ලෝකය කෘත්‍රිම සාමාන්‍ය බුද්ධිය (Artificial General Intelligence – AGI) කරා යන තරඟය කෙරෙහි අවධානය යොමු කර සිටියදී, ඊට වඩා වඩාත් ගැඹුරු සහ ව්‍යුහාත්මක වර්ධනයක් නිහඬව හැඩගැසෙමින් පවතී. OpenAI පර්යේෂක Noam Brown පවසන පරිදි, ප්‍රමුඛ පෙළේ පර්යේෂණාගාරවල ප්‍රධානතම අවධානය දැන් හුදෙක් ඔබටත් මටත් වඩාත් දක්ෂ චැට්බොට් (chatbot) එකක් තැනීම පමණක් නොවේ; එය වඩා හොඳ කෘත්‍රිම බුද්ධියක් නිර්මාණය කළ හැකි කෘත්‍රිම බුද්ධියක් නිර්මාණය කිරීමයි. පුනරාවර්තන ස්වයං-වැඩිදියුණු කිරීම (Recursive Self-Improvement – RSI) ලෙස හැඳින්වෙන මෙම සංකල්පය, ඉදිරි වසරවලදී තාක්ෂණික හැකියාවන් මෙහෙයවන වැදගත්ම සාධකය වනු ඇතැයි අපේක්ෂා කෙරේ.

AGI යනු නිෂ්පාදනයයි, RSI යනු ක්‍රියාවලියයි

AGI පිළිබඳ සම්ප්‍රදායික දැක්ම අවධානය යොමු කරන්නේ හැකියාවන්ගේ සීමාව කෙරෙහිය: එනම් මිනිසෙකුට තරම්ම හොඳින් තර්ක කිරීමට, ලිවීමට සහ කේත (code) ලිවීමට හැකි යන්ත්‍රයක් නිර්මාණය කිරීමයි. කෙසේ වෙතත්, RSI විසින් මෙම රාමුව සම්පූර්ණයෙන්ම වෙනස් කරයි. AGI යනු වැඩ කරන මේසය මත ඇති අවසාන නිෂ්පාදනය නම්, RSI යනු එම මේසය මත ඇති පද්ධතිය තමා විසින්ම තමාගේ මීළඟ අනුවාදය සැලසුම් කිරීමට සක්‍රීයව සහාය වන මොහොතයි.

නිෂ්ක්‍රීය මෙවලමක් ලෙස ක්‍රියා කරන ඉහළ හැකියාවන්ගෙන් යුත් කෘත්‍රිම බුද්ධියක්, ඊට වඩා වේගවත්, ලාභදායී අනුවාදයක් නිර්මාණය කිරීම සඳහා අඛණ්ඩව තමාගේම ආදානයන් (inputs) මත යැපෙන ක්‍රියාවලියකින් මූලික වශයෙන්ම වෙනස් වේ. තමන්ගේම ප්‍රතිපෝෂණ ක්‍රියාවලීන් (feedback loops) කළමනාකරණය කරන පද්ධතීන්ට, මුලින් සැලසුම් කළාට වඩා වේගයෙන් දියුණු වීමේ ප්‍රවණතාවයක් ඇත.

පර්යේෂණ ක්‍රියාවලිය ස්වයංක්‍රීය කිරීම

මෙම වෙනස හුදෙක් න්‍යායාත්මක පමණක් නොවේ. මිනිස් පර්යේෂකයෙකුගේ එක් වැඩ කරන දිනයකට සාපේක්ෂව තම AI කේතීකරණ ඒජන්තයින් (coding agents) දළ වශයෙන් ඒජන්ත වැඩ දින (agent workdays) 3.1 ක් ගත කරන බව පෙන්වන අභ්‍යන්තර දත්ත OpenAI විසින් සැප්තැම්බර් මස මුලදී අනාවරණය කරන ලදී. මෙම පද්ධති කේතවල දෝෂ සෙවීම, පරීක්ෂණ යටිතල පහසුකම් ලිවීම සහ පර්යේෂණ අධීක්ෂණය වැනි සාමාන්‍ය පර්යේෂණ කටයුතුවලදී ඇදහිය නොහැකි තරම් කාර්යක්ෂම වී ඇති අතර, බොහෝ විට මෙම කාර්යයන් මිනිසෙකුට වඩා 100 ගුණයක් පමණ හොඳින් සම්පූර්ණ කරයි. මෙම “ස්වයංක්‍රීය පර්යේෂණ සහායකයා” (automated research intern) බලගැන්වීම සඳහා, පර්යේෂණ අංශයේ සමහර ප්‍රධාන පරිශීලකයින් දිනකට ඩොලර් 7,000 කට වඩා පරිගණක බලය (compute inference) සඳහා භාවිතා කරයි.

දැනට ඉතිරිව ඇති ප්‍රධානතම බාධකය වන්නේ Noam Brown විසින් “පර්යේෂණ රුචිය” (research taste) ලෙස හඳුන්වන දෙයයි. Taste හෙවත් රුචිය යනු ඇත්ත වශයෙන්ම ක්‍රියාත්මක කිරීමට වටිනා පරීක්ෂණය කුමක්දැයි හඳුනා ගැනීමට, අසාර්ථක විය හැකි ව්‍යාපෘතියක් අතහැර දැමිය යුත්තේ කවදාදැයි දැන ගැනීමට සහ සාමාන්‍ය දත්තවලින් අර්ථවත් ප්‍රතිඵලයක් වෙන්කර හඳුනා ගැනීමට අවශ්‍ය වන මිනිස් විනිශ්චයයි. AI මොඩලයන්ට දැනට පවතින ඇල්ගොරිතම ඉතා වේගයෙන් ප්‍රශස්ත (optimize) කළ හැකි වුවද, මෙම තීරණාත්මක විනිශ්චයකින් තොරව සම්පූර්ණයෙන්ම මුල සිටම වඩා හොඳ ඇල්ගොරිතම නිර්මාණය කිරීමට තවමත් හැකියාවක් නොමැත.

අතුරුදහන් වූ කොටස් එකතු වෙමින් පවතී

“රුචිය” (taste) නමැති බාධකය තිබියදීත්, ස්වාධීන පර්යේෂණ කණ්ඩායම් දැනටමත් RSI ක්‍රියාවලියක කොටස් සාර්ථකව එකලස් කරන පර්යේෂණ ප්‍රකාශයට පත් කරමින් සිටී:

• Dream RSI: Google DeepMind සහ විශ්වවිද්‍යාල හවුල්කරුවන් විසින් වැඩිදියුණු කරන ලද මෙම ක්‍රමය මගින් මූලික AI මොඩලය වෙනස් නොකර තබාගෙන, සෙවුම් උපාය මාර්ගය වැඩිදියුණු කිරීම කෙරෙහි පමණක් අවධානය යොමු කරයි. අතීත දත්ත මත “සිහින මැවීමෙන්”, වඩාත් ඵලදායී ලෙස සෙවීම් සිදු කරන ආකාරය මෙම ඒජන්තයා ඉගෙන ගනී. තරඟකාරී ක්‍රම සඳහා උත්සාහයන් 51,000 ක් අවශ්‍ය වූ සංකීර්ණ සංඛ්‍යානමය ගැටළුවක්, දළ වශයෙන් ඒජන්ත ඇමතුම් 300 කින් සාර්ථකව විසඳීමට මින් හැකිවිය.
• Modular RSI: මෙම ප්‍රවේශය ඉලක්ක කරන්නේ “harness” එකයි – එනම් AI මොඩලය වටා ඇති මෙවලම් සහ මතකය හසුරුවන මෘදුකාංගයයි. අසාර්ථක වන රටාවන් නිරීක්ෂණය කිරීම මගින්, එය දුර්වල මොඩියුල පමණක් ශල්‍යකර්මයක් සේ නිවැරදිව යාවත්කාලීන කරයි, විවිධ කේතීකරණ මිණුම් දඬු හරහා වඩාත් ස්ථාවර ක්‍රියාකාරිත්වයක් ලබා දෙයි.
• Science Buddy: PH AI Labs විසින් නිර්මාණය කරන ලද මෙම පද්ධතිය ක්‍රියාවලීන් දෙකක් එකට සම්බන්ධ කර විද්‍යාත්මක වැඩ අවකාශයක් නිර්මාණය කරයි. අභ්‍යන්තර ක්‍රියාවලියක් මගින් මෙවලම් පද්ධතිය (tooling harness) වැඩිදියුණු කරන අතර, පසුව එය බාහිර ක්‍රියාවලියකට AI මොඩලය යළි පුහුණු කිරීම (reinforcement learning) සඳහා වඩාත් දුෂ්කර පුහුණු කාර්යයන් සක්‍රීයව ජනනය කරයි.

මේ වන තුරු කිසිදු පර්යේෂණාගාරයක් මෙම සියලු කොටස් එක් කර එකම බාධාවකින් තොර යන්ත්‍රයක් නිර්මාණය කර නොමැති වුවද, ඊට අවශ්‍ය සංරචක දැනටමත් පැහැදිලිව දකින්නට ඇති අතර වේගයෙන් සංවර්ධනය වෙමින් පවතී.

මෙම ස්වයං-වැඩිදියුණු කිරීමේ පද්ධති පරිණත වන විට, විවිධ අංශ හරහා ඒවායේ බලපෑම නිරීක්ෂණය කිරීම ඉතා වැදගත් වේ. ආයතනික මෘදුකාංගවල සිට ගෝලීය වෙළඳපල දක්වා සෑම දෙයකටම RSI බලපාන ආකාරය පිළිබඳව දැනුවත්ව සිටීම සඳහා, කෘත්‍රිම බුද්ධිය, නැගී එන තාක්‍ෂණය, භූ දේශපාලනය සහ සයිබර් ආරක්ෂාව පිළිබඳ වැදගත් තොරතුරු ගෙන එන අපගේ දෛනික පුවත් විකාශය ශ්‍රී ලංකා වේලාවෙන් සෑම උදෑසනකම 9:00 ට නැරඹීමට එක්වන්න.

මීට අමතරව, මෙම මොඩලයන් සම්පූර්ණයෙන්ම ස්වයංක්‍රීය වීමට පෙර ඒවා ක්‍රියාත්මක වන ආකාරය පිළිබඳ මූලික අවබෝධයක් ලබා ගැනීමට ඔබ අපේක්ෂා කරන්නේ නම්, ආධුනිකයින් සඳහාම අපගේ ඉදිරි පැය 3 ක ඉගෙනුම් වැඩසටහන වන “Start Your AI Life” සමඟ එක්වන්න. කෘත්‍රිම බුද්ධියේ මූලික සංකල්ප හඳුන්වා දීමටත්, Gemini වැනි මෙවලම් සමඟ මූලික අන්තර්ක්‍රියා ප්‍රගුණ කිරීමටත්, ඔබේ ප්‍රථම ප්‍රායෝගික AI ව්‍යාපෘතිය පියවරෙන් පියවර නිර්මාණය කිරීමටත් මෙමගින් මඟ පෙන්වනු ඇත.