ചുരുക്കി പറഞ്ഞാൽ: AI ഒരു പ്രത്യേക തീയതിയിൽ കണ്ടുപിടിച്ചതല്ല; യുക്തി, ആദ്യകാല കമ്പ്യൂട്ടിംഗ്, യുക്തി ഔപചാരികമാക്കാനുള്ള ശ്രമങ്ങൾ എന്നിവയിൽ നിന്നാണ് അത് ക്രമേണ ഉയർന്നുവന്നത്. പൊതുവായ "ഔദ്യോഗിക" ആരംഭ പോയിന്റായി, ഗവേഷകർ AI-യെ ഒരൊറ്റ മുന്നേറ്റമായിട്ടല്ല, മറിച്ച് ഒരു നാമകരണം ചെയ്ത ശാസ്ത്ര മേഖലയായി സംഘടിപ്പിച്ച നിമിഷം ഉപയോഗിക്കുക.
പ്രധാന കാര്യങ്ങൾ:
നിർവചനം: നിങ്ങൾ ഉദ്ദേശിക്കുന്നത് ആശയമാണോ, മേഖലയാണോ, അതോ ആധുനിക ഉൽപ്പന്നങ്ങളാണോ എന്ന് തീരുമാനിക്കുക.
മൈൽസ്റ്റോൺ: ഏറ്റവും ലളിതവും പൊതുജനങ്ങൾക്ക് മുന്നിൽ ദൃശ്യമാകുന്നതുമായ ആരംഭ പോയിന്റായി ഫീൽഡിന്റെ നാമകരണം ഉപയോഗിക്കുക.
ചരിത്രാതീതകാലം: കമ്പ്യൂട്ടറുകൾക്ക് മുമ്പുള്ള യുക്തി, മെക്കാനിക്കൽ യുക്തി എന്നിവയുമായി AI യുടെ വേരുകളെ ബന്ധിപ്പിക്കുന്നു.
രീതികൾ: AI വിശദീകരിക്കുമ്പോൾ ആദ്യകാല നിയമാധിഷ്ഠിത സംവിധാനങ്ങളെ പിന്നീടുള്ള പഠനാധിഷ്ഠിത സമീപനങ്ങളിൽ നിന്ന് വേർതിരിക്കുക.
സന്ദർഭം: മാർക്കറ്റിംഗും നിർവചനങ്ങൾ മാറ്റുന്നതും ടൈംലൈനിനെ നിലവിലുള്ളതിനേക്കാൾ വൃത്തിയുള്ളതായി തോന്നിപ്പിക്കുമെന്ന് സൂചിപ്പിക്കുക.
🔗 എപ്പോഴാണ് AI ജനപ്രിയമായത്? ഒരു ടൈംലൈൻ വിശദീകരിച്ചു
2010-കളിൽ ഗവേഷണത്തിൽ നിന്ന് മുഖ്യധാരയിലേക്കുള്ള AI-യുടെ ഉയർച്ചയെ ട്രാക്ക് ചെയ്യുന്നു.
🔗 എന്താണ് ഒരു AI അൽഗോരിതം? വ്യക്തമായ നിർവചനവും ഉദാഹരണങ്ങളും
അൽഗോരിതങ്ങൾ vs മോഡലുകൾ, കൂടാതെ ലളിതമായ ഉദാഹരണങ്ങളും അപകടങ്ങളും വിശദീകരിക്കുന്നു.
🔗 AI അമിതമായി പ്രചരിപ്പിക്കപ്പെടുന്നുണ്ടോ? ഹൈപ്പ് vs യഥാർത്ഥ മൂല്യം
മാർക്കറ്റിംഗ് ഹൈപ്പിനെ പ്രായോഗിക AI ഉപയോഗങ്ങളിൽ നിന്നും പരിമിതികളിൽ നിന്നും വേർതിരിക്കുന്നു.
🔗 ഒരു AI ഏജന്റിനെ എങ്ങനെ നിർമ്മിക്കാം: പ്രായോഗിക ഘട്ടങ്ങൾ
ഘട്ടം ഘട്ടമായുള്ള ലൂപ്പ്, ടൂൾ ഡിസൈൻ, മെമ്മറി, ഏജന്റുമാർക്കുള്ള ഗാർഡ്റെയിലുകൾ.
“എഐ എപ്പോഴാണ് കണ്ടുപിടിച്ചത്?” എന്ന ചോദ്യത്തിനുള്ള ചെറിയ, അൽപ്പം അരോചകമായ ഉത്തരം ⏳🤷
AI എന്നത് ഒരു വ്യക്തി ഒരു ദിവസം കണ്ടുപിടിച്ചതല്ല. സ്റ്റാൻഫോർഡ് AI100 ആണ് ഉയർന്നുവന്നത് .
നിങ്ങൾക്ക് വൃത്തിയുള്ളതും കഥയ്ക്ക് അനുയോജ്യമായതുമായ ഒരു പതിപ്പ് വേണമെങ്കിൽ: ഒരു ചെറിയ കൂട്ടം ഗവേഷകർ അടിസ്ഥാനപരമായി, "യന്ത്രങ്ങളെ ചിന്തിപ്പിക്കാൻ ശ്രമിക്കാം" എന്ന് പറഞ്ഞപ്പോഴാണ് AI എന്ന പേരുള്ള ഒരു മേഖല ആരംഭിച്ചത്, അവർ അതിനെ ഒരു സയൻസ് ഫിക്ഷൻ ദിവാസ്വപ്നം എന്നതിലുപരി ഒരു ഗൗരവമേറിയ ശാസ്ത്രീയ പദ്ധതിയായി കണക്കാക്കി. ആ നിമിഷം പലപ്പോഴും AI യുടെ "ഔദ്യോഗിക" ജനനമായി കണക്കാക്കപ്പെടുന്നു ഡാർട്ട്മൗത്ത് സ്റ്റാൻഫോർഡ് AI100.
കൂടുതൽ കൃത്യമായ പതിപ്പ് വേണമെങ്കിൽ: ഗണിതം, യുക്തി, ആദ്യകാല കമ്പ്യൂട്ടിംഗ്, മനഃശാസ്ത്രം, ഭാഷാശാസ്ത്രം, നാഡീശാസ്ത്രം, ഐബിഎം തുടങ്ങിയ നിരവധി ശുഭാപ്തിവിശ്വാസം നിറഞ്ഞ കോഗ്നിറ്റീവ് സയൻസ് (SEP) എന്നിവയിലൂടെയാണ് AI ഒരുമിച്ച് ചേർക്കപ്പെട്ടത് . ഒരുപാടൊരുപാട്. ഇന്ന് ആളുകൾ വളരെ ആത്മവിശ്വാസമുള്ളവരായിരുന്നു, അത് ഇപ്പോൾ ആകർഷകമായി തോന്നുന്നു 😬.
അപ്പോൾ, എഐ എപ്പോഴാണ് കണ്ടുപിടിച്ചത്?
-
ആത്മാവിൽ - മനുഷ്യർ യുക്തിയും യാന്ത്രിക യുക്തിയും ഔപചാരികമാക്കാൻ തുടങ്ങിയപ്പോൾ ക്ലാസിക്കൽ ലോജിക് (SEP) ഓട്ടോമേറ്റഡ് റീസണിംഗ് (SEP)
-
പ്രായോഗികമായി - പ്രോഗ്രാമബിൾ കമ്പ്യൂട്ടറുകൾ ആ ആശയങ്ങൾ പരീക്ഷിച്ചുനോക്കാവുന്നതാക്കിയപ്പോൾ ട്യൂറിംഗ്, 1950
-
ഒരു മേഖല എന്ന നിലയിൽ - "കൃത്രിമബുദ്ധി" ഒരു സംഘടിത ഗവേഷണ ലക്ഷ്യമായി മാറിയപ്പോൾ ഡാർട്ട്മൗത്ത് ജോൺ മക്കാർത്തിയെക്കുറിച്ച് സ്റ്റാൻഫോർഡ്
-
പൊതു ഭാവനയിൽ - ഉൽപ്പന്നങ്ങളിലും, തലക്കെട്ടുകളിലും, സംസ്കാരത്തിലും "സ്മാർട്ട് മെഷീനുകൾ" ആയി പ്രത്യക്ഷപ്പെടാൻ തുടങ്ങിയപ്പോൾ സ്റ്റാൻഫോർഡ് AI100, SQ2
അതെ, അത് ഒന്നിലധികം ഉത്തരങ്ങളാണ്. ക്ഷമിക്കണം. പ്രത്യേകിച്ച് ഖേദകരമല്ല.
"കണ്ടുപിടിച്ചത്" എന്നതിന്റെ അർത്ഥം പോലും ഇവിടെയാണ് (കാരണം നിർവചനങ്ങൾ പ്രധാനമാണ്, ഓഹ്) 🧠🧩
എപ്പോഴാണ് AI കണ്ടുപിടിച്ചത്? എന്ന ചോദ്യത്തിന് ഉത്തരം നൽകുന്നതിനുമുമ്പ് , AI ആയി കണക്കാക്കുന്നത് എന്താണെന്ന് നമ്മൾ തീരുമാനിക്കണം. "യഥാർത്ഥ" പിസ്സയായി കണക്കാക്കുന്നത് എന്താണെന്ന് ആളുകൾ വാദിക്കുന്നതുപോലെയാണ് ആളുകൾ ഇതിനെക്കുറിച്ചും വാദിക്കുന്നത്. ചില ആളുകൾ തീവ്രമായി പെരുമാറുന്നു.
ആളുകൾ നിശബ്ദമായി ഉപയോഗിക്കുന്ന പൊതുവായ നിർവചനങ്ങൾ ഇതാ:
-
മനുഷ്യസമാന ചിന്താഗതിയായി AI: ന്യായവാദം, പഠനം, ഭാഷ മനസ്സിലാക്കൽ, പദ്ധതികൾ തയ്യാറാക്കൽ സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി
-
പ്രായോഗിക യന്ത്ര സ്വഭാവമായി AI: സംസാരം തിരിച്ചറിയൽ, വീഡിയോകൾ ശുപാർശ ചെയ്യൽ, വഞ്ചന കണ്ടെത്തൽ OECD AI തത്വങ്ങൾ സ്റ്റാൻഫോർഡ് AI100
-
ഒരു ഗവേഷണ മേഖലയായി AI: പങ്കിട്ട ലക്ഷ്യങ്ങളും സമ്മേളനങ്ങളും രീതികളുമുള്ള ഒരു കമ്മ്യൂണിറ്റി സ്റ്റാൻഫോർഡ് AI100
-
ഒരു ബ്രാൻഡ് ലേബൽ എന്ന നിലയിൽ AI: സോഫ്റ്റ്വെയർ നന്നായി വിൽക്കുന്നതിനാൽ ആ പദം അതിൽ അടിച്ചേൽപ്പിക്കുന്നു 😏
നിങ്ങളുടെ നിർവചനം അനുസരിച്ച്, AI വളരെ വ്യത്യസ്തമായ നിമിഷങ്ങളിൽ "കണ്ടുപിടിച്ചേക്കാം".
ശരിക്കും പറഞ്ഞാൽ, അതൊരു അപവാദമല്ല. അത് മൃഗത്തിന്റെ സ്വഭാവമാണ്. ഒരു ടോസ്റ്റർ പോലെയുള്ള ഒരു കണ്ടുപിടുത്തമല്ല AI. അത് "മരുന്ന്" അല്ലെങ്കിൽ "വ്യോമയാനം" പോലെയാണ്. പ്രോട്ടോടൈപ്പുകൾ, സിദ്ധാന്തങ്ങൾ, തെറ്റായ ആരംഭങ്ങൾ, പിന്നെ ഒടുവിൽ - ഒടുവിൽ പ്രവർത്തിച്ച കാര്യങ്ങൾ എന്നിവ ഉണ്ടായിരുന്നു.
AI-യ്ക്ക് മുമ്പുള്ള ചരിത്രാതീതകാലം: മനുഷ്യർ കാലങ്ങളായി ചിന്തയെ കുപ്പിയിലാക്കാൻ ശ്രമിച്ചു 🏛️⚙️
ആരെങ്കിലും ഒരു കമ്പ്യൂട്ടർ നിർമ്മിക്കുന്നതിന് വളരെ മുമ്പുതന്നെ, ചിന്തയെ നിയമങ്ങളാക്കി മാറ്റുന്നതിൽ ആളുകൾ ശ്രദ്ധ കേന്ദ്രീകരിച്ചിരുന്നു ഓട്ടോമേറ്റഡ് റീസണിംഗ് (SEP).
"ചരിത്രാതീത" ഘട്ടത്തിലെ ചില പ്രധാന തീമുകൾ:
-
ഔപചാരിക യുക്തി: യുക്തിയെ ഘടനാപരമായ ഘട്ടങ്ങളാക്കി മാറ്റൽ ക്ലാസിക്കൽ ലോജിക് (SEP)
-
മെക്കാനിക്കൽ കണക്കുകൂട്ടൽ: യന്ത്രങ്ങൾക്ക് നടപടിക്രമങ്ങൾ പാലിക്കാൻ കഴിയുമെന്ന് കാണിക്കുന്ന ഉപകരണങ്ങൾ.
-
പ്രതീകാത്മക ചിന്ത: ആശയങ്ങളെ കൃത്രിമമായി കൈകാര്യം ചെയ്യാവുന്ന വസ്തുക്കൾ (സംഖ്യകൾ, വാക്കുകൾ, നിയമങ്ങൾ) പോലെ കൈകാര്യം ചെയ്യുക.
-
ഓട്ടോമേഷന്റെ സ്വപ്നം: ശരീരത്തിന് പുറത്ത് ഒരു മനസ്സ് നിർമ്മിക്കാനുള്ള മനുഷ്യന്റെ ആവർത്തിച്ചുള്ള ഫാന്റസി 😳
ഇവിടെയാണ് ആശയം ആരംഭിക്കുന്നത്. സാങ്കേതികവിദ്യയല്ല, മറിച്ച് മാനസികാവസ്ഥയാണ്: "ചിന്ത പാറ്റേണുകളെ പിന്തുടരുകയാണെങ്കിൽ, ഒരുപക്ഷേ നമുക്ക് പാറ്റേണുകളെ പുനർനിർമ്മിക്കാൻ കഴിയും."
തീ കണ്ടുപിടിക്കുന്നതിനു മുമ്പ് ഒരു വ്യാളിയുടെ ചിത്രം വരയ്ക്കുന്നത് പോലെയാണിത്. രേഖാചിത്രം പ്രധാനമാണ്, പക്ഷേ അത് ഇതുവരെ മാർഷ്മാലോകളെ വറുത്തിട്ടില്ല.
എപ്പോഴാണ് AI കണ്ടുപിടിച്ചത് എന്ന് നിങ്ങൾ ചോദിച്ചാൽ , "ആ ആശയം എപ്പോഴാണ് ആരംഭിച്ചത്?" എന്നാണ് നിങ്ങൾ ഉദ്ദേശിക്കുന്നതെങ്കിൽ, വ്യക്തമായ ഉത്തരം ഇതാണ്: അത് വളരെക്കാലമായി മനുഷ്യ സംസ്കാരത്തിൽ നിറഞ്ഞുനിൽക്കുന്നു.
ഒരു മേഖല എന്ന നിലയിൽ AI യുടെ "ഔദ്യോഗിക ജനനം": ആളുകൾ ഒടുവിൽ അതിന് 🏷️🤖 എന്ന് പേരിട്ടപ്പോൾ
"എഐ എപ്പോഴാണ് കണ്ടുപിടിച്ചത്?" എന്ന് ചോദിക്കുമ്പോൾ മിക്ക ആളുകളും ലക്ഷ്യമിടുന്ന ഭാഗം ഇതാണ്
ഗവേഷകർ മെഷീൻ ഇന്റലിജൻസിനെ ചിതറിക്കിടക്കുന്ന കൗതുകങ്ങളായി കാണുന്നത് നിർത്തി, ജോൺ മക്കാർത്തിയുടെ ഡാർട്ട്മൗത്ത് സ്റ്റാൻഫോർഡിന്റെ ഒരു സംഘടിത ദൗത്യമായി അതിനെ കണക്കാക്കാൻ തുടങ്ങിയപ്പോഴാണ് AI "AI" ആയി മാറിയത് . ആ മാറ്റം പ്രധാനമായിരുന്നു. ഒരു മേഖലയ്ക്ക് പേരിടുന്നത് സൗന്ദര്യാത്മകമായി തോന്നുമെങ്കിലും അങ്ങനെയല്ല. ഒരു പേര് ഫണ്ടിംഗ്, വിദ്യാർത്ഥികൾ, ലബോറട്ടറികൾ, മത്സരം, അഹംഭാവം, പുരോഗതിക്കും നാടകത്തിനും ആവശ്യമായ എല്ലാ ചേരുവകളും ആകർഷിക്കുന്നു 🍿.
ആ "ഔദ്യോഗിക ജനന" ഘട്ടത്തിൽ, വലിയ ആശയം ധീരവും ലളിതവുമായിരുന്നു:
-
യുക്തിസഹമായി ചിന്തിക്കാൻ കഴിയുന്ന യന്ത്രങ്ങൾ നിർമ്മിക്കുക
-
അവരെ ഭാഷ ഉപയോഗിക്കാൻ പ്രേരിപ്പിക്കുക
-
അവർ അനുഭവങ്ങളിൽ നിന്ന് പഠിക്കട്ടെ
-
ബുദ്ധിശക്തിയെ ഡാർട്ട്മൗത്തിലെ എഞ്ചിനീയറിംഗ് ആക്കി മാറ്റുക
ഐബിഎമ്മിന്റെ അടിസ്ഥാനകാര്യങ്ങൾ ലഭിച്ചുകഴിഞ്ഞാൽ, മനുഷ്യതലത്തിലുള്ള ബുദ്ധിശക്തി വേഗത്തിൽ പരിഹരിക്കപ്പെടുമെന്ന് ആദ്യകാല ഗവേഷകർ വിശ്വസിച്ചിരുന്നു . ഈ ശുഭാപ്തിവിശ്വാസം... എങ്ങനെ സൌമ്യമായി പറയും... അങ്ങേയറ്റം ശുഭാപ്തിവിശ്വാസം.
എന്നിരുന്നാലും, ആ നിമിഷം AI വെറുമൊരു ദാർശനിക ജിജ്ഞാസയായി മാറുന്നതിനുപകരം തിരിച്ചറിയാവുന്ന ഒരു പ്രോജക്റ്റായി മാറി.
ആദ്യകാല AI സമീപനങ്ങൾ: നിയമങ്ങൾ, ചിഹ്നങ്ങൾ, ധാരാളം ആത്മവിശ്വാസം 😬📜
ആദ്യകാല AI സംവിധാനങ്ങൾ പ്രതീകാത്മക രീതികളെയാണ് - അടിസ്ഥാനപരമായി, അറിവും നിയമങ്ങളും വ്യക്തമായി എഴുതുക എന്നതാണ് ലോജിക്-ബേസ്ഡ് AI (SEP) സ്റ്റാൻഫോർഡ് AI100, SQ12.
ചിന്തിക്കുക:
-
ഇത് ആണെങ്കിൽ, അത്
-
രോഗിക്ക് എ ലക്ഷണവും ബി ലക്ഷണവും ഉണ്ടെങ്കിൽ, രോഗനിർണയം സി പരിഗണിക്കുക
-
ഒരു ചെസ്സ് പൊസിഷൻ X പോലെയാണെങ്കിൽ, Y ചെയ്യുക
ഈ സമീപനം ശ്രദ്ധേയമായ ചില കാര്യങ്ങൾ ചെയ്തു, പ്രത്യേകിച്ച് സ്റ്റാൻഫോർഡ് AI100 ന്റെ ഇടുങ്ങിയ മേഖലകളിൽ . എന്നാൽ അതിന് വേദനാജനകമായി വ്യക്തമായ പരിമിതികളുണ്ടായിരുന്നു:
-
യഥാർത്ഥ ജീവിതം വൃത്തിഹീനമാണ്
-
മനുഷ്യർ അറിവ് സൂക്ഷിക്കുന്നത് കൃത്യമായ നിയമ പട്ടികകളായിട്ടല്ല
-
ലോകത്ത് അവ്യക്തത, അപൂർണ്ണമായ വിവരങ്ങൾ, അപവാദങ്ങളുടെ മേൽ അടുക്കിയ അപവാദങ്ങൾ എന്നിവയുണ്ട്
-
സ്യൂട്ട് ധരിച്ചാൽ ഭാഷ പ്രക്ഷുബ്ധമാണ്
സിംബോളിക് AI എന്നത് ഒരു സ്പ്രെഡ്ഷീറ്റ് വായിച്ച് ജാസ് കളിക്കാൻ ശ്രമിക്കുന്നത് പോലെയാണ്. നിങ്ങൾക്ക് ഏകദേശം പറയാൻ കഴിയും, തീർച്ചയായും. എന്നാൽ ചില ഘട്ടങ്ങളിൽ, നിങ്ങൾക്ക് തോന്നൽ, പൊരുത്തപ്പെടുത്തൽ, പഠനം എന്നിവ ആവശ്യമാണ്.
"എഐ എപ്പോഴാണ് കണ്ടുപിടിച്ചത്?" എന്ന ചോദ്യം സങ്കീർണ്ണമാകാനുള്ള ഒരു കാരണം ഇതാണ് - ആദ്യകാല "എഐ" ഇപ്പോൾ ആളുകൾ എഐ എന്ന് വിളിക്കുന്നത് പോലെ കാണപ്പെട്ടില്ല, പക്ഷേ അത് തീർച്ചയായും വംശപരമ്പരയുടെ ഭാഗമായിരുന്നു.
പഠനത്തിലേക്കുള്ള മാറ്റം: ഡാറ്റ കൈകൊണ്ട് എഴുതിയ നിയമങ്ങളെ മറികടക്കാൻ തുടങ്ങിയപ്പോൾ 📈🧪
ഒടുവിൽ, ഗുരുത്വാകർഷണ കേന്ദ്രം “പ്രോഗ്രാം ഇന്റലിജൻസ് നേരിട്ട്” എന്നതിൽ നിന്ന് “മെഷീൻ പാറ്റേണുകൾ പഠിക്കട്ടെ” എന്നതിലേക്ക് മാറി സ്റ്റാൻഫോർഡ് AI100, SQ12.
പഠന കേന്ദ്രീകൃതമായ ഈ ഘട്ടത്തിൽ ഇവ ഉൾപ്പെടുന്നു:
-
മെഷീൻ ലേണിംഗ്: വ്യക്തമായ നിയമങ്ങളേക്കാൾ ഉദാഹരണങ്ങളിലൂടെ സിസ്റ്റങ്ങൾ മെച്ചപ്പെടുന്നു ഐബിഎം മെഷീൻ ലേണിംഗിൽ
-
സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതികൾ : എല്ലായിടത്തും സാധ്യതകൾ, തിളക്കം പോലെ നിങ്ങൾക്ക് സ്റ്റാൻഫോർഡ് AI100 നീക്കം ചെയ്യാൻ കഴിയില്ല.
-
ന്യൂറൽ നെറ്റ്വർക്കുകൾ: പാളികളുള്ള പ്രാതിനിധ്യങ്ങൾ പഠിക്കുന്ന അയഞ്ഞ തലച്ചോറിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട സംവിധാനങ്ങൾ - കണക്റ്റിവിസത്തെക്കുറിച്ചുള്ള ബ്രിട്ടാനിക്ക.
-
കൂടുതൽ കമ്പ്യൂട്ട് + കൂടുതൽ ഡാറ്റ : പലപ്പോഴും സ്റ്റാൻഫോർഡ് AI100, SQ2 സ്റ്റാൻഫോർഡ് AI100, SQ12 എന്നിവ നേടുന്ന ഗ്ലാമറസ് അല്ലാത്ത കോംബോ.
AI എന്നത് പൊട്ടുന്ന റൂൾ എഞ്ചിനുകൾ പോലെ തോന്നുന്നത് കുറയ്ക്കുകയും, കൂടുതൽ അഡാപ്റ്റബിൾ പാറ്റേൺ മെഷീനുകൾ പോലെ തോന്നുകയും ചെയ്ത കാലഘട്ടമായിരുന്നു അത്. അത് ഒരു മനുഷ്യനെപ്പോലെ "ചിന്തിച്ചില്ല", പക്ഷേ മനുഷ്യർക്ക് ആവശ്യമായ ചിന്തകൾ അനുമാനിക്കുന്നതിൽ അത് ശ്രദ്ധേയമായി മികച്ചുനിന്നു.
എപ്പോഴാണ് AI കണ്ടുപിടിച്ചത് എന്ന് ആളുകൾ ചോദിക്കുന്നത് എന്തുകൊണ്ടാണെന്ന് ഇവിടെയും നിങ്ങൾക്ക് മനസ്സിലാകും , കാരണം പലർക്കും AI പ്രായോഗികമായി കാണാൻ തുടങ്ങിയത് അപ്പോഴാണ് .
യഥാർത്ഥ ലോകത്തിലെ AI: നിങ്ങൾ ശ്രദ്ധിക്കാതെ പോയ നിശബ്ദ ഏറ്റെടുക്കൽ 📱🛒
ഒരു രസകരമായ കാര്യം സംഭവിച്ചു: AI സാധാരണ സ്റ്റാൻഫോർഡ് AI100.
"റോബോട്ട് ബട്ട്ലർ" എന്ന രീതിയിലല്ല, "നിങ്ങളുടെ ഫോണിന് നിങ്ങളുടെ ഏറ്റവും അടുത്ത സുഹൃത്തിനേക്കാൾ നന്നായി നിങ്ങളുടെ ശീലങ്ങൾ അറിയാം" എന്ന രീതിയിലാണ്. AI ഉൽപ്പന്നങ്ങളിലേക്ക് കടന്നുവന്നത്:
-
തിരയൽ, റാങ്കിംഗ് സംവിധാനങ്ങൾ
-
ശുപാർശ എഞ്ചിനുകൾ
-
തട്ടിപ്പ് കണ്ടെത്തൽ
-
സ്വയംപൂർത്തീകരണവും അക്ഷരത്തെറ്റ് തിരുത്തലും
-
സംഭാഷണ തിരിച്ചറിയൽ
-
ഇമേജ് ടാഗിംഗ്
-
നാവിഗേഷനും റൂട്ട് പ്ലാനിംഗും
-
കസ്റ്റമർ സപ്പോർട്ട് ചാറ്റ്ബോട്ടുകൾ (ചിലത് സഹായകരമാണ്, ചിലത്... ഒരു ചോയ്സ് ആണ്) സ്റ്റാൻഫോർഡ് AI100 സ്റ്റാൻഫോർഡ് AI100, SQ2
ഇവിടെയാണ് "AI" എന്ന പദം അർത്ഥവത്തായതും അവ്യക്തവുമായി മാറിയത്. കാരണം, കമ്പനികൾ പല കാര്യങ്ങളെയും "AI" എന്ന് വിളിക്കാൻ തുടങ്ങി, അതിൽ അടിസ്ഥാനപരമായി ഫാൻസി ഓട്ടോമേഷൻ ഉൾപ്പെടെയുള്ളവയും ഉൾപ്പെടുന്നു.
So again, When was AI invented? depends on whether you mean:
-
"എപ്പോഴാണ് ഗവേഷണം ആരംഭിച്ചത്?"
-
"എപ്പോഴാണ് അത് പ്രായോഗികമായത്?"
-
"എപ്പോഴാണ് അത് മുഖ്യധാരയായത്?"
-
“എഐ എന്ന പദം മാർക്കറ്റർമാർ എപ്പോഴാണ് കണ്ടെത്തിയത്?” 😏
താരതമ്യ പട്ടിക: വ്യത്യസ്ത “AI എപ്പോഴാണ് കണ്ടുപിടിച്ചത്?” ഉത്തരങ്ങൾ, വശങ്ങളിലായി 📊🤓
ആളുകൾ ഈ ചോദ്യത്തിന് ഉത്തരം നൽകുന്ന പ്രധാന രീതികൾ വിവരിക്കുന്ന ഒരു താരതമ്യ പട്ടിക ഇതാ. ഇത് പൂർണ്ണമായും വൃത്തിയുള്ളതല്ല, കാരണം മനുഷ്യർ പൂർണ്ണമായും വൃത്തിയുള്ളവരല്ല. ഈ പട്ടികയും അങ്ങനെയല്ല.
| ഓപ്ഷൻ / ആംഗിൾ (ടൂൾ-ഇഷ്) | (പ്രേക്ഷകർക്ക്) ഏറ്റവും മികച്ചത് | ഇത് എന്തുകൊണ്ട് പ്രവർത്തിക്കുന്നു (കൂടാതെ ചെറിയ പ്രത്യേകതകളും) |
|---|---|---|
| "ഫീൽഡിന് പേര് നൽകിയപ്പോഴാണ് AI ആരംഭിച്ചത്" | വിദ്യാർത്ഥികൾ, സാധാരണ വായനക്കാർ | ലളിതമായ കഥ, അത്താഴത്തിൽ ആവർത്തിക്കാൻ എളുപ്പമാണ്. പക്ഷേ ചരിത്രകാരന്മാരെ അലോസരപ്പെടുത്തിയേക്കാം 🙃 |
| “പ്രോഗ്രാം ചെയ്യാവുന്ന കമ്പ്യൂട്ടറുകളിലാണ് AI ആരംഭിച്ചത്” | എഞ്ചിനീയർമാർ, പ്രായോഗിക ബുദ്ധിയുള്ളവർ | AI-യെ യഥാർത്ഥ യന്ത്രങ്ങളുമായി ബന്ധിപ്പിക്കുന്നു. കാവ്യാത്മകത കുറവാണ്, കൂടുതൽ കൃത്യതയുള്ളത്, ഒരു പിടിവാശിയുള്ള രീതിയിൽ |
| "യുക്തിയും ഔപചാരിക യുക്തിയും ഉപയോഗിച്ചാണ് AI ആരംഭിച്ചത്" | തത്ത്വചിന്താ ബുദ്ധിമാൻമാർ, വിഡ്ഢികളായ അമ്മാവന്മാർ | ആഴമേറിയ വേരുകൾ പകർത്തുന്നു. നിങ്ങൾക്ക് രക്ഷപ്പെടാൻ കഴിയാത്ത നീണ്ട സംഭാഷണങ്ങളിലേക്കും നയിക്കുന്നു |
| "മെഷീനുകൾക്ക് ഡാറ്റയിൽ നിന്ന് പഠിക്കാൻ കഴിയുമ്പോഴാണ് AI ആരംഭിച്ചത്" | ആധുനിക സാങ്കേതിക വായനക്കാർ | ഇന്ന് ആളുകൾ കാണുന്നതിനോട് യോജിക്കുന്നു. മുമ്പത്തെ ജോലി അൽപ്പം കഴിഞ്ഞു, പക്ഷേ അത് അങ്ങനെ തന്നെ |
| "എഐ ഓരോ തവണയും പുതിയൊരു പരിധിയിലെത്തുമ്പോൾ അത് കണ്ടുപിടിക്കപ്പെടുന്നു" | ഉൽപ്പന്ന ടീമുകൾ, ട്രെൻഡ്-വാച്ചർമാർ | ഊതിപ്പെരുപ്പിച്ച പ്രതീക്ഷകളുടെ ചക്രം വിശദീകരിക്കുന്നു. ഗോൾപോസ്റ്റുകൾ നീക്കുന്നത് പോലെ തോന്നുന്നു... കാരണം അത് |
ഇവയൊന്നും "തെറ്റല്ല" എന്ന് ശ്രദ്ധിക്കുക. ഒരേ കേക്കിന്റെ വ്യത്യസ്ത കഷ്ണങ്ങൾ മാത്രമാണ് അവ. ചില കഷ്ണങ്ങൾക്ക് കൂടുതൽ ഫ്രോസ്റ്റിംഗ് ഉണ്ട്. ചിലതിന് കൂടുതൽ... ഇടതൂർന്ന പഴങ്ങളുണ്ട്. നിങ്ങൾക്ക് മനസ്സിലാകും 🍰.
“എഐ എപ്പോഴാണ് കണ്ടുപിടിച്ചത്?” എന്നതിന്റെ നല്ല പതിപ്പ് എന്താണ് 🧰✅
എപ്പോൾ AI കണ്ടുപിടിച്ചു? എന്ന ചോദ്യത്തിന് നല്ലൊരു ഉത്തരം ചില കാര്യങ്ങൾ നന്നായി ചെയ്യുന്നു:
-
ഒരു ആരംഭ പോയിന്റ് നൽകുന്നതിന് മുമ്പ് ഇത് AI നിർവചിക്കുന്നു
-
ആശയക്കുഴപ്പത്തിലേക്ക് വഴുതിവീഴാതെ ഒന്നിലധികം നാഴികക്കല്ലുകളെ ഇത് അംഗീകരിക്കുന്നു.
-
ഇത് ആശയത്തെ നടപ്പിലാക്കലിൽ നിന്ന് വേർതിരിക്കുന്നു
-
മാർക്കറ്റിംഗും ഊതിപ്പെരുപ്പിച്ച അവകാശവാദങ്ങളും സമയക്രമത്തെ വളച്ചൊടിക്കുന്നുണ്ടെന്ന് ഇത് സമ്മതിക്കുന്നു (മര്യാദയോടെയോ അല്ലാതെയോ)
-
"AI" ഒരു ചലിക്കുന്ന ലക്ഷ്യമാണെന്ന് അത് ബഹുമാനിക്കുന്നു - ഒരുകാലത്ത് AI ആയി കണക്കാക്കപ്പെട്ടിരുന്നത് ഇപ്പോൾ "വെറും സോഫ്റ്റ്വെയർ" ആയിരിക്കാം.
വളരെ വ്യക്തതയുള്ള ഒരു ഉത്തരം നിങ്ങൾ കേൾക്കുകയാണെങ്കിൽ, അത് ഒരുപക്ഷേ പ്രധാനപ്പെട്ട സന്ദർഭത്തെ ഒഴിവാക്കുകയായിരിക്കാം. അതിനർത്ഥം അത് അർത്ഥശൂന്യമാണെന്ന് അർത്ഥമാക്കുന്നില്ല. കൃത്യതയ്ക്കായിട്ടല്ല, കഥപറച്ചിലിനായിട്ടാണിത് എന്നാണ് ഇതിനർത്ഥം.
കഥ പറച്ചിലിനും മൂല്യമുണ്ട്. മനുഷ്യർ കഥകളിലൂടെയാണ് ഓടുന്നത്. ഫോൺ ബാറ്ററിയിൽ പ്രവർത്തിക്കുന്നത് പോലെ - പക്ഷേ നമ്മുടെ ബാറ്ററി മാനസികാവസ്ഥയും ലഘുഭക്ഷണവുമാണ്.
ടൈംലൈനിനെ അപ്രസക്തമാക്കുന്ന സാധാരണ തെറ്റിദ്ധാരണകൾ 🌀😵💫
ഈ വിഷയത്തെ കുരുക്കുന്ന ചില തെറ്റിദ്ധാരണകൾ നമുക്ക് നീക്കാം.
തെറ്റിദ്ധാരണ 1: AI പെട്ടെന്ന് പ്രത്യക്ഷപ്പെട്ടു
ഇല്ല. AI സഞ്ചിതമാണ്. പുരോഗതിയുടെ കൂട്ടങ്ങൾ. പരാജയങ്ങളുടെ കൂട്ടങ്ങളും.
തെറ്റിദ്ധാരണ 2: AI ഒരു കാര്യമാണ്
AI എന്നത് സമീപനങ്ങളുടെ ഒരു കൂട്ടമാണ്. നിയമങ്ങൾ, സ്ഥിതിവിവരക്കണക്കുകൾ, പഠനം, പ്രാതിനിധ്യം, ആസൂത്രണം, ധാരണ. ഇത് ഒരു മുഴുവൻ ആവാസവ്യവസ്ഥയാണ് - സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി.
തെറ്റിദ്ധാരണ 3: അത് ബോധപൂർവ്വമല്ലെങ്കിൽ, അത് AI അല്ല
AI ആകാൻ AI-ക്ക് അവബോധം ആവശ്യമില്ല. മിക്ക AI-കളും ടാസ്ക്-ഫോക്കസ്ഡ് പാറ്റേൺ വർക്കുകളാണ്. ശക്തമാണ്, അതെ. സ്വയം അവബോധം - ഇല്ല സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി.
തെറ്റിദ്ധാരണ 4: AI എപ്പോഴും പുതിയതും മുൻനിരയിലുള്ളതുമാണ്
ചില "AI" ടെക്നിക്കുകൾ പേരക്കുട്ടികൾക്ക് പോലും ഉപയോഗിക്കാൻ കഴിയുന്നത്ര പഴക്കമുള്ളതാണ്. അവയ്ക്ക് സ്റ്റാൻഫോർഡ് AI100 പോലെ.
അപ്പോൾ എഐ എപ്പോഴാണ് കണ്ടുപിടിച്ചത് എന്ന് നിങ്ങൾ ചോദിക്കുമ്പോൾ , ആശയക്കുഴപ്പത്തിന്റെ ഒരു ഭാഗം ആളുകൾ ഇങ്ങനെ കൂട്ടിക്കലർത്തുന്നു എന്നതാണ്:
-
AI എന്ന വാക്ക്
-
ഫീൽഡ് AI
-
AI-യുടെ പിന്നിലെ സാങ്കേതിക വിദ്യകൾ
-
AI യുടെ ജനപ്രിയ ചിത്രം
അവ ബന്ധപ്പെട്ടിരിക്കുന്നു, പക്ഷേ സമാനമല്ല.
സംഭാഷണത്തിൽ നിങ്ങൾക്ക് ഉപയോഗിക്കാൻ കഴിയുന്ന ഒരു പ്രായോഗിക ഉത്തരം 🗣️🙂
മുറിയെ തടസ്സപ്പെടുത്താത്ത ഒരു വൃത്തിയുള്ള ഉത്തരം നിങ്ങൾക്ക് ആവശ്യമുണ്ടെങ്കിൽ, ഇത് പരീക്ഷിക്കുക:
കമ്പ്യൂട്ടറുകളെ ബുദ്ധിപരമായ ജോലികൾ ചെയ്യാൻ പ്രേരിപ്പിക്കുന്നതിനായി ഗവേഷകർ ഔപചാരികമായി പുറപ്പെട്ടപ്പോഴാണ് AI "കണ്ടുപിടിച്ചത്", അത് ആദ്യകാല നിയമാധിഷ്ഠിത സംവിധാനങ്ങളിൽ നിന്ന് ക്രമേണ ദൈനംദിന ഉൽപ്പന്നങ്ങളിൽ വ്യാപകമായി പ്രായോഗികമാകുന്ന പഠനാധിഷ്ഠിത സംവിധാനങ്ങളായി വികസിച്ചു.
ആ വാചകം അൽപ്പം വാചാലമാണ്, പക്ഷേ അത് നിങ്ങളെ ഉറച്ച നിലപാടിൽ നിർത്തുന്നു.
നിങ്ങൾക്ക് അൾട്രാ-കാഷ്വൽ പതിപ്പ് വേണമെങ്കിൽ:
AI നിലവിൽ വന്നില്ല - കാലക്രമേണ അത് വളർന്നു, ഒരു ഗവേഷണ ആശയമായി തുടങ്ങി ഡാറ്റയും കമ്പ്യൂട്ടിംഗ് ശക്തിയും വർദ്ധിച്ചുകഴിഞ്ഞാൽ പ്രായോഗിക സോഫ്റ്റ്വെയറായി മാറി.
ആരെങ്കിലും നിങ്ങളെ വീണ്ടും നിർബന്ധിച്ചാൽ - "അതെ പക്ഷേ എപ്പോൾ" - നിങ്ങൾക്ക് പുഞ്ചിരിച്ചുകൊണ്ട് പറയാം:
ഒരു ജന്മദിനം പോലുമില്ല. കുറച്ച് വലിയ നാഴികക്കല്ലുകളുള്ള ഒരു ദീർഘകാല പദ്ധതി പോലെയാണിത്.
പിന്നെ വിഷയം ലഘുഭക്ഷണത്തിലേക്ക് മാറ്റുക. എല്ലാ സമയത്തും പ്രവർത്തിക്കുന്നു 😄🍪.
അവസാന കുറിപ്പ്: അപ്പോൾ, എപ്പോഴാണ് AI കണ്ടുപിടിച്ചത്? 🧾🤖
എപ്പോഴാണ് AI കണ്ടുപിടിച്ചതെന്ന് നിങ്ങൾ ചോദിച്ചു , ഏറ്റവും വിശ്വസനീയമായ ഉത്തരം ഇതാണ്: അത് നിങ്ങൾ "AI" കൊണ്ട് എന്താണ് അർത്ഥമാക്കുന്നത്, "കണ്ടുപിടിച്ചത്" എന്ന് നിങ്ങൾ എന്താണ് അർത്ഥമാക്കുന്നത് എന്നതിനെ ആശ്രയിച്ചിരിക്കുന്നു.
ദ്രുത റീക്യാപ്പ്
-
AI യുടെ പിന്നിലെ ആശയം പഴയതാണ് - മനുഷ്യർ എന്നെന്നേക്കുമായി യാന്ത്രിക യുക്തിയെ പിന്തുടർന്നു .
-
ഈ ഫീൽഡ് യാഥാർത്ഥ്യമായത്.
-
ആദ്യകാല AI വ്യക്തമായ നിയമങ്ങളിലും ചിഹ്നങ്ങളിലും ശ്രദ്ധ കേന്ദ്രീകരിച്ചിരുന്നു
-
പിന്നീട് AI ഡാറ്റയിൽ നിന്ന് പഠിക്കുന്നതിലേക്ക് ചായാൻ തുടങ്ങി, അത് അതിനെ കൂടുതൽ പ്രായോഗികമാക്കി
-
ദൈനംദിന സോഫ്റ്റ്വെയറിൽ നിശബ്ദമായി ഉൾച്ചേർത്തപ്പോൾ AI "എല്ലായിടത്തും" ആയി
-
ഒരൊറ്റ ജന്മദിനവുമില്ല, മുന്നേറ്റങ്ങളുടെയും തിരിച്ചടികളുടെയും പുനർനിർമ്മാണങ്ങളുടെയും ഒരു ശൃംഖല മാത്രം
ഒരു തരത്തിൽ പറഞ്ഞാൽ അത് ഉചിതമാണ്. ബുദ്ധിശക്തിക്കും ഒരു വൃത്തിയുള്ള ആരംഭ തീയതി ഇല്ല. അത് പാളികളായി, അസമമായി, എങ്ങനെയോ പ്രവർത്തിക്കുന്ന ക്ലഡ്ജുകൾ നിറഞ്ഞതാണ്. നിങ്ങൾക്ക് ആവശ്യമുള്ളത് കൃത്യമായി ഉൾക്കൊള്ളുന്ന ഒരു ജങ്ക് ഡ്രോയർ പോലെ.
യഥാർത്ഥ ഉദാഹരണം: “എഐ എപ്പോഴാണ് കണ്ടുപിടിച്ചത്?” എന്ന ചോദ്യം കൂടുതൽ ലളിതമാക്കാതെ പഠിപ്പിക്കുന്നു 🎓🤖
രംഗം
ഒരു സെക്കൻഡറി സ്കൂൾ കമ്പ്യൂട്ടിംഗ് അധ്യാപകൻ AI യുടെ ചരിത്രത്തെക്കുറിച്ച് 45 മിനിറ്റ് ദൈർഘ്യമുള്ള ഒരു പാഠം തയ്യാറാക്കുന്നത് സങ്കൽപ്പിക്കുക. വിവരങ്ങളുടെ അഭാവമല്ല വെല്ലുവിളി. വിവരങ്ങൾ കുഴഞ്ഞുമറിഞ്ഞതാണ് എന്നതാണ് കാര്യം.
വിദ്യാർത്ഥികൾക്ക് വ്യക്തമായ ഒരു ഉത്തരം വേണം. കൃത്യമായ ഉത്തരം പല പാളികളായി തിരിച്ചിരിക്കുന്നു: ആദ്യം വന്നത് യുക്തിയാണ്, പ്രോഗ്രാം ചെയ്യാവുന്ന കമ്പ്യൂട്ടറുകളാണ് പരീക്ഷണങ്ങൾ സാധ്യമാക്കിയത്, പിന്നീട് AI ഒരു നാമകരണം ചെയ്യപ്പെട്ട മേഖലയായി മാറി. പാഠം ഒരു മൂടൽമഞ്ഞുള്ള ടൈംലൈൻ സൂപ്പാക്കി മാറ്റാതെ അത് വ്യക്തമായി വിശദീകരിക്കാൻ അധ്യാപകന് ഒരു മാർഗം ആവശ്യമാണ്.
പാഠത്തിന് എന്താണ് വേണ്ടത്
വിഷയം പ്രായോഗികമാക്കുന്നതിന്, അധ്യാപകൻ തയ്യാറാക്കുന്നു:
-
നാല് നാഴികക്കല്ലുകളുള്ള ഒരു ചെറിയ ടൈംലൈൻ: യുക്തി, ആദ്യകാല കമ്പ്യൂട്ടിംഗ്, പേരിട്ട ഒരു മേഖലയായി AI, ആധുനിക മെഷീൻ ലേണിംഗ്
-
“ആശയം vs ഫീൽഡ് vs ഉൽപ്പന്നം” കാണിക്കുന്ന ഒരു സ്ലൈഡ്
-
ആദ്യകാല നിയമാധിഷ്ഠിത AI യുടെ രണ്ട് ഉദാഹരണങ്ങൾ
-
ആധുനിക പഠനാധിഷ്ഠിത AI യുടെ രണ്ട് ഉദാഹരണങ്ങൾ
-
ഒരു ചെറിയ ചർച്ചാ ചോദ്യം: “AI ഒരിക്കൽ കണ്ടുപിടിച്ചതാണോ അതോ ആവർത്തിച്ച് പുനർനിർവചിക്കപ്പെട്ടതാണോ?”
-
ട്യൂറിംഗ്, ഡാർട്ട്മൗത്ത്, സ്റ്റാൻഫോർഡ് AI100, സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി തുടങ്ങിയ റഫറൻസുകൾ ഉപയോഗിച്ച് മനുഷ്യർ പരിശോധിച്ച ഉറവിട പട്ടിക
ഉദാഹരണ നിർദ്ദേശം
ഒരു AI അസിസ്റ്റന്റിന് ഫലപ്രദമായ ഒരു പ്രോംപ്റ്റ് ഇതായിരിക്കാം:
"AI-ക്ക് ഒരൊറ്റ കണ്ടുപിടുത്ത തീയതി ഇല്ലാത്തത് എന്തുകൊണ്ടെന്ന് വിശദീകരിക്കുന്ന 45 മിനിറ്റ് ദൈർഘ്യമുള്ള ഒരു ക്ലാസ് റൂം പ്രവർത്തനം സൃഷ്ടിക്കുക. നാല് നാഴികക്കല്ല് വിഭാഗങ്ങൾ ഉപയോഗിക്കുക: ഫോർമൽ ലോജിക്, പ്രോഗ്രാമബിൾ കമ്പ്യൂട്ടറുകൾ, നാമകരണം ചെയ്ത ഗവേഷണ മേഖലയായി AI, ആധുനിക മെഷീൻ ലേണിംഗ്. 14 മുതൽ 16 വയസ്സ് വരെ പ്രായമുള്ള വിദ്യാർത്ഥികൾക്ക് അനുയോജ്യമായ ഭാഷ നിലനിർത്തുക. ഒരു ചെറിയ ഗ്രൂപ്പ് പ്രവർത്തനം, മൂന്ന് ടെസ്റ്റ് ചോദ്യങ്ങൾ, AI ചരിത്രത്തെ അമിതമായി ലളിതമാക്കുന്നതിനെക്കുറിച്ചുള്ള ഒരു മുന്നറിയിപ്പ് എന്നിവ ഉൾപ്പെടുത്തുക. ഒരു വ്യക്തി ഒരു ദിവസം AI കണ്ടുപിടിച്ചതാണെന്ന് അവകാശപ്പെടരുത്."
എങ്ങനെ പരീക്ഷിക്കാം
അധ്യാപകന് വിദ്യാർത്ഥികളോട് അവസാനം മൂന്ന് ദ്രുത ചോദ്യങ്ങൾ ചോദിച്ചുകൊണ്ട് പാഠം പരിശോധിക്കാൻ കഴിയും:
-
"AI ഒരു തീയതിയിൽ കണ്ടുപിടിച്ചു" എന്നത് വളരെ ലളിതമായിരിക്കുന്നത് എന്തുകൊണ്ട്?
-
ഒരു ആശയം എന്ന നിലയിൽ AI ഉം ഗവേഷണ മേഖല എന്ന നിലയിൽ AI ഉം തമ്മിലുള്ള വ്യത്യാസം എന്താണ്?
-
ആദ്യകാല നിയമാധിഷ്ഠിത സിസ്റ്റങ്ങളിൽ നിന്ന് ആധുനിക AI സിസ്റ്റങ്ങൾ വ്യത്യസ്തമായി കാണപ്പെടുന്നത് എന്തുകൊണ്ട്?
ശക്തമായ ഒരു ഉത്തരത്തിൽ ഒരു നാഴികക്കല്ല, കുറഞ്ഞത് രണ്ട് നാഴികക്കല്ലുകളെങ്കിലും പരാമർശിക്കണം. ദുർബലമായ ഒരു ഉത്തരം സാധാരണയായി "കമ്പ്യൂട്ടറുകൾ കണ്ടുപിടിച്ചപ്പോൾ AI കണ്ടുപിടിച്ചു" എന്നതുപോലുള്ള ഒന്ന് പറയും, അതിൽ നാമകരണം, ഗവേഷണ മേഖല, മെഷീൻ ലേണിംഗ് ഭാഗങ്ങൾ എന്നിവ കാണില്ല.
ഫലമായി
ഉദാഹരണ ഫലം: മൂന്ന് സാമ്പിൾ പാഠ-ആസൂത്രണ ജോലികളുടെ സമയക്രമീകരണത്തെ അടിസ്ഥാനമാക്കി, ഈ വർക്ക്ഫ്ലോ തയ്യാറെടുപ്പ് സമയം ഏകദേശം 2 മണിക്കൂറിൽ നിന്ന് 35 മിനിറ്റായി കുറയ്ക്കും.
അളവെടുപ്പിന്റെ അടിസ്ഥാനം:
-
ഉറവിട കുറിപ്പുകൾ ശേഖരിക്കാൻ 30 മിനിറ്റ്
-
ആദ്യ പാഠം സ്വമേധയാ ഡ്രാഫ്റ്റ് ചെയ്യാൻ 20 മിനിറ്റ്
-
ടൈംലൈൻ ലളിതമാക്കാനും ചോദ്യങ്ങൾ എഴുതാനും 40 മിനിറ്റ്
-
പുനരവലോകനത്തിന് 30 മിനിറ്റ്
AI- സഹായത്തോടെയുള്ള വർക്ക്ഫ്ലോ ഉപയോഗിച്ച്, അധ്യാപകൻ ചെലവഴിക്കുന്നത്:
-
ഉറവിട കുറിപ്പുകൾ തയ്യാറാക്കാൻ 10 മിനിറ്റ്
-
ആദ്യ ഡ്രാഫ്റ്റ് സൃഷ്ടിക്കാൻ 10 മിനിറ്റ്
-
ക്ലെയിമുകൾ പരിശോധിക്കുന്നതിനും, ദുർബലമായ വിശദീകരണങ്ങൾ മാറ്റിയെഴുതുന്നതിനും, അമിതമായി ലളിതമാക്കിയ വാക്കുകൾ നീക്കം ചെയ്യുന്നതിനും 15 മിനിറ്റ് സമയം
അളക്കാവുന്ന പുരോഗതി എന്നത് AI-ക്ക് "ചരിത്രം നന്നായി അറിയാം" എന്നതല്ല. മൂല്യം എന്തെന്നാൽ, അധ്യാപകൻ വസ്തുതകൾ പരിശോധിക്കുമ്പോൾ തന്നെ, സങ്കീർണ്ണമായ ഒരു ചരിത്ര വിഷയത്തെ ഒരു ഘടനാപരമായ അധ്യാപന പ്രവർത്തനമാക്കി വേഗത്തിൽ മാറ്റാൻ ഇത് സഹായിക്കുന്നു എന്നതാണ്.
എന്ത് തെറ്റ് സംഭവിക്കാം?
സങ്കീർണ്ണമായ ഒരു സത്യത്തെ തെറ്റായ, ശുദ്ധമായ ഉത്തരമാക്കി മാറ്റുക എന്നതാണ് ഏറ്റവും വലിയ അപകടസാധ്യത. ഒരു AI അസിസ്റ്റന്റ് ഒരു നാഴികക്കല്ല് അമിതമായി പറഞ്ഞേക്കാം, പഴയ യുക്തിയും യുക്തിസഹമായ പാരമ്പര്യങ്ങളും അവഗണിക്കാം, അല്ലെങ്കിൽ ആധുനിക മെഷീൻ ലേണിംഗ് ഒരേയൊരു "യഥാർത്ഥ" AI പോലെ തോന്നിപ്പിക്കാം.
അധ്യാപകൻ ഇവ പരിശോധിക്കണം:
-
ഒരു വ്യക്തിയുടെ കണ്ടുപിടുത്തങ്ങളെക്കുറിച്ചുള്ള മിത്തുകൾ
-
ഉറവിടങ്ങളില്ലാത്ത അവകാശവാദങ്ങൾ
-
AI-യും മെഷീൻ ലേണിംഗും തമ്മിൽ ആശയക്കുഴപ്പം സൃഷ്ടിക്കുന്നു
-
ആദ്യകാല പ്രതീകാത്മക AI-യെ അപ്രസക്തമായി കണക്കാക്കൽ
-
ആധുനിക ചാറ്റ്ബോട്ടുകളെ AI യുടെ തുടക്കമായി കണക്കാക്കുന്നു
പ്രായോഗിക ഉപദേശം
“എഐ എപ്പോഴാണ് കണ്ടുപിടിച്ചത്?” എന്ന ചോദ്യത്തിന് ഉത്തരം നൽകാനുള്ള ഏറ്റവും നല്ല മാർഗം, ഒരു ജന്മദിനം പോലും അല്ല, മറിച്ച് ടൈംലൈൻ ലെയറുകളായി കാണിക്കുക എന്നതാണ്. പ്രായോഗികമായി, അതിനർത്ഥം ആദ്യം ആളുകൾക്ക് ഒരു ലളിതമായ ഉത്തരം നൽകുക, തുടർന്ന് കൃത്യമായ ഉത്തരത്തിന് ഒന്നിലധികം നാഴികക്കല്ലുകൾ ആവശ്യമായി വരുന്നത് എന്തുകൊണ്ടെന്ന് കാണിക്കുക എന്നാണ്.
പതിവുചോദ്യങ്ങൾ
എപ്പോഴാണ് AI കണ്ടുപിടിച്ചത്, കൃത്യമായി പറഞ്ഞാൽ?
AI കണ്ടുപിടിച്ച ഒരു ദിവസം പോലും ഇല്ല. ഏറ്റവും കൃത്യമായ ഉത്തരം, AI ക്രമേണ ഉയർന്നുവന്നു എന്നതാണ്, ആദ്യം ഔപചാരിക യുക്തിയെക്കുറിച്ചുള്ള ഒരു ആശയമായും പിന്നീട് പ്രോഗ്രാമബിൾ കമ്പ്യൂട്ടറുകൾ ആ ആശയങ്ങൾ പരീക്ഷിക്കാവുന്നതാക്കി മാറ്റിയതിനുശേഷം ഒരു പ്രായോഗിക ഗവേഷണ ശ്രമമായും. ദൈനംദിന സംഭാഷണങ്ങളിൽ, ആളുകൾ പലപ്പോഴും AI യുടെ ജനനത്തെ ഒരു അയഞ്ഞ സിദ്ധാന്തങ്ങളുടെ കൂട്ടമായിട്ടല്ല, മറിച്ച് അത് ഒരു പേരുള്ള ശാസ്ത്ര മേഖലയായി മാറിയ നിമിഷമായി കണക്കാക്കുന്നു.
എന്തുകൊണ്ടാണ് AI-ക്ക് വ്യക്തമായ ഒരു ജന്മദിനം ഇല്ലാത്തത്?
AI എന്നത് ഒരു ഉപകരണമോ പേറ്റന്റ് ചെയ്യാവുന്ന ഒരു വസ്തുവോ അല്ല, അതിനാൽ അത് "ഈ തീയതിയിൽ കണ്ടുപിടിച്ച" ഒരു വൃത്തിയുള്ള കഥയുമായി പൊരുത്തപ്പെടുന്നില്ല. കാലക്രമേണ യുക്തി, ഗണിതം, കമ്പ്യൂട്ടിംഗ്, മനഃശാസ്ത്രം, ഭാഷാശാസ്ത്രം, നാഡീശാസ്ത്രം എന്നിവയിൽ നിന്നാണ് ഇത് വളർന്നത്. അതുകൊണ്ടാണ് വ്യത്യസ്ത ആളുകൾ ആശയം, സാങ്കേതികവിദ്യ, ഗവേഷണ മേഖല അല്ലെങ്കിൽ പൊതുജനങ്ങൾ അഭിമുഖീകരിക്കുന്ന ഉൽപ്പന്ന വിഭാഗം എന്നിവയെ ആശ്രയിച്ച് വ്യത്യസ്ത നാഴികക്കല്ലുകളിലേക്ക് വിരൽ ചൂണ്ടുന്നത്.
ഒരു മേഖല എന്ന നിലയിൽ AI യുടെ ഔദ്യോഗിക തുടക്കം എന്താണ്?
"ഔദ്യോഗിക" തുടക്കം എന്നതുകൊണ്ട് സാധാരണയായി അർത്ഥമാക്കുന്നത് ഗവേഷകർ മെഷീൻ ഇന്റലിജൻസിനെ ഒരു ചിതറിയ ജിജ്ഞാസയായി കണക്കാക്കുന്നതിനുപകരം ഒരു പൊതു ലക്ഷ്യമായി കൃത്രിമബുദ്ധിയെ ചുറ്റിപ്പറ്റി സംഘടിക്കുന്ന ഘട്ടമാണ്. ഒരിക്കൽ ഈ മേഖലയ്ക്ക് ഒരു പേര് ലഭിച്ചുകഴിഞ്ഞാൽ, അതിന് ഫണ്ടിംഗ്, ലാബുകൾ, വിദ്യാർത്ഥികൾ, ഗൗരവമായ ശാസ്ത്രീയ ശ്രദ്ധ എന്നിവ ആകർഷിക്കാൻ കഴിയുമെന്നതിനാൽ അത് പ്രധാനമായിരുന്നു. ആ അർത്ഥത്തിൽ, AI ഒരു ദാർശനിക ചിന്താ പരീക്ഷണം എന്നതിലുപരി ഒരു നിർവചിക്കപ്പെട്ട ഗവേഷണ പദ്ധതിയായി മാറി.
ആധുനിക കമ്പ്യൂട്ടറുകൾക്ക് മുമ്പ് AI നിലവിലുണ്ടോ?
സാങ്കേതികവിദ്യ അങ്ങനെ ചെയ്തില്ല, പക്ഷേ കാതലായ ആശയം തീർച്ചയായും അങ്ങനെ ചെയ്തു. ആധുനിക കമ്പ്യൂട്ടറുകൾക്ക് വളരെ മുമ്പുതന്നെ, ആളുകൾ യുക്തിയെ നിയമങ്ങളാക്കി മാറ്റാനും നടപടിക്രമങ്ങൾ പാലിക്കാൻ കഴിയുന്ന യന്ത്രങ്ങളെ സങ്കൽപ്പിക്കാനും ശ്രമിച്ചിരുന്നു. അതിനാൽ AI ആത്മാവിൽ എപ്പോൾ കണ്ടുപിടിച്ചുവെന്ന് ആരെങ്കിലും ചോദിച്ചാൽ, ഉത്തരം യുക്തിയുടെയും മെക്കാനിക്കൽ കണക്കുകൂട്ടലിന്റെയും ചിന്തയെ ഓട്ടോമേറ്റ് ചെയ്യുന്ന സ്വപ്നത്തിന്റെയും ചരിത്രത്തിലേക്ക് വളരെ പിന്നോട്ട് പോകുന്നു.
ആദ്യകാല AI സിസ്റ്റങ്ങൾ യഥാർത്ഥത്തിൽ എങ്ങനെയാണ് പ്രവർത്തിച്ചത്?
ആദ്യകാല AI സംവിധാനങ്ങൾ കൂടുതലും പ്രതീകാത്മക രീതികളെയാണ് ആശ്രയിച്ചിരുന്നത്, അതായത് മനുഷ്യർ യന്ത്രത്തിന് പിന്തുടരുന്നതിനായി വ്യക്തമായ നിയമങ്ങളും പ്രതിനിധാനങ്ങളും എഴുതി. ലോകത്തെ ഘടനാപരമായ ഘട്ടങ്ങളിലേക്ക് ലളിതമാക്കാൻ കഴിയുന്ന ഇടുങ്ങിയ മേഖലകളിൽ അത് അതിശയകരമാംവിധം നന്നായി പ്രവർത്തിച്ചു. യഥാർത്ഥ ജീവിതം കൃത്യമായ നിയമങ്ങളെ ചെറുക്കുന്നു, ഭാഷ അവ്യക്തമാണ്, ഒഴിവാക്കലുകൾ വേഗത്തിൽ അടിഞ്ഞുകൂടുന്നു എന്നതാണ് പ്രശ്നം, ഇത് പൂർണ്ണമായും നിയമാധിഷ്ഠിത സിസ്റ്റങ്ങളെ നിയന്ത്രിത ക്രമീകരണങ്ങൾക്ക് പുറത്ത് പൊട്ടുന്നതായി തോന്നിപ്പിച്ചു.
ഇന്ന് ആളുകൾക്ക് മനസ്സിലാകുന്ന രൂപത്തിൽ AI കണ്ടുപിടിച്ചത് എപ്പോഴാണ്?
കൈകൊണ്ട് എഴുതിയ നിയമങ്ങൾ പാലിക്കുന്നതിനുപകരം ഡാറ്റയിൽ നിന്ന് പഠിക്കുമ്പോഴാണ് പലർക്കും AI യഥാർത്ഥമായി തോന്നാൻ തുടങ്ങുന്നത്. ആ പിന്നീടുള്ള ഘട്ടം AI-യെ കൂടുതൽ വഴക്കമുള്ളതും, കൂടുതൽ പ്രായോഗികവും, ആധുനിക ഉപയോക്താക്കൾ ആ പദം കേൾക്കുമ്പോൾ സങ്കൽപ്പിക്കുന്നതിനോട് വളരെ അടുത്തുമുള്ളതായി കാണിച്ചു. അതിനാൽ AI നേരത്തെ ഒരു ഗവേഷണ മേഖലയായി ആരംഭിച്ചെങ്കിലും, പഠനാധിഷ്ഠിത രീതികൾ കേന്ദ്രമായപ്പോൾ ഇന്നത്തെ പരിചിതമായ പതിപ്പ് രൂപപ്പെട്ടു.
മെഷീൻ ലേണിംഗും AI യും ഒന്നാണോ?
കൃത്യമായി അങ്ങനെയല്ല. AI-യിലെ ഒരു പ്രധാന സമീപനമായി മെഷീൻ ലേണിംഗ് നന്നായി മനസ്സിലാക്കപ്പെടുന്നു, പ്രത്യേകിച്ച് വ്യക്തമായ നിർദ്ദേശങ്ങളെ പൂർണ്ണമായും ആശ്രയിക്കുന്നതിനുപകരം ഉദാഹരണങ്ങളിൽ പാറ്റേണുകൾ കണ്ടെത്തി സിസ്റ്റങ്ങൾ മെച്ചപ്പെടുത്തുന്ന സമീപനം. യുക്തി, ആസൂത്രണം, ഭാഷ, ധാരണ, നിയമാധിഷ്ഠിത രീതികൾ എന്നിവയും ഉൾപ്പെടുന്ന വിശാലമായ ഒരു കുടയാണ് AI. അതുകൊണ്ടാണ് ആളുകൾ ചിലപ്പോൾ പദങ്ങൾ പൂർണ്ണമായും പരസ്പരം മാറ്റാൻ കഴിയില്ലെങ്കിലും അവ മങ്ങിക്കുന്നത്.
എപ്പോഴാണ് AI ദൈനംദിന ജീവിതത്തിന്റെ ഭാഗമായി മാറിയത്?
ആളുകൾ ഉപയോഗിക്കുന്ന ഉൽപ്പന്നങ്ങളിലേക്ക് AI എന്ന് വിളിക്കാതെ തന്നെ അത് നിശബ്ദമായി കടന്നുവന്നപ്പോൾ AI സാധാരണമായി. തിരയൽ റാങ്കിംഗുകൾ, ശുപാർശകൾ, തട്ടിപ്പ് കണ്ടെത്തൽ, ഓട്ടോകംപ്ലീറ്റ്, സ്പീച്ച് റെക്കഗ്നിഷൻ, ഇമേജ് ടാഗിംഗ്, റൂട്ട് പ്ലാനിംഗ്, ഉപഭോക്തൃ പിന്തുണ എന്നിവയെല്ലാം അതിനെ സാധാരണ നിലയിലാക്കാൻ സഹായിച്ചു. ഈ മാറ്റം നാടകീയമായിട്ടല്ല, ക്രമേണയായി തോന്നി, അതുകൊണ്ടാണ് വർഷങ്ങളായി AI-ഫ്ലേവർ സിസ്റ്റങ്ങൾ ഉപയോഗിക്കുന്നുണ്ടെങ്കിലും പലരും AI പുതിയതാണെന്ന് കരുതുന്നത്.
എന്തുകൊണ്ടാണ് പഴയ AI രീതികൾ ഇന്നും പ്രധാനമാകുന്നത്?
"പഴയ മോശം നിയമങ്ങൾ" എന്നതിൽ നിന്ന് "നല്ല പുതിയ പഠനം" എന്നതിലേക്ക് AI ഒരു നേർരേഖയിൽ നീങ്ങാത്തതിനാൽ പഴയ സമീപനങ്ങൾ ഇപ്പോഴും പ്രധാനമാണ്. പല പൈപ്പ്ലൈനുകളും ഇപ്പോഴും ചുമതലയെ ആശ്രയിച്ച് ഘടനാപരമായ യുക്തി, തിരയൽ, ആസൂത്രണം, സ്റ്റാറ്റിസ്റ്റിക്കൽ പഠനം എന്നിവ സംയോജിപ്പിക്കുന്നു. ആ മുൻ ആശയങ്ങൾ ഗവേഷകർ അറിവ്, യുക്തി, പ്രശ്നപരിഹാരം എന്നിവയെക്കുറിച്ച് എങ്ങനെ ചിന്തിക്കുന്നു എന്നതിനെയും രൂപപ്പെടുത്തി, അതിനാൽ പുതിയ ഉപകരണങ്ങൾ ശ്രദ്ധയിൽപ്പെടുമ്പോഴും അവ മേഖലയുടെ അടിത്തറയുടെ ഭാഗമായി തുടരുന്നു.
"എഐ എപ്പോഴാണ് കണ്ടുപിടിച്ചത്?" എന്ന ചോദ്യത്തിന് സംഭാഷണത്തിൽ നൽകാവുന്ന ഏറ്റവും ലളിതമായ ഉത്തരം എന്താണ്?
ഒരു ഉറച്ചതും പ്രായോഗികവുമായ ഉത്തരം, AI ഒറ്റയടിക്ക് കണ്ടുപിടിച്ചതല്ല എന്നതാണ്. ഔപചാരികമായ യുക്തിയിലൂടെയും നിയമാധിഷ്ഠിത സംവിധാനങ്ങളിലൂടെയും പിന്നീട് യഥാർത്ഥ ഉൽപ്പന്നങ്ങളിൽ ഫലപ്രദമാകുന്ന പഠനാധിഷ്ഠിത രീതികളിലൂടെയും യന്ത്രങ്ങളെ ബുദ്ധിപരമായ ജോലികൾ ചെയ്യിപ്പിക്കുന്നതിനുള്ള ഒരു ദീർഘകാല ശ്രമമായാണ് ഇത് ആരംഭിച്ചത്. ഒരു ജന്മദിനത്തേക്കാൾ നാഴികക്കല്ലുകളാൽ നിർമ്മിതമായ ഒരു ടൈംലൈൻ AI-യ്ക്കുണ്ടെന്ന് സമ്മതിക്കുമ്പോൾ തന്നെ ആ പതിപ്പ് ആവർത്തിക്കാൻ വളരെ ലളിതമാണ്.
അവലംബം
-
ഡാർട്ട്മൗത്ത് - home.dartmouth.edu
-
സ്റ്റാൻഫോർഡ് AI100 - സ്റ്റാൻഫോർഡ് AI100 - ai100.stanford.edu
-
cs.ox.ac.uk - ട്യൂറിംഗ്, 1950 - cs.ox.ac.uk
-
സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി - സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി - plato.stanford.edu
-
സ്റ്റാൻഫോർഡ് എഞ്ചിനീയറിംഗ് - ജോൺ മക്കാർത്തിയെക്കുറിച്ചുള്ള സ്റ്റാൻഫോർഡ് - engineering.stanford.edu
-
സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി - ഓട്ടോമേറ്റഡ് റീസണിംഗ് (SEP) - plato.stanford.edu
-
സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി - ക്ലാസിക്കൽ ലോജിക് (SEP) - plato.stanford.edu
-
സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി - ലോജിക്-ബേസ്ഡ് AI (SEP) - plato.stanford.edu
-
സ്റ്റാൻഫോർഡ് AI100 - സ്റ്റാൻഫോർഡ് AI100, SQ12 - ai100.stanford.edu
-
സ്റ്റാൻഫോർഡ് AI100 - സ്റ്റാൻഫോർഡ് AI100, SQ2 - ai100.stanford.edu
-
സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി - കോഗ്നിറ്റീവ് സയൻസ് (SEP) - plato.stanford.edu
-
OECD - OECD AI തത്വങ്ങൾ - oecd.ai
-
ഐബിഎം - ibm.com
-
ഐബിഎം - മെഷീൻ ലേണിംഗിൽ ഐബിഎം - ibm.com
-
ബ്രിട്ടാനിക്ക - കണക്റ്റിവിസത്തെക്കുറിച്ച് ബ്രിട്ടാനിക്ക - britannica.com