നിര്‍മ്മിത ബുദ്ധി സൃഷ്ടിക്കുന്ന ബൗദ്ധികാദ്ധ്വാനക്ഷമത
നിര്‍മ്മിത ബുദ്ധി (Artificial Intelligence) വളരെ പുതിയ ഒരു ആശയം അല്ല എന്നിരിക്കെ അടുത്തിടെയുണ്ടായ ChatGPT യുടെ പ്രചാരം ഈ ടെക്‌നോളജിയുടെ അതിപ്രസരം മനുഷ്യജീവിതത്തില്‍ വരുത്താവുന്ന മാറ്റങ്ങളെക്കുറിച്ചുള്ള വിമര്‍ശനാത്മക ചര്‍ച്ചകള്‍ക്ക് വഴിവെച്ചിരിക്കുകയാണ്. ഇത് സംബന്ധമായ ഗവേഷണങ്ങള്‍ക്ക് ഇത്രയും പ്രോത്സാഹനവും പ്രാധാന്യവും നല്‍കപ്പെട്ട മറ്റൊരു കാലഘട്ടം ഉണ്ടായിട്ടില്ല. വലിയ കോര്‍പ്പറേറ്റുകള്‍ മുതല്‍ ചെറിയ സംരംഭങ്ങള്‍ വരെ നിര്‍മ്മിത ബുദ്ധിയുടെ ഉപഭോക്താക്കളും പ്രയോക്താക്കളും ആകുന്നു.
പരമ്പരാഗത യന്ത്രവത്കരണവും നിര്‍മ്മിത ബുദ്ധിയും തമ്മില്‍
പാരമ്പതാഗതമായി രൂപാന്തരപ്പെട്ടു വന്ന യന്ത്രവത്കരണത്തില്‍ നിന്നും നിര്‍മ്മിത ബുദ്ധിയെ വേര്‍തിരിക്കുന്നത് അതിന്റെ കോഗ്‌നിറ്റീവ് ലേബര്‍ ചെയ്യാനുള്ള കഴിവാണ്. ഉദാഹരണത്തിന് ചപ്പാത്തി നിര്‍മ്മിക്കുന്ന യന്ത്രം മനുഷ്യന്റെ ശാരീരിക അധ്വാനം ആണ് ലഘൂകരിക്കുന്നത്. അപ്പോഴും ആ യന്ത്രം എന്ത് ചെയ്യണമെന്ന കൃത്യമായ നിര്‍ദ്ദേശങ്ങള്‍ ഒരു ജോലിക്കാരനോ ജോലിക്കാരിയോ നല്‍കേണ്ടതുണ്ട്. എന്നാല്‍ ഈ ജോലിയില്‍ നിര്‍മ്മിത ബുദ്ധി ഉപയോഗിക്കുന്നതോടെ ആ ജോലിക്കാരന്‍ ചെയ്യുന്ന പ്രവര്‍ത്തികളായ എത്ര ചപ്പാത്തി ഉണ്ടാക്കണമെന്ന തീരുമാനം, ആ യന്ത്രത്തിന് വേണ്ട നിര്‍ദ്ദേശങ്ങള്‍ സെറ്റ് ചെയ്യല്‍, ആ യന്ത്രം എപ്പോള്‍ ഓണാക്കുകയും ഓഫാക്കുകയും ചെയ്യണം എന്ന തീരുമാനം എന്നിങ്ങനെയുള്ള ബൗദ്ധികമായ ജോലികള്‍ ഒരു റോബോട്ടിന്റെയോ കമ്പ്യൂട്ടറിന്റെയോ സഹായത്തോടെ ചെയ്യാന്‍ സാധിക്കും. ക്രോഡീകരിച്ചു പറഞ്ഞാല്‍ പരമ്പരാഗതമായ യന്ത്രവത്കരണം മനുഷ്യന്റെ ശാരീരികക്ഷമതയെ അനുകരിക്കുമ്പോള്‍ നിര്‍മ്മിത ബുദ്ധി മനുഷ്യന്റെ ബൗദ്ധികതയെ അനുകരിക്കുന്നു.
നിര്‍മിത ബുദ്ധിയിലൂടെ ഒരു ബൗദ്ധികവിപ്ലവം
നിര്‍മ്മിത ബുദ്ധിയുടെ സ്വാധീനം സാമ്പത്തികവും തൊഴില്‍പരവും സാമൂഹികവും തത്ത്വചിന്താപരവുമായ തലങ്ങളില്‍ വിലയിരുത്തേണ്ടതുണ്ട്. ഇവിടെ അതിന്റെ സാമൂഹികവും തൊഴില്‍പരവുമായ സ്വാധീനത്തിന്റെ ബൗദ്ധികതലം പരിശോധിക്കാം.
ഒരാള്‍ ഒരു വിഷയത്തെക്കുറിച്ച് പഠിക്കാന്‍ തുടങ്ങുകയാണ് എന്ന് കരുതുക. ഒരു അഞ്ചു വര്‍ഷം മുന്‍പ് ആണെങ്കില്‍ ആ വ്യക്തി പ്രസ്തുത വിഷയത്തെക്കുറിച്ച് കുറെ ഇന്റര്‍നെറ്റ് സെര്‍ച്ച് ചെയ്യും. കുറെ ആളുകളോട് അതേപ്പറ്റി ചോദിക്കും. അങ്ങനെ ശേഖരിക്കുന്ന അറിവുകള്‍ പ്രോസസ്സ് ചെയ്തു ക്രോഡീകരിച്ചു ആ വിഷയത്തിലുള്ള പാണ്ഡിത്യം ആര്‍ജ്ജിക്കുന്നു. ഇതേ പ്രവൃത്തി ഇപ്പോള്‍ ചെയ്യണമെങ്കില്‍ ആ വ്യക്തി മേല്പറഞ്ഞ സാങ്കേതികതയ്ക്കു പുറമെ ChatGPT കൂടി ഉപയോഗപ്പെടുത്തുമായിരിക്കാം. അപ്പോള്‍ മുന്‍പത്തെ അത്രതന്നെ പാണ്ഡിത്യം ആര്‍ജ്ജിക്കാന്‍ മുമ്പത്തേതിലും കുറവ് ഊര്‍ജ്ജവും സമയവും ചിലവഴിച്ചാല്‍ മതിയാകും. ഇങ്ങനെ ഒരു ബൗദ്ധിക പ്രവൃത്തിക്ക് ആവശ്യമായി വരുന്ന ഊര്‍ജ്ജത്തിനും സമയത്തിനും ആണ് 'cost of cognition ' എന്ന് പറയുന്നത്. cost of cognition കുറയുന്നത് സമൂഹത്തില്‍ വിപ്ലവകരമായ നല്ല മാറ്റങ്ങള്‍ കൊണ്ടുവരാം. പ്രത്യേകിച്ചു ഇന്ത്യ പോലുള്ള രാജ്യങ്ങളില്‍ സാമൂഹികമായും വിദ്യാഭ്യാസപരമായും പാര്‍ശ്വവത്കരിക്കപ്പെട്ട ഒരു വലിയ കൂട്ടം ആളുകള്‍ ഉള്ളതും ഗവണ്മെന്റുകളുടെ ഭാഗത്തുനിന്ന് വിദ്യാഭ്യാസത്തിനു കുറഞ്ഞ പൊതുവിനിയോഗം ഉള്ളതുമായ സാഹചര്യത്തില്‍ കുറഞ്ഞ സമയത്തിലും ചെറിയ മുതല്‍മുടക്കിലും ബൗദ്ധികമായ അഭിവൃദ്ധി കൈവരിക്കാന്‍ സഹായകരമാകുന്ന ഇത്തരം സാങ്കേതികവിദ്യകള്‍ വലിയ അളവില്‍ സോഷ്യല്‍ മൊബിലിറ്റി ഉണ്ടാക്കാം. എന്തെന്നാല്‍ അടിസ്ഥാന വര്‍ഗ്ഗത്തിന്റെ വിദ്യാഭ്യാസം ആര്‍ജ്ജിക്കാനുള്ള കഴിവ് ആണ് സോഷ്യല്‍ മൊബിലിറ്റിയെ പ്രധാനമായും നിര്‍ണ്ണയിക്കുന്ന ഘടകം.
REPRESENTATIONAL IMAGE | PHOTO: PIXABAY
അമേരിക്കന്‍ പത്രപ്രവര്‍ത്തകനായ ഡേവിഡ് എപ്സ്റ്റെയിന്റെ 'Range: Why Generalists Triumph in a Specialized World' എന്ന പ്രസിദ്ധമായ പുസ്തകത്തില്‍ വ്യക്തികളിലെ അനവധി വിഷയങ്ങളില്‍ ഉള്ള അറിവ് ബൗദ്ധികശേഷി വര്‍ദ്ധിപ്പിക്കുന്നതായി പ്രതിപാദിക്കുന്നുണ്ട്. അതില്‍ കിഴക്കേ യൂറോപ്പിലെ രണ്ടു വ്യത്യസ്ത ഗ്രാമങ്ങളിലെ ആളുകളില്‍ നടത്തിയ പഠനം രസകരമാണ്. ഈ രണ്ടു ഗ്രാമീണരും വിദ്യാഭ്യാസപരമായി വളരെ പിന്നിലും ഒരേ തലത്തിലും ആണ്. എന്നാല്‍ ഒരു ഗ്രാമത്തിലെ ആളുകള്‍ പുറംനാട്ടുകാരുമായി കച്ചവടബന്ധത്തില്‍ ഏര്‍പ്പെടുന്നതുകൊണ്ട് പുറംലോകവുമായി ബന്ധമുണ്ട്. ഒറ്റപ്പെട്ട ഗ്രാമമാണ് മറ്റേത്. പൊതുവായ അറിവ് കൂടുതലുള്ള ആദ്യത്തെ ഗ്രാമീണര്‍ എളുപ്പത്തില്‍ പുതിയ കാര്യങ്ങള്‍ പഠിക്കുന്നതായി കണ്ടെത്തുന്നു. ഇത്തരത്തില്‍ ഇന്ത്യ പോലെ അത്ര മെച്ചപ്പെട്ട വിദ്യാഭ്യാസവും ചുറ്റുപാടുകളും ഇല്ലാത്ത രാജ്യങ്ങളിലെ ജനങ്ങള്‍ക്ക് കൂടുതല്‍ പൊതുവിജ്ഞാനം ഉണ്ടാകുന്നതിനും അതുവഴി ബൗദ്ധികശേഷി വര്‍ദ്ധിക്കുന്നതിനും നിര്‍മ്മിത ബുദ്ധിയുടെ പുതിയ നേട്ടങ്ങള്‍ കാരണമായേക്കാം.
Skill development എന്ന പ്രക്രിയ എളുപ്പമാകുന്നതോടു കൂടി സാമൂഹികമായി കൂടുതല്‍ സ്വീകാര്യതയുള്ള ജോലികളിലേക്ക് സമൂഹത്തിന്റെ താഴെത്തട്ടിലുള്ള ആളുകളെ എത്തിക്കാനും നിര്‍മ്മിത ബുദ്ധി സഹായിച്ചേക്കാം. ഉദാഹരണത്തിന് പരമ്പരാഗതമായി കളിമണ്‍പാത്ര നിര്‍മ്മാണത്തിലേര്‍പ്പെടുന്ന ഒരു കുടുംബത്തിലെ പുതുതലമുറ നിര്‍മ്മിത ബുദ്ധി ഉപയോഗിച്ചുള്ള ഡിസൈനുകള്‍ പരീക്ഷിക്കുകയും ഒരു ജോലി എന്നതിലുപരി അത് ഒരു സംരംഭമായി വികസിപ്പിക്കുകയും പുതിയ മാര്‍ക്കറ്റിംഗ് രീതികള്‍ പരീക്ഷിക്കുകയും വിദേശത്തേക്കും മറ്റും അവരുടെ ഉത്പന്നങ്ങള്‍ ഓണ്‍ലൈനില്‍ വില്‍ക്കുകയും ചെയ്യാം. പരമ്പരാഗത തൊഴില്‍ വ്യവസ്ഥയില്‍ പ്രധാന മൂലധനം ആയ ബൗദ്ധികവിഭവങ്ങളുടെ നിയന്ത്രണം മൂലധനശക്തികളുടെ കൈകളില്‍ ആയതിനാല്‍ അടിസ്ഥാനവര്‍ഗ്ഗത്തിനു അത് നിഷേധിക്കപ്പെടുകയും അവര്‍ അടിസ്ഥാനവര്‍ഗ്ഗമായി എന്നെന്നേക്കുമായി തുടരുകയും ചെയ്യുന്നു. ഈ സാഹചര്യത്തില്‍ കാര്യമായ മാറ്റമാണ് ഇപ്പോള്‍ ഉണ്ടാകുന്നത്. തൊഴില്‍ വ്യവസ്ഥയിലെ ഉച്ചനീചത്വങ്ങള്‍ കുറയുകയും പുതുതലമുറയ്ക്ക് self-actualization നു ഉള്ള കൂടുതല്‍ അവസരങ്ങള്‍ തുറക്കപ്പെടുകയും ചെയ്യുന്നു.
ജോലിനഷ്ടങ്ങളേക്കാള്‍ കൂടിയ ജോലി സാദ്ധ്യതകള്‍
പ്രധാന ഇന്‍വെസ്റ്റ്‌മെന്റ് ബാങ്ക് ആയ ഗോള്‍ഡ്മാന്‍ സാക്സ് ന്റെ ഒരു റിപ്പോര്‍ട്ട് പ്രകാരം യു എസിലെ മൂന്നില്‍ രണ്ട് ജോലികളും ഭാഗികമായി AI automate ചെയ്യപ്പെടും. നിലവിലെ ജോലികളിലെ നാലില്‍ ഒരു പ്രക്രിയ പൂര്‍ണമായും AI automate ചെയ്യപ്പെടുകയും ചെയ്യും. കൂടാതെ 29% കമ്പ്യൂട്ടര്‍ സംബന്ധമായ തൊഴില്‍ പ്രക്രിയകളും ആരോഗ്യപ്രവര്‍ത്തകരുടെ 28% പ്രവര്‍ത്തികളും പൂര്‍ണമായും automate ചെയ്യപ്പെടും. പ്രൊഫഷണല്‍ consultant ആയ Accenture ന്റെ റിപ്പോര്‍ട്ട് പ്രകാരം ലോകത്തില്‍ ഇന്ന് നിലവിലുള്ള ജോലികളുടെ 40% സമയവും Large Language Model (നിര്‍മിതബുദ്ധിയിലെ തന്നെ ഭാഷ കൈകാര്യം ചെയ്യുന്നതിനുള്ള പ്രത്യേക സാങ്കേതികത) ന്റെ നേരിട്ടുള്ള സ്വാധീനത്തില്‍ വരും. ഇന്നത്തെ സാഹചര്യത്തില്‍ ഭാഷാപരമായ പ്രവൃത്തികള്‍ക്ക് വേണ്ടിവരുന്ന സമയം മുഴുവന്‍ തൊഴില്‍ പ്രവൃത്തികള്‍ക്ക് ചിലവഴിക്കുന്ന സമയത്തിന്റെ ഏതാണ്ട് 62% വരും എന്നാണ് കണക്കുകള്‍ സൂചിപ്പിക്കുന്നത്.
പക്ഷേ, ഇതൊന്നും നിലവിലുള്ള മിക്ക ജോലികളെയും പൂര്‍ണ്ണമായും യന്ത്രവത്കരിക്കില്ല. പകരം മേല്‍പ്പറഞ്ഞ പ്രകാരം ചില ബൗദ്ധികമായ തൊഴില്‍ഭാഗങ്ങള്‍ മാത്രം ആണ് യന്ത്രവത്കരിക്കപ്പെടുന്നത്. ഇങ്ങനെ ലാഭിക്കുന്ന തൊഴില്‍സമയം കൂടി യന്ത്രവത്കരിക്കാന്‍ സാധിക്കാത്ത പ്രവര്‍ത്തികള്‍ക്ക് ഉപയോഗപ്പെടുത്തുന്നതിലൂടെ വലിയ ഉത്പാദനക്ഷമത സാധ്യമാകും. ഇങ്ങനെ യന്ത്രവത്കരിക്കപ്പെടാന്‍ സാധ്യതയില്ലാത്ത ഒരു പ്രക്രിയ നിര്‍മ്മിതബുദ്ധിയെ നിയന്ത്രിക്കുകയും പരിപാലിക്കുകയും ചെയ്യുക എന്നതാണ്. ചുരുക്കിപ്പറഞ്ഞാല്‍ പുതിയ തൊഴില്‍ സംസ്‌കാരത്തില്‍ നിര്‍മ്മിത ബുദ്ധിയുടെ ഉപയോഗത്തില്‍ മനുഷ്യരുടെ പ്രാധാന്യം ഒട്ടും കുറയുന്നില്ല എന്ന് മാത്രമല്ല അത് പുതിയ skills ആവശ്യപ്പെടുകയും ചെയ്യുന്നു. സമീപഭാവിയില്‍ നിര്‍മ്മിത ബുദ്ധിയുടെ ഉപയോഗം ഏറ്റവും കൂടുതല്‍ തൊഴില്‍നഷ്ടങ്ങള്‍ സൃഷ്ടിക്കാന്‍ സാധ്യതയുള്ള മേഖലകള്‍ അഡ്മിനിസ്ട്രേറ്റീവ് ജോലികള്‍ (46%), നിയമപരമായ ജോലികള്‍ (44%) എന്നിങ്ങനെയാണ്. ഏറ്റവും കുറവ് തൊഴില്‍ നഷ്ടം ഉണ്ടാകാന്‍ സാധ്യതയുള്ളവ നിര്‍മ്മാണജോലികള്‍ (6%), maintenance ജോലികള്‍ (4%) എന്നിവയും ആണ്. ഡാറ്റ എന്‍ട്രി ജോലികള്‍ പൂര്‍ണ്ണമായും നിര്‍മ്മിത ബുദ്ധി കൈയടക്കും. നിര്‍മ്മിത ബുദ്ധിയുടെ നിയന്ത്രണത്തിന് ആളുകളെ അപ്പോഴും ആവശ്യമായി വരും. അതിന്റെ ഫലമായി മനുഷ്യശേഷി കൂടുതലായി ആവശ്യം വരുന്ന പുതിയ തൊഴില്‍മേഖലകള്‍ സൃഷ്ടിക്കപ്പെടും. ഇത്തരം തൊഴിലുകള്‍ക്കുവേണ്ട skills ഉം പുതിയത് ആയിരിക്കും. ഉദാഹരണത്തിന് machine learning, clound computing, cyber security, product management, project management, digital social media എന്നിങ്ങനെയുള്ള skills നു സാദ്ധ്യതകള്‍ ഏറും. ഇവ 2022 ഇല്‍ മാത്രം 5 മില്യണ്‍ ജോലിസാധ്യതകള്‍ തുറന്നു എന്ന് ഗോള്‍ഡ്മാന്‍ സാക്സ് ന്റെ പഠനം അവകാശപ്പെടുന്നു. Prompt എഞ്ചിനീയര്‍ AI ഓഡിറ്റര്‍, Linguistic Expert എന്നിങ്ങനെയുള്ള സ്ഥാനങ്ങള്‍ ആണ് ഇങ്ങനെ പുതുതായി നിര്‍മ്മിക്കപ്പെട്ടവ.
REPRESENTATIONAL IMAGE | PHOTO: WIKI COMMONS
2023 ഇല്‍ World Economic Forum- പ്രസിദ്ധീകരിച്ച തൊഴില്‍ റിപ്പോര്‍ട്ടില്‍ 2027 ആകുമ്പോഴേക്കും ലോകത്തിലാകമാനം AI specialist കളുടെ തൊഴിലവസരങ്ങളില്‍ 40% വര്‍ദ്ധനവ് ആണ് പ്രവചിക്കുന്നത്. കൂടാതെ Data Scientist കളുടെ അവസരങ്ങളില്‍ 30-35% വര്‍ധനവും Information Security Analyst കളുടെ അവസരങ്ങളില്‍ 31% വര്‍ധനവും കണക്കാക്കുന്നു. എല്ലാം കൂടെ 2.6 മില്യണ്‍ പുതിയ തൊഴിലുകള്‍ സൃഷ്ടിക്കും എന്ന് ഈ റിപ്പോര്‍ട്ട് പറയുന്നു. ഈ അവസരങ്ങളില്‍ ഒരു 10% ഇന്ത്യയിലേക്ക് എത്തിച്ചേര്‍ന്നാല്‍ തന്നെ ഏകദേശം 2.5 ലക്ഷം പുതിയ ജോലികള്‍ നേരിട്ട് ലഭ്യമാകും. ഇവയൊക്കെയും വലിയ ശമ്പളം നല്‍കുന്ന ജോലികള്‍ ആണ്. സാങ്കേതികവിദ്യ പൊതുവില്‍ Net Job Creator ആയതിനാല്‍ ഇതുവഴി സൃഷ്ടിക്കപ്പെടുന്ന പരോക്ഷമായ തൊഴിലവസരങ്ങള്‍ ഇതിന്റെ അഞ്ചിരട്ടി എങ്കിലും വരും. ഉദാഹരണമായി 1970 കളിലെയും 1980 കളിലെയും പേര്‍സണല്‍ കമ്പ്യൂട്ടറുകളുടെ വളര്‍ച്ച semiconductor മേഖലയില്‍ മാത്രമല്ല തൊഴിലവസരങ്ങള്‍ സൃഷ്ടിച്ചത്. മറിച്ച് സോഫ്റ്റ്വെയര്‍ എഞ്ചിനീയര്‍, ആപ് developer, customer service representative എന്നിങ്ങനെ വിവിധങ്ങളായ ജോലികളിലും അനവധി അവസരങ്ങള്‍ ആണ് തുറന്നത്.
പ്രൊപ്പഗാണ്ടയും അധികാര കേന്ദ്രീകരണവും
എന്നാല്‍ നിര്‍മ്മിത ബുദ്ധിയുടെ വിമര്‍ശകര്‍ ഉന്നയിക്കുന്ന പ്രധാന ആരോപണങ്ങള്‍ ഇവയാണ്: നിര്‍മ്മിത ബുദ്ധിയില്‍ അന്തര്‍ലീനമായ വിവേചനാത്മകതയും പ്രൊപ്പഗാണ്ട സ്വഭാവവും, അധികാരകേന്ദ്രീകരണം, ആഗോളഗ്രാമം എന്ന ആശയവും അത് ഉണ്ടാക്കുന്ന നിയമപരമായ പ്രശ്‌നങ്ങളും. നിലവില്‍ ലഭ്യമായ ഡേറ്റ ഉപയോഗിച്ചാണ് നിര്‍മ്മിത ബുദ്ധി വികസിപ്പിച്ചെടുക്കുന്നത് എന്നതിനാല്‍ നിലവില്‍ മനുഷ്യര്‍ക്കിടയില്‍ നിലനില്‍ക്കുന്ന വിവേചനാത്മകത അതേപടിയോ അതിലേറെ കാഠിന്യത്തോടെയോ നിര്‍മ്മിത ബുദ്ധിക്ക് കൈമാറ്റപ്പെടാന്‍ സാധ്യതയുണ്ട് എന്നതാണ് ഒരു വാദം. ഈ വിവേചനാത്മകത ഭരണകൂടങ്ങള്‍ക്കോ വലിയ കോര്‍പ്പറേറ്റുകള്‍ക്കോ അവരുടെ സ്വാര്‍ത്ഥതാല്പര്യങ്ങള്‍ക്കു വേണ്ടി ഉപയോഗപ്പെടുത്താനും കഴിഞ്ഞേക്കാം. 2010-കളില്‍ ദശലക്ഷക്കണക്കിന് ഫേസ്ബുക്ക് ഉപയോക്താക്കളുടെ സ്വകാര്യ വിവരങ്ങള്‍ അവരുടെ സമ്മതമില്ലാതെ ബ്രിട്ടീഷ് കണ്‍സള്‍ട്ടിംഗ് സ്ഥാപനമായ കേംബ്രിഡ്ജ് അനലിറ്റിക്ക ശേഖരിക്കുകയും അവ പ്രധാനമായും രാഷ്ട്രീയ പരസ്യങ്ങള്‍ക്കായി ഉപയോഗിക്കുകയും ചെയ്തതായ വാര്‍ത്ത ഇതിന്റെ ഒരു ഉദാഹരണമായി കൂട്ടിവായിക്കാവുന്നതാണ്. ഈ പ്രൊപ്പഗാണ്ട സ്വഭാവവും അധികാരകേന്ദ്രീകരണവും പരസ്പര പൂരകങ്ങളാണ്. അധികാരകേന്ദ്രീകരണം ഭരണകൂടങ്ങളില്‍ മാത്രമല്ല കോര്‍പ്പറേറ്റുകള്‍ക്കിടയിലും സംഭവിക്കുന്നു എന്നതാണ് മറ്റൊരു ആശങ്ക. കോര്‍പ്പറേറ്റുകളുടെ സ്വാധീനം ഭരണകൂടങ്ങള്‍ക്കു നിയന്ത്രിക്കാവുന്നതിലും അപ്പുറത്താണ്. ലോകത്തിലെ മുഴുവന്‍ ഡാറ്റയും ഗൂഗിള്‍, ഫേസ്ബുക്ക് എന്നീ രണ്ടു കമ്പനികളുടെ കൈവശമാണ് എന്നത് ഭരണകൂടങ്ങളുടെ തന്നെ അധികാരത്തെ ചോദ്യം ചെയ്യുന്ന ഒന്നാണ്. അടുത്തകാലത്ത് നടന്ന ഡല്‍ഹി കലാപത്തിന്റെ വ്യാപനത്തിന് ഫേസ്ബുക്കിന്റെ 'Anger' ഇമോജിയുമായി ബന്ധപ്പെട്ട algorithm സഹായിച്ചു എന്ന ഗുരുതര ആരോപണം ഉണ്ടായിട്ടുണ്ട്. ഫേസ്ബുക്കിന്റെ ഉപഭോക്താക്കള്‍ ഏറ്റവും കൂടുതല്‍ ഉള്ളത് ഇന്ത്യയില്‍ ആണെങ്കിലും വസ്തുതകള്‍ പരിശോധിച്ച് ഉറപ്പുവരുത്തുന്നതിനു കമ്പനി അനുവദിച്ച ഫണ്ടിന്റെ സിംഹഭാഗവും ചിലവഴിക്കുന്നത് യു എസില്‍ ആണ്.
അധികാരകേന്ദ്രീകരണവുമായി ബന്ധപ്പെട്ട മറ്റൊരു ആരോപണം നിര്‍മ്മിത ബുദ്ധി വികസിപ്പിക്കുന്നത് സംബന്ധിച്ചാണ്. എല്ലാവര്‍ക്കും നിര്‍മ്മിത ബുദ്ധി വികസിപ്പിക്കുന്നതില്‍ ഭാഗഭാക്കാകാന്‍ കഴിയില്ല എന്നും ചുരുക്കം ചില കമ്പനികളിലേക്ക് അതിന്റെ ഗവേഷണങ്ങള്‍ ചുരുങ്ങും എന്നും വിമര്‍ശകര്‍ അഭിപ്രായപ്പെടുന്നു. ഈ വിമര്‍ശനം എത്രത്തോളം യുക്തിഭദ്രമാണ് എന്നതില്‍ സംശയമുണ്ട്. ഈ മേഖലയിലെ സ്റ്റാര്‍ട്ടപ്പുകളും വളരെ മികച്ച സംഭാവനകള്‍ നല്‍കുന്നുണ്ട്. Machine Learning, Deep Learning എന്നീ മേഖലയില്‍ നേരിട്ട് ബന്ധമില്ലാത്ത കോര്‍പ്പറേറ്റുകളും ഈ രംഗത്ത് ഗവേഷണങ്ങള്‍ നടത്തുന്നുണ്ട്. Open source അല്‍ഗോരിതങ്ങളും അനവധിയാണ്. മെഡിക്കല്‍ സാങ്കേതികവിദ്യയില്‍ നിര്‍മ്മിത ബുദ്ധി സംബന്ധിച്ച പല സങ്കേതങ്ങളും പ്രധാനമായും സ്റ്റാര്‍ട്ടപ്പുകള്‍ ആണ് വികസിപ്പിച്ചത്. 
REPRESENTATIONAL IMAGE | PHOTO: WIKI COMMONS
രാഷ്ട്രങ്ങളുടെ അതിര്‍വരമ്പുകള്‍ ലംഘിച്ചുകൊണ്ട് ഇന്റര്‍നെറ്റ് സംവിധാനം ഒരു ആഗോളഗ്രാമം (Global Village ) എന്ന ആശയം പ്രാവര്‍ത്തികമാക്കുന്നു. ഇന്റര്‍നെറ്റ് സൃഷ്ടിച്ച ഈ ഒരു അന്തരീക്ഷത്തില്‍ ആണ് നിര്‍മിതബുദ്ധി ഇപ്പോള്‍ വ്യാപിക്കുന്നത്. ആയതിനാല്‍ ഭരണകൂടങ്ങളുടെ പ്രസക്തി നഷ്ടപ്പെടാന്‍ ഇടയുള്ളതിനാല്‍ അതിന്റെ പ്രതിവിധി അല്ലെങ്കില്‍ അതിനു പകരം എന്ത് എന്നത് വലിയ ഒരു ചോദ്യചിഹ്നമാണ്. പുതിയ തരം കുറ്റകൃത്യങ്ങളെ നേരിടാന്‍ വേണ്ട നിയമങ്ങളും ഇന്ന് ശൈശവദശയിലാണ്. ഇവയുമായി ബന്ധപ്പെട്ടു രാഷ്ട്രങ്ങള്‍ക്കിടയില്‍ ഒരു അഭിപ്രായരൂപീകരണം പോലും ഇന്നത്തെ സാഹചര്യത്തില്‍ പ്രയാസകരമാണ്. ഇവയെല്ലാം വലിയ സാമൂഹികപ്രതിസന്ധി ആണ് മനുഷ്യരാശിക്ക് സമ്മാനിക്കുന്നത്.
നിര്‍മിതബുദ്ധിയുടെ ഉത്തരവാദിത്തത്തോടെയുള്ള വിനിയോഗം
അധികാരകേന്ദ്രീകരണവും രാഷ്ട്രീയ പ്രൊപ്പഗാണ്ടകളും മനുഷ്യചരിത്രത്തില്‍ പുതിയതല്ല എന്നതാണ് വസ്തുത. ഇവയൊക്കെ എല്ലാ കാലത്തും ഉണ്ടായിട്ടുണ്ട്. എല്ലാ കാലത്തും അവയ്‌ക്കെതിരെ ശക്തമായ പ്രതിരോധങ്ങളും ഉണ്ടായിട്ടുണ്ട്. ആയതിനാല്‍ ഇത്തരം ആശങ്കകള്‍ നിര്‍മ്മിത ബുദ്ധിയുടെ മാത്രം പ്രശ്‌നമായി കാണേണ്ടതില്ല. അതിന്റെ അനന്തസാധ്യതകള്‍ ഉത്തരവാദിത്തത്തോടെ ഉപയോഗപ്പെടുത്തുകയാണ് ബുദ്ധി. അതിനെ നിരാകരിച്ചുകൊണ്ടുള്ള നിലപാടിന് പകരം അതിന്റെ പാര്‍ശ്വഫലങ്ങള്‍ക്ക് പുതിയ സാഹചര്യങ്ങളില്‍ പ്രസക്തമായ പുതിയ പരിഹാരങ്ങള്‍ തേടി സാമൂഹികമായി പരിണമിക്കുകയാണ് വേണ്ടത്.
REFERENCES:
1. The Problem With AI Is the Problem With Capitalism (jacobin.com)
2. Mass Surveillance Is Bad News for Privacy - and Democracy (jacobin.com)
3. No, Automation Ins't Going to Make Work Disappear (jacobin.com)
4. What Do We Do About the Biases in AI? (hbr.org)
5. AI will kill these jobs (but create new ones, too) | Computerworld
6. The jobs most likely to be lost and created because of AI | World Economic Forum (weforum.org)
7. AI, automation, and the future of work: Ten things to solve for (Tech4Good) | McKinsey