എഐ എന്നത് വെറും ‘കോഡിങ് മാജിക്’ മാത്രമല്ല, അതിനു പിന്നിലെ രഹസ്യങ്ങള്‍ അറിയാം

നിർമിത ബുദ്ധി (Artificial Intelligence) നമ്മുടെ ജീവിതത്തിൻ്റെ പല മേഖലകളിലും വലിയ മാറ്റങ്ങൾ സൃഷ്ടിച്ചുകൊണ്ടിരിക്കുകയാണ്. വോയിസ് അസിസ്റ്റൻ്റുകൾ, ഓൺലൈൻ ശുപാർശാ സംവിധാനങ്ങൾ, മെഡിക്കൽ പരിശോധനകൾ, സ്വയം പ്രവർത്തിക്കുന്ന വാഹനങ്ങൾ എന്നിവയെല്ലാം എഐയുടെ വ്യക്തമായ ഉദാഹരണങ്ങളാണ്. പലപ്പോഴും നിർമിത ബുദ്ധിയെ “സ്വയം ചിന്തിക്കുന്ന യന്ത്രം” എന്ന നിലയിലാണ് പൊതുജനം കാണുന്നത്. എന്നാൽ യഥാർത്ഥത്തിൽ, അടിസ്ഥാനം ശക്തമായ ഗണിതശാസ്ത്ര സിദ്ധാന്തങ്ങളാണ്.

ആരോഗ്യമേഖലയിലെ സാങ്കേതിക വിപ്ലവം; ‘പേഴ്സണലൈസ്ഡ് ഹെൽത്ത് ടെക്’ ചര്‍ച്ചകളും ടെക്സ്പെക്റ്റേഷൻസ് വേദിയിൽ

അടിസ്ഥാന ഭാഷ – ഗണിതശാസ്ത്രം

ഒരു യന്ത്രത്തിന് മനുഷ്യനെ പോലെ കാണാനും കേൾക്കാനും മനസ്സിലാക്കാനും കഴിയുന്നത് ഗണിതശാസ്ത്രത്തിൻ്റെ സഹായത്തോടെയാണ്. ചിത്രങ്ങൾ, ശബ്ദങ്ങൾ, എഴുത്തുകൾ, ഡാറ്റ എന്നിവയെല്ലാം ആദ്യം സംഖ്യകളാക്കി മാറ്റിയ ശേഷമാണ് എഐ അവയെ വിശകലനം ചെയ്യുന്നത്. ബീജഗണിതം, കലനശാസ്ത്രം (Calculus), സാധ്യതാശാസ്ത്രം (Probability), സംഖ്യാത്മകശാസ്ത്രം (Statistics) എന്നീ ഗണിതശാഖകളാണ് ഇതിന് അടിസ്ഥാനം.

Representative Image. Photo Credit: onurdongel/ istockphoto.com

ഉദാഹരണത്തിന്, ഒരു ഫോട്ടോയിൽ നിന്നുള്ള മുഖം തിരിച്ചറിയുമ്പോൾ നിർമിത ബുദ്ധി മനുഷ്യനെ പോലെ ചിത്രം “കാണുന്നില്ല”. മറിച്ച്, ചിത്രത്തിലെ ഓരോ ഘടകവും അക്കങ്ങളാക്കി മാറ്റി, അവ തമ്മിൽ താരതമ്യം ചെയ്ത്, ആ മുഖം ആരുടേതാണെന്നുള്ള സാധ്യത കണക്കാക്കുകയാണ് ചെയ്യുന്നത്. ഈ മുഴുവൻ പ്രക്രിയയും ഗണിതാധിഷ്ഠിതമാണ്.

ADVERTISEMENT

പഠനത്തിൻ്റെയും തീരുമാനങ്ങളുടെയും പിന്നിലെ ഗണിതം

എഐയുടെ പ്രധാന ശാഖയായ മെഷീൻ ലേണിങ് (Machine Learning) പൂർണ്ണമായും ഗണിതശാസ്ത്രത്തെ ആശ്രയിച്ചിരിക്കുന്നു. ഒരു സംവിധാനം ഡാറ്റയിൽ നിന്നു പഠിക്കുമ്പോൾ, അതിലെ തെറ്റുകൾ കുറയ്ക്കാൻ നിരന്തരമായ കണക്കുകൂട്ടലുകൾ നടക്കുന്നു. ഈ ഘട്ടത്തിൽ കലനശാസ്ത്രവും രേഖീയ ബീജഗണിതവും നിർണായക പങ്ക് വഹിക്കുന്നു. ഭാഷാ വിവർത്തനം, മെഡിക്കൽ ഇമേജ് വിശകലനം, കാലാവസ്ഥാ പ്രവചനം തുടങ്ങിയ സങ്കീർണ്ണ സംവിധാനങ്ങൾ എല്ലാം തന്നെ ഗണിതസൂത്രങ്ങളുടെ അടിസ്ഥാനത്തിലാണ് പ്രവർത്തിക്കുന്നത്. സോഫ്റ്റ്‌വെയർ ഉപകരണങ്ങൾ ഉപയോഗിച്ച് മോഡലുകൾ നിർമ്മിക്കാമെങ്കിലും, ആഴത്തിലുള്ള ഗണിതബോധമില്ലാതെ പുതിയ ആശയങ്ങൾ വികസിപ്പിക്കാൻ സാധ്യമല്ല.

കോഡിങ് മാത്രം മതിയോ?

ഇന്ന് പലർക്കും തോന്നുന്നത് എഐ പഠിക്കാൻ പ്രോഗ്രാമിങ് അറിവ് മാത്രം മതിയെന്നാണ്. എന്നാൽ ഒരു ആൽഗോരിതം എന്തുകൊണ്ട് പ്രവർത്തിക്കുന്നു, എവിടെയാണ് പിഴവ് സംഭവിക്കുന്നത്, എന്തുകൊണ്ട് ഒരു പ്രവചനം തെറ്റിപ്പോകുന്നു എന്നൊക്കെ മനസ്സിലാക്കാൻ ഗണിതശാസ്ത്രം അനിവാര്യമാണ്. ആരോഗ്യം, ബാങ്കിങ്, വിദ്യാഭ്യാസം, നിയമം തുടങ്ങിയ മേഖലകളിൽ കൃത്രിമ ബുദ്ധി ഉപയോഗിക്കുമ്പോൾ, ഒരു ചെറിയ തെറ്റുപോലും വലിയ പ്രത്യാഘാതങ്ങൾ സൃഷ്ടിച്ചേക്കാം. ഒരു തീരുമാനത്തിൻ്റെ കൃത്യത, വിശ്വാസ്യത, പക്ഷപാതം എന്നിവ വിലയിരുത്താൻ സംഖ്യാത്മകശാസ്ത്രം സഹായിക്കുന്നു.

ADVERTISEMENT

നീതിയും ഉത്തരവാദിത്തവും: ഗണിതത്തിൻ്റെ പങ്ക്

നിർമിത ബുദ്ധി മനുഷ്യരുടെ ജീവിതത്തെ നേരിട്ട് സ്വാധീനിക്കുന്ന സാഹചര്യത്തിൽ, നൈതികത വലിയ ചർച്ചാവിഷയമായി മാറിയിരിക്കുന്നു. ഒരു സംവിധാനം എല്ലാവരെയും സമത്വത്തോടെ പരിഗണിക്കുന്നുണ്ടോ, ഏതെങ്കിലും വിഭാഗത്തോട് പക്ഷപാതമുണ്ടോ എന്നത് വിലയിരുത്തുന്നത് ഗണിതപരമായ മാനദണ്ഡങ്ങളിലൂടെയാണ്. ഫെയർനെസ് മീട്രിക്‌സ്, റിസ്ക് വിശകലനം, സുതാര്യത എന്നിവയെല്ലാം തന്നെ ഗണിതപരമായി നിർവചിക്കപ്പെടുന്ന ആശയങ്ങളാണ്. ഗണിതബോധമില്ലാതെ കൃത്രിമ ബുദ്ധിയുടെ തീരുമാനങ്ങളെ വിമർശനാത്മകമായി വിലയിരുത്താൻ കഴിയില്ല.

ഇന്ത്യ എഐ ഇംപാക്ട് ഉച്ചകോടി 2026: 20 രാഷ്ട്രത്തലവന്മാരും ആഗോള ടെക് പ്രതിനിധികളും, 2.50 കോടി രൂപയുടെ സമ്മാനങ്ങൾ!

വിദ്യാർത്ഥികൾക്കും വിദ്യാഭ്യാസത്തിനും ഗണിതത്തിൻ്റെ പ്രസക്തി

വിദ്യാർത്ഥികൾക്കായി ഗണിതശാസ്ത്രം ഇനി ഒരു പരീക്ഷാവിഷയം മാത്രമല്ല. നിർമിത ബുദ്ധി നിയന്ത്രിക്കുന്ന ഭാവിയിലേക്ക് കടക്കാനുള്ള തയ്യാറെടുപ്പാണ്. ഗണിതത്തിൽ ഉറച്ച അടിത്തറയുള്ളവർക്ക് സാങ്കേതികവിദ്യയെ ഉപയോഗിക്കുക മാത്രമല്ല, അതിനെ മെച്ചപ്പെടുത്താനും ചോദ്യം ചെയ്യാനും കഴിയും. അധ്യാപകർ ഗണിതവും നിർമിത ബുദ്ധിയും തമ്മിലുള്ള ബന്ധം പഠിപ്പിക്കുമ്പോൾ, വിഷയത്തിന് കൂടുതൽ പ്രസക്തിയും ആകർഷണവും ലഭിക്കുന്നു. ഡാറ്റ, പ്രവചനം, തീരുമാനമെടുക്കൽ എന്നിവയുമായി ഗണിതത്തെ ബന്ധപ്പെടുത്തി പഠിപ്പിക്കുന്നത് പഠനത്തെ കൂടുതൽ പ്രായോഗികമാക്കുന്നു.

ADVERTISEMENT

എഐ എത്രത്തോളം പുരോഗമിച്ചാലും, അതിൻ്റെ ആത്മാവായി നിലകൊള്ളുന്നത് ഗണിതശാസ്ത്രം തന്നെയാണ്. യന്ത്രങ്ങൾക്ക് ബുദ്ധിയും വിശ്വാസ്യതയും തീരുമാനശേഷിയും നൽകുന്നത് ഗണിതമാണ്. കൃത്രിമ ബുദ്ധി ഭാവിയെ രൂപപ്പെടുത്തുന്ന ഈ കാലഘട്ടത്തിൽ, ഗണിതബോധം ഒരു അറിവല്ല — ഒരു ശക്തിയാണ്. സാങ്കേതികവിദ്യയെ ബുദ്ധിപൂർവ്വവും ഉത്തരവാദിത്തത്തോടെയും ഉപയോഗിക്കാൻ സമൂഹത്തെ സഹായിക്കുന്ന ശക്തി.

തയാറാക്കിയത്: ഡോ. അമ്പിളി ബലറാം, അസിസ്റ്റൻ്റ് പ്രഫസർ, ഡിപ്പാർട്ട്‌മെൻ്റ് ഓഫ് എഐ & ഡാറ്റാ സയൻസ് എൻജിനീയറിങ് ക്രൈസ്റ്റ് യൂണിവേഴ്‌സിറ്റി, കെങ്കേരി ക്യാംപസ്, ബെംഗളൂരു