කෘත්‍රිම බුද්ධිය පරිගණක ක්‍රමලේඛනය සහ ගණිතය තුළ දැවැන්ත ඉදිරි පිම්මක් පැන ඇති අතර, දැන් එළඹ ඇත්තේ භෞතික විද්‍යාවේ වාරය විය හැකි බව මැතිව් ස්පාර්ක්ස් (Matthew Sparkes) පෙන්වා දෙයි.
කෘත්‍රිම බුද්ධිය (AI) ගණිතමය ගැටලු විසඳීමෙහිලා කොතරම් දක්ෂතාවයක් අත්කරගෙන ඇත්ද යත්, එය විසින් නිර්මාණය කරනු ලබන නව ගණිතමය සාධනයන් (proofs) සම්භාරය විද්වතුන්ට දරාගත නොහැකි වී, සැබවින්ම එම ක්ෂේත්‍රය ආපස්සට ගෙන යනු ඇතැයි විචාරකයෝ බිය පළ කරති. මේ දක්වා විද්‍යාවේ සෙසු ක්ෂේත්‍ර කෙරෙහි කෘත්‍රිම බුද්ධිය එල්ල කර තිබුණේ සීමිත බලපෑමක් වුවද, භෞතික විද්‍යාවද මීට සමාන පෙරළියකට මුහුණ දීමට ආසන්න බවට ලකුණු පහළ වී තිබේ.
යේල් විශ්වවිද්‍යාලයේ ජෝන් සූස් (John Sous) පවසන්නේ, කෘත්‍රිම බුද්ධි ආකෘති පරීක්ෂාවට ලක් කරන ආකාරය නිසා භෞතික විද්‍යාව සම්බන්ධයෙන් ඒවාට අසාධාරණ ලෙස නරක නාමයක් පටබැඳී තිබිය හැකි බවයි. සංකීර්ණ භෞතික විද්‍යා ගැටලු විසඳීමට කෘත්‍රිම බුද්ධියට ඇති හැකියාව මැන බැලීම සඳහාම විශේෂයෙන් සැලසුම් කළ විවිධ පරීක්ෂණ හයකදී නවීනතම AI ආකෘති මීට පෙර ලබාගෙන තිබුණේ සියයට 30ක් තරම් අඩු ලකුණු ප්‍රමාණයකි. එහෙත් තමන් සහ තම සගයන් එම ආකෘති භාවිත කිරීමේදී අත්දුටු සාර්ථකත්වය සමඟ මෙම ප්‍රතිඵල නොගැළපෙන බව ඔහු පවසයි.
මෙම මිනුම්දඬු (benchmark) සඳහා යොදාගත් ගැටලු පරීක්ෂා කිරීමේදී, ඒවායේ තිබූ දෝෂ වැලක් සහ අපැහැදිලි නිර්වචන රැසක් හෙළිදරව් විය. ඒවා නිවැරදි කළ පසු, ලකුණු මට්ටම සියයට 94ක් දක්වා ඉහළ ගියේය. ගැටලුව පැවතියේ කෘත්‍රිම බුද්ධිය තුළ නොව, පරීක්ෂණ මගින් අවශ්‍ය තොරතුරු නිසි ලෙස ලබා නොදීම තුළය.
“මම හිතන්නේ ඉතාමත් පැහැදිලිව නිර්වචනය කර ඇති ඕනෑම දෙයක්, එය කොතරම් දුෂ්කර වුවත්, කෘත්‍රිම බුද්ධිය විසින් ඉතා හොඳින් ඉටු කරනු ඇති බවයි – තර්කානුකූලව බැලුවහොත් දක්ෂතම ප්‍රවීණයන්ටත් වඩා හොඳින් එය කරාවි,” යැයි සූස් පවසයි. “අපගේ දත්ත මගින් මෙය තහවුරු වෙනවා.”
ගණිතය යනු පරීක්ෂණ සිදු කිරීම ලාභදායී වන භෞතික විද්‍යාවේම කොටසක් යැයි භෞතික විද්‍යාඥ ව්ලැඩිමීර් ආර්නෝල්ඩ් (Vladimir Arnold) වරක් පැවසූ පරිදි, භෞතික විද්‍යාවේ ඇතැම් කොටස් ඉතා පැහැදිලිව නිර්වචනය කළ හැකි වුවද, බොහෝ කොටස් එසේ කළ නොහැක. කෘත්‍රිම බුද්ධිය දුෂ්කරතාවයට පත්විය හැක්කේ භෞතික විද්‍යාවේ මෙම නව, මෙතෙක් ගවේෂණය නොකළ, අපැහැදිලි සහ ඉදිරිපෙළ කොටස් තුළදීය.
සූස් පවසන පරිදි, වඩාත් සිත්ගන්නාසුළු භෞතික විද්‍යාව මතුවන්නේ ස්වභාවධර්මයේ, යම් ද්‍රව්‍යයක හෝ විශ්වයේ අප නිරීක්ෂණය කරන, එහෙත් අපට තේරුම් ගත නොහැකි ව්‍යාකූල සංසිද්ධියක් අපට හමු වූ විටය. එවිට භෞතික විද්‍යාඥයෙකුගේ කාර්යභාරය වන්නේ එම සංසිද්ධිය ග්‍රහණය කරගන්නා සහ පුරෝකථනය කරන ආකෘතියක් (model), ආසන්න ගණනය කිරීමක් (approximation) හෝ අනුකරණයක් (simulation) නිර්මාණය කිරීමයි.
“එය ඉතාමත් කලාත්මක, ඉතාමත් නිර්මාණශීලී ක්‍රියාවලියක්,” සූස් පවසයි. “කෘත්‍රිම බුද්ධියට සැබවින්ම මීළඟ පියවර තබා න්‍යායාත්මක භෞතික විද්‍යාඥයෙකුගේ සම්පූර්ණ කාර්යභාරය ඉටු කළ හැකිද? නිර්වචනය කිරීම, නිර්මාණය කිරීම, ගවේෂණය කිරීම සහ පරීක්ෂා කිරීම යන මුල සිට අග දක්වා වූ සම්පූර්ණ පර්යේෂණ ක්‍රියාවලියම සිදු කළ හැකිද? ඒ පිළිබඳ චිත්‍රය තවමත් පැහැදිලි නැහැ.”
කෘත්‍රිම බුද්ධියේ ප්‍රගතියේ ඉදිරියෙන්ම ගණිතය සිටීමට එක් හේතුවක් වන්නේ ‘විධිමත්කරණය’ (formalisation) යි. මෙම තාක්ෂණික ක්‍රමවේදය මගින් ගණිතමය අදහසක් ක්‍රමානුකූලව පරීක්ෂා කළ හැකි පරිගණක කේතයක් බවට පත් කරයි. මෙම ක්‍රියාවලිය කොතරම් සූක්ෂ්මද යත්, යම් ප්‍රමේයයක් (theorem) කිසිදු දෝෂයකින් තොරව ඉන් සමත් වුවහොත්, එය සියලු සාධාරණ සැකයන්ගෙන් ඔබ්බට නිවැරදි යැයි සැලකේ. මෙය කෘත්‍රිම බුද්ධියට ගැටලුවක් විශ්ලේෂණය කිරීමටත්, නිවැරදි විසඳුමකට එළඹුණු විට එය හඳුනා ගැනීමටත් ඉඩ සලසයි.
භෞතික විද්‍යාව පරීක්ෂා කිරීම සඳහා විධිමත්කරණය භාවිත කිරීමේ යම් ප්‍රගතියක් ලබා තිබුණද, ගණිතය හා සසඳන විට එය තවමත් පවතින්නේ ආරම්භක අවධියේය. එමෙන්ම භෞතික විද්‍යා ගැටලු බොහෝ විට වඩාත් සංකීර්ණ සහ නිශ්චිත රාමුවකට කොටු කිරීමට අපහසු ඒවා විය හැකිය.
පැහැදිලිවම පෙනෙන කරුණ නම්, පරිගණක කේත ලිවීමට සහ ගණිතමය කටයුතු කිරීමට පමණක් නොව, පරීක්ෂණ සැලසුම් කිරීමට සහ ක්‍රියාත්මක කිරීමට පවා භෞතික විද්‍යාඥයන් දැනටමත් කෘත්‍රිම බුද්ධිය භාවිත කරන බවයි.
යේල් විශ්වවිද්‍යාලයේම සේවය කරන ලෝගන් රයිට් (Logan Wright), මේ වන විට භෞතික විද්‍යා පර්යේෂණ සඳහා කෘත්‍රිම බුද්ධිය භාවිත කිරීම පිළිබඳ පාඨමාලාවක් උගන්වන අතර, නවතම ප්‍රවණතාවලට සමගාමීව එහි විෂය නිර්දේශය නිරන්තරයෙන් වෙනස් වන බව පවසයි.
රයිට් පවසන පරිදි මෙහි මූලික රහස වන්නේ, ආදානයන් (inputs) සහ ප්‍රතිදානයන් (outputs) පරිගණකය මගින් පාලනය කළ හැකි පරීක්ෂණ නිර්මාණය කිරීමයි. එවිට එම පාලනය කෘත්‍රිම බුද්ධිය වෙත පැවරිය හැකි අතර, අදාළ පරාමිතීන් නිසි ලෙස හසුරුවමින් ගැටලු අවකාශය ගවේෂණය කර අර්ථවත් ප්‍රතිඵල ලබා ගැනීමට එයට හැකියාව ලැබේ.
“එයට අත් නැහැ, ඇස් නැහැ, එය ලෝකය සමඟ ගනුදෙනු කරන්නේ භාෂාව සහ කේත හරහා පමණයි,” රයිට් පවසයි. “එබැවින්, සියලුම නිරීක්ෂණ කේත බවටත්, සියලුම ක්‍රියාකාරකම් කේත බවටත් පරිවර්තනය කළ හැකි ආකාරයේ පරීක්ෂණයක් අපට සකස් කළ හැකි නම්… එවිට කෘත්‍රිම බුද්ධියට සැබවින්ම විශාල උපකාරයක් විය හැකියි.”
විද්‍යාව ලෙස ගණන් ගැනෙන්නේ කුමක්ද?
දැනට රයිට්ගේ විද්‍යාගාරයේ ක්‍රියාත්මක වන එවැනි එක් පරීක්ෂණයකට, ලේසර් ස්පන්දනවල (laser pulses) විවිධ හැඩයන් රුබීඩියම් (rubidium) පරමාණුවකට බලපාන්නේ කෙසේද යන්න විශ්ලේෂණය කිරීම ඇතුළත් වේ. ලේසර් ස්පන්දන පාලනය කිරීමට සහ ඒවායේ බලපෑම් පිළිබඳ දත්ත රැස් කිරීමට පර්යේෂකයෝ ඇන්ත්‍රොපික් (Anthropic) සමාගමේ ‘ක්ලෝඩ්’ (Claude) නමැති කෘත්‍රිම බුද්ධිය භාවිත කරති.
“දැන් ක්ලෝඩ්ට මූලික වශයෙන්ම පැවසිය හැකියි, ‘මම හිතන්නේ මෙම ලේසර් ස්පන්දනයෙන් මෙවැනි ප්‍රතිඵලයක් ලැබේවි’ කියා,” රයිට් පවසයි. “ඒ වගේම එයටම එය පරීක්ෂා කර බැලිය හැකියි.”
රයිට් පවසන්නේ එවැනි පරීක්ෂණ රාත්‍රිය පුරා ක්‍රියාත්මක වෙමින් මිනිසෙකුට සතියකින් කළ හැකි තරමේ වැඩ කොටසක් නිම කළ හැකි බවයි. එමෙන්ම මිනිස් භෞතික විද්‍යාඥයන්ට විද්‍යාගාරයෙන් බැහැරව සිටින විට පවා තම සිතට නැගෙන අදහස් ජංගම දුරකථන යෙදුමක් (app) හරහා යෝජනා කර, නැවත පැමිණෙන විට එහි ප්‍රතිඵල ලබා ගැනීමට පවා හැකියාව ඇත.
“මුළු විශ්වයම මේ ආකාරයෙන් ගවේෂණය කළ හැකි වේවි කියා මින් අදහස් වන්නේ නැහැ. එය ඉතා සීමිත ක්ෂේත්‍රයන්ට පමණක් සීමා වේවි,” රයිට් පවසයි. “මම හිතන්නේ භෞතික විද්‍යාවේ මීළඟ ඉදිරි පිම්මේ එක් කොටසක් වනු ඇත්තේ එම සීමිත ක්ෂේත්‍රයන් තුළ අපට යා හැකි උපරිම දුර යාමයි.”
මිනිසුන්ට තේරුම් ගත නොහැකි පරීක්ෂණයක් කෘත්‍රිම බුද්ධිය විසින් නුදුරේදීම සැලසුම් කර, එය ගොඩනගන ලෙස මිනිසුන්ගෙන් ඉල්ලා, ආකර්ෂණීය නව ප්‍රතිඵල උත්පාදනය කිරීමේ සම්පූර්ණ හැකියාව දැනටමත් පවතින බව රයිට් පවසයි. “නමුත් පැහැදිලිවම කිව යුතු දෙයක් නම්, ගණිතයේදී මෙන්ම මෙහිදීත්, අපට කිසිසේත්ම තේරුම් ගත නොහැකි ප්‍රතිඵලයක් ලැබුණහොත් එය විද්‍යාව ලෙස සැලකිය හැකිද යන්න පිළිබඳව විවාදයක් පවතින බවයි,” රයිට් වැඩිදුරටත් පවසයි.
“මිනිසුන්ට තේරුම් ගත නොහැකි පරීක්ෂණයක් කෘත්‍රිම බුද්ධිය විසින් නුදුරේදීම සැලසුම් කිරීමේ සම්පූර්ණ හැකියාව දැනටමත් පවතී”
කෘත්‍රිම බුද්ධියට ගණිතය හැසිරවිය හැකි බව දැන් ඔප්පු කර පෙන්වා ඇති බැවින්, එය දැන් මීළඟ ඉලක්කය වෙත යොමු වෙමින් සිටියි.
ප්‍රතිචාරයක් ලබාදෙන්න