ಸಾಫ್ಟ್‌ವೇರ್ ಸಾಫ್ಟ್‌ವೇರ್ ಬರೆಯಲು ಪ್ರಾರಂಭಿಸಿದಾಗ

ನೀವು ಕೋಡ್ ಅನ್ನು ಶಿಪ್ ಮಾಡುತ್ತಿದ್ದರೆ, ನಿಮ್ಮ ಕೆಲಸ ಬದಲಾಗುತ್ತಿದೆ.

ನೀವು ಪ್ರತಿಯೊಂದು ಸಾಲನ್ನು ಬರೆಯುವುದರಿಂದ ಆಟೋಕಂಪ್ಲೀಟ್ (autocomplete) ಬಳಸುವ ಹಂತಕ್ಕೆ ಬಂದಿದ್ದೀರಿ. ಈಗ, ನೀವು ಸ್ಪೆಸಿಫಿಕೇಶನ್‌ಗಳನ್ನು (specs) ಬರೆಯುತ್ತೀರಿ ಮತ್ತು ಏಜೆಂಟ್‌ಗಳು ನಿಮಗಾಗಿ ಕೋಡ್ ಬರೆಯುವ, ಪರೀಕ್ಷಿಸುವ ಮತ್ತು ಶಿಪ್ ಮಾಡುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನೋಡುತ್ತೀರಿ.

ಇದು ರಾತ್ರೋರಾತ್ರಿ ಸಂಭವಿಸಿಲ್ಲ. ಇದು ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಮರು ವ್ಯಾಖ್ಯಾನಿಸುವ 70 ವರ್ಷಗಳ ಕಥೆ.

ನಾವು ಇಲ್ಲಿಗೆ ಹೇಗೆ ಬಂದೆವು ಎಂಬುದು ಇಲ್ಲಿದೆ:

  1. ಸಿಂಬೋಲಿಕ್ ಯುಗ (Symbolic Era) (1950s-1980s) ಬುದ್ಧಿವಂತಿಕೆ ಎಂದರೆ ತರ್ಕ (logic) ಎಂದರ್ಥವಾಗಿತ್ತು. ಮನುಷ್ಯರು IF-THEN ಹೇಳಿಕೆಗಳನ್ನು ಬಳಸಿ ಪ್ರತಿಯೊಂದು ನಿಯಮವನ್ನು ಕೈಯಾರೆ ಬರೆಯುತ್ತಿದ್ದರು. ಈ ವ್ಯವಸ್ಥೆಗಳು ಒಂದು ಸಣ್ಣ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಅದ್ಭುತವಾಗಿದ್ದವು, ಆದರೆ ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ವಿಫಲವಾದವು. ಅವುಗಳಿಗೆ ಡೇಟಾದಿಂದ ಕಲಿಯಲು ಸಾಧ್ಯವಾಗುತ್ತಿರಲಿಲ್ಲ.

  2. ಸ್ಟ್ಯಾಟಿಸ್ಟಿಕಲ್ ಯುಗ (Statistical Era) (1990s-2000s) ನಾವು ಯಂತ್ರಗಳಿಗೆ ನಿಯಮಗಳನ್ನು ಹೇಳುವುದನ್ನು ನಿಲ್ಲಿಸಿದೆವು. ಬದಲಾಗಿ, ಅವುಗಳಿಗೆ ಉದಾಹರಣೆಗಳನ್ನು ತೋರಿಸಿದೆವು. ಯಂತ್ರಗಳು ಡೇಟಾದಲ್ಲಿನ ಮಾದರಿಗಳನ್ನು (patterns) ಕಂಡುಹಿಡಿಯಲು ಗಣಿತವನ್ನು ಬಳಸಿದವು. ಇದು ನಮಗೆ ಸ್ಪ್ಯಾಮ್ ಫಿಲ್ಟರ್‌ಗಳು ಮತ್ತು ರೆಕಮೆಂಡೇಶನ್ ಇಂಜಿನ್‌ಗಳನ್ನು ನೀಡಿತು. ಬುದ್ಧಿವಂತಿಕೆಯು ಸರಿಯಾದ ಡೇಟಾ ಫೀಚರ್‌ಗಳನ್ನು (data features) ಆಯ್ಕೆ ಮಾಡಲು ಇನ್ನೂ ಮನುಷ್ಯರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿತ್ತು.

  3. ಡೀಪ್ ಲರ್ನಿಂಗ್ ಯುಗ (Deep Learning Era) (2012-2017) AlexNet ನೊಂದಿಗೆ ಆಟ ಬದಲಾಯಿತು. ನೀವು ಸಾಕಷ್ಟು ಪದರಗಳನ್ನು (layers) ಜೋಡಿಸಿದರೆ ಮತ್ತು ಸಾಕಷ್ಟು ಡೇಟಾವನ್ನು ಬಳಸಿದರೆ, ಮಾಡೆಲ್ ತನ್ನದೇ ಆದ ಫೀಚರ್‌ಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತದೆ ಎಂದು ನಾವು ಕಂಡುಕೊಂಡೆವು. ಇನ್ನು ಮುಂದೆ ಮ್ಯಾನುಯಲ್ ಫೀಚರ್ ಎಂಜಿನಿಯರಿಂಗ್ ಅಗತ್ಯವಿಲ್ಲ. ಕಂಪ್ಯೂಟರ್‌ಗಳು ಮನುಷ್ಯರಂತೆ ನೋಡಲು ಮತ್ತು ಕೇಳಲು ಪ್ರಾರಂಭಿಸಿದವು.

  4. ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ಯುಗ (Transformer Era) (2017-2022) ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಮಾಡೆಲ್‌ಗಳು ಏಕಕಾಲದಲ್ಲಿ ಬೃಹತ್ ಪ್ರಮಾಣದ ಪಠ್ಯವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಅನುವು ಮಾಡಿಕೊಟ್ಟಿತು. ಇದು GPT ಗೆ ಕಾರಣವಾಯಿತು. ಬುದ್ಧಿವಂತಿಕೆಯು ಸಂಯೋಜಿತವಾಯಿತು (compositional). ಒಂದು ಮಾಡೆಲ್ ಕವಿತೆಯನ್ನು ಬರೆಯಬಹುದು, Python ಅನ್ನು ಡಿಬಗ್ ಮಾಡಬಹುದು ಮತ್ತು ಗಣಿತವನ್ನು ವಿವರಿಸಬಹುದು. ಭಾಷೆಯು ಎಲ್ಲಾ ಕಾರ್ಯಗಳಿಗಾಗಿ ಇಂಟರ್ಫೇಸ್ ಆಗಿ ಬದಲಾಯಿತು.

  5. ಏಜೆಂಟಿಕ್ ಯುಗ (Agentic Era) (2023-ಇಂದಿನವರೆಗೆ) ನಾವು ಮಾಡೆಲ್‌ಗಳಿಗೆ ಕೈಗಳನ್ನು ನೀಡುತ್ತಿದ್ದೇವೆ. ಏಜೆಂಟ್ ಕೇವಲ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುವುದಿಲ್ಲ. ಅದು ಪರಿಕರಗಳನ್ನು (tools) ಬಳಸುತ್ತದೆ, ವೆಬ್ ಅನ್ನು ಹುಡುಕುತ್ತದೆ, ಕೋಡ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ತನ್ನ ತಪ್ಪುಗಳನ್ನು ತಾನೇ ಸರಿಪಡಿಸಿಕೊಳ್ಳುತ್ತದೆ. ಇದು ನಿಷ್ಕ್ರಿಯ ಉತ್ತರಿಸಿನಿಂದ (passive answer) ಸಕ್ರಿಯ ಲೂಪ್ (active loop) ಕಡೆಗೆ ಸಾಗುತ್ತದೆ.

ಮಾದರಿಯು ಸ್ಪಷ್ಟವಾಗಿದೆ. ಪ್ರತಿ ಯುಗವು ಕೆಲಸವನ್ನು ಮನುಷ್ಯರಿಂದ ಯಂತ್ರಗಳಿಗೆ ವರ್ಗಾಯಿಸಿತು.

  • Symbolic AI: ಮನುಷ್ಯರು ನಿಯಮಗಳನ್ನು ಬರೆಯುತ್ತಿದ್ದರು.
  • Statistical ML: ಮನುಷ್ಯರು ಫೀಚರ್‌ಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತಿದ್ದರು.
  • Deep Learning: ಮಾಡೆಲ್‌ಗಳು ಪ್ರತಿನಿಧಿಸುವಿಕೆಗಳನ್ನು (representations) ಕಲಿಯುತ್ತಿದ್ದವು.
  • LLMs: ಮಾಡೆಲ್‌ಗಳು ಇಂಟರ್ನೆಟ್‌ನಿಂದ ಕಲಿಯುತ್ತಿದ್ದವು.
  • Agents: ಮಾಡೆಲ್‌ಗಳು ಯೋಜಿಸುತ್ತವೆ ಮತ್ತು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ.

ಪ್ರತಿಯೊಂದು ಜಿಗಿತವು ಒಂದು ಆರ್ಥಿಕ ಕಥೆಯೂ ಆಗಿತ್ತು. ನಾವು ಯಾವುದನ್ನು ನಡೆಸಲು ಸಮರ್ಥರಾಗಿದ್ದೇವೆಯೋ ಅದನ್ನೇ ನಿರ್ಮಿಸುತ್ತೇವೆ. ಕಂಪ್ಯೂಟ್ (compute) ಅಗ್ಗವಾಗುತ್ತಿದ್ದಂತೆ, ಏಜೆಂಟ್‌ಗಳು ಹೆಚ್ಚು ಬುದ್ಧಿವಂತವಾಗುತ್ತಿವೆ.

ನಾವು ಕೇವಲ ಪರಿಕರಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತಿಲ್ಲ. ನಾವು ಸಹಯೋಗಿಗಳನ್ನು (collaborators) ನಿರ್ಮಿಸುತ್ತಿದ್ದೇವೆ.

Source: https://dev.to/adamthedeveloper/when-software-started-writing-software-a-developers-history-of-ai-4p9n

Optional learning community: https://t.me/GyaanSetuAi