ഒരു വ്യക്തിക്ക് അവരുടെ പരിഹാരത്തെക്കുറിച്ച് ചിന്തിക്കുന്ന അതേ രീതിയിൽ തന്നെ അവ പരിഹരിക്കാൻ കഴിയും എന്നതാണ്.
ഭാഷ മനസ്സിലാക്കുക, പഠിക്കുക, ചിന്തിക്കാനുള്ള കഴിവ്, പ്രധാനമായും പ്രവർത്തിക്കുക എന്നിവയാണ് AI-യുടെ പ്രധാന സവിശേഷതകൾ.
ഗുണപരമായും വേഗത്തിലും വികസിച്ചുകൊണ്ടിരിക്കുന്ന അനുബന്ധ സാങ്കേതികവിദ്യകളുടെയും പ്രക്രിയകളുടെയും ഒരു സമുച്ചയമാണ് AI, ഉദാഹരണത്തിന്:
- സ്വാഭാവിക ഭാഷാ ടെക്സ്റ്റ് പ്രോസസ്സിംഗ്
- വിദഗ്ധ സംവിധാനങ്ങൾ
- വെർച്വൽ ഏജൻ്റുകൾ (ചാറ്റ്ബോട്ടുകളും വെർച്വൽ അസിസ്റ്റൻ്റുകളും)
- ശുപാർശ സംവിധാനങ്ങൾ.
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് വികസിപ്പിക്കുന്നതിനുള്ള ദേശീയ തന്ത്രം
- പ്രധാന ലേഖനം:ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് വികസിപ്പിക്കുന്നതിനുള്ള ദേശീയ തന്ത്രം
AI ഗവേഷണം
- പ്രധാന ലേഖനം:ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഗവേഷണം
AI ലെ സ്റ്റാൻഡേർഡൈസേഷൻ
2019: റഷ്യൻ ഭാഷയിൽ ഒരു സ്റ്റാൻഡേർഡ് വികസിപ്പിക്കാനുള്ള നിർദ്ദേശത്തെ ISO/IEC വിദഗ്ധർ പിന്തുണച്ചു
2019 ഏപ്രിൽ 16 ന്, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് വികസിപ്പിക്കുന്നതിനായി ആർവിസിയുടെ അടിസ്ഥാനത്തിൽ സൃഷ്ടിച്ച “സൈബർ-ഫിസിക്കൽ സിസ്റ്റംസ്” എന്ന സാങ്കേതിക സമിതിയുടെ നിർദ്ദേശത്തെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് മേഖലയിലെ സ്റ്റാൻഡേർഡൈസേഷനെക്കുറിച്ചുള്ള ഐഎസ്ഒ / ഐഇസി ഉപസമിതി പിന്തുണച്ചതായി അറിയപ്പെട്ടു. സ്റ്റാൻഡേർഡ്. ആശയങ്ങളും ടെർമിനോളജിയും" അടിസ്ഥാന ഇംഗ്ലീഷ് പതിപ്പിന് പുറമേ റഷ്യൻ ഭാഷയിലും.
ടെർമിനോളജിക്കൽ സ്റ്റാൻഡേർഡ് "ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്. ആശയങ്ങളും ടെർമിനോളജിയും" എന്നത് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് മേഖലയിലെ അന്താരാഷ്ട്ര നിയന്ത്രണ, സാങ്കേതിക രേഖകളുടെ മുഴുവൻ കുടുംബത്തിനും അടിസ്ഥാനമാണ്. നിബന്ധനകൾക്കും നിർവചനങ്ങൾക്കും പുറമേ, ഘടകങ്ങൾ ഉപയോഗിച്ച് സിസ്റ്റങ്ങൾ നിർമ്മിക്കുന്നതിനുള്ള ആശയപരമായ സമീപനങ്ങളും തത്വങ്ങളും ഈ പ്രമാണത്തിൽ അടങ്ങിയിരിക്കുന്നു, AI-യും മറ്റ് എൻഡ്-ടു-എൻഡ് സാങ്കേതികവിദ്യകളും തമ്മിലുള്ള ബന്ധത്തിൻ്റെ വിവരണം, കൂടാതെ നിയന്ത്രണ, സാങ്കേതിക നിയന്ത്രണങ്ങളിലേക്കുള്ള അടിസ്ഥാന തത്വങ്ങളും ചട്ടക്കൂട് സമീപനങ്ങളും. കൃത്രിമ ബുദ്ധിയുടെ.
ഡബ്ലിനിലെ പ്രസക്തമായ ഐഎസ്ഒ/ഐഇസി ഉപസമിതിയുടെ യോഗത്തെത്തുടർന്ന്, ഇംഗ്ലീഷിൽ മാത്രമല്ല, റഷ്യൻ ഭാഷയിലും എഐ മേഖലയിൽ ഒരേസമയം ഒരു ടെർമിനോളജിക്കൽ സ്റ്റാൻഡേർഡ് വികസിപ്പിക്കാനുള്ള റഷ്യയിൽ നിന്നുള്ള പ്രതിനിധി സംഘത്തിൻ്റെ നിർദ്ദേശത്തെ ഐഎസ്ഒ/ഐഇസി വിദഗ്ധർ പിന്തുണച്ചു. 2021-ൻ്റെ തുടക്കത്തിൽ രേഖ അംഗീകരിക്കപ്പെടുമെന്ന് പ്രതീക്ഷിക്കുന്നു.
| ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് അടിസ്ഥാനമാക്കിയുള്ള ഉൽപ്പന്നങ്ങളുടെയും സേവനങ്ങളുടെയും വികസനത്തിന് എല്ലാ വിപണി പങ്കാളികളും ഉപയോഗിക്കുന്ന ആശയങ്ങളുടെ വ്യക്തമായ വ്യാഖ്യാനം ആവശ്യമാണ്. ടെർമിനോളജി സ്റ്റാൻഡേർഡ് ഡെവലപ്പർമാരും ഉപഭോക്താക്കളും പ്രൊഫഷണൽ കമ്മ്യൂണിറ്റിയും ആശയവിനിമയം നടത്തുന്ന "ഭാഷയെ" ഏകീകരിക്കും, AI അടിസ്ഥാനമാക്കിയുള്ള ഉൽപ്പന്നങ്ങളുടെ അത്തരം ഗുണങ്ങളെ "സുരക്ഷ", "പുനർനിർമ്മാണം", "വിശ്വാസ്യത", "രഹസ്യത" എന്നിങ്ങനെ തരംതിരിക്കും. നാഷണൽ ടെക്നോളജി ഇനിഷ്യേറ്റീവിൻ്റെ ചട്ടക്കൂടിനുള്ളിൽ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സാങ്കേതികവിദ്യകൾ വികസിപ്പിക്കുന്നതിനുള്ള ഒരു ഏകീകൃത പദാവലി ഒരു പ്രധാന ഘടകമായി മാറും - AI അൽഗോരിതങ്ങൾ NTI പരിധിയിലെ 80% കമ്പനികളും ഉപയോഗിക്കുന്നു. കൂടാതെ, ISO / IEC തീരുമാനം അധികാരത്തെ ശക്തിപ്പെടുത്തുകയും അന്താരാഷ്ട്ര നിലവാരത്തിൻ്റെ കൂടുതൽ വികസനത്തിൽ റഷ്യൻ വിദഗ്ധരുടെ സ്വാധീനം വികസിപ്പിക്കുകയും ചെയ്യും. |
മീറ്റിംഗിൽ, ഐഎസ്ഒ/ഐഇസി വിദഗ്ധർ ഒരു കരട് അന്താരാഷ്ട്ര രേഖ വികസിപ്പിക്കുന്നതിനെ പിന്തുണച്ചു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സിസ്റ്റങ്ങളുടെ നിലവിലെ അവസ്ഥയെക്കുറിച്ചുള്ള ഒരു അവലോകനം ഡോക്യുമെൻ്റ് നൽകുന്നു, സിസ്റ്റങ്ങളുടെ പ്രധാന സവിശേഷതകൾ, അൽഗോരിതങ്ങൾ, സമീപനങ്ങൾ, അതുപോലെ തന്നെ AI മേഖലയിലെ പ്രത്യേക ആപ്ലിക്കേഷനുകളുടെ ഉദാഹരണങ്ങൾ എന്നിവ വിവരിക്കുന്നു. ഈ ഡ്രാഫ്റ്റ് ഡോക്യുമെൻ്റിൻ്റെ വികസനം സബ്കമ്മിറ്റിക്കുള്ളിൽ (SC 42 വർക്കിംഗ് ഗ്രൂപ്പ് 5 "കമ്പ്യൂട്ടേഷണൽ സമീപനങ്ങളും AI സിസ്റ്റങ്ങളുടെ കമ്പ്യൂട്ടേഷണൽ സവിശേഷതകളും") പ്രത്യേകമായി സൃഷ്ടിച്ച ഒരു വർക്കിംഗ് ഗ്രൂപ്പ് 5 "കമ്പ്യൂട്ടേഷണൽ സമീപനങ്ങളും AI സിസ്റ്റങ്ങളുടെ കമ്പ്യൂട്ടേഷണൽ സവിശേഷതകളും" നടപ്പിലാക്കും.
| അന്താരാഷ്ട്ര തലത്തിലുള്ള അവരുടെ പ്രവർത്തനത്തിൻ്റെ ഭാഗമായി, രാജ്യത്ത് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സാങ്കേതികവിദ്യകളുടെ വികസനത്തിൽ ദീർഘകാല സ്വാധീനം ചെലുത്തുന്ന നിരവധി സുപ്രധാന തീരുമാനങ്ങൾ കൈവരിക്കാൻ റഷ്യൻ പ്രതിനിധി സംഘത്തിന് കഴിഞ്ഞു. സ്റ്റാൻഡേർഡിൻ്റെ റഷ്യൻ ഭാഷാ പതിപ്പിൻ്റെ വികസനം, അത്തരമൊരു ആദ്യഘട്ടത്തിൽ നിന്ന് പോലും, അന്താരാഷ്ട്ര ഫീൽഡുമായി സമന്വയത്തിൻ്റെ ഒരു ഗ്യാരണ്ടിയാണ്, കൂടാതെ ISO/IEC ഉപസമിതിയുടെ വികസനവും റഷ്യൻ കോ-എഡിറ്റിംഗിനൊപ്പം അന്താരാഷ്ട്ര പ്രമാണങ്ങളുടെ തുടക്കവും വിദേശത്തുള്ള റഷ്യൻ ഡെവലപ്പർമാരുടെ താൽപ്പര്യങ്ങൾ കൂടുതൽ പ്രോത്സാഹിപ്പിക്കുന്നതിനുള്ള അടിത്തറ," അദ്ദേഹം അഭിപ്രായപ്പെട്ടു. |
ഡിജിറ്റൽ സമ്പദ്‌വ്യവസ്ഥയുടെ വിവിധ മേഖലകളിൽ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സാങ്കേതികവിദ്യകൾക്ക് ആവശ്യക്കാരേറെയാണ്. അവയുടെ പൂർണ്ണമായ പ്രായോഗിക ഉപയോഗത്തെ തടസ്സപ്പെടുത്തുന്ന പ്രധാന ഘടകങ്ങളിൽ നിയന്ത്രണ ചട്ടക്കൂടിൻ്റെ അവികസിതമാണ്. അതേസമയം, സാങ്കേതിക പ്രയോഗത്തിൻ്റെ നിർദ്ദിഷ്ട ഗുണനിലവാരവും അനുബന്ധ സാമ്പത്തിക ഫലവും ഉറപ്പാക്കുന്നത് നന്നായി വികസിപ്പിച്ച റെഗുലേറ്ററി, ടെക്നിക്കൽ ചട്ടക്കൂടാണ്.
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് മേഖലയിൽ, ആർവിസി അടിസ്ഥാനമാക്കിയുള്ള ടിസി സൈബർ-ഫിസിക്കൽ സിസ്റ്റംസ് നിരവധി ദേശീയ മാനദണ്ഡങ്ങൾ വികസിപ്പിച്ചുകൊണ്ടിരിക്കുന്നു, ഇതിൻ്റെ അംഗീകാരം 2019 അവസാനത്തോടെ - 2020 ൻ്റെ തുടക്കത്തിൽ ആസൂത്രണം ചെയ്തിട്ടുണ്ട്. കൂടാതെ, മാർക്കറ്റ് കളിക്കാരുമായി ചേർന്ന് 2020-നും അതിനുശേഷമുള്ള ഒരു നാഷണൽ സ്റ്റാൻഡേർഡൈസേഷൻ പ്ലാൻ (NSP) രൂപീകരിക്കുന്നതിനുള്ള പ്രവർത്തനങ്ങൾ നടക്കുന്നു. താൽപ്പര്യമുള്ള ഓർഗനൈസേഷനുകളിൽ നിന്നുള്ള പ്രമാണങ്ങളുടെ വികസനത്തിനുള്ള നിർദ്ദേശങ്ങൾക്കായി TC "സൈബർ-ഫിസിക്കൽ സിസ്റ്റങ്ങൾ" തുറന്നിരിക്കുന്നു.
2018: ക്വാണ്ടം കമ്മ്യൂണിക്കേഷൻസ്, AI, സ്മാർട്ട് സിറ്റി എന്നീ മേഖലകളിലെ മാനദണ്ഡങ്ങളുടെ വികസനം
2018 ഡിസംബർ 6-ന്, RVC അടിസ്ഥാനമാക്കിയുള്ള "സൈബർ-ഫിസിക്കൽ സിസ്റ്റംസ്" എന്ന ടെക്നിക്കൽ കമ്മിറ്റി, റീജിയണൽ എഞ്ചിനീയറിംഗ് സെൻ്റർ "സേഫ്നെറ്റ്" എന്നിവയുമായി ചേർന്ന് നാഷണൽ ടെക്നോളജി ഇനിഷ്യേറ്റീവിൻ്റെയും (NTI) ഡിജിറ്റൽ സമ്പദ്‌വ്യവസ്ഥയുടെയും വിപണികൾക്കായി ഒരു കൂട്ടം മാനദണ്ഡങ്ങൾ വികസിപ്പിക്കാൻ തുടങ്ങി. 2019 മാർച്ചോടെ, ക്വാണ്ടം കമ്മ്യൂണിക്കേഷൻസ് മേഖലയിൽ സാങ്കേതിക സ്റ്റാൻഡേർഡൈസേഷൻ രേഖകൾ വികസിപ്പിക്കാൻ പദ്ധതിയിട്ടിട്ടുണ്ട്, കൂടാതെ ആർവിസി റിപ്പോർട്ട് ചെയ്തു. കൂടുതൽ വായിക്കുക.
കൃത്രിമ ബുദ്ധിയുടെ ആഘാതം
മനുഷ്യ നാഗരികതയുടെ വികാസത്തിന് അപകടസാധ്യത
സമ്പദ്‌വ്യവസ്ഥയിലും ബിസിനസ്സിലും ആഘാതം
- സമ്പദ്‌വ്യവസ്ഥയിലും ബിസിനസ്സിലും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സാങ്കേതികവിദ്യകളുടെ സ്വാധീനം
തൊഴിൽ വിപണിയിൽ സ്വാധീനം
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ബയസ്
AI യുടെ (മെഷീൻ ട്രാൻസ്ലേഷൻ, സ്പീച്ച് റെക്കഗ്നിഷൻ, നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ്, കമ്പ്യൂട്ടർ വിഷൻ, ഓട്ടോമേറ്റഡ് ഡ്രൈവിംഗ് എന്നിവയും അതിലേറെയും) പരിശീലനമായ എല്ലാറ്റിൻ്റെയും കാതൽ ആഴത്തിലുള്ള പഠനമാണ്. ഇത് മെഷീൻ ലേണിംഗിൻ്റെ ഒരു ഉപവിഭാഗമാണ്, ഇത് ന്യൂറൽ നെറ്റ്‌വർക്ക് മോഡലുകളുടെ ഉപയോഗത്തിൻ്റെ സവിശേഷതയാണ്, ഇത് തലച്ചോറിൻ്റെ പ്രവർത്തനങ്ങളെ അനുകരിക്കുന്നുവെന്ന് പറയാനാകും, അതിനാൽ അവയെ AI എന്ന് തരംതിരിക്കുന്നത് ഒരു നീണ്ടുനിൽക്കും. ഏതൊരു ന്യൂറൽ നെറ്റ്‌വർക്ക് മോഡലും വലിയ ഡാറ്റാ സെറ്റുകളിൽ പരിശീലിപ്പിക്കപ്പെടുന്നു, അതിനാൽ അത് ചില "കഴിവുകൾ" നേടുന്നു, എന്നാൽ അത് എങ്ങനെ ഉപയോഗിക്കുന്നു എന്നത് അതിൻ്റെ സ്രഷ്‌ടാക്കൾക്ക് വ്യക്തമല്ല, ഇത് ആത്യന്തികമായി ആഴത്തിലുള്ള പഠന ആപ്ലിക്കേഷനുകളുടെ ഏറ്റവും പ്രധാനപ്പെട്ട പ്രശ്‌നങ്ങളിലൊന്നായി മാറുന്നു. കാരണം, അത്തരം ഒരു മാതൃക ചിത്രങ്ങളുമായി ഔപചാരികമായി പ്രവർത്തിക്കുന്നു, അത് എന്താണ് ചെയ്യുന്നതെന്ന് യാതൊരു ധാരണയുമില്ലാതെ. അത്തരമൊരു സിസ്റ്റം AI ആണോ കൂടാതെ മെഷീൻ ലേണിംഗിൽ നിർമ്മിച്ച സിസ്റ്റങ്ങളെ വിശ്വസിക്കാൻ കഴിയുമോ? അവസാനത്തെ ചോദ്യത്തിനുള്ള ഉത്തരത്തിൻ്റെ പ്രത്യാഘാതങ്ങൾ ശാസ്ത്രീയ പരീക്ഷണശാലയ്ക്ക് അപ്പുറത്തേക്ക് വ്യാപിക്കുന്നു. അതിനാൽ, AI ബയസ് എന്ന പ്രതിഭാസത്തിലേക്കുള്ള മാധ്യമ ശ്രദ്ധ ഗണ്യമായി വർധിച്ചു. ഇതിനെ "AI ബയസ്" അല്ലെങ്കിൽ "AI ബയസ്" എന്ന് വിവർത്തനം ചെയ്യാം. കൂടുതൽ വായിക്കുക.
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ടെക്നോളജി മാർക്കറ്റ്
റഷ്യയിലെ AI വിപണി
ആഗോള AI വിപണി
AI യുടെ പ്രയോഗ മേഖലകൾ
AI-യുടെ പ്രയോഗത്തിൻ്റെ മേഖലകൾ വളരെ വിശാലവും പരിചിതമായ സാങ്കേതികവിദ്യകളും ബഹുജന പ്രയോഗത്തിൽ നിന്ന് വളരെ അകലെയുള്ള ഉയർന്നുവരുന്ന പുതിയ മേഖലകളും ഉൾക്കൊള്ളുന്നു, മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, വാക്വം ക്ലീനർ മുതൽ ബഹിരാകാശ നിലയങ്ങൾ വരെയുള്ള പരിഹാരങ്ങളുടെ മുഴുവൻ ശ്രേണിയും ഇതാണ്. വികസനത്തിൻ്റെ പ്രധാന പോയിൻ്റുകളുടെ മാനദണ്ഡം അനുസരിച്ച് നിങ്ങൾക്ക് അവരുടെ എല്ലാ വൈവിധ്യവും വിഭജിക്കാം.
AI ഒരു മോണോലിത്തിക്ക് വിഷയ മേഖലയല്ല. കൂടാതെ, AI-യുടെ ചില സാങ്കേതിക മേഖലകൾ സമ്പദ്‌വ്യവസ്ഥയുടെ പുതിയ ഉപമേഖലകളായും പ്രത്യേക സ്ഥാപനങ്ങളായും പ്രത്യക്ഷപ്പെടുന്നു, അതേസമയം സമ്പദ്‌വ്യവസ്ഥയിലെ മിക്ക മേഖലകളിലും ഒരേസമയം സേവനം നൽകുന്നു.
AI യുടെ ഉപയോഗത്തിൻ്റെ വികസനം സമ്പദ്‌വ്യവസ്ഥയുടെ ക്ലാസിക്കൽ മേഖലകളിലെ സാങ്കേതികവിദ്യകളെ മുഴുവൻ മൂല്യ ശൃംഖലയിലുടനീളം പൊരുത്തപ്പെടുത്തുന്നതിലേക്ക് നയിക്കുകയും അവയെ രൂപാന്തരപ്പെടുത്തുകയും ചെയ്യുന്നു, ഇത് ലോജിസ്റ്റിക്‌സ് മുതൽ കമ്പനി മാനേജ്മെൻ്റ് വരെയുള്ള മിക്കവാറും എല്ലാ പ്രവർത്തനങ്ങളുടെയും അൽഗോരിതമൈസേഷനിലേക്ക് നയിക്കുന്നു.
പ്രതിരോധ, സൈനിക കാര്യങ്ങളിൽ AI ഉപയോഗിക്കുന്നു
വിദ്യാഭ്യാസത്തിൽ ഉപയോഗിക്കുക
ബിസിനസ്സിൽ AI ഉപയോഗിക്കുന്നു
വഞ്ചനയ്‌ക്കെതിരായ പോരാട്ടത്തിൽ AI
2019 ജൂലൈ 11-ന്, വെറും രണ്ട് വർഷത്തിനുള്ളിൽ കൃത്രിമ ബുദ്ധിയും മെഷീൻ ലേണിംഗും 2019 ജൂലൈയിലേതിനേക്കാൾ മൂന്നിരട്ടി തവണ തട്ടിപ്പിനെ നേരിടാൻ ഉപയോഗിക്കുമെന്ന് അറിയപ്പെട്ടു. എസ്എഎസും അസോസിയേഷൻ ഓഫ് സർട്ടിഫൈഡ് ഫ്രോഡ് എക്സാമിനേഴ്സും (എസിഎഫ്ഇ) നടത്തിയ സംയുക്ത പഠനത്തിലാണ് ഇത്തരം വിവരങ്ങൾ ലഭിച്ചത്. 2019 ജൂലൈയിലെ കണക്കനുസരിച്ച്, സർവേയിൽ പങ്കെടുത്ത 13% ഓർഗനൈസേഷനുകളിൽ ഇത്തരം വഞ്ചന വിരുദ്ധ ഉപകരണങ്ങൾ ഇതിനകം തന്നെ ഉപയോഗിച്ചിട്ടുണ്ട്, അടുത്ത ഒന്നോ രണ്ടോ വർഷത്തിനുള്ളിൽ അവ നടപ്പിലാക്കാൻ പദ്ധതിയിടുന്നതായി മറ്റൊരു 25% പറഞ്ഞു. കൂടുതൽ വായിക്കുക.
ഇലക്ട്രിക് പവർ വ്യവസായത്തിൽ AI
- ഡിസൈൻ തലത്തിൽ: ഉൽപാദനത്തിൻ്റെ മെച്ചപ്പെട്ട പ്രവചനവും ഊർജ്ജ സ്രോതസ്സുകളുടെ ആവശ്യകതയും, വൈദ്യുതി ഉൽപ്പാദിപ്പിക്കുന്ന ഉപകരണങ്ങളുടെ വിശ്വാസ്യതയുടെ വിലയിരുത്തൽ, ഡിമാൻഡ് ഉയരുമ്പോൾ വർദ്ധിച്ച ഉൽപാദനത്തിൻ്റെ ഓട്ടോമേഷൻ.
- ഉൽപ്പാദന തലത്തിൽ: ഉപകരണങ്ങളുടെ പ്രതിരോധ അറ്റകുറ്റപ്പണി ഒപ്റ്റിമൈസേഷൻ, ഉൽപ്പാദനക്ഷമത വർദ്ധിപ്പിക്കുക, നഷ്ടം കുറയ്ക്കുക, ഊർജ്ജ വിഭവങ്ങളുടെ മോഷണം തടയുക.
- പ്രമോഷൻ തലത്തിൽ: ദിവസത്തിൻ്റെ സമയത്തെയും ഡൈനാമിക് ബില്ലിംഗിനെയും ആശ്രയിച്ച് വിലനിർണ്ണയത്തിൻ്റെ ഒപ്റ്റിമൈസേഷൻ.
- സേവന വ്യവസ്ഥയുടെ തലത്തിൽ: ഏറ്റവും ലാഭകരമായ വിതരണക്കാരൻ്റെ യാന്ത്രിക തിരഞ്ഞെടുപ്പ്, വിശദമായ ഉപഭോഗ സ്ഥിതിവിവരക്കണക്കുകൾ, ഓട്ടോമേറ്റഡ് ഉപഭോക്തൃ സേവനം, ഉപഭോക്താവിൻ്റെ ശീലങ്ങളും പെരുമാറ്റവും കണക്കിലെടുത്ത് ഊർജ്ജ ഉപഭോഗം ഒപ്റ്റിമൈസേഷൻ.
നിർമ്മാണത്തിൽ AI
- ഡിസൈൻ തലത്തിൽ: പുതിയ ഉൽപ്പന്ന വികസനത്തിൻ്റെ കാര്യക്ഷമത വർദ്ധിപ്പിക്കൽ, ഓട്ടോമേറ്റഡ് വിതരണക്കാരൻ്റെ വിലയിരുത്തൽ, സ്പെയർ പാർട്സ് ആവശ്യകതകളുടെ വിശകലനം.
- ഉൽപ്പാദന തലത്തിൽ: ജോലികൾ പൂർത്തിയാക്കുന്ന പ്രക്രിയ മെച്ചപ്പെടുത്തുക, അസംബ്ലി ലൈനുകൾ ഓട്ടോമേറ്റ് ചെയ്യുക, പിശകുകളുടെ എണ്ണം കുറയ്ക്കുക, അസംസ്കൃത വസ്തുക്കൾക്കുള്ള ഡെലിവറി സമയം കുറയ്ക്കുക.
- പ്രമോഷൻ തലത്തിൽ: പിന്തുണയുടെയും പരിപാലന സേവനങ്ങളുടെയും അളവ് പ്രവചിക്കുക, വിലനിർണ്ണയ മാനേജ്മെൻ്റ്.
- സേവന വ്യവസ്ഥയുടെ തലത്തിൽ: വെഹിക്കിൾ ഫ്ലീറ്റ് റൂട്ടുകളുടെ ആസൂത്രണം മെച്ചപ്പെടുത്തൽ, ഫ്ലീറ്റ് വിഭവങ്ങളുടെ ആവശ്യം, സേവന എഞ്ചിനീയർമാരുടെ പരിശീലനത്തിൻ്റെ ഗുണനിലവാരം മെച്ചപ്പെടുത്തൽ.
ബാങ്കുകളിൽ എ.ഐ
- പാറ്റേൺ തിരിച്ചറിയൽ - ഉൾപ്പെടെ. ശാഖകളിലെ ഉപഭോക്താക്കളെ തിരിച്ചറിയുന്നതിനും പ്രത്യേക ഓഫറുകൾ അവർക്ക് കൈമാറുന്നതിനും.
ഗതാഗതത്തിൽ AI
- വാഹന വ്യവസായം ഒരു വിപ്ലവത്തിൻ്റെ വക്കിലാണ്: ആളില്ലാ ഡ്രൈവിംഗ് കാലഘട്ടത്തിലെ 5 വെല്ലുവിളികൾ
ലോജിസ്റ്റിക്സിൽ AI
മദ്യനിർമ്മാണത്തിൽ AI
ജുഡീഷ്യറിയിലെ എ.ഐ
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് മേഖലയിലെ സംഭവവികാസങ്ങൾ നീതിന്യായ വ്യവസ്ഥയെ സമൂലമായി മാറ്റാൻ സഹായിക്കും, അത് നീതിപൂർവകവും അഴിമതിരഹിതവുമാക്കും. ഈ അഭിപ്രായം 2017 ലെ വേനൽക്കാലത്ത് ആർട്ടിസിയോയിലെ സാങ്കേതിക കൺസൾട്ടൻ്റായ ഡോക്ടർ ഓഫ് ടെക്നിക്കൽ സയൻസസ് വ്‌ളാഡിമിർ ക്രൈലോവ് പ്രകടിപ്പിച്ചു.
AI-യുടെ മേഖലയിൽ നിലവിലുള്ള പരിഹാരങ്ങൾ സമ്പദ്‌വ്യവസ്ഥയുടെയും പൊതുജീവിതത്തിൻ്റെയും വിവിധ മേഖലകളിൽ വിജയകരമായി പ്രയോഗിക്കാൻ കഴിയുമെന്ന് ശാസ്ത്രജ്ഞൻ വിശ്വസിക്കുന്നു. വൈദ്യശാസ്ത്രത്തിൽ AI വിജയകരമായി ഉപയോഗിക്കപ്പെടുന്നു, എന്നാൽ ഭാവിയിൽ ഇത് നീതിന്യായ വ്യവസ്ഥയെ പൂർണ്ണമായും മാറ്റാൻ കഴിയുമെന്ന് വിദഗ്ദ്ധർ ചൂണ്ടിക്കാട്ടുന്നു.
“AI-യുടെ മേഖലയിലെ സംഭവവികാസങ്ങളെക്കുറിച്ചുള്ള എല്ലാ ദിവസവും വാർത്താ റിപ്പോർട്ടുകൾ നോക്കുമ്പോൾ, ഈ മേഖലയിലെ ഗവേഷകരുടെയും ഡെവലപ്പർമാരുടെയും ഒഴിച്ചുകൂടാനാവാത്ത ഭാവനയും ഫലപ്രാപ്തിയും നിങ്ങൾ ആശ്ചര്യപ്പെടുന്നു. ശാസ്ത്രീയ ഗവേഷണത്തെക്കുറിച്ചുള്ള റിപ്പോർട്ടുകൾ വിപണിയിൽ പൊട്ടിത്തെറിക്കുന്ന പുതിയ ഉൽപ്പന്നങ്ങളെക്കുറിച്ചുള്ള പ്രസിദ്ധീകരണങ്ങളും വിവിധ മേഖലകളിൽ AI ഉപയോഗത്തിലൂടെ ലഭിച്ച അതിശയകരമായ ഫലങ്ങളുടെ റിപ്പോർട്ടുകളും ഉപയോഗിച്ച് നിരന്തരം ഇടകലർന്നിരിക്കുന്നു. AI വീണ്ടും വാർത്തകളുടെ നായകനായി മാറുന്ന മാധ്യമങ്ങളിൽ ശ്രദ്ധേയമായ ഹൈപ്പിനൊപ്പം പ്രതീക്ഷിക്കുന്ന സംഭവങ്ങളെക്കുറിച്ച് നമ്മൾ സംസാരിക്കുകയാണെങ്കിൽ, സാങ്കേതിക പ്രവചനങ്ങൾ നടത്താൻ ഞാൻ സാധ്യതയില്ല. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ രൂപത്തിൽ, ന്യായമായതും നാശമില്ലാത്തതുമായ ഒരു കോടതിയുടെ ആവിർഭാവമായിരിക്കും അടുത്ത സംഭവം എന്ന് എനിക്ക് ഊഹിക്കാൻ കഴിയും. ഇത് 2020-2025 ൽ പ്രത്യക്ഷത്തിൽ സംഭവിക്കും. ഈ കോടതിയിൽ നടക്കുന്ന പ്രക്രിയകൾ അപ്രതീക്ഷിത പ്രതിഫലനങ്ങളിലേക്കും മനുഷ്യ സമൂഹത്തെ നിയന്ത്രിക്കുന്നതിനുള്ള മിക്ക പ്രക്രിയകളും AI-യിലേക്ക് മാറ്റാനുള്ള നിരവധി ആളുകളുടെ ആഗ്രഹത്തിലേക്കും നയിക്കും.
നിയമനിർമ്മാണ സമത്വവും നീതിയും വികസിപ്പിക്കുന്നതിനുള്ള ഒരു "ലോജിക്കൽ ഘട്ടം" ആയി ജുഡീഷ്യൽ സംവിധാനത്തിൽ കൃത്രിമ ബുദ്ധിയുടെ ഉപയോഗം ശാസ്ത്രജ്ഞൻ അംഗീകരിക്കുന്നു. മെഷീൻ ഇൻ്റലിജൻസ് അഴിമതിക്കും വികാരങ്ങൾക്കും വിധേയമല്ല, നിയമനിർമ്മാണ ചട്ടക്കൂട് കർശനമായി പാലിക്കാനും തർക്കത്തിലെ കക്ഷികളെ ചിത്രീകരിക്കുന്ന ഡാറ്റ ഉൾപ്പെടെ നിരവധി ഘടകങ്ങൾ കണക്കിലെടുത്ത് തീരുമാനങ്ങൾ എടുക്കാനും കഴിയും. മെഡിക്കൽ മേഖലയുമായി സാമ്യമുള്ളതിനാൽ, സർക്കാർ സേവന ശേഖരണങ്ങളിൽ നിന്നുള്ള വലിയ ഡാറ്റ ഉപയോഗിച്ച് റോബോട്ട് ജഡ്ജിമാർക്ക് പ്രവർത്തിക്കാൻ കഴിയും. അത് ഊഹിക്കാം, എന്ന്
സംഗീതം
പെയിൻ്റിംഗ്
2015-ൽ, ഗൂഗിൾ ടീം ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ സ്വന്തമായി ചിത്രങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയുമോ എന്ന് പരിശോധിച്ചു. തുടർന്ന് നിരവധി വ്യത്യസ്ത ചിത്രങ്ങൾ ഉപയോഗിച്ച് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പരിശീലിപ്പിച്ചു. എന്നിരുന്നാലും, സ്വന്തമായി എന്തെങ്കിലും ചിത്രീകരിക്കാൻ യന്ത്രത്തോട് "ആവശ്യപ്പെട്ടപ്പോൾ", അത് നമുക്ക് ചുറ്റുമുള്ള ലോകത്തെ അൽപ്പം വിചിത്രമായ രീതിയിൽ വ്യാഖ്യാനിച്ചുവെന്ന് മനസ്സിലായി. ഉദാഹരണത്തിന്, ഡംബെൽസ് വരയ്ക്കുന്നതിനുള്ള ചുമതലയ്ക്കായി, ഡവലപ്പർമാർക്ക് ഒരു ചിത്രം ലഭിച്ചു, അതിൽ ലോഹം മനുഷ്യ കൈകളാൽ ബന്ധിപ്പിച്ചിരിക്കുന്നു. പരിശീലന ഘട്ടത്തിൽ, ഡംബെൽസ് ഉപയോഗിച്ച് വിശകലനം ചെയ്ത ചിത്രങ്ങളിൽ കൈകൾ അടങ്ങിയിരിക്കുന്നതിനാലും ന്യൂറൽ നെറ്റ്‌വർക്ക് ഇത് തെറ്റായി വ്യാഖ്യാനിച്ചതിനാലും ഇത് സംഭവിച്ചിരിക്കാം.
ഫെബ്രുവരി 26, 2016 ന്, സാൻ ഫ്രാൻസിസ്കോയിൽ നടന്ന ഒരു പ്രത്യേക ലേലത്തിൽ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സൃഷ്ടിച്ച സൈക്കഡെലിക് പെയിൻ്റിംഗുകളിൽ നിന്ന് Google പ്രതിനിധികൾ ഏകദേശം 98 ആയിരം ഡോളർ സമാഹരിച്ചു. കാറിൻ്റെ ഏറ്റവും വിജയകരമായ ചിത്രങ്ങളിലൊന്ന് ചുവടെ അവതരിപ്പിച്ചിരിക്കുന്നു.
ഗൂഗിളിൻ്റെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് വരച്ച ചിത്രം.
