ಮನುಷ್ಯರಂತೆಯೇ ತನ್ನ ಸುತ್ತಮುತ್ತಲಿನ ವಾತಾವರಣವನ್ನು ಅರ್ಥೈಸಿಕೊಳ್ಳಬಲ್ಲ, ಮನುಷ್ಯರಂತೆಯೇ ನಿರ್ಧಾರಗಳನ್ನು ತಳೆಯಬಲ್ಲ ತಂತ್ರಜ್ಞಾನವನ್ನು ಎ. ಐ. ಎಂದು ಕರೆಯುತ್ತೇವೆ
ಮನುಷ್ಯರಂತೆಯೇ ತನ್ನ ಸುತ್ತಮುತ್ತಲಿನ ವಾತಾವರಣವನ್ನು ಅರ್ಥೈಸಿಕೊಳ್ಳಬಲ್ಲ, ಮನುಷ್ಯರಂತೆಯೇ ನಿರ್ಧಾರಗಳನ್ನು ತಳೆಯಬಲ್ಲ ತಂತ್ರಜ್ಞಾನವನ್ನು ಎ. ಐ. ಎಂದು ಕರೆಯುತ್ತೇವೆ|Image by Gerd Altmann from Pixabay
ಟೆಕ್‌ ಲೋಕ

ಕೃತಕಮತಿ ಮತ್ತು ಸೃಜನಶೀಲತೆ

ಸ್ವಂತ ಬುದ್ಧಿಯೇ ಇಲ್ಲದ ಕಂಪ್ಯೂಟರ್ ಮನುಷ್ಯನಿಗೆ ಸರಿಸಾಟಿಯಾಗಲಾರದು ಎಂಬ ನಂಬಿಕೆಯನ್ನು ಸುಳ್ಳಾಗಿಸಿದ್ದು ಎಐ (ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟಲಿಜೆನ್ಸ್)!

ಶ್ರೀಧರ ಭಟ್ಟ

ಕಂಪ್ಯೂಟರ್ ಏನಿದ್ದರೂ ಮನುಷ್ಯನ ಗುಲಾಮ; ಜಾಣ ಗುಲಾಮ. ಮನುಷ್ಯ ಬರೆದ ಪ್ರೋಗ್ರಾಮುಗಳಿಗನುಗುಣವಾಗಿ ಕೆಲಸವನ್ನು ಮನುಷ್ಯನಿಗಿಂತ ವೇಗವಾಗಿ ಮುಗಿಸಿಕೊಡುವುದನ್ನು ಬಿಟ್ಟರೆ, ಸ್ಮರಣಶಕ್ತಿಯ ವಿಷಯದಲ್ಲಿ ಮನುಷ್ಯನನ್ನು ಮೀರಿಸುವುದನ್ನು ಹೊರತುಪಡಿಸಿದರೆ, ಕಂಪ್ಯೂಟರ್ ಉಳಿದ ಸಂಗತಿಗಳಲ್ಲಿ ಮನುಷ್ಯನಿಗೆ ಯಾವ ರೀತಿಯಲ್ಲೂ ಸರಿಸಾಟಿಯಾಗಲಾರದು. ಕಂಪ್ಯೂಟರ್ ಮನುಷ್ಯನಂತೆ ಚಿತ್ರ ಬಿಡಿಸಬಲ್ಲದೇ? ಲೇಖನವೊಂದನ್ನು ಬರೆಯಬಲ್ಲದೇ? ಹಾಡಿನ ಧಾಟಿಯನ್ನು ಕಟ್ಟಿಕೊಡಬಲ್ಲದೇ? ಊಹುಂ, ಅಂತಹ ಕೆಲಸಗಳನ್ನು ಮಾಡಲು ಬುದ್ಧಿವಂತಿಕೆ-ಸೃಜನಶೀಲತೆಗಳ ಸಂಯೋಜನೆ ಬೇಕು. ಅದು ಈ ಯಂತ್ರಗಳ ಬಳಿ ಇಲ್ಲ.

ಇಂತಹದ್ದೊಂದು ನಂಬಿಕೆ ತೀರ ಇತ್ತೀಚಿನವರೆಗೂ ಜನಮಾನಸದಲ್ಲಿ, ಅಷ್ಟೇ ಏಕೆ, ವಿದ್ವತ್ ವಲಯದಲ್ಲೂ ಬಲವಾಗಿ ಬೇರೂರಿಕೊಂಡಿತ್ತು. ಆದರೆ, ಆ ನಂಬಿಕೆಯನ್ನು ಸುಳ್ಳಾಗಿಸಿದ್ದು ಎ. ಐ. (Artificial intelligence) ಅಥವಾ ಕೃತಕಮತಿ. ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ, ಮನುಷ್ಯರಂತೆಯೇ ತನ್ನ ಸುತ್ತಮುತ್ತಲಿನ ವಾತಾವರಣವನ್ನು ಅರ್ಥೈಸಿಕೊಳ್ಳಬಲ್ಲ ಅಥವಾ ಕೊಟ್ಟ ದತ್ತಾಂಶಗಳನ್ನು (Data) ವಿಶ್ಲೇಷಿಸಬಲ್ಲ, ಅರ್ಥೈಸಿ ವಿಶ್ಲೇಷಿಸಿದ ವಿಷಯಗಳ ಬಗ್ಗೆ ಮನುಷ್ಯರಂತೆಯೇ ನಿರ್ಧಾರಗಳನ್ನು ತಳೆಯಬಲ್ಲ (Decision making) ತಂತ್ರಜ್ಞಾನವನ್ನು ಎ. ಐ. ಎಂದು ಕರೆಯುತ್ತೇವೆ. ಮನುಷ್ಯರನ್ನು ಅನುಕರಿಸುವುದರಲ್ಲಿ ಇವುಗಳ ಪರಿಣಿತಿ ಬೆಳೆಯುತ್ತಿರುವ ವೇಗವನ್ನು ಗಮನಿಸಿದರೆ, ಒಂದಲ್ಲ ಒಂದು ದಿನ ಇವು ಮನುಷ್ಯರಿಗಿಂತಲೂ ಹೆಚ್ಚು ಮನುಷ್ಯರಂತಾಗಬಹುದು ಎಂಬ ಅನಿಸಿಕೆ ಮೂಡುವುದು ಸುಳ್ಳಲ್ಲ.

ಆದರೆ, ಈ ಪ್ರಗತಿ ಹಾಲಿವುಡ್ ಚಲನಚಿತ್ರಗಳಲ್ಲಿ ತೋರಿಸುವ ಹಾಗೆ, ಏಕಾಏಕಿ ಸಾಧ್ಯವಾಗಿರುವುದಲ್ಲ. ಈ ಪ್ರಗತಿಯಲ್ಲಿ ಎ. ಐ. ನೆಟ್ಟ ಮೈಲಿಗಲ್ಲುಗಳನ್ನು ಕಾಣಲು, ನಾವು 1996-1997ರ ಕಾಲಕ್ಕೆ ತೆರಳಬೇಕು. ಆಗ ಗ್ಯಾರಿ ಕ್ಯಾಸ್ಪರೋವ್ ಎಂದರೆ ಚದುರಂಗಲೋಕದಲ್ಲೊಂದು ಮಿಂಚಿನ ಸಂಚಲನ. ಅಂದಿನ ವಿಶ್ವಚಾಂಪಿಯನ್ ಆಗಿದ್ದ ಅವರು, ಕೆಲವೇ ವರ್ಷಗಳ ಹಿಂದೆ, ಬೆಂಟ್ ಲಾರ್ಸನ್ ಎಂಬ ಬಲಿಷ್ಟ ಗ್ರ್ಯಾಂಡ್ ಮಾಸ್ಟರ್ ಒಬ್ಬರನ್ನು ಸೋಲಿಸಿ ಹೆಸರಾಗಿದ್ದ, ಐ.ಬಿ.ಎಮ್. ಕಂಪೆನಿಯ 'ಡೀಪ್ ಥಾಟ್' (IBM Deep Thought) ಪ್ರೋಗ್ರಾಮನ್ನು ಬಗ್ಗುಬಡಿದಿದ್ದರು.

ಈ ಸೋಲನ್ನು ಗಂಭೀರವಾಗಿ ಪರಿಗಣಿಸಿದ ಐ.ಬಿ.ಎಮ್.ನ ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನಿಗಳ ತಂಡದಿಂದ ತಯಾರಾದ ಹೊಸ ಅಸ್ತ್ರವೇ 'ಡೀಪ್ ಬ್ಲ್ಯೂ'. (IBM Deep Blue) ಅದರ ಮತ್ತು ಕ್ಯಾಸ್ಪರೋವ್ ಅವರ ಮಧ್ಯೆ, ಹತ್ತುಹಲವು ದಿನಗಳ ಅಂತರಗಳೊಂದಿಗೆ ನಡೆದ ಪಂದ್ಯಾವಳಿಯಲ್ಲಿ ವಿಜಯಿಯಾದ ಡೀಪ್ ಬ್ಲ್ಯೂ, ವಿಶ್ವಚಾಂಪಿಯನ್ ಒಬ್ಬನನ್ನು ಸೋಲಿಸಿದ ಮೊದಲ ಕಂಪ್ಯೂಟರ್ ಎಂಬ ಶ್ರೇಯಕ್ಕೆ ಪಾತ್ರವಾಯಿತು. ಆದರೆ, ಇಂದಿನ ಎ. ಐ. ಯಂತೆ ನಾವೇ ಕೊಟ್ಟ ದತ್ತಾಂಶಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿ ಪಾಠ ಕಲಿಯದೇ, ಎದುರಿಗಿರುವ 'ಸ್ಥಿತಿ'ಯ (position) ಲಕ್ಷಾಂತರ ಸಾಧ್ಯತೆಗಳನ್ನು ಊಹಿಸಿ, ಅವುಗಳಲ್ಲಿ ಯಾವ ಸಾಧ್ಯತೆಯನ್ನು ಆರಿಸಿದರೆ ಉತ್ತಮ ಎಂದು 'ಇನ್ ಫಿನಿಟಿ ವಾರ್' ಚಿತ್ರದ ಡಾಕ್ಟರ್ ಸ್ಟ್ರೇಂಜ್ ನಂತೆ ನಿರ್ಧಾರ ತಳೆಯುವ ಡೀಪ್ ಬ್ಲ್ಯೂವನ್ನು ಎ. ಐ. ಯ ತೀರ ಪ್ರಾಥಮಿಕ ಮಾದರಿ ಎಂದು ತಂತ್ರಜ್ಞರು ಪರಿಗಣಿಸುತ್ತಾರೆ.

ಅಂದಿನ ಡೀಪ್ ಬ್ಲ್ಯೂವನ್ನು ಲೀಲಾಜಾಲವಾಗಿ ಮೆಟ್ಟಿನಿಲ್ಲಬಲ್ಲ, ಇಂದಿನ ತಾಂತ್ರಿಕ ವ್ಯಾಖ್ಯಾನಗಳ ಪ್ರಕಾರ ಸಂಪೂರ್ಣವಾಗಿ ಎ. ಐ. ಎಂದೇ ಪರಿಗಣಿಸಬಹುದಾದ 'ಆಲ್ಫಾಝೀರೋ' (AlphaZero) ಎಂಬ ಉತ್ಪನ್ನ ಗೂಗಲ್ ಅಧೀನದ ಡೀಪ್‌ಮೈಂಡ್ ಸಂಸ್ಥೆಯಿಂದ 2017ರಲ್ಲಿ ಹೊರಬಂದಿದೆ. ಸದ್ಯಕ್ಕಂತೂ ಇದಕ್ಕಿಂತ ಬಲಶಾಲಿ ಚೆಸ್ ಆಟಗಾರ / ಚೆಸ್ ತಂತ್ರಾಂಶ ಜಗತ್ತಿನಲ್ಲೇ ಇಲ್ಲ. ಅದೇ ಸಂಸ್ಥೆಯ 'ಆಲ್ಫಾಗೋ' (AlphaGo) ಎಂಬ ಎ. ಐ., ಎರಡೂವರೆ ಸಾವಿರ ವರ್ಷಗಳಷ್ಟು ಹಳೆಯದಾದ, ಚೀನಾಮೂಲದ, ಕೇವಲ ಚುಕ್ಕಿಗಳನ್ನಷ್ಟೇ ಇಟ್ಟು ಆಡುವ ಅತಿ ಕ್ಲಿಷ್ಟಕರವಾದ 'ಗೋ' ಆಟದಲ್ಲಿ ಮನುಷ್ಯರನ್ನು ಸೋಲಿಸಿದೆ. (2017) ಅಂದಹಾಗೆ, ಈ ಆಟದಲ್ಲಿ ಮನುಷ್ಯರ ವಿರುದ್ಧ ಗೆಲುವು ಸಾಧಿಸಲು ಯಂತ್ರ-ತಂತ್ರಗಳಿಂದ ಸಾಧ್ಯವಿಲ್ಲ ಎಂದು ಎಲ್ಲರೂ ಭಾವಿಸಿದ್ದರು!

ಆದರೂ, ಕೇವಲ ಲೆಕ್ಕಾಚಾರಗಳ ಆಧಾರದಲ್ಲೇ ನಡೆಯುವ ಆಟಗಳ ಫಲಿತಾಂಶಗಳು ಎ. ಐ. ಯ ಸೃಜನಶೀಲತೆಯ ಅಭಿವ್ಯಕ್ತಿಯಾಗದು ಎಂದು ಹಲವರು ವಾದಿಸಬಹುದು. ಊಹುಂ, ಎ. ಐ. ವ್ಯಾಪ್ತಿ ಕೇವಲ ಗಣಿತೀಯ ಆಟಗಳಿಗೆ ಮಾತ್ರ ಸೀಮಿತವಾಗಿಲ್ಲ. ಉದಾಹರಣೆಗೆ, ನೀವು ಉತ್ತರಗಳನ್ನು ಮುಂದಿಟ್ಟು, ಅದಕ್ಕೆ ಸೂಕ್ತವೆನಿಸುವ ಪ್ರಶ್ನೆಯನ್ನು ರಚಿಸುವ, ಅಮೆರಿಕಾದ ಜನಪ್ರಿಯ 'ಜೆಪರ್ಡಿ' ಆಟವನ್ನು (‘Jeopardy!’ Game show) ಟಿವಿಯಲ್ಲೋ, ಯೂಟ್ಯೂಬಿನಲ್ಲೋ ನೋಡಿರಬಹುದು. 2011ರಲ್ಲೇ, ಈ ಆಟದಲ್ಲೂ ಐ.ಬಿ.ಎಮ್. ಸಂಸ್ಥೆಯ 'ವಾಟ್ಸನ್' (IBM Watson) ಕಂಪ್ಯೂಟರ್, ಮನುಷ್ಯರನ್ನು ಸೋಲಿಸಿದೆ.

ಹಾಗಾದರೆ, ಎ. ಐ. ನಮ್ಮ ಮಾತುಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಲ್ಲದೇ? ನಮ್ಮ ಮಾತಿನ ಶೈಲಿಯನ್ನು ಅನುಕರಿಸಬಲ್ಲದೇ? ಹೌದು. ಕೆಲವು ವರ್ಷಗಳ ಹಿಂದೆ, ಟೊರೋಂಟೋ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನ ವಿಭಾಗದ ಸಂಶೋಧನಾವಿದ್ಯಾರ್ಥಿಗಳು, ಅದೇ ವಿಭಾಗದ ಉಪನ್ಯಾಸಕ-ವಿಜ್ಞಾನಿ ಸ್ಟೀವ್ ಎಂಗೆಲ್ಸ್ ಅವರ ನೇತೃತ್ವದಲ್ಲಿ, ಅಮೆರಿಕಾದ ಅಂದಿನ ಅಧ್ಯಕ್ಷ ಬರಾಕ್ ಒಬಾಮಾ ಅವರ ಭಾಷಣಗಳ ರಾಶಿಯನ್ನೇ ಸಂಗ್ರಹಿಸಿ, ಅದರ ಸಾರಸರ್ವಸ್ವವನ್ನೂ ಗ್ರಹಿಸಿ, ಅವರ ಶೈಲಿಯನ್ನೇ ಯಥಾವತ್ತಾಗಿ ಅನುಕರಿಸಿ, ಹೊಸದೊಂದು ಭಾಷಣವನ್ನೇ ಬರೆದ ಎ.ಐ.ಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು. ಅನುಕರಣೆಯೂ ಒಂದು ಕಲೆಯಲ್ಲವೇ?

ಎ. ಐ. ಚಿತ್ರ ಬಿಡಿಸುವುದನ್ನೂ, ಸಂಗೀತದ ತುಣುಕನ್ನು (Music clips) ರಚಿಸುವುದನ್ನೂ ಕಲಿತು ಯಾವುದೋ ಕಾಲವಾಗಿದೆ. ಆ ಲಲಿತವಿದ್ಯೆಗಳ ಮೇಲೆ ಅದು ಪರಿಣಿತಿ ಗಳಿಸುವುದನ್ನು ಸಾಧಿಸಲು, ಸಂಶೋಧಕರು ಅಗಾಧ ಸಂಖ್ಯೆಯಲ್ಲಿ ಮಾನವವಿರಚಿತ ಚಿತ್ರಗಳನ್ನೂ, ಸಂಗೀತವನ್ನೂ ತರಬೇತಿಗಾಗಿ ಬಳಸಿದ್ದಾರೆ. ನೆನಪಿಡಿ, ಕಂಪ್ಯೂಟರುಗಳು ನಮ್ಮ ಹಾಗೆ ಚಿತ್ರವನ್ನು 'ನೋಡುವುದಾಗಲಿ', ಹಾಡನ್ನು 'ಕೇಳುವುದಾಗಲಿ' ಮಾಡಲಾರವು; ಕಂಪ್ಯೂಟರ್ ಆಧಾರಿತ ಎ. ಐ. ಕೂಡ ಅಷ್ಟೇ. ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ, ಅವುಗಳಿಗೆ ಈ ಹಾಡು-ಚಿತ್ರಗಳೇನಿದ್ದರೂ ಕೇವಲ ಮಾತೃಕೆ (Matrix) ಅಥವಾ ಗಣಿತೀಯ ಪರಿಕರ್ಮಗಳು. (Mathematical functions)

ಆದರೆ, ಸೂಕ್ತವೆನಿಸುವ, ಭಾರೀ ಪ್ರಮಾಣದ ದತ್ತಾಂಶವನ್ನು ಸರಿಯಾದ ವಿಧಾನದಲ್ಲಿ ಉಣಬಡಿಸಿದರೆ, ಮನುಷ್ಯರು ಮಾಡಬಲ್ಲ ಯಾವುದೇ ಬಗೆಯ ಕೆಲಸವನ್ನು ಎ. ಐ. ಕಲಿಯಬಲ್ಲದು. ನಿನ್ನೆಮೊನ್ನೆಯಷ್ಟೇ ಬರೆಯಲು ಕಲಿತ ಪುಟ್ಟ ಹುಡುಗನ ಅಕ್ಷರ ಕೆಟ್ಟದಾಗಿದ್ದರೂ, ದಿನದಿನವೂ ಬರೆದು ಶಿಸ್ತು ಮೂಡುವಂತೆ, ಇತ್ತೀಚಿಗಷ್ಟೇ ಶಾಸ್ತ್ರೀಯ ಸಂಗೀತಾಭ್ಯಾಸವನ್ನು ಶುರು ಹಚ್ಚಿದ ಬಾಲಕಿ ಮೊದಮೊದಲು ಶೃತಿಗೆ ಶೃತಿ ಸೇರಿಸಿ ಹಾಡದಿದ್ದರೂ, ಹಲವು ದಿನಗಳ ಅವಿರತ ಪ್ರಯತ್ನದಿಂದ ದನಿಯನ್ನು ಮಾಗಿಸಿಕೊಳ್ಳುವಂತೆ, ಎ. ಐ. ಆರಂಭದಲ್ಲಿ ಬಿಡಿಸಿದ ಚಿತ್ರಗಳು ಅಥವಾ ಹೆಣೆದ ಧಾಟಿಗಳು ಸುಂದರವಾಗಿರದಿದ್ದರೂ, ಕಾಲಾನುಕ್ರಮದಲ್ಲಿ ಮನುಷ್ಯರ ಅಭಿರುಚಿಗೆ ಹಿಡಿಸುವಂತಹ ಕಲಾಸೃಷ್ಟಿ ಸಾಧ್ಯವಾಗಿದೆ.

ಹೀಗಿರುವಾಗ, ವಿಜ್ಞಾನದ ಈ ಹೆಜ್ಜೆಗುರುತುಗಳು ತಾತ್ವಿಕ ನೆಲೆಗಟ್ಟಿನಲ್ಲಿ ಚಿಂತಿಸಬೇಕಾದ ಹಲವು ಹೊಸ ಪ್ರಶ್ನೆಗಳನ್ನು ಹುಟ್ಟುಹಾಕಿರುವುದನ್ನೂ ನಾವು ಕಡೆಗಣಿಸುವಂತಿಲ್ಲ. ನಿರ್ಮಾತೃವು ನಿರ್ಮಾಣದ ಉದ್ದೇಶದೊಂದಿಗೆ, ನಿರ್ಮಿಸುತ್ತಿರುವ ಅರಿವಿನೊಂದಿಗೆ ಕಲೆಯೊಂದರ ನಿರ್ಮಾಣಕ್ಕೆ ಮುಂದಾದರೆ ಮಾತ್ರ ಅದನ್ನು ಸೃಜನಶೀಲತೆ ಎಂದು ಪರಿಗಣಿಸಬೇಕೇ? ಇಲ್ಲವೆಂದಾದಲ್ಲಿ, ನ್ಯೂರಾನುಗಳೆಂಬ ಕೋಶಗಳ ಜಾಲದಿಂದ ಕೆಲಸ ನಿರ್ವಹಿಸುತ್ತಿರುವ ಮಾನವನ ಮೆದುಳೂ ಸಹ ಪ್ರಕೃತಿ ರಚಿಸಿರುವ ಅಸಾಮಾನ್ಯ ಯಂತ್ರ ಎಂದೇ ವಿಜ್ಞಾನ ಪರೋಕ್ಷವಾಗಿ ಪ್ರತಿಪಾದಿಸುವಾಗ, ಅದೇ ಮಾದರಿಯಲ್ಲಿ ಕೆಲಸ ಮಾಡುವ ಮಾನವನಿರ್ಮಿತ ಸಂಗತಿಯೊಂದರ ಲೀಲೆಗಳನ್ನು ಹೊರಗಿಡುವ ಅಸ್ಪಷ್ಟರೇಖೆಯಾದರೂ ಯಾವುದು?

ಇಲ್ಲ. ಇಂತಹ ಸಮಸ್ಯೆಗಳಿಗೆ ಎಲ್ಲರೂ ಒಪ್ಪುವ ಸಮಾಧಾನ ದೊರಕುವುದಿಲ್ಲ. ಇತ್ತೀಚಿಗಷ್ಟೇ, ಎಪ್ರಿಲ್ 21ರಂದು 'ವಿಶ್ವ ಸೃಜನಶೀಲತೆಯ ದಿನ' ಆಚರಿಸಲ್ಪಟ್ಟಿತು; ಮನುಷ್ಯ ಮತ್ತು ಯಂತ್ರಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸುವ ಸಲುವಾಗಿಯೇ ಹುಟ್ಟಿದ ಟ್ಯೂರಿಂಗ್ - ಲವ್ಲೇಸ್ ಪರೀಕ್ಷೆಗಳಲ್ಲೂ (Turing Test & Lovelace Test) ಎ. ಐ. ಮನುಷ್ಯರಂತೆಯೇ ತೇರ್ಗಡೆಯಾಗುತ್ತಿರುವ ಈ ಯುಗದಲ್ಲಿ, ಮನುಷ್ಯರಿಗಷ್ಟೇ ಸೀಮಿತವಾದ ಲಲಿತಕ್ಷೇತ್ರಗಳಿಗೂ ಲಗ್ಗೆಯಿಟ್ಟಿರುವ ಈ ತಂತ್ರಾಂಶಗಳ ದೆಸೆಯಿಂದಲೇ, ಕಲೆ-ಸೃಜನಶೀಲತೆಗಳನ್ನು ನಾವು ಗ್ರಹಿಸುತ್ತಿರುವ ರೀತಿಯನ್ನೇ ಬದಲಿಸಿಕೊಳ್ಳಬೇಕಾಗಿ ಬಂದರೂ ಅಚ್ಚರಿಯೇನಿಲ್ಲ.

ಚೆಸ್ ಆಟ ಮತ್ತು ಆಲ್ಫಾಝೀರೋ
ಚೆಸ್ ಆಟದಲ್ಲಿ, ಮೊದಲ ಹತ್ತಾರು ಆರಂಭಿಕ ನಡೆಗಳ ಮೇಲೆ ಸಾವಿರಾರು ಸಿದ್ಧಾಂತ-ಉಪಸಿದ್ಧಾಂತಗಳಿವೆ. (Opening theories - including all the variations) ಅವುಗಳು ಮುಗಿದ ಬಳಿಕ ಆಡುವ ನಡೆಗಳಲ್ಲಿ, ಒಂದಲ್ಲ ಒಂದು ಹಂತದಲ್ಲಿ ಯಾರೂ ಆಡದ ನಡೆಯೊಂದು ಬೋರ್ಡಿನ ಮೇಲೆ ನಡೆದು (Novelty) ಸಂಪೂರ್ಣವಾಗಿ ಹೊಸ ಆಟವೇ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. ಕಡೆಗೆ, ಕೆಲವೇ ಕೆಲವು ಕಾಯಿ-ಪೇದೆಗಳನ್ನು ಇಟ್ಟುಕೊಂಡು ಆಡುವ ಅಂತಿಮಘಟ್ಟದ (Endgame) ಮೇಲೂ ಸಾವಿರಾರು ಸಿದ್ಧಾಂತಗಳಿವೆ. ಆಲ್ಫಾಝೀರೋದ ನಿರ್ಮಾತೃರು, ಅದಕ್ಕೆ ಕೇವಲ ಆಟದ ನಿಯಮಗಳನ್ನಷ್ಟೇ ಕಲಿಸಿ, ಆ ನಿಯಮಗಳ ಆಧಾರದಲ್ಲೇ ಬಿಳಿ-ಕಪ್ಪು ಎರಡೂ ಬದಿಗಳಿಂದಲೂ ಆಡಿ, ಲಕ್ಷಾಂತರ ಸಂಖ್ಯೆಯ ಆಟಗಳನ್ನು ಸೃಷ್ಟಿಸಿಕೊಳ್ಳುವಂತೆ ಮಾಡಿದರು. ತಾನೇ ಸೃಷ್ಟಿಸಿದ ಆಟಗಳನ್ನು (Data, in this case) ವಿಶ್ಲೇಷಿಸಿ, ಎಲ್ಲ ಬಗೆಯ ಸಿದ್ಧಾಂತಗಳನ್ನು ಸ್ವತಃ ಕಲಿತು, ಎದುರಿಗಿರುವ 'ಸ್ಥಿತಿ'ಯನ್ನು ನೋಡಿ, ಎಲ್ಲಾ ಸಾಧ್ಯತೆಗಳನ್ನೂ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳದೇ, ಮನುಷ್ಯರ ಹಾಗೆ, ಕೆಲವೇ ಕೆಲವು ಉತ್ತಮ ನಡೆಗಳನ್ನು ಸಹಜವಾಗಿಯೇ ಗ್ರಹಿಸಿ, ಅವುಗಳಲ್ಲಿ ಅತ್ಯುತ್ತಮವಾದದ್ದನ್ನು ಆಡುವ ಹಾಗೆ ಮಾಡಿದರು. ಪರಿಣಾಮ? ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಕೋಟ್ಯಂತರ ನಡಾವಳಿಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಹಾಕುವ ಚೆಸ್ ಇಂಜಿನ್ಗಳೆಲ್ಲವನ್ನೂ, ಕೆಲವೇ ಸಾವಿರ ನಡಾವಳಿಗಳನ್ನು ಮಾತ್ರ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವ ಆಲ್ಫಾಝೀರೋ ಸೋಲಿಸಿತು! ಮನುಷ್ಯಮಾತ್ರರ ಬಳಿ, ಸಾವಿರಾರು ನಡಾವಳಿಗಳ ಲೆಕ್ಕಾಚಾರ ಸಾಧ್ಯವಿಲ್ಲದಿದ್ದರೂ, ಅದು ಆಟದಲ್ಲಿ ತೆಗೆದುಕೊಳ್ಳುತ್ತಿದ್ದ ನಡೆಗಳ ಆಯ್ಕೆಯ ಶೈಲಿ, ಮನುಷ್ಯರು ಯೋಚಿಸಿ ಆಡುವ ಆಟದ ಶೈಲಿಯಂತೆಯೇ ಇರುವುದು ಗಮನಾರ್ಹ. ಕಾಯಿಗಳ ತ್ಯಾಗ (Sacrifice) ಮಾಡಿ ಲಾಭ ಪಡೆಯುವುದು, ಪೇದೆಗಳ ವಿನಿಮಯ ನಡೆಸದೇ ಇಕ್ಕಟ್ಟಿನ ಸ್ಥಿತಿಯನ್ನು (Closed position) ನಿರ್ಮಿಸಿ, ಕಡೆಗೆ ನಿಧಾನಗತಿಯ ಆಟವಾಡಿ ಎದುರಾಳಿಯನ್ನು ಬಗ್ಗುಬಡಿಯುವುದು - ಎರಡೂ ಬಗೆಯ ಕಲಾತ್ಮಕತೆಯಲ್ಲೂ ಆಲ್ಫಾಝೀರೋ ಮನುಷ್ಯರ ಶೈಲಿಯನ್ನೇ ನೆನಪಿಸುತ್ತದೆ. ಆದರೆ, ಆಟದ ಮಟ್ಟ (Game level) ಮಾತ್ರ, ದೇವಮಾನವರ ಹಾಗಿದೆ; ಅಂದಹಾಗೆ, ಈ ಮಟ್ಟವನ್ನು ತಲುಪಲು ಆಲ್ಫಾಝೀರೋ ತೆಗೆದುಕೊಂಡ ಸಮಯ ಕೇವಲ ಒಂದು ಹಗಲು!
ಇಜ್ಞಾನ Ejnana
www.ejnana.com