Theory
તેજી અને શિયાળાનું ક્ષેત્ર
AI હમણાં જ અચાનક આવી પડ્યું હોય એવું લાગે, પણ એ દાયકાઓ જૂનું ક્ષેત્ર છે, જેનો ઇતિહાસ ઊંચે ચડતી આશાઓ અને ભાંગી પડતી નિરાશાઓથી ભરેલો છે. એ ઇતિહાસ સમજવાથી બંને વાત ખૂલે છે: આજે AI આટલું રોમાંચક કેમ છે, અને એની બાબતે માથું ઠંડું રાખવું કેમ જરૂરી છે.
આ પાઠ AI ના વિકાસને પગેરે ચાલે છે: 1950 ના દાયકામાં એનો જન્મ, 'AI winters' તરીકે ઓળખાતા નિરાશાના ગાળા, અને data તથા computing થી ચાલેલી હાલની સફળતાઓ, જેમાંથી આજનું AI નીકળ્યું. પહેલાં ધૂમધામ, પછી વાસ્તવિકતા ની આ લઢણ પોતે જ AI ના દાવા સમજદારીથી તોળવાનો કીમતી પાઠ છે.
Theory
જન્મ અને શરૂઆતનો ઉત્સાહ
1950 માં Alan Turing એ એક જાણીતી કસોટી સૂચવી: શું machine ના જવાબોને માણસના જવાબોથી અલગ ન પાડી શકાય એવા બનાવી શકાય? આનાથી યંત્રની બુદ્ધિનો પ્રશ્ન બહુ તીવ્ર રીતે મુકાયો. 1956 માં Dartmouth ના workshop માં 'Artificial Intelligence' શબ્દ પડ્યો, અને AI સંશોધનના ક્ષેત્ર તરીકે જન્મ્યું.
પછીનાં વર્ષોમાં ભારે ઉત્સાહ રહ્યો: શરૂઆતના programs રમતો રમતા અને તર્કના કોયડા ઉકેલતા, અને સંશોધકોએ ભાખ્યું કે માણસ જેટલી બુદ્ધિવાળું AI હવે નજીક જ છે. એ ઉત્સાહ વાસ્તવિકતાથી ઘણો આગળ નીકળી ગયો; સમસ્યાઓ ધારણા કરતાં ઘણી અઘરી નીકળી, અને એમાંથી જ પછીની નિરાશાઓનો પાયો નંખાયો. ઉત્સાહ સહેલો છે; સર્વસામાન્ય બુદ્ધિ ખરેખર બનાવવી બહુ અઘરી નીકળી.
Theory
શિયાળા, પછી data થી ચાલેલી તેજી
પ્રગતિ મોટાં વચનોથી ઘણી પાછળ રહી, ત્યારે ભંડોળ અને રસ સુકાઈ ગયાં, અને એ ગાળા AI winters કહેવાયા (ખાસ કરીને 1970 ના દાયકામાં અને 1980 ના દાયકાના અંતમાં). AI ને સફળતાઓ મળી પણ ખરી; expert systems (નિયમો પર ચાલતા programs) 1980 ના દાયકામાં ધંધાદારી રીતે વપરાયાં, અને 1997 માં એક computer એ વિશ્વના chess ચેમ્પિયનને હરાવ્યો, પણ એકંદરે પ્રગતિ ધીમી હતી.
ખરો પલટો 2010 ના દાયકાથી આવ્યો. પ્રચંડ જથ્થામાં data અને શક્તિશાળી computing (GPUs) આવતાં machine learning અને ખાસ કરીને deep learning એ ચિત્રો ઓળખવામાં, વાણી સમજવામાં અને ભાષા સંભાળવામાં મોટી સફળતાઓ મેળવી. Data થી ચાલેલા આ મોજામાંથી જ આજે આપણે વાપરીએ છીએ એ સક્ષમ AI નીકળ્યું. ઇતિહાસનો પાઠ એ છે કે પ્રગતિ ધૂમધામમાંથી નહીં પણ data તથા computing છેવટે વિચારોની બરાબરી કરી શક્યાં એમાંથી આવી.
Quiz
કૃત્રિમ બુદ્ધિના ઇતિહાસમાં 'AI winters' એટલે શું હતું?
- ઠંડા હવામાનમાં AI સૌથી સારું ચાલતું એ ગાળા
- એવા ગાળા જ્યારે AI ની પ્રગતિ એનાં મોટાં વચનોથી પાછળ રહી અને ભંડોળ તથા રસ ઘટી ગયાં
- AI ની શોધ પહેલી વાર થઈ એ વર્ષો
- એક પ્રકારનું AI hardware
Show the answer
એવા ગાળા જ્યારે AI ની પ્રગતિ એનાં મોટાં વચનોથી પાછળ રહી અને ભંડોળ તથા રસ ઘટી ગયાં
AI winters એટલે એવા ગાળા (ખાસ કરીને 1970 ના દાયકામાં અને 1980 ના દાયકાના અંતમાં) જ્યારે AI માં ભંડોળ અને રસ સુકાઈ ગયાં, કારણ કે અગાઉ અપાયેલાં મહત્ત્વાકાંક્ષી વચનોથી પ્રગતિ ઘણી પાછળ રહી ગઈ હતી; અતિ ઉત્સાહ કઠોર વાસ્તવિકતાને અથડાયો પછી આખું ક્ષેત્ર ઠંડું પડી ગયું. વિકલ્પ A શબ્દશઃ ખોટું વાંચે છે; અહીં 'શિયાળો' એ મંદી માટેનું રૂપક છે, હવામાન નહીં. વિકલ્પ C ખોટો છે: AI ની સ્થાપના 1956 માં થઈ (Dartmouth નો workshop), જે શરૂઆત હતી, શિયાળો નહીં. વિકલ્પ D ખોટો છે: AI winter એ મંદીનો ગાળો છે, hardware નહીં. આ શિયાળા કાયમી પાઠ આપે છે: પરિણામોથી આગળ નીકળી જતી ધૂમધામ નિરાશા લાવે છે, અને ખરી પ્રગતિ પછી આવી, જ્યારે data તથા computing ની તાકાત બરાબરી કરી શકી.
Think first
ધૂમધામ અને શિયાળાનો AI નો ઇતિહાસ આજના AI વિશે શું શીખવે છે?
અત્યારની AI ની તેજી વિશે વિચારતી વખતે AI winters જાણવાનું શું કામ? વિચારીને પછી tap કરો.
Show the answer
કારણ કે એ કીમતી સમતોલપણું શીખવે છે: AI ની ખરી ક્ષમતાઓ ખરેખર પરિવર્તન લાવી શકે છે, પણ મોટાં વચનો વારંવાર વાસ્તવિકતાથી આગળ નીકળી ગયાં છે, એટલે AI ખરેખર જે આપે છે એનાથી રાજી થવું જોઈએ અને સાથે વધારે પડતી ધૂમધામ સામે શંકાશીલ પણ રહેવું જોઈએ.
AI ના ઇતિહાસની લઢણ ધ્યાન ખેંચે એવી અને વારંવારની છે: ઉત્સાહનું મોજું અને ભવ્ય આગાહીઓ (માણસ જેટલી બુદ્ધિવાળું AI 'એક દાયકામાં'), પછી કઠોર વાસ્તવિકતા સામે નિરાશા, પછી ભંડોળ તથા રસ ઘટવાનો શિયાળો, અને પછી, ઘણા સમય પછી, અગાઉની ધૂમધામમાંથી નહીં પણ નક્કર પ્રગતિમાંથી (જેમ કે વધુ data અને computing ની તાકાત) આવતી ખરી પ્રગતિ.
આ જાણવાથી તમે અત્યારની તેજીના વધુ સમજદાર નિરીક્ષક બનો છો. એક બાજુ, આજની પ્રગતિ ખરી અને નક્કર છે; deep learning એ ચિત્રો, વાણી અને ભાષાનાં કામોમાં ખરેખર ક્રાંતિ કરી છે, જે મોટા data અને શક્તિશાળી hardware ને આભારી છે, એટલે આ ફક્ત વધુ એક પોકળ ધૂમધામનું ચક્ર નથી; અહીં નક્કર અને ઉપયોગી પરિણામો છે.
બીજી બાજુ, ઇતિહાસ ચેતવે છે કે દરેક ભપકાદાર દાવો માની ન લેવો: 'AI' નું લેબલ લગાડેલી દરેક વસ્તુ એની જાહેરાત જેટલી ઊતરતી નથી, નજીકના ભવિષ્યમાં સર્વસામાન્ય બુદ્ધિ આવવાની આગાહીઓ અગાઉ ઘણી વાર ખોટી પડી છે, અને આત્મવિશ્વાસભરી આગાહીઓની ચકાસણી થવી જ જોઈએ.
તંદુરસ્ત વલણ એ છે કે AI ને એની આસપાસના ભભકાદાર શબ્દોથી નહીં પણ એ સાબિત કરીને શું કરી શકે છે એનાથી તોળવું, અને આ વિષય બરાબર એ જ ધૂમધામ વગરનું વલણ કેળવવા કહે છે. એટલે તેજી અને શિયાળાનો AI નો ઇતિહાસ ફક્ત પાર્શ્વભૂમિની માહિતી નથી; એ પગ જમીન પર રાખવાની વ્યવહારુ માર્ગદર્શિકા છે: ખરી પ્રગતિની કદર કરો, એ જેમાં સારું છે એ કામમાં એને વાપરો, અને સાવ સાર્વત્રિક વચનોને સમજપૂર્વકની સાવચેતીથી લો. ઇતિહાસમાંથી શીખેલી શંકાથી માપસર થયેલો ઉત્સાહ, એ જ AI વિશે વિચારવાની સમજદાર રીત છે.
Summary
Key takeaways
- AI દાયકાઓ જૂનું ક્ષેત્ર છે, જેનો ઇતિહાસ ઊંચે ચડતી આશાઓ અને આકરી નિરાશાઓથી ભરેલો છે.
- 1950: Turing એ યંત્રની બુદ્ધિ માટેની પોતાની કસોટી સૂચવી; 1956: Dartmouth ના workshop માં 'Artificial Intelligence' શબ્દ પડ્યો.
- શરૂઆતનો ઉત્સાહ વાસ્તવિકતાથી આગળ નીકળી ગયો, કારણ કે સમસ્યાઓ ધારણા કરતાં ઘણી અઘરી નીકળી.
- AI winters (1970 નો દાયકો, 1980 ના દાયકાનો અંત) એટલે એવા ગાળા જ્યારે પ્રગતિ વચનોથી પાછળ રહી અને ભંડોળ તથા રસ ઘટી ગયાં.
- સફળતાઓ પણ મળી: 1980 ના દાયકામાં expert systems, અને 1997 માં computer એ chess ચેમ્પિયનને હરાવ્યો.
- 2010 ના દાયકાથી મોટા data અને શક્તિશાળી computing એ machine learning તથા deep learning ને એવી સફળતાઓ અપાવી જેના પર આજનું AI ઊભું છે.
- યાદ રાખવાની કડી: 1956 માં નામ પડ્યું, AI winters માં ઠંડું પડ્યું, અને data તથા computing બરાબરી કરી શક્યાં ત્યારે હમણાં તેજી આવી.