ചാറ്റ് ജിപിടി ഓടണം ഇനിയുമേറെ ദൂരം, മനുഷ്യബുദ്ധിയെ വെല്ലാൻ!

‘നൻപകൽ നേരത്ത് മയക്കം’ സിനിമയിൽ കണ്ടത് പോലെയോ മറ്റോ ഒരാൾ അയാൾക്ക് ഒട്ടും പരിചയമില്ലാത്ത സംസ്കാരവും, ഭാഷയുമെല്ലാം ഉള്ള ഒരിടത്ത് എത്തിപ്പെട്ടെന്ന് കരുതുക. അവിടുള്ളവർ സംസാരിക്കുന്നതിൻ്റെ അർത്ഥമോ ഭാവമോ ഒന്നും അയാൾക്കറിയില്ല. എന്നാൽ അയാൾക്ക് ഏതാനും വാക്കുകൾ മാത്രം അറിയാം. അവിടുള്ളവർ എന്ത് ചോദിച്ചാലും ഒരു ഊഹം വച്ച് ഇയാൾ തനിക്കറിയാവുന്ന വാക്കുകൾ അങ്ങ് പറയും. അതിലെന്തെങ്കിലും അർത്ഥമുണ്ടെങ്കിലും ഇല്ലെങ്കിലും കേൾക്കുന്നവർക്ക് അവർക്ക് മനസ്സിലാവുന്ന ഭാഷയിൽ ഒരു പ്രതികരണം ലഭിക്കും.

ഇപ്പോൾ തരംഗം സൃഷ്ടിച്ചു കൊണ്ടിരിക്കുന്ന ചാറ്റ് ജിപിടി ഏതാണ്ട് ഈ വ്യക്തിയേപ്പോലാണ്. ഇപ്പോൾ നിലവിലുള്ള ജിപിടി-3 എന്ന സാങ്കേതികവിദ്യയിൽ ഏതാണ്ട് 17,500 കോടി വാക്കുകൾ (tokens) കൈവശം വച്ച് നമ്മൾ ചോദിക്കുന്ന കാര്യങ്ങൾക്ക് സംഭവ്യമായ (probable) വാക്കുകൾ കണക്കാക്കി മറുപടി തരുന്ന സോഫ്റ്റ്‌വെയർ സങ്കേതമാണിത്. ഇതിനായി സ്ഥിതി വിവരശാസ്ത്രത്തിലെ (statistics) പ്രോബബിലിറ്റി സിദ്ധാന്തത്തിന്റെ സഹായം തേടുന്നു. നിർമിത ബുദ്ധി സാങ്കേതികവിദ്യയിലെ മെഷീൻ ലേണിംഗ്‌ എന്ന സങ്കേതമാണ് ഇതിന്റെ പിന്നിൽ പ്രവർത്തിക്കുന്നത്. വാക്കുകൾ എന്ന് പറയുമ്പോൾ കമ്പ്യൂട്ടറിൽ ഇൻപുട്ട് ആയി കൊടുക്കാവുന്ന ഏത് തരം പദങ്ങളും ഉൾപ്പെടും. ഉദാഹരണത്തിന് ഗണിതം, കമ്പ്യൂട്ടർ പ്രോഗ്രാമുകൾ, എന്നിവയൊക്കെ ചാറ്റ്ജിപിടിക്ക് മനസ്സിലാവും.

ലാർജ് ലാംഗ്വേജ് മോഡൽ (LLM) എന്നറിയപ്പെടുന്ന സ്വാഭാവിക ഭാഷ അനുകരിക്കാൻ ശ്രമിക്കുന്ന ഭാഷാ മോഡലുകളിൽ ഒന്ന് മാത്രമാണ് ജിപിറ്റി. ജനറേറ്റീവ് പ്രീ-ട്രെയിൻഡ് ട്രാൻസ്‌ഫോർമർ (GPT) എന്നതിന്റെ ചുരുക്കപ്പേരാണിത്. ഇതിന്റെ അടിസ്ഥാനമാക്കി നിർമ്മിച്ച ചാറ്റ് ബോട്ട് ആണ് ചാറ്റ്ജിപിടി (ബോട്ട് എന്ന പദം കൊണ്ട് ഉദ്ദേശിക്കുന്നത് ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്ന ഒരു സങ്കേതം എന്നാണ്). സാധാരണ ഗൂഗിൾ സെർച്ചിൽ നിന്ന് വ്യത്യസ്തമായി, ഉപയോക്താവിന് മറ്റൊരു മനുഷ്യനോട് സംസാരിക്കുന്ന പോലെ ചോദ്യങ്ങൾ ചോദിക്കാമെന്നതും, തുടർ ചോദ്യങ്ങൾ സാധ്യമാണെന്നതുമൊക്കെ ഇതിന്റെ പ്രത്യേകതയാണ്. ഇത്തരം നിരവധി ചാറ്റ് ബോട്ടുകൾ പുറത്ത് വന്നുകൊണ്ടിരിക്കുന്നുണ്ട്.

എന്നാൽ ഇവയ്ക്ക് ഒരു വലിയ പരിമിതി ഉണ്ടെന്ന് നാം മനസിലാക്കേണ്ടിയിരിക്കുന്നു. സന്ദർഭത്തിനനുസരിച്ച് വരുന്ന വാക്കുകൾ കൃത്യമായി ഉപയോഗിക്കുന്നതിന് സഹായിക്കുന്ന ഒരു ഭാഷാമാതൃക നമ്മുടെ തലച്ചോറിനുള്ളിൽ ചെറുപ്പകാലം മുതൽ പരിശീലിപ്പിച്ചുവെച്ചിട്ടുണ്ട്. ഈ പരിശീലനത്തിൽ സാമൂഹികവും, സാംസ്കാരികവുമായ നിരവധി ഘടകങ്ങൾ പ്രവർത്തിക്കുന്നുണ്ട്. അങ്ങിനെ തലച്ചോറിനുള്ളിൽ ലഭ്യമായ വലിയ ഒരു പദസഞ്ചയത്തിൽനിന്നും ഏറ്റവും ഉചിതമായ ഒരു വാക്കായിരിക്കും മനുഷ്യർ പറയുക. ഓരോ തവണയും നമ്മൾ സംസാരിക്കുമ്പോൾ ഉചിതമായ പദങ്ങൾ സന്ദർഭത്തിനനുസരിച്ച് തിരഞ്ഞെടുത്ത് ഉപയോഗിക്കാനുള്ള കഴിവാണ് ഒരാളുടെ ഭാഷാസ്വാധീനം. എന്നാൽ ഇത് സമയവും, സന്ദർഭവുമൊക്കെ അനുസരിച്ച് ഒരേ അർത്ഥത്തിലായിരിക്കില്ല നമ്മൾ ഉപയോഗിക്കുക. അതായത്, ഓരോ പ്രതികരണത്തിനു പിന്നിൽ മനുഷ്യർ അവരുടേതായ ഒരു യുക്തി കൂടി പ്രയോഗിക്കുന്നുണ്ട്.

ഈ യുക്തി കമ്പ്യൂട്ടർ ഭാഷയിൽ പ്രോഗ്രാം ചെയ്യുക എന്നത് എളുപ്പമുള്ള കാര്യമല്ല. നമ്മൾ ഒരു വാക്യത്തിൽ ഉപയോഗിക്കുന്ന പദങ്ങൾ തമ്മിൽ ഉള്ള ബന്ധം ഭാഷയുടെ അതിർവരമ്പുകൾ വച്ച് മാത്രം നിർണ്ണയിക്കാവുന്ന ഒന്നല്ല, മറിച്ച് യുക്തിപരമായും, വൈകാരികമായും ഒക്കെയുള്ള കാരണങ്ങൾ (causes) അതിന്റെ പിന്നിൽ ഉണ്ടാവും. ഈ കഴിവ് ഒരു കമ്പ്യൂട്ടർ നേടിയാൽ അതിന് ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് (Artificial General Intelligence) ലഭിച്ചതായി നമുക്ക് കണക്കാക്കാം. ഇത്തരം ഒരു യന്ത്രമുണ്ടെങ്കിൽ അതിനെ തുല്യ അറിവുള്ള ഒരു മനുഷ്യനിൽ നിന്ന് തിരിച്ചറിയാൻ സാധിക്കില്ല. അത്തരം ഒരു യന്ത്രം ഈ കടമ്പ കടന്നോ എന്നറിയാനുള്ള പരീക്ഷണമാണ് ടൂറിങ് ടെസ്റ്റ് (Turing Test). ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിൽ മേഖലയിൽ വലിയ മുന്നേറ്റമുണ്ടായിട്ടും ഒരു കമ്പ്യൂട്ടറും ഇത് വരെ ടൂറിങ് ടെസ്റ്റിൽ വിജയിച്ചിട്ടില്ല.

ഇത്തരത്തിൽ നോക്കിയാൽ ചാറ്റ്ജിപിടിയ്ക്ക് പിന്നിലുള്ള ജനറേറ്റീവ് എഐ എന്ന മാതൃകയിൽ നിന്ന് എല്ലാം തികഞ്ഞ നിർമിത ബുദ്ധിയിലേക്ക് ബഹുദൂരമുണ്ട്. ഇതിന് ആവശ്യമായ അറിവ് ഈ മോഡലുകൾ പഠിക്കുന്നില്ല എന്നതാണ് ശ്രദ്ധേയമായ കാര്യം. ചാറ്റ്ജിപിടി സാങ്കേതികവിദ്യയുടെ പിന്നിൽ പ്രവർത്തിക്കുന്നത് ട്രാൻസ്ഫോമർ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഉപയോഗിച്ചുള്ള അൽഗോരിതങ്ങളാണ്. ഒരു ന്യൂറൽ നെറ്റ്‌വർക്ക് ശരിയായ ഫലങ്ങൾ നൽകുമ്പോൾ തന്നെ, അത് കാര്യ കാരണ (cause and effect) ബന്ധങ്ങൾ, സാമാന്യബുദ്ധി (common sense), പഠിച്ച വൈദഗ്ധ്യത്തിന്റെ (learned experience) അടിസ്ഥാനത്തിലുള്ള മറ്റ് അറിവുകൾ എന്നിവ പഠിക്കാതെ, ചോദിക്കുന്ന വാക്കുകൾക്ക് അനുയോജ്യമായ വാക്കുകൾ നൽകുക മാത്രമേയുള്ളൂ എന്ന് പഠനങ്ങൾ കാണിക്കുന്നു. അതായത് പറയേണ്ട വാക്കുകൾ നമ്മളെപ്പോലെ ബുദ്ധിയുപയോഗിച്ചു കണ്ടെത്തി പറയുന്നതിനു പകരം ഊഹിച്ച് പറയുകയാണ് ചാറ്റ്ജിപിടി ചെയ്യുന്നത്.

എന്നിരുന്നാലും ഇത്തരം ചാറ്റ് ബോട്ടുകൾക്ക് വളരെ മികവോടെ കാര്യങ്ങൾ ചെയ്യാൻ കഴിയും. ഒരു ആശയം നൽകിയാൽ അതിനു യോജിച്ച വെബ്‌സൈറ്റ് ഉണ്ടാക്കാനുള്ള കോഡ് സൃഷ്ടിക്കുക, സ്പ്രെഡ്ഷീറ്റുകളിൽ പ്രവർത്തിച്ച് പ്രവചനങ്ങൾ നടത്തുക, നമുക്കാവശ്യമുള്ള ഒരു വിവരം ക്രോഡീകരിച്ച് നൽകുക, വിവിധ ഭാഷകളിലേക്ക് തർജമ നടത്തുക തുടങ്ങി ഒരു ശരാശരി കമ്പ്യൂട്ടർ പ്രോഗ്രാമറെക്കാൾ നന്നായി പ്രോഗ്രാമുകൾ എഴുതാനും ഇവയ്ക്ക് സാധിക്കും. ഇത്തരം ജോലികളൊക്കെ ചാറ്റ് ബോട്ടുകൾ ഫലപ്രദമായി ചെയ്യുന്നതിനാൽ ഭാവിയിൽ വൈദഗ്ധ്യം കുറഞ്ഞ ജോലികളൊക്കെ ഇല്ലാതാകാൻ സാധ്യത ഉണ്ട്. ഇത് പ്രായോഗികമായി ബാധിക്കുക കോളേജുകളിൽ നിന്ന് ജോലിക്ക് കയറാൻ തയ്യാറെടുത്തിരിക്കുന്നവരെയാണ്. തുടക്കക്കാർക്ക് ഐടി ജോലികളിൽ ലഭിക്കുന്ന ശരാശരി ശമ്പളം ഇപ്പോൾ തന്നെ കുറഞ്ഞ് വരികയാണ്.

ഒരു മൂന്നാം തലമുറ ചാറ്റ് എഞ്ചിനായ ജിപിടി-3 ഏകദേശം 17,500 കോടി ഘടകങ്ങൾ ഉപയോഗിച്ച് പരിശീലനം നല്കപ്പെട്ടതാണ്. വിവിധ ഭാഷകളിലേക്ക് വിവർത്തനങ്ങൾ അനായാസം ചെയ്യാൻ കഴിയുന്ന ഇതിന്, വാക്യഘടന മനസ്സിലാക്കുക, ജീവചരിത്രപരമായ ഉപന്യാസങ്ങളും കാല്പനിക കവിതകളും രാഷ്ട്രീയ വിമർശനങ്ങളും എഴുതുക , ഗണിത സമവാക്യങ്ങൾ ക്രിയാത്മകമായി പരിഹരിക്കുക എന്നീ ക്രിയകളും ചെയ്യാൻ കഴിയും. ഇംഗ്ലീഷിൽ നടത്തുന്ന സംഭാഷണങ്ങൾക്ക് വളരെ വേഗത്തിലും കൃത്യവുമായ പ്രതികരണങ്ങൾ ചാറ്റ്ജിപിടി നൽകുന്നുണ്ടെങ്കിലും മലയാളം പോലുള്ള ഭാഷകളിൽ ലഭിക്കുന്ന പ്രതികരണങ്ങൾ അല്പം സാവധാനത്തിൽ ആണെന്ന് മാത്രമല്ല, പലപ്പോഴും അർത്ഥശൂന്യവുമാണ്. ലേഖനങ്ങൾക്ക് വലിയ തെറ്റ് പറയാൻ പറ്റില്ലെങ്കിലും മലയാളത്തിൽ എഴുതുന്ന കവിതയൊക്കെ ശുദ്ധ അബദ്ധമാണ്. എന്നാൽ ഒരു ലക്ഷം കോടി പദങ്ങൾ നൽകി പരിശീലിപ്പിക്കുന്ന ജിപിടി-4 പോലുള്ള മാതൃകകൾ പുറത്ത് വരുമ്പോൾ ഇക്കാര്യം മെച്ചപ്പെട്ടേക്കാം.

ഒരു ലക്ഷം കോടി ഘടകങ്ങൾ (1 trillion parameters) ഉപയോഗിച്ച് പരിശീലനം നൽകിക്കൊണ്ടിരിക്കുന്ന GPT-4ന് ഒരു മനുഷ്യ മസ്തിഷ്കത്തിന് സമാനമായ ചിന്താശേഷി ഉണ്ടാവും. കമ്പ്യൂട്ടർ ഹാർഡ്‌വെയർ മേഖലയിലുണ്ടായ വളർച്ചയാണ് ഇതിനു പിന്നിൽ. മനുഷ്യ മസ്തിഷ്കത്തിൽ ശരാശരി 8600 കോടി ന്യൂറോണുകൾ ഉള്ളപ്പോൾ ജിപിടി-4ന് ഒരു ലക്ഷം കോടി ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ലഭ്യമാകും. നിലവിൽ വാക്കുകൾ ടൈപ്പ് ചെയ്ത് കൊടുക്കുന്ന അവസ്ഥയ്ക്ക് പകരം ഓഡിയോ, വീഡിയോ ഇൻപുട്ടുകൾ സ്വീകരിക്കാൻ ചാറ്റ്ജിപിടി-4ന് കഴിയും. മൾട്ടിമോഡൽ ഇൻപുട്ട്-ഔട്ട്പുട്ട് മോഡൽ എന്നറിയപ്പെടുന്ന ഇതിന് മുൻപേയുള്ള മോഡലുകളെക്കാൾ പരിശീലന ചെലവ് കുറവുമാണ്. കോപ്പിയെഴുത്ത്, കസ്റ്റമർ സപ്പോർട്ട്, കമ്പ്യൂട്ടർ പ്രോഗ്രാമിങ് തുടങ്ങിയ മേഖലകളിൽ ഇത് മനുഷ്യരുടെ ജോലി ഇല്ലാതാക്കിയേക്കാം. ഭാവിയിൽ ഒരു പിഎച്ച്ഡി പ്രബന്ധമൊക്കെ എളുപ്പത്തിൽ എഴുതിയുണ്ടാക്കാൻ ഇതിനു അനായാസം സാധിച്ചേക്കാം എന്ന് കരുതപ്പെടുന്നു.

പുതുതലമുറ ചാറ്റ് ബോട്ടുകൾ സംബന്ധിച്ച ഗവേഷണങ്ങളും പഠനങ്ങളും പുറത്ത് വരുന്ന മുറയ്ക്ക് ഇവയുടെ യഥാർത്ഥ കഴിവിന്റെ പരിധി വിലയിരുത്താൻ സാധിച്ചേക്കാം. പരിശീലിപ്പിക്കാത്ത കാര്യങ്ങൾക്ക് ഇവയെങ്ങിനെ മറുപടി പറയും എന്ന ചോദ്യം ഇത്തരുണത്തിൽ വളരെ പ്രസക്തമാണ്. ഈ കഴിവിനെ ഉരുത്തിരിഞ്ഞുവരുന്ന കഴിവുകൾ (emergent abilities) എന്ന് വിളിക്കുന്നു. ഇവ മെച്ചപ്പെടുത്താൻ മികച്ച കമ്പ്യൂട്ടർ ഹാർഡ്‌വെയർ, ഡാറ്റാ പരിശീലനം എന്നതിലൂടെയൊക്കെ സാധിക്കുമോ എന്നതും പഠനങ്ങൾ നടന്നുകൊണ്ടിരിക്കുന്ന മേഖലയാണ്. GPT-3 ഷോട്ട് പ്രോംപ്റ്റിംഗ്/ഇൻ-കോണ്ടെക്സ്റ്റ് ലേണിംഗ് എന്നറിയപ്പെടുന്ന മാതൃക ഉപയോഗിച്ച് ഇതിലൊരു വിപ്ലവം സൃഷ്ടിച്ചപ്പോൾ ഏറ്റവുമധികം വിഭവശേഷി ഇത്തരം സാങ്കേതികവിദ്യയിൽ ഉള്ള ഗൂഗിളിന് ചെറിയ തിരിച്ചടികൾ സംഭവിച്ചതും നമ്മൾ കാണാതിരിക്കരുത്.

സമീപ ഭാവിയിൽ ഇത്തരം ഭാഷാ മാതൃകകൾ മെഷീൻ ലേണിംഗ് ഗവേഷണത്തിന്റെ മുഖ്യധാരയായി നിലനിൽക്കും എന്നത് ഉറപ്പാണ്. അവർ യഥാർത്ഥ ആപ്ലിക്കേഷനുകളിലേക്ക് നീങ്ങുമോ എന്നത് കാത്തിരുന്ന് കാണാം. എന്തായാലും ഒരു മനുഷ്യ മസ്തിഷ്കത്തിന് സാധ്യമായ ധിഷണാശക്തി, കർമ്മകുശലത, വിവേചന ബോധം, സർഗ്ഗാത്മകത ഇവയൊന്നും സമീപ ഭാവിയിലൊന്നും നിർമിത ബുദ്ധി ഗവേഷണ മേഖലയിൽ ഉണ്ടാവില്ല. എന്നിരുന്നാലും, ഇത്തരം കാര്യങ്ങൾ അധികം വേണ്ടാത്ത സൃഷ്ടി കർമ്മങ്ങൾ ചെയ്യാൻ ഈ സാങ്കേതികവിദ്യയ്ക് സാധ്യമാണെന്ന് തെളിയിക്കപ്പെട്ടു കഴിഞ്ഞു. ഒരു ശരാശരി കോളേജ് വിദ്യാർത്ഥിയുടെ വൈഭവത്തിലൊതുങ്ങുന്ന (skill) പല കാര്യങ്ങളും ചാറ്റ്ജിപിറ്റിക്ക് സാധിക്കും.

ചുരുക്കത്തിൽ, GPT പോലെയുള്ള ഭാഷാ മോഡലുകൾക്ക് മനുഷ്യനെപ്പോലെ വാക്കുകൾ സൃഷ്‌ടിക്കാനും, മനുഷ്യന്റേതിൽനിന്ന് വേർതിരിച്ചറിയാൻ പ്രയാസമുള്ള സംഭാഷണങ്ങൾ തുടരാനും കഴിയും. എന്നിരുന്നാലും, ഒരു മനുഷ്യനെപ്പോലെ അവരുടെ പ്രതികരണങ്ങളുടെ ഉള്ളടക്കം മനസ്സിലാക്കാനോ ന്യായവാദം ചെയ്യാനോ ഉള്ള കഴിവ് നിലവിൽ അവയ്ക്കില്ല. ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസിനുണ്ടായിരിക്കേണ്ട പത്ത് ഗുണങ്ങളിൽ ഒന്ന് പോലും ജിപിടിക്ക് ഉണ്ടെന്ന് ചാറ്റ്ജിപിടി തന്നെ അവകാശപ്പെടുന്നില്ല. അതിവേഗം പുരോഗമിച്ചു കൊണ്ടിരിക്കുന്ന നിർമ്മിതബുദ്ധി ഗവേഷണങ്ങളുടെ ഭാവി പ്രവചിക്കുക എന്നത് അത്ര എളുപ്പമല്ല. അതോടൊപ്പം ഓരോ ദിവസവും പുതിയ പുതിയ ഉപയോഗങ്ങൾ കണ്ടെത്തിക്കൊണ്ടിരിക്കുന്നതിനാൽ വരുംകാലം കൂടുതൽ വ്യക്തത ഇക്കാര്യത്തിൽ കൊണ്ട് വരുമെന്നതിൽ സംശയമില്ല.

അതോടൊപ്പം, പുത്തൻ സാങ്കേതിക വിദ്യകൾ ജോലി നഷ്ടപ്പെടുത്തുമെന്ന ആശങ്കകൾക്ക് ചരിത്രത്തിൽ വലിയ സ്ഥാനമില്ല എന്ന് കാണാം. മനുഷ്യൻ സൃഷ്ടിച്ചിട്ടുള്ള സാങ്കേതികവിദ്യകളൊക്കെ ഇല്ലാതാക്കുന്ന ജോലികളേക്കാൾ കൂടുതൽ ജോലികൾ സൃഷ്ടിക്കുന്നതായാണ് കാണുന്നത്. അതുമല്ല, ഇനി യന്ത്രങ്ങൾ കൂടുതലായി പണിയെടുക്കുന്ന കാലം വന്നാൽ മനുഷ്യർക്ക് യൂണിവേഴ്സൽ ബേസിക് ഇൻകം പോലുള്ള സൗകര്യങ്ങൾ നൽകി ഭരണകൂടങ്ങൾ ആ പ്രതിസന്ധി മറികടന്നേക്കാം.

(കാസർഗോഡ് ഗവ. കോളജിൽ ഫിസിക്സ് അധ്യാപകനായ ലേഖകൻ എഴുത്തുകാരനും ശാസ്ത്രപ്രചാരകനുമാണ്)