AI හි සංවර්ධනය හා ව්‍යාප්තිය

AI හෙවත් කෘතිම බුද්ධිය පළමු වරට ලෝකයට හදුන්වා දුන්නේ වර්ෂ 1943 දී Warren McCulloc හා WalterPitt යන අය විසින්. ඔවුන් සෑම නියුරෝනයක්ම On හා Off ස්විචයක් ලෙස ක්‍රියා කරන නියුරෝනයන්ගෙන් සමන්විත කෘතිම නියුරෝන ආදර්ශකයක් ඉදිරිපත් කළා.

එම ඉදිරිපත් කිරීම සදහා ඔවුන්

• මූලික භෞතවේදය හා මොළයෙහි ක්‍රියාකාරීත්වය පිළිබද දැනුම
• ප්‍රමේය/ප්‍රස්තුත තර්කනය පිළිබද විධිමත් විශ්ලේෂණයක්
• ආගණනය (computation) පිළිබඳ Turing න්‍යාය

යන සන්සිද්ධීන් භාවිතා කළා.

1951 දී Martin Minsky හා Dean Edmonds විසින් රික්ත නළ 3000 ක් පමණ යොදා ගෙන ලෝකයේ පළමු neural network එක The SNARC යන නමින් නිර්මාණය කළා.

AI පිළිබද පැහදිලි දැක්මක් පළමු වරට ලෝකයට ඉදිරිපත් කිරීමේ ගෞරවය හිමි වන්නේ Alan Turing(1950)ටයි. Computing Machinery and Intelligence යටතේ ඔහු

• Turing Test
• Machine learning
• Genetic algorithms
• Reinforcement learning

යන දේවල් හදුන්වා දුන්නා.

කෘතිම බුද්ධිය හෙවත් AI යන නාමය නිර්මාණය කරනු ලැබුවේ 1956 දී John McCarthy විසින් Dartmouth උසස් විද්‍යාලයේ IBM හා MIT යන ආයතන සමග පැවැත්වූ වැඩමුලුවකදී යි.

එක් එක් වර්ෂ කාලයන්හිදී AI හි යොදා ගැනීම් සහ එහි වර්ධනය සිදු වූ ආකාරය පහත දැක්වෙනවා.

පෙර අවධිය (1950 – 1960)

AI පිළිබද මූලික සිද්ධානතයන් ගොඩනැගුණි.

• General problem solving
• Theorem proving
• Games
• Formal calculus

1969 – 1971

• Shakey the robot (Fikes, Hart,Nilsson)
• Logic-based planning (STRIPS)
• Motion planning (visibility graph)
• Inductive learning (PLANEX)
• Computer vision

1960 දශකයේ අවසාන භාගයේ සිට 1980 දශකයේ මැද භාගය තෙක් (Knowledge-is-Power period)

දැනුම සම්බන්ධ යෙදවීම් සහ පරීක්ෂණ උදෙසා AI බහුලව යොදා ගැනුණි.

• Knowledge engineering
• 5th generation computer project
• CYC system (Lenat)

1980 දශකයේ සිට මේ දක්වා

AI, කර්මාන්තයක් වශයෙන් යෙදවීම සිදු කෙරුණි.

• Expert systems
• Lisp machines: LMI, Symbolics, …
• Constraint programming: ILOG
• Robotics: Machine Intelligence Corporation, Adept, GMF (Fanuc), ABB, …
• Speech understanding
• Information Retrieval – Google

MIT ආයතනයේ AI පිළිබද ප්‍රවීණ මහාචාර්යවරයෙක් 1960 දශකයේදී එම දශකයේදීම ඔවුන් ඉලෙක්ට්‍රොනික ඇසක් නිර්මාණය කරන බව පැවසූවත් මේ දක්වාත් වෙනස් වෙන සුළු සංකීර්ණ දර්ශනයක් හරියාකාරව වටහා ගැනීමට සාමාන්‍ය පරිගණක දෘෂ්ඨි පද්ධතියක් සමත් වී නැහැ. නමුත් සාමාන්‍ය ජීවිතයේදී road traffic monitoring, facial recognition, medical image analysis, part inspection වැනි කටයුතු සදහා AI යොදා ගැනෙනවා.

1958 දී තවත් වසර 10ක් ඇතුළත පරිගණකය චෙස් ක්‍රීඩාවේ ශූරයෙක් වන්නේය යනුවෙන් පළ කරන ලද අනාවැකිය සත්‍යයක් බවට පත් වූයේ 1998 වසරේදීයි. මේ වන විට පරිගණකය චෙස් ඇතුළුව බුද්ධිය මෙහෙයවා කෙරෙන ක්‍රීඩා ගණනාවකම ලෝක ශූරතාවය දිනා ගැනීමට සමත් වී තිබෙනවා.

1970 දශකයේදී බොහෝ දෙනෙක් ඉක්මනින්ම නිෂ්පාදනාගාර, කම්හල් වල පටන් සාමාන්‍ය නිවෙස් දක්වා සෑම තැනකම පරිගණක මගින් ක්‍රියා කරවන රොබෝ යන්ත්‍ර දැකිය හැකි වෙතැයි අනාවැකි පළ කලා. අද වන විට කර්මාන්ත කිහිපයක් සම්පූර්ණයෙන්ම පාහේ රොබෝකරණය වී තිබුණත් එදිනෙදා සාමාන්‍ය ජීවිතයේ කටයුතු සදහා රොබෝවරුන් යොදාගැනීම තෙක් තවම ලෝකය දියුණු වී නැහැ.

Strong & Week AI පිළිබඳ දර්ශණවාදය

Weak AI | යන්ත්‍ර වලට බුද්ධිමත්ව හැසිරිය හැකි ද ? (Can machines act Intelligently?)
යන්ත්‍රයක ඇති මෘදුකාංගයකයට අවම වශයෙන් මනුෂ්‍ය හැසිරීම්(behavior) හා සිහියෙන්(consciousness) සිටිය හැකි බව අනුකරණය(simulate) කිරීමට හැකි නම් එය Weak AI ලෙස හැඳින්වේ.

Strong AI | යන්ත්‍ර වලට ඇත්තටම සිතන්නට පුලුවන් ද ? (Can machines really think ?)
යන්ත්‍රයක ඇති මෘදුකාංගයකට මිනිස් මනසක් විය හැකි නම්, එසේත් නැතිනම් එම මෘදුකාංගය සහ මිනිස් මොලය මගින් සිදුකරන අව‍බෝධ කරගැනීමේ හැකියාව, සිහිය, මනුෂ්‍ය ගති ලක්ෂණ අතර වෙනසක් නොමැති නම්, එය Strong AI ලෙස හැඳින්වේ.

Weak AI

Alan Turing (1950) පවසන අන්දමට, යම් පරිගණකයකට සාමාන්‍ය මනුෂ්‍යයෙකු සමග සාකච්චාවක් පවත්වා , එම පරිගණකය මනුෂ්‍යයෙකු යැයි හැඟවීමට හැකිනම් එම පරිගණකය බුද්ධිමත් ය.

මෙම මතයට විරුද්ධව ද ‍දාර්ශනිකයින් බොහෝ මත ඉදිරිපත් කරන ලදී.  එබැවින්  Turing Test ඇසුරෙන් නිර්මාණය වූ Loebner Prize තරඟයද පසුකාලීනව බොහෝ මතභේද වලතු තුඩු දුනි. 1960 දී Joseph Weizenbaum විසින් නිර්මාණය කරන ලද ELIZA නම් වූ AI පරිගණකය සැබවින්ම ක්‍රියා කරන ලද්දේ සාමාන්‍ය Pattern Matching ක්‍රමය භාවිතයෙන් බව පසු කාලීනව හෙලි විය.

උදා : මනුෂ්‍ය‍යා - “Well, my boyfriend made me come here”
        ALIZA - “Your boyfriend made you come here?”

1996 දී Loebner Prize තරඟය ජය ගත්තේ Jason Hutchens විසිනි. ඔහුගේ ජයග්‍රහණයෙන් පසුව එලි දැක්වූ   “How to pass the Turing test by cheating” නැමති ලිපියත් සමඟ AI ක්ෂේත්‍රයේ මහත් ආන්දොලනයක් සිදු විය. එහෙත් AI පිලිබඳ කෙරෙන පර්යේෂණ හුදෙක්  "Loebner Prize" තරඟය ජය ගැනීම සඳහා නොවන බැවින්, විද්‍යාඤයන් තවදුරටත් වඩාත් සාර්ථක ප්‍රතිඵල ලබා ගැනීම සඳහා AI ක්ෂේත්‍රයේ පර්යේෂණ කරනු ලබයි.

Strong AI

මෙහි අවසන් පරමාර්ථ සපුරා ගත හැකි තරමේ AI නිපැයුමක් මේ වන තෙක් බිහි නොවූවත් Strong AI කරා යන ගමන් මාර්ගයේ යන ක්ෂේත්‍ර කිහිපයක් ඇත.
උදා :

• Artificial Life and Genetic Algorithms
• Neural Networks 

Alan Turing විසින් 1950 දී පලකරන ලද “Computing Machinery and intelligence” ලිපියට අනුව, පරිගණකයකට සිතීමට හැකි දැයි දැන ගැනීමට පරීක්ෂණ අනුව පැවැත්විය යුතු යැයි යෝජනා කලේය. ඒ අනුව බිහි වූ Turing Test මගින් දැන ගැනීමට හැකි වන්නේ පරිගණකයකට මිනිසෙකුගේ බුද්ධිය අනුකරණය කිරීමට හැකි දැයි යන්න මිස පරිගණකයට මිනිස් බුද්ධියට සමාන වීම නොවන බව පැවසූ ඔහු ඒ අනුව "Weak AI" ප්‍රමාණවත් යැයි කීය. ඒ අනුව Turing Test අනුසාරයෙන් ක්‍රියාත්මක වන Loebner prize තරඟ‍ය වර්තමානය දක්වා පැවැත්වේ.

Alan Turing ඔහු විසින් පළ කරන ලද ලිපියේ තවත් විශේෂ කරුණු තුනක් පහත දැක්වේ.

• Argument from disability (යන්ත්‍රයකට කිසිදා සිදු කල නොහැකි දෑ)
  be kind, resourceful, beautiful, friendly, have initiative, have a sense of humor, tell right from wrong, make mistakes, fall in love, enjoy strawberries and cream, make someone fall in love with it, learn from experience, use words properly, be the subject of its own thought, have as much diversity of behavior as man, do something really new වැනි දෑ යන්ත්‍රයකට කිසිදා කල නොහැකි දෑ ලෙස ඔහු සඳහන් කලේය.
  නමුත් වර්තමානයේ මිනිසුන් හා සමානවම (සමහර දෑ මිනිසුන්ට වඩා සාර්ථක ලෙස) කල හැකි දෑ ද ‍බොහෝ ඇත. ඉන් සමහරක් නම්,
  play chess, checkers, and other games, inspect parts on assembly lines, check the spelling of documents, steer cars and helicopters, diagnose diseases සහ astronomy, mathematics, chemistry, mineralogy, biology, computer science වැනි ක්ෂේත්‍රයන්.
  
• Argument from mathematics
  ගණිත කර්ම‍ විසඳිමට නිර්මාණය කරන, AI ඇසුරින් තනන පරිගණක වලට පවා විසඳිය නොහැකි ගණිත කර්ම ඇති බවද Turing පැවසීය. "Godel's incompleteness theorem" නමින් හැඳින්වෙන න්‍යාය කෘතිම බුද්ධියට කිසිදා විසඳිය නොහැකි බව ඔහු පැවසීය.
  නමුත් සමහරක් සාමාන්‍ය මිනිසුන් ට පවා විසඳිය නොහැකි හා තේරුම් ගැනීමට නොහැකි දෑ ඇති බවට තවත් තර්කයන් ඉදිරිපත් විය. කෘතිම බුද්ධියට කිසිදා කල නොහැකි යැයි පවසන සෑම දෙයක්ම ලොව සිටිනා සෑම පුද්ගලයෙකුටම කල හැකි යැයි කිව නොහැකි බවද පැවසිනි. 
• Argument from informality
  මිනිස් ස්වභාවයන් සාමාන්‍ය  නීති සමුදායකින්(rules set) දැක්විය නොහැකි ය. ඒ වාගේම පරිගණක වලට හැකි වන්නේ නීති පිළිපැදීම(follow rules) පමණි. එබැවින් පරිගණක වලට මනුෂ්‍යයන් සේ බුද්ධිමත්ව හැසිරීමට නොහැකි ය.
  තර්කාණුකූලව, සියලු අවස්ථාවන් හි දී සාර්ථකව යම් ක්‍රියාවක් සිදු කල හැකි ලෙස නීති සමුදායක් නිර්මාණය කල නොහැකිය.
  උදාහරණයක් ලෙස, පොතක් අතට ගැනීම සාර්ථකව කල නොහැකි වීමට පහත හේතු බලපෑ හැක.
  පොත මේසයට අලවා තිබීම, අතේ තෙල් ස්වභාවය නිසා පොත ලිස්සා යාම, භූමි කම්පාවක් ඇතිවී ඔබ ඇදගෙන වැටීම හා තවත් ‍බොහෝ දෑ.

Strong AI සඳහා ඉදිරිපත් වූ තර්කයන්

• මිනිස් මොළයේ ආකෘතියක් ඒ ආකාරයෙන් ම කෘතිමව ගොඩනැගීමේ ක්‍රමවේද සකස් කිරීම (Scientific Progress for artificial minds)
• එම ආකෘතිය තාක්ෂණය භාවිතයෙන් නිර්මාණය කිරීම (Technological Progress artificial minds)
• මිනිස් ‍මොළය නියුරෝන වලිනි සැදුනු ජාලයක් ලෙස ගෙන කෘතිම නියුරෝන ඇසුරෙන් එය නිර්මාණය කිරීම (Human brain as a machine)
•  ‍තනිව ඉගනීමේ ක්‍රියාවලිය ‍මෘදුකාංග වලට යෙදීම
• මිනිසුන් ගැටළු විසඳන ආකාරය(human problem solving algorithms) සැලකිල්ලට ගෙන එය පරිගණක වලට භාවිතා කිරීම
• මිනිසුන්ගේ ඉගනීමේ ස්වභාවය (Nature of learning) ඒ අයුරින්ම භාවිතා  කිරීම

Strong AI සඳහා විරුද්ධව එල්ල වූ මත

Strong AI යන්නට විරුද්ධව ඉදිරිපත් වූ මතවාද අතරින් "Chinese room argument" යන්න ප්‍රධාන තැනක් ගනී.
එනම්,
එක් කාමරයක් තුල පුද්ගලයක් සිටියි. මෙම පුද්ගලයාට චීන භාෂාව නොතේරෙන අතර කාමරයෙන් පිටත සිටින අය එය නොදනී. කාමරය තුල සිටින පුද්ගලයා සතුව විශේෂ පොතක් (Rule Book) ඇත. මෙම පොත චීන භාෂාවෙන් ලියා ඇත. මෙහි චීන භාෂාවෙන් ලියූ යම් වාක්‍ය සමුහයක් හා ඊට ඉදිරියෙන් පිලිතුරු වාක්‍ය ද ලියා ඇත.
කාමරයෙන් පිටත සිටින පුද්ගලයින් කොල කැබැල්ලක් චීන භාෂාවෙන් යම් යම් වාක්‍ය ලියා, කාමරය තුල සිටිනා පුද්ගලයා වෙත ලබාදේ. කාමරය තුල සිටින චීන භාෂාව නොදන්නා පුද්ලයා මෙම කොල කැබැල්ල ගෙන එහි ඇති හැඩ තල (චීන අකුරු) අනුව Rule Book එකෙන් අදාල වාක්‍යය සොයා, ඊට පිළිතුරු වාක්‍ය‍ය ගෙන වෙනත් කොලයක ලියා නැවත චීන භාෂාව දන්නා පුද්ගලයාට ලබාදේ.

මෙහිදී කාමරය තුල සිටිනා පුද්ගලයා යම්තාක් දුරට හෝ චීන භාෂාව දන්නා කෙනෙකු සේ පිටත සිටිනා පුද්ගලයින්ට පෙ‍නේ.
මෙලෙස සැ‍බෑ ලෙසම පුද්ගලයෙකු යැයි හැ‍‍ඟෙන සේ AI ඇසුරින් කෘතිම මිනිසෙකු නිර්මාණය කල ද එය හුදෙක් Rules අනුගමනය කරන යන්ත්‍රයක් විනා බුද්ධිය යොදා ගනිමින් ක්‍රියා කරනා යන්ත්‍රයක් නොවිය හැකි බව Chinese Room Argument මගින් පෙන්වා දේ.

Chinese Room Argument සඳහා flash ඇසුරෙන් තැනූ උදාහරණයක් පහත යොමුවෙන් ලබාගත හැක.
http://www.mind.ilstu.edu/curriculum/searle_chinese_room/searle_chinese_room.php



මූලාශ්‍ර :
Artificial Intelligence - A Modern Approach (Stuart Russell හා Peter Norvig)
http://www.mind.ilstu.edu/curriculum/searle_chinese_room/searle_chinese_room.php
http://www.alexandria.nu/ai/blog/attachments/00000050_ChineseRoom.jpg

AI හි හැදෑරීම් ආකාර | Different Paradigms of AI

සාමාන්‍යයෙන් AI පිලිබදව හැදැරීමේදි හා පර්යේෂණ පැවැත්වීමේදී එය දෙ ආකාරයකට සිදු කරයි. එනම් ,

1. Symbolic AI
2. Connectionist AI

Symbolic AI

සාම්ප්‍රදායික AI හෑදාරීම මේ ආකාරයට අයත් වේ. වසර 40 ක පමණ කාලයක් පර්යේෂණ වල නියැලෙමින් සිදු කරන ලද AI පිලිබදව හෑදැරීමේ ප්‍රචලිත ක්‍රමය මෙය වේ.

මෙහිදී සිදුවන්නේ මිනිස් මොළයේ ක්‍රියාකාරිත්වය ආදර්ශනය කිරීමයි. එනම් සිද්ධාන්ත හා රීතින් යොදා ගනිමින් මිනිස් බුද්ධිය විදහා දැක්වීමට උත්සහ කිරීමයි.

මෙම ක්‍රියාවලිය මගින් විශ්මිත ප්‍රතිපල ලබා ගත හැකි වූයේ, යම් ක්ෂේත්‍රයක සිටිනා විශේෂඥයන් අනුකරණය කිරීමට සමත් AI පරිගණක බිහිවීමත් සමග ය (Expert systems).
උදා :- General problem solver, Rule based reasoning system

මෙහිදී යම් ක්ෂේත්‍රරයක ප්‍රවීනයන් යමි නිගමනයකට එළෙඹෙන ආකාරය විග්‍රහ කර, එහිදී ඔවුන් තීරණ ගත් ආකාරය අදියෙරන් අදියර නැවත බලමින් , නීතින් හා තර්ක උපයෝගී කරගනිමින් , ඉතා විශාල වූ දත්ත සමුදායක් පරිශීලනය කරමින් එම AI යන්තරය ක්ෂේත්‍ර ප්‍රවීනයෙකු සේ නිගමන වලට එළෙඹේ.

මෙහිදී ඇති දුර්වලතාවය වනුයේ මිනිසුන්ගේ සහජ බුද්ධිය (Common sense) වැනි දෑ අනුකරණය කර දැක්වීමට යන්ත්‍ර වලට නොහැකි විමයි.

Connectionist AI

මෙම ක්‍රමය නව මුහුණුවරකින් AI දෙස බැලීමක් ලෙස සැලකිය හැකිය. මිනිස් මොළයේ ඇති සියුම් සෛලයක් වන නියුරෝන වල ක්‍රියාකාරිත්වය සලකා බලමින් සිදු කරන පර්යේෂණ මේ ගණයට අයත් වේ.

මොළය තම තොරතුරු ගබඩා කරන්නේ කෙසේද ? ඒවා නැවත යොදා ගන්නේ කෙසේද යන්න මෙහිදී සලකා බැලේ. මෙය තරමක් අසීරු ක්‍රියාවලියකි. බිලියන 100 ක් පමණ නියුරෝන සංඛ්‍යාවක් ඇති මොළයේ ක්‍රියාවලිය ආදර්ශනය කිරීමට සමත් වැඩසටහනක් නිර්මාණය ඉතා අසීරු වේ. නමුත් එකිනෙකට සම්බන්ධ වූ කුඩා මෘදුකාංග ඒකක (Units) රාශියක් යොදා ගනිමින්  මෙය තරමක් දුරට ආදර්ශනය කිරිමට මේ වන විට හැකි වි ඇත. මෙම එක් මෘදුකාංග කොටසක් Node එකක් නැතහොත් නියුරෝන (Neuron) එකක් ලෙස දැක්වේ. මෙම Nodes එකිනෙක සම්බන්ධ කරමින්  ගොඩනගන ජාලය Neural Network එකක් ලෙස හැඳින්වේ.

මෙම ක්‍රියාවලීන් දෙකෙහි එකිනෙකට වෙනස් වූ වාසි හා අවාසි ඇත.
Connectionist AI යනු Symbolic AI ට වඩා ඉගැනීමට සමත් ක්‍රියාවලියකි. එනිසා සාර්ථක Neural Network එකක් බිහි වීමට Symbolic AI මෘදුකාංගයකට වඩා කාලය ගත වේ. නමුත් ඉතා සියුම්, මිනිස් මනසට පමණක් තේරුම් ගත හැකි දෑ පවා අව‍‍බෝධ කරගැනීමේ හැකියාව Connectionist AI සතුව ඇත.

වර්තමානයේ මෙම ක්‍රියාවලීන් දෙකම යොදා ගනිමින් (Symbolic & Connectionist) ඉතාමත් සාර්ථක වු ප්‍රතිඵල ලබා ගැනීමට විද්‍යාඥයින් සමත් වී තිබේ. Connectionist AI හි ඇති විශේෂ ගුණාංග Symbolic AI තුලට ඇතුඵ කිරීමෙන් ඉතා වේගයෙන් ක්‍රියා කරන, නිවරද්‍යතාවය ඉතා ඉහල, ඉගැනීමට සමත්, තර්කාණුකූල සහ තවත් ‍බොහෝ ගුණාංග සහිත නිපැයුම් හඳුන්වාදීමට හැකි වී තිබේ.

පහත දැක්වෙන වීඩියෝව එවැනි නිපැයුම් වලට උදාහරණ‍යක් වේ.

AI සඳහා දායකත්වය ලබා දුන් ක්ෂේත්‍ර

අතීතයේ සිට AI ඇති වීමට හා එහි දියුණුව‍ට දායකත්වය දැක්වූ, ඒ සඳහා අදහස් එකතු කල හා විවිධ වු දර්ශණයන් ඉදිරිපත් කල විවධ වූ ක්ෂේත්‍රයන් පිළිබඳව මෙහිදී සලකා බැලෙනවා.

Philosophy (දර්ශනවාදය)

• මනසේ තාර්කික ඥාණය හෙවත් පරිමේය බුද්ධිය (Rational part of the mind) යි
• මනස යනු මොළය මගින් ඇති කරන භෞතික රිතින්(physical laws)  ගේ ක්‍රියාකාරිත්වය හා බැදුණු ස්වතන්ත්‍රික භාවය (fare will ) යි . මෙය dualism ලෙස ද හැඳින්වේ
• දැනුම යනු අත්දැකීම් හා නිරීක්ෂණ තුලින් ගොනු කරගත් සාක්ෂි විමසා බලා ඇති කරගන්නා අවබෝධය යි
• යම් ක්‍රියාවක් නිවැරදිව සිදුවීම කෙරහි අරමුණු හා දැනුම අතර පවතින තාර්කික සම්බන්ධතාවයේ ඇති ඍජු බලපෑම.

වැනි දර්ශනවාදය සම්බන්ධ කරුණු  AI සඳහා සෘජුවම යොදා ගනු ලැබුවා.

Mathematics (ගණිතය)

ප්‍රමේය සාධනය, වීජ ගණිතය, සාපේක්ෂතාවාදය, සම්භාවිතාවය ආදී සිද්ධාන්තයන්හි අඩංගු සංකල්ප හා ඒවායේ සදාකාලික නිරවද්‍යතාවය, තීරණ ගැනීමේ ක්ෂමතාවය වැනි ගණිතය සම්බන්ධ කරුණුද AI සඳහා යොදා ගැනුනි .

Economics

දෙන ලද තිරණයක නිරවද්‍යතාවය, තාර්කික භාවය සහ ප්‍රශස්ථභාවය පිලිබදව විග්‍රහ කෙරෙන "decision theory" මගින් AI හි "rational agent" ගේ උපරිම සපලතාවය ලබා ගත හැකි බවත්,
ඉතා නිවැරදි තීරණයන්ට එලඹීම සදහා ව්‍යාපාර සංඛ්‍යානය (statistics), කාර්යශ්‍රිත පර්යේෂණ (operational research), Markov ගේ තීරණ ක්‍රියාවලිය පිළිබද මුලධර්ම හා herbet simon ගේ අවශ්‍යතා පරිපුර්ණ කිරීමේ ආදර්ශනය වැනි දෑ ද යොදා ගත හැකි බව සොයා ගැනුනා.

Neoroscience

• මානසික ක්‍රියාවලින්ගේ භෞතික අර්ථ නිරුපනය
• එක් එක් සුවිශේෂ ක්‍රියාවන්ට වෙන්වූ සුවිශේෂී ස්නායුන් මොළයෙහි අන්තර්ගත වීම
• ඉතා කුඩා සෛල කිහිපයකට ඉතා සංකීර්ණ ක්‍රියාවලියක් සම්පුර්ණයෙන්ම පාලනය කල හැකි වීම

වැනි කරුණු කරුණු AI හි ගමන් ම‍‍ගෙහි සුවිශේෂ වෙනසක් ඇති කලේය.

Psychology (මනෝ විද්‍යාව)

සමහර විශ්වාසය න් , මතවාද, හේතු හා අරමුණු විද්‍යාත්මක නොවීම,
එක් එක් අවස්ථානුකුලව එක් එක් අයගේ මනස ක්‍රියාකරන ආකාරය වෙනස් වන බව,
මනස ක්‍රියාකරන ආකාරය, තොරතුරු මොලය තුල නිරුපනය වන හා පරිනාමණය වන ආකාරය පිළිබඳ අධ්‍යයනයන් පදනම් කර ගෙන AI තාක්ෂණය සහිත පරිගණක නිමවීම හා එහි දියුණුව සිදු විය.

Computer Engineering

Charles Babege ගේ විවිධ තත්වයන් යටතේ ක්‍රියාකරන බාහිර මතකයන් හා මෘදුකාංග ඇතුලත් කල හැකි analytical engine යන්ත්‍රය ලොව පළමු කෘතීම ආගණන නිමැවුම වුවා. පළමු මෘදුකාංගය වුනේ Ada යි. AI වල දියුණුව සදහා පදනම් වුයේ නවතම පරිගණක මෘදුකාංග වල බිහිවීම හා පරිගණක වල සුවිශේෂී ලක්ෂණ (Time Sharing , Rapid Development Environment , OOP) යනාදිය යි.

Control Theory

"පාරිසරික වෙනස්වීම් වලට අනුව තම හැසිරීම හැඩගස්වා ගත හැක්කේ සජීවී වස්තුන් ට පමණයි" යන මතය බිද දමමින් Ktesibios of Alexandria ස්වයංක්‍රිය මැෂිම (Self controlling machine ) නිපදවූවා. තවද Control theory (ගණිතය හා ඉංජිනේරු විද්‍යාව අතර වන සබැඳියාව පිළිබධ සිද්ධාන්ත)  වැනි දෑ ද AI පෝෂණය කිරීමට දායක වූවා.

Linguitics (වාග් විද්‍යාව )

Noam Chomsky විසින් රචිත "Syntactic Structure" යන ග්‍රන්ථයෙන් භාෂා නිර්මාණශිලිත්වය පිලිබදව මතයක් ගොඩනැගුණා (ළදරුවෙක් කිසිදා නො ඇසූ වාක්‍යයක අරුත පවා යම් තරමකින් හෝ වටහා ගැනීමේ හැකියාව). තවද වර්තමානයේ වාග් විද්‍යාවේදී ස්වභාවික භාෂා අධ්‍යයනය සහ ව්‍යාප්ත කිරීම සදහා AI යොදා ගැනෙනවා. ඒ වාගේම විශේෂයෙන්ම පරිගණකයට පහසුවෙන් වැටහා ගත හැකි අයුරින් දැනුම නිරුපණය කිරීම සදහා භාෂාවේ දාර්ශනික විග්‍රහයන් භාවිතා කෙරෙනවා.


මෙම ලිපිය සකස්  කිරීමට සහාය දුන් manoj ට විශේෂ ස්තූතිය.

AI හි යෙදීම් | Some applications of AI

මෙහිදී කතා කිරීමට බලාපොරොත්තු වනුයේ AI යොදා ගන්නා අවස්ථාවන් පිළිබඳවය. වර්තමානයේ AI යොදාගන්නා අවස්ථාවන් එමටය. ඉන් කිහිපයක් පමණක් මෙහිදී කථා කිරීමට බලාපොරොත්තු වේ.

• Autonomous planning and scheduling : පෘථිවියට සැතපුම් මිලියන ගණනක්  ඈතින් ඇති, විශ්වයේ රහස් සොයා අභ්‍යවකාශ ගතවුණු චන්ද්‍රිකාව (Remote Agent Program) ‍ගමන් කරන්නේ පෘථිවියෙන් ලැ‍බෙන උපදෙස් අනුව නොවේ. එහි අන්තර්ගතව ඇති AI Agent ‍මෘදුකාංගයේ උපදෙස් අනුවය. පෘථිවියෙන් එය පිටත් කරන විට එයට ලබා දෙන ලද අරමුණු (Goals) වලට අනුව ස්වයංක්‍රියව නිවැරදි ක්‍රමයට අනුව Plans සකස් කර‍ ගනී.
  

  

  Sputnik 1

  ඕනැම ගැටලුව කදී එම ගැටලුව හඳුනාගෙන(detecting), තර්කානුකූලව විසඳුම් සොයමින්(diagnosing), නිවැරදි නිගමන හරහා ගැටලුවට විසඳුම් සපයමින් (recovering), පෙර අත්දැකීම් වලට අනුව තනිව ඉගෙන ගනිමින් (Self Learning) සාර්ථකව ගමන් කරයි.
  
  
• Game playing : "Deep Blue" නැමති චෙස් ක්‍රීඩා කිරීම සඳහාම සැකසුණු විශේෂ පරිගණකය IBM සමාගම විසින් 1997 දී එළි දැක්වූවා. ලෝක චෙස් ශූර  Garry Kasparov සමඟ පැවැත්වූ තරඟ වට 6 කින් දෙකක ජය Deep Blue ට හා  එකක ජය Garry Kasparov ට හිමි වුණ අතර ඉතිරි වට තුන ජය පැරදුමකින් තොරව අවසන් වුණි. මේ අනුව 3.5 ට 2.5 ක් ලෙස, තරඟයේ ජය Deep Blue ට හිමි වුණා.
  
  
  

  

  deep blue

  
  
• Autonomous control : ALVINN යනු AI භාවිතයෙන් නිපදවන ලද පදවන්නකු රහිතව ධාවනය කල හැකි Mini-Van ගණයට අයත් රථයකි. එහි ඇති කැමරා මගින් දත්ත ලබාගෙන ඒවා ක්ෂණිකව විශ්ලේෂණය කර සාර්ථකව ඇමරිකාවේ ධාවනය කරන ලදී. සැතපුම් 2850 ක් වූ මුලු ධාවන දුරින් 98% ම ALVINN පරිගණකය විසින් ධාවනය කිරීමට මෙහිදී හැකි විය. Exit ramps හෙවත් ප්‍රධාන මාර්ගයෙන් අතුරු මාර්ග වලට හරවන ස්ථාන වලදී පමණක් රියැදුරු ගේ සහය අවශ්‍ය වි‍ය. වර්තමානය වන විට GPS හා AI හි එකතුවෙන් ඉතා සාර්ථකව ස්වයංක්‍රීයව ධාවනය කල හැකි වාහන නිපදවා ඇති අතර ගමනාන්තය පමණක් ලබා දීමෙන් හදිසි අනතුරු පවා වළකාලමන් ඒවාට ගමන් කල හැකි වීම විශේෂත්වයකි.
  
  
  

  

  ALVINN

• Diagnosis : මේ වන විට වෛද්‍ය විද්‍යාවේද පෙරළියක් ඇති කරමින් AI භාවිතයෙන් රෝග විනිශ්චය කිරීම හා ශල්‍යකර්ම සිදු කිරීමට හැකි වී තිබේ. Heckerman (1991) නැමති රෝග විනිශ්චය කිරීමට යොදා ගන්නා AI භාවිතයෙන් නිපදවන ලද පරිගණකය, ලබා දෙන දත්ත ඇසුරෙන් ‍වාසා ගැටිති (lymph-node) පිළිබඳව අතිශ්‍යය නිවැරදි රෝග විනිශ්චයක් ලබාදේ.
  
  
• Logistics Planning : DART හෙවත් Dynamic Analysis and Replanning Tool නැමති AI ඇසුරෙන් නිර්මාණය වූ පරිගණකය ‍‍මෘදුකාංගය ඇමරිකානු හමුදාව විසින් 1991 දි ‍ගල්ෆ් යුද සමයේ නිර්මාණය කරන ලද්දකි. එමගින් භාණ්ඩ ප්‍රවාහන කටයුතු සැලසුම් කිරීම හා ප්‍රවර්ධන කටයුතු සම්පාදනය කිරීම සිදුවිණි. ඇමෙරිකානු  Defense Advanced Research Projects Agency හෙවත් DARPA පවසන අන්දමට ඔවුන වසර 30 ක කාලයක් AI සඳහා වැය කල මුදල DART මගින් පියවා ගැනීමට හැකි වී තිබේ.
  
  
• Robotics : වෛද්‍ය විද්‍යාවේ ශල්‍යකර්මයක් සඳහා AI නිපැයුමක් ලෙස භාවිතා කරනා රොබෝ යන්ත්‍රයක් වන HipNav , උකුල් අසථි කෘතිමව බද්ධ කිරීමේ (hip replacement) සියුම් කර්තව්‍යය (microsurgery) සඳහා Carnegie Mellon University මගින් නිර්මාණය කරන ලද්දකි. මෙම යන්ත්‍රය මගින් රෝගියාගේ ශරීර අභ්‍යන්තරය ත්‍රිමානව, සජීවිව දක්වන අතර කෘතිම අස්ථිය ස්ථානගත කිරීමටද  සහය දක්වයි.
  
  
• Language understanding and problem solving : PROVERB යනු AI ඇසුරෙන් නිර්මාණය වූ හරස්පද ප්‍රෙහේලිකා සම්පූර්ණ කිරීමට සමත් පරිගණකයකි. එය එහි ඇති අති විශාල වූ වචන ගබඩාව, තාර්කික ඥානය හා අතීත ප්‍රෙහේලිකා දත්ත උපයෝගී කරගනිමින් මිනිසුන්ට වඩා වේගවත්ව එම ප්‍රෙහේලිකා සම්පූරණ කරයි.

ඉහත දැක්වූ කරුණු වලට අමතරව තවත් ‍‍බොහෝ යන්තූ AI ඇසුරෙන් නිර්මාණය වී ඇත. ඉහත නිර්මාණ බොහොමයක් වසර 2000 ට පෙර නිර්මාණය වූ ඒවාය. මේ වන විට AI ඇසුරින් ඉතා විශිෂ්ට ගණයේ නිර්මාණ බිහිවී ඇති අතර ‍ඉන් සමහරක් පිළිබඳ විස්තර මෙතැනින් ලබාගත හැකිය.

උපු‍ටා ගැනීම් : Artificial Intelligence : A Modern Approach (2nd Edition). Stuart Russell & Peter Norvig. Prentice Hall. 2007 සහ www.wikipedia.org

හැඳින්වීම | What is AI?

සාමාන්‍යයෙන් මිනිසා හඳුන්වන්නේ ‍‍"හෝමො සේපියන්" ලෙසයි. එනම් මිනිසා බුද්ධිමත් සත්වයෙක් යන්නයි. කාලය ගතවන විට මේ බුද්ධිමත් සත්වයා හිතන්නට පෙළඹුණා තමා බුද්ධිමත් වුයේ කෙසේද කියා. මිනිසා තේරුම් ගත්තා තමන්ගේ සිතීමේ හැකියාව උසස් වූ නිසා තමන් අනෙක් සත්වයින්ට වඩා බුද්ධිමත් කියා. ඒ නිසා ඈත අතීතයේ සිට මිනිසාට තිබුණු ලොකුම ගැටලුවක් තමයි; "සිතන්නේ කෙසේද (how do we think)" යන දෙය. සිතිමේ හැකියාව නිසාම මිනිසාට යමක් තේරුම් ‍ගන්න (understand), අනාවැකි කියන්නට (predict) ‍හේතු දැක්වීම (reasoning) වැනි දේ පුළුවන් වුණා. මේ හැකියාව පිළිබඳව විද්‍යාඥයින් කල පර්යේෂණ වල ප්‍රතිළුලයක් ලෙස "කෘතිම බුද්ධිය" හෙවත් "Artificial Intelligence (AI)" බිහි වුණා. AI කියන්නේ ඉතා මෑත කාලයේ ඇරඹුණු විද්‍යාවක්. 1956 දී Artificial Intelligence යන නාමය සහිතව එය ලොවට බිහි වුණා.

වර්තමානය වනවිට මේ AI යන්න ඉතා පුළුල් ක්ෂේත්‍රයක් බවට පත්වී ති‍බෙනවා. සාමාන්‍යයෙන් ආරම්භයේදි AI භාවිතා කළේ ඉ‍ගෙනීම (learning) හා ප්‍රත්‍යක්ෂ ‍ගොඩනැගීම (perception) වැනි කරුණු සඳහා වුවත්, වර්තමානයේ එය චෙස් ක්‍රීඩා කිරීම (playing chess), ගණිතකර්ම ප්‍රමේය සාධනය (proving mathematical theorems, කවි නිර්මාණය (writing poetry) and ‍රෝග විනිශ්චය (diagnosing diseases) වැනි කරුණු සඳහාද යොදා ගන්නවා.

AI සඳහා විශේෂිත වු අර්ථ දැක්වීමක් නොමැති අතර "යම් යන්ත්‍රයක් සිදු කරන ක්‍රියාවක් මිනිසෙකු විසින් සිදු කිරීමට බුද්ධිය යොදා ගැනේ නම් එය කෘතිම බුද්ධිය" ලෙස හැඳින්වේ. පරිගණක යොදා ගනිමින් මෙම ක්‍රියාවලිය සිදුවන විට මෙම අර්ථ දැක්වීම "science of making computers do things that require intelligence when done by humans" ලෙස හැඳින්වේ. මේ ආකාරයෙන් AI සඳහා අර්ථ දැක්වීම් රාශියක් ඇති අතර මෙම අර්ථ දැක්වීම් යෙදෙන ආකාරය අනුව වර්ග 4 කට වෙන් කරනු ලැ‍‍බේ.

categories of AI

1. Thinking humanly (මනුෂ්‍යයකු සේ සිතීමට හැකිවීම)
   "The exciting new effort to make computers think . . . machines with minds, in the full and literal sense." (Haugeland, 1985)
   "[The automation of] activities that we associate with human thinking, activities such as decision-making, problem solving, learning . . ." (Bellman, 1978)
   
   
   ඔබ‍ට මනුෂ්‍යයකු සේ සිතීමට හැකි පරිගණක මෘදුකාංගයක් ලැබුණේ ‍යැයි සිතන්න. එම මෘදුකාංගය නිවැරදිව ක්‍රියා කර‍න්නේ දැයි ඔබ පරීක්ෂා කරන්නේ කෙසේද? ඒ සඳහා මනුෂ්‍යයන් සිතන ආකාරය පිළිබඳව දැන ගැනීමට අවශ්‍ය වේ. යම් ‍ගැටලුවක් ලබා දුන් විට පරිගණකය ක්‍රියා කරන ආකාරය පරීක්ෂා කර බැලීමට හැක. නමුත් ක්‍රියාකාරී පුද්ගල මනස සිතන ආකාරය පරීක්ෂා කිරීම අපහසුය. පුද්ගල මනස ක්‍රියා කරන ආකාරය දැන ‍ගැනීම‍ට ක්‍රම දෙකක් ඇත. පළමුවැන්න through introspection ‍හෙවත් තමාගේ මනස ක්‍රියා කරන ආකාරය තමා විසින්ම අධ්‍යයනය කිරීමයි. දෙවැන්න through psychological experiments හෙවත් මනොවිද්‍යාත්මකව පරීක්ෂා කිරීමයි. මෙහිදී මෙම ගැ‍ටලු විසඳීමේ ක්‍රියා පටිපාටිය සමාන වේ නම් ඒම මෘදුකාංගය සතුව Thinking humanly ගුණාංගය ඇත. උදාහරණයක් ලෙස Allen Newel1 හා Herbert Simon ගේ "General Problem Solver (GPS)" මෘදුකාං‍ගය ගත හැකිය. මෙම පරීක්ෂණ සමග "cognitive (ඥානාත්මක) science" බිහිවූ අතර එය AI හා psychology යන දෙකෙහි සම්මිස්‍යනයක් ලෙස දැක්විය හැක.
   
   
2. Thinking rationally (තාර්කිකව සිතීමට හැකි වීම)
   "The study of mental faculties through the use of computational models." (Chamiak and McDermott, 1985)
   "The study of the computations that make it possible to perceive, reason, and act." (Winston, 1992)
   
   
   මෙය The "laws of thought" approach ලෙසද හැඳින්වේ. එනම් නීතියට අනුකූලව සිතීමයි. ඇරිස්ටොටල් විසින් හඳුන්වා දෙන ලද "syllogisms" තුළින් දැක්වෙන්නේ තර්කානුකූලව නිගමන වල‍ට එළඹීමේ ක්‍රමයකි. උදාහරණයක් ලෙස, ඇරිස්ටොටල් මනුෂ්‍යයෙකි; සියලුම මනුෂ්‍යයෝ අමරනී‍ය වේ; එබැවින්, ඇරිස්ටොටල් අමරණීය වේ. Logic හි සම්භවය මෙය ලෙස හැඳන්වෙන අතර මේ ආකාරයෙන් තර්කානුකූලව නිගමන වලට එළඹෙන ක්‍රමය උපයෝගී කර‍ගනිමින් නිර්මාණය වූ පරිගණක සතුව Thinking rationally යන ගුණාංගය පවතී.
   
   
3. Acting humanly (මනුෂ්‍යයකු සේ ක්‍රියා කිරීමට හැකිවීම)
   "The art of creating machines that perform functions that require intelligence when performed by people." (Kurzweil, 1990)
   "The study of how to make computers do things at which, at the moment, people are better." (Rich and Knight, 1991)
   
   මෙය "The Turing Test approach" ලෙස හැඳින්වේ.
   
   

   

   Turing test

   
   
   මෙහිදී C නම් පුද්ගලයා තමාට නොපෙනෙන ස්ථානයක ඇති A නැමති පරිගණකයෙන්ද, B නැමති පුද්‍ගලයාගෙන්ද ප්‍රශ්ණ විමසයි. දෙන ලද පිළිතුරු අනුව C‍ට පරිගණකය හා මිනිසා වෙන්කොට හඳුනා ගත නොහැකි නම්, එම පරිගණකය පරීක්ෂණය සමත් වේ.
   වර්තමානයේ මෙම පරීක්ෂාව (recent Turing test) සඳහා තවත් දෑ එකතු වී ති‍බේ. එනම්,
   natural language processing - සන්නිවේදන හැකියාව උපරිම කිරීම සඳහා ඉංග්‍රීසි භාෂාව යොදා ගැනීම.
   knowledge representation - දත්ත හා තොරතුරු ගබඩා කර නැවත යොදා ගැනීම.
   automated reasoning - ‍ගබඩා කල තොරතුරු ඇසුරෙන් හේතු දැක්වීම.
   machine learning - ස්වයං අධ්‍යයනය තුළින් වෙනත් අවස්ථා සඳහා හැඩගැසීම.
   මීට අමතරව පූරණ පරීක්ෂාව (Total Turing test) සඳහා තවත් සාධක දෙකක් අවශ්‍ය වේ. එනම්,
   computer vision - වස්තූන් ග්‍රහණය (Video) කර ගැනීමේ හැකියාව.
   robotics - චලන විදහා දැක්වීමේ හැකියාව
   තවද වර්ථමානයේ මෙ‍ම "Turing Test" යන්න තරඟයක් ආකාරයෙන් පැවැත්වෙන අතර එය "Loebner Prize" ලෙස හැඳින්වේ.
   
   
4. Acting rationally (තාර්කිකව ක්‍රියා කිරීමට හැකි වීම)
   "Computational Intelligence is the study of the design of intelligent agents." (Poole et al., 1998)
   "AI . . .is concerned with intelligent behavior in artifacts." (Nilsson, 1998)
   
   
   මෙය "The rational agent approach" ලෙසද හැඳින්වේ. මෙහි rational agent යනු තර්කානුකූලව ක්‍රියා කරන කුඩා මෘදුකාං‍‍ගයකි.  මෙහිදී සිදුවන්නේ නියෝජිතයා ( rational agent) මගින් නිවැරදි ප්‍රතිඵලය හෝ බලාපොරොත්තු වු හොඳම ප්‍රතිඵලය ලබා දීමයි.

‍ඉහත දැක්වු ප්‍රභේද හතර එහි ඇති ගුණාංග අනුව වර්ග දෙකකට වෙන් කල හැක.

• Human-centered direction
  
  මෙයට Thinking Humanly හා Acting Humanly යන කාණ්ඩ දෙක අයත් වේ. මෙහි විශේෂත්වය වනුයේ, මෙම AI මෘදුකාංග ලබාදෙන ප්‍රතිඵල දොෂ සහිත විය හැකි (Possibility of making mistakes) වීමයි.
• Rationality centered direction
  
  Thinking Rationally හා Acting Rationally යන කාණ්ඩ දෙක අයත් වන අතර මෙම මෘදුකාංග සැමවිටම නිවැරදි දේ(always does right thing) සිදුකරයි. නමුත් සියල්ල තාර්කිකව විසඳීමට යාමේදී විවිධ ‍ගැ‍ටලු පැන නගී. එනම්, සෑම තත්වයක් (environment) යටතේදීම සැමවිටම නීවැරදි දෙය ලබා ගැනීම අසීරු වේ. ‍පරිගණක සඳහා ‍ගණනය කිරීමේ හැකියාව වැනිදෑ අසීමිත නොවන බැවින් සංකීර්ණ තත්ව ය‍ටතේ මෙම ක්‍රියාවලිය ප්‍රායෝගික නොවිය හැකිය.

උපු‍ටා ගැනීම් : http://www.wikipedia.org/ , Artificial Intelligence - A Modern Approach (second edition) -Stuart Russell & Peter Norvig