කෘත්‍රිම බුද්ධිය (AI) පරිගණක මෙවලමක සිට පර්යේෂණවල මූලික ධාවකයක් දක්වා වේගයෙන් පරිවර්තනය වෙමින් පවතින අවස්ථාවක, විද්‍යාත්මක ප්‍රජාව ගැඹුරු දාර්ශනික හා ප්‍රායෝගික වෙනසකට මුහුණ දෙමින් සිටී. නොබෙල් ත්‍යාගලාභීන්, ප්‍රමුඛ පෙළේ ගණිතඥයින්, AI පර්යේෂකයින් සහ මතුපිටට පැමිණෙන නව පරම්පරාවේ විද්‍යාඥයින් සහභාගී වූ උසස් පෙළේ සංසදයකදී, AI මගින් විද්‍යාත්මක සොයාගැනීම්, ගණිතය සහ මානව වගකීම නැවත සකස් කරන ආකාරය පිළිබඳව සාකච්ඡා කරන ලදී.

නූතන ඩිජිටල් ආර්ථිකය තුළ කටයුතු කරන වෘත්තිකයන්ට සහ තාක්ෂණික නායකයින්ට, AI සහ විද්‍යාත්මක දියුණුව අතර ඇති මෙම මංසන්ධිය අවබෝධ කර ගැනීම අත්‍යවශ්‍ය වේ.

1. ගණිතය සහ AI යුගය: අවබෝධයකින් තොරව සිදුවන සොයාගැනීම්

වඩාත්ම කැපී පෙනෙන බාධා කිරීම් වලින් එකක් සිදුවී ඇත්තේ පිරිසිදු ගණිතය (pure mathematics) තුළය. බුද්ධිමය ධූරාවලියේ උච්චතම ස්ථානයේ සිටින බවට දිගු කලක් තිස්සේ සැලකෙන ගණිතඥයින්, පෙර නොවූ විරූ පරිවර්තනයකට මුහුණ දෙමින් සිටිති. ඉතිහාසය පුරාම ගණිතමය සොයාගැනීම් සහ අවබෝධය එකිනෙකට තදින් බැඳී පැවතුනි; එනම් ප්‍රමේයයක් සාප්පු සප්ත කිරීම යනු එහි යටින් පවතින යාන්ත්‍රණය ඔබට වැටහී තිබීමයි.

කෙසේ වෙතත්, AI ආධාරයෙන් සිදු කරන ලද වැඩසටහන් මගින් සංකීර්ණ, විසඳිය නොහැකි ගණිතමය ගැටලු සඳහා විසඳුම් වේගයෙන් ජනනය වීමත් සමඟ, පැහැදිලි අපසරනයක් (divergence) ඇති වී තිබේ. ප්‍රතිඵලය සාර්ථක වුවද, යටින් පවතින සංස්කෘතික හෝ සංකල්පීය යාන්ත්‍රණය අපැහැදිලි වන AI-ජනිත සොයාගැනීම් වලින් විද්‍යාඥයින් දැන් යටපත් වී සිටිති.

2. ප්‍රශස්තිකරණය සහ සැබෑ බාහිරකරණය (Extrapolation) අතර වෙනස

රසායන විද්‍යාව සහ ද්‍රව්‍ය විද්‍යාව තුළ, AI යනු අසාමාන්‍ය ත්වරක එන්ජිමක් බව ඔප්පු වී තිබේ. විශාල අණුක අවකාශයන් පරීක්ෂා කිරීම, බැටරි සංරචක ප්‍රශස්තිකරණය කිරීම සහ ඖෂධ සොයාගැනීමේ ක්‍රියාවලීන් විධිමත් කිරීම මගින් AI මගින් සාම්ප්‍රදායික පර්යේෂණ බාධක ඉවත් කරනු ලබයි.

කෙසේ වෙතත්, ප්‍රමුඛ පෙළේ රසායනඥයින් වැදගත් වෙනසක් පෙන්වා දෙයි: වර්තමාන AI ආකෘති පවතින මානව දැනුම විශ්ලේෂණය කර ප්‍රශස්ත කරන (interpolation) අතින් ඉහළ දස්කම් දක්වයි. එහෙත් සැබෑ විද්‍යාත්මක සන්ධිස්ථාන සඳහා බොහෝ විට බාහිරකරණය (extrapolation) අවශ්‍ය වේ—එනම් මීට පෙර කිසි දිනක සිතා නොතිබූ ολοදස් අණුක ප්‍රතික්‍රියා හෝ සංකල්පීය රාමු නවීකරණය කිරීමයි.

3. මානව වගකීම සහ “කළු පෙට්ටියේ” (Black Box) ගැටළුව

AI ආකෘති වඩාත් සංකීර්ණ වන විට, විනිවිදභාවය සහ පැහැදිලි කළ හැකි AI (explainable AI) සඳහා ඇති අවශ්‍යතාවය අතිශයින් වැදගත් වේ. විශේෂඥයින් සාකච්ඡා කළ මූලධර්මය නම්: AI යනු මානව නිර්මාණයක් වන අතර, AI වගකිව යුතු නැත; වගකිව යුත්තේ මිනිසුන්ය.

ඖෂධ සෙවීමේදී හෝ ස්වයංක්‍රීය ගණිතයේදී, තීරණයක් ස්වයංක්‍රීය පද්ධතියක් මගින් ගනු ලැබුවහොත්, වගකීම භාර ගැනීම සඳහා මිනිසෙක් අනිවාර්යයෙන්ම ඒ සම්බන්ධව සිටිය යුතුය. නිසි විනිවිදභාවයකින් තොරව “කළු පෙട്ടി” ඇල්ගොරිතම මත අධික ලෙස විශ්වාසය තැබීමෙන්, අනාවරණය නොවූ දෝෂ සහ සැබෑ ලෝකයේ යෙදුම්වල බරපතල අසාර්ථකත්වයන් ඇති විය හැක.

4. නැත පරම්පරාව සූදානම් කිරීම: AI සාක්ෂරතාව සහ මානව සබඳතා

අධ්‍යාපන ක්‍රමය AI-බලගැන්වූ ලෝකයකට අනුගත වන විට, අනාගත විද්‍යාඥයින් සඳහා අවශ්‍ය කුසලතා වේගයෙන් විකාශනය වේ. තාක්ෂණික ප්‍රවීණතාවය AI සාක්ෂරතාවය සමඟ අත්වැල් බැඳගත යුතුය—එනම් නවීන ආකෘති සංඛ්‍යාත්මක රටාවන්ගෙන් ඉගෙන ගන්නා ආකාරය, ඒවායේ සීමාවන් හඳුනා ගැනීම සහ ඒවායේ ප්‍රතිදාන විගණනය කරන්නේ කෙසේද යන්න තේරුම් ගැනීමයි.

ඒ සමඟම, ලාබාල පර්යේෂකයින් මානව සහයෝගීතාවයේ ප්‍රතිස්ථාපනය කළ නොහැකි වටිනාකම අවධාරණය කළහ. AI මගින් කේත ලිවීමට සහ සමාන්තරව දත්ත සැකසීමට හැකි වුවද, මානව ප්‍රජාව තුළ වර්ධනය වන అనොයෝන් සාකච්ඡා සහ විවේචනාත්මක චින්තනය සැබෑ විද්‍යාත්මක ප්‍රගතියේ හෘද ස්පන්දනය ලෙස පවතී.