AI එකකට හොඳ මනුෂ්‍යයෙක් වෙන්න උගන්වන්නේ කොහොමද?

 

AI එකකට හොඳ මනුෂ්‍යයෙක් වෙන්න උගන්වන්නේ කොහොමද?

ප්‍රශ්නයක් විසඳන්න යන්ත්‍රයක් ප්‍රෝග්‍රෑම් කිරීමත්, ප්‍රශ්නයක් විසඳන්න යන්ත්‍රයකට ඉගෙනගන්න සැලැස්වීමත් කියන්නේ එකිනෙකට වෙනස් ප්‍රවේශ දෙකක්.

සාම්ප්‍රදායික පරිගණක වැඩසටහනකදී අපි කරන්නේ යන්ත්‍රය කළ යුතු දේ පියවරෙන් පියවර නියම කර දීමයි. නමුත් Machine Learning සමඟ අපි වෙනස් මාර්ගයකට පිවිසුණා යැයි කීවොත් වඩාත් නිවැරදියි. හැම පියවරක්ම කලින් ලියා නොදී, දත්ත, උදාහරණ සහ ප්‍රතිචාර ඔස්සේ රටා හඳුනාගෙන විසඳුම් සොයාගන්න යන්ත්‍රයකට ඉගෙනගන්න අවස්ථාව ලබා දුන්නා.

අද AI පද්ධති ඉතා සංකීර්ණ ගණිතමය ගැටලු විසඳීමටත්, මිනිසුන්ට පහසුවෙන් සොයාගත නොහැකි විසඳුම් මාර්ග ගවේෂණය කිරීමටත් සමත් වෙමින් තිබෙනවා.

නමුත් මෙතැනදී මට හිතෙන්නේ තවත් වැදගත් දෙයක්.

සමහරවිට AI එකකට ගණිතමය ප්‍රශ්නයක් විසඳන්න ඉගැන්වීම, අප ඉදිරියේ තිබෙන ගැඹුරුම ප්‍රශ්න සමඟ සසඳන විට පහසුම කාර්යය වෙන්න පුළුවන්.

ඒ කියන්නේ ගණිතය පහසු විෂයක් කියන එක නොවෙයි. ගණිතයේදී අපට අවම වශයෙන් ප්‍රශ්නය නිර්වචනය කරන්නත්, විසඳුමක නිවැරදිභාවය පරීක්ෂා කරන්නත් විධිමත් ක්‍රම තිබෙනවා. එහෙත් සමහර මනුෂ්‍ය ගැටලුවලදී ප්‍රශ්නය කුමක්ද කියන එක ගැනවත් අප අතර එකඟතාවක් නැහැ.

උදාහරණයක් ගනිමු.

AI එකකට හොඳින් හැසිරෙන්න උගන්වන්නේ කොහොමද?

අපට පුළුවන් එයට ආචාරශීලී වෙන්න, අවංක වෙන්න, අනුන්ට හානි නොකරන්න, සාධාරණ වෙන්න කියලා නීති ලියන්න. නමුත් මනුෂ්‍ය හැසිරීම කියන්නේ එහෙම නීති කිහිපයකට සීමා කළ හැකි දෙයක්ද? එහෙම නම් අපට පුළුවන් AI එකකට මනුෂ්‍යයන් නිරීක්ෂණය කරමින් හැසිරෙන්න ඉගෙනගන්න සලස්වන්න.

හැබැයි මෙතැන ලොකු 'නමුත්' එකක් තියෙනවා!

මනුෂ්‍යයන් කියන්නේ ඇත්තටම හොඳ හැසිරීමක් ඉගෙනගන්න සුදුසුම ආදර්ශයද? මනුෂ්‍ය ඉතිහාසය පුරා අපි අසීමිත කරුණාව, ආදරය, සහයෝගය සහ නිර්මාණශීලීත්වය පෙන්වා තිබෙනවා. ඒ වගේම කෲරත්වය, වංචාව, යුද්ධය, වෛරය සහ අසාධාරණයත් නිර්මාණය කර තිබෙනවා. අපි අනුන්ට යහපත කරන්න දන්නවා. ඒ වගේම අනුන්ට කරන අයහපත සාධාරණීකරණය කරන්නත් අපි අතිශයින් දක්ෂයි.

මෙතැනදී අපි තවත් පැත්තකින් මේ ප්‍රශ්නය දෙස බලමු.

මනුෂ්‍යයා විසින් මෙතෙක් නිර්මාණය කළ සාහිත්‍යය තුළ තිබෙන්නේ මනුෂ්‍යත්වයේ යහපත් වටිනාකම් පමණක්ද?

එහෙම නැත්නම් මනුෂ්‍යත්වය කියන සංකල්පයටම අභියෝග කරන කෲරත්වය, වෛරය, ආත්මාර්ථකාමීත්වය, ප්‍රචණ්ඩත්වය සහ අනුන් මත බලය පවත්වාගැනීමේ ආශාවත් ඒ සාහිත්‍යය තුළම නැද්ද?

ඇත්තටම එවැනි දේවල් අන්තර්ගත නොවන සාහිත්‍යයක් අපට සොයාගන්න පුළුවන්ද?

මනුෂ්‍ය සාහිත්‍යයේ විශිෂ්ටතම නිර්මාණ පවා මනුෂ්‍යයාගේ යහපත පමණක් නිරූපණය කරන්නේ නැහැ. ඒවා තුළ අපට හමුවන්නේ ඊර්ෂ්‍යාව, පළිගැනීම, වංචාව, මිනීමැරුම්, ලිංගික ආශාව, බලකාමය සහ මනුෂ්‍යයා තමන්ටම විරුද්ධව ක්‍රියා කරන ආකාරයත් සමඟයි.

ඒවා සාහිත්‍යයෙන් ඉවත් කළොත්, සමහරවිට මනුෂ්‍යයා ගැන අපට ඉගෙනගන්න තිබෙන වැදගත්ම දේවල් පවා අහිමි වෙන්න පුළුවන්.

නමුත් මෙතැන තවත් ගැටලුවක් තිබෙනවා.

AI පද්ධතියක් මනුෂ්‍යයන් විසින් නිර්මාණය කළ අතිවිශාල භාෂාමය දත්ත සමුදායකින් ඉගෙනගන්නා විට, එයට හමුවන්නේ මනුෂ්‍යයාගේ යහපත් අදහස් පමණක් නොවෙයි. මනුෂ්‍යයාගේ සියලු ආකාරයේ ප්‍රතිවිරෝධතාත් එයට හමුවෙනවා.

එහෙම නම් AI එකකට ඉගෙනගන්නා අවස්ථාවේදීම මනුෂ්‍යත්වය සහ අමානුෂිකත්වය වෙන්කර හඳුනාගන්න පුළුවන්ද?

එහෙම වෙන්කරන්න නම්, මුලින්ම ඒ දෙක අතර සීමාව නිර්වචනය කරන්නේ කවුද?

අපි භාෂාවෙන් අයහපත් වචන ඉවත් කළා කියලා අයහපත් අදහස් ඉවත් වෙනවාද?

වෛරය හැමවිටම වෛරී වචනවලින්ම ප්‍රකාශ වෙන්නේ නැහැ. සමහරවිට එය ආචාරශීලී භාෂාවකින්, තර්කානුකූල පැහැදිලි කිරීමකින්, නීතියකින් හෝ සදාචාරාත්මක ප්‍රකාශයකින් පවා ඉදිරිපත් වෙන්න පුළුවන්.

එහෙම නම් ගැටලුව තිබෙන්නේ වචනවල පමණක්ද? නැත්නම් වචන අතර ගොඩනැගෙන අර්ථ සම්බන්ධතාවලද?

අද භාෂා ආකෘති (Large Language Models) ඉගෙනගන්නේ වචනවල අර්ථකෝෂ අර්ථයන් පමණක් නොවෙයි. ඒවා අතර ඇති සංකීර්ණ සම්බන්ධතා, භාවිත රටා සහ සන්දර්භයන් ද ආකෘතියේ ගණිතමය පරාමිතීන් තුළ නිරූපණය වෙනවා.

ඒ නිසා මනුෂ්‍යයාගේ අහිතකර අදහස්, පක්ෂග්‍රාහීත්වය සහ ප්‍රචණ්ඩත්වය සාධාරණීකරණය කරන රටා පවා AI පද්ධතියක් ඉගෙනගෙන තිබිය හැකියි. 

එහෙම ඉගෙනගත් දේවල් නැවත අමතක කරවන්න පුළුවන්ද?

Machine Unlearning කියන පර්යේෂණ ක්ෂේත්‍රය තුළ මෙවැනි ගැටලු ගැන අධ්‍යයනය කරනවා. නමුත් විශාල භාෂා ආකෘතියක ඉගෙනගත් සංකීර්ණ සම්බන්ධතාවක් සම්පූර්ණයෙන් ඉවත් කළ බව තහවුරු කිරීම පහසු නැහැ.

තවත් වැදගත් ප්‍රශ්නයක් තිබෙනවා. මනුෂ්‍යයාගේ කෲරත්වය ගැන AI එකකට තිබෙන දැනුම ඉවත් කිරීමත්, කෲර ලෙස හැසිරීමට ඇති ප්‍රවණතාව පාලනය කිරීමත් එකම දෙයක් නොවෙයි. අපට අවශ්‍ය වන්නේ අයහපත ගැන කිසිවක් නොදන්නා AI එකක්ද? නැත්නම් අයහපත හඳුනාගෙන, එහි ප්‍රතිවිපාක අවබෝධ කරගෙන, එයට සහාය නොදෙන ආකාරයෙන් ක්‍රියා කරන AI එකක්ද?

මේ දෙක අතර තිබෙන්නේ ඉතා වැදගත් වෙනසක්.

සමහරවිට අපට AI එකකට උගන්වන්න අවශ්‍ය වන්නේ මනුෂ්‍යයාගේ අයහපත් ඉතිහාසය අමතක කිරීම නොව, ඒ ඉතිහාසය නැවත ප්‍රතිනිර්මාණය නොකරන්නේ කොහොමද කියන එක විය හැකියි.

එහෙම නම් අපි නැවතත් මුල් ප්‍රශ්නයටම පැමිණෙනවා.

මනුෂ්‍යයාගේ යහපතත් අයහපතත් දෙකම භාෂාව තුළින් ඉගෙනගන්නා AI එකකට, යහපත තෝරාගන්නා මූලධර්මය ලබා දෙන්නේ කවුද?

ඒ මූලධර්මයත් මනුෂ්‍යයා විසින්ම නිර්මාණය කළ යුතු නම්, අපි AI එකකට විසඳන්න උත්සාහ කරන්නේ තවමත් අප විසින්ම විසඳා නොගත් ප්‍රශ්නයක් නොවෙයිද?මෙතැනදී අපට මුණගැසෙන්නේ ගණිතමය විසඳුමකට වඩා බෙහෙවින් වෙනස් ප්‍රශ්නයක්.

AI Alignment කියන තාක්ෂණික ක්ෂේත්‍රය තුළත් මේ ප්‍රශ්නය මතු වෙනවා. අපට අවශ්‍ය AI පද්ධතියක් මනුෂ්‍යයන්ගේ උපදෙස් අනුගමනය කිරීම පමණක් නොව, එකිනෙකට පටහැනි මනුෂ්‍ය වටිනාකම් අතර ක්‍රියා කළ යුත්තේ කොහොමද කියන එකත් තීරණය කිරීමයි.

සමහරවිට අපට විසඳීමට ඉතිරිව ඇති අමාරුම ප්‍රශ්න තවමත් ගණිතමය සමීකරණ තුළ නොව, අපේම මනුෂ්‍ය ස්වභාවය තුළ සැඟවී තිබෙනවා.

AI එකකට මනුෂ්‍යයෙකු මෙන් හැසිරෙන්න උගන්වනවාට වඩා, මනුෂ්‍යයෙකු තුළ ඇති ඉගෙනගත යුතු දේ කුමක්ද කියා තීරණය කිරීම අපට අමාරු වෙන්න පුළුවන්.

ඒක පරිගණක ප්‍රෝග්‍රෑම් එකක් ලිවීමෙන් පමණක් විසඳිය හැකි ප්‍රශ්නයක් නොවෙයි.

ඇත්තටම ඒක මනුෂ්‍යයා තමන් ගැනම අවුරුදු දහස් ගණනක් තිස්සේ අසමින් සිටින දාර්ශනික ප්‍රශ්නයක්.

අපි තවමත් අපටම හොඳ මනුෂ්‍යයන් වෙන්නේ කොහොමද කියලා ඉගෙනගෙන අවසන් නැහැ. එහෙම නම් ඒ පාඩම AI එකකට උගන්වන්නේ කොහොමද?

මේ ප්‍රශ්නය අලුත් තාක්ෂණික ගැටලුවක් වුණත්, එහි දාර්ශනික මූලයන් බොහෝ පැරණියි.

Friedrich Nietzsche අපට මතක් කරන්නේ මනුෂ්‍යයන් පිළිගන්නා සදාචාරාත්මක වටිනාකම් සියල්ල සදාකාලික, විශ්වීය සත්‍යයන් ලෙස භාරගත නොහැකි බවයි. ඒවාට ඉතිහාසයක් තිබෙනවා. බල සම්බන්ධතා, සංස්කෘතිය සහ මනුෂ්‍ය අවශ්‍යතා ඒවා ගොඩනැගීමට බලපා තිබෙනවා. එහෙම නම් AI එකකට අපේ සදාචාරය උගන්වනවා කියන්නේ, අපිම නිර්මාණය කරගත් වටිනාකම් පද්ධතියක් නැවත යන්ත්‍රයක් තුළ ප්‍රතිනිර්මාණය කිරීමක්ද?

Immanuel Kant මේ ප්‍රශ්නයට වෙනස් දිශාවකින් පිවිසෙනවා. ඔහුගේ සදාචාර දර්ශනය අනුව යහපත් ක්‍රියාවක් තීරණය වන්නේ මිනිසුන් සාමාන්‍යයෙන් කරන දේ අනුව පමණක් නොවෙයි. අපේ ක්‍රියාවට පදනම් වන මූලධර්මය සියලු දෙනාටම අදාළ නීතියක් ලෙස පිළිගත හැකිද යන්නත් වැදගත්. එහෙම නම් AI එකකට මනුෂ්‍යයන් අනුකරණය කිරීමට වඩා, සාධාරණීකරණය කළ හැකි සදාචාරාත්මක මූලධර්ම අනුව ක්‍රියා කිරීමට ඉගැන්විය යුතුද?

Aristotle තවත් වෙනස් අදහසක් ඉදිරිපත් කරනවා. ඔහුට අනුව යහපත් චරිතයක් ගොඩනැගෙන්නේ නීති දැනගැනීමෙන් පමණක් නොවෙයි. පුරුද්ද, අත්දැකීම සහ අවස්ථාවට ගැළපෙන ප්‍රායෝගික විනිශ්චය තුළින්. මෙතැනදී AI ඉගෙනීම සමඟ යම් සමානකමක් පෙනුණත්, දත්තවල රටා ඉගෙනගැනීම සහ සදාචාරාත්මක චරිතයක් වර්ධනය කරගැනීම එකම දෙයක් නොවෙයි.

මේ දාර්ශනිකයන් තිදෙනා අපට ලබා දෙන්නේ එකම පිළිතුරක් නොව, එකිනෙකට වෙනස් ප්‍රශ්න තුනක්.

Nietzsche: අපි උගන්වන යහපත නිර්වචනය කළේ කවුද?

Kant: ඒ යහපත සියලු දෙනාට සාධාරණීකරණය කළ හැකිද?

Aristotle: ඒ යහපත ක්‍රියාවට නංවන්න ඉගෙනගන්නේ කොහොමද?

මෙතැනින් අපට තවත් ප්‍රශ්නයක් මතු වෙනවා.

AI එකකට ගණිතමය ප්‍රශ්නයක් විසඳන්න ඉගැන්වීමේදී නිවැරදි පිළිතුර පරීක්ෂා කළ හැකි ක්‍රම අප සතුව තිබෙනවා. නමුත් යහපත් හැසිරීමක් ඉගැන්වීමේදී, නිවැරදි පිළිතුර කුමක්ද කියන එක ගැනම අපට එකඟ වෙන්න බැරි නම්?

සමහරවිට AI එකකට විසඳන්න දෙන අමාරුම ප්‍රශ්නය තවමත් අපි විසඳා නැති මනුෂ්‍යයාගේම සදාචාරාත්මක ප්‍රශ්නය වෙන්න පුළුවන්.

ප.ලි. — මීට වසර තිහකට පමණ පෙර ඇසුණු වචනයක්

මම මුලින්ම Neural Networks ගැන උනන්දු වෙන්න පටන්ගත් අවදිය ගැන පුංචි මතකයක් මෙතැන සටහන් කරන්න කැමතියි.

ඒ 1997 වසරේදී, මොරටුව විශ්වවිද්‍යාලයේ මගේ අවසන් වසර ගත කරමින් සිටි කාලයයි.

අපේ විශ්වවිද්‍යාලයේ පරිගණක විද්‍යාගාරයේ නිතර හමුවන, මට වඩා ජ්‍යෙෂ්ඨ අයියා කෙනෙක් සිටියා. ඔහුත් මා මෙන්ම විද්‍යාගාරයේ බොහෝ වේලාවක් ගත කළ අයෙක්. දිනක් ඔහු ඉතා සතුටින් මට පැවසුවේ ඇමරිකානු විශ්වවිද්‍යාලයක පශ්චාත් උපාධි අධ්‍යයනය සඳහා ඔහු ඉදිරිපත් කළ අයදුම්පත සාර්ථක වී, ශිෂ්‍යත්වයක් ලැබී ඇති බවයි.

ඒ සංවාදය අතරතුර මට ඔහු පිළිබඳ තවත් අපූරු දෙයක් අනාවරණය වුණා.

මීට කලකට පෙර, සාමාන්‍ය කවකටුවක් සහ සරල දාරයක් භාවිතයෙන් කෝණයක් තුනට බෙදීම පිළිබඳ ගණිතමය ගැටලුව සම්බන්ධයෙන් පුවත්පතකට ලිපියක් යොමු කළ තරුණයෙකු ගැන මම දැන සිටියා.

ඒ කාලයේ මමත් ඒ ගැටලුව ගැන බොහෝ උනන්දුවෙන් කල්පනා කළා. ඔහු ඉදිරිපත් කළ අදහස් ඔස්සේ සාමාන්‍ය ජ්‍යාමිතික නිර්මාණ ක්‍රමයකින් කෝණයක් තුනට බෙදිය හැකිදැයි සොයා බැලීමටත් උත්සාහ කළා.

ඒ නිසා ඒ ලිපිය ලියූ තරුණයා කවදා හෝ මුණගැසීමට මගේ හිතේ විශාල කැමැත්තක් තිබුණා.

පුදුමයකට මෙන්, මා මෙතෙක් කල් පරිගණක විද්‍යාගාරයේ නිතර ඇසුරු කළ මේ ජ්‍යෙෂ්ඨ ශිෂ්‍යයාත්, පුවත්පතේ ලිපිය ලියූ ඒ තරුණයාත් එක් අයෙකු බව මා දැනගත්තේ එදායි!

ඔහු මගේ මතකයේ සටහන් වී තිබුණේ සාම්ප්‍රදායිකව පිළිගත් සීමාවන් පවා ප්‍රශ්න කිරීමට නිර්භීත වූ ගණිතමය චින්තකයෙකු ලෙසයි.

අවසානයේ මම ඔහුගෙන් මෙසේ ඇසුවා.

“ඉතින් අයියේ, ඇමරිකාවට ගිහින් මොන විෂයද ඉගෙනගන්න යන්නේ?”

ඔහු දුන් පිළිතුර මට අද වගේ මතකයි.

“මම යන්නේ Neural Networks ගැන ඉගෙනගන්න.”

මම අන්දුන්කුන්දුන් වුණා.

“ඒ කියන්නේ මොළයේ තියෙන නියුරෝන ගැනද?”

“ඔව්, ඒ වගේ තමයි. හැබැයි මේක නියුරෝන වගේ හැසිරෙන ගණිතමය ආකෘතියක් ගැන. Artificial Intelligence ගැන.”

ඒ 1997 දී, කෘත්‍රිම බුද්ධිය පිළිබඳ අදහස මගේ අවධානයට පැමිණි මුල්ම අවස්ථාවලින් එකක්.

ඉන්පසු වසර ගණනාවක් ගත වුණා. ඒ අතර මගේ අවධානය ඉංජිනේරු විද්‍යාවේ සහ වෘත්තීය ජීවිතයේ වෙනත් ප්‍රශ්න වෙත යොමු වුණා.

2014 දී, Heriot-Watt විශ්වවිද්‍යාලයේ මගේ පශ්චාත් උපාධි අධ්‍යයන කටයුතු අතරතුර, මම නැවතත් Artificial Intelligence පිළිබඳ උනන්දුවෙන් කියවන්නත්, එහි ගණිතමය පදනම් ගැන සොයා බලන්නත් පටන්ගත්තා.

අද ඒ කෝණය තුනට බෙදීමේ ගැටලුව ගැන උනන්දු වූ මගේ පැරණි මිතුරා කොහේ සිටිනවාදැයි මම දන්නේ නැහැ. සමහරවිට ඔහු ලෝකයේ කොතැනක හෝ විශ්වවිද්‍යාලයක මහාචාර්යවරයෙකු වී සිටිනවා ඇති. නැත්නම් වෙනත් පර්යේෂණ ක්ෂේත්‍රයක කටයුතු කරනවා ඇති.

අවාසනාවකට මට ඔහුගේ නම මතක නැහැ.

නමුත් ඔහුගේ හැඩරුවත්, එදා පරිගණක විද්‍යාගාරයේදී ඇති වූ ඒ කෙටි සංවාදයත් අදටත් මගේ මතකයේ ඉතා පැහැදිලිව තිබෙනවා.

එදා මට අලුත් දෙයක් වූයේ මනුෂ්‍ය මොළයේ නියුරෝනවල ක්‍රියාකාරිත්වයෙන් ආභාසය ලැබූ ගණිතමය ආකෘතියක් නිර්මාණය කළ හැකි බවයි.

අද, වසර තිහකට ආසන්න කාලයකට පසු, අප ඉදිරියේ තිබෙන්නේ ඊට බෙහෙවින් වෙනස් ප්‍රශ්නයක්.

අපි යන්ත්‍රවලට ඉගෙනගන්න උගන්වමින් සිටි අවදියක සිට, ඒ යන්ත්‍ර ඉගෙනගත යුත්තේ මොනවාද, නොඉගෙනගත යුත්තේ මොනවාද, ඉගෙනගත් දේවල් අතරින් අමතක කළ යුත්තේ මොනවාද කියා කල්පනා කරන අවදියකට පැමිණ සිටිනවා.

එදා අපි උත්සාහ කළේ මනුෂ්‍ය බුද්ධියේ ඇතැම් ක්‍රියාකාරිත්වයන් ගණිතමය වශයෙන් අනුකරණය කරන්නයි.

අද අපි කල්පනා කරන්නේ ඒ අනුකරණයෙන් බිහිවූ පද්ධති මනුෂ්‍යයාගේම අයහපත් හැසිරීම් නැවත ප්‍රතිනිර්මාණය කිරීමෙන් වළක්වන්නේ කොහොමද කියලයි.

දැන් අපි කෘත්‍රිම බුද්ධිය හීලෑ කරගැනීම ගැන කල්පනා කරමු.

නමුත් එය හීලෑ කරන්න උත්සාහ කරන මනුෂ්‍යයා, තමන්ගේම ස්වභාවය කොතරම් දුරට හීලෑ කරගෙන තිබෙනවාද?

සමහරවිට අපට ඉතිරිව ඇති අමාරුම ප්‍රශ්නය එය විය හැකියි.