2024 నోబెల్ బహుమానాల ప్రకటన

యథావిధిగా అక్టోబరులో 2024 నోబెల్ బహుమానాలు ప్రకటించేరు. ఆశ్చర్యకరమైన విషయం ఏమిటంటే భౌతికశాస్త్రంలోను, రసాయనశాస్త్రంలోనూ ఇవ్వవలసిన బహుమానాలని, ఆనవాయితీని తప్పిస్తూ, కంప్యూటర్ రంగంలో జరిగిన పరిశోధనలని గుర్తిస్తూ ఇచ్చేరు. అంతే కాదు. ఈ రెండు బహుమానాలూ అందుకున్న ఐదుగురిలో ముగ్గురు లోతైన జేబులు ఉన్న గూగుల్ కంపెనీతో సంబంధం ఉన్న పరిశోధకులు. ఈ ధోరణి చూస్తూ ఉంటే భౌతిక, రసాయన శాస్త్రాలలో పసరు తగ్గిపోతూందా అనే అనుమానం ఒక పక్క, ఆర్థికవనరులు తక్కువగా ఉండే విశ్వవిద్యాలయాల్లో పని చేసే ఆచార్యులు ఇక ఆశలు వదలుకోవలసినదేనా అనే ఆరాటం మరొక పక్కా కనిపిస్తోంది. అంతే కాదు. ఈ రెండూ కూడా కృత్రిమ మేధకి (Artificial Intelligence లేదా ముద్దుగా AI) సంబంధించిన రంగానికే ఇచ్చారన్నది గమనార్హం. ఎడమ చెయ్యి ఏమి చేస్తున్నదో చూసుకోకుండా కుడి చేత్తో వేరొక పని చేసేరా అనిపించింది.

ఈ సందర్భంలో ఇటీవల కృత్రిమ మేధని విశృంఖలంగా వాడడం వల్ల మేలుతో పాటు కీడు కూడా జరిగే ప్రమాదం ఉందని విజ్ఞ సమాజంలోనే కాకుండా సామాన్యులలో కూడా ఆరాటం పెరుగుతోందన్న విషయం గుర్తు పెట్టుకోవాలి. ఈ ఆరాటాన్ని ఆలంబనంగా చేసుకుని ఉగ్రమైన పోరాటాలు కూడా తలెత్తున్నాయి. ఈ నేపథ్యాన్ని గుర్తిస్తూ నోబెల్ నిర్ణేతలు, ఈ పోరాటంలో ఒక పక్షాన్ని కాస్తూ బహుమానాలని ప్రకటించినట్లు కనబడుతోంది.

నాడీ వలయాల భూస్థాపితం

ఇక్కడ కృత్రిమ మేధ పరిణతి గురించి కొంత చారిత్రిక నేపథ్యం నెమరువేసుకోవడం అప్రస్తుతం కాదు. అది 1964. నేను యుసిఎల్‌ఎలో (UCLA – University of California Los Angeles) పిహెచ్.డి. పట్టాకై చదువు ప్రారంభిస్తూన్న కొత్త రోజులు. బోల్టర్ హాల్, మూడవ అంతస్తులో, ఒక పెద్ద గదిలో బెక్‌మన్ కంపెనీ వారి ఈజ్ (EASE – Electronic Analog and Simulation Equipment) అనే పేరుతో పాతబడిపోతూన్న సారూప్య కలనయంత్రం (analog computer) ఉండేది. ఆ గది ఇటునుండి అటు సులభంగా 40 అడుగులు ఉంటుంది. శూన్యనాళికలతో (vacuum tubes) తయారయిన ఆ కలనయంత్రం ఆ గది అంతటిని ఆక్రమించేసింది. మా గురువుగారు ఆ కంప్యూటరు మీద పని చెయ్యమని పురమాయించారు.

బోల్టర్ హాల్ వెనకాతలే యుసిఎల్‌ఎ హాస్పిటల్ ఉంది. ఆ హాస్పటల్ ఎనిమిదవ అంతస్తులో ఉన్న బ్రెయిన్ రిసర్చ్ ఇన్‌స్టిట్యూట్‌లో ఇద్దరు వైద్య పరిశోధకులు ఒక పిల్లికి మత్తుమందు ఇచ్చి, దాని కపాలం మీది టోపారం లేవదీసి, దాని మెదడులో విద్యుదగ్రములు (electrodes) పెట్టి, ఆ పిల్లి కంటి మీద దీపం వేసి, ఆ దీపానికి ఆ మెదడు లోని నాడీకణాలు (neurons) ఎలా స్పందిస్తున్నాయో నమోదు చేస్తున్నారు. మా గురువుగారు నన్ను అక్కడకి వెళ్ళి, ఆ ప్రయోగం చూసి, అక్కడ జరుగుతూన్న ప్రక్రియని మా సారూప్య కలనయంత్రం మీద తిరిగి సృష్టించమన్నారు. ఈ ప్రక్రియనే తెలుగులో విడంబన (simulation) అని అంటారు. ఇది ఆయన నాకు పురమాయించిన పరిశోధనాంశం. ఆ రోజులలో న్యూరల్ నెట్ (neural net) అనే మాట ఇంకా వాడుకలోకి రాలేదు.

పని మొదలుపెట్టేను. బాలారిష్టాలు దాటుకుంటూ ఉపక్రమణిక ఫలితాలు నెమ్మదిగా సేకరిస్తున్నాను. ఇది ఇలా ఉండగా, పులిమీద పుట్రలా, ఎమ్‌ఐటి (MIT – Massachusetts Inst. of Technology) నుండి మార్విన్ మిన్‌స్కీ (Marvin Minsky) అనే ఆచార్యుడు (అప్పట్లో ఆయనని కృత్రిమ మేధకి పితామహుడు అనేవారు!) పెర్సెప్ట్రాన్స్ (Perceptrons) అనే పుస్తకం వ్రాస్తున్నాడనిన్నీ, అందులో విప్లవాత్మకమైన ఆలోచనలు ఉన్నాయనిన్నీ, ఆ పుస్తకం వ్రాత ప్రతి ఒకటి మా ఆచార్యవర్గానికి పునర్విచారణకి వచ్చింది. అది చాలా బందోబస్తుగా, పకడ్బందీగా, శాస్త్రీయమైన గణిత ఋజువులతో రాసిన పుస్తకం. దాని సారాంశం ఏమిటంటే మేము చేస్తూన్న నాడీవలయాల విడంబన (neural net simulation) లాంటి ప్రయత్నాలన్నీ కంచి గరుడ సేవే అని! ఈ న్యూరాన్ నమూనాలు పునాదులలోనే లోపాలు ఉన్న పద్ధతులు కనుక అవి ఇప్పుడే కాదు, ఎప్పుడూ పని చెయ్యవు అంటూ చాలా ధీమాతో రాసిన పుస్తకం. ఆ పుస్తకం ప్రచురణతో అమెరికాలో న్యూరల్ నెట్స్ మీద పరిశోధనని ఆరడుగుల లోతు గోతిలో పాతిపెట్టేసేరు. అనగా ప్రభుత్వం డబ్బు ఇవ్వడం మానేసింది! నేనంతవరకు చేస్తూన్న పనిని ప్రచురించడానికి కూడా ధైర్యం లేక గూట్లో దాచేసి, మరొక మార్గం చూసుకున్నాను. న్యూరల్ నెట్స్ సంగతి మరచిపోయేను. మాటలో మాట: సాంకేతికంగా నూకలు చెల్లిపోయిన ఆ సారూప్య కలనయంత్రాన్ని, నేనే, నా చేతులతోనే, సమాధి చేసేను కూడా!

నాడీ వలయాల పునర్జన్మ

కాలచక్రం గిర్రున తిరిగి 1983 వచ్చింది. నేనప్పుడు టి.ఆర్.డబ్ల్యూ. అనే కంపెనీలో ఉద్యోగం చేస్తున్నాను. నా సహాధ్యాయి ఒకతను వచ్చి, “మెదడుని పోలిన కంప్యూటర్ల మీద కంపెనీలో ఒక బహిరంగ ప్రసంగం ఉంది, వెళదాం, రా!” అని నన్ను ఈడ్చుకు వెళ్ళేడు. ఆ ప్రసంగం ఇస్తూన్న వ్యక్తి ప్రొఫెసర్ జాన్ హాప్‌ఫీల్డ్ (John Hopfield). వెళ్ళేను. విన్నాను. ఆశ్చర్యచకితుణ్ణయాను. ఆయన తెరమీద చూపిస్తూన్న బొమ్మలు, నేను 1965లో ఎనలాగ్ కంప్యూటర్ మీద పని చేసినప్పుడు గీసుకున్న బొమ్మలు దరిదాపు ఒక్కటే!! నేను అర్ధంతరంగా ఆ పని ఆపేసి, మరొక దిక్కుకి పోయేను. ఆయన అదే తర్కాన్ని పొడిగించుకుంటూ, ఒక ప్రణాళికా బద్ధంగా ఆ సమస్యని అంక కలనయంత్రం (digital computer) మీద పరిష్కరించి ఫలితాలు చూపించేరు. కళ్ళప్పగించి చూడడం తప్ప నేనేమీ చెయ్యలేకపోయేను. ఈయన చేసిన పని యొక్క ఫలితం అందరికీ అర్థం అయే రీతిలో టూకీగా చెబుతాను.

మెదడులలో ఉండే జీవకణాలని న్యూరానులు అంటారు. ఇవి శరీరంలోని ఇతర జీవకణాలవంటివి కావు. ఈ న్యూరానులని కొన్నింటిని ఒక జాడీలో వేసి అలా వాటి మానాన్న వాటిని వదిలేస్తే కొంతసేపట్లో అవి ‘ఆలోచించడం’ మొదలెడతాయి! ఈ వాక్యం కాసింత అతిశయోక్తి అనిపించినా, ఇది హాప్‌ఫీల్డ్ పరిశోధన సారాంశం. పిండి కొద్దీ రొట్టె అన్నట్లు న్యూరానులు ఎక్కువ అయిన కొద్దీ వాటి మేధాశక్తి (తెలివి) పెరుగుతుంది. ఎందుకుట? ఈ లక్షణాన్ని తెలుగులో హఠాదుత్పన్న ప్రవర్తన అందాం. ఇంగ్లీషులో ’emergent behavior’ అంటారు: properties of a whole can be more than the sum of the properties of the parts. ఉదాహరణకి ఒక బణువు (molecule) ఒక జాడీలో ఉంటే ‘దాని ఉష్ణోగ్రత ఎంత?’ అనే ప్రశ్నకి అర్థం లేదు. అదే జాడీలో కోట్లాది బణువులు ఉంటే అవి పరస్పరం ఎంత గాఢంగా ఢీకొట్టుకుంటున్నాయో చెప్పే కొలమానమే ఉష్ణోగ్రత అంటే. అనగా ఉష్ణోగ్రత అనేది ఎక్కువ బణువులు ఉన్న సందర్భంలో హఠాత్తుగా ఉత్పన్నమయే సంఘటన. దీనినే మనకి పరిచయం ఉన్న ఉపమానంతో పోల్చి చెబుతాను. గడ్డిపరకలు విడివిడిగా బలహీనమైనవే కావచ్చు కానీ అవి వెంటిగా ఏర్పడి మదపుటేనుగుని బంధించినట్లే న్యూరానుల ప్రతిభ వ్యష్టిగా ఉన్నప్పుడు కనిపించకపోవచ్చు కానీ అవి ఎక్కువ అవుతూన్న కొద్దీ సమష్టిగా వాటి మధ్య ‘సంభాషణా శక్తి’ లేదా సంకర్షణ పెరగడం వల్ల ‘తెలివి’ని ప్రదర్శించగలవు. అందుకనే బహుకొద్ది న్యూరానులే ఉన్న ఈగ మెదడు కంటె 90 బిలియను న్యూరానులు పైబడి ఉన్న మనిషి మెదడు తెలివిని ప్రదర్శిస్తున్నాది. ఈ సంగతినే హాప్‌ఫీల్డ్ కేవలం 30 కృత్రిమ న్యూరానులు ఉన్న నమూనాని ఉపయోగించి, దానికి ఒక కంప్యూటర్ ప్రోగ్రాము రాసి, గణితపరంగా ఋజువు చేసి, ఆ పరిశోధనా పత్రాన్ని ఎంతో ప్రతిష్ఠాత్మకమైన పత్రికలో (Proceedings of the National Academy of Sciences) ప్రచురించి, భూగర్భంలో ఆరడుగుల లోతున పడి మగ్గుతూన్న నాడీ వలయాలకి (neural nets) తిరిగి ప్రాణం పోసేడు. ప్రాణం పోసుకోవడంతో సరిపోయిందా? పెద్ద దుమారమే లేచింది. తరువాత ఈయన పెద్దగా నాడీ వలయాల మీద కాని, తద్వారా కృత్రిమ మేధ మీద కానీ పరిశోధనలు చెయ్యలేదు. మరో దారి చూసుకున్నారు. (బొమ్మలో కేవలం ఆరు నాడీకణాలు ఉన్న నాడీవలయం ఎలా ఉంటుందో చూపించేను. ఇందులో weight matrix అనేది ఒక నాడీకణం మరొక నాడీకణంతో ఎంత బలంతో ‘సంభాషణ’ చేస్తున్నాదో చెబుతుంది. ఈ వెయిట్స్‌నే పరామితులు (parameters) అని కూడా అంటారు. హాప్‌ఫీల్డ్ చేసిన పని వల్ల నాడీవలయాల పరిశోధన మీద గౌరవం పెరిగిందన్న విషయం నిర్వివాదాంశం కానీ ప్రస్తుతం కృత్రిమ మేధ చేరుకున్న ప్రముఖతకు వెనుకనున్న దన్ను ఆయన చేసిన పని కాదు.)

1. ఆరు నాడీకణాలు, 15 పరామితులు ఉన్న చిన్న హాప్‌ఫీల్డ్ వలయం. మిలియన్ నాడీకణాలు ఉంటే ఎన్ని పరామితులు ఉంటాయో పాఠకుల లెక్కకి వదలిపెడుతున్నాను.

కీలక వ్యక్తులు, కీలక సమస్యలు

తరువాత ఒక దశాబ్దం పాటు రకరకాల నాడీకణాల నమూనాలు ఉపయోగించి రకరకాల సమస్యలకి పరిష్కారాలు సాధించారు. వీటిల్లో చెప్పుకోదగ్గది, సర్వరోగనివారిణిలా దరిదాపు అన్ని పరిష్కార మార్గాలలోను కనిపించే ప్రక్రియ పేరు Back Propagation అనే శిక్షణ పద్ధతి. శిక్షణ అనగా పరామితులు విలువలు అంచనా వెయ్యడం. ఈ పద్ధతిని ఆధారంగా చేసుకుని పదులు, వందలు నాడీకణాల ఉన్న వలయాలతో మంచి ఫలితాలు వచ్చినా వేలు, లక్షలు, కోట్లు న్యూరానులు ఉపయోగించి ఇంకా అద్భుతమైన ఫలితాలు సాధించడం మొదలు పెట్టేరు. (ఇవి ప్రాణం ఉన్న నిజం న్యూరానులు కావు, ఇవి కేవలం కంప్యూటర్ల మీద నిర్మించిన నాడీకణాల నమూనాలు మాత్రమే!) ఇలా పెద్ద ఎత్తున, బహు శక్తివంతమైన కంప్యూటర్ల మీద, అధునాతనమయిన ప్రోగ్రాములు రాసే పద్ధతులు ఉపయోగించి రకరకాల నిర్మాణశిల్పాలతో నాడీవలయాల నమూనాల నిర్మించి, వాటి ద్వారా మంచి ఫలితాలు సాధించిన వారిలో హింటన్, లెకూన్ (Geoffrey Hinton, Yann Lecun) అనేవారు ప్రముఖులు అని చెప్పుకోవచ్చు. వీరిరువురు విశ్వవిద్యాలయాలలో ఆచార్య పదవులలో ఉంటూ, గూగుల్/మెటా కంపెనీలలో పని చేస్తూ, గణనీయమైన ఫలితాలు సాధించి, ఇరువురూ ప్రతిష్ఠాత్మకమైన ట్యూరింగ్ అవార్డ్ (Turing Award) అందుకున్నారు. నా ఉద్దేశంలో హాప్‌ఫీల్డ్, హింటన్, లెకూన్‌లు ముగ్గురికీ నోబెల్ పురస్కారం పంచి ఉంటే బాగుండేది.

అయినా హాప్‌ఫీల్డ్, హింటన్ ద్వయానికే భౌతికశాస్త్రపు నోబెల్ ఇవ్వడంలోని సూక్ష్మం ఊహించగలను. వీరిరువురు వారి పరిశోధనా పత్రాలలో భౌతికశాస్త్రంలోని, ప్రత్యేకించి తాపగతిశాస్త్రం (thermodynamics) లోని భావజాలాన్ని, పరిభాషని స్వేచ్ఛగా వాడుకున్నారు. కనుక ఉపరితలంగా చూస్తే ఇవి భౌతికశాస్త్రపు అంశాలులా కనిపిస్తాయి.

పోతే, రసాయనశాస్త్రపు నోబెల్ బహుమతిని విశ్వవిద్యాలయంలో పనిచేసే ఒక ఆచార్యుడికి, గూగుల్ కంపెనీలో పని చేసే ఇద్దరు వ్యక్తులకి పంచి ఇచ్చేరు. వీరు ఒక కఠినమైన సమస్యని న్యూరల్ నెట్ నమూనా ఉపయోగించి పరిష్కరించేరు. ఒక విధంగా చూస్తే హింటన్, లెకూన్‌లు ఒక రకమైన కఠిన సమస్యని పరిష్కరిస్తే ఈ ముగ్గురు మరొక రకమైన కఠిన సమస్యని పరిష్కరించేరనుకోవచ్చు. ముందు వీరు సాధించిన సమస్య గురించి టూకీగా చెబుతాను.

మన శరీరాలలో ప్రాణ్యములు (proteins) అనే పదార్థాలు ఉన్నాయి. ఇవి ప్రాణి శరీరావయవాలకి కట్టడి రాళ్ళు. ఈ ప్రాణ్యములు రంగురంగుల పూసలతో గుచ్చిన దండలలా ఉంటాయని ఊహించుకోవచ్చు. ప్రకృతిలో ఈ పూసలు 20 రంగులలో (అనగా, ఆకారాలలో) ఉంటాయని అనుకోవచ్చు. ఈ రంగు పూసలను నవామ్లములు (amino acids) అంటారు. ఈ 20 రంగుల (ఆకారాలతో ఉన్న) నవామ్లములని దండలుగా గుచ్చినప్పుడు లెక్కకి మించినన్ని – పొట్టివి, పొడుగువి, మరీ పొడుగైనవి, వగైరా – దండలు వస్తాయి కదా. ఇలా వచ్చిన దండలు నిటారుగా ఉండలేవు; ముడతలు పడిపోతాయి. ఇలా ముడతలు పడ్డప్పుడు అవి ప్రత్యేకమైన ఆకారాలు సంతరించుకుంటాయి. ఈ ఆకారాన్ని బట్టి ఆ ప్రాణ్యము యొక్క లక్షణం నిర్ణయించబడుతుంది. ఉదాహరణకి రక్తానికి ఎరుపు రంగునిచ్చే హిమోగ్లోబిన్ అనే ప్రాణ్యము యొక్క కట్టడి బొమ్మలో చూపుతున్నాను. ఈ కట్టడి ఇలా ముడతలు పడి ఉన్నప్పుడే ఇది నాలుగు ఆమ్లజని బణువులని మోయగలదు. ఈ దండలో ఉన్న నవామ్లములలో ఏ ఒక్కటి వరస తప్పినా ముడతలు పడడంలో తేడా వస్తుంది. అప్పుడు ఆ లోపంతో ఉన్న హిమోగ్లోబిన్ నాలుగు ఆమ్లజని బణువులని మొయ్యలేదు. అది అస్వస్థతకి దారి తీస్తుంది. ఒక దండలోని నవామ్లములు ఏ వరసలో ఉన్నాయో చెప్పినప్పుడు ఆ దండ ఎలా ముడతలు పడుతుందో చెప్పగలగడాన్ని Protein Folding Problem అని గాని Protein Structure Problem అని గాని అంటారు. ఏభై ఏళ్ళబట్టి పరిష్కారం లేకుండా ఉన్న ఈ సమస్యకి డేవిడ్ బేకర్ (David Baker, U of Washington) పరిష్కార మార్గం చూపించేరు. ఈయన పరిశోధనవల్ల రకరకాల సరి కొత్త ప్రాణ్యపు బణువులని తయారు చెయ్యడానికి మార్గం సుగమం అయింది.

2. హిమోగ్లోబిన్ అనే ప్రాణ్యము యొక్క కట్టడి. ఈ మహా బణువులో నాలుగు హీమ్ బణువులు ఉన్నాయి (నాలుగు రంగులలో). వీటిని తొట్టెలలా ఊహించుకుంటే ఒకొక్క తొట్టెలో ఒక ఆమ్లజని చొప్పున ఈ హిమోగ్లోబిన్ బణువు నాలుగు ఆమ్లజని బణువులని మోసుకుని వెళ్ళగలదు.

ఈ మార్గం మనకి నిత్య జీవితంలో ఎలా ఉపయోగపడుతుందో చెబుతాను. మందుల తయారీలో ప్రాణ్యపు బణువులు ఏయే ఆకారాలలో ఉన్నాయో తెలుసుకోవలసిన అవసరం చాలా ఉంది. ఉదాహరణకి రోగగ్రస్థమైన ప్రాణ్యపు బణువు శరీరంలో ఉందనుకుందాం. మనం ఇచ్చిన మందు వెళ్ళి ఆ రోగగ్రస్థమైన ప్రాణ్యపు బణువుకి అతుక్కోవాలి. ఆ రోగగ్రస్థమైన ప్రాణ్యపు బణువు ఆకారంలో – స్వతస్సిద్ధంగా – ఒక చోట ఒక లొత్త ఉందనుకుందాం. మనం ఇచ్చిన మందు బణువు (drug molecule) ఆకారంలో ఒక బొడిపె ఉండి, ఆ బొడిపె సరిగ్గా ఆ లొత్తలో ఇమిడే విధంగా మనం మందుని తయారు చెయ్యగలిగితే, ఈ బొడిపె ఆ లొత్తలో ఇమిడి, మన మందు పని చేస్తుంది; లేకపోతే గోడ మీద పోసిన నీళ్ళలా వృధా అయిపోతుంది. కోట్లకొద్దీ ఉన్న లొత్తలలో ఏ లొత్తలో ఏ బొడిపె ఇముడుతుందో సరి చూడడం అన్నది చాలా ప్రయాసతో కూడిన పని అనడం కంటే దరిదాపు అసంభవం అనడం నిజానికి దగ్గర. కేవలం కంప్యూటరు శక్తిని ఉపయోగించినప్పుడు కూడా ఇది లొంగలేదు. కృత్రిమ మేధ ఉపయోగించి ఆల్ఫాఫోల్డ్ (AlphaFold) అనే ప్రోగ్రాము రాసి డెమిస్ హాస్బిస్, జాన్ జంపర్ (Demis Hassbis, John Jumper) అనే గూగుల్ కంపెనీ ఉద్యోగులు అసంభవాన్ని సంభవం చేసి చూపించి నోబెల్ బహుమానం గెలుచుకున్నారు.

కృత్రిమ మేధ భవిష్యత్తుపై భేదాభిప్రాయాలు

ఇలా మనకి ఉపయోగపడే సమస్యలని పరిష్కరించే కృత్రిమ మేధ అంటే భయం ఎందుకు? ఇక్కడ విజ్ఞులలో తీవ్రమైన భేదాభిప్రాయాలు ఉన్నాయి. మనం మతాలు, కులాలు అని ఎలా కొట్టుకుంటున్నామో ఈ అభిప్రాయ భేదాలు కూడా అంతే తీవ్రంగా ఉన్నాయి. ఒక వాదం ప్రకారం, ‘ప్రస్తుతం మనకి ఉన్న సాంకేతిక పరిజ్ఞానంతో మానవ మేధతో సరితూగకల యంత్రాలే కాదు, మానవ మేధని మించిపోయే యంత్రాలని కూడా నిర్మించగలిగే ప్రతిభ మనకి ఇప్పుడు ఉంది. ఒకానొక రోజున ఈ మేధోయంత్రాలు ప్రజ్ఞానం (consciousness) వంటి ప్రతిభని కూడా ప్రదర్శించగలవు.’

ఇంతకీ ప్రజ్ఞానం అంటే ఏమిటి? ఇంగ్లీషులోని కాన్షస్‌నెస్ అన్న మాటకి సమానార్థకంగా తెలుగులో చేతస్సు, చైతన్యం, చేతన, చేతనత్వం, చిత్, వ్యక్తచేతనం, చిత్తాకాశం, పరిజ్ఞానం, ప్రజ్ఞానం, జ్ఞాతం, స్మృతి, మనస్సు, తురీయం, చతుర్థం, స్పృహ, స్మారకం అనే మాటలు కనిపించేయి. నిజానికి ఈ కాన్షస్‌నెస్ అనే మాటకి ఇంగ్లీషులో కాని, తెలుగులో కాని, సంస్కృతంలో కానీ మనం సూటిగా, నిర్దిష్టంగా చెప్పగలిగే అర్థం లేదు. ఇది అనుభవైకవేద్యం – అనగా అనుభవించవలసిందేగాని, మాటలలో చెప్పలేనిది. మాండూక్యోపనిషత్తులోని పన్నెండు శ్లోకాలూ ఈ మాటకి అర్థం చెప్పడంతోనే నడుస్తాయి. వాటి సారాంశం కాన్షస్‌నెస్ అనేది ‘నేను’ అనే స్పృహ. నేను, నా పరిసరాలు అనే స్పృహ. దీనిని అనేక అంచెలలో అనుభవిస్తాం. ఈ స్పృహ నుండే బుద్ధి, వివేచన, జ్ఞానం పుడతాయి. ఈ స్పృహ ఎక్కడనుండి పుట్టింది? ఆది శంకరాచార్యులు అడుగుతారు: “కస్త్వం, కోహం, కుత ఆయాతః – నువ్వెవరు? నేనెవరు? ఎక్కడనుండి వచ్చేను?”

యంత్రాలకి ఇటువంటి ప్రజ్ఞానం ఉన్నట్లయితే ఇహ యంత్రాలకీ, మనకీ తేడా ఏమిటి? యంత్రాలకి ఇటువంటి ప్రజ్ఞానం ఉన్నట్లయితే అవి మన చెప్పుచేతలలో ఉంటాయని భరోసా ఏదీ? ఈ రకం సాంకేతిక విద్యని విశృంఖలంగా వదిలేస్తే ఇది ఉత్తరోత్తరా మానవ అజమాయిషీకి, మానవ మనుగడకి ముప్పు తెస్తుంది అని భయపడేవారొక పక్షం. నోబెల్ బహుమానం అందుకున్న హింటన్ ఈ పక్షానికి చెందినవాడు.

ఈ భయం పూర్తిగా నిరాధారం కాదు. గూగుల్ కంపెనీ వారు తయారు చేసిన లామ్‌డా (LaMDA – Language Model for Dialogue Applications) అనే పేరుగల ఒక కృత్రిమ మేధోవ్యవస్థ స్వయంప్రతిపత్తితో ఆలోచించి నిర్ణయాలు తీసుకోగలిగే ‘ప్రజ్ఞానం’ కనబరుస్తున్నాదని ఆ కంపెనీలోనే పని చేస్తూన్న బ్లేక్ లెమ్‌వాఁ (Blake Lemoine) అనే ఆసామీ ప్రకటించేడు. వెనువెంటనే అతనిని ఉద్యోగం నుండి పీకేసిందా కంపెనీ! ఈ అభియోగంలో లేశమంతైనా నిజం లేకపోతే గూగుల్ కంపెనీ భుజాలు తడుముకోవలసిన అవసరం ఏముందని కొందరు వ్యాఖ్యానించారు. వెనువెంటనే నవంబరు 2022లో చాట్‌జిపిటి (ChatGPT) విడుదల కావడంతో, కృత్రిమ మేధ యొక్క ప్రతిభ సామాన్యులందరికీ అర్థం అయింది.

ఇప్పుడు రెండవ కోణం చూద్దాం. కృత్రిమ మేధ ఎంత ప్రతిభావంతమైన సాంకేతికం అయినా ఇది మానవ మేధ నిర్మితం. దీని రూపకల్పన మానవ ప్రమేయం లేకుండా జరగలేదు. కంప్యూటర్లు నిర్మించినది మనం. వాటిమీద పరుగులు తీసే ప్రోగ్రాములు రాసి నమూనాలు సృష్టించినది మనం. కంప్యూటర్లు మన అజమాయిషీలో మనం చెప్పినది చేస్తున్నాయి తప్ప వాటంతట అవి ఆలోచించి, వాటికి తోచినట్లు అవి చెయ్యటం లేదు. ఉదాహరణకి చాట్‌జిపిటి వంటి ఉపకరణాలు ప్రతిభావంతమైనవి కావచ్చు కానీ అవి వాటికి ఇచ్చిన శిక్షణని ప్రతిబింబిస్తూనే ప్రవర్తించేయి కానీ ప్రజ్ఞానం చూపించలేదు, అని ప్రతివాదన చేసేవారు మరి కొందరు. ఈ ప్రతిపక్షానికి చెందినవాడు లెకూన్.

ఈ సందర్భంలో హాప్‌ఫీల్డ్ గమనించిన అంశం మరొక సారి పరిశీలిద్దాం. ఈ న్యూరానులని కొన్నింటిని ఒక జాడీలో వేసి అలా వాటి మానాన్న వాటిని వదిలేస్తే కొంతసేపట్లో అవి ‘ఆలోచించడం’ మొదలెడతాయి! అన్నది హాప్‌ఫీల్డ్ పరిశోధన సారాంశం అని చెప్పుకున్నాం కదా. ప్రస్తుతం వాడుకలో ఉన్న నాడీకణాల నమూనాలన్నీ కూడా మౌలికంగా 1960లలో ప్రవేశపెట్టిన పెర్సెప్ట్రాన్‌ని పోలినవే! మార్పల్లా రెండు పుంజీల న్యూరానుల స్థానంలో రెండు కోట్ల (లేదా 20 కోట్ల) పైబడి న్యూరానులు వాడుతున్నాం. ఈ రెండు కోట్ల న్యూరానులతో నిర్మించిన వ్యవస్థకి శిక్షణ (training) ఇవ్వడానికి అనూహ్యమైనంత పెద్ద దత్తాంశ నిధులని వాడుతున్నాం. ఉదాహరణకి చాట్‌జిపిటి అనే ఉపకరణానికి శిక్షణ ఇవ్వడానికి 570 గిగా బైట్ల (అనగా 570 బిలియను ‘మాటల’తో కూడిన) దత్తాంశాలు, 1.76 ట్రిలియన్ పరామితులు వాడేరు! అనగా మనం ఉపయోగించింది అపరిమితమైన పాశవిక బలం (brute force) మాత్రమే! చాట్‌జిపిటి ప్రదర్శించింది తెలివి కాదు, ప్రజ్ఞానం కాదు!

మన పిల్లలు ఎదుగుతూన్నప్పుడు వాళ్ళు ఎలా నేర్చుకుంటున్నారో గమనించేరా? వాళ్ళు నేర్చుకోడానికి అతి కొద్ది డేటా చాలు. అతి కొద్ది శిక్షణ చాలు. వారు ప్రదర్శించేది ఒక రకమైన హఠాదుత్పన్న ప్రవర్తన. మనం నిర్మించే కంప్యూటర్లలో మౌలికమైన మార్పులు వచ్చిననాడు, పాశవికశక్తికి బదులు హఠాదుత్పన్న ప్రవర్తనకి (emergent behavior) కళ్ళెం వేసి వాడుకోడం తెలిసిననాడు నిజమైన కృత్రిమ మేధకి అవకాశాలు పెరుగుతాయి. అప్పుడు మన జాగ్రత్తలో మనం ఉండకపోతే కృత్రిమ మేధ మన మీద అజమాయిషీ చేసే ప్రమాదం లేకపోలేదు. ఆ రోజులు రాడానికి కనీసం 50 ఏళ్ళు పట్టొచ్చు.

కృత్రిమ మేధ ఒక్కటేకాదు, ఏ సాంకేతిక విద్య అయినా పులి మీద సవారీ చెయ్యడం లాంటిది. ఒకసారి ఎక్కిన తరువాత దిగడం అనే ప్రశ్న లేదు; దిగితే కరిచేస్తుంది, కబళించేస్తుంది. ఒకసారి సవారీ మొదలెడితే దానిని మన అదుపులో పెట్టడానికి ప్రయత్నించడమే మనం చెయ్యగలిగిన పని.

ఉపయుక్త మూలాలు

1. The Nobel Prize in Physics, Press Release.
2. The Nobel Prize in Chemistry, Press Release.
3. Neuroscience, Artificial Intelligence, and Our Fears: A Journey of Understanding and Acceptance, Neuroscience News, June 23, 2023.
4. Grace Huckins, Minds of machines: The great AI consciousness conundrum, MIT Technical Review, October 2023.
5. Christian Mims, “This AI Pioneer Thinks AI Is Dumber Than a Cat: Yann LeCun, an NYU professor and senior researcher at Meta Platforms, says warnings about the technology’s existential peril are ‘complete B.S’” The Wall Street Journal, October 11, 2024.
6. Satish Lokhande, How does AlphaFold work?
7. Mandukya-Upanishad.