1997 ஆம் ஆண்டு ராபின் வில்லியம்ஸ் ஃபிளிக் ஃப்ளப்பரில், ஒரு மனச்சோர்வு இல்லாத பேராசிரியர், நம்பமுடியாத திறன்களுடன் கூவின் உணர்வுப்பூர்வமான பந்தை உருவாக்கினார்.
இப்போது, 25 ஆண்டுகளுக்கும் மேலாக, விஞ்ஞானிகள் ஃப்ளப்பரை நிஜ உலகிற்கு கொண்டு வரக்கூடிய ஒரு ஆச்சரியமான கண்டுபிடிப்பை செய்துள்ளனர்.
ரீடிங் பல்கலைக்கழக ஆராய்ச்சியாளர்கள் உயிரற்ற ‘ஹைட்ரோஜெல் மூளை’யை உருவாக்கியுள்ளனர், இது பாங் வீடியோ கேமை விளையாடும் திறன் கொண்டது.
கிளாசிக் கேமுடன் இணைக்கப்பட்ட எலக்ட்ரோடுகளின் பிளேட்டைப் பயன்படுத்தி, நீர் சார்ந்த ஜெல்லி பயிற்சி செய்ததால் 10 சதவிகிதம் சிறப்பாகப் பெற முடிந்தது.
ராபின் வில்லியம்ஸின் கண்டுபிடிப்பைப் போல இது துள்ளலானதாக இல்லாவிட்டாலும், இந்த முன்னேற்றம் செயற்கை நுண்ணறிவின் எதிர்காலத்தை மாற்றும் என்று ஆராய்ச்சியாளர்கள் நம்புகின்றனர்.
ஆராய்ச்சியாளர்கள் முந்தைய பரிசோதனையால் ஈர்க்கப்பட்டனர், இது மூளை செல்கள் ஒரு தட்டு மின்முனைகளுடன் இணைக்கப்படும்போது பாங் விளையாட முடியும் என்பதைக் காட்டுகிறது.
‘புத்திசாலித்தனத்தை ஒத்த ஒன்று’ மிகவும் எளிமையான அமைப்புகளால் உருவாக்கப்படலாம் என்று அந்த சோதனைகள் தெரிவிக்கின்றன.
அந்த யோசனையை ஒரு படி மேலே கொண்டு செல்ல, உயிரற்ற ஜெல்லி விளையாட்டையும் விளையாட கற்றுக்கொள்ள முடியுமா என்று ஆராய்ச்சியாளர்கள் ஆய்வு செய்தனர்.
ஜெல்லின் கேம் விளையாடும் திறமையை சோதிக்க, ஆராய்ச்சியாளர்கள் பாங்கின் ஒற்றை-பிளேயர் பதிப்பிற்கு ஒரு ‘அயானிக் ஹைட்ரஜலை’ இணைத்தனர், அதில் வீரர் முடிந்தவரை திடமான சுவரில் இருந்து பந்தைத் துள்ள வேண்டியிருந்தது.
ஆச்சரியப்படும் விதமாக, ஹைட்ரஜல் ஒரு வகையான ‘நினைவகத்தை’ உருவாக்கியது, இது காலப்போக்கில் அதன் செயல்திறனை மேம்படுத்த அனுமதித்தது.
வீடியோ கேம் பாங் விளையாடும் திறன் கொண்ட ஜெல்லியை வடிவமைத்ததால், நிஜ வாழ்க்கை ஃப்ளப்பரை உருவாக்க ஆராய்ச்சியாளர்கள் ஒரு படி நெருக்கமாகிவிட்டனர்.
பயிற்சியின் மூலம், ஜெல்லி விளையாட்டில் 10 சதவீதம் சிறப்பாக இருந்தது மற்றும் நீண்ட பேரணிகளை நடத்த முடிந்தது என்று அவர்கள் கண்டறிந்தனர்.
லீட்ஸ் பல்கலைக்கழகத்தின் முன்னணி எழுத்தாளர் டாக்டர் வின்சென்ட் ஸ்ட்ராங் கூறுகிறார்: ‘ஹைட்ரஜல்கள் விளையாடுவது மட்டுமல்ல; அவர்கள் உண்மையில் காலப்போக்கில் அதை மேம்படுத்த முடியும்.
இருப்பினும், ஜெல்லி உணர்வுப்பூர்வமானது அல்லது அது எப்படி விளையாடுவது என்பதை ‘கற்றுக்கொள்ள வேண்டும்’ என்று ஆராய்ச்சியாளர்கள் கூறவில்லை.
ஜெலட்டின் அல்லது அகார் போன்ற ஹைட்ரோஜெல்கள் பாலிமர்களின் சிக்கலான சங்கிலிகளாகும், அவை தண்ணீரைச் சேர்த்தவுடன் ஜெல்லியைப் போல மாறும்.
இந்த சோதனையில் உள்ள ஜெல்லிக்கும் உங்கள் சமையலறையில் உள்ள ஜெல்லிக்கும் உள்ள ஒரே வித்தியாசம் என்னவென்றால், ஆராய்ச்சியாளர்கள் ‘எலக்ட்ரோ-ஆக்டிவ் பாலிமரை’ பயன்படுத்தியுள்ளனர்.
ஆராய்ச்சியாளர்களால் பயன்படுத்தப்படும் அயனி ஹைட்ரோஜெல்கள் (படம்) மின் தூண்டுதலுக்கு பதிலளிக்கும் வகையில் மாற்றுவதன் மூலம் ‘நினைவகத்தின்’ வடிவத்தை உருவாக்க முடியும்.
ஒரு ஹைட்ரஜல் கிளாசிக் கேம் பாங் (படம்) விளையாட கற்றுக்கொள்ள முடியும் என்று ஆராய்ச்சியாளர்கள் கண்டறிந்துள்ளனர் (படம்) மேலும் பயிற்சியின் மூலம் 10 சதவீதம் வரை மேம்படும்
இந்த பாலிமர்கள் ஒரு ஜெல்லை உருவாக்குகின்றன, அவை அதன் கட்டமைப்பிற்குள் சிக்கியுள்ள சார்ஜ் செய்யப்பட்ட துகள்கள் அல்லது அயனிகள் இருப்பதால் மின் தூண்டுதலுக்கு பதிலளிக்க முடியும்.
ஹைட்ரஜலால் காட்டப்படும் ‘நினைவகம்’ அந்த மிதக்கும் அயனிகள் முடிவடையும் இடத்திற்கு முற்றிலும் கீழே உள்ளது.
ஜெல்லியை பாங் விளையாடச் செய்ய, அது முதலில் இரண்டு தட்டுகளுக்கு இடையில் சாண்ட்விச் செய்யப்பட்டது, ஒவ்வொன்றும் மூன்று முதல் மூன்று சிறிய மின்முனைகளைக் கொண்டுள்ளது.
அந்த எலக்ட்ரோடு ஜோடிகளில் ஆறு, மூன்று-பை-இரண்டு கட்டத்தை உருவாக்கி, திரை முழுவதும் பந்தின் இயக்கத்தை உருவகப்படுத்த சார்ஜ் செய்யப்பட்டது.
மீதமுள்ள மூன்று ஜோடிகள் பின் சுவரைக் குறிக்கப் பயன்படுத்தப்பட்டன, அங்கு வீரர் தங்கள் துடுப்பை நகர்த்துகிறார்.
ஆராய்ச்சியாளர்கள் ஜெல்லியை மின்முனைகளின் ஒரு கட்டத்தில் (படத்தின் இடதுபுறம்) வைத்தனர், இது ஜெல்லியை மின் தூண்டுதலின் மூலம் துடுப்பு மற்றும் பந்தின் இயக்கத்தை உருவகப்படுத்த அனுமதித்தது.
ஆராய்ச்சியாளர்கள் முந்தைய ஆய்வின் மூலம் ஈர்க்கப்பட்டனர், இது ‘டிஷ்பிரைன்’ என்று அவர்கள் அழைக்கும் மவுஸ் நியூரான்களின் தட்டு (படம்) பாங் விளையாட கற்றுக்கொள்ள முடியும் என்பதைக் காட்டுகிறது.
அந்த ஆறு மின்முனைகளும் ஹைட்ரஜலில் உள்ள அயனிகள் எங்கு அதிகமாக குவிந்துள்ளன என்பதை அளந்து அந்த இடத்திற்கு துடுப்பை நகர்த்தியது.
ஹைட்ரஜல் தூண்டப்படும்போது, சார்ஜ் செய்யப்பட்ட அயனிகள் நகர்ந்து, நீர் மூலக்கூறுகளை இழுத்து, ஜெல்லியின் வடிவத்தை மாற்றும்.
அயனிகள் நகரும் போது, அதிக மின்னோட்டத்துடன் கூடிய புள்ளியானது பின்புற சுவரில் பந்து திரையின் குறுக்கே பயணிக்கும்போது, ஜெல்லி துடுப்பின் நிலையை மாற்ற அனுமதிக்கிறது.
தொடக்கத்தில், அனைத்து அயனிகளும் ஜெல்லில் சமமாக பரவியிருப்பதால், துடுப்பு ஓரளவு சீரற்ற முறையில் நகர்ந்தது.
ஆனால் பந்து கோர்ட்டைச் சுற்றி நகரும்போது, அதிக மின்னோட்டத்தைச் சேர்க்கும்போது, அயனிகள் நகர்ந்து பந்து செல்லும் பகுதிகளில் கட்டமைக்கப்படுகின்றன.
டாக்டர் ஸ்ட்ராங் விளக்குகிறார்: ‘காலப்போக்கில், பந்து நகரும் போது, ஜெல் அனைத்து இயக்கத்தின் நினைவகத்தையும் சேகரிக்கிறது. பின்னர் துடுப்பு உருவகப்படுத்தப்பட்ட சூழலில் அந்த பந்தை இடமளிக்க நகர்கிறது.
பந்தை அடிக்கடி உருவகப்படுத்திய பகுதிகளில் கட்டமைக்கப்பட்ட சார்ஜ் செய்யப்பட்ட துகள்களின் இயக்கத்தின் காரணமாக ஹைட்ரஜல் விளையாடுவதற்கு ‘கற்றுக்கொண்டது’. இந்த பரிசோதனையில் (படம்) ஜெல்லி 20 நிமிட பயிற்சிக்குப் பிறகு உச்ச செயல்திறனை அடைந்தது
‘அயனிகள் காலப்போக்கில் அனைத்து இயக்கத்தின் நினைவகத்தையும் வரைபடமாக்கும் விதத்தில் நகரும், மேலும் இந்த “நினைவகம்” மேம்பட்ட செயல்திறனை விளைவிக்கிறது.’
இந்த நினைவகம் துடுப்பை பந்தின் பாதையில் அடிக்கடி நகர்த்த ஜெல் அனுமதிக்கிறது, நீண்ட பேரணிகளை உருவாக்குகிறது.
இந்த அடிப்படை நினைவகம் உண்மையில் முந்தைய மூளை செல் பரிசோதனைகளில் என்ன நடந்தது என்பதை ஒத்ததாக ஆராய்ச்சியாளர்கள் கூறுகின்றனர்.
ரீடிங் பல்கலைக்கழகத்தைச் சேர்ந்த இணை ஆசிரியர் டாக்டர் யோஷிகாட்சு ஹயாஷி, அடிப்படைக் கொள்கை ஒன்றுதான் என்கிறார்.
ஹைட்ரஜல்கள் மற்றும் நியூரான்கள் இரண்டிலும், சார்ஜ் செய்யப்பட்ட அயனிகள் ஒரு விநியோகத்தில் நகர்கின்றன, இது பாங்கின் உருவகப்படுத்தப்பட்ட உலகில் இயக்கத்தின் சுழல்களுடன் வரைபடமாக்குகிறது.
டாக்டர் ஹயாஷி கூறுகிறார்: ‘நியூரான்களில், செல்களுக்குள் அயனிகள் இயங்குகின்றன; ஜெல்லில், அவை வெளியே ஓடுகின்றன.
பாங் போன்ற எளிய விளையாட்டை விளையாடக் கற்றுக்கொள்வதற்கு அப்பால், செயற்கை நுண்ணறிவுக்கான புதிய எளிய அடிப்படையை உருவாக்க ஹைட்ரஜல் நினைவுகளைப் பெற அனுமதிக்கும் வழிமுறைகளைப் பிரித்தெடுக்க ஆராய்ச்சியாளர்கள் நம்புகிறார்கள்.
இரண்டிற்கும் இடையே உள்ள முக்கிய வேறுபாடு என்னவென்றால், ஹைட்ரஜல் ஒரு மெதுவான கற்றல் ஆகும் – மூளை செல்கள் 10 நிமிடங்களுக்கு மாறாக உச்ச செயல்திறனை அடைய 20 நிமிடங்கள் ஆகும்.
எதிர்காலத்தில், புதிய AI இன் அடிப்படையை உருவாக்க இது ஒரு புதிய வகையான ‘புத்திசாலித்தனத்தை’ வழங்கக்கூடும் என்று ஆராய்ச்சியாளர்கள் நம்புகின்றனர்.
இந்த நேரத்தில் பெரும்பாலான AI கள் மூளையில் உள்ள நியூரான்களின் அமைப்பை அடிப்படையாகக் கொண்டவை, எனவே ‘நரம்பியல் நெட்வொர்க்குகள்’ என்று பெயர்.
இருப்பினும், ஒரு ஹைட்ரஜல் மூலம் வெளிப்படுத்தப்படும் நினைவகம் அறிவார்ந்த வழிமுறைகளுக்கு எளிமையான அடிப்படையை வழங்க முடியும்.
இந்த தனித்துவமான நினைவகத்தை அனுமதிக்கும் ஹைட்ரஜலில் இருந்து அல்காரிதம்களைப் பிரித்தெடுப்பதே அவர்களின் அடுத்த குறிக்கோள் என்று ஆராய்ச்சியாளர்கள் கூறுகின்றனர்.
செயற்கை நுண்ணறிவு எவ்வாறு நியூரல் நெட்வொர்க்குகளைப் பயன்படுத்துகிறது
AI அமைப்புகள் செயற்கை நரம்பியல் நெட்வொர்க்குகளை (ANNs) நம்பியுள்ளன, அவை கற்றுக் கொள்வதற்காக மூளை செயல்படும் விதத்தை உருவகப்படுத்த முயற்சி செய்கின்றன.
பேச்சு, உரைத் தரவு அல்லது காட்சிப் படங்கள் உட்பட – தகவல்களில் உள்ள வடிவங்களை அடையாளம் காண ANN களுக்குப் பயிற்சி அளிக்கப்படலாம், மேலும் அவை சமீபத்திய ஆண்டுகளில் AI இன் பல வளர்ச்சிகளுக்கு அடிப்படையாகும்.
வழக்கமான AI, ஒரு குறிப்பிட்ட விஷயத்தைப் பற்றிய ஒரு அல்காரிதத்தை அதிக அளவு தகவல்களை ஊட்டுவதன் மூலம் ‘கற்பிக்க’ உள்ளீட்டைப் பயன்படுத்துகிறது.
AI அமைப்புகள் செயற்கை நரம்பியல் நெட்வொர்க்குகளை (ANNs) நம்பியுள்ளன, அவை கற்றுக் கொள்வதற்காக மூளை செயல்படும் விதத்தை உருவகப்படுத்த முயற்சி செய்கின்றன. பேச்சு, உரைத் தரவு அல்லது காட்சிப் படங்கள் உட்பட – தகவலில் உள்ள வடிவங்களை அடையாளம் காண ANN களுக்குப் பயிற்சி அளிக்கப்படலாம்
நடைமுறை பயன்பாடுகளில் கூகுளின் மொழி மொழிபெயர்ப்புச் சேவைகள், Facebook இன் முக அங்கீகார மென்பொருள் மற்றும் நேரடி வடிப்பான்களை மாற்றும் Snapchat இன் படம் ஆகியவை அடங்கும்.
இந்தத் தரவை உள்ளிடுவதற்கான செயல்முறை அதிக நேரத்தை எடுத்துக்கொள்ளும், மேலும் ஒரு வகை அறிவுக்கு மட்டுமே.
Adversarial Neural Networks எனப்படும் ANNகளின் புதிய இனமானது இரண்டு AI போட்களின் புத்திசாலித்தனத்தை ஒன்றுக்கொன்று எதிராகத் தூண்டுகிறது, இது அவர்கள் ஒருவருக்கொருவர் கற்றுக்கொள்ள அனுமதிக்கிறது.
இந்த அணுகுமுறை கற்றல் செயல்முறையை விரைவுபடுத்தவும், AI அமைப்புகளால் உருவாக்கப்பட்ட வெளியீட்டைச் செம்மைப்படுத்தவும் வடிவமைக்கப்பட்டுள்ளது.
