ಕಂಪ್ಯೂಟರ್ ಬುದ್ಧಿಮತ್ತೆ ರಚಿಸಿದ ಮನೋಹರ ಚಿತ್ರಗಳು

ಕೆನಡಾದ ಟೊರಾಂಟೊದಲ್ಲಿ, ಸೆಂಟರ್ ಆಫ್ ಕಾಗ್ನಿಟೀವ್ ಕಾಂಪ್ಯೂಟಿಂಗ್ ಎಂಬ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪ್ರಯೋಗಶಾಲೆಯಲ್ಲಿ ರೀಸರ್ಚ್ ಡೈರೆಕ್ಟರ್ ಆಗಿ ಕೆಲಸ ಮಾಡುತ್ತಿರುವ ಕನ್ನಡದ ಲೇಖಕ ಶೇಷಾದ್ರಿ ಗಂಜೂರ್ ರಿಗೆಇತ್ತೀಚೆಗೆ ಇನ್ನೊಂದು ಹೊಸ ಯೋಚನೆ ಬಂತು. ನಮ್ಮ ಭಾವ ಪ್ರಪಂಚವನ್ನು ಮುಟ್ಟುವಂತಹ ಕವನಗಳ ಸಾಲುಗಳನ್ನು ಚಿತ್ರ ರಚಿಸುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳಿಗೆ ಫೀಡ್ ಮಾಡಿದರೆ ಅವು ಎಂತಹ ಚಿತ್ರಗಳನ್ನು ರಚಿಸಬಲ್ಲವು ಎಂದು ಯೋಚಿಸಿದ ಅವರು, ಕುವೆಂಪು ವಿರಚಿತ ‘ದೋಣಿ ಸಾಗಲಿ’ ಕವಿತೆಯ ಸಾಲುಗಳನ್ನು ಕಂಪ್ಯೂಟರಿಗೆ ಉಣಿಸಿ ಅದರಿಂದ ಚಿತ್ರ ಬರೆಸಿದರು ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳ ಜೊತೆಗಿನ ತಮ್ಮ ಚಿತ್ರ ಸಾಹಸಗಳ ಕುರಿತು ನಿಮ್ಮ ಭಾನುವಾರದ ಓದಿಗಾಗಿ ಇಲ್ಲಿ ಬರೆದರು. . 

ಭಾಷೆ ಎಂದರೆ ಏನು? ಇದಕ್ಕೆ ಹಲವಾರು ರೀತಿಯಲ್ಲಿ ಉತ್ತರಿಸಬಹುದು. ಈ ಉತ್ತರಗಳೆಲ್ಲವೂ ಸರಿ ಇರಲೂ ಬಹುದು. ಆದರೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ರೀಸರ್ಚ್ ಮಾಡುವವರನ್ನು ಕೇಳಿದರೆ, ಅವರು ಕೊಡಬಹುದಾದ ಉತ್ತರ: ‘ಭಾಷೆ ಎಂದರೆ ಪದಗಳ ನಡುವಿನ ಸಂಬಂಧ’. ಇಂತಹ ಸಂಬಂಧಗಳನ್ನು ಎಷ್ಟು ಸಾಧ್ಯವೋ ಅಷ್ಟು ಸರಳೀಕರಿಸಿ, ಅದನ್ನು ಗಣಿತದ ಭಾಷೆಯಲ್ಲಿ ಹಿಡಿದಿಡುವುದು, ಮತ್ತು, ಆ ಗಣಿತ ಎಷ್ಟರ ಮಟ್ಟಿಗೆ ಸರಿ ಇದೆಯೆಂಬುದನ್ನು ಪ್ರಯೋಗ-ಅವಲೋಕನಗಳ ಮೂಲಕ ಪರಿಶೀಲಿಸುವುದು, ಇದು ಹಲವಾರು ಶತಕಗಳಿಂದ ನಡೆಯುತ್ತಿರುವ ವೈಜ್ಞಾನಿಕ ಪದ್ಧತಿ. ಉದಾಹರಣೆಗೆ, ವಸ್ತು-ವಸ್ತುಗಳ ನಡುವಿನ ಆಕರ್ಷಣೆಯ ಬಂಧವನ್ನು (‘ಗುರುತ್ವಾಕರ್ಷಣೆ’) ಆ ವಸ್ತುಗಳ ದ್ರವ್ಯರಾಶಿ (ಚಿ) ಮತ್ತು ಆ ವಸ್ತುಗಳ ನಡುವಿನ ದೂರವನ್ನು ಬಳಸಿ ಗಣಿತದ ಮೂಲಕ ಕಟ್ಟಿಹಾಕಿದವನು ವಿಜ್ಞಾನಿ ನ್ಯೂಟನ್.

ಗುರುತ್ವಾಕರ್ಷಣೆಗೆ ವಸ್ತು-ವಸ್ತುಗಳ ಸಂಬಂಧವಿದ್ದಂತೆ, ಭಾಷೆಗೆ ಪದ-ಪದಗಳ ನಡುವಿನ ಸಂಬಂಧವಿದೆ. ವಸ್ತು-ವಸ್ತುಗಳ ನಡುವಿನ ದೂರ ಹೆಚ್ಚಿದಂತೆ ಅವುಗಳ ನಡುವಿನ ಆಕರ್ಷಣೆ ಕಡಿಮೆಯಾಗುವಂತೆಯೇ, ಪದ-ಪದಗಳ ನಡುವಿನ ಅಂತರವೂ, ಅವುಗಳ ಸಂಬಂಧದ ತೀವ್ರತೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ‘‘ನಾನು ಒಂದು ಕಪ್ ಕಾಫಿ ಕುಡಿದೆ’’ ಎನ್ನುವ ಸರಳ ವಾಕ್ಯದಲ್ಲಿ, ‘‘ಕಪ್’’ ಮತ್ತು ‘‘ಕುಡಿದೆ’’ ಪದಗಳು ಅದರ ಮಧ್ಯದ ಪದ ಎಂತಹದಿರಬಹುದೆಂದು ನಿರ್ಧರಿಸುತ್ತದೆ; ಬಹು ಮಟ್ಟಿಗೆ, ಅದೊಂದು ಪಾನೀಯವೇ ಆಗಿರಬೇಕು. ಆದರೆ, ಭೌತಶಾಸ್ತ್ರದ ಗುರುತ್ವಾಕರ್ಷಣೆಯಲ್ಲಿರುವ ‘‘ಇದು ಹೀಗೆಯೇ‘ ಎಂಬ ನಿರ್ದಿಷ್ಟ ನಿಯಮ ಭಾಷೆಯಲ್ಲಿಲ್ಲ. ಪ್ಯಾರಾಗ್ರಾಫಿನ ಮೊದಲಲ್ಲೋ, ಅಥವಾ ಪುಟದ ಮೊದಲಲ್ಲೊ, ‘‘ರಾಮು ಕಾಫಿ ಕುಡಿದ’’ ಎಂದು ಬರೆದು, ಎಷ್ಟೋ ಸಾಲುಗಳ ನಂತರ, ‘‘ಅವನು ಶೂ ಹಾಕಿಕೊಂಡು ಹೊರ ಹೊರಟ’’ ಎಂದಾಗ, ಇಲ್ಲಿನ ‘‘ಅವನ’’ ಪದದ ಮೇಲೆ, ಹಿಂದೆಂದೋ ಬಳಸಿದ ‘‘ರಾಮು’’ ಪದದ ನೇರ ಸಂಬಂಧವಿದೆ. ಭಾಷೆಯಲ್ಲಿ ಇಂತಹ ಸಂಕೀರ್ಣತೆಗಳಿದ್ದರೂ, ಪದ-ಪದಗಳ ಸಂಬಂಧವನ್ನು ಗಣಿತದ ವಿವಿಧ ತಂತ್ರಗಳ ಮೂಲಕ ಒಂದು ಚೌಕಟ್ಟಿನಲ್ಲಿ ಕಟ್ಟಿಹಾಕಲು ಸಾಧ್ಯವಿದೆ

ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ, ‘ಲಾರ್ಜ್ ಲಾಂಗ್ವೇಜ್ ಮಾಡೆಲ್’ ಎಂಬ ಪದಗಳನ್ನು ಗುಂಪುಗೂಡಿಸುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ತಾಂತ್ರಿಕ ವಿಧಾನ ಬಳಕೆಗೆ ಬಂದಿದೆ. ಈ ವಿಧಾನದಲ್ಲಿ, ನಾವು ಬಳಸುವ ಎಲ್ಲಾ ಪದಗಳನ್ನೂ, ನೂರಾರು ಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗುತ್ತದೆ. ಇದು ಡಿಕ್ಷನರಿಯಂತಹ ವಿಂಗಡನೆುಂಲ್ಲ. ಬದಲಿಗೆ, ಅರ್ಥ ಮತ್ತು ಗುಣಗಳ ಮೇಲೆ ನಿರ್ಧರಿಸಲಾಗುವ ವಿಂಗಡನೆ. ಹೀಗೆ ಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸುವಾಗ, ಪದಗಳನ್ನು ಸಂಭವನೀಯತೆಯ ಆಧಾರದ ಮೇಲೆ ವಿಶ್ಲೇಷಿಸಿ ಒಟ್ಟುಗೂಡಿಸಲಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ‘ರಾಮು ಒಂದು ಕಪ್ ಙಙಙ ಕುಡಿದ‘ ಎಂಬ ವಾಕ್ಯದಲ್ಲಿ, ‘ಕಾಫಿ‘, ‘ಟೀ‘, ‘ಹಾಲು‘ ಇತ್ಯಾದಿ ಪಾನೀಯಗಳು ಹೆಚ್ಚು ಸಂಭವನೀಯ. ‘ಕಾರು‘, ‘ಕೆಂಪು‘ ‘ನೋವು‘ ಎಂಬ ಪದಗಳು ಆ ವಾಕ್ಯದ ಸಂದರ್ಭದಲ್ಲಿ ಬಹು ಮಟ್ಟಿಗೆ ಅಸಂಭವನೀಯ – ಕಾವ್ಯ ಅಥವಾ ಹಾಸ್ಯದ ಬರಹಗಳನ್ನು ಬಿಟ್ಟರೆ. ಸಂಭವನೀಯತೆಯ ಆಧಾರದ ಮೇಲೆ ಇಂತಹ ಮಾಡೆಲ್‌ಗಳನ್ನು ಸೃಷ್ಟಿಸುವಾಗ, ಹೆಚ್ಚು-ಹೆಚ್ಚು ಪದ/ವಾಕ್ಯಗಳನ್ನು ಗಮನಿಸಿದಷ್ಟೂ, ಆ ಮಾಡೆಲ್‌ಗಳ ಗುಣಮಟ್ಟ ಹೆಚ್ಚುತ್ತದೆ. ಇಂತಹ ಮಾಡೆಲ್‌ಗಳಿಗೆ, ನಮ್ಮ ಮಿದುಳಿನಲ್ಲಿ ನ್ಯೂರಾನ್ ಜೀವಕೋಶಗಳು ನಿರ್ಮಿಸುವಂತಹ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು ಕಂಪ್ಯೂಟರ್ ಸಾಫ್ಟ್‌ವೇರ್ (ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್) ಮೂಲಕ ನಿರ್ಮಿಸಿ ಜೋಡಿಸಿದರೆ, ಅಪ್ರತಿಮ ಭಾಷಾಜ್ಞಾನವಿರುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸೃಷ್ಟಿಯಾಗುತ್ತದೆ. ಜಿ.ಪಿ.ಟಿ.-೩ ಎಂಬುದು ಅಂತಹ ಒಂದು ಪವಾಡ ಸದೃಶ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ. ಅದನ್ನು ನಿರ್ಮಿಸಲು ಬಳಸಿರುವ ಒಟ್ಟು ಪದ/ವಾಕ್ಯಗಳನ್ನು ಪುಸ್ತಕ ರೂಪಕ್ಕೆ ತಂದರೆ, ಅದು, ಪುಟವೊಂದರಲ್ಲಿ ೨೦೦ ಪದಗಳಿರುವ ೩.೬ ಕೋಟಿ ಪುಟಗಳ ಪುಸ್ತಕ ಆಗುತ್ತದೆ!

***

‘‘ಲಾರ್ಜ್ ಲಾಂಗ್ವೇಜ್ ಮಾಡೆಲ್’’ ತರಹದ ತಂತ್ರಜ್ಞಾನಗಳು ಭಾಷೆಯನ್ನು ಗಣಿತದ ಚೌಕಟ್ಟಿನಲ್ಲಿ ಹಿಡಿದಿಡುವ ಸಾಧ್ಯತೆಯನ್ನೇನೋ ಒದಗಿಸುತ್ತವೆ. ಆದರೆ, ಈ ಚೌಕಟ್ಟು ನಿಜಕ್ಕೂ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕಾರ್ಯ ನಿರ್ವಹಿಸುತ್ತಿದೆಯೋ ಇಲ್ಲವೋ ಎಂದು ತಿಳಿಯುವುದು ಹೇಗೆ? ಇದನ್ನು ಕೆಲವೊಂದು ಸರಳ ಪರೀಕ್ಷೆಗಳ ಮೂಲಕ ಮಾಡಬಹುದು. ಉದಾಹರಣೆಗೆ, ಪದಗಳನ್ನು ‘‘ಲಾಂಗ್ವೇಜ್ ಮಾಡೆಲ್’’ಗಳಿಗೆ ಅಳವಡಿಸಿದ ನಂತರ, ಗಣಿತದ ಕೂಡು, ಕಳೆಯುವಿಕೆಯಂತಹ ವಿಧಾನಗಳು, ಪದಗಳ ಮೇಲೂ ಕೆಲಸ ಮಾಡುವುದನ್ನು ಕಾಣಬಹುದು. (ಉದಾ: ‘‘ರಾಜ’’ – ‘‘ಗಂಡಸು’’ + ‘‘ಹೆಂಗಸು’’ = ? ಎಂಬ ಗಣಿತದ ಲೆಕ್ಕದ ಪ್ರಶ್ನೆಗೆ ಸಿಗುವ ಉತ್ತರ ‘‘ರಾಣಿ’’)

ಆದರೆ, ಇಂತಹ ಸರಳ ಗಣಿತದ ಲೆಕ್ಕಾಚಾರಗಳು, ಭಾಷೆಯಂತಹ ಸಂಕೀರ್ಣ ವಿಷಯಕ್ಕೆ ಉತ್ತಮ ಪರೀಕ್ಷೆಗಳಲ್ಲ. ಹೀಗಾಗಿ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದು ಭಾಷೆಯನ್ನು ಎಷ್ಟರ ಮಟ್ಟಿಗೆ ಅರ್ಥವಾಡಿಕೊಂಡಿದೆ ಎಂದು ಪರೀಕ್ಷಿಸಲು ಅದಕ್ಕೆ ಹಲವಾರು ಟೆಸ್ಟ್‌ಗಳನ್ನು ನೀಡಲಾಗುತ್ತದೆ. ಈ ಟೆಸ್ಟ್‌ಗಳು, ಶಾಲೆಗಳಲ್ಲಿ ನಾವು ಮಕ್ಕಳಿಗೆ ನೀಡುವ ಪರೀಕ್ಷೆಗಳಂತೆಯೇ ಇರುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, ಒಂದು ಪಾಠವನ್ನು ಕಲಿಸಿ, ನಂತರ, ‘ಇದನ್ನು ಯಾರು, ಯಾರಿಗೆ ಹೇಳಿದರು?‘, ಫಿಲ್-ಇನ್-ದ-ಬ್ಲಾಂಕ್, ‘ಈ ಮಾತು ಸತ್ಯವೋ, ಸುಳ್ಳೋ?‘, ‘ಈ ವಿಷಯದ ಬಗೆಗೆ ೩೦೦ ಪದಗಳಿಗೆ ಮೀರದಂತೆ ಪ್ರಬಂಧವನ್ನು ಬರೆಯಿರಿ‘ ಎಂಬಂತಹ ಪರೀಕ್ಷೆಗಳು. ಇಂದು, ಜಿ.ಪಿ.ಟಿ.-೩ ತರಹದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳು, ಭಾಷಾಜ್ಞಾನದ ಇಂತಹ ಪರೀಕ್ಷೆಗಳಲ್ಲಿ, ಶೇ.೯೦ – ೧೦೦ ಅಂಕಗಳನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತಿವೆ.

ಎರಡು ವರ್ಷದ ಹಿಂದೆ ನಾನು ಮತ್ತು ನನ್ನ ತಂಡದವರು ಅಮೆರಿಕನ್ ಕಾನೂನಿಗೆ ಸಂಬಧಿಸಿದ ಒಂದು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದನ್ನು ಸೃಷ್ಟಿಸಿದೆವು. ನಂತರ, ಅದಕ್ಕೆ, ಕೆಲವೊಂದು ನಿರ್ದಿಷ್ಟ ವಿಷಯಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಟೆಸ್ಟ್ ನೀಡಲಾಯಿತು. ಅದು ನೀಡಿದ ಉತ್ತರಗಳನ್ನು ವಕೀಲಿ ಪದವಿ ಪಡೆದವರಿಂದ ಪರಿಶೀಲಿಸಲಾಯಿತು. ವಿಶೇಷವೆಂದರೆ, ಆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆ ಟೆಸ್ಟ್‌ನಲ್ಲಿ ಉತ್ತೀರ್ಣಗೊಂಡಿದ್ದಲ್ಲ. ಅದು ನೀಡಿದ್ದ ಕೆಲವೊಂದು ಉತ್ತರವನ್ನು ಮಾನವ ಪರೀಕ್ಷಕರು ‘‘ತಪುತ್ಪೃ’’ ಎಂದಿದ್ದರು. ಆದರೆ, ಅದೇ ಉತ್ತರಗಳನ್ನು ತಜ್ಞರಿಂದ ಮರು ಪರಿಶೀಲನೆಗೆ (ರೀ-ವಾಲ್ಯುಯೇಷನ್) ಒಳಪಡಿಸಿದಾಗ, ಆ ಟೆಸ್ಟಿನಲ್ಲಿ ಅದರ ಅಂಕ ಮತ್ತಷ್ಟು ಹೆಚ್ಚಾಯಿತು. ನಾವು ಸೃಷ್ಟಿಸಿದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ, ಕೆಲ ವಿಷಯಗಳಲ್ಲಿ, ಸಾಮಾನ್ಯ ಪರೀಕ್ಷಕರಿಗಿಂತ ಹೆಚ್ಚಿನ ತಜ್ಞತೆ ಪಡೆದಿತ್ತು!

***

ಒಂದೆಡೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳಿಗೆ ಮಾನವರ ಭಾಷೆಗಳನ್ನು ಕಲಿಸುವ ಯತ್ನ ನಡೆಯುತ್ತಿದ್ದರೆ, ಅದರ ಜೊತೆ-ಜೊತೆಯಲ್ಲೇ, ಅವುಗಳಿಗೆ ಚಿತ್ರಗಳ ಮೂಲಕ ಮಾನವ ಪ್ರಪಂಚದ ಬಗೆಗೆ ತಿಳುವಳಿಕೆ ನೀಡುವ ಪ್ರಯತ್ನಗಳೂ ಹಲವು ವರ್ಷಗಳಿಂದ ನಡೆಯುತ್ತಿವೆ. ಈ ಪ್ರಯತ್ನಗಳ ಮೂಲ ವಿಧಾನವೆಂದರೆ, ಕೋಟ್ಯಾಂತರ ಚಿತ್ರಗಳು ಮತ್ತು ಅದಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಲೇಬಲ್‌ಗಳನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳಿಗೆ ಫೀಡ್ ಮಾಡುವುದು. (ಉದಾ: ಸೇಬಿನ ಚಿತ್ರ ಮತ್ತು ‘‘ಸೇಬು’’ ಎಂಬ ಲೇಬಲ್) ಹೀಗೆ ಟ್ರೇನಿಂಗ್ ಪಡೆದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳು, ಫೋಟೋ ಒಂದನ್ನು ನೋಡಿ, ಅದರಲ್ಲಿ ಯಾರಾರು ಇದ್ದಾರೆ? ಯಾವ ವಸ್ತುಗಳಿವೆ? ಯಾವ ಜಾಗದಲ್ಲಿ ತೆಗೆದಿದ್ದು? ಇತ್ಯಾದಿ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರ ನೀಡುವಲ್ಲಿ ಪರಿಣಿತಿ ಪಡೆದುಕೊಂಡಿವೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳಿಗೆ, ಚಿತ್ರದಲ್ಲಿರುವ ವಸ್ತು-ವ್ಯಕ್ತಿಗಳನ್ನು ಗುರುತಿಸಲು ಸಾಧ್ಯವಿದ್ದರೆ, ಅಂತಹ ಚಿತ್ರಗಳನ್ನು ತಾವೇ ರಚಿಸುವುದು ಅಸಾಧ್ಯವೇನಲ್ಲ. ಉದಾಹರಣೆಗೆ, ಜೆನರೇಟಿವ್ ಅಡ್ವರ್ಸೇರಿಯಲ್ ನೆಟ್‌ವರ್ಕ್ (ಉಂಓ) ಎಂದು ಕರೆಯಿಸಿಕೊಳ್ಳುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳಲ್ಲಿ, ಎರಡು ವಿಧದ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಇರುತ್ತವೆ. ಒಂದು, ಚಿತ್ರಗಳನ್ನು ರಚಿಸುತ್ತಾ ಹೋದರೆ, ಇನ್ನೊಂದು, ಹಾಗೆ ರಚಿಸಿದ ಚಿತ್ರಗಳನ್ನು ನೋಡಿ ಮೌಲ್ಯ ಮಾಪನ ಮಾಡುತ್ತಿರುತ್ತದೆ. (ಉದಾ: ಒಂದು, ಸೇಬಿನ ಚಿತ್ರ ರಚಿಸುತ್ತಿದ್ದರೆ, ಇನ್ನೊಂದು, ಆ ಚಿತ್ರ ನಿಜಕ್ಕೂ ಸೇಬಿನದೇ ಎಂದು ಪರಿಶೀಲಿಸುತ್ತಾ ಇರುತ್ತದೆ). ಹೀಗೆ ರಚನೆಯಾದ ಚಿತ್ರಗಳು, ಮೊದ-ಮೊದಲಿಗೆ ಅಸಂಬದ್ಧವಾಗಿದ್ದರೂ, ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ ಬೇಸರ-ದಣಿವು ಇಲ್ಲದಿರುವುದರಿಂದ, ನಿರಂತರ ಪ್ರುಂತ್ನ ಮಾಡುತ್ತಾ ಕೊನೆಗೆ ಚಿತ್ರ ರಚನೆಯಲ್ಲಿ ಅದು ಅಪಾರ ಕೌಶಲ ಪಡೆಯುತ್ತದೆ. ಇಂದು, ಆಂಐಐ ಇ೨, ಒಜ ಎಡಿಟಿಥಿ, ಣಚಿಟ ಆಜಿಜಿಟಿ ಎಂಬಂತಹ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳು, ವಿವಿಧ ರೀತಿಯ, ಶೈಲಿಯ ಚಿತ್ರಗಳನ್ನು ಕ್ಷಣಾರ್ಧದಲ್ಲಿ ರಚಿಸಬಲ್ಲವು.

***

ಭಾಷೆ ಎನ್ನುವುದು ವಾಹಿತಿ ಸಂವಹನದ ಸಾಧನ ಮಾತ್ರವಲ್ಲ, ಭಾವ ಸಂವಹನದ ಮಾಧ್ಯಮವೂ ಸಹ. ಸುದ್ದಿ, ಕಾನೂನು, ವಿಜ್ಞಾನ ಇತ್ಯಾದಿ ಬರಹಗಳಿಗೆ ಒಂದು ನಿರ್ದಿಷ್ಟ ಗುರಿ ಇರುತ್ತದೆ. ಕಾನೂನಿನಂತಹ ನಿರ್ದಿಷ್ಟ ಗುರಿಯ ಬರಹಗಳನ್ನು ’ಅರ್ಥ’ ಮಾಡಿಕೊಂಡು ನಮ್ಮ ಪ್ರಶ್ನೆಗಳನ್ನು ಉತ್ತರಿಸುವಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳು ಅಪಾರ ಯಶಸ್ಸು ಪಡೆಯುತ್ತಿರುವುದೇನೋ ನಿಜ. ಆದರೆ, ಭಾಷೆಯ ಇನ್ನೊಂದು ಆಯಾಮವಾದ, ಭಾವ ಪ್ರಪಂಚಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಕತೆ, ಕವನ, ತತ್ವಶಾಸ್ತ್ರ, ವೇದಾಂತಗಳನ್ನು ಈ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳು ಎಷ್ಟರ ಮಟ್ಟಿಗೆ ‘ಅರ್ಥ’ ಮಾಡಿಕೊಳ್ಳಬಲ್ಲವು?

 

ಕೆಲವು ತಿಂಗಳುಗಳ ಹಿಂದೆ, ನಾನೊಂದು ಪ್ರಯೋಗ ಮಾಡಿದೆ. ಕಾನೂನಿನ ಭಾಷೆಯಲ್ಲಿ ಟ್ರೇನಿಂಗ್ ಪಡೆದಿದ್ದ, ನಾನೇ ಸೃಷ್ಟಿಸಿದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಕ್ಕೆ ವೇದಾಂತ, ಧ್ಯಾನ, ಜಪ, ಪ್ರವಚನ ಇತ್ಯಾದಿಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಸುವಾರು ೩೫೦ ಲೇಖನಗಳನ್ನು ಫೀಡ್ ಮಾಡಿದೆ. ನಂತರ, ಈ ವಿಷಯಗಳನ್ನು ಅದು ಎಷ್ಟರ ಮಟ್ಟಿಗೆ ‘ಅರ್ಥೈಸಿ’ಕೊಂಡಿದೆ ಎಂದು ತಿಳಿಯಲು, ‘ಮಾನವ ಜೀವನದ ಗುರಿ ಏನು?’, ‘ತೃಪ್ತಿ ಎಂದರೆ ಏನು?’, ಎಂಬಂತಹ ಪ್ರಶ್ನೆಗಳನ್ನು ಅದರ ಮುಂದಿಟ್ಟೆ. ಅದು ನೀಡಿದ ಕೆಲವು ಉತ್ತರಗಳು ನನ್ನಲ್ಲಿ ವಿಸ್ಮಯ ಮತ್ತು ತಲ್ಲಣ ಮೂಡಿಸಿದ್ದಂತೂ ನಿಜ.

***

ಇತ್ತೀಚೆಗೆ, ಇನ್ನೊಂದು ಯೋಚನೆ ಬಂತು. ಪ್ರಕೃತಿಯ ಭೌತಿಕ ಪ್ರಪಂಚದ ಸೌಂದರ್ಯಸ್ವಾದನೆ ಮಾಡುತ್ತಲೇ, ನಮ್ಮ ಭಾವ ಪ್ರಪಂಚವನ್ನು ಮುಟ್ಟುವಂತಹ ಕವನಗಳ ಸಾಲುಗಳನ್ನು ಚಿತ್ರ ರಚಿಸುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳಿಗೆ ಫೀಡ್ ಮಾಡಿದರೆ, ಅವು ಎಂತಹ ಚಿತ್ರಗಳನ್ನು ರಚಿಸಬಲ್ಲವು? ಉದಾಹರಣೆಗೆ, ಗೀತ-ಗೋವಿಂದದ ‘‘ಲಲಿತ ಲವಂಗ ಲತಾ ಪರಿಶೀಲನ ಕೋಮಲ ಮಲಯ ಸಮೀರೇ..’’ ಎಂಬಂತಹ ಸಾಲುಗಳು, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಅಂತರಂಗದಲ್ಲಿ ಎಂತಹ ‘ಭಾವ’ವನ್ನು ಮೂಡಿಸಬಲ್ಲವು?

ಕುವೆಂಪುರವರ ‘ದೋಣಿ ಸಾಗಲಿ’, ನನಗೆ, ಚಿಕ್ಕಂದಿನಿಂದ ಅತ್ಯಂತ ಪ್ರಿಯವಾದ ಗೀತೆ-ಕವನ. ಸರಳ ಪದಗಳ ಕುಂಚದ ಮೂಲಕವೇ ನಮ್ಮ ಮನಃ ಪಟಲದಲ್ಲಿ ಪ್ರಕೃತಿಯ ಸುಂದರ ಚಿತ್ರವನ್ನು ರಚಿಸುವ ಆ ಗೀತೆಯನ್ನು ನಾನು ಲೆಕ್ಕವಿಲ್ಲದಷ್ಟು ಬಾರಿ ಗುನುಗಿಕೊಂಡಿದ್ದೇನೆ.

ಆ ಕವನದ ಪ್ರತಿ ಸಾಲೂ ಓದುಗ/ಕೇಳುಗರ ಮನದಲ್ಲಿ ಚಿತ್ರಗಳನ್ನು ರಚಿಸುತ್ತಲೇ ಬರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ‘‘ದೂರ ಬೆಟ್ಟದ ಮೇಲೆ ತೇಲುವ ಬಿಳಿಯ ಮೋಡವ ನೋಡಿರಿ’’, ಎಂದಾಗ ಎಂತಹ ಕಲ್ಪನಾಶೂನ್ಯ ವ್ಯಕ್ತಿಯ ಮನದಲ್ಲೂ ಆ ದೃಶ್ಯ ಮೂಡೇ ಮೂಡುತ್ತದೆ. ಆದರೆ, ‘‘ನಿನ್ನೆ ನಿನ್ನೆಗೆ, ಇಂದು ಇಂದಿಗೆ, ಇರಲಿ ನಾಳೆಯು ನಾಳೆಗೆ’’ ಎಂಬ ಸಾಲಿಗೆ ಎಂತಹ ದೃಶ್ಯ ಮೂಡಬಹುದು? ಅದು ನಮ್ಮ ಜೀವನಾನುಭವ, ಕಲ್ಪನಾಶಕ್ತಿ ಮತ್ತು ಭಾವ ಪ್ರಪಂಚದ ಮೇಲೆ ಬಿಟ್ಟದ್ದು.

ಜೀವನಾನುಭವ – ಭಾವ ಪ್ರಪಂಚಗಳು ಇಲ್ಲದ, ಕೇವಲ ಭಾಷೆಯ ಗಣಿತದ ಲೆಕ್ಕಾಚಾರದ ಚೌಕಟ್ಟಿನಲ್ಲಷ್ಟೇ ನಿರ್ಮಿಸಿದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದು ಕುವೆಂಪುರವರ ಕವನದ ಇಂತಹ ಸಾಲುಗಳಿಗೆ ಹೇಗೆ ಸ್ಪಂದಿಸಬಲ್ಲದು? ಅದರಲ್ಲಿ ಎಂತಹ ಚಿತ್ರಗಳು ಮೂಡಬಹುದು?

ಇಂತಹ ಕುತೂಹಲದ ಪ್ರಶ್ನೆಗಳಿಗೆ ಸಿಕ್ಕ ಕೆಲ ಉತ್ತರಗಳು ಈ ಲೇಖನದ ಜೊತೆಗೇ ಇವೆ. ‘‘ದೂರ ಬೆಟ್ಟದ..’’ ಎಂಬ ಸಾಲಿಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸ್ಪಂದಿಸಿರುವ ರೀತಿಯಲ್ಲಿ ಅಂತಹ ವಿಶೇಷತೆ ಏನೂ ಇಲ್ಲ. ಆದರೆ, ‘‘ಇಂದು ಇಂದಿಗೆ..’’ ಎಂಬ ಸಾಲನ್ನು ಅದು ಊಹಿಸಿಕೊಂಡಿರುವ ರೀತಿ ಮಾತ್ರ ಕುತೂಹಲಕರವೆನ್ನಿಸುತ್ತದೆ.

ಸಾಹಿತ್ಯ-ಸೌಂದರ್ಯಗಳ ರಸಾಸ್ವಾದನೆ ಮನುಷ್ಯರಿಗಷ್ಟೇ ದಕ್ಕುವಂತದ್ದು ಎಂದು ಖಡಾಖಂಡಿತವಾಗಿ ಹೇಳಬಹುದೇ?

ನನಗೆ ಗೊತ್ತಿಲ್ಲ.

***

ಗ್ರೀಕ್ ಪುರಾಣಗಳಲ್ಲಿ ಪಿಗ್ಮೇಲಿಯನ್ ಎಂಬ ಶಿಲ್ಪಿಯ ಕತೆಯಿದೆ. ಶಿಲ್ಪಕಲೆಯಲ್ಲಿ ಮಹಾ ಪರಿಣಿತನಾದ ಅವನು, ಒಮ್ಮೆ, ದಂತದಿಂದ ಯುವತಿಯು ಅಪ್ರತಿಮ ಸೌಂದರ್ಯದ ಶಿಲ್ಪವೊಂದನ್ನು ರಚಿಸುತ್ತಾನೆ. ಅದು ಅವನ ಕಣ್ಣಿಗೆ ಎಷ್ಟು ಸುಂದರ ಮತ್ತು ಜೀವ-ಸದೃಶವಾಗಿ ಕಾಣುತ್ತದೆಂದರೆ, ಅವನು ಆ ಶಿಲ್ಪವನ್ನು ಪ್ರೀತಿಸಲಾರಂಭಿಸುತ್ತಾನೆ. ಅವನ ಅಪುತ್ಪೃಗೆ-ಚುಂಬನಗಳಿಗೆ ಆ ಶಿಲ್ಪ ಸ್ಪಂದಿಸುತ್ತಿರುವಂತೆ ಅವನಿಗೆ ಭಾಸವಾಗತೊಡಗುತ್ತದೆ. ಅದು ಕೇವಲ ದಂತದ ಗೊಂಬೆ ಮಾತ್ರ ಎಂದು ಗೊತ್ತಿದ್ದರೂ, ಅಪುತ್ಪೃಗೆಯ ಆ ಕ್ಷಣಗಳಲ್ಲಿ ಅದು ನಿರ್ಜೀವ ವಸ್ತುವೆಂದು ಅವನ ಮನಸ್ಸು ಒಪ್ಪಿಕೊಳ್ಳಲೊಲ್ಲದು.

ಈ ಕತೆಯನ್ನು, ಹಲವಾರು ಲೇಖಕರು ಹೇಳಿದ್ದಾರೆ. ಎರಡು ಸಾವಿರ ವರ್ಷಗಳ ಹಿಂದೆ ರೋಮನ್ ಕವಿ ಓವಿಡ್ ಹೇಳುವ ಕತೆಯಲ್ಲಿ, ಪಿಗ್ಮೇಲಿಯನ್‌ನ ಸ್ಥಿತಿಗೆ ಮರಗುವ ದೇವತೆಯೊಬ್ಬಳು, ಆ ಶಿಲ್ಪಕ್ಕೆ ಜೀವ ನೀಡುತ್ತಾಳೆ. ಜೀವ ತಳೆದ ಆ ದಂತದ ತರುಣಿಯೊಂದಿಗೆ ಪಿಗ್ಮೇಲಿಯನ್‌ನ ಮದುವೆಯಾಗುತ್ತದೆ.

ಆದರೆ, ಹದಿನೆಂಟನೆಯ ಶತಮಾನದ ಫ್ರೆಂಚ್ ಸಾಹಿತಿ ರೂಸೋನ ಪಿಗ್ಮೇಲಿಯನ್ ಕತೆುಂಲ್ಲಿ, ಆ ಶಿಲ್ಪಕ್ಕೆ ಜೀವ ಬರುವುದು ಯಾವುದೇ ದೇವತೆಯ ವರದಿಂದಲ್ಲ; ಪಿಗ್ಮೇಲಿಯನ್‌ನ ಆತ್ಮವೇ ಆ ಶಿಲ್ಪದೊಂದಿಗೆ ಒಂದೆನಿಸುವ ಅವನ ಸೃಜನಶೀಲತೆಯ ಉತ್ಕಟತೆಯಿಂದಾಗಿ. ಹೀಗೆ ಜೀವಂತವಾಗುವ ಆ ಹುಡುಗಿ, ಮೊದಲು ತನ್ನ ಮೈ ಮುಟ್ಟಿಕೊಂಡು ‘‘ನಾನು’’ ಎನ್ನುತ್ತಾಳೆ. ನಂತರ, ಪಿಗ್ಮೇಲಿಯನ್‌ನ ಮೈ ಮುಟ್ಟಿ, ‘‘ಮತ್ತೆ ನಾನು’’ ಎನ್ನುತ್ತಾಳೆ.

೧೯೧೨ರಲ್ಲಿ ಪ್ರಕಟವಾದ ಪಿಗ್ಮೇಲಿಯನ್ ನಾಟಕದಲ್ಲಿ, ಜಾರ್ಜ್ ಬರ್ನಾರ್ಡ್ ಷಾ ಈ ಕತೆಗೆ ಇನ್ನೊಂದು ಅಂತ್ಯವನ್ನು ಒದಗಿಸುತ್ತಾರೆ. ಈ ನಾಟಕದ ಕೊನೆಯ ಅಂಕದಲ್ಲಿ, ಆ ತರುಣಿಗೂ, ತನ್ನ ಸಂತೋಷಕ್ಕಾಗಿ ಅವಳನ್ನು ತಿದ್ದಿ-ತೀಡಿ ಅವಳಿಗೆ ಹೊಸ ಅಸ್ಮಿತೆ ಕೊಟ್ಟ ಕಥಾನಾಯಕನಿಗೂ ವಾಗ್ವಾದವಾಗುತ್ತದೆ. ಅವಳ ಮಾತಿನಿಂದ ಅವನು ವಿಚಲಿತನಾಗುತ್ತಾನೆ. ಇದು ಅವಳಿಗೆ, ಅವನ ಮೇಲಿನ ತನ್ನ ಶಕ್ತಿಯ ಅರಿವು ಮೂಡಿಸುತ್ತದೆ. ಅವಳು, ಅವನ ಮದುವೆಯ ಇರಾದೆಯನ್ನು ತಿರಸ್ಕರಿಸುತ್ತಾಳೆ.

***

ಪುರಾಣದ ಪಿಗ್ಮೇಲಿಯನ್‌ನಂತೆ, ನಾವೂ ಸಹ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳಲ್ಲಿ ಇಲ್ಲದ್ದನ್ನು ಕಾಣುತ್ತಿದ್ದೇವೆಯೇ?

ನಮ್ಮ ಕತೆಯೇ ಅಂತ್ಯ ಹೇಗಿರಬಹುದು?

(ಈ ಲೇಖನದೊಂದಿಗೆ ಪ್ರಕಟಿತವಾಗಿರುವ ಚಿತ್ರಗಳೆಲ್ಲವೂ, ಲೇಖಕರು ನೀಡಿದ ಬರಹದ ಸ್ಯಾಂಪಲ್ಲುಗಳಿಗೆ ಕೃತಕ ಬುದ್ದಿಮತ್ತೆಯ ನ್ಯೂರಲ್ ನೆಟ್‌ಗಳು ಸ್ಪಂದಿಸಿ ತಾವೇ ರಚಿಸಿರುವ ಚಿತ್ರಗಳು )