science

img

செயற்கை நுண்ணறிவு : ஓர் அறிமுகம் - வினோத் ஆறுமுகம்

ஒரு நாள்  ‘ஜோ’விற்கு  மின்னஞ்ச லில் வீட்டிலிருந்து வேலை செய்வதற்கான ஒரு அழைப்பு வந்திருந்தது. ஜோ  கென்யாவை சேர்ந்தவர்.  வீட்டில் வறுமை.  கணிதத்தில் பட்டப்படிப்பு.  கணினி பற்றிய அடிப்படை தெரியும்.  மற்றபடி வேலை இல்லை.  ஆரம்பத்தில் ஜோவிற்கு இந்த மின்னஞ்சல் ஏமாற்று வேலையாக இருக்குமோ என சந்தேகம் இருந்தது,  ஆனால் அவர்கள் பணம் ஏதும் கேட்க வில்லை.  ஒரு தேர்வு எழுத வேண்டும் என்று  கூறினார்கள்.  தேர்வுக்கான பயிற்சியையும் இணையத்திலேயே அவர்கள் கொடுத் தார்கள்.   ஜோ  தேர்வில் வெற்றி பெற்றார்.

இனி ஆன்லைனில் வேலை பார்க்க வேண்டும்.  வேலையைப் பற்றிய குறிப்பில் கூறியிருந்தது என்னவென்றால் “  செயற்கை நுண்ணறிவு கணினிகளை பயிற்று விக்க தேவையான தகவல்களை ஜோ லேபிள் செய்ய வேண்டும்.  நிறுவனம் கொடுத்த பயிற்சிகளின் அடிப்படையில் மட்டும் தான்  அவர் வேலை செய்ய வேண்டும்.  எக்கார ணத்தை கொண்டும் இந்த வேலையை பற்றியோ தான் வாங்கும் சம்பளத்தை பற்றியோ அவர் வெளியே தெரிவிக்கக் கூடாது.  அப்படி தெரிவித்தால் அவர் வேலை யை விட்டு நீக்கப்படுவது மட்டுமில்லாமல்,  அந்நாட்டின் சட்டப்படி அவர் மீது சட்ட  நடவடிக்கை எடுக்கப்படும் என சொல்லப்பட்டி ருந்தது”  அதாவது மிரட்டப்பட்டு இருந்தது.  ஜோவிற்கு ஒரு மணி நேரத்திற்கு சுமார்  

10   அமெரிக்க டாலர் வரை சம்பளமாக கிடைக் கும்.  ஒரு நாளைக்கு நான்கு மணி நேரம் தான் வேலை.  ஒரு நாளைக்கு 40 டாலர் என்றால் கென்ய நாட்டின்  பணத்தில் அவர் கிட்டத்தட்ட வசதியாகிவிட்டார் என்றே பொருள். ஜோவிற்கு மகிழ்ச்சி சுறுசுறுப்பாக தினமும் வேலை செய்தார். ஜோவின் வேலை  ஓட்டுநர் இல்லாமல் தானாக ஓட்டிச்  செல்லும் தானியங்கி கார்களின் செயற்கை நுண்ணறிவு மென்பொருளை பயிற்று விக்கும் படங்களை லேபிள் செய்ய வேண்டும்.   இதை தகவல் குறிப்பானவர்கள் எனக்கூறு.  ஜோவிற்கு சாலையில் எடுக்கப் பட்ட வீடியோக்கள் அனுப்பப்படும் அதி லிருந்து அவர்,  சாலையைக் கடக்கும் மனித,  சைக்கிள் ஓட்டிகள்,  டிராபிக் சிக்னல்கள்  போன்றவற்றை கண்டுபிடித்து அதை லேபிள் செய்ய வேண்டும். ஒரு வீடியோவின் ஒவ்வொரு ஃபிரேமிலும் இதை அவர் லேபிள் செய்ய வேண்டும்.  ஒரு நிமிட வீடி யோவில் 60 ஃபிரேம்கள் வரை இருக்கலாம்.  இப்படியாக  அவர் ஒரு நாளைக்கு நான்கு மணி நேரம் வேலை செய்ய வேண்டும்.  ஒரு வீடியோவை ஒரு டாஸ்க் என வைத்துக் கொள்ளலாம்.  ஒரு டாஸ்கின் நடுவில் அவர் அதை செய்யாமல் விடக்கூடாது,  மாறாக ஒரு  டாஸ்க் முடிந்தவுடன் அவர் தேவை என்றால் ஓய்வெடுத்துக் கொள்ளலாம்.  ஆனால் ஒரு மணி நேரத்திற்குள் இத்தனை டாஸ்க்குகள் செய்ய வேண்டும் என்ற கட்டாயமும் உள்ளது. ஒருவேளை அது குறைந்தால் வேலையில் இருந்து நீக்கப்படுவீர்கள்.

வேலையே இல்லாதபோது இந்த வேலை நல்ல வேலையாகத்தான் தெரிந்தது.  ஆனால் அந்த வேலையை செய்ய ஆரம்பித்த உடன் தான் அதன் சிக்கல் ஜோவிற்கு புரிய வந்தது.  சில மாதங்கள் கழித்து ஏதேதோ காரணம் சொல்லி ஜோவை அந்த வேலையில் இருந்து  அந்நிறுவனம் நீக்கிவிட்டது.  ஜோவிற்கு ஏன் இந்த வேலை கிடைத்தது என்றும் புரிய வில்லை. அவர் ஏன் அந்த வேலையில் இருந்து நீக்கப்பட்டார் என்பதும் புரியவில்லை.   உண்மையில் ஜோ ரிமோட்டாஸ்க்ஸ் எனும் நிறுவனத்திற்காகத் தான் வேலை பார்த்திருக்கிறார்.  உலகம் முழுவதும் ஜோவை போன்றே ஆயிரக்கணக்கான மக்க ளை இந்நிறுவனம் வீட்டிலிருந்து வேலை என்று  செயற்கை நுண்ணறிவை பயிற்று விப்பதற்கான தகவல்களை குறிப்பிடச் செய்யும் குறிப்பாளர்களாக வேலைக்கு அமர்த்தி இருக்கிறது. ஆரம்பத்தில் நல்ல  சம்பளம் கொடுப்பதை போல் காட்டிக் கொண்டாலும் நாட்கள் ஆக ஆக உங்கள் சம்பளம் மெல்ல குறைக்கப்படும் அல்லது  காரணம் சொல்லாமல் உங்கள் வேலையை நீக்கிவிடுவார்கள்.  நீங்கள் யாரிடமும் சென்று முறையிட முடியாது.  ஏன் நீக்கிவிட்டால் அந்த வெப்சைட்டினுள் நுழையக் கூட முடியாது.  வெளியே இதைப்பற்றி எழுதினா லும் பேசினாலும் உங்கள் மீது சட்ட நடவடிக்கையும் எடுப்பார்கள்.

ரிமோட் டாஸ்க்ஸ் (Remotasks) நிறு வனம்,  ஸ்கேல் ஏ ஐ (Scale AI)   எனும் நிறு வனத்தின் துணை நிறுவனம்.  ஸ்கேல் ஏ ஐ நிறுவனத்தின் கஸ்டமர்கள்  சாட் ஜிபிடி புகழ் ஓபன்  ஏஐ (OPEN AI),  மற்றும் அமெரிக்கா வின் ராணுவம்.  ஸ்கேல் ஏஐ நிறுவனம் 2016இல்  அலெக்சாண்டர் வாங்(Alexander Wang) என்பவரால் தொடங்கப்பட்டது. இந்நிறுவனத்தின் ஒரே வேலை செயற்கை நுண்ணறிவு மென்பொருட்களை பயிற்று விக்க தேவையான தகவல்களை மனிதர் களைக் கொண்டு  குறிக்க வைப்பது.  பல்வேறு செயற்கை நுண்ணறிவு தொடர்பான நிறு வனங்களுக்கு இந்த சேவையை செய்து ஸ்கேல் ஏஐ நிறுவனம் 2021இல் 7.3 பில்லி யன் அமெரிக்க டாலர்  மதிப்பு கொண்ட நிறு வனமாக உயர்ந்து விட்டது. இந்நிறுவனத் தின் லாபம் என்பது உலகம் முழுவதும் வேலை தேடும் அப்பாவிகளைச் சுரண்டியதால் வந்தது. செயற்கை நுண்ணறிவு எப்படி வேலை செய்கிறது?  செயற்கை நுண்ணறிவு கொண்ட மென் பொருள் என்றால் மனிதனைப் போலவே சிந்தித்து செயல்படும் மென்பொருள் என பொதுவாக பொருள் கொள்ளலாம்.  

மனிதனைப் போலவே சிந்திக்க வேண்டும் என்றால் மென்பொருட்கள் மனித னைப் போலவே கற்க வேண்டும் அப்போது தான் சிந்தனை சாத்தியம் என்ற கருத்தின் அடிப்படையில்  மெஷின் லேர்னிங் எனும் கருதுகோளை உருவாக்கினார்கள்.  மனிதன் கற்பதற்கு காரணம் அவனுடைய மூளை தான். அதனால் மூளையில் இருப்பது போன்று நரம்பியல் வலை அமைப்பை செயற்கையாக உருவாக்கினால்  மனித னைப் போலவே எந்திரங்களும் கற்கும் என முடிவு செய்தார்கள். பிராங்க் ரோசன்பிளாட் என்னும் அறிஞர் கணிதம் மற்றும் மென்பொருள் அடிப்படை யில் செயற்கையாக நரம்பியல் வலை அமைப்பை உருவாக்கினார். இதை செயற்கை நரம்பியல் வலையமைப்பு (Artifcial neural network (ANN)  என அழைப்பார்கள். 1980 கள் வரை செயற்கை நுண்ணறிவுத் துறையில் பெரிய முன்னேற்றம் இல்லை.  செயற்கை நுண்ணறிவு ஆய்வுகளுக்கான நிதிகளும் முடக்கப்பட்டன.  அந்நிலையில் இத்துறையை சேர்ந்த அறிஞர்கள் ஒரு முக்கிய முடிவிற்கு வந்தனர்.  மனிதனைப் போலவே சிந்திக்கும் கணினியை, வன் செயற்கை நுண்ணறிவு  (Strong AI or Artificial genral Intelligence)என பெயரிட்ட னர்.  இது இப்போதைக்கு சாத்தியம் இல்லை.  ஆனால் ஒரு குறிப்பிட்ட வேலையை மனிதனைப் போலவோ அல்லது அவனை விட சிறப்பாகவோ  செய்வதை மென் செயற்கை நுண்ணறிவு (Weak AI or Narrow intelligence ) என பெயரிட்டனர்.

1980களில் ஜெஃப் ஹிண்டன் (Geff Hinton) எனும் அறிஞர் செயற்கை நரம்பியல் வலை பின்னல் மென்பொருட்களில் சில முன்னேற்றங்களை கொண்டு வந்தார்.  அதனால்  மென்பொருட்கள், கொடுக்கப் படும் தகவல்களில் இருந்து  ஒற்றுமை வேற்றுமைகள் பிரிக்கத் தெரிந்து கொண் டது.  கணிதவியலில் புள்ளியலை அடிப்ப டையை கொண்ட இந்த மென்பொருள்  மென் செயற்கை நுண்ணறிவை சாத்திய மாக்கியது.  ஆனால் ஒரு சிக்கல். இந்த  நியூரல் நெட்வொர்க் மென்பொருள் கற்க வேண்டும் என்றால் அதற்கு நீங்கள் லேபிள் செய்த டேட்டாக்களை கொடுக்க வேண்டும்.  உதாரணத்திற்கு ஒரு படத்தில் ஒரு நாயை கண்டுபிடிக்க வேண்டும் என்றால்.  ஆயிரக்கணக்கான படங்களை நீங்கள் முதலில் சேகரிக்க வேண்டும்.  பின்பு அந்தப்  படங்களில்  எங்கெல்லாம் நாய்கள் இருக் கின்றன என்பதை லேபிள் செய்யவேண்டும். எங்கெல்லாம் நாய்கள் இல்லை என்பதை யும் நீங்கள் லேபிள் செய்ய வேண்டும்.  இப்படியான லேபிள் செய்து  ஒழுங்கமைக்கப் பட்ட தகவலை நீங்கள்  இந்த நியூரல் நெட்வொர்க் மென்பொருளுக்கு தொடர்ந்து கொடுத்து வந்தால் ஒரு கட்டத்தில் நீங்கள் கொடுக்கும் படங்களில் இருக்கும் நாயை அது சரியாக கண்டுபிடித்து விடும்.  நியூரல் நெட்வொர்க் அமைப்புகளின் கணித,  நிழல்களும் நமக்குத் தெரியும் என்றாலும் அது எப்படி இயங்குகிறது என்பது இன்று வரை மர்மம் தான்.  நீங்கள் லேபிள் செய்த  தகவலை அதற்கு உள்ளிட்டால் அதில் இருந்து அது  கற்றுக்கொள்ளும்.

அடுத்த வாரம் தொடரும்