கிர人工 நுண்ணறிவின் உருவாக்கம் மற்றும் வளர்ச்சியின் வரலாறு

இன்று செயற்கை நுண்ணறிவு (AI) நவீன வாழ்க்கையின் அங்கமாக மாறி, வணிகத்திலிருந்து சுகாதாரத்திற்கும் அனைத்து துறைகளிலும் தோன்றுகிறது. இருப்பினும், AI வளர்ச்சியின் வரலாறு 20ஆம் நூற்றாண்டின் நடுவில் தொடங்கி, இன்று நாம் காணும் வெடிக்கும் முன்னேற்றங்களை அடைய பல ஏற்றத்தாழ்வுகளை கடந்துள்ளது என்பதை சிலரே உணர்கின்றனர்.

இந்த INVIAI கட்டுரை AI உருவாக்கம் மற்றும் வளர்ச்சியின் வரலாற்றை விரிவாகக் கூறுகிறது, ஆரம்பக் கருத்துக்களிலிருந்து, கடுமையான "AI குளிர்காலங்கள்" வழியாக, ஆழ்ந்த கற்றல் புரட்சியும் மற்றும் 2020களில் வெடிக்கும் உருவாக்கும் AI அலைவரிசையும் வரை.

1950கள்: செயற்கை நுண்ணறிவின் தொடக்கம்

1950கள் AI துறையின் அதிகாரப்பூர்வ தொடக்கமாக கருதப்படுகிறது. 1950ல் கணிதவியலாளர் அலன் டூரிங் "கணினி இயந்திரம் மற்றும் நுண்ணறிவு" என்ற கட்டுரையை வெளியிட்டு, இயந்திரத்தின் சிந்திக்கும் திறனை மதிப்பிடும் புகழ்பெற்ற சோதனையை முன்மொழிந்தார் – இது பின்னர் டூரிங் சோதனை என அறியப்பட்டது. இது கணினிகள் மனிதர்களைப் போல சிந்திக்க முடியும் என்ற கருத்தை அறிமுகப்படுத்தி, AIக்கான கோட்பாட்டுக் கட்டமைப்பை அமைத்தது.

கற்றல் அல்லது நுண்ணறிவின் எந்த அம்சமும் இயந்திரம் அதனை நகலெடுக்க முடியும் என்று மிகவும் துல்லியமாக விவரிக்கப்படலாம்.

— டார்மவுத் மாநாட்டு அறிக்கை, 1956

முக்கிய தொழில்நுட்ப முன்னேற்றங்கள்

• லிஸ்ப் நிரலாக்க மொழி (1958) – ஜான் மெக்கார்தி AI வளர்ச்சிக்காக உருவாக்கினார்
• பெர்செப்ட்ரான் (1958) – ஃபிராங்க் ரோசென்பிளாட் தரவிலிருந்து கற்றுக்கொள்ளக்கூடிய முதல் செயற்கை நரம்பியல் வலைப்பின்னல் மாதிரியை அறிமுகப்படுத்தினார்
• "மெஷின் கற்றல்" 용어 (1959) – ஆர்தர் சாமுவேல் கணினிகள் தங்கள் ஆரம்ப நிரலாக்கத்தைத் தாண்டி கற்றுக்கொள்ளக்கூடிய முறையை விவரிக்க முதன்முறையாக பயன்படுத்தினார்

1950கள் செயற்கை நுண்ணறிவின் பிறப்பாகும் காலம்

இந்த முன்னேற்றங்கள் வலுவான நம்பிக்கையை பிரதிபலித்தன: முன்னோடிகள் சில தசாப்தங்களில், இயந்திரங்கள் மனிதர்களைப் போல நுண்ணறிவு பெறுவதாக நம்பினர்.

1960கள்: ஆரம்ப முன்னேற்றம்

1960களில், AI பல குறிப்பிடத்தகுந்த திட்டங்கள் மற்றும் கண்டுபிடிப்புகளுடன் வளர்ச்சி தொடர்ந்தது. MIT, ஸ்டான்ஃபோர்ட், கார்னெகி மெலன் போன்ற புகழ்பெற்ற பல்கலைக்கழகங்களில் AI ஆய்வுக்கூடங்கள் நிறுவப்பட்டன, ஆராய்ச்சி ஆர்வம் மற்றும் நிதி ஈர்க்கப்பட்டது. கணினிகள் சக்திவாய்ந்தவையாக மாறின, இது கடந்த தசாப்தத்தில் இருந்ததைவிட சிக்கலான AI கருத்துக்களுடன் பரிசோதனை செய்ய உதவியது.

முன்னேற்ற கண்டுபிடிப்புகள்

1960கள் குறிப்பிடத்தகுந்த ஆரம்ப AI முன்னேற்றங்களை கண்டன

1970கள்: சவால்கள் மற்றும் முதல் "AI குளிர்காலம்"

1970களில், AI உண்மையான சவால்களை எதிர்கொண்டது: கடந்த தசாப்தத்தின் பல பெரிய எதிர்பார்ப்புகள் கணினி சக்தி, தரவு மற்றும் அறிவியல் புரிதலின் வரம்புகளால் நிறைவேறவில்லை. இதனால், 1970களின் நடுவில் AIக்கு நம்பிக்கை மற்றும் நிதி கடுமையாக குறைந்தது – இது பின்னர் முதல் "AI குளிர்காலம்" என அழைக்கப்பட்டது.

கடினத்தன்மையின்போதும் ஒளிரும் இடங்கள்

முதல் AI குளிர்காலம் சவால்களையும் பாடங்களையும் கொண்டது

இந்த காலம் செயற்கை நுண்ணறிவு ஆரம்பத்தில் நினைத்ததைவிட மிகவும் சிக்கலானது என்பதை ஆராய்ச்சியாளர்களுக்கு நினைவூட்டியது, எளிய தர்க்க மாதிரிகளைத் தாண்டி அடிப்படையான புதிய அணுகுமுறைகள் தேவைப்படுவதாக.

1980கள்: நிபுணர் அமைப்புகள் – எழுச்சி மற்றும் வீழ்ச்சி

1980களின் ஆரம்பத்தில், AI நிபுணர் அமைப்புகளின் வணிக வெற்றியால் மற்றும் அரசுகள், வணிகங்களின் புதுப்பிக்கப்பட்ட முதலீட்டால் புதுச்சுழற்சி காலத்தை அனுபவித்தது. கணினிகள் சக்திவாய்ந்தவையாக மாறின, சமூகம் AI கருத்துக்கள் குறுகிய துறைகளில் படிப்படியாக நிறைவேறுவதாக நம்பியது.

முக்கிய அரசு முயற்சிகள்

நரம்பியல் வலைப்பின்னல்களின் மீண்டும் எழுச்சி

நிபுணர் அமைப்புகளின் வளர்ச்சிக்கிடையில், செயற்கை நரம்பியல் வலைப்பின்னல்கள் அமைதியாக மீண்டும் எழுச்சி பெற்றன. 1986ல், ஆராய்ச்சியாளர் ஜியோஃப்ரி ஹிண்டன் மற்றும் குழுவினர் பேக்ப்ரொபகேஷன் ஆல்கொரிதம் வெளியிட்டு, பல அடுக்கு நரம்பியல் வலைப்பின்னல்களை பயிற்சி செய்யும் திறமையான முறையை அறிமுகப்படுத்தினர்.

நிபுணர் அமைப்புகள் காலம் வெற்றி மற்றும் பாடங்களை கொண்டது

1990கள்: AI நடைமுறைக்கு திரும்பியது

1980களின் இறுதி AI குளிர்காலத்துக்குப் பிறகு, 1990களில் AIக்கு நம்பிக்கை படிப்படியாக மீண்டும் வந்தது, பல நடைமுறை முன்னேற்றங்களால். பெரிய தீவிர AIக்கு பதிலாக, ஆராய்ச்சியாளர்கள் பலவீன AIயில் கவனம் செலுத்தி, குறிப்பிட்ட பிரச்சினைகளுக்கு AI தொழில்நுட்பங்களைப் பயன்படுத்தி சிறந்த முடிவுகளை காணத் தொடங்கினர்.

பல துறைகளில் முக்கிய சாதனைகள்

தரவு சார்ந்த AI எழுச்சி

1990களின் இறுதியில் இணைய வளர்ச்சி, பெரும் டிஜிட்டல் தரவை உருவாக்கியது. தரவு சுரங்கம் மற்றும் மெஷின் கற்றல் ஆல்கொரிதங்கள் பயன்படுத்தப்பட்டன:

• இணைய தரவை பகுப்பாய்வு செய்து தேடல் இயந்திரங்களை மேம்படுத்த
• உள்ளடக்க பரிந்துரைகளை தனிப்பயனாக்க
• மின்னஞ்சல் ஸ்பாம் தானாக வடிகட்ட
• மின்னணு வணிகத்தில் பொருள் பரிந்துரைகள் வழங்க
• பயனர் தரவிலிருந்து கற்றுக்கொண்டு மென்பொருள் செயல்திறனை மேம்படுத்த

1990களில் AI அமைதியாக ஆனால் நிலைத்த முறையில் அன்றாட வாழ்க்கையில் நுழைந்தது

1990கள் AI அமைதியாக ஆனால் நிலைத்த முறையில் அன்றாட வாழ்க்கையில் நுழைந்தது. மனிதர்களைப் போல நுண்ணறிவு என்ற பெரிய கூற்றுகளுக்கு பதிலாக, குறிப்பிட்ட பிரச்சினைகளை தீர்க்க கவனம் செலுத்தி, அடுத்த தசாப்தத்தில் வெடிக்கும் வளர்ச்சிக்கான தரவு மற்றும் ஆல்கொரிதங்கள் அடித்தளங்களை அமைத்தது.

2000கள்: மெஷின் கற்றலும் பெரிய தரவு காலமும்

21ஆம் நூற்றாண்டில் நுழைந்து, இணையம் மற்றும் பெரிய தரவு காலம் காரணமாக AI முற்றிலும் மாற்றம் அடைந்தது. 2000களில் தனிப்பட்ட கணினிகள், இணையம் மற்றும் சென்சார் சாதனங்கள் பெரும் அளவிலான தரவை உருவாக்கின. மெஷின் கற்றல் இந்த "தரவு பொக்கிஷத்தை" பயன்படுத்தும் முக்கிய கருவியாக மாறியது.

தரவு புதிய எண்ணெய் – அதிக தரவு கிடைக்கும் போது, AI ஆல்கொரிதங்கள் துல்லியமாக கற்றுக்கொள்ள முடியும்.

— பிரபல தொழில்நுட்பத் துறையின் சொல், 2000கள்

இமேஜ்நெட்: ஆழ்ந்த கற்றலுக்கான அடித்தளம்

குறிப்பிடத்தகுந்த பயன்பாட்டு மைல்கற்கள்

AI வணிகத்தில் நுழைவு

பெரிய தரவு மற்றும் மெஷின் கற்றல் 2000களில் AIயை மாற்றியது

2000கள் AIயின் வெடிக்கும் வளர்ச்சிக்கான அடித்தளத்தை அமைத்தன. பெரிய தரவு, சக்திவாய்ந்த ஹார்ட்வேர் மற்றும் மேம்பட்ட ஆல்கொரிதங்கள் தயார் நிலையில் இருந்தன, புதிய AI புரட்சியைத் தொடங்க சரியான தருணத்தை காத்திருந்தன.

2010கள்: ஆழ்ந்த கற்றல் புரட்சி

ஒரு காலம் AI உண்மையாக "பறந்தது" என்றால் அது 2010கள் தான். கடந்த தசாப்தத்தின் தரவு மற்றும் ஹார்ட்வேர் அடித்தளங்களை அடிப்படையாக கொண்டு, செயற்கை நுண்ணறிவு ஆழ்ந்த கற்றல் காலத்திற்கு நுழைந்தது – பல அடுக்கு நரம்பியல் வலைப்பின்னல் மாதிரிகள் முன்னேற்றங்களை அடைந்து, அனைத்து AI பணிகளிலும் சாதனைகள் செய்தன.

அலெக்ஸ் நெட் புரட்சி

ஆழ்ந்த கற்றல் துறைகளில் பரவியது

அல்பாகோ: AI மனித உணர்வை மீறியது

டிரான்ஸ்ஃபார்மர் புரட்சி (2017)

2017ல் இயற்கை மொழி செயலாக்கத்தில் ஒரு முன்னேற்றம் ஏற்பட்டது: டிரான்ஸ்ஃபார்மர் கட்டமைப்பு. கூகுள் ஆராய்ச்சியாளர்கள் "அட்டென்ஷன் இஸ் ஆல் யூ நீட்" என்ற கட்டுரையை வெளியிட்டு, மொழி AIயை புரட்சிகரமாக மாற்றிய சுய-கவன முறையை முன்மொழிந்தனர்.

உருவாக்கும் AI எழுச்சி

அன்றாட வாழ்க்கையில் AI

• தானாக முக அடையாளம் காணும் ஸ்மார்ட்போன் கேமராக்கள்
• ஸ்மார்ட் ஸ்பீக்கர்களில் (அலெக்சா, கூகுள் ஹோம்) உள்ள மெய்நிகர் உதவியாளர்கள்
• சமூக ஊடகங்களில் உள்ளடக்க பரிந்துரைகள்
• மேம்பட்ட சுய இயக்கும் கார் அமைப்புகள்
• நேரடி மொழி மொழிபெயர்ப்பு
• தனிப்பயனாக்கப்பட்ட கற்றல் தளங்கள்

2010களில் ஆழ்ந்த கற்றல் AIயை புரட்சிகரமாக மாற்றியது

AI புதிய மின்சாரம் – ஒவ்வொரு தொழிற்துறையையும் மாற்றும் அடிப்படைக் தொழில்நுட்பம்.

— ஆண்ட்ரூ ந்க், AI முன்னோடி

2020கள்: உருவாக்கும் AI வெடிப்பு மற்றும் புதிய போக்குகள்

2020களின் ஆரம்ப சில ஆண்டுகளில், AI முன்னேற்றம் அதீத வேகத்தில் வெடித்தது, பெரும்பாலும் உருவாக்கும் AI மற்றும் பெரிய மொழி மாதிரிகள் (LLMs) எழுச்சியால். இந்த அமைப்புகள் AIயை நேரடியாக நூற்றுக்கணக்கான மில்லியன் பயனர்களுக்கு கொண்டு சென்றன, படைப்பாற்றல் பயன்பாடுகள் மற்றும் பரவலான சமூக விவாதங்களைத் தூண்டின.

பெரிய மொழி மாதிரிகள் காலம்

உரைத் தாண்டி உருவாக்கும் AI

நெறிமுறை மற்றும் சட்ட சவால்கள்

தொழிற்துறைகளில் AI

உருவாக்கும் AI வெடிப்பு 2020களை வரையறுத்தது

முடிவு: AI பயணம் மற்றும் எதிர்கால வாய்ப்புகள்

1950களிலிருந்து இன்று வரை, AI வளர்ச்சியின் வரலாறு ஒரு அதிசயமான பயணம் – ஆர்வம், ஏமாற்றம் மற்றும் மீள எழுச்சி நிறைந்தது. 1956ல் அடித்தளம் அமைத்த சிறிய டார்மவுத் பணிமனையிலிருந்து, AI இரண்டு முறை "AI குளிர்காலங்களில்" விழுந்தாலும், ஒவ்வொரு முறையும் அறிவியல் மற்றும் தொழில்நுட்ப முன்னேற்றங்களால் வலுவாக மீண்டது.

எதிர்கால வாய்ப்புகள்

அடுத்த அத்தியாயம் மிகவும் சுவாரஸ்யமானதாக இருக்கும். தற்போதைய வேகத்துடன், AI வாழ்க்கையில் இன்னும் ஆழமாக நுழையும் என்று எதிர்பார்க்கலாம்:

AI வரலாற்றிலிருந்து முக்கிய பாடங்கள்

• அதிகப்படியான எதிர்பார்ப்புகளைத் தவிர்க்கவும் – தற்போதைய திறன்களை அடிப்படையாகக் கொண்டு உண்மையான எதிர்பார்ப்புகளை அமைக்கவும்
• தோல்விகளிலிருந்து கற்றுக்கொள்ளவும் – AI குளிர்காலங்கள் நிலைத்த வளர்ச்சிக்கான மதிப்புமிக்க பாடங்களை கற்றுக்கொண்டன
• பாதுகாப்புக்கு முன்னுரிமை கொடுக்கவும் – கட்டுப்பாடு, தெளிவுத்தன்மை மற்றும் நெறிமுறை வழிகாட்டுதல்களுடன் AIயை வளர்க்கவும்
• நடைமுறை பயன்பாடுகளில் கவனம் செலுத்தவும் – குறிப்பிட்ட பிரச்சினைகளை தீர்க்கும் குறுகிய AI உண்மையான மதிப்பை வழங்குகிறது
• ஒத்துழைப்பை ஏற்றுக்கொள்ளவும் – முன்னேற்றம் ஆராய்ச்சியாளர்கள், தொழில் மற்றும் கொள்கை அமைப்புகளுக்கு இடையேயான ஒத்துழைப்பை தேவைப்படுத்துகிறது
• மனித கண்காணிப்பை பராமரிக்கவும் – AI மனித தீர்மானம் மற்றும் மதிப்புகளை மாற்றாமல் உதவ வேண்டும்

செயற்கை நுண்ணறிவு எப்போதும், இப்போது மற்றும் எதிர்காலத்திலும் நமது எல்லைகளை மீறுவதற்கான திறனுக்கு சான்றாக இருக்கும். ஆரம்ப கணக்கீட்டாளர்களிலிருந்து, மனிதர்கள் இயந்திரங்களை விளையாட, கார்கள் ஓட்ட, உலகத்தை அடையாளம் காண மற்றும் கலை உருவாக்க கற்றுத்தந்துள்ளனர்.

— AI பயணத்தின் பிரதிபலிப்பு

இன்று AI மின்சாரம் அல்லது இணையம் போன்றது – அடிப்படைக் தொழில்நுட்ப அடித்தளம். பல நிபுணர்கள் AI பொறுப்புடன் வளர்க்கப்பட்டால், உற்பத்தித்திறன் மற்றும் வாழ்க்கை தரத்தில் முன்னேற்றங்களை தொடரும் என்று நம்புகின்றனர். AI எதிர்காலம் முன்கூட்டியே தீர்மானிக்கப்படவில்லை – இன்று நாம் எடுக்கும் தேர்வுகள் இந்த மாற்றும் தொழில்நுட்பத்தை எப்படி உருவாக்க, பயன்படுத்த மற்றும் நிர்வகிப்பதைக் கட்டமைக்கும்.