Monday, March 21, 2016
મગજની આંટીધૂંટી ઉકેલીને તેની નકલ કરવાનો મહાપ્રૉજેક્ટ
ફોન, ટીવી, કમ્પ્યુટર જેવી અસંખ્ય શોધો માણસના જિજ્ઞાસુ, ફળદ્રુપ દિમાગની ઉપજ છે. પરંતુ કેટલીક શોધો એવી પણ હોય છે, જે કુદરતી સૃષ્ટિમાં જોવા મળતી હોય અને માણસ તેનું અનુકરણ કરે. અભ્યાસ-સંશોધનનો આ પ્રકાર ‘રીવર્સ ઍન્જનિયરિંગ’ કહેવાય છે. તફડંચીકારો એકાદ અસલ-મૌલિક ચીજના પૂરજેપૂરજા છૂટા પાડીને, તેની રચના સમજીને, નવી, તકલાદી, સસ્તી નકલ બનાવી કાઢે, તે એક પ્રકારનું ‘રીવર્સ ઍન્જિનિયરિંગ’ જ ગણાય, પરંતુ અહીં જેની વાત કરવાની છે, તે આવો ‘મેડ ઇન ચાઇના’છાપ પ્રૉજેક્ટ નથી. તેનો આશય આ સૃષ્ટિ પરની સૌથી પેચીદી કુદરતી રચના એવા મગજની કાર્યપદ્ધતિનું રીવર્સ ઍન્જિનિયરિંગ કરવાનો છે.
અમેરિકાની સંશોધનસંસ્થા ‘ઇન્ટેલિજન્સ ઍડવાન્સ્ડ રીસર્ચ પ્રૉજેકટ્સ ઍક્ટિવિટી’એ ૧૦ કરોડ ડૉલરના ખર્ચે ઉંદરના મગજના એક
ઘનમિલીમીટર હિસ્સાના ‘રીવર્સ
ઍન્જિનિયરિંગ’નું બીડું
ઉપાડ્યું છે. આટલું વાંચીને તો ‘ખોદ્યો ડુંગર, કાઢ્યો ઉંદર’ જેવું લાગે. ઉંદરના મગજના એક મિલીમીટર લંબાઇ-પહોળાઇ-ઊંડાઇ ધરાવતા હિસ્સાના
અભ્યાસ માટે આટલો દાખડો? એવો સવાલ થઇ શકે.
પરંતુ આર્ટિફિશ્યલ ઇન્ટેલિજન્સના ક્ષેત્ર માટે આ અભ્યાસ બહુમૂલ્ય માહિતીની ખાણ
જેવો નીવડી શકે છે. ‘ધ મશીન ઇન્ટેલિજન્સ ફ્રૉમ કૉર્ટિકલ નેટવર્ક્સ
પ્રોગ્રામ’ (ટૂંકમાં, MICrONS) તરીકે ઓળખાતા આ
અભ્યાસના અંતે કમ્પ્યુટર કરતાં અનેક ગણી પ્રચંડ ક્ષમતાથી, ઝડપથી અને ચોક્સાઇથી કામ કરતા મગજની
કાર્યપદ્ધતિમાંથી ‘અલ્ગોરિધમ’ તારવી શકાય--એટલે કે, મગજની કાર્યપદ્ધતિની પેચીદા કમ્પ્યુટર
પ્રોગ્રામ સ્વરૂપે નકલ કરી શકાય, તો કૃત્રિમ
બુદ્ધિશક્તિ-આર્ટિફિશ્યલ ઇન્ટેલિજન્સ (AI)ના ક્ષેત્ર માટે
તે પ્રગતિનો હનુમાનકૂદકો બની શકે.
કામ કઠણ છે. ધારી સફળતા ન મળે એવી શક્યતા પૂરી છે. પરંતુ એમ
જુઓ તો, ૧૯૯૦માં અમેરિકાની સરકારે
મનુષ્યના જનીન બંધારણને આખેઆખું ઉકેલવાનો હ્યુમન જેનમ પ્રૉજેક્ટ હાથ ધર્યો, ત્યારે એ પણ વાસ્તવિકતાને બદલે વિજ્ઞાનકથા જેવો
લાગતો ન હતો? ગુજરાતીના અનન્ય, અભૂતપૂર્વ વિજ્ઞાનમાસિક ‘સ્કોપ’માં નગેન્દ્રવિજયે આ પ્રૉજેક્ટ અને એ નિમિત્તે જનીનશાસ્ત્ર (જિનેટિક્સ) વિશે
રોમાંચકારી સમજૂતી પૂરી પાડી હતી,
જે જિજ્ઞાસા અને
આતુરતા વધારી મૂકે એવી હતી. સાથોસાથ,
વિજ્ઞાનજગતમાં
એવી અવઢવ પણ હતી કે આવાં પાયારૂપ અને મોટાં સંશોધન ખરેખર નજીકના ભવિષ્યમાં પાર
પડશે ખરાં? અને તેનો ફાયદો શો? પરંતુ માંડ દોઢેક દાયકામાં જનીનોનું મૅપિંગ
(વિગતવાર ઓળખ) શક્ય બન્યું. ત્યાર પછીના દોઢેક દાયકામાં જિનેટિક્સના ક્ષેત્રે
ઝડપભેર પ્રગતિ થઇ રહી છે. (થોડા સમય પહેલાં આ કૉલમમાં જનીનોની જોડતોડની
ક્રાંતિકારી ટૅક્નૉલોજી વિશે વાત કરવામાં આવી હતી.)
જનીનોની જેમ કૃત્રિમ બુદ્ધિશક્તિ (ટૂંકમાં AI)નું ક્ષેત્ર પણ
ઘણા વખતથી અઢળક શક્યતાઓની આશા સાથે ધીમી ગતિએ આગળ વધી રહ્યું છે. બુદ્ધિની રમત
ગણાતી ચેસની ચાલબાજીમાં વિશ્વવિજેતા ગૅરી કાસ્પારોવને આઇબીએમના કમ્પ્યુટર ડીપ
બ્લૂએ હરાવી દીધા, એ જૂની (૧૯૯૭ની)
વાત થઇ. ગયા અઠવાડિયે AIના સંશોધકોએ નવો મુકામ હાંસલ કર્યો. ચેસ કરતાં
ઘણી વધારે પેચીદી ગણાતી અને કેવળ ગણતરીઓને બદલે, થોડી બુદ્ધિ લડાવવાની જરૂર પડે એવી રમત ‘ગો’માં માણસ સામે
કમ્પ્યુટરની જીત થઇ.
‘માણસ સામે
કમ્પ્યુટરની જીત’ એ શબ્દપ્રયોગ
સાચો હોવા છતાં, તેનો વાસ્તવિક
અર્થ સમજવો જરૂરી છે. ‘ગો’ની સ્પર્ધામાં એક તરફ કોરિયાનો ચેમ્પિયન ખેલાડી
લી સેડોલ હતો અને બીજી તરફ ગુગલનું ‘બુદ્ધિશાળી’ મશીન ડીપ માઇન્ડ. ગુગલે છ વર્ષ પહેલાં
આર્ટિફિશ્યલ ઇન્ટેલિજન્સની કંપની ‘ડીપ માઇન્ડ’ ૪૦ કરોડ પાઉન્ડની તોતિંગ કિંમતે ખરીદી લીધી અને
ત્યાર પછી પણ તેમાં રોકાણ ચાલુ રાખ્યું છે. કારણ કે, ટેક્નોલોજિના ક્ષેત્રે ભવિષ્ય આર્ટિફિશ્યલ ઇન્ટેલિજન્સનું છે. તેના ડીપ
માઇન્ડ મશીને ચેમ્પિયન ખેલાડીને ચેસ કરતાં ઘણી વધારે પેચીદી એવી ‘ગો’ રમતમાં હરાવ્યો છે. એક અંદાજ પ્રમાણે, ચેસની રમતમાં ૧૦ની ઉપર ૭૦ ઘાત હોય એટલી સંભાવનાઓ હોય છે, જ્યારે ‘ગો’માં ૧૦ની ઉપર ૭૦૦ ઘાત
મૂકીએ, એટલી બધી શક્યતાઓ છે.
આમ, ‘બુદ્ધિશાળી’ મશીનોએ મોટા પાયે આગેકૂચ કરી છે, એમાં કોઇ શક નથી. પરંતુ મશીનોની મોટા ભાગની
તાકાત તેમને અપાયેલી અઢળક માહિતી અને તેના પૃથક્કરણને આભારી છે. બીજા શબ્દોમાં
કહીએ તો, મશીનો બહુ ઝડપથી
સંખ્યાબંધ ગણતરીઓ કરી શકે, શક્યતાઓ ચકાસી
શકે, પણ તેમની એક જ ‘ઇન્દ્રિય’ ચાલે. એટલે કે, એક જ વિષયમાં અને
તે પણ તેમને જેટલું શીખવવામાં આવ્યું હોય એમાંથી જ એ તારવી શકે. તેમની સરખામણીમાં
માણસ રોજેરોજના વ્યવહારમાં એવાં કામ એટલી સહજતાથી કરે છે કે મશીનો તેની કલ્પના
સુદ્ધાં ન કરી શકે. જેમ કે, માણસનું મગજ
ટોળામાંથી પોતાનો પરિચિત ચહેરો તરત જુદો તારવી શકે છે અથવા ઘોંઘાટમાંથી જાણીતો
અવાજ તરત પારખી શકે છે. કૃત્રિમ બુદ્ધિ ધરાવતા મશીનને આ કરવું હોય તો નવ નેજાં
આવે. કારણ કે, માણસનું મગજ સાવ પાંખી
માહિતીનું સામાન્યીકરણ કરીને, તેમાંથી જરૂરી
જાણકારી મેળવી લેવામાં પાવરઘું છે. એક રીતે કહેવાય કે, બહારની દુનિયા
વિશે મગજની અંદર એક વ્યાપક ચિત્ર અથવા માહિતીસંગ્રહ ઊભો થયેલો હોય છે. તેને
જાળવવાનું અને તેમાં સતત ફેરફારોનું કામ મગજ ચાલુ રાખે છે. એ માહિતીના આધારે
ઓછામાં ઓછી વિગતો પરથી પણ મગજ અનુમાનો અને અપેક્ષાઓનો ખેલ મગજ ચલાવે છે અને મગજની
અંદર આવતી દરેકેદરેક માહિતીનો તેના લાભાર્થે ઉપયોગ કરે છે. કૃત્રિમ બુદ્ધિશક્તિ
ધરાવતાં મશીન માટે એ મુકામ હજુ ઘણો દૂર છે.
છતાં, મગજની
કાર્યક્ષમતાની પ્રાથમિક ચાવીઓ જાણીને તેની નકલ કરવાની કામગીરી ત્રણ સંશોધકટુકડીઓને
સોંપવામાં આવી છે, જે જુદી જુદી
પદ્ધતિથી ઉંદરના મગજના એક ઘન મિલીમીટર હિસ્સાનો અને તેમાં થતી ઉથલપાથલોનો અભ્યાસ
કરશે. આ પ્રૉજેક્ટ વિશે ‘સાયન્ટિફિક
અમેરિકન’ના લેખમાં જણાવ્યા
પ્રમાણે, પાંચ વર્ષમાં આ કામ પૂરું
થતાં વિવિધ તસવીરો સ્વરૂપે બે પેટાબાઇટ જેટલો ડૅટા ઉપલબ્ધ બનશે. (સીડીના માપ
પ્રમાણે કહીએ તો, આશરે ૨૫ લાખ
સીડીમાં સમાય એટલો.) તેમાંથી મગજની કાર્યપદ્ધતિ સમજાય-ઉકેલી શકાય તો પણ, એ પદ્ધતિને ‘રીવર્સ એન્જિનિયર’ કરવાના, તેનું કૃત્રિમ રીતે, કમ્પ્યુટરના પ્રોગ્રામ સ્વરૂપે પુનઃસર્જન
કરવાના પડકાર ઓછા નથી. પરંતુ સંશોધકો માને છે કે આ કવાયતમાં ધાર્યું પરિણામ ન મળે
તો પણ, તે નિષ્ફળ જવાની કોઇ સંભાવના નથી. કારણ કે, તેનાથી મગજની કામગીરી વિશેના જ્ઞાનમાં વધારો જ
થવાનો છે.
ગણતરી સિવાયની બાબતમાં એટલે કે ખરા અર્થમાં બુદ્ધિશાળી
બનવાના મામલે મશીનો અને માણસો વચ્ચે ઘણું છેટું છે. એ રીતે માણસોએ ચિંતા કરવાની
જરૂર નથી. પરંતુ સૌથી શક્તિશાળી દિમાગ મળ્યું હોવાથી, તેનો ઉપયોગ કરીને માણસ પોતે રીવર્સ
એન્જિનિયરિંગના રસ્તે કુદરતનાં પ્રચંડ સર્જનનું અંશતઃ અનુકરણ કરવા મથી રહ્યો છે.
Subscribe to:
Post Comments (Atom)
The main hurdle of AI is the ability to "think". Human mind can think on anything, and that's why we are creative, we have artistic skills, we can get innovative ideas, we can learn without experience.
ReplyDeleteComputer program just compares everything and gives judgment, that is the basis of any kind of AI. Memory is used to store past experience of program and with that it "learns" better.
But the ability to "think" is not there in computer program. This looks like a dream but still it's a great attempt.
Very good article sir.