உருவாக்க செயற்கைநினைவகம்(Generative AI)
உருவாக்க செயற்கைநினைவகம்(Generative AI) ஆனது கணினி தொழில் நுட்பத்தின் தோற்றத்தையே மாற்றவிருக்கின்றது. அதனால்AI இன் வரலாற்றினையும் பல ஆண்டுகளாக அது எவ்வாறு உருவாகிவளர்ந்து வருகின்றது என்பதையும், இது எவ்வாறு உருவாக்கAI தோன்றுவதற்காக வழிவகுத்தது என்பதையும் இந்த கட்டுரையில் சுருக்கமாகப் காண்போம்.
தற்போது கணினிதொழில்நுட்ப வல்லுநராக இருப்பதற்கு மிகவும் உகந்த காலகட்டமாகும். கணினியின் தகவல் தொழில்நுட்ப வாழ்க்கையானது முதன்மைபொறியமைவுகள், வாடிக்கையாாளர்–சேவையாளர்கள், நிறுவன பயன்பாடுகள் , இணையம், மேககணினி, AI வரை மிகப்பெரிய மாற்றங்களை அனுபவித்துவந்துள்ளது. இன்றைய எண்ணிம பொருளாதாரத்தில், தொழில்நுட்பத் தலைவர்கள் வணிக நிகழ்ச்சி நிரல்களுக்கும் தலைமை உத்திகளுக்கும் இடையிலான பாலமாக உள்ளனர். இந்த தொழில்நுட்பத் தலைவர்கள் ஒரு நிறுவனத்திற்கான வழிகாட்டியை அமைப்பதன் மூலம் தற்போதைய நிலையின் சவாலை எதிர்கொள்வதற்காக தனித்துவமாக நிலைநிறுத்தப்படுகிறார்கள், இது பெரும்பாலும் புதிய வகை தொழில்நுட்பத்தால் இயக்கப்படுகிறது. கடந்த சில மாதங்களாக, அத்தகைய ஒவ்வொரு வணிக நிறுவனத் தலைவரும் ஒரு நிறுவனத்தின் தொழில்நுட்ப உத்தியை உருவாக்க AI உடன் மறுசீரமைக்க தங்களால் இயன்றவரை முயற்சி செய்கிறார்கள்.
இவ்வாறான சூழலில் உருவாக்க செயற்கைநினைவகம்(Generative AI) என்றால் என்ன, பாரம்பரிய AI இலிருந்து இது எவ்வாறு வேறுபடுகிறது, அது ஏன் இப்போது பிரபலமடைந்து வருகிறது , இந்த புதிய பாய்ச்சல்போக்கினை கண்டுபிடித்துப் பயன்படுத்திக் கொள்ள எந்தவகையிலான திறமூல தொழில் நுட்பங்கள் உள்ளன என்பதை இந்த கட்டுரையில்காண்போம். ஆனால் உருவாக்கசெயற்கைநினைவகம்(Generative AI) என்பது என்ன என்பதைத் தெரிந்துகொள்வதற்கு முன், AI என்பதுஉண்மையில் என்ன என்பதையும், பல ஆண்டுகளாக அது எவ்வாறு உருவாகிவளர்ந்து வந்துள்ளது என்பதையும் சுருக்கமாகப் காண்பது மிகமுக்கியமாகும்.
படம் 1: AI இன் வரலாறு
AI இன் சுருக்கமான வரலாறு
1950-ல் ஆலன் டூரிங் என்பவர் இயந்திரங்களால் சிந்திக்க முடியுமா என்று கேள்வி எழுப்பினார். அந்த ஒற்றை சிந்தனையானது ஓட்டுநர் இல்லாத மகிழ்வுந்துகள், பிழைகளை தானாகவே சரிசெய்துகொள்கின்ற பயன்பாடுகள் போன்ற பலவற்றின் வளர்ச்சிக்கு வழிவகுத்தது. அதிக உற்பத்தி திறன் கொண்ட ஒரு திறன்மிக்க உலகத்தை உருவாக்குவதற்கான தேடலில், குறிப்பாக கடந்த இருபதாண்டுகளில் AI இன் பங்கு குறிப்பிடத்தக்கதாக உள்ளது. உண்மையான நபர்களின் நம்பத்தகுந்த உண்மையான படங்கள், கானொளிகாட்சிகள், இசை ஆகியவற்றினை உருவாக்கிடுவதற்காக உருவாக்க எதிரி வலைபின்னலின் (generative adversarial network (GAN)) தருக்கபடிமுறைகள் உருவாக்கப்பட்ட போது வழக்கமான AI ஆனது உருவாக்க AI ஆக உருவானது.
அதனோடு இயந்திர கற்றல் (ML), இயற்கை மொழி செயலாக்கம் (NLP), ஆழ்கற்றல் (DL) போன்ற பிற தரவு செயலாக்க கட்டமைப்புகளின் முன்னேற்றங்களிலிருந்து AI குறிப்பிடத்தக்க வகையில் பயனடைந்துள்ளது.
உருவாக்க செயற்கைநினைவகம்(Generative AI) என்றால் என்ன?
உருவாக்க செயற்கைநினைவகம்(Generative AI) என்பது மேற்பார்வை செய்யப்படாத அல்லது பகுதியளவு–கண்காணிப்புடன்கூடிய இயந்திர கற்றல் தருக்கபடி முறைகளின் அடிப்படையிலான AI அமைப்புகளைக் குறிக்கின்றது, அவை தரவுகளைப் பயன்படுத்தி கலைப்பொருட்களின் பிரதிநிதித்துவத்தைக் கற்றுக்கொள்கின்றன, மேலும் அசல் தரவுகளுடன் ஒற்றுமையைப் பராமரிக்கும் அதே வேளையில் முழுமையான புதிய கலைப்பொருட்களை உருவாக்க அந்தப் பிரதிநிதித்துவத்தைப் பயன்படுத்துகின்றன. உண்மையானதாகத் தோன்றும் கலைப்பொருட்களை உருவாக்குவதே இதன்கருத்தமைவாகும். உருவாக்க செயற்கைநினைவகம்(Generative AI) என்பது செயற்கை நுண்ணறிவின் வகையை பிரதிநிதித்துவப்படுத்துகிறது, இதனைகொண்டு ஏற்கனவே உள்ள தரவை பகுப்பாய்வு செய்வதற்கு மாறாக புதிய உள்ளடக்கத்தை உருவாக்க முடியும். கட்டுரைகள், வலைப்பதிவு இடுகைகள் அல்லது படங்கள் , ஒலிகள் போன்ற புதிய உள்ளடக்கத்தை உருவாக்கும் திறனை வளர்ப்பதற்காக,இந்த பயிற்சியளிக்கப்பட்ட மாதிரியானது, அதன் சொந்த புரிதலை உருவாக்கு வதற்கும் வளர்ச்சியடைவதற்கும் பயன்படுத்தப்படுகின்ற ஒரு சிறிய குறிப்பு ஆகும். கடந்த இரண்டு பத்தாண்டுகளாக பயன்பாட்டில் இருந்துவருகின்ற வழக்கமான AI ஆனது, ஏற்கனவே உள்ள தரவை பகுப்பாய்வு செய்வதில் மட்டும் கவனம் செலுத்துகிறது. இது மேற்பார்வையிடப்படும் இயந்திரக் கற்றல் ஆகும், அதேசமயத்தில் உருவாக்க செயற்கைநினைவகம்(Generative AI) என்பது மேற்பார்வை செய்யப்படாத அல்லது பகுதியளவு–கண்காணிக்கப்பட்ட இயந்திரக் கற்றல் ஆகும், இது ஏற்கனவே உள்ள உள்ளீட்டுத் தரவு, உருவப்படம், இசை அல்லது கானொளிகாட்சி ஆகியஉள்ளடக்கத்தைப் பயன்படுத்தி புதிய உள்ளடக்கத்தை உருவாக்க உதவுகிறது.
தரவு ஏற்கனவே பயன்பாட்டில் உள்ளதால், புதிய தரவுகளில் சரியான பதில்களைக் கண்டறிவதே இந்தமேற்பார்வையிடப்பட்ட இயந்திர கற்றல் தருக்கபடிமுறைகளின் பணியாகும்.
மேற்பார்வை செய்யப்படாத இயந்திரக் கற்றல் என்பது தரவுகளிலிருந்து மறைக்கப்பட்ட வடிவங்களைக் கண்டறிவதற்கான தொழில்நுட்பமாகும். இந்த வழிமுறையைப் பயன்படுத்தி, ஒரு இயந்திரக் கற்றல் மாதிரியானது எந்தவொரு தோரணிகளை, கட்டமைப்புகளை ஒற்றுமைகளை , தரவுகளில் உள்ள வேறுபாடுகளை தானேசொந்தமாகத் தேடுகிறது. அதற்காக மனித ஈடுபாடு எதுவும்தேவையில்லை.
மேற்பார்வையிடப்பட்ட இயந்திர கற்றல் என்பது பாரபட்சமான மாதிரி, மேற்பார்வை செய்யப்படாத இயந்திரக் கற்றல் ஆகியவற்றினை உருவாக்க மாதிரியாக செயல்படுத்திடுகிறது. இரண்டு மாதிரிகளின் கலவையான பதிப்பானது பகுதியளவு–மேற்பார்வையுடைய இயந்திர கற்றல் என அழைக்கப்படுகிறது.
ஒரு முன்கணிப்பு மாதிரியைப் பயிற்றுவிப்பதற்காக, அடையாளமிடப்படாத தரவின் கணிசமான அளவு அடையாளமிடப்பட்ட தரவுகளுடன், பகுதியளவு–கண்காணிக்கப்பட்ட கற்றல் (SSL) பயன்படுத்திகொள்கிறது. இந்த மாதிரியின் முக்கிய நன்மை என்னவென்றால், மாதிரியின் தரவு மாதிரியை எடுத்துக் கொண்டு குறுகிய காலத்திற்குள், போலியான அடையாளத்தின் மூலம் சுய–பயிற்சியின் இயந்திர கற்றல் செயல்முறையை ஒருவர் தொடங்கலாம். இந்த மாதிரியில் இணையான பயிற்சி போன்ற பல வேறுபாடுகள் உள்ளன, இது தரவுகளின் இரட்டை பார்வைகளின் அடிப்படையில் இரண்டு தனிப்பட்ட வகைப்படுத்திகளுக்கு பயிற்சி அளிக்கிறது. இந்த மாதிரிகள் தேவை, பயன்பாட்டு எதிர்பார்ப்புகளின் அடிப்படையில் உருவாக்கப்பட்டுள்ளன.
மேற்பார்வை செய்யப்படாத ML மாதிரிகளின் பண்புகள்
அவற்றின் தத்தெடுப்பும் பயன்பாட்டு நிகழ்வுகளும் உருவாகும்போது, இந்த இயந்திர கற்றல் மாதிரிகளானவை ஒவ்வொன்றும் அதன் முக்கிய திறன்களில் வியத்தகு முறையில் முன்னேறிடுமாறும் மேம்படுத்திடுமாறும் கட்டளையிடப் பட்டுள்ளன. பகுதியளவு–கண்காணிக்கப்பட்ட கற்றல் இன்று எல்லா இடங்களிலும் பயன்படுத்தப்படுகிறது – அதாவது தரவு ஒருங்கிணைப்பு முதல் உருவப்படம் அல்லது பேச்சு செயலாக்கம் வரை. குறைந்த எண்ணிக்கையிலான வரையறுக்கப்பட்ட மாறிகளின் அடிப்படையில் தரவின் வகைப்படுத்தலைச் செய்வதன் மூலம் பொதுமைப்படுத்தல் பகுதியளவு–கண்காணிக்கப்பட்ட இயந்திர கற்றல் சலுகைகள் மிகவும் கவர்ச்சிகரமானவைகளாகும், இது அனைத்து இயந்திர கற்றல் மாதிரிகளின் மத்தியில் மிகவும் பிரபலமாக உள்ளது. மூன்று வெவ்வேறு இயந்திர கற்றல் மாதிரிகள் எவ்வாறு வேறுபடுகின்றன என்பதை அட்டவணை 1 காட்டுகிறது பல்வேறு பயன்பாட்டு நிகழ்வுகளுக்கு பொதுவாகப் பயன்படுத்தப்படும் தருக்கபடிமுறைகளின்ம் வகைகளை பட்டியலிடுகிறது. இந்த மாதிரிகள் எங்கு, எவ்வாறு மிகவும் பயனுள்ளதாக இருக்கும் என்ற ஒரு ஆலோசனையை வழங்குகின்றது.
பெரும்பாலான செயற்கை நுண்ணறிவின் நிறுவன பயன்பாடுகள் பைதான், லிஸ்ப், ஜாவா, சி++ , ஜூலியா போன்ற பொதுவாக அறியப்பட்ட திறமூல கணினிமொழிகளில் எழுதப்படுகின்றன. எண்ணிம உருமாற்றப் பயணத்தைத் துவங்குகின்ற பெரும்பாலான நிறுவனங்கள், இயல்பான செயல்திறனை அதிகரிப்பதற்கும்,பயன்பாட்டிலுள்ள செயல்முறைகளின் தன்னியக்க மாக்கலுக்கும் வழக்கமான சூழ்நிலைகளில் AI ஐ மேம்படுத்துவதைக் காண்கிறது. நல்ல செய்தி என்னவென்றால், மிகவும் பிரபலமான திறமூல AI கட்டமைப்புகளின் மேம்படுத்துநர்கள் தான் விரும்பும் கணினிமொழியையும், செயல்படுத்துகின்ற மாதிரியையும் பயன்படுத்த அனுமதிக்கின்றன – மேற்பார்வையிடப்பட்ட, பகுதியளவு–கண்காணிக்கப்பட்ட அல்லது மேற்பார்வை செய்யப்படாத கற்றலிற்கான தற்போதைய பயன்பாட்டில் உள்ள சில பிரபலமான AI கட்டமைப்புகள் கீழே பட்டியலிடப்பட்டுள்ளன.
TensorFlow என்பது மிகவும் பிரபலமான AI கட்டமைப்பாகும். இதுGoogle எனும் நிறுவனத்தால் உருவாக்கப்பட்டது, இது எளிதான , விரிவாக்கம் செய்யக்கூடிய அமைப்பில் நரம்பியல் வலைபின்னல்களைக் கற்றுக்கொள்வதை ஆதரிக்கிறது. இது மிகவும் பரவலாக ஏற்றுக்கொள்ளப்பட்ட ஆழ்கற்றல் வரைச்சட்டமாகும்.
கண்காணிக்கப்பட்ட vs மேற்பார்வை செய்யப்படாத கற்றல்
PyTorch என்பது இயந்திர கற்றல் வழிமுறைகளை உருவாக்குவதற்கான ஒரு பைதான் வரைச்சட்டமாகும், இதில்முன்மாதிரியிலிருந்து உற்பத்திக்கு விரைவாக உருவாக்கலாம்.
Keras இதுமேம்படுத்துநரை மனதில் கொண்டு வடிவமைக்கப்பட்டுள்ளது. இது இயந்திர கற்றல் மாதிரிகளை விரைவாக உருவாக்க, பயிற்சியும் மதிப்பீடும் செய்வதற்கான கூடுதலாக இணைத்துசெயல்படுத்துதல்(plug-and-play) கட்டமைப்பை அனுமதிக்கிறது.
scikit-learn இது கணிப்புகள், வகைப்பாடு அல்லது தரவுகளின் புள்ளியியல் பகுப்பாய்வு ஆகியவற்றிற்கு ஏற்றதாகச் செய்கின்ற பொதுவான இயந்திரக் கற்றல் தருக்கபடிமுறைகளிலிருந்து ஒரு பெரிய அளவிலான சுருக்கமான விவரத்தை உள்ளடக்கியது.
எந்தச் சிக்கலைத் தீர்க்க வேண்டும் , எந்த நூலகங்கள் அதற்கு அதிக ஆதரவை வழங்குகின்றன என்பதைத் தெரிந்துகொள்வது, எதிர்பார்க்கப்படும் விளைவை அளிக்கின்ற இயந்திர கற்றல் தொகுதியை உருவாக்க எந்த கருவிகளையும் கட்டமைப்பையும் பயன்படுத்த வேண்டும் என்பதை தீர்மானிக்க உதவும்.
உருவாக்கக்கூடிய AI பற்றிய ஆராய்ச்சி தொடர்கிறது , இந்த தொழில்நுட்பம் இன்று வாழ்வியலின்அறிவியல், சுகாதாரம், உற்பத்தி, பொருட்களின் அறிவியல், ஊடகம், பொழுதுபோக்கு, வாகனம், விண்வெளி, இராணுவம் , ஆற்றல் உள்ளிட்ட பல்வேறு தொழில்களில் பயன்படுத்தப்படுகிறது.
AI எதிர்காலத்தில் எந்த திசையை எடுத்தாலும், அதன் செல்வாக்கு மிக நீண்ட காலத்திற்கு நீடிக்கும். இன்று, உருவாக்க AI இன் கண்டுபிடிப்புகள் Organoids நுண்ணறிவுக்கு வழிவகுத்தன. Organoids என்பது stem திசுக்களிலிருந்து பெறப்பட்ட முப்பரிமாண ஆய்வகத்தால் வளர்ந்த திசுக்கள் ஆகும். நமது அன்றாட வாழ்வில் AI இன் பல்வேறு வடிவங்களைத் பயன்படுத்திடும்போது, – இந்தத் துறையில் புதுமைகள் தொடர்ந்து அதிநவீன தொழில்நுட்பத்தை உருவாக்குகின்றது என்பது நிச்சயமாகும்