Pages

Monday, December 20, 2021

ಕಟ್ಟುಜಾಣ್ಮೆಯ ಕತೆ- ೧


 "ಪ್ರಕೃತಿಯಲ್ಲಿ ಮಾನವ ಅತ್ಯಂತ ಬುದ್ದಿವಂತ ಪ್ರಾಣಿ" ಎಂದು ಹದಿನೈದಿಪ್ಪತ್ತು ವರ್ಷಗಳ ಹಿಂದೆ ಕನ್ನಡ ಶಾಲೆಯಲ್ಲಿ ಕೇಳಿದ ಪಾಠ ಕೌತುಕವನ್ನು ಕಳೆದುಕೊಂಡು ಸಮಯ ಸುಮಾರಷ್ಟು ಸಂದಿದೆ. ಒಂದು ಕಾಲದಲ್ಲಿ ಅತೀಂದ್ರಿಯ ಎಂಬಂತಿದ್ದ ಸಂಗತಿಗಳು ಇಂದು ಅಚ್ಚರಿಯ ಸಂಗತಿಗಳೇನಲ್ಲ. ಇದು ಕೃತಕ ಬುದ್ದಿಮತ್ತೆಯ ಕಾಲಘಟ್ಟ. ಮುಂದಿನ ನಾಗರಿಕತೆ ರೂಪುಗೊಳ್ಳುವುದು ಕೃತಕ ಬುದ್ದಿಮತ್ತೆಯ ಆಧಾರದಲ್ಲಿ ಎಂಬ ಸಂಶಯ ಇಂದು ಯಾರಲ್ಲೂ ಉಳಿದಿಲ್ಲ. ಇಂದು ಜನಜೀವನ ಪ್ರತ್ಯಕ್ಷವಾಗಿ ಅಥವಾ ಪರೋಕ್ಷವಾಗಿ ಒಂದಲ್ಲಾ ಒಂದು ರೀತಿಯಲ್ಲಿ ಕೃತಕ ಬುದ್ದಿಮತ್ತೆಯ ಜೀವನವಾಗಿಬಿಟ್ಟಿದೆ. ಮುಂದಿನ ದಿನಗಳು ಅದು ಮನುಷ್ಯ ಬದುಕನ್ನು ಇನ್ನಷ್ಟು ಆವರಿಸಿಕೊಳ್ಳುವ ಎಲ್ಲಾ ಸಾಧ್ಯತೆಗಳನ್ನು ನಾವಿಂದು ನಿಚ್ಚಳವಾಗಿ ಕಾಣುತ್ತಿದ್ದೇವೆ. ಹಾಗಾದರೆ ಇನ್ನು ಸಾವಿರ ವರ್ಷದ ಮಾನವೇತಿಹಾಸದ ಕಥೆ ಅಥವಾ ನಾಗರಿಕತೆಯ ಕಥೆ ಹೇಗಿರಬಹುದು? ಪಾಶ್ಚಾತ್ಯ ತತ್ವಶಾಸ್ತ್ರ ಕಾಲಗಳೆದಂತೆ ನಾಗರಿಕತೆ ವಿಕಾಸಗೊಳ್ಳುತ್ತದೆ ಅನ್ನುತ್ತವೆ. ಅದೇ ಭಾರತೀಯ ಶಾಸ್ತ್ರಗಳ ಪ್ರಕಾರ ನಾಗರಿಕತೆಯು ಸಮಯ ಸರಿದಂತೆ ಹ್ರಾಸಗೊಳ್ಳುತ್ತದಂತೆ.

ಈಚಿನ ದಿನಗಳಲ್ಲಿ ವ್ಯಾಪಕ ಚರ್ಚೆಗೆ ಗ್ರಾಸವಾಗಿರುವ ಹೊಸ ವಿಷಯಗಳ ಪೈಕಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಕೂಡ ಒಂದು. ಇದನ್ನು ಅಚ್ಚಕನ್ನಡದಲ್ಲಿ ’ಕಟ್ಟುಜಾಣ್ಮೆ’ ಎನ್ನಬಹುದು. ಕಲಿಯುವ ಮತ್ತು ಕಲಿತದ್ದನ್ನು ಸರಿಯಾಗಿ ಬಳಸುವ ಅಳವೇ ಜಾಣ್ಮೆ. ಮನುಷ್ಯ ಅಥವಾ ಇತರ ಪ್ರಾಣಿಗಳಲ್ಲಿ ಸಹಜವಾಗಿ ಕಂಡುಬರುವ ಈ ಸಾಮರ್ಥ್ಯವನ್ನು ’ಹುಟ್ಟು ಜಾಣ್ಮೆ’ ಎಂದರೆ ಮನುಷ್ಯರು ತಯಾರಿಸಿದ ಯಂತ್ರಗಳು ತೋರುವ ಇಂಥಹದ್ದೇ ಅನುಕರಣೆಯನ್ನು ’ಕಟ್ಟುಜಾಣ್ಮೆ’ ಎನ್ನಬಹುದು. ಬೇರೆಬೇರೆ ಸಂದರ್ಭಗಳಿಗೆ ಬೇರೆ ರೀತಿಯಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸುವ  ಮನುಷ್ಯನ ಸಾಮರ್ಥ್ಯವನ್ನು ಯಂತ್ರಗಳಲ್ಲೂ ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಉದ್ದೇಶ ವಿಜ್ಞಾನದ ಈ ಶಾಖೆಯದ್ದು. ಯತ್ರವೊಂದು ಜಾಣನೆನಿಸಿಕೊಳ್ಳಲು ಅದಕ್ಕೆ ತನ್ನ ಸುತ್ತಲನ್ನು ಅರಿತು ಅದರಂತೆ ನಡೆದು ಗುರಿಮುಟ್ಟುವ ಹೊಳಹು ಇರಬೇಕು. ಚಾಲಕನಿಲ್ಲದೇ ಓಡುವ ಕಾರು ರಸ್ತೆಯಲ್ಲಿ ನಿಂತಿರುವ ಇಲ್ಲವೇ ಎದುರಿಂದ ಬರುವ ವಾಹನಗಳನ್ನು ಗುರುತಿಸಿ ಅವುಗಳಿಗೆ ಡಿಕ್ಕಿ ಹೊಡೆಯದೇ ಇರಲು ಅದಕ್ಕೆ ಜಾಣ್ಮೆ ಬೇಕು. ಇಂಥ ’ತಾನೋಡುವ ಬಂಡಿ’ ಕಟ್ಟುಜಾಣ್ಮೆಗೊಂದು ಉದಾಹರಣೆ. ಇಂತಹ ಬೆಳವಣಿಗೆಗಳ ದೆಸೆಯಿಂದ ನಮ್ಮ ಅನೇಕ ಕೆಲಸಗಳು ಮುಂದೆ ಇನ್ನೂ ಸುಲಭವಾಗಲಿವೆ ಎನ್ನುವುದರಿಂದ ಪ್ರಾರಂಭಿಸಿ ಇದು ನಮ್ಮ ಕೆಲಸಗಳನ್ನೆಲ್ಲ ಕಿತ್ತುಕೊಂಡು ಮನುಷ್ಯರ ಶತ್ರುವಾಗಿ ಬೆಳೆಯಲಿದೆ ಎನ್ನುವವರೆಗೆ ಹಲವು ಅಭಿಪ್ರಾಯಗಳನ್ನು ನಾವು ಕೇಳಬಹುದು. ಮಾನವನ ಬುದ್ಧಿಶಕ್ತಿಯಿಂದಲೇ ಜನ್ಮತಾಳಿದ ಈ ಕಟ್ಟುಜಾಣ್ಮೆಯ ಚಳಕ ಈಗ ಮಾನವನಿಗೇ ಸವಾಲೆಸೆಯುತ್ತಿದೆ. ಮುಂದಿನ 15 ವರ್ಷಗಳಲ್ಲಿ ಇದು ಮನುಷ್ಯನ ಬುದ್ಧಿಶಕ್ತಿ ಸಾಮರ್ಥ್ಯವನ್ನು ಮೀರಿಸುತ್ತದೆ. ಇನ್ನು 100 ವರ್ಷಗಳಲ್ಲಿ ವಿಶ್ವದ ಒಟ್ಟಾರೆ ಜನರ ಬುದ್ಧಿಶಕ್ತಿಯನ್ನು ಒಟ್ಟುಗೂಡಿಸಿದರೂ ಇದಕ್ಕೆ ಸರಿಸಾಟಿಯಾಗಲಾರದು ಎಂದು ಬಲ್ಲಿದರು ಎಚ್ಚರಿಸುತ್ತಿದ್ದಾರೆ.!! 

ಅಷ್ಟಕ್ಕೂ, ಯಂತ್ರಗಳಲ್ಲಿ ಬುದ್ಧಿಮತ್ತೆ ಬೆಳೆಸುವುದು ಎಂದರೇನು? ಮೇಷ್ಟ್ರು ನಮಗೆಲ್ಲ ಪಾಠ ಹೇಳಿ ಬೆಳೆಸಿದಂತೆ ಯಂತ್ರಗಳಿಗೂ ಪಾಠ ಹೇಳಿಕೊಡುವುದು ಸಾಧ್ಯವೇ? ಈ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರ ಹೇಳುವ ಪರಿಕಲ್ಪನೆಯೇ ಯಂತ್ರ ಕಲಿಕೆ(ಮಶೀನ್ ಲರ್ನಿಂಗ್). ಯಂತ್ರಗಳು ಬುದ್ಧಿವಂತರೆಂದು ಕರೆಸಿಕೊಳ್ಳಬೇಕಾದರೆ ಅವು ಹೊಸ ಸಂಗತಿಗಳನ್ನು ಕಲಿಯುತ್ತಿರಬೇಕು ಎನ್ನುವುದು ಈ ಪರಿಕಲ್ಪನೆಯ ಮೂಲಮಂತ್ರ. ಹೀಗೆ ಮಾಡುವುದರಿಂದ ಯಂತ್ರಗಳು ಮನುಷ್ಯರನ್ನು ಅನುಕರಿಸುವುದು, ಮನುಷ್ಯ ಸ್ವಭಾವಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಎನ್ನುವುದು ಇದರ ಉದ್ದೇಶ.

ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ ಇದು ಕೇವಲ ಒಂದು ಹಮ್ಮುಗೆ(ಪ್ರೋಗ್ರಾಮ್). ಆದರೆ, ಇದು ಇಷ್ಟಕ್ಕೇ ಸೀಮಿತವಾಗಿದ್ದರೆ ಇದರ ಬಗ್ಗೆ ಹೆಚ್ಚು ಚರ್ಚಿಸುವ ಅವಶ್ಯಕತೆ ಇರುತ್ತಿರಲಿಲ್ಲ. ಆದರೆ, ಇದು ಸಾಮಾನ್ಯ ಹಮ್ಮುಗೆಯಲ್ಲ. ಪರಿಸ್ಥಿತಿಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ತಾನೇ ನಿರ್ಣಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಹಮ್ಮುಗೆ! ಎಣ್ಣುಕಗಳು(ಕಂಪ್ಯೂಟರು) ಕೆಲಸಮಾಡುವುದೇನಿದ್ದರೂ ಹಮ್ಮುಗೆಗಳು ಹೇಳಿದ್ದನ್ನು ಚಾಚೂತಪ್ಪದೆ ಪಾಲಿಸುವುದನ್ನು ಮಾತ್ರವೇ. ತಮ್ಮ ಕಾರ್ಯಾಚರಣೆಯ ಅವಧಿಯಲ್ಲಿ ಕಂಪ್ಯೂಟರುಗಳು ನೂರೆಂಟು ಬಗೆಯ ತಿಳಿಹ(ಡೇಟಾ)ಗಳನ್ನು ಸಂಸ್ಕರಿಸುತ್ತವಲ್ಲ, ಅದನ್ನೆಲ್ಲ ನಾವು ಹೇಳಿದಂತೆ ಸಂಸ್ಕರಿಸುತ್ತಾ ಹೋಗುವ ಬದಲಿಗೆ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಪ್ರಯತ್ನಿಸಿದರೆ? ಮುಂದಿನ ಬಾರಿ ನಾವು ಕೇಳದೆಯೇ ನಮಗೆ ಬೇಕಾದ ಮಾಹಿತಿಯನ್ನು ನೀಡಿಬಿಡಬಹುದು ಅಲ್ಲವೇ? ಕಟ್ಟುಜಾಣ್ಮೆಯ ಪರಿಕಲ್ಪನೆ ಹೇಳುವುದೂ ಇದನ್ನೇ. 

 ಕಟ್ಟುಜಾಣ್ಮೆಯ ಗುರಿ ಸಾಧಾರಣವಾಗಿ ಮನುಷ್ಯನಿಗೆ ತೊಡಕೆಂದು ಎಣಿಸಲಾಗುವ ಸಮಸ್ಯೆಗಳನ್ನು ಬಿಡಿಸುವುದು. ಮಜದ ಸಂಗತಿಯೆಂದರೆ ಮನುಷ್ಯನಿಗೆ ತೀರ ಸುಲಭದ ಕೆಲಸಗಳು ಕಂಪ್ಯೂಟರಿಗೆ ಬಲುಕಷ್ಟ. ಎದುರಿನಲ್ಲಿರುವ ವ್ಯಕ್ತಿ ಯಾರು ಅಥವಾ ಕೊಟ್ಟ ಚಿತ್ರದಲ್ಲಿ ಅವನಿದ್ದಾನೋ ಇಲ್ಲವೋ ಎಂಬುದಕ್ಕೆಲ್ಲ ತಡವಿಲ್ಲದೇ ಮನುಷ್ಯ ಉತ್ತರಿಸಬಲ್ಲ. ಆದರೆ ಹಮ್ಮುಗೆಗಳಿಗೆ ಅದು ಕಷ್ಟ. ಹಾಗೆಂದು ನಾವು ಕಲಿಯಲು ಕಷ್ಟವೆನಿಸುವ ಚೆಸ್ ಆಟವನ್ನು ಕಂಪ್ಯೂಟರ್ ಒಂದು ನಮಗಿಂತ ಬೇಗ ಕಲಿಯಬಲ್ಲುದು. ಇದಕ್ಕೊಂದು ಕಾರಣವೂ ಇದೆಯೆನ್ನಿ. ಚೆಸ್ ಒಂದು ನಿರ್ದಿಷ್ಟ ನಿಯಮಗಳಿಗೆ ಒಳಪಟ್ಟ ಆಟ. ಆ ನಿಯಮಗಳಡಿ ಇಡುವ ಪ್ರತಿಯೊಂದು ಚಲನೆಗೂ ಒಂದಿಷ್ಟು ಚೌಕಟ್ಟುಗಳಿರುತ್ತವೆ. ಕಾಯಿಯೊಂದನ್ನು ಮುಂದಡಿಯಿಡುವುದು ಹೇಗೆ, ಎಷ್ಟು ಬಗೆಗಳಲ್ಲಿ ಮುಂದಿನ ಆಟವನ್ನು ಆಡಬಹುದು, ಚೆಕ್ ಕೊಡುವುದು ಹೇಗೆ, ರಕ್ಷಣೆ ಮಾಡಿಕೊಳ್ಳುವುದು ಹೇಗೆ ಇವೆಲ್ಲ ಒಂದಿಷ್ಟು ನಿಯಮಗಳ ಅನುಸಾರ ಜರುಗಬೇಕು. ಕಂಪ್ಯೂಟರ್ ನಿಯಮಗಳ ಕಟ್ಟುಪಾಡಿನಲ್ಲಿ ಕೆಲಸಮಾಡುವ ಪೆರ್ಚೂಟಿ(ಮಶಿನ್). ಹಾಗಾಗಿ ಇಂಥ ನಿಯಮಗಳನ್ನು ಹಮ್ಮುಗೆಗೆ ಅಳವಡಿಸಿದರೆ ಅಂಥವುಗಳನ್ನು ಅದು ಬಹುಬೇಗ ಕಲಿತು ಜಾಣ್ಮೆಯನ್ನು ತೋರುತ್ತದೆ. ಈ ಥರದ ಜಾಣ್ಮೆಯನ್ನು ತೋರುಜಾಣ್ಮೆ(ಸಿಂಬಾಲಿಕ್ ಏಐ) ಎನ್ನುತ್ತಾರೆ. ಅದೇ ಇನ್ನೊಂದು ಉದಾಹರಣೆಯನ್ನು ಗಮನಿಸೋಣ. ಗುಂಪಿನಲ್ಲಿರುವ ನಿಮ್ಮ ಸ್ನೇಹಿತನನ್ನು ನೀವು ಪತ್ತೆಹಚ್ಚುವುದು ಅಥವಾ ಎಂದೋ ಭೇಟಿಯಾಗಿದ್ದ ಸಂಬಂಧಿಕರನ್ನು  ನೀವು ಗುರುತಿಸುವುದು ಹೇಗೆ? ಅವರ ಮುಖ ಅಥವಾ ಚರ್ಯೆಯನ್ನು ನೋಡಿ ಎಂದು ನೀವನ್ನಬಹುದು. ಆದರೆ ಹಾಗೆ ಗುರುತಿಸುವುದು ಹೇಗೆಂದು ಸ್ಪಷ್ಟವಾಗಿ ವಿವರಿಸಲು ಸಾಧ್ಯವೇ?! ಅದು ನಿಯಮಗಳಿಗೆ ನಿಲುಕದ ವಿಷಯ. ಹಾಗಾಗಿ ಅಂಥವನ್ನು ಕಂಪ್ಯೂಟರಿಗೆ ಕಲಿಸುವುದು ಚೆಸ್ಸಿನ ಉದಾಹರಣೆಗಿಂತ ಕಷ್ಟ.

ಈಚಿನ ದಿನಗಳಲ್ಲಿ ಹೆಚ್ಚು ಸುದ್ದಿಮಾಡಿದ್ದರೂ ಕೂಡ ’ಏ.ಐ’ತೀರಾ ಹೊಸದೇನಲ್ಲ. ಇದರ ಬಗ್ಗೆ ಮೊದಲು ಚರ್ಚೆಯಾದದ್ದು ೧೯೫೦ರ ದಶಕದಲ್ಲಿ. ಎಲ್ಐಎಸ್ಪಿ ಎನ್ನುವ ಹಮ್ಮುಗೆಯನುಡಿ(ಪ್ರೊಗ್ರಾಮಿಂಗ್ ಲಾಂಗ್ವೇಜ್) ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಜಾನ್ ಮೆಕ್ಕಾರ್ತಿ ಎನ್ನುವ ವಿಜ್ಞಾನಿ ಇದಕ್ಕೆ ‘ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟಲಿಜೆನ್ಸ್’ ಎಂಬ ಹೆಸರನ್ನು ಸೂಚಿಸಿದರು. ಐಬಿಎಂ ಸಂಸ್ಥೆಯ ಉದ್ಯೋಗಿ ಆರ್ಥರ್ ಲೀ ಸ್ಯಾಮ್ಯುಯೆಲ್ ಎಂಬಾತ ಯಂತ್ರಕಲಿಕೆ ಎಂಬ ಕಲ್ಪನೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ. ತನ್ನದೇ ಹಿಂದಿನ ಅನುಭವಗಳ ಮೂಲಕ ತಾನು ಮಾಡುವ ಕೆಲಸವನ್ನು ಇನ್ನಷ್ಟು ಪಕ್ವಗೊಳಿಸುವ, ತನ್ನ ಗೇಯ್ಮೆ(ಎಫಿಶಿಯನ್ಸಿ)ಯನ್ನು ತಾನೇ ಹೆಚ್ಚಿಸಿಕೊಳ್ಳುವ ಎಣಿವರಸೆ(ಅಲ್ಗೋರಿದಂ)ಯನ್ನು ಮಶಿನ್ ಲರ್ನಿಂಗ್ ಎನ್ನಲಾಗುತ್ತದೆ. ಆಗಲಿಂದಲೇ ಇವೆರಡೂ ಪರಿಕಲ್ಪನೆಗಳು ಅಲ್ಲಲ್ಲಿ ಒಂದಕ್ಕೊಂದು ಸಂವಾದಿಯಾಗಿ ಬಳಕೆಯಾಗುತ್ತ ಬಂದಿದೆ. ಈಚಿನ ದಿನಗಳಲ್ಲಿ ಇದು ಇನ್ನಷ್ಟು ವಿಸ್ತಾರವಾಗಿ ಬೆಳೆದಿದೆ, ಇನ್ನಷ್ಟು ವ್ಯಾಪಕವಾಗಿ ಬೆಳೆದಿದೆ. 

ಕಟ್ಟುಜಾಣ್ಮೆ ಮೊದಲು ಪ್ರಚಲಿತವಾಗಿದ್ದು ಚೆಸ್ಸಿನಿಂದ!! ಮಾನವನನ್ನು ಬಿಟ್ಟರೆ ಇತರರಿಂದ ಚೆಸ್ ಆಡಲು ಸಾಧ್ಯವೇ ಇಲ್ಲ ಎನ್ನುವ ಕಾಲದಲ್ಲಿ ಐಬಿಎಂನ ’ಡೀಪ್ ಬ್ಲೂ’ ಸೂಪರ್ ಕಂಪ್ಯೂಟರ್ ಕಟ್ಟುಜಾಣ್ಮೆಯ ಚಳಕದಿಂದ ವಿಶ್ವ ಚೆಸ್ ಚಾಂಪಿಯನ್ ಆಗಿದ್ದ ಗ್ಯಾರಿ ಕಾಸ್ಪೆರೆಸೊ ಅವರನ್ನು ಸೋಲಿಸಿತು. ಈ ಘಟನೆ ನಂತರ ಕಟ್ಟುಜಾಣ್ಮೆಯ ಶಕ್ತಿ ಏನೆಂಬುದು ವಿಶ್ವಕ್ಕೆ ತಿಳಿಯಿತು.!! ಇಂದು ಈ ತಂತ್ರಜ್ಞಾನ ನಮಗೆ ಅರಿವಿಲ್ಲದಂತೆಯೇ ನಮ್ಮ ಜೀವನದಲ್ಲಿ ಹಾಸುಹೊಕ್ಕಾಗಿದೆ.!! ನಮ್ಮ ಆಲೋಚನೆಗಳನ್ನು ಗ್ರಹಿಸಿ ಅದಕ್ಕೆ ಅನುಗುಣವಾದ ಕೆಲಸಗಳನ್ನು ಮಾಡುತ್ತಿರುವ ಇವೆಲ್ಲಾ ಕಟ್ಟುಜಾಣ್ಮೆಯ ರೂಪಗಳೇ. ಹೀಗೆ ನಮಗೆ ಅರಿವಿಲ್ಲದಂತೆ ಇದು ನಮ್ಮ ಜೀವನಕ್ಕೆ ಕಾಲಿಟ್ಟಿದೆ. ಯಾವುದಾದರೂ ಮಾಹಿತಿಗಾಗಿ ಗೂಗಲ್ನಲ್ಲಿ ಎರಡು ಅಕ್ಷರಗಳನ್ನು ಟೈಪ್ ಮಾಡುತ್ತಿದ್ದಂತೇ ನಾವು ಏನು ಹುಡುಕಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದೇವೆ ಎಂದು ಊಹಿಸಿಸುವುದು ಇದರಿಂದಲೇ.!! ಹಿಂದಿನ ಕ್ರಿಕೆಟ್ ಪಂದ್ಯಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ತಿಳಿಹಗಳನ್ನು ವಿವರವಾಗಿ ವಿಶ್ಲೇಷಿಸಿ ತಂತ್ರಾಂಶವೇ ಇಂದಿನ ಮ್ಯಾಚಿನ ಫಲಿತಾಂಶವನ್ನು ಊಹಿಸುವುದು, ನಾವು ಯಾವ ಇಮೇಲ್ ಸಂದೇಶಗಳನ್ನು ರದ್ದಿ ಎಂದು ಗುರುತಿಸುತ್ತೇವೆ ಎನ್ನುವುದನ್ನು ಗಮನಿಸಿಕೊಂಡು ಮುಂದಿನಬಾರಿ ಅಂತಹ ಸಂದೇಶಗಳನ್ನು ತಾನೇ ವರ್ಗೀಕರಿಸುವುದು, ಜಾಲದಲ್ಲಿ ನಾವು ಮೆಚ್ಚುವ ಪೋಸ್ಟುಗಳನ್ನು ಗಮನಿಸಿ ಅಂಥದ್ದೇ ಇನ್ನಷ್ಟನ್ನು ತೋರಿಸುವುದು, ಆನ್ಲೈನ್ ಅಂಗಡಿಗಳಲ್ಲಿ ನಮಗೆ ಯಾವ ಸಾಮಗ್ರಿ ಇಷ್ಟವಾಗಬಹುದು ಎಂದು ಪಟ್ಟಿಮಾಡುವುದೆಲ್ಲ ಇದೀಗ ಸಾಧ್ಯವಾಗಿದೆಯಲ್ಲ, ಇವೆಲ್ಲ ಯಂತ್ರಕಲಿಕೆಯದ್ದೇ ಫಲಿತಾಂಶಗಳು. ಧ್ವನಿರೂಪದ ಆದೇಶಗಳನ್ನು ಪಡೆದುಕೊಂಡು ಪ್ರತಿಕ್ರಿಯೆ ನೀಡುವ ಅಮೆಜಾನ್ ಅಲೆಕ್ಸಾ, ಗೂಗಲ್ ಅಸಿಸ್ಟೆಂಟ್ ಮುಂತಾದ ಸೌಲಭ್ಯಗಳೂ ತಮ್ಮ ಕಾರ್ಯನಿರ್ವಹಣೆಯನ್ನು ಉತ್ತಮಪಡಿಸಿಕೊಳ್ಳಲು ಯಂತ್ರಕಲಿಕೆಯ ಪರಿಕಲ್ಪನೆಯನ್ನು ಬಳಸುತ್ತವೆ.

ಯಂತ್ರಗಳು ಈ ಕೆಲಸಗಳನ್ನೆಲ್ಲ ಮಾಡುತ್ತವೆ ಎಂದಮಾತ್ರಕ್ಕೆ ಇವೆಲ್ಲ ತನ್ನಷ್ಟಕ್ಕೆ ತಾನೇ ಆಗುವ ಕೆಲಸಗಳೇನಲ್ಲ. ಇಷ್ಟೆಲ್ಲ ಬುದ್ಧಿ ಉಪಯೋಗಿಸಲಿಕ್ಕೆ ಅವಕ್ಕೆ ಹೇಳಿಕೊಡುವುದು ಹಮ್ಮುಗೆಗಳೇ. ಕೆಲಸ ಮಾಡುವುದು ಹೇಗೆ ಎನ್ನುವುದರ ಬದಲಿಗೆ ಮಾಡಬೇಕಾದ ಕೆಲಸವನ್ನು ಕಲಿಯುವುದು ಹೇಗೆಂದು ಹೇಳಿಕೊಡುವುದು ಈ ಹಮ್ಮುಗೆಗಳ ವೈಶಿಷ್ಟ್ಯ. ಮಕ್ಕಳು ಚಿಕ್ಕವಯಸ್ಸಿನಲ್ಲಿ ಪ್ರಾರಂಭಿಸಿ ಹಂತಹಂತವಾಗಿ ಹೊಸ ಸಂಗತಿಗಳನ್ನು ಕಲಿಯುತ್ತಾರಲ್ಲ, ಇದು ಕೂಡ ಅಷ್ಟೇ ಸಂಕೀರ್ಣವಾದ ಪ್ರಕ್ರಿಯೆ. ತಂತ್ರಾಂಶಕ್ಕೆ ಇದನ್ನೆಲ್ಲ ಹೇಳಿಕೊಡುವುದು ಯಂತ್ರಕಲಿಕೆಯ ಎಣಿವರಸೆಗಳ ಕೆಲಸ. ಈ ಎಣಿವರಸೆಗಳಿಗೆ ಮಾದರಿ ದತ್ತಾಂಶವನ್ನು ಊಡಿಸಿ ತರಬೇತುಗೊಳಿಸಿದಾಗ ಸಿಗುವುದೇ ಯಂತ್ರಕಲಿಕಾ ಮಾದರಿ. ಮೇಲಿನ ಉದಾಹರಣೆಗಳಲ್ಲಿನ ದತ್ತಾಂಶವನ್ನು ತೆಗೆದುಕೊಂಡು, ಅದನ್ನು ವಿಶ್ಲೇಷಿಸಿ ಅಪೇಕ್ಷಿತ ರೂಪದ ಫಲಿತಾಂಶ ನೀಡುವುದು ಈ ಮಾದರಿಗಳೇ. ಇತರ ತಂತ್ರಾಂಶಗಳಂತೆ ಇವನ್ನೂ ನಿರ್ದಿಷ್ಟ ಹಮ್ಮುಗೆಯನುಡಿಗಳನ್ನು ಬಳಸಿ ಬರೆದಿರುತ್ತಾರೆ. ಅಂಥ ನುಡಿಗಳಲ್ಲಿ ಆರ್ ಹಾಗೂ ಪೈಥನ್ ಪ್ರಮುಖವಾದವು.

ಯಂತ್ರಗಳನ್ನು ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವಂತೆ ವಿನ್ಯಾಸಗೊಳಿಸಿರುತ್ತಾರೆ. ಅಷ್ಟನ್ನು ಅವು ಸಮರ್ಥವಾಗಿ ನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದೇನೋ ನಿಜ. ಅದೇ, ಈವರೆಗೆ ಗೊತ್ತಿರದ ಒಂದು ಸಮಸ್ಯೆಯನ್ನು ಅವುಗಳಿಗೆ ನೀಡಿದರೆ? ಅಂಥವುಗಳಿಗೆ ಯಂತ್ರಗಳು ಪ್ರತಿಕ್ರಿಯಿಸಲಾಗುವುದಿಲ್ಲ ಅಲ್ಲವೇ! ಹಾಗಾದರೆ ಯಂತ್ರಗಳೇ ಸ್ವತಃ ಆಲೋಚಿಸಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವಂತೆ ಮಾಡುವುದು ಹೇಗೆ ಎಂಬ ಪ್ರಶ್ನೆ ಬಹಳ ಕಾಲದಿಂದಲೂ ಮನುಷ್ಯನನ್ನು ಕಾಡಿದ್ದಿದೆ. ಆ ಸಮಸ್ಯೆಗೆ ಉತ್ತರ ಕಂಡುಕೊಳ್ಳಲು ಹುಟ್ಟಿದ ಕ್ಷೇತ್ರವೇ ಏಐ. ಈ ಕಲ್ಪನೆಯೇನೋ ಸುಮಾರು ಹಿಂದೆಯೇ ಹುಟ್ಟಿದ್ದರೂ ಏಐ ಎಂಬ ಪದಬಳಕೆ ಅಧಿಕೃತವಾಗಿ ಆರಂಭಗೊಂಡಿದ್ದು ೧೯೫೬ರಲ್ಲಿ ಡಾರ್ತ್‌ಮೌತ್ ಕಾಲೇಜಿನ ಆವರಣದಲ್ಲಿ ನಡೆದ ಸಮ್ಮೇಳನವೊಂದರಲ್ಲಿ. ಇದನ್ನು ಆಯೋಜಿಸಿದ್ದ ಜಾನ್ ಮೆಕಾರ್ಥಿ ಬುದ್ಧಿವಂತ ಯಂತ್ರಗಳನ್ನು ಸೃಷ್ಟಿಸುವ ವಿಜ್ಞಾನದ ಶಾಖೆಯಾಗಿ ಏಐಯನ್ನು ಪರಿಚಯಿಸಿದ. ಕ್ಲೌಡ್ ಶಾನನ್, ಮಾರ್ವಿನ್ ಮಿನ್‌ಸ್ಕಿ, ಅರ್ಥರ್ ಸ್ಯಾಮುಯೆಲ್, ಟ್ರೆನ್‌ಚಾರ್ಡ್ ಮೂರ್, ರೇ ಸೋಲೋಮೋನ್, ಆಲಿವರ್ ಸೆಲ್ಫ್ರಿಡ್, ಅಲೆನ್ ನವೆಲ್, ಹರ್ಬರ್ಟ್ ಸೈಮನ್ ಸೇರಿದಂತೆ ಹತ್ತು ಮಂದಿ ಚಿಂತಕರು ಇದರಲ್ಲಿ ಪಾಲ್ಗೊಂಡಿದ್ದರು. ಈ ಎಲ್ಲ ಮಹನೀಯರೂ ಮುಂದೆ ದಶಕಗಳ ಕಾಲ ಅಕ್ಷರಶಃ ಆ ಕ್ಷೇತ್ರವನ್ನು ಆಳಿದರೆಂದೇ ಹೇಳಬೇಕು. ಇದಕ್ಕೆಲ್ಲ ಅಡಿಪಾಯ ಹಾಕಿದ್ದು ಅಲನ್ ಟ್ಯುರಿಂಗಿನ ಟ್ಯುರಿಂಗ್ ಪರೀಕ್ಷೆ ಎಂಬ ಸಿದ್ಧಾಂತ. ಇತಿಹಾಸದುದ್ದಕ್ಕೂ ಕಟ್ಟುಜಾಣ್ಮೆಯನ್ನು ಪ್ರಮುಖವಾಗಿ ಗುರಿ(ಗೋಲ್) ಮತ್ತು ದಾರಿ(ಟೂಲ್) ಎಂಬೆರಡು ಭಾಗಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗುತ್ತದೆ. ಉಕ್ಕಾಳಿಕೆ(ರೊಬೋಟಿಕ್ಸ್) ಹಾಗೂ ಯಂತ್ರಕಲಿಕೆ ಮೊದಲ ಭಾಗವಾದರೆ, ತರ್ಕ ಹಾಗೂ ಮೆದುಳರಿಮೆ ಎರಡನೇ ಭಾಗವೆಂದು ಅಂದಾಜಿಸಬಹುದು. ಕಟ್ಟುಜಾಣ್ಮೆಯ ಕುರಿತಾದ ಸಂಶೋಧನೆಯನ್ನು ಮುಖ್ಯವಾಗಿ ಐದು ಅಂಶಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿ ಮಾಡಲಾಗುತ್ತಿದೆ. ಅವೆಂದರೆ ಕಲಿಕೆ, ತರ್ಕ, ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುವಿಕೆ, ಗ್ರಹಿಕೆ ಮತ್ತು ಭಾಷೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ. ಸಾಮಾನ್ಯ ಕಂಪ್ಯೂಟರುಗಳಿಗೂ ಈ ಕಟ್ಟುಜಾಣ್ಮೆಯ ಯಂತ್ರಗಳಿಗೂ ಏನು ವ್ಯತ್ಯಾಸವೆಂದರೆ ಇವು ಒಮ್ಮೆ ಮಾಡಿದ ತಪ್ಪುಗಳಿಂದ ಕಲಿಯುತ್ತವೆ. ಅಂದರೆ ಒಂದು ಚೆಸ್ ಆಟದ ಸಮಸ್ಯೆಯನ್ನು ನೀಡಿದಾಗ ಅದು ಚೆಕ್‌ಮೇಟ್ ಆಗುವವರೆಗೆ ಮನಬಂದಂತೆ ಆಡುತ್ತದೆ. ಆದರೆ ತನ್ನ ಹೆಜ್ಜೆಯನ್ನೆಲ್ಲ ನೆನಪಿಟ್ಟುಕೊಂಡಿದ್ದು, ಇನ್ನೊಮ್ಮೆ ಅದೇ ಸಮಸ್ಯೆಯನ್ನು ಅದಕ್ಕೆ ನೀಡಿದಾಗ, ತಕ್ಷಣ ಸುಲಭದ ಹಂತಗಳನ್ನು ಬಳಸುತ್ತದೆ. ಒಂದು ಕಾರ್ಯ ಅಥವಾ ಸಮಸ್ಯೆಯನ್ನು ನೀಡಿದಾಗ ಕಟ್ಟುಜಾಣ್ಮೆಯು ತರ್ಕಿಸಿ ಸುಸಂಬದ್ಧವಾದ ನಿರ್ಣಯಕ್ಕೆ ಬರುತ್ತದೆ. ಅಂಥ ನಿರ್ಣಯಕ್ಕೆ ಬರಲು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳು, ಗಣನಾಚಾತುರ್ಯ, ಸಂಕೇತಶಾಸ್ತ್ರವೇ ಇತ್ಯಾದಿ ವಿಧಾನಗಳನ್ನು ಅನುಸರಿಸಲಾಗುತ್ತದೆ.

ಜಾನ್ ಮೆಕಾರ್ಥಿ

ಮಾನವನ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ನಿಖರವಾಗಿ ವಿವರಿಸಿ ಅದನ್ನು ಅನುಸರಿಸುವ ಯಂತ್ರವೊಂದನ್ನು ತಯಾರಿಸಬಹುದು ಎಂಬ ಕಲ್ಪನೆಯ ಮೇಲೆ ಈ ಕ್ಷೇತ್ರವನ್ನು ಹುಟ್ಟುಹಾಕಲಾಯ್ತು. ೧೯೫೯ರಲ್ಲಾಗಲೇ ಮನುಷ್ಯನಿಗಿಂತ ಉತ್ತಮವಾಗಿ ಚಕ್ಕರ್(ಚೆಸ್‌ನಂಥ ಒಂದು ಆಟ) ಆಡುತ್ತಿದ್ದವೆಂದು ವರದಿಯಾಯಿತು. ಬೀಜಗಣಿತದ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವುದು, ತಾರ್ಕಿಕ ಪ್ರಮೇಯಗಳನ್ನು ಸಾಬೀತುಪಡಿಸುವುದು, ಇಂಗ್ಲೀಶ್ ಮಾತಾಡುವುದೇ ಮುಂತಾದ ಆವಿಷ್ಕಾರಗಳು ಹುಟ್ಟಿದ ಕೆಲವೇ ವರ್ಷಗಳಲ್ಲಿ ಕಟ್ಟುಜಾಣ್ಮೆಯಿಂದ ಹೊರಹೊಮ್ಮಿದವು. ಇದರ ಸಂಶೋಧನೆಯ ಮೇಲೆ ಲಕ್ಷಗಟ್ಟಲೆ ಡಾಲರ್ ಹೂಡಿಕೆ ಮಾಡಲು ವಿಶ್ವಾದ್ಯಂತ ಸರ್ಕಾರಗಳು ಮುಂದೆ ಬಂದವು. ಆ ದಶಕವನ್ನು ’ಏಐನ ಮೊದಲ ವಸಂತ’ವೆಂದೇ ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಕಟ್ಟುಜಾಣ್ಮೆಯ ಸಂಸ್ಥಾಪಕರು ಭವಿಷ್ಯದ ಬಗ್ಗೆ ಭಾರೀ ಆಶಾವಾದಿಗಳಾಗಿದ್ದರು. ಹರ್ಬರ್ಟ್ ಸೈಮನ್ ಇನ್ನು ಇಪ್ಪತ್ತು ವರ್ಷಗಳಲ್ಲಿ ಮನುಷ್ಯ ಮಾಡುವ ಯಾವುದೇ ಕೆಲಸವನ್ನು ಯಂತ್ರಗಳು ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದುತ್ತವೆ ಎಂದು ಭವಿಷ್ಯ ನುಡಿದ. ಮನುಷ್ಯನನ್ನು ಚೆಸ್ಸಿನಲ್ಲಿ ಸೋಲಿಸುವ, ನುಡಿಮಾರಿಕೆ (ಒಂದು ನುಡಿಯಲ್ಲಿರುವ ಬರಹವನ್ನು ಯಾವುದೇ ಬೇರೆ ನುಡಿಗೆ ಭಾಷಾಂತರಿಸುವ), ತಾನೋಡುವ ಕಾರುಗಳ ಬಗ್ಗೆ ಭಾರೀ ಗುಲ್ಲೆದ್ದಿತು. ವರ್ಷಗಳುರುಳಿದರೂ ಇದ್ಯಾವುದೂ ಕಾರ್ಯರೂಪಕ್ಕೆ ಬರಲಿಲ್ಲ. ಹೆಚ್ಚಿನ ಸಂಶೋಧಕರು ಸಂಶೋಧನೆಯ ಸಮಯದಲ್ಲಿ ಎದುರಾದ ಸಮಸ್ಯೆಗಳಿಗೆ ಕಾರಣವನ್ನು ಕಂಡುಕೊಳ್ಳಲಾಗದೇ ಕೈಚೆಲ್ಲುತ್ತಿದ್ದರು. ಚೆಸ್ಸಿನಲ್ಲಿ ಕಂಪ್ಯೂಟರ್ ಒಂದು ವಿಶ್ವ ಚಾಂಪಿಯನ್ ಎನಿಸಿಕೊಂಡಿದ್ದು ೧೯೯೭ರಲ್ಲಿ. ಇಂದಿಗೂ ಯಂತ್ರಗಳ ನುಡಿಮಾರಿಕೆ ಮನುಷ್ಯನ ಮಟ್ಟದ ಹತ್ತಿರ ಬರಲೂ ಸಾಧ್ಯವಾಗಿಲ್ಲ. ಇನ್ನು ಸ್ವಯಂಚಾಲಿತ ಯಂತ್ರಗಳಿಂದ ಲಕ್ಷಾಂತರ ಮಂದಿ ಕೆಲಸ ಕಳೆದುಕೊಳ್ಳುವ ಭಯವೂ ನಿಜವಾಗಲಿಲ್ಲ. ಕಟ್ಟುಜಾಣ್ಮೆ ಭರವಸೆ ಮೂಡಿಸಿದಷ್ಟೇ ವೇಗವಾಗಿ ಭ್ರಮನಿರಸನವನ್ನೂ ಜನರಲ್ಲಿ ಉಂಟುಮಾಡಿದ್ದು ಸುಳ್ಳಲ್ಲ. ಇದೇ ಸಂದರ್ಭದಲ್ಲಿ ೧೯೭೩ರಲ್ಲಿ ಗಣಿತಜ್ಞ ಸರ್ ಜೇಮ್ಸ್ ಲೈಟ್‌ಹಿಲ್ ಬರೆದ ಸಂಶೋಧನಾ ಬರಹವೊಂದು ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಅಲ್ಲೋಲಕಲ್ಲೋಲವನ್ನೇ ಉಂಟುಮಾಡಿತ್ತು. ಅಮೇರಿಕಾ ಮತ್ತು ಬ್ರಿಟನ್ ಸರ್ಕಾರಗಳು ಕಟ್ಟುಜಾಣ್ಮೆಯ ಸಂಶೋಧನೆಗೆ ಕೊಡುತ್ತಿದ್ದ ಧನಸಹಾಯವನ್ನು ನಿಲ್ಲಿಸಿದವು. ಮುಂದಿನ ಆರೇಳು ವರ್ಷಗಳು ’ಏಐನ ಚಳಿಗಾಲ’ವೆಂದು ಪ್ರಸಿದ್ಧವಾದವು. ಮುಂದೆ ಜಪಾನ್ ಸರ್ಕಾರದ ದೂರದೃಷ್ಟಿಯ ಕಾರಣದಿಂದ ೧೯೮೦ರಲ್ಲಿ ಮತ್ತೆ ಸಂಶೋಧನೆಗಳು ಪ್ರಾರಂಭವಾದವು. ಅಲ್ಲಿಯವರೆಗೂ ನಡೆದ ಸಂಶೋಧನೆಗಳನ್ನು ’ಹಳೆಯ ಮಾದರಿಯ ಏಐ’ ಅಥವಾ ಗುಡ್ ಓಲ್ಡ್ ಫ್ಯಾಶನ್‌ಡ್ ಏಐ(ಗೋಫೈ) ಎಂದು ಕರೆಯಲಾಗುತ್ತಿತ್ತು. ೧೯೮೦ರ ನಂತರ ಎಕ್ಸ್‌ಪರ್ಟ್ ಸಿಸ್ಟಮ್ಸ್ (ತಜ್ಞ ಏಐ)ಗಳ ಯುಗ ಶುರುವಾಯಿತು.  ಅಮೇರಿಕ ಮತ್ತು ಬ್ರಿಟನ್ ಧನಸಹಾಯವನ್ನು ಪುನರಾರಂಭಿಸಿದವು. ೧೯೮೫ರ ವೇಳೆಗೆ ಕಂಪ್ಯೂಟರುಗಳ ಮಾರುಕಟ್ಟೆ ಬಿಲಿಯ ಡಾಲರ್ ವ್ಯವಹಾರವನ್ನು ತಲುಪಿತ್ತು. ಸರ್ಕಾರ ಮಾತ್ರವಲ್ಲದೇ ಖಾಸಗಿ ಕಂಪನಿಗಳೂ ಹಣಹೂಡಿಕೆ ಮಾಡಲು ಆಸಕ್ತಿ ವಹಿಸಲು ತೋರಿಸಿದವು. ಆದರೆ ೧೯೮೭ರಲ್ಲಿ ಆವರೆಗೂ ಬಳಕೆಯಲ್ಲಿದ್ದ ಲಿಸ್ಟ್ ಮಷೀನುಗಳ ಮಾರುಕಟ್ಟೆ ಬಿದ್ದು ಹೋದ್ದರಿಂದ ಮತ್ತೆ ಸಂಶೋಧನೆ ಭಾರೀ ಹಿನ್ನಡೆ ಅನುಭವಿಸಿತು. ಈ ಕಾಲವನ್ನು ’ಏಐನ ಎರಡನೇ ಚಳಿಗಾಲ’ವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಕಟ್ಟುಜಾಣ್ಮೆಯೆಂಬುದೊಂದು ಈಡೇರಿಸಲಾಗದ ಭರವಸೆಗಳು ಹಾಗೂ ನಷ್ಟದ ಹೂಡಿಕೆಯ ಬಾಬ್ತೆಂದು ಬಹುತೇಕ ತಜ್ಞರು ಷರಾ ಬರೆದರು. ಇದರ ಯುಗ ಮುಗಿಯಿತೆಂದು ಎಲ್ಲ ಹೂಡಿಕೆದಾರರ ಅಂಬೋಣವಾಗಿತ್ತು. ಆದರೆ ಸಂಶೋಧಕರು ತಮ್ಮ ಪ್ರಯತ್ನವನ್ನು ಬಿಡಲಿಲ್ಲ. ೧೯೯೭ರಲ್ಲಿ ಯಂತ್ರವೊಂದು ಚೆಸ್ಸಿನಲ್ಲಿ ವಿಶ್ವಚಾಂಪಿಯನ್ ಎನಿಸಿಕೊಂಡಿತು. ಯಂತ್ರಗಳು ಮಾನವನನ್ನು ಎಂದಿಗೂ ಹಿಂದಿಕ್ಕಲಾರವು ಎನ್ನುವ ಆಳವಾಗಿ ಬೇರುಬಿಟ್ಟ ನಂಬಿಕೆಯನ್ನು ಈ ಘಟನೆ ಅಲ್ಲಾಡಿಸಿತು. ೨೦೦೫ರಲ್ಲಿ ಡಿಎಆರ್‌ಪಿ ಗ್ರ್ಯಾಂಡ್ ಚಾಲೆಂಜ್ ಎಂಬ ರೇಸಿನಲ್ಲಿ ರೋಬೋಟ್ ಒಂದು ೧೩೧ ಕಿಮೀ ದೂರ ಮರುಭೂಮಿಯಲ್ಲಿ ವಾಹನ ಚಲಾಯಿಸಿ ಜನರು ಹುಬ್ಬೇರುವಂತೆ ಮಾಡಿತು. ಕೆಲ ವರ್ಷಗಳ ನಂತರ ಇದೇ ಸ್ಪರ್ಧೆಯಲ್ಲಿ ರೋಬೋಟ್ ಒಂದು ನಗರದ ರಸ್ತೆಗಳಲ್ಲಿ ೫೫ ಕಿಮೀ ವಾಹನ ಚಲಾಯಿಸಿ ಪಂದ್ಯವನ್ನು ಗೆದ್ದಿತು. ೨೦೦೦ದ ದಶಕದಲ್ಲಿ ಯಂತ್ರಕಲಿಕೆಯ ಎಣಿವರಸೆಗಳ ಸುಧಾರಣೆ ಹಾಗೂ ಇದಾಗಿ ಹತ್ತು ವರ್ಷಗಳಲ್ಲಿ ಶುರುವಾದ ಆಳಕಲಿಕೆ ಆವಿಷ್ಕಾರ ಪುನಃ ಕಟ್ಟುಜಾಣ್ಮೆಯನ್ನು ಹೊಸ ಎತ್ತರಕ್ಕೇರುವಂತೆ ಪ್ರಚೋದಿಸಿದವು. ಆಳಕಲಿಕೆಯ ವಿಧಾನಗಳಿಂದ ಅಲ್ಲಿಯವರೆಗೆ ಕಷ್ಟಸಾಧ್ಯವೆನಿಸಿದ್ದ ಧ್ವನಿಯ ಗುರುತಿಸುವಿಕೆ(ವಾಯ್ಸ್ ರಿಕೊಗ್ನಿಶನ್), ಬಗೆ ತೀರ್ಮಾನ(ಕ್ಲಾಸಿಫಿಕೇಶನ್), ಮುನ್ಹೊಳಹುವಿಕೆ(ಪ್ರೆಡಿಕ್ಷನ್), ಬೇನೆ ಗುರುತಿಸುವಿಕೆ(ಮೆಡಿಕಲ್ ಡಯಾಗ್ನೋಸಿಸ್), ನೈಸರ್ಗಿಕ ನುಡಿ ಸಂಸ್ಕರಣೆ(ನ್ಯಾಚುರಲ್ ಲ್ಯಾಂಗವೇಜ್ ಪ್ರೊಸೆಸಿಂಗ್)ಗಳು ಮನುಷ್ಯನ ಹಸ್ತಕ್ಷೇಪವಿಲ್ಲದೇ ನಡೆಯಲು ಸಾಧ್ಯವಾಯಿತು. 

ಬುದ್ಧಿವಂತ ಯಂತ್ರಗಳನ್ನೂ ಕೃತಕ ಮಾನವನನ್ನೂ ಸೃಷ್ಟಿಸುವ ಕಲೆ ಹೊಸತೇನೂ ಅಲ್ಲ. ಅದು ಅನಾದಿಕಾಲದಿಂದಲೂ ಕಲ್ಪನೆಯಲ್ಲಿ ಒಡಮೂಡುತ್ತಲೇ ಬಂದಿದೆ. ಬಹುಶಃ ಮನುಷ್ಯ ದೇವರನ್ನು ಸೃಷ್ಟಿಸಿದಷ್ಟೇ ಇತಿಹಾಸ ಇದಕ್ಕೂ ಇರಬಹುದು. ರಾಮಾಯಣದಲ್ಲಿ ಬರುವ ಪುಷ್ಪಕ ವಿಮಾನ, ಸಿಂಹಾಸನ ದ್ವಾತ್ರಿಂಶತ್‌ನಲ್ಲಿ ಬರುವ ವಿಕ್ರಮಾದಿತ್ಯನ ಮಾತಾಡುವ ಗೊಂಬೆಗಳು ಹೀಗೆ ಅನೇಕ ಸ್ವಯಂಚಾಲಿತ ಯಂತ್ರಗಳು, ರೋಬೋಗಳ ಕತೆಗಳನ್ನೆಲ್ಲ ನೀವು ಕೇಳಿಯೇ ಇರುತ್ತೀರಿ. ಇಜಿಪ್ತಿನ ಪುರಾಣಗಳಲ್ಲಿ ಬರುವ ತಾನೋಡುವ ಹಡಗುಗಳ ಕತೆ, ಹೋಮರಿನ ಇಲಿಯಡ್ ಕಾವ್ಯದಲ್ಲಿ ಯಥೇಚ್ಚವಾಗಿ ಸಿಗುವ ಕೃತಕ ಪ್ರಾಣಿಗಳು, ಯಂತ್ರಮಾನವರುಗಳೆಲ್ಲ ನಮ್ಮ ಪೂರ್ವಸೂರಿಗಳಿಗೆ ಈ ವಿಷಯದ ಬಗೆಗಿದ್ದ ಕುತೂಹಲವನ್ನು ತಿಳಿಸುತ್ತವೆ.  ಬುದ್ಧ ಜಾತಕ ಕತೆಗಳಂತೂ ಇನ್ನೂ ಒಂದು ಹೆಜ್ಜೆ ಮುಂದೆ ಹೋಗಿವೆ. ಲೋಕಪನ್ನಟಿ ಮತ್ತು ಮಹಾಪರಿನಿಬ್ಬಾನಸುತ್ತದ ಪ್ರಕಾರ ಯಂತ್ರಕಾರರೆಂಬ ವೃತ್ತಿಯವರು ಯವನ ದೇಶದ ರೋಮವಿಶಯ ಎಂಬ ಪ್ರದೇಶದಲ್ಲಿದ್ದರಂತೆ. ಇವರು ತಮ್ಮ ನಿಗೂಢ ಶಕ್ತಿಯಿಂದ ಗಾಡಿಗಳನ್ನೆಳೆಯುವ, ಗದ್ದೆ ಹೂಡುವ, ಕಳ್ಳರನ್ನು ಹಿಡಿಯುವ ಶಕ್ತಿಯುಳ್ಳ ಯಂತ್ರಗಳನ್ನು ತಯಾರಿಸುತ್ತಿದ್ದರಂತೆ. ಪಾಟಲೀಪುತ್ರದ ತರುಣನೊಬ್ಬ ಈ ವಿಷಯ ಕೇಳಿ ರೋಮಿಗೆ ತೆರಳುತ್ತಾನೆ. ಅಲ್ಲಿನ ಯಂತ್ರಕಾರರ ಮುಖಂಡನ ಮಗಳನ್ನು ಮದುವೆಯಾಗಿ ಅವರ ವಿದ್ಯೆಯನ್ನು ಕಲಿಯುತ್ತಾನೆ. ಒಂದು ದಿನ ರೋಬೋಗಳ ವಿನ್ಯಾಸದ ಮಾದರಿಗಳನ್ನು ಕದ್ದು ತನ್ನ ತೊಡೆಯಲ್ಲಿ ಅಡಗಿಸಿಟ್ಟುಕೊಂಡು ಮಗಧಕ್ಕೆ ಹಿಂದಿರುಗಲು ಹವಣಿಸಿದ. ದಾರಿಮಧ್ಯದಲ್ಲಿ ರೋಮನ್ನರಲ್ಲಿ ಸಿಕ್ಕಿಬಿದ್ದ ಆತ ಕೊಲ್ಲಲ್ಪಡುತ್ತಾನೆ. ಶವದೊಂದಿಗೆ ಭಾರತಕ್ಕೆ ಬಂದ ಇವನ ಮಗ ಆ ನಿಗೂಢ ವಿದ್ಯೆಗಳನ್ನೆಲ್ಲ ಅರಿತು ಮಗಧದ ದೊರೆ ಅಜಾತಶತ್ರುವಿಗೆ ರೋಬೋಗಳ ದೊಡ್ಡ ಸೈನ್ಯವನ್ನೇ ತಯಾರಿಸಿಕೊಟ್ಟನಂತೆ. ಅಜಾತಶತ್ರು ಬುದ್ಧನ ದೇಹದ ಪಳೆಯುಳಿಕೆಗಳನ್ನು ಬೇರೆಯವರ ಕಣ್ಣಿಗೆ ಬೀಳದಿರಲು ಸ್ತೂಪವೊಂದರೆ ಕೆಳಗೆ ಅಡಗಿಸಿಟ್ಟಿದ್ದ. ಇದನ್ನು ಕಾಯಲು ಭೂತವಾಹನಯಂತ್ರಗಳೆಂಬ ಈ ರೋಬೋ ಸೈನಿಕರನ್ನು ಕಾವಲಿಗಿಟ್ಟಿದ್ದನಂತೆ. ಮುಂದೆ ಪಟ್ಟಕ್ಕೆ ಬಂದ ಅಶೋಕ ವಿಷಯ ತಿಳಿದು ಆ ಸೈನಿಕರನ್ನು ಎದುರಿಸಿ ಅವುಗಳನ್ನು ನಿರಸ್ತ್ರಗೊಳಿಸಿ ಬುದ್ಧನ ಅವಶೇಷಗಳನ್ನು ಹೊರತೆಗೆದ.  ಅವುಗಳನ್ನು ಎಂಭತ್ನಾಲ್ಕು ಸಾವಿರ ಭಾಗಗಳನ್ನಾಗಿಸಿ ಪ್ರತಿಯೊಂದನ್ನೂ ರಾಜ್ಯದ ಬೇರೆ ಬೇರೆ ಕಡೆಗಳಲ್ಲಿ ಪ್ರತಿಷ್ಟಾಪಿಸಿ ಅವುಗಳ ಮೇಲೆ ಸ್ತೂಪಗಳನ್ನು ಕಟ್ಟಿಸಿದ. ಭೂತವಾಹನ ಯಂತ್ರಗಳನ್ನು ಎದುರಿಸಲು ವಿಶ್ವಕರ್ಮ ವಿಶೇಷವಾದ ಯಂತ್ರಮಾನವರನ್ನು ಅಶೋಕನಿಗಾಗಿ ಮಾಡಿಕೊಟ್ಟನೆಂಬುದು ಇನ್ನೊಂದು ಆವೃತ್ತಿಯೂ ಇದೆ.  ಕತೆಗಳೇನೇ ಇರಲಿ. ಅಶೋಕ ಕಳೆದುಹೋಗಿದ್ದ ಬುದ್ಧನ ಅವಶೇಷಗಳನ್ನು ಹುಡುಕಿತೆಗೆದುದು ಐತಿಹಾಸಿಕ ಸತ್ಯ. ಜೊತೆಗೆ ಆ ಕಾಲದಲ್ಲೇ ಮಗಧ ಮತ್ತು ರೋಮಿನ ಮಧ್ಯೆ ತಂತ್ರಜ್ಞಾನದ ಕೊಡುಕೊಳ್ಳುವಿಕೆಯೂ ಇತ್ತೆಂದು ಇದರಿಂದ ತಿಳಿಯುತ್ತದೆ. ಗ್ರೀಕಿನ ಪುರಾಣಗಳಿಂದ ರೋಬೋಗಳ ಕತೆ ಭಾರತೀಯತೆಗೆ ಅವತೀರ್ಣಗೊಂಡ ಮೊದಲ ದಾಖಲಾತಿಯಿದು.  ಹೀಗೆ ಜಗತ್ತಿನ ಎಲ್ಲ ನಾಗರಿಕತೆಗಳಲ್ಲೂ ಒಂದಿಲ್ಲೊಂದು ವಿಧದಲ್ಲಿ ಕಟ್ಟುಜಾಣ್ಮೆಯ ಉಲ್ಲೇಖ ಸಿಕ್ಕಿಯೇ ಸಿಗುತ್ತವೆ. ಅದರ ಹುಟ್ಟು ಮತ್ತು ಬೆಳವಣಿಗೆಗಳ ಬಗ್ಗೆ ಬೆಳಕು ಚೆಲ್ಲುವ ಅಂತಹ ಕೆಲ ಸನ್ನಿವೇಶಗಳನ್ನು ಮುಂದೆ ನೋಡೋಣ.