తెల్లనివన్నీ పాలూ కాదు... నల్లనివన్నీ నీళ్లూ కాదు! అలాగే.. స్మార్ట్‌ఫోన్లు మొదలుకొని ఈ కామర్స్‌ గోదాముల వరకూ.. అన్నిచోట్ల ఉండేది ఒకే రకమైన కృత్రిమ మేధ కూడా కాదు! ఒక్కో చోట.. ఒక్కో టెక్నాలజీ! అన్నింటిలోనూ కామన్‌... ఈ శతాబ్దపు టెక్నాలజీగా పేరు సంపాదించుకున్న ఈ కృత్రిమ మేధ! ఏమిటిది? ఎన్ని రకాలు? తేడాలేమిటి?   కృత్రిమ మేధ అంటే..? పేరులో ఉన్నట్లే కృత్రిమమైన మేధ. అంటే.. జంతువులు, మనుషుల్లోని సహజమైన మేధ కాకుండా.. ఇదే రకమైన బుద్ధిని యంత్రాలూ ప్రదర్శించడం. కొంచెం సులువుగా చెప్పుకోవాలంటే.. మనుషుల్లా ఆలోచించడమే కాకుండా తదనుగుణంగా స్పందించే సాంకేతిక పరిజ్ఞానం అనవచ్చు. స్థూలంగా ఈ కృత్రిమ మేధలో మూడు అంశాలు ఉంటాయి. మొదటిది నేర్చుకోవడం... పసిపిల్లలు తమ పరిసరాలను పరిశీలిస్తూ ఎలాగైతే విషయాలను అర్థం చేసుకుంటారో.. కృత్రిమ మేధను అభివృద్ధి చేసే సమయంలోనూ కొన్ని ప్రాథమిక అంశాలను అందించి వాటిద్వారా కొత్త విషయాలను నేర్చుకునేలా చేస్తారు. రెండోది రీజనింగ్‌! తెల్లగా ఉందన్న వెంటనే అవి పాలు అని అర్థం చేసుకోకుండా.. తర్కాన్ని జోడించి విషయాలను తెలుసుకోవడం అన్నమాట. ముచ్చటగా మూడోది.. తప్పులు దిద్దుకోవడం.. నడక నేర్చుకునే క్రమంలో పిల్లలు కొన్నిసార్లు కిందపడ్డా.. బ్యాలెన్స్‌ను కాపాడుకోవడంలో చేసిన తప్పులను దిద్దుకున్నట్లే కృత్రిమ మేధ తాలూకూ సాఫ్ట్‌వేర్‌ నేర్చుకున్న అంశాల్లో ఏవైనా తప్పులు ఉంటే వాటిని సరిచేసుకుంటుందన్నమాట. ట్యూరింగ్‌ టెస్ట్‌! కృత్రిమ మేధ పూర్తిస్థాయిలో పనిచేస్తోందా? లేదా? తెలుసుకునేందుకు బ్రిటిష్‌ శాస్త్రవేత్త అలన్‌ ట్యూరింగ్‌ 1943లోనే ఓ పరీక్షను ప్రతిపాదించాడు. ట్యూరింగ్‌ టెస్ట్‌ అని పిలుస్తారు దీన్ని. కంప్యూటర్, మనిషి సంభాషించుకుంటూండగా... న్యాయనిర్ణేత వారికి కొన్ని ప్రశ్నలు వేస్తాడు. వాటి ద్వారా ఎవరు మనిషి ఎవరు కాదు? అన్నది తేల్చలేకపోతే... కంప్యూటర్‌ ట్యూరింగ్‌ టెస్ట్‌ పాసైనట్లు లెక్క. 2014లో పదమూడేళ్ల ఉక్రెయిన్‌ బాలుడి మాదిరిగా ఓ కంప్యూటర్‌ సాఫ్ట్‌వేర్‌ ట్యూరింగ్‌ టెస్ట్‌లో పాల్గొంది. న్యాయనిర్ణేతలతో సంభాషణలు జరిపినప్పుడు కనీసం 33 శాతం మంది అవతలివైపు ఉన్నది మనిషేనని గట్టిగా భావించారు. ఎన్ని రకాల టెక్నాలజీలు.. రోబోటిక్స్‌: కృత్రిమ మేధతో పనిచేసే రోబోల డిజైనింగ్, తయారీ, అభివృద్ధి అన్నీ ఇందులో భాగం. అవసరాన్ని బట్టి వేర్వేరు పనులు చేయగల రోబోలను తయారు చేస్తారన్నమాట. ఉదాహరణకు కార్ల ఫ్యాక్టరీలో రోబోటిక్‌ హ్యాండ్‌ వంటివి అవసరమైతే.. శస్త్రచికిత్సలు చేసేందుకు సునిశితమైన కదలికలు కలిగిన రోబోలు అవసరమవుతాయి. హోటల్లో వెయిటర్‌గా, సూపర్‌మార్కెట్‌లో క్యాషియర్‌గా వ్యవహరించే రోబోలకు ఆయా పనులకు తగ్గ డిజైనింగ్, సామర్థ్యాలు అవసరమవుతాయని వేరుగా చెప్పాల్సిన అవసరం లేదు. మెషీన్‌ లెర్నింగ్‌: అంకెలు, అల్గారిథమ్‌ల సాయంతో యంత్రాలు/కంప్యూటర్లు కొత్త కొత్త విషయాలను నేర్చుకోవడాన్ని మెషీన్‌ లెర్నింగ్‌ అంటారు. మొదట్లో కొన్ని తప్పులు జరిగినప్పటికీ మనిషి మాదిరిగానే అనుభవంతో కచ్చితత్వం అలవడుతుంది మెషీన్‌ లెర్నింగ్‌లో. యంత్రం/కంప్యూటర్‌ నేర్చుకుంటున్న క్రమంలో మనిషి పాత్ర ఉంటే దాన్ని సూపర్‌వైజ్డ్‌ మెషీన్‌ లెర్నింగ్‌ అని, లేకపోతే అన్‌సూపర్‌వైజ్డ్‌ అని పిలుస్తారు. కస్టమర్‌ సర్వీస్‌ మొదలుకొని మెడికల్‌ డయాగ్నసిస్‌ వరకూ మెషీన్‌ లెర్నింగ్‌కు ఎన్నో ఉదాహరణలు ఉన్నాయి.   నేచురల్‌ లాంగ్వేజ్‌ ప్రాసెసింగ్‌: మనిషి మాట్లాడే భాషను అర్థం చేసుకుని తదనుగుణంగా స్పందించేందుకు ఉద్దేశించిన కృత్రిమ మేధ విభాగం ఈ నేచురల్‌ లాంగ్వేజ్‌ ప్రాసెసింగ్‌ (ఎన్‌ఎల్‌పీ) టెక్నాలజీ. మీరెప్పుడైనా గ్రామర్‌లీని ఉపయోగించారా? ఇంగ్లిషు భాషలో మనం రాసే వాక్యాల వ్యాకరణాన్ని సరిదిద్దేందుకు పనికొస్తుందిది. ఎన్‌ఎల్‌పీ ద్వారా పనిచేస్తుంది. ఈ మెయిళ్లలో స్పామ్‌ను గుర్తించేదీ, సోషల్‌మీడియాపై పెట్టే నిఘా, కొన్ని వెబ్‌సైట్లలో మనతో మాట్లాడే చాట్‌బోట్లూ ఈ ఎన్‌ఎల్‌పీ ఆధారంగా తయారైనవే. అటానమస్‌ వెహికిల్స్‌: డ్రైవర్లు అవసరం లేని కార్ల గురించి మనం తరచూ వింటూ ఉంటాం. వాహనంలో ఏర్పాటు చేసిన పలు రకాల సెన్సర్లు, కెమెరాల ద్వారా అందే సమాచారం మొత్తాన్ని ఏ క్షణానికి ఆ క్షణం విశ్లేషించుకుంటూ తదనుగుణంగా నిర్ణయాలు తీసుకోవడం ఆ అటానమస్‌ వెహికల్స్‌ టెక్నాలజీలో జరిగే ప్రక్రియ. టెస్లా కొన్నేళ్ల క్రితం ఈ డ్రైవర్ల అవసరం లేని వాహనాలను అందుబాటులోకి తేగా... చట్టపరమైన సమస్యల కారణంగా వాటి వినియోగం పూర్తిస్థాయిలో జరగడం లేదు. భారత్‌లో ఇటీవల  కొన్ని మోడళ్ల కార్లలో పరిమిత స్థాయిలో ఈ అటానమస్‌ వెహికిల్‌ టెక్నాలజీని వాడటం మొదలుపెట్టారు.   రొబోటిక్‌ ప్రాసెస్‌ ఆటొమేషన్‌: కృత్రిమ మేధ విషయంలో అతితక్కువ విలువ ఉన్న టెక్నాలజీ ఇదే కావచ్చు. పదేపదే చేయాల్సిన పనిని యంత్రాలకు లేదా సాఫ్ట్‌వేర్‌కు అప్పగించడం ఈ రొబోటిక్‌ ప్రాసెస్‌ ఆటోమేషన్‌. లెక్కలేయడం, రికార్డుల నిర్వహణ వంటివి దీనికి ఉదాహరణలు.   న్యూరల్‌ నెట్‌వర్క్‌: శరీరంలోని నాడులు, నాడీవ్యవస్థ మెదడు పనితీరుల ఆధారంగా యంత్రాలకు నిర్దిష్టమైన పనులు నేర్పడం, చేసేలా చేయడం కోసం ఈ న్యూరల్‌ నెట్‌వర్క్‌లను వాడతారు. మెదడులోని న్యూరాన్ల మధ్య సంబంధాలు ఉన్నట్లే.. కృత్రిమ మేధకు చెందిన న్యూరల్‌ నెట్‌వర్క్‌లో కొన్ని అల్గారిథమ్‌లను ఉపయోగిస్తారు. ఆన్‌లైన్‌ మోసాలను గుర్తించేందుకు ఎక్కువగా వాడుతూంటారు దీన్ని. స్టాక్‌మార్కెట్‌ తీరుతెన్నుల అంచనాకు, రిస్క్‌ అనాలసిస్‌ వంటి వాటికీ ఈ  కృత్రిమ మేధ బాగా ఉపయోగపడుతుంది.   మెషీన్‌ విజన్‌.. యంత్రాలకు కళ్లు తీసుకొస్తే అది మెషీన్‌ విజన్‌. రంగు చూసి పండా? కాయా? అన్నది తెలుసుకున్నట్లే యంత్రం కూడా తన దృష్టితో కొన్ని విషయాలను అర్థం చేసుకునేలా చేస్తారు దీంట్లో. బిస్కెట్ల ఫ్యాక్టరీలో దీన్ని వాడారనుకోండి.. విరిగిపోయిన వాటిని ఎక్కడికక్కడ గుర్తించి అవి ప్యాక్‌ కాకుండా జాగ్రత్త పడవచ్చు. అలాగే పండ్లు, కాయగూరల్లో పనికిరాని వాటిని వేరు చేసేందుకూ మెషీన్‌ విజన్‌ ఉపయోగపడుతుంది. బార్‌కోడ్ల సమాచారాన్ని గుర్తించేందుకూ ఇదే టెక్నాలజీని వాడతారు.  – సాక్షి, హైదరాబాద్‌  


 న్యూఢిల్లీ: స్థానిక భాష మాట్లాడే వారిని ఆన్‌లైన్‌లోకి తీసుకురావడానికి గూగుల్‌ చాలానే శ్రమిస్తోంది. ఇందులో భాగంగానే ఇది తాజాగా ‘గూగుల్‌ ట్రాన్స్‌లేట్‌’ టూల్‌ను ‘న్యూరల్‌ మెషీన్‌ ట్రాన్స్‌లేషన్‌’ టెక్నాలజీతో అప్‌గ్రేడ్‌ చేసింది. ఈ టెక్నాలజీ సాయంతో గూగుల్‌ ట్రాన్స్‌లేట్‌ ఇంగ్లిష్‌ వాక్యాలను బెంగాలీ, మరాఠీ, తమిళ్, తెలుగు, గుజరాతీ, పంజాబీ, మలయాళం, కన్నడ భాషలోకి అనువాదం చేస్తుంది. క్రోమ్‌ బ్రౌజర్‌లో ఇది ఇన్‌బిల్ట్‌గా ఉంటుంది. అంటే యూజర్లు వెబ్‌ కంటెంట్‌ను తొమ్మిది భాషల్లో పొందొచ్చు. ‘న్యూరల్‌ మెషీన్‌ ట్రాన్స్‌లేషన్‌’ టెక్నాలజీ సేవలను గూగుల్‌ సెర్చ్, మ్యాప్స్‌కు కూడా విస్తరించినట్లు కంపెనీ తెలిపింది.
 
  దీంతో రివ్యూలను మనకు అనువైన భాషలో చూడొచ్చు. ఇక జీ–బోర్డు కీబోర్డు యాప్‌ 22 దేశీ భాషలను సపోర్ట్‌ చేస్తుందని పేర్కొంది. అలాగే కంపెనీ గూగుల్‌ సెర్చ్‌కు హిందీ డిక్షనరీని కలిపింది. ‘భారత్‌లో 23.4 కోట్ల మంది ఆన్‌లైన్‌ యూజర్లు దేశీ భాషలను ఉపయోగిస్తున్నారు. ఇంగ్లిష్‌ వెబ్‌ యూజర్ల సంఖ్య 17.5 కోట్లుగా ఉంది.
 
  వచ్చే నాలుగేళ్లలో మరో 30 కోట్ల మంది దేశీ భాషలను విరివిగా వాడే వారు ఆన్‌లైన్‌లోకి రావొచ్చు’ అని గూగుల్‌ వైస్‌ ప్రెసిడెంట్‌ (ఇండియా, దక్షిణ–తూర్పు ఆసియా) రాజన్‌ ఆనందన్‌ తెలిపారు. కాగా గూగుల్‌ కేపీఎంజీతో కలిసి ఒక నివేదికను విడుదల చేసింది. దీని ప్రకారం.. 2021 నాటికి స్థానిక భాష మాట్లాడే ఇంటర్నెట్‌ యూజర్ల సంఖ్య 18 శాతం వార్షిక సమ్మిళిత వృద్ధితో 53.6 కోట్లకు చేరుతుంది.