कृत्रिम बौद्धिकता (एआई) लाई कसरी बुझ्ने ?

तपाईँले आर्टिफिसल इन्टेलिजेन्सबारे कति बुझ्नुभएको छ ? विगत ६ महिनामा च्याटजीपीटीजस्ता च्याटबट र मिड्जर्नीजस्ता इमेज जेनरेटरहरू अत्यन्त लोकप्रिय भएका छन् । तर, आर्टिफिसल इन्टेलिजेन्स (एआई) वा ‘मशीन लर्निङ’ मोडलहरू विगत केही समयदेखि प्रचलनमा नै छन् ।

यो सामग्रीमा हामी च्याटबटबाहेक एआईका अन्य प्रकार र तिनले हाम्रो जीवनमा खेलेका भूमिकाबारे पनि कुरा गर्नेछौँ ।

मशीन लर्निङको केन्द्रमा प्रशिक्षणको एउटा प्रक्रिया हुन्छ । यसमा कम्प्युटर प्रोग्रामलाई ठूलो मात्रामा डेटा र त्यसको प्रयोगसम्बन्धी निर्देशन उपलब्ध गराइन्छ । कहिलेकाहीँ उक्त डेटाको अर्थ के हो भनी अझ विस्तृतमा खुलाउन ‘लेबल’ गरिन्छ ।

प्रयोगसम्बन्धी निर्देशन यस्तो हुन सक्छ : ‘अनुहार भएका सबै तस्बिरहरू पत्ता लगाऊ’ अथवा ‘यी ध्वनिहरूको वर्गीकरण गर ।’

त्यसपछि उक्त प्रोग्रामले तथ्याङ्कभित्र आफूले पूरा गर्नुपर्ने लक्ष्य प्राप्त गर्न उपयुक्त ‘प्याटर्न’ अर्थात् ढाँचा खोज्छ ।

यस क्रममा प्रोग्रामलाई थप घच्घच्याउनुपर्ने हुनसक्छ । उदाहरणका लागि, तपाईँले ‘त्यो अनुहार होइन’ वा ‘यी दुई ध्वनिहरू छुट्टै हुन्’ भनेर बताउनुपर्छ । प्रोग्रामले यी तथ्याङ्कबाट सिकेका कुरा र पाएका निर्देशनलाई एआई मोडल भनिन्छ । यसरी प्रशिक्षणमा प्रयुक्त सामग्रीले प्रोग्रामको क्षमता परिभाषित गर्छ ।

फरक प्रकारका एआई बनाउने प्रशिक्षण प्रक्रिया बुझ्नका लागि विभिन्न जनावरको उदाहरण प्रयोग गर्न सकिन्छ । विगत लाखौँ वर्षभरि प्राकृतिक वातावरणले जीवजन्तुहरूलाई छुट्टाछुट्टै क्षमता दिएको छ । त्यसैगरी, तालिममा प्रयोग गरिने डेटाहरूबिच लाखौँ चक्रमा गुज्रिँदा एआईमा पनि विशिष्ट कार्यक्षमता विकास हुन्छ ।

त्यसोभए हामीले आजसम्म एआईलाई केकस्तो तालिम दिएका छौँ र केके सीप तथा क्षमता विकास भएका छन् त ?

च्याटबटलाई एउटा सुगाजस्तै सोच्नुहोस् । यसले आफूले सुनेका शब्दहरूलाई तिनको पूरा अर्थ थाहा नपाइकनै पनि केही हदसम्म सन्दर्भ बुझेर मान्छेको बोलीको अनुकरण गर्दै ती शब्द दोहो¥याउन सक्छ ।

च्याटबटले पनि त्यही गर्ने हो, तर थप सुझबुझसहित । च्याटबटहरू लिखित शब्दसँगको हाम्रो सम्बन्धलाई बदल्ने तहमा पुगेका छन् ।

यिनीहरू ‘लार्ज ल्याङ्विज मोडल’ वा एलएलएम भनेर चिनिन्छन् । यस प्रकारको एआईलाई अत्यधिक ठूलो परिमाणको पाठ्य सामग्रीसहित तालिम दिइएको हुन्छ ।

एलएलएमले शब्द मात्र नभई पूर्ण वाक्य पनि बुझ्छ र एउटा पाठ्यांशमा प्रयुक्त पद तथा पदावलीलाई आफ्नो तथ्याङ्क सङ्ग्रहभित्रको अन्य पाठ्यांशसँग तुलना गर्छ ।

अर्बौँ पटक यस्तो तुलना गर्दा यसले प्रश्न पढ्न र उत्तर लेख्न सक्छ । च्याटबट पनि तपाईँको फोनमा तपाईँको आशय सुहाउँदो वैकल्पिक उत्तर लेखिदिने सुविधा (प्रिडिक्टिभ टेक्स्ट मेसिजिङ) जस्तै नै हो, तर यसले बृहत् तहमा काम गर्छ ।

‘लार्ज ल्याङ्विज मोडल’ को सबैभन्दा गज्जबको कुरा भनेको तिनले मानव सहायताबिनै व्याकरण सिक्न र शब्दको अर्थ पहिल्याउन सक्छन् ।

तपाईँले एलेक्सा, सिरी वा यस्तै अन्य आवाज चिन्ने साधन प्रयोग गरिसक्नुभएको छ भने तपाईँले एआईको प्रयोग गर्न थालिसक्नुभएको छ ।

ध्वनिमा हुने सूक्ष्म भिन्नता पहिचान गर्नका लागि तयार गरिएको ठूला आँखा भएको एउटा खरायो कल्पना गर्नुहोस् ।

एआईले तपाईँको बोलीलाई त्यसमा भएको पृष्ठभूमिको होहल्ला हटाएर रेकर्ड गर्न सक्छ । त्यसपछि त्यसलाई बोलिने प्रत्येक शब्दभित्रका ध्वनिका एकाइ वा ध्वनिशास्त्रीय एकाइमा विभक्त गर्छ । त्यसपछि आफ्नो सङ्ग्रहमा रहेको ध्वनिसँग त्यसलाई मिलाएर बुझ्छ ।

त्यसपछि तपाईँको बोली शब्दमा बदलिन्छ । यस क्रममा उत्तर दिनुअघि नै सुन्दा भएको गल्ती पनि सच्याइन्छ ।

यस प्रकारको एआईलाई ‘न्याचुरल ल्याङ्विज प्रोसेसिङ’ भनिन्छ ।

फोनमा ब्याङ्किङ कारोबार स्वीकृत गर्न तपाईँले ‘हुन्छ’ भन्नेदेखि तपाईँ जान लाग्नुभएको सहरको आगामी दिनको मौसमबारे फोनलाई सोध्ने लगायतका कामका पछाडि यही प्रविधि छ ।

के तपाईँको फोनले कहिल्यै तपाईँका तस्बिरलाई कुनै फोल्डरमा सङ्कलन गरी ‘समुद्री किनारमा’ वा ‘नाइट्स आउट’ भनेर नाम दिएको छ ?

यदि छ भने तपाईँले थाहा नपाइकनै एआईको प्रयोग गरिसक्नुभएको छ । एआईको नियम वा एल्गरिदमले तपाईँको तस्बिरमा भएका प्याटर्नहरू खुट्टयाई तपाईँका लागि तिनलाई विभिन्न वर्गमा राखिदिएको हो ।

सामान्य विवरणसहित राखिएका तस्बिरहरूका थानैथान हेर्न लगाएर यस्ता प्रोग्रामहरूलाई तालिम दिइएको छ ।

यदि तपाईँले तस्बिर चिन्ने एआईलाई ‘साइकल’ नाम दिएर पर्याप्त तस्बिरहरू दिनुभयो भने यसले साइकल कस्तो देखिने रहेछ अनि डुङ्गा वा कारभन्दा यो कसरी फरक हुने रहेछ भनेर बुझ्न थाल्छ ।

कहिलेकाहीँ एआईलाई उस्तै देखिने तस्बिरहरूबिचको सूक्ष्म भिन्नता खुट्टयाउन तालिम दिइएको हुनसक्छ ।

‘फेसल रेकग्निसन’ अर्थात् अनुहार चिन्ने प्रविधिले यसरी नै काम गर्ने हो । यसले तपाईँको अनुहारका विशेषताहरूबिचको सूक्ष्म सम्बन्ध पत्ता लगाई तपाईँको अनुहार यस संसारमा रहेका अरूको भन्दा कसरी फरक छ भन्ने थाहा पाउँछ ।

चिकित्सकीय प्रयोजनका लागि हुने स्क्यानहरूमा जीवन जोखिममा पार्ने ट्युमर चिन्नका लागि पनि यस्तै एल्गरिदमलाई प्रशिक्षित गरिएको हुन्छ । एउटा बिरामीको अध्ययन गर्न एक परामर्शदाता चिकित्सकलाई लाग्ने समयमा यस्तो प्रणालीले हजारौँ बिरामीको स्क्यान गरिदिन सक्छ ।

हालसालै चित्र चिन्ने क्षमता वा ‘इमेज रेकग्निसन’ लाई छेपाराको जस्तो स्वरूप र रङ्ग फेर्ने क्षमता भएका एआई मोडलमा ढालिएको छ ।

यस्तो एआईले सङ्कलन गरेका लाखौँ तस्बिर तथा चित्रहरूका जटिल स्वरूप तथा प्याटर्न (संरचना) लाई पूर्णतः नयाँ तस्बिरमा विकास गर्न सक्छन् ।

त्यसैले तपाईँले एआईलाई मङ्गल ग्रहको सतहमा मानिस हिँडेको जस्तो आजसम्म नभएको घटनाको पनि तस्बिर बनाउन लगाउन सक्नुहुन्छ ।

अथवा तपाईँ अझ सिर्जनात्मक तरिकाले तस्बिरको शैलीका लागि निर्देशन दिन सक्नुहुन्छ : “पिकासोको शैलीमा बनाइएको इङ्गल्यान्ड फूटबल प्रशिक्षकको चित्र बनाइदेऊ ।”

एआईका सबैभन्दा पछिल्लो संस्करणहरूले यस्तो नयाँ चित्र बनाउनका लागि कुनै नियमबिना छानिएका पिक्सल अर्थात् रङ्गीन टुक्राहरूको प्रयोग गर्छ ।

तालिमको क्रममा आफूले सिकेको ढाँचाबारे बुझ्नका लागि यसले कुनै नियमबिना छानिएका बिन्दुहरूलाई पनि हेर्छ ।

यी बिन्दुहरूमाथि थप तहहरू जोडिन्छन् र क्रमशः विकसित गरिन्छन् । बिस्तारै प्रयोग नहुने अन्य बिन्दुहरूलाई हटाइन्छ । आफूले खोजेजस्तो चित्र नबनेसम्म यो क्रम जारी रहन्छ ।

‘मङ्गल ग्रहको सतह’, ‘अन्तरिक्षयात्री’ र ‘हिँडाइ’ लगायत आवश्यक अवयवहरूको ढाँचा विकसित गरेपछि नयाँ चित्र बनिहाल्यो ।

बिनानियम छानिएका पिक्सलहरूको तहबाट नयाँ चित्र विकसित भएको हुनाले आजसम्म कहिल्यै अस्तित्वमा नरहे जस्तो नतिजा देखिन्छ । तर, पनि यो चित्र तालिमको क्रममा एआईले प्रयोग गरेका मौलिक चित्रहरूका अर्बौँ ढाँचा र स्वरूपमा आधारित हुन्छ ।

तर, समाज आज वास्तविक कलाकार, डिजाइनर तथा फोटोग्राफरले मेहनत गरी बनाएका कलात्मक मग्रीको प्रतिलिपि अधिकार र तिनमा आधारित भई हुने सिर्जनाको नैतिकताका विषयमा सङ्घर्षरत छ ।

आफैँ कुद्ने वा सेल्फ–ड्राइभिङ कार पनि एआईबारे हुने छलफलको अङ्ग बनेको दशकौँ भइसकेको छ । विज्ञानकथाले तिनलाई सर्वसाधारण मानिसको कल्पनाको विषयवस्तु बनाइदिएका छन् ।

स्वचालित कारमा प्रयोग हुने एआईलाई ‘अटोनमस ड्राइभिङ’ भनिन्छ । यसमा क्यामरा, रेडार र दूरी थाहा पाउने लेजर प्रयोग गरिएको हुन्छ ।

सबैतिर देख्ने क्षमता र पखेटामा गति तथा दिशालगायतको नियन्त्रणका लागि सेन्सर भएको झ्यालिन्चाको कल्पना गर्नुहोस् ।

त्यसैगरी, एआई मोडलले पनि आफ्नो सेन्सरको प्रयोग गरी वस्तु पत्ता लगाउँछ । साथै ती गतिमा छन् वा छैनन् भनेर पनि थाहा पाउँछ । यदि गतिमा भएमा ती अर्को कार, साइकल, पैदलयात्रु वा अन्य केही हुन् भनेर पनि पत्ता लगाउँछ ।

राम्रो ड्राइभिङ कस्तो हुन्छ भनेर हजारौँ घण्टा तालिम लिइसकेपछि एआई वास्तविक संसारमै कार चलाउन र ठोक्किनबाट जोगिन आवश्यक निर्णय लिन र त्यसलाई कार्यान्वयन गर्न सक्षम भइसकेको छ ।

प्रिडिक्टिभ एल्गरिदमले मानव चालकको प्रायः पूर्वानुमान गर्न नसकिने स्वभावसँग काम गर्न धेरै वर्ष सङ्घर्ष गरेको हुनसक्छ । तर, चालकबिनाका कारहरूले अब वास्तविक सडकका कोसौँ लामा खण्डहरूको तथ्याङ्क सङ्कलन गरिसकेका छन् । सान फ्रान्सिस्कोमा तिनीहरूले पैसा लिएर यात्रु बोक्न थालिसकेका छन् ।

नयाँ प्रविधिले प्राविधिकबाहेक अन्य प्रकारका व्यवधान पनि पार गर्नुपर्छ भन्ने पुष्टि गर्न पनि ‘अटोनमस ड्राइभिङ’ एउटा सार्वजनिक उदाहरण हो ।

हामीले कारको नियन्त्रण कृत्रिम यन्त्रलाई सुम्पिदिँदा के होला भन्ने गहिरो चिन्ताका अतिरिक्त सरकारी कानुन तथा सुरक्षासम्बन्धी नियम पनि सडकको पूर्ण स्वचालित भविष्यका सम्भाव्य व्यवधान हुन् ।

कतिपय एआईले अङ्कलाई मात्रै जोड दिन्छन् र त्यसलाई धेरै मात्रामा सङ्कलन गरेर सूचनाको थुप्रो बनाउँछन् । तिनको उत्पादन अति नै मूल्यवान् हुन्छ ।

विशेषतः पहिल्यै अनलाइन उपलब्ध हुने तपाईँका आर्थिक र सामाजिक गतिविधिका कैयौँ प्रोफाइलहरू प्रयोग गरी तपाईँको बानीव्यवहारबारे भविष्यवाणी गर्न सकिन्छ ।

तपाईँको सुपरमार्केट सदस्यता कार्डले साप्ताहिक किनमेलबाट तपाईँको बानी र स्वाद निगरानी गरिरहेको छ । ऋण दिने एजेन्सीहरूले तपाईँको ब्याङ्कमा र क्रेडिट कार्डमा कति छ भनेर निगरानी गर्छन् ।

नेटफ्लिक्स र एमेजनले तपाईँले गत रात कति घण्टा उनीहरूको सामग्री हेर्नुभयो भनेर निगरानी गरिरहेका हुन्छन् । तपाईँको सामाजिक सञ्जालका खाताहरूले कतिवटा भिडिओमा तपाईँले टिप्पणी गर्नुभयो भनेर थाहा पाउँछन् ।

अनि त्यो तपाईँको मात्रै होइन । यस्ता अङ्कहरू सबैका हुन्छन् र त्यसले एआईलाई सामाजिक ट्रेन्ड हेर्नका लागि मन्थन गर्न सबल बनाउँछन् ।

यस्ता एआई मोडलहरूले तपाईँको जीवनलाई आफ्नो बाटोमा डो¥याउन सुरु गरिसकेका छन् । यिनीहरूले तपाईँलाई ऋण लिने निर्णय गर्नदेखि अनलाइनमा देखेका विज्ञापनका आधारमा तपाईँले के किन्नुहुन्छ भन्नेसम्मका काम प्रभावित गर्छन् ।

यसमध्ये केही सीपहरू एउटै मिश्रित मोडलमा संयोजन गर्न सम्भव हुन्छ ?

एआईमा भएको सबैभन्दा पछिल्लो प्रगतिले ठ्याक्कै यही गर्छ ।

यसलाई मल्टिमोडल एआई भनिन्छ र यसले एउटा मोडललाई तस्बिर, शब्द, श्रव्य र दृश्यजस्ता भिन्न प्रकारका डेटामा पहुँच दिन्छ र तिनीहरूबिचका नयाँ प्याटर्न पत्ता लगाउन सहयोग गर्छ ।

यो मल्टिमोडल शैलीलाई च्याटजीपीटीले आफ्नो क्षमतामा ठूलो फड्को मार्नुको एउटा कारण मानिन्छ । च्याटजीपीटीको मोडल जीपीटी ३.५ मा स्तरोन्नति हुँदा यसलाई शब्दहरूका लागि मात्रै प्रशिक्षित गरिएकोमा जीपीटी ४ मा भएको स्तरोन्नतिमा तस्बिरहरूका लागि पनि प्रशिक्षित गरियो ।

एउटै एआई मोडलबाट कुनै पनि प्रकारका तथ्याङ्क प्रशोधन गरेर भाषाहरूको उल्थादेखि नयाँ औषधिको डिजाइन गर्नेसम्मका कुनै पनि प्रकारका काम गर्न सक्ने उपायलाई आर्टिफिसल जेनरल इन्टेलिजेन्स वा एजीआई भनेर चिनिन्छ ।

कतिपयका लागि यो आर्टिफिसल इन्टेलिजेन्स खोजको अन्तिम लक्ष्य हो । अरूका लागि विज्ञानकथाले परिकल्पना गरेको नारकीय संसारको मार्ग नै त्यही हो, जहाँ हामीले हाम्रो समझ नै हाम्रो नियन्त्रणभन्दा बाहिर गइसकेको हुनेछ ।

केही समयअघिसम्म अधिकांश एआईलाई प्रशिक्षण गर्ने मुख्य प्रक्रियालाई ‘सुपरभाइज्ड लर्निङ’ भनिन्थ्यो ।

प्रशिक्षणमा प्रयुक्त डेटासेटहरूलाई मानिसहरूले नै लेबल दिएका थिए र एआईलाई डेटामा निहित प्याटर्नहरू पत्ता लगाउन भनिएको थियो ।

त्यसपछि एआईलाई ती प्याटर्नहरू नयाँ डेटामा प्रयोग गर्न र त्यसको सटीकताबारे प्रतिक्रिया दिन लगाइएको थियो ।

उदाहरणको लागि, मानौँ एआईलाई एक दर्जन तस्बिर दिइएको छ । तीमध्ये ६ वटालाई ‘कार’ र ६ वटालाई ‘भ्यान’ लेबल गरियो । अब एआईलाई कार र भ्यानलाई दुई वर्गमा छुट्याउन मिल्ने सदृश प्याटर्न पत्ता लगाउन भन्नुहोस् ।

त्यसले यसलाई कार पो भन्ठान्यो ! कहाँ के मिलेन भन्ने निकै स्पष्ट छ ।

सीमित सङ्ख्याका तस्बिर प्रयोग गरेर प्रशिक्षित गरिएको हुनाले एआईले रङ्गका आधारमा मात्र कार र भ्यान छुट्याउनुपर्छ भन्ठान्यो ।

तर, यो एआई प्रोग्रामको अद्भूत कुरा के हो भने यसले आफैँ निर्णय ग¥यो । हामी यसले गर्ने निर्णय गर्ने प्रक्रियालाई निखार्न सघाउन सक्छौँ ।

हामी यसलाई दुईवटा वस्तु गलतरूपमा चिनेको बताउन सक्छौँ । त्यसो गर्दा यो तस्बिरहरूमा नयाँ प्याटर्न खोज्न बाध्य हुन्छ ।

तर, अझ महत्वपूर्ण कुरा के हो भने विविधतायुक्त तस्बिरहरू उपलब्ध गराएर हामी प्रशिक्षणमा प्रयुक्त डेटाको ‘बायस’ सच्याउन सक्छौँ ।

यी दुई कुरा सँगै र ठूलो मात्रामा गरेर अधिकांश एआई प्रणालीहरूलाई अविश्वसनीयरूपमा जटिल निर्णयहरू लिन सक्ने गरी प्रशिक्षित गरिन्छ ।

‘सुपरभाइज्ड लर्निङ’ अर्थात् कसैको रेखदेखमा गरिने शिक्षण निकै शक्तिशाली विधि हो । तर, बिनारेखदेख गरिने शिक्षणबाट एआईको क्षेत्रमा नयाँ उपलब्धिहरू हात परेका छन् ।

सामान्य भाषामा भन्नुपर्दा जटिल एल्गरिदम र ठूलो डेटासेटबाट एआईले मानिसको मार्गनिर्देशनबिनै सिक्न सक्छ ।

च्याटजीपीटी एउटा त्यस्तो उदाहरण हो ।

इन्टरनेट र डिजिटाइज्ड पुस्तकहरूमा यति धेरै पाठ छ कि तिनको सहयोगमा च्याटजीपीटीले धेरै महिना लगाएर अर्थपूर्णरूपमा शब्दहरू मिलाउन सिक्यो । त्यसपछि मानिसले त्यसको प्रतिक्रियालाई निखार्न सघाए ।

मान्नुहोस्, तपाईँसँग कुनै विदेशी भाषामा प्रकाशित पुस्तकहरूको ठूलो चाङ छ । तीमध्ये केहीमा तस्बिरहरू पनि हुन सक्छन् ।

अन्ततः तपाईँले कुनै पन्नामा छापिएको चित्र वा रूखको तस्बिरसँगै उही शब्द र घरको तस्बिर भएको ठाउँमा अर्को शब्द प्रयोग भएको छुट्याउन सक्नुभयो ।

अनि ती शब्दनजिकै प्रायः अर्को एउटा शब्द पनि देख्न सक्नुहुन्छ । त्यसको अर्थ एउटा वा यो वा अरू त्यस्तै केही हुन सक्छ ।

च्याटजीपीटीले शब्दहरूबिच हुने सम्बन्ध विश्लेषण ग¥यो र एउटा विशाल तथ्याङ्कीय मोडल बनायो । त्यो मोडलको सहयोगमा च्याटजीपीटले अनुमान गर्न र नयाँ वाक्यहरू लेख्न सक्छ ।

यो विशाल कम्प्युटिङ शक्तिमा भर पर्छ जसले एआईलाई एउटा मात्रै, समूह, वाक्य वा पन्नाहरूमा भएका शब्दहरू स्मरण गर्न दिन्छ । अनि तिनलाई पढ्न र एकछिनमै ती कसरी बारम्बार प्रयोग भएका छन् त्यो तुलना गर्न दिन्छ ।

गत वर्ष डीप लर्निङ मोडलहरूले गरेको तीव्र विकासले आर्टिफिसल इन्टेलिजेन्सको शक्तिबारे नयाँ खालको जिज्ञासा र चासो उत्पन्न गरायो । त्यो अहिले पनि ज्यूँका त्यूँ छ ।

विज्ञानकथाले देखाउने सम्भावना र दिने चेतावनी अकस्मात् हामीमाथि बर्सिए । अनि एआईले उजागर गर्न थालेको आफ्नो आश्चर्यजनक मानवेतर क्षमतायुक्त संसारमा हामीले आफूलाई पायौँ ।