Artificial Intelligence(ભાગ-13)

 

 

શું AI.....hypothesis(પરિકલ્પના) બનાવી શકે છે? આ પોષ્ટમાં વિવિધ ઘણાં મુદ્દાઓની સામેલગીરી છે.

-

ઇલેક્ટ્રિકલ ગાડીઓના આગમન પહેલાં ઘણાં લોકો કહેતા હતાં કે આ ગાડીઓ, પેટ્રોલ/ડીઝલ વડે ચાલતી ગાડીઓનું માર્કેટ ખતમ કરી નાંખશે પરંતુ એવું કંઇજ નહીં થયું. ઇલેક્ટ્રિકલ ગાડીઓ પોતાના વાયદાઓને પરિપૂર્ણ જ ન કરી શકી. તો આખરે શું કારણ છે કે આ ગાડીઓ વ્યવ્હારિક ન બની શકી? સૌથી મોટું કારણ છે...સંસાધનો(resources) ની અછત.

-

કેવળ બેટરીની જ વાત કરીએ તો, ઇલેક્ટ્રિકલ ગાડીઓની બેટરીમાં એક તત્વ મુખ્યત્વે વપરાય છે જેને nickel કહે છે અને આ તત્વની માત્રા પૃથ્વી ઉપર ખુબજ મર્યાદિત છે. હવે આનું સ્થાન લઇ શકે એવા તત્વો કયા? આપણને ખબર નથી. પરિણામે AI ની મદદ લેવામાં આવી. જે અંતર્ગત AI ને 300 કેમિકલ આપવામાં આવ્યા અને તેમાંથી તેણે ચાર કેમિકલ પસંદ કર્યા તેમજ તેણે જણાવ્યું કે બેટરી બનાવવા માટે આ ચાર કેમિકલનો ઉપયોગ કરી શકાય એમ છે. ફિલહાલ તેની ઉપર કાર્ય થઇ રહ્યું છે. યાદરહે, અહીં AI એ કેવળ તુક્કો નથી લગાવ્યો પરંતુ એ ત્રણસો કેમિકલના વિવિધ સંયોજન(combination) તપાસ્યા, તેમના ગુણધર્મો જોયા, તેમની પેટર્નનો અભ્યાસ કરી તેમને ઓળખી અને પોતે નવી hypothesis બનાવી આપણી સમક્ષ રજૂ કરી.
-

અત્યારસુધી આપણે એવું જ સમજતા હતાં કે hypothesis બનાવવી એ AI ની ગજા બહારની વાત છે, આ માનવીનું કામ છે. AI નું કાર્ય કેવળ....આપણે આપેલ ડેટાના આધારે ગણતરી કરવાનું છે પરંતુ ધીમેધીમે આપણને અહેસાસ થવા માંડ્યો કે AI નવી જાણકારી અને નવી પરિકલ્પના પણ બનાવી શકે છે. આ સઘળી રિસર્ચ university of liverpool ના computational scientist.... Andrij Vasylenko એ કરી.

-

AI આપણને મદદરૂપ તો ઘણું થઇ રહ્યું છે પરંતુ તેના વિષયક એક મોટી તકલીફ એ છે કે, તે પોતાની બુદ્ધિમત્તા વિશે આપણને એટલું ખાસ કંઇ નથી બતાવતું. આ તકલીફને કહે છે...The Black Box Problem. આ તકલીફનું મૂળ ક્યાં છે ખબર છે? ખાલી જગ્યા....જી હાં, સામાન્ય કમ્પ્યુટર પ્રોગ્રામ અને AI ના પ્રોગ્રામ(algorithm) વચ્ચે એક મોટો તફાવત ખાલી જગ્યાનો છે. algorithm ની બે લાઇનો વચ્ચે સંભાવનાની એટલી બધી ખાલી જગ્યાઓ છોડવામાં આવે છે કે, તેમાં AI પોતાની સ્વતંત્ર બુદ્ધિ વિકસિત કરી લે છે(જુઓ નીચેની ઇમેજ). તેથી જ દુનિયાનો કોઇ વૈજ્ઞાનિક જણાવી નથી શકતો કે તેના algorithms કઇરીતે કાર્ય કરે છે? તે શું વિચારે છે?

-

જ્યારે આપણે જાણતા જ નથી કે તે શું વિચારે છે? તો પછી તેના નિર્ણયો ઉપર કેટલો વિશ્વાસ કરવો? તેથી જ હવે વૈજ્ઞાનિકો જાણવા માંગે છે કે AI કઇરીતે ઉત્તરોત્તર પોતાની બુદ્ધિમત્તા વિકસિત કરે છે? આ ટેકનિકને એટલેકે Black Box ને ખોલવાની ટેકનિકને interoperability ટેકનિક કહે છે. આ વિષયક ઘણી યુનિવર્સિટીઓ કાર્ય કરી રહી છે.

-

હવે એક મુદ્દો જોઇએ....case western reserve university ના એક બાયોમેડિકલ સંશોધક Anant Madabhushi એ એક રિસર્ચ હાથ ધરી. શું હતી એ રિસર્ચ? કે....લોકોમાં બે પ્રકારના કેન્સર કેમ ફરી વાર થાય છે? એક...breast cancer(સ્તન/છાતીનું કેન્સર) અને બીજું...prostate cancer(પુરુષના જનનેન્દ્રિય પાસેની ગ્રંથિ). આ સંબંધિત ઘણાં સ્કેન, ઇમેજ, ડેટા AI ને આપવામાં આવ્યાં. AI એ સઘળા ડેટાનું નિરીક્ષણ કરી એક એવું નવું કારણ આપણી સમક્ષ મૂક્યું જેની આપણને આજ સુધી ખબર જ ન હતી. શું હતું એ કારણ વાંચો આગળ...

-

આ બંન્ને જગ્યાની જે ગ્રંથિઓ(glands) છે તેઓ જો આપસમાં ચુસ્તપણે એકબીજાથી બંધાયેલ હશે અર્થાત તેમનું ઝૂંડ ખુબજ ગીચ હશે, તો ત્યાં કેન્સર થવાની શક્યતા વધી જાય છે(જુઓ નીચેની ઇમેજ), આ એક શક્ય કારણ છે. વૈજ્ઞાનિકોને લેશમાત્ર પણ અંદાજો ન હતો કે આવું કારણ પણ હોઇ શકે! આ જાણકારી તેમના માટે 440 વોલ્ટના ઝટકા બરાબર હતી કેમકે AI ને જેટલા ડેટા આપવામાં આવ્યા હતાં તેમાં આવી hypothesis ને સ્થાન જ નહોતું પરંતુ AI એ સઘળી પેટર્નનું નિરીક્ષણ કર્યું અને નવી hypothesis બનાવી. ચાલો બનાવી તો લીધી પરંતુ શું hypothesis માં કોઇ દમ છે? વૈજ્ઞાનિકોએ ઘણાં પ્રયોગો/નિરીક્ષણો કર્યા બાદ લીલી ઝંડી આપી કે આ વાત બિલકુલ સાચી છે.

-

તો આ વાતો ઉપરથી એવું તારણ નીકળે છે કે, એવા ઘણાં પ્રશ્નો જેનો જવાબ આપણને ખબર નથી જેમકે....બિગબેંગ થવાનું કારણ શું? બિગબેંગ પહેલા શું હતું? ડાર્ક મેટર/ડાર્ક એનર્જી શું છે? પૃથ્વી ઉપર જીવન ક્યાંથી આવ્યું? ક્વાન્ટમ પાર્ટિકલનું વર્તન આટલું રહસ્યમય કેમ હોય છે? મૃત્યુ પછી જીવનું શું થાય છે? સમય શું છે? વગેરે... જેવા સઘળા જવાબો મળવાની સંભાવનાઓના દ્વાર ખુલી જશે અને માનવી એક વિશાળ ડગલું આ બ્રહ્માંડમાં ભરશે. ટૂંકમાં AI આપણને મદદરૂપ તો થઇ રહી છે પરંતુ સાથેસાથે તેના નકારાત્મક પાસાંઓને પણ ધ્યાને ધરવાની જરૂર છે.