කෘත්‍රීම බුද්ධිය කුඩා දරුවන්ගෙන් ඉගෙන ගන්නට පටන් ගනියි

 අමෙරිකානු සරසවියක් කළ පර්යේෂණයක් නිසා දැන් Deep Learning නවමු මාවතකට යොමු වෙන්නට පටන් ගෙන තිබෙනවා. බින්දුවේ සිට ඉගෙන ගන්නවා වෙනුවට ළදරුවන් මෙන් සහජ හැකියාවක් ඇති විට වඩාත් සාර්ථක නිෂ්පාදනයක් බිහි වන බවට දැන් සනාථව තිබෙනවා. ඒ වගේම, කිසිම Coding දැනුමක් නැතිව ඔබට JavaScript Code ලියා දෙන AI එකක් ගැනත් මේ ලිපියෙන් ඔබට දැනගන්නට ලැබෙනවා.

අමෙරිකාවේ ප්‍රින්ස්ටන් සරසවිය කළ නවත ම අධ්‍යයනයකින් භෞතික විද්‍යාත්මක සංකල්ප Deep learningවලින් අවබෝධ කරගත් කෘත්‍රීම බුද්ධියක් සකසා තිබෙනවා. ඉන් ලද සොයාගැනීම් මඟින් පරිගණකවලටත් කුඩා දරුවෙක් මෙන් අනුමාන කිරීම් හරහා මිනිස් මනසේ ක්‍රියාකාරීත්වය අනුකරණය කරන්නට හැකියාව ලැබෙන බවයි ඔවුන් පවසන්නේ.

සාමාන්‍යයෙන් කෘත්‍රීම බුද්ධියෙන් යුත් මොඩල ඇරඹෙන්නේ කිසිදු බුද්ධියකින් තොරව යි. ඒවාට විවිධ උදාහරණ සහිත දත්ත විශාල වශයෙන් කැවීමෙන් එහි බුද්ධිය ක්‍රමයෙන් වර්ධනය වන්නට පටන් ගන්නවා. උදාහරණයක් ලෙස පූසන්ගේ ඡායාරූප දහසක් පමණ පෙන්වා මේ “පූසෙක්” යැයි ඉගෙන ගත් පසු, එතැන නොමැති ඡායාරූපයක් ලබා දුන් විට පවා ඒ පූසෙක් බව හඳුනාගන්නට ඊට දැනුම ලැබෙනවා.

බින්දුවේ සිට ඉගෙනීමක් 

මෙම පර්යේෂකයන් පවසන්නේ කුඩා දරුවන් එසේ ඉගෙන ගන්නේ නැති බවයි. දරුවන්ට උපතින් ම ලෝකයේ ස්වභාවය, භෞතිකත්වය ගැන පූර්ව අවබෝධයක් ඇති අතර, බින්දුවේ සිට ඉගෙනීමක් සිදුවන්නේ නැහැ. එය එසේ වූවා නම්, දරුවන්ට හඬන්නටත්, තන පුඩුව සොයා ගෙන කිරි බීමටත් උගන්වන්නට සිදු වන බව නිසැක යි.

 සහජ දැනුම කාලය සහ අත්දැකීම් සමඟ වර්ධනය වෙන්නට පටන් ගන්නවා – unleash.ai

දරුවන් උපතින් ගෙන එන භෞතික සංකල්ප මෙසේ හඳුන්වා දිය හැකි යි. දරුවෙක් ඉදිරියේ කිසියම් ඝනකයක් තබා, එය වැසෙන සේ ඉදිරියෙන් ඊටත් වඩා විශාල ඝනකයක් තැබුවහොත් මුල් වස්තුව අතුරුදහන් වූවා යැයි දරුවා සිතන්නේ නැහැ. ඒ වගේම, ඉටි කොළයක් මත වෙන් වෙන් ව ඇති ජල බින්දු දෙකක් එකිනෙක ළං කළාම ඒ දෙක එකක් බවට පත් වෙනවා. නමුත් ඉහත ඝනක දෙකට එවැන්නක් සිදු වන්නට හැකියාවක් නැති බවත්, එකක් පසුපස එකක් සැඟවුණු බවත් දරුවා දන්නවා. මෙවන් මූලික දැනුම පසුව කාලය සහ අත්දැකීම් සමඟ වර්ධනය වෙන්නට පටන් ගන්නවා.

දරුවන් සතු මේ සහජ දැනුමේ ආකාරයට සකසන deep learning සහිත කෘත්‍රීම බුද්ධිමය පද්ධතිවලට කිසිදු බුද්ධියකින් තොරව ඇරඹෙනවාට වඩා දස්කම් දැක්විය හැකි බව පර්යේෂකයන්ගේ අදහස යි.

දරුවන් සතු සහජ දැනුම

දරුවන්ට එවන් බුද්ධියක් ඇති බව ඔවුන් ඉදිරියේ මැජික් කිරීමෙන් හඳුනා ගත හැකි යි. උදාහරණයක් ලෙස, කිසියම් වස්තුවක් ඔබේ අතේ ඇති බව පෙන්වා, අත වසා, අත ඔබේ පසුපසට ගෙන එම වස්තුව නොපෙනෙන සේ බිම දමා, නැවත අත දිග හැර පෙන්වූ විට ළදරුවා එදෙස වැඩි වේලාවක් ප්‍රශ්නාත්මක දෑසින් බලා සිටිනවා. ඒ, දරුවා අපේක්ෂා කළ කිසියම් ප්‍රතිඵලයක් (අතේ වස්තුව තිබිය යුතු බවට) සිත තුළ තිබූ නිසා යි. 

 ජල බින්දු දෙකක් එකිනෙක ළං කළා ම ඒ දෙක එකක් බවට පත් වුවත් වාතයේ ඔක්සිකරණය නිසා දෙකඩ කළ ලෝහයකට එසේ එක් විය නොහැකි යි – usgs.gov

 

මේ ආකාරයට වස්තූන් මත පදනම් වූ දැනුමකින් code කළ මොඩලයක් සතු ව කිසිදු දැනුමකින් තොර මොඩලයකට වඩා වැඩි හැකියා තිබෙනවා. කිසියම් වස්තුවක් චලනය වනු ඇත්තේ කෙසේද යන්න පිළිබඳ ව වඩාත් හොඳින් ඒවාට අනුමාන කළ හැකි අතර, එම අනුමාන භාවිතයෙන් නව Animation සැකසීමටත් ඊට හැකියාව ලැබෙනවා. එසේ කර තිබුණේ පර්යේෂකයන් සැකසූ එම AI පද්ධතියට පැය 28ක Animation වීඩියෝවක් ඉගෙනුම් දත්ත වශයෙන් කැවීමෙන් පසුව යි.

කෘත්‍රීම බුද්ධිය නව දැනුම ළඟා කරගන්නා ආකාරය

ඉන් ඔබ්බට යමින් සාමාන්‍ය කෘත්‍රීම බුද්ධියක් නව දැනුම ළඟා කරගන්නා ආකාරය මෙම පර්යේෂණය නිසා වෙනස් වනු ඇති අතර, දරුවන් පිළිබඳ ව අධ්‍යයනය කිරීමෙන් මනුෂ්‍යයන්ට සමාන කෘත්‍රීම බුද්ධියක් බිහි කිරීමට හැකියාව ඇති බව ද එය පෙන්වා දෙනවා. 

කෙසේ නමුත් භාෂාව සම්බන්ධයෙන් ගත් කල, දැනටමත් කෘත්‍රීම බුද්ධිමය නිෂ්පාදන ඉතා ඉදිරියෙන් සිටින ආකාරය දකින්නට ලැබෙනවා. Open AI සතු GPT-3 මොඩලය භාවිතයෙන් නව ලිපි ලිවිය හැකි, තිබෙන ලිපිවල වචන/වාක්‍ය රටා වෙනස් කර නව නිර්මාණ කළ හැකි නිෂ්පාදන රැසක් බිහි වී තිබෙනවා.

 මෙම Function එක තුළ ඇති සම්පූර්ණ code එකම ස්වයංක්‍රීයව ලියැවුණු එකක් – github.com

 

මානව භාෂා පමණක් නොව පරිගණක භාෂා පවා ඒවාට හොඳින් හැසිරවිය හැකි බව Microsoft සමාගම VS Code වෙත හඳුන්වාදුන් GitHub Copilot විශේෂාංගයෙන් තහවුරු වෙනවා. උදාහරණයක් ලෙස, එය සක්‍රීය කර ඔබ JavaScript ෆයිල් එකක් විවෘත කර Array එකකින් එක් අයිතමක් සොයාගන්නා Function එකක් (//function to find an item from array) යැයි කමෙන්ට් එකක් ලියූ විට එය සිදු කළ හැකි සම්පූර්ණ කේතය සහිත Function එකක් ස්වයංක්‍රීය ව ලියා දීමට Copilot සමත් වෙනවා.

මානව භාෂා හැසිරවීම හා පරිගණක භාෂා හැසිරවීම

එපමණක් ද නොව, ඔබේ Project එකට අදාළ ලෙස Variables සැකසීමටත්, ඔබ ‍code ලියන අතරවාරයේ ඊළඟට ලිවිය යුතු කොටස් අනුමාන කිරීමටත් ඊට ඇත්තේ පුදුමාකාර හැකියාවක්. අවාසනාවකට, එය අත්හදා බැලිය හැක්කේ එළඹෙන දින 60ක් දක්වා පමණක් වන අතර ඉන්පසු මාසයකට $10ක (හෝ වසරකට $100ක) ප්ලෑන් එකක් ඒ සඳහා මිලදී ගත යුතු වෙනවා.

 ඉංග්‍රීසි බසින් Codex වෙත විස්තර කළ Click Event එකට අදාළ JavaScript code එක වම්පස ස්වයංක්‍රීය ව ජනනය වී ඇති ආකාරය – openai.com

 

GPT-3 සතු මෙම මානව භාෂා හැසිරවීමත්, පරිගණක භාෂා හැසිරවීමත් එක්තැන් කොට Codex නමැති මොඩලයකුත් තිබෙනවා. (GitHub Copilot එකට පාදක කරගෙන ඇත්තෙත් එම මොඩලයමයි.) එයට අපි ඉංග්‍රීසි බසින් ඡායාරූපයක් සකසා, එය රවුමක් හැඩයට Crop කර, එය වමට හා දකුණට යන ආකාරයේ Animation එකක් කරන්නැයි කිවහොත් JavaScriptවලින් තනිවම කේතය ලියාගෙන එය අපිට කර පෙන්වනවා. එය OpenAI Codex වෙබ් අඩවියේ ඇති වීඩියෝවලින් ඔබට ම දැකගත හැකියි. ලෝකය යන අත හරි පුදුමයි නේද?

කවරයේ ඡායාරූපය: medium.com

මූලාශ්‍ර:

Nature.com
The Next Web
GitHub Copilot Documentation
OpenAI නිල බ්ලොග් අඩවිය

Related Articles