අපි හිතන්නේ AI තවත් කාලයක් අහඹු ලෙස බුද්ධියක් ලැබුවා කියලා, නමුත් එය 70 වසරකට අධික කාලයක් තුළ පියවරෙන් පියවර සංවර්ධනය වූ තාක්ෂණයක්.
පළමු පියවර – රූල්‑බේස්ඩ් AI (1950‑1980) එහිදී වැඩසටහන් ලොකු if‑else නියෝග වලින් පිරුණු අතර, "X ලක්ෂණය සහ Y ලක්ෂණය නම් Z රෝගය" වගේ නියමයන් මිනිස්කරු ලියූවයි. ශතෘකාලීන චැට්බොට් ELIZA, ශතෘකාලීන චෙස් යන්ත්ර, විශේෂඥ පද්ධති ආදිය මෙහි උදාහරණ වේ. මේ පද්ධති නව තොරතුරු හඳුනා ගැනීමට නොහැකි වූ නිසා, නියමයන්ට අය නොවන අවස්ථාවක අසාර්ථක වුණා.
දෙවන පියවර – මැෂින් ලර්නින්ග් (1990‑2000) රූල් ලියන වැඩේ අතහැර, ඇල්ගොරිතම් මගින් දත්ත වලින් රටාවන් සොයා ගැනීමට ආරම්භ කළා. තීරණ ගස, සපෝට් වෙක්ටර් මැෂින්, ලීනියර් රෙග්රෙෂන් වැනි තාක්ෂණයන් ස්පෑම් හෝ වංචා හඳුනා ගැනීමට භාවිතා වුණා. නමුත් මේ මොඩලයන්ට මිනිස්කරු තෝරා දෙන "features" අවශ්ය වූ අතර, රූප හෝ ශබ්ද වැනි ගැළපෙන නොවන දත්ත සමඟ ගැටළුවක් තිබුණා.
තෙවන පියවර – ඩීප් ලර්නින්ග් (2010‑දැනට) නියුරල් ජාලයන් ගොඩනැගී, බහුතර පටල (layers) සමඟ රූප, ශබ්ද, පෙළ වැනි අමු දත්ත වලින් ස්වයංක්රීයව ලක්ෂණ ඉගෙන ගන්න ලැබුණා. රූප හඳුනා ගැනීම, කථා පරිවර්තනය, පරිවර්තන සේවා වැනි ක්ෂේත්රවල විප්ලවයක් සිදු වුණා. එහෙත් මෙය තවත් "ඕනෑම කාර්යයක්" සඳහා එකම මොඩලයක් නොව, සෑම කාර්යයකටම නව මොඩලයක් තැනීමට අවශ්ය වුණා.
හතරවන පියවර – ජනරේටිව් AI සහ LLM (2018‑දැනට) GPT, Claude වැනි විශාල භාෂා මොඩලයන් විශාල පෙළ දත්ත මත "ඊළඟ වචනය" පුරනය කරගෙන, ව්යාකරණ, තොරතුරු, තර්ක, කේත ලිවීම වැනි කුසලතා එකම මොඩලයකින් ලබා ගත්තා. Transformer ව්යුහය මගින් දිගු පෙළ අතර සම්බන්ධතා සකස් කර, පූර්ව වර්ගයකට නොහැකි පරිමාණයට පත් වුණා. මෙය එකම මොඩලයක් මඟින් ලිපි ලියීම, කේත ලිවීම, සාරාංශය සැකසීම වැනි බහුකාර්ය කරයි, නමුත් "බුද්ධිය" නොමැති බැවින් හොරාස්තික (hallucination) සහ නව අවස්ථාවල තර්ක කිරීමේ අපහසුතා පවතී.
පස්වන පියවර – AI ඒජන්ට් සහ ඒජන්ට් AI (2023‑දැනට) මෙහි නවත්වන්නෙ මොඩලයක් පමණක් නොව, එයට වෙබ් සෙවුම්, කේත ක්රියාත්මක කිරීම, API ඇමතුම් වැනි මෙවලම් දෙනුයි. ඒජන්ට් එක "මෙම විෂය පර්යේෂණය කර, කේතය ලියන්න, පරීක්ෂා කරන්න, දෝෂ සලසා, නිකුත් කරන්න" වැනි වැඩ සූත්රයක් ගත කර, පියවරෙන් පියවර ක්රියාත්මක කරයි. මෙය තනි ප්රතිචාරයක් නොව, සංකීර්ණ වැඩකටයුතු ස්වයංක්රීයව කරගැනීමට හැකි වුවත්, මූලික LLM එකේ දෝෂයන් වැඩියෙන් සංග්රහ වෙලා, වාස්තවික ක්රියා (API ඇමතුම්, ගොනු වෙනස් කිරීම) වලින් අසාර්ථකත්වයන් සිදු විය හැක. විශ්වාසය තවත් වැදගත් ගැටළුවක් බවට පත්වෙයි.
අනාගතය පිළිබඳව, AI තත්ත්වය ANI (Artificial Narrow Intelligence) සිට AGI (Artificial General Intelligence) දක්වා, පසුව ASI (Artificial Super Intelligence) තෙක් ගමන් කරන බව සාමාන්යයෙන් කතා කරයි. මේ අතර, නව පරිකථන තාක්ෂණයන් වැඩි වශයෙන් ශ්රී ලංකාවේ නවෝත්පාදන පරිසරයට බලපානවා.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ විද්යාර්ථීන්ට AI පියවර 5ක ඉතිහාසය හඳුනා ගන්නා විට, පුරාතන රූල්‑බේස්ඩ් පද්ධති වලින් ඉගෙන ගන්නා මැෂින් ලර්නින්ග්, ඩීප් ලර්නින්ග්, ජනරේටිව් AI, ඒජන්ට් AI දක්වා ගමන් කිරීමේ ක්රමවේදය පැහැදිලි වේ. මෙය AI පාඨමාලා නිර්මාණය, පර්යේෂණ ව්යාපෘති, සහ තාක්ෂණික තරඟ සඳහා මූලික දැනුමක් සපයයි.
ඩිවෙලපර්ලාට, LLM සහ ඒජන්ට් AI භාවිතයෙන් කේත ලියීම, පරීක්ෂා කිරීම, නිකුත් කිරීම වැනි සංකීර්ණ වැඩ තනි ක්ලිකයක් මඟින් සිදු කළ හැකි බැවින්, නිෂ්පාදන වේගය වැඩිවෙයි. දේශීය සමාගම්ට AI‑චලිත සේවා (චැට්බොට්, ව්යාපාරික විශ්ලේෂණ, ස්වයංක්රීය පාරිභෝගික සේවා) ලබා දීමට අවස්ථාව ලැබේ.
අවසානයේ, AI ඒජන්ට් තාක්ෂණය රජයේ සේවා, කෘෂි, සෞඛ්ය වැනි ක්ෂේත්රවල ස්වයංක්රීය ප්රතිචාර ලබා දීමේ නව මාර්ගයක් ගොඩනැගීමට උපකාරී වේ. එමඟින් ශ්රී ලංකාවේ තාක්ෂණික සාරවත්භාවය වර්ධනය වනු ඇත.
AI පියවර 5ක ගමන තවදුරටත් ඉදිරියට ගමන් කරන අතර, එය ශ්රී ලංකාවේ තාක්ෂණික නවෝත්පාදන, අධ්යාපනය, ව්යාපාරික ආකෘති වෙනස් කිරීමට මූලික පදනමක් වනු ඇත.
