Susanna Ray විසිනි

AI යන යෙදුම 1950 දශකයේ සිටම පරිගණක විද්‍යා ක්ෂේත්‍රය තුළ භාවිතා වී තිබේ. එහෙත් ක්ෂේත්‍රයෙන් පිටත සිටින පුද්ගලයන් 2022 වර්ෂයේ අවසානය වනතුරුම ඒ පිළිබඳව වැඩි අවධානයක් යොමුකළේ නැත. මෑතකාලීනව Machine Learning සම්බන්ධයෙන් ඇතිවූ දියුණුවට සමගාමීව ප්‍රධාන පෙළේ නව සොයාගැනීම් රාශියක් සිදු වූ අතර, මෙම සොයාගැනීම් අපගේ එදිනෙදා ජීවතවලට සුවිශාල බලපෑමක් ඇතිකිරීමට පටන් ගෙන තිබේ. අප මේ උත්සාහ කරන්නේ, AI යෙදුම් සම්බන්ධයෙන් පැහැදිලි අවබෝධයක් ඇතිකරගෙන, ඒ සම්බන්ධයෙන් ගෝලීය මට්ටමින් සිදුවන සංවාදයන්ට සම්බන්ධ වීමට ඔබට අවස්ථාවක් ලබාදීම සඳහා AI විෂයට අදාළ ප්‍රධාන යෙදුම් කිහිපයක් පැහැදිලි කිරීමට ය.

1. Artificial Intelligence (AI)

Artificial Intelligence හෙවත් කෘත්‍රිම බුද්ධිය යනු යම් යම් ආකාරයන්ට මිනිසුන්ට සමාන ලෙස කටයුතු කළ හැකි, අධි-බුද්ධිමත් පරිගණක පද්ධතියකි. මිනිසුන් කියන දේවල් තේරුම් ගැනීම, තීරණ ගැනීම, භාෂා පරිවර්තනය, යමක් ධනාත්මකද සෘණාත්මකද යන්න තීරණය කිරීම සහ අත්දැකීම්වලින් ඉගෙනගැනීම ආදිය මීට ඇතුළත් ය. මිනිසුන් විසින් තාක්ෂණය උපයෝගී කරගෙන එය නිර්මාණය කර ඇති නිසා එය කෘත්‍රිම හෙවත් Artificial වේ. AI පද්ධතිවලට ඩිජිටල් මොළ තිබෙන බවක් ඇතැම් අය පවසති. එහෙත් ඒවා භෞතික යන්ත්‍ර හෝ රොබෝවරුන් නොවේ. ඒවා පරිගණක තුළ ක්‍රියාත්මක වන වැඩසටහන් ය. ඒවා ක්‍රියාත්මක වන්නේ, දත්ත එකතූන් විශාල සංඛ්‍යාවක් Algorithms නමින් හැඳින්වෙන උපදෙස් මාලාවන් හරහා යැවීමෙනි. මෙමගින් සාමාන්‍යයෙන් මිනිසුන්ගේ බුද්ධිය සහ කාලය අවශ්‍ය වන ක්‍රියාකාරකම් ස්වයංක්‍රීය කළ හැකි ආකෘති නිර්මාණය කරනු ලැබේ. ඇතැම් විට මිනිසුන් සෘජුව AI පද්ධති සමග ගනුදෙනු කරති. කිසියම් කටයුත්තක් සඳහා Bing Chat වෙතින් උපකාර ඉල්ලා සිටීම මීට උදාහරණයකි. එහෙත් බොහෝ අවස්ථාවල AI අපට නොදැනීම පසුබිමින් ක්‍රියාත්මක වේ. අප ටයිප් කරන විට වචන යෝජනා කිරීම, Playlists සඳහා ගීත යෝජනා කිරීම සහ අපගේ කැමැත්ත අනුව වඩාත් හොඳින් ගැළපෙන තොරතුරු ඉදිරිපත් කිරීම යනාදිය මීට උදාහරණ ලෙස දැක්විය හැක.

2. Machine Learning

Artificial Intelligence යනු අපගේ ඉලක්කය නම්, එය ළඟා කරගත හැකි මාර්ගය machine learning වේ. මෙය AI යන ප්‍රධාන විෂය යටතේ පවතින, පරිගණක විද්‍යාවේ ක්ෂේත්‍රයකි. මෙහිදී මිනිසුන් විසින් පරිගණක පද්ධතියකට රටා හඳුනා ගැනීමට සහ ඒවා පදනම් කරගෙන අනාවැකි කීමට පුහුණු කරමින් යමක් කරන ආකාරය කියා දෙනු ලැබේ. පුහුණු ක්‍රියාවලියේදී අදාළ පද්ධතියට ඉගෙනගැනීමට සහ වැඩිදියුණු වීමට උපකාර කිරීම සඳහා විවිධ ආදාන සහ ප්‍රතිපෝෂණ සමඟින් දත්ත නැවත නැවතත් Algorithm හරහා ලබාදෙනු ලැබේ. පියානෝ වාදනය පුහුණු කිරීම සඳහා පියානෝ ස්වර මිලියන 10 වාරයක් වාදනය කිරීමට යොමු කරවීම මීට උදාහරණයකි. රූප හඳුනාගැනීම සහ භාෂා පරිවර්තනය වැනි සාම්ප්‍රදායික පරිගණක සැලසුම්කරණ ක්‍රමවේදයන් මගින් විසඳීමට දුෂ්කර වන ගැටලු සම්බන්ධයෙන් මෙය විශේෂයෙන්ම ප්‍රයෝජනවත් ය. මේ සඳහා අතිවිශාල දත්ත ප්‍රමාණයක් අවශ්‍ය වන අතර, එම අවශ්‍යතාව සපුරාගැනීමට අපට හැකි වූයේ මෑතකදී ය. තොරතුරු වැඩි වැඩියෙන් ඩිජිටල්කරණය වීම සහ පරිගණ දෘඪාංග වේගවත්, කුඩා සහ බලවත් මෙන්ම සියලු තොරතුරු පිරිසැකසුම් කිරීමට හැකි තත්ත්වයකට පැමිණීම නිසා මෙම හැකියාව අපට ලැබිණි. Bing Chat සහ ChatGPT වැනි, machine learning භාවිතා කරන විශාල භාෂා මාදිලි හදිසියේම එළිදැක ඇති බවක් අපට හැඟෙන්නේ එබැවිනි.

3. Large Language Models

Large language models හෙවත් LLMs හිදී මිනිසුන් සන්නිවේදනය කරන ආකාරය අනුකරණය කිරීමට හැකි පරිදි භාෂාව භාවිතා කිරීමට උපකාරී වන machine learning ක්‍රමවේද භාවිතා වේ. ඒවාට පදනම් වී ඇත්තේ neural networks හෙවත් NNs ලෙස හැඳින්වෙන, මිනිස් මොළයේ ක්‍රියාකාරීත්වයෙන් අභාසය ලැබූ පරිගණකකරණ පද්ධති ය. මේවා නියුරෝන සහ උපාගම (Synapses) අනුකරණය කරන නෝඩ් සහ සම්බන්ධතා එකතුවකට සමාන වේ. මිනිස් වචන භාවිතා කිරීමට උපකාර වන, භාෂාවේ රටා සහ සම්බන්ධතා ඉගෙනගැනීම සඳහා පෙළ විශාල ප්‍රමාණයක් ඇතුළත් කරමින් ඒවා පුහුණු කර ඇත. මේවා සතු ගැටලු විසඳීමේ හැකියාව, භාෂා පරිවර්තනය, චැට්බොට් ආකාරයට ප්‍රශ්නවලට පිළිතුරු ලබාදීම, ලිවීම සාරාංශගත කිරීම මෙන්ම, කථා, කවි සහ පරිගණක කේත ලිවීම සඳහා වුවද භාවිතා කළ හැකි වේ. මේවාට සිතිවිලි සහ හැඟීම් නැතද, ඇතැම් විට එසේ ඇති බවක් කෙනෙකුට හැඟී යාමට ඉඩ ඇත. එයට හේතුව ඒවා මිනිසුන් සන්නිවේදනයේ යෙදෙන ආකාරය ඉගෙනගනිමින්, ඒ අනුව ප්‍රතිචාර දැක්වීමට පුහුණු කර තිබීම ය. මේවායෙහි සංවාද හැකියාව වැඩිදියුණු කිරීම සඳහා නිර්මාණකරුවන් විසින් බොහෝ විට Reinforcement Learning from Human Feedback (RLHF) නම් ක්‍රමවේදය භාවිතයෙන් මේවා වැඩිදියුණු කරනු ලැබේ.

4. Generative AI

Generative AI යනු හුදෙක් පවතින දේවල් පිළිබඳව තොරතුරු ලබාදීමට පමණක් නොව, නව දේවල් නිර්මාණය කිරීමට විශාල භාෂා ආකෘතිවල (LLM) බලය වැඩිදියුණු කරන තාක්ෂණයකි. එය රටාවන් සහ ව්‍යුහයන් හඳුනාගෙන, මුල් දෙයට සමාන  එහෙත් අලුත් දෙයක් නිර්මාණය කරයි. ඡායාරූප, සංගීතය, ලිවීම්, වීඩියෝ සහ කේත වැනි දේ නිර්මාණය කිරීමට ඊට හැකියාව ඇත. කලා නිර්මාණයන් සිදුකිරීමට, ප්‍රබන්ධ රචනා කිරීමට, නිෂ්පාදන සැලසුම් කිරීමට පමණක් නොව, වෛද්‍ය කටයුතුවලට සහය වීමට පවා ඒවාට හැකියාව තිබේ. කෙසේ නමුත් වැරදි අරමුණු සහිත පුද්ගලයන් අතට පත් වුවහොත් මෙය ව්‍යාජ පුවත් සහ ඡායාරූප නිර්මාණය කිරීම සඳහා භාවිතා කිරීමට ඉඩ ඇත. එම නිසා, AI මගින් සිදුකරන ලද නිර්මාණ පැහැදිලිව හඳුනාගැනීමේ ක්‍රමවේදයන් නිර්මාණය කිරීමට තාක්ෂණ සමාගම් මේ වනවිට උත්සාහ දරමින් සිටී.

5. Hallucinations

Generative AI පද්ධතිවලට කථා, කවි සහ ගීත නිර්මාණය කිරීමේ හැකියාව ඇත. එහෙත් ඇතැම් විට අපට සත්‍යය මත පදනම් වූ ප්‍රතිඵල අවශ්‍ය වේ. මෙම පද්ධතිවලට ව්‍යාජය කුමක්ද, අව්‍යාජය කුමක්ද යන්න හඳුනාගත නොහැකි නිසා, ඒවා වැරදි ප්‍රතිචාර ලබාදීමට ඉඩ ඇත. මෙම පද්ධති නිර්මාණය කරන පුද්ගලයන් Hallucinations ලෙස හඳුන්වන්නේ මේවා ය. වඩාත් නිවැරදිව කිවහොත් මේවා fabrications ලෙස නම්කළ හැක. එය කෙනෙකු සඳ මතුපිට මිනිස් මුහුණක හැඩහුරුකම් දැක, සඳ මත මිනිසෙකු සිටින්නේ යැයි කීමට සමාන ය. “Grounding” නම් ක්‍රමවේදයක් ඔස්සේ මෙම ගැටලුව විසඳීමට තාක්ෂණික නිර්මාණකරුවෝ උත්සාහ දරමින් සිටිති. කිසියම් මාතෘකාවක් සම්බන්ධයෙන් නිරවද්‍යතාව වැඩිදියුණු කිරීම සඳහා විශ්වාසනීය මූලාශ්‍රයකින් AI පද්ධතිය වෙත තොරතුරු සැපයීම මින් අදහස් වේ. ඇතැම් විට, පද්ධතිය පුහුණු කළ පසුව යාවත්කාලීන වූ තොරතුරු පිළිබඳව පද්ධතිය දැනුවත් නොමැති නම්, එහි පුරෝකථනයන් වැරදි වීමට ඉඩ ඇත.

6. Responsible AI

සුරක්ෂිත සහ සාධාරණ පද්ධති නිර්මාණය කිරීම සඳහා නිර්මාණකරුවන්ට මගපෙන්වීම ලබාදෙන්නේ Responsible AI මූලධර්ම මගිනි. Machine learning ආකෘතිය, මෘදුකාංග, පරිශීලක අතුරුමුහුණත (User interface) සහ භාවිතයට අදාළ නීති හා සීමාවන් ඇතුළු සෑම මට්ටමකදීම එය භාවිතා වේ. අධ්‍යාපනය හා සෞඛ්‍යය වැනි, පුද්ගලයන් සම්බන්ධ වැදගත් කටයුතුවලදී තීරණ ගැනීමේ වගකීම මෙම පද්ධති වෙත පැවරී තිබීම නිසා සහ, මෙම පද්ධති මිනිසුන් විසින් නිර්මාණය කර පුහුණු කරන ලද බැවින් යම් යම් පක්ෂපාතීත්වයන් ඒවා තුළ පැවතිය හැකි නිසා, මෙවැනි මාර්ගෝපදේශ තිබීම අතිශයින් වැදගත් ය. මෙම පද්ධති පුහුණු කිරීමට භාවිතා කරන දත්ත පිළිබඳව පැහැදිලි අවබෝධයකින් යුතුව, යම් යම් පුද්ගල කණ්ඩායම්වලට පමණක් නොව සමස්ත සමාජයටම පොදුවේ යහපත සැලසීම සඳහා මෙම පද්ධතිවල පවතින අඩුපාඩු නිවැරදි කිරීම මෙහි ප්‍රධානතම අරමුණකි.  

7. Multimodal models

Multimodal ආකෘතියකට එකවර විවිධ වර්ග හා කාණ්ඩවලට අයත් දත්ත භාවිතා කළ හැකි වේ. පින්තූර බැලීමට, ශබ්දවලට සවන් දීමට සහ වචන කියවීමට ඒවාට හැකියාව ඇත. එය බහුකාර්යසාධන හැකියාවේ උපරිමයක් ලෙස හැඳින්විය හැකි වේ. මෙම තොරතුරු සියල්ල එක්කරමින්, ඡායාරූප සම්බන්ධයෙන් විමසන ප්‍රශ්නවලට පිළිතුරු ලබාදීම වැනි දේවල් ඉටු කිරීමට එයට හැකියාව ඇත.

8. Prompts

Prompt එකක් යනු, කළ යුතු කාර්යය කුමක්ද යන්න AI වෙත දැනුම් දීම සඳහා භාෂාව, ඡායාරූප හෝ කේත වැනි මාධ්‍යයකින් පද්ධතියකට ඇතුළත් කරනු ලබන උපදෙසකි. ඉංජිනේරුවන් ඇතුළුව AI සමග ගනුදෙනු කරන සියලුම දෙනා, LLM අතරින් අවශ්‍ය ප්‍රතිඵල ලබාගැනීම සඳහා මේවා ප්‍රවේශමෙන් නිර්මාණය කළ යුතු ය. උදාහරණයක් ලෙස, හුදෙක් සැන්ඩ්විච් එකක් ඉල්ලීම පමණක් ප්‍රමාණවත් නැත. නිසි රසය ලබාගැනීමට නම් ඔබ කැමති පාන් වර්ගය සහ ඇතුළත් විය යුතු එළවලු ඇතුළු අඩුවැඩිය සියල්ල නිසි පරිදි සඳහන් කළ යුතු ය.

9. Copilot

Copilot යනු ඔබගේ ඩිජිටල් ක්‍රියාකාරකම්වලදී ඔබත් සමග වැඩ කරන පෞද්ගලික සහකරුවෙකු වැනි දෙයකි. එය ලිවීම, කේතකරණය, සාරාංශකරණය සහ සෙවීම් වැනි කටයුතුවලදී ඔබට උපකාරී වෙයි. එමෙන්ම තීරණ ගැනීමටත්, විශාල වශයෙන් දත්ත වටහා ගැනීමටත් එය උපකාරී වෙයි. LLM සම්බන්ධයෙන් මෑතකාලීනව සිදුවූ වැඩිදියුණු කිරීම් නිසා Copilot නිර්මාණය කිරීමට හැකි වී ඇත. මෙමගින් ස්වභාවික මිනිස් භාෂාව ග්‍රහණය කරගෙන, එකිනෙකට වෙනස් පරිගණක වැඩසටහන් තුළ වැඩ කරන විට පිළිතුරු ලබාදීමටත්, අන්තර්ගතයන් නිර්මාණය කිරීමටත්, අවශ්‍ය දේවල් ක්‍රියාවට නැංවීමටත් හැකියාව ලැබේ. මේවා සුරක්ෂිත බවත්, යහපත් අරමුණු සඳහා භාවිතා වන බවත් තහවුරු කරගැනීම සඳහා Responsible AI මාර්ගෝපදේශ පදනම් කරගෙන නිර්මාණය කර ඇත. ගුවන් යානයක සිටින සහය නියමුවෙකු හෙවත් Copilot කෙනෙකු මෙන්ම, ඔබ කරන කටයුතු ඔබ මිස Copilot පාලනය නොකරන නමුත්, වඩාත් ඵලදායී හා කාර්යක්ෂම ලෙස කටයුතු කිරීමට ඔබට සහය වීමට මේවාට හැකියාව ඇත.

10. Plugins

මෙය ඔබේ ස්මාර්ට් දුරකතනයට Apps ඇතුළත් කිරීමට එක්තරා දුරකට සමාන ය. අවශ්‍ය අවස්ථාවලදී යම් යම් කාර්යයන් ඉටුකිරීම සඳහා ඒවා ක්‍රියාත්මක වේ. මෙමගින් මූලික මාදිලිය වෙනස් කිරීමකින් තොරව වැඩි කාර්යයන් ප්‍රමාණයක් ඉටුකිරීමට AI යෙදුම්වලට හැකියාව ලැබේ. උදාහරණයක් ලෙස වෙනත් මෘදුකාංග හා සේවාවන් සමග ගනුදෙනු කිරීමට Copilot මාදිලිවලට හැකිවන්නේ මෙමගිනි. AI පද්ධතිවලට ඒවා තුළ නව තොරතුරු භාවිතා කිරීමටත්, සංකීර්ණ ගණනය කිරීම් සිදුකිරීමටත්, වෙනත් වැඩසටහන් සමග සන්නිවේදනය කිරීමටත් මෙමඟින් අවස්ථාව සලසා දෙයි. ඩිජිටල් ලෝකයේ සෙසු අංශ සමග AI පද්ධති සම්බන්ධ කිරීම තුළින් එම පද්ධති වඩාත් බලවත් කරනු ලබන්නේ Plugins මගිනි.