2024 ஆம் ஆண்டுக்கான இயற்பியலுக்கான நோபல் பரிசு, இன்றைய சக்திவாய்ந்த AIக்கு அடித்தளமாக இருக்கும் முறைகளை உருவாக்கியதற்காக இரண்டு விஞ்ஞானிகளுக்கு வழங்கப்பட்டுள்ளது.
ஜான் ஹாப்ஃபீல்ட் மற்றும் ஜெஃப்ரி ஹிண்டன் ஆகியோர் ‘செயற்கை நரம்பியல் நெட்வொர்க்குகள் மூலம் இயந்திர கற்றலை செயல்படுத்தும் அடிப்படை கண்டுபிடிப்புகள் மற்றும் கண்டுபிடிப்புகளுக்காக’ மதிப்புமிக்க விருதைப் பெற்றனர்.
பிரின்ஸ்டன் பல்கலைக்கழகத்தைச் சேர்ந்த ஜான் ஹாப்ஃபீல்ட், AI-ஐ வடிவங்களைச் சேமிக்கவும் மீண்டும் உருவாக்கவும் அனுமதிக்கும் முறைகளைக் கண்டுபிடித்தார்.
டொராண்டோ பல்கலைக்கழகத்தைச் சேர்ந்த ஜெஃப்ரி ஹிண்டன், குறிப்பிட்ட படங்களில் உள்ள கூறுகளை அங்கீகரிப்பது போன்ற பணிகளை முடிக்க அனுமதிக்கும் தரவில் உள்ள பண்புகளைக் கண்டறியும் திறனை AIக்கு வழங்கினார்.
இந்த கண்டுபிடிப்புகள் ChatGPT போன்ற நவீன சாட்போட்களை இயக்கும் செயற்கை நரம்பியல் நெட்வொர்க்குகளை உருவாக்க அனுமதித்தன.
2024 ஆம் ஆண்டுக்கான இயற்பியலுக்கான நோபல் பரிசு ஜான் ஹாப்ஃபீல்ட் மற்றும் ஜெஃப்ரி ஹிண்டன் ஆகியோருக்கு இன்றைய சக்திவாய்ந்த AIக்கு அடித்தளமாக இருக்கும் முறைகளை மேம்படுத்தியதற்காக வழங்கப்பட்டுள்ளது.
இயற்பியலுக்கான நோபல் பரிசுக் குழு இரண்டு விஞ்ஞானிகளுக்கும் இயந்திரக் கற்றலின் வளர்ச்சிக்கு வழிவகுத்த அவர்களின் ‘அடிப்படை கண்டுபிடிப்புகளுக்காக’ பரிசை வழங்கியது.
பெரும்பாலான நவீன செயற்கை நுண்ணறிவுகள் செயற்கை நரம்பியல் நெட்வொர்க்குகள் எனப்படும் தொழில்நுட்பத்தை அடிப்படையாகக் கொண்டவை, அவை மூளையில் உள்ள நியூரான்களுக்கு இடையிலான தொடர்புகளைப் பிரதிபலிக்கின்றன.
AI இல், நியூரான்கள் கணுக்களால் பிரதிநிதித்துவப்படுத்தப்படுகின்றன, அவை இணைப்புகள் மூலம் ஒருவருக்கொருவர் செல்வாக்கு செலுத்துகின்றன, அவை பலவீனமாகவோ அல்லது வலுவாகவோ செய்யப்படலாம் – AI களை காலப்போக்கில் கற்றுக்கொள்ள அனுமதிக்கிறது.
இந்தத் தொழில்நுட்பம் இல்லாமல், ChatGPT முதல் Apple Intelligence வரை அனைத்தையும் இயக்கும் சக்திவாய்ந்த அமைப்புகள் சாத்தியமில்லை.
இந்த ஆண்டு நோபல் பரிசு பெற்றவர்கள் இருவரும் 1980 களில் இருந்து இந்த முக்கியமான முன்னேற்றங்களுக்கு அடித்தளம் அமைப்பதில் முக்கிய பங்கு வகித்தனர்.
இயற்பியலுக்கான நோபல் கமிட்டியின் தலைவரான எலன் மூன்ஸ் கூறுகிறார்: ‘பரிசு பெற்றவர்களின் பணி ஏற்கனவே மிகப்பெரிய பலனைத் தந்துள்ளது.
‘இயற்பியலில், குறிப்பிட்ட பண்புகளுடன் புதிய பொருட்களை உருவாக்குவது போன்ற பரந்த அளவிலான பகுதிகளில் செயற்கை நரம்பியல் நெட்வொர்க்குகளைப் பயன்படுத்துகிறோம்.’
ஜான் ஹாப்ஃபீல்ட் ‘ஹாப்ஃபீல்ட் நெட்வொர்க்’ என்ற அமைப்பைக் கண்டுபிடித்ததற்குப் பொறுப்பானவர், இது AI வடிவங்களைச் சேமிக்கவும் மீண்டும் உருவாக்கவும் அனுமதிக்கிறது.
இயற்பியலில் அவரது பின்னணியுடன், மூளையின் தனிப்பட்ட நியூரான்கள் எவ்வாறு சுவாரஸ்யமான புதிய திறன்களை உருவாக்க ஒன்றாக வேலை செய்கின்றன என்பதைப் புரிந்துகொள்ள ஹாப்ஃபீல்ட் முயன்றார்.
வெவ்வேறு பலங்களின் இணைப்புகளால் இணைக்கப்பட்ட கணுக்களின் வலைப்பின்னல் போல மூளை ஒன்றாக வேலை செய்வதாக அவர் கற்பனை செய்தார்.
இன்றைய AI கள் செயற்கை நரம்பியல் நெட்வொர்க்குகள் என்ற அமைப்பைப் பயன்படுத்துகின்றன, இது ஹாப்ஃபீல்ட் மற்றும் ஹிண்டனின் வேலை இல்லாமல் சாத்தியமில்லை.
ஹாப்ஃபீல்ட் இந்த நெட்வொர்க்குகளுக்கு ஒரு படத்தை ஊட்டுவதன் மூலமும், படத்திற்கு ‘குறைந்த ஆற்றலை’ வழங்க முனைகளுக்கு இடையிலான இணைப்புகளை சரிசெய்யும் விதியைப் பின்பற்றுவதன் மூலமும் நிரல் செய்ய முடியும் என்பதைக் கண்டறிந்தார்.
சிகரங்கள் மற்றும் பள்ளங்களின் நிலப்பரப்பை வடிவமைப்பது போல இதைப் பற்றி நீங்கள் சிந்திக்கலாம் – நெட்வொர்க் ஒரு படத்தை வழங்கும்போது அது பள்ளத்தாக்கின் அடிப்பகுதி குறைந்த ஆற்றலைக் கொண்ட ஒரு மெய்நிகர் நிலப்பரப்பில் ஒரு பள்ளத்தாக்கை உருவாக்குகிறது.
இந்த நிலப்பரப்பில் நீங்கள் ஒரு பந்தைக் கைவிட்டால், அது எல்லாப் பக்கங்களிலும் மலைகளால் சூழப்படும் வரை குறைந்த ஆற்றலை நோக்கி கீழ்நோக்கி உருளும்.
அதே வழியில், ஹாப்ஃபீல்ட் நெட்வொர்க் சிதைந்த அல்லது பகுதியளவு நீக்கப்பட்ட உள்ளீட்டிற்கு மிக நெருக்கமான மாதிரியைக் கண்டறிய முடியும்.
இதற்கிடையில், ஜெஃப்ரி ஹிண்டன், முக்கியமாக ‘போல்ட்ஸ்மேன் இயந்திரத்தை’ உருவாக்கியதற்காக நோபல் பரிசைப் பெற்றார்.
ஜான் ஹாப்ஃபீல்ட் செயற்கை நெட்வொர்க்குகளில் படங்களைச் சேமிப்பதற்கான ஒரு வழியைக் கண்டுபிடித்தார், இது ஓரளவு சிதைந்த தரவை வழங்கும்போது மிக நெருக்கமான பொருத்தப்பட்ட சேமிக்கப்பட்ட படத்தைக் கண்டுபிடிக்கும் திறனை கணினிகளுக்கு வழங்குகிறது.
இந்த இயந்திரங்கள் ஹாப்ஃபீல்ட் நெட்வொர்க்கை அவற்றின் அடிப்படையாகப் பயன்படுத்துகின்றன, ஆனால் கொடுக்கப்பட்ட வகை தரவுகளில் உள்ள சிறப்பியல்பு கூறுகளை அடையாளம் காணும் புதிய திறனை நெட்வொர்க்கிற்கு வழங்குகிறது.
மனிதர்கள் வகைகளின்படி தரவை அடையாளம் கண்டு விளக்குவது போலவே, இயந்திரங்களுக்கும் இது சாத்தியமா என்பதை ஹிண்டன் அறிய விரும்பினார்.
இதைச் செய்ய, ஹிண்டனும் அவரது சகாவான டெரன்ஸ் செஜ்னோவ்ஸ்கியும், ஹாப்ஃபீல்டின் ஆற்றல் நிலப்பரப்புகளை புள்ளியியல் இயற்பியலில் இருந்து எடுக்கப்பட்ட யோசனைகளுடன் இணைத்தனர்.
இந்த முறைகள், வாயு மேகத்தை உருவாக்கும் மூலக்கூறுகள் போன்ற தனித்தனியாக கண்காணிப்பதற்கு பல தனிப்பட்ட பாகங்களைக் கொண்ட அமைப்புகளை விவரிக்க விஞ்ஞானிகளை அனுமதிக்கிறது.
எல்லா பகுதிகளையும் நம்மால் கண்காணிக்க முடியாவிட்டாலும், அவை இருக்கக்கூடிய சில நிலைகளை நாம் விவரிக்கலாம், மேலும் அவை ஏற்படக்கூடிய சாத்தியக்கூறுகளைக் கணக்கிடலாம்.
ஜெஃப்ரி ஹிண்டன் (படம்) உதாரணங்களில் இருந்து கற்றுக்கொள்ளும் திறன் கொண்ட முதல் ‘உருவாக்கும்’ அல்காரிதம்களை உருவாக்கும் பணிக்காக ‘AI இன் காட்பாதர்’ என்று அடிக்கடி விவரிக்கப்படுகிறார்.
ஜெஃப்ரி ஹிண்டன் போல்ட்ஸ்மேன் மெஷினை (விளக்கப்படம்) உருவாக்கும் பணிக்காக இந்த விருதைப் பெற்றார், இது ஹாப்ஃபீல்ட் நெட்வொர்க்குகளை விரிவுபடுத்தி ‘மறைக்கப்பட்ட’ அடுக்குகளை உள்ளடக்கியது.
பத்தொன்பதாம் நூற்றாண்டின் இயற்பியலாளர் லுட்விக் போல்ட்ஸ்மேன் ஒரு சமன்பாட்டை எடுத்து இந்த செயல்முறையை விவரித்து அதை ஹாப்ஃபீல்ட் நெட்வொர்க்கில் பயன்படுத்துவதே ஹிண்டனின் திருப்புமுனையாகும்.
இதன் விளைவாக வரும் ‘போல்ட்ஸ்மேன் இயந்திரம்’ ஹாப்ஃபீல்ட் நெட்வொர்க் போன்ற முனைகளைக் கொண்டுள்ளது, ஆனால் ‘மறைக்கப்பட்ட’ முனைகளின் அடுக்கையும் கொண்டுள்ளது.
முழு நெட்வொர்க்கின் பண்புகளையும் மாற்றாமல் கணுக்களின் வடிவத்தை மாற்றக்கூடிய நிலையைக் கண்டறியும் வரை, கணுக்களின் மதிப்பை ஒரு நேரத்தில் புதுப்பிப்பதன் மூலம் இயந்திரம் இயக்கப்படுகிறது.
நீங்கள் தேடுவதைப் பற்றிய உதாரணங்களை வழங்குவதன் மூலம் இயந்திரத்தைக் கற்றுக்கொள்ள இது அனுமதிக்கிறது.
‘தெரியும் முனைகளில்’ தோன்றுவதற்கான அதிகபட்ச நிகழ்தகவு எடுத்துக்காட்டு மாதிரி இருக்கும் வரை, அதன் இணைப்புகளின் மதிப்புகளை மாற்றுவதன் மூலம் இயந்திரத்தைப் பயிற்றுவிக்க முடியும்.
ஃபீல்ட்மேன் மற்றும் ஹிண்டன் உருவாக்கிய முன்னேற்றங்கள் நரம்பியல் நெட்வொர்க்குகளுக்கான அடிப்படையை உருவாக்கியுள்ளன, இது மிகவும் மேம்பட்ட நவீன AI (கோப்பு புகைப்படம்)
ChatGPT போன்ற AI சாட்போட்கள் தங்கள் பரந்த அமைப்புகளுக்குச் சக்தி அளிக்க செயற்கை நரம்பியல் நெட்வொர்க்குகளைப் பயன்படுத்துகின்றன, ஃபீல்ட்மேன் மற்றும் ஹிண்டன் (கோப்புப் படம்) நடத்திய அடிப்படை ஆராய்ச்சி இல்லாமல் இவை சாத்தியமில்லை.
இது இதுவரை பார்த்திராத விஷயங்களில் உள்ள வடிவங்களை AI ஐ அடையாளம் காண அனுமதிக்கிறது – நீங்கள் முன்பு பார்த்தாவிட்டாலும் கூட, புலி எப்படியாவது உங்கள் வீட்டுப் பூனையுடன் தொடர்புடையது என்று எப்படி உடனடியாகச் சொல்வது போல.
இந்த நெட்வொர்க்குகளை ஒன்றன் மேல் ஒன்றாக அடுக்குவதன் மூலம், இன்று நாம் அங்கீகரிக்கும் பல AIகளை ஒத்த ஒன்றை உருவாக்கலாம்.
எடுத்துக்காட்டாக, நீங்கள் முன்பு ரசித்தவற்றின் அடிப்படையில் திரைப்படங்களைப் பரிந்துரைக்க எளிய போல்ட்ஸ்மேன் இயந்திரம் பயன்படுத்தப்படலாம்.
ஹாப்ஃபீல்ட் மற்றும் ஹிண்டன் அவர்களின் ஆரம்ப கண்டுபிடிப்புகளை செய்ததில் இருந்து AI இன் துறை நீண்ட தூரம் வந்திருந்தாலும், அவர்களின் பணி சமீபத்திய வரலாற்றில் சில முக்கியமான கண்டுபிடிப்புகளுக்கு அடிப்படையாக அமைந்தது.
