කෘතීම බුද්ධිය පිළිබද නෛතික හා සමාජීය පැතිකඩ(Ethical and social aspects)

 

කෘත්‍රිම බුද්ධිය පිළිබඳ නෛතික හා සමාජීය පැතිකඩ

අදායම් (Pros) 

කාර්යක්ෂමතාවය - වැඩ automate කිරීමෙන් වේලාව සහ අඩු වේ.  

නවෝත්පාදනය - සෞඛ්‍යය, අධ්‍යාපනය, ප්‍රවාහනය වැනි ක්ෂේත්‍රවල නව තාක්ෂණ සම්භවය.  

ප්‍රවේශය පහසු කිරීම - ආබාධිත පුද්ගලයන්ට උපකාරී වීම (උදා: කථනය-ලිපියට apps, navigation tools).  

තීරණ උපකාරය -දත්ත මත පදනම්ව තීරණ ගැනීමට උපකාර කරයි.

අවාසි (Cons) 

රැකියා අහිමි වීම - automation නිසා නිරූපණ රැකියා අඩු විය හැක.  

පක්ෂපාතීත්වය - AI, මිනිසුන්ගෙ හෝ දත්තවල bias භාර ගන්න පුළුවන්.  

ගෝපනීයතාවය - පුද්ගලික දත්ත භාවිතය නෛතික ගැටලු ඇති කරයි.  

වගකීම් හිඟය - යම් දෙයක් වැරදි වුනොත් වග කිව යුතුයැයි තීරණය කිරීමට අමාරු වේ.  

AI සංවර්ධනයේදී අදායම් හා අවදානම් අතර සම්මතය සෙවීම වැදගත්ය.

පරිගණක දෘශ්‍ය(Computer Vision)

 

Computer Vision (පරිගණක දෘශ්‍යය) පිළිබඳව වැඩිදුර ඉගෙනීමත් මෙය භාවිතා වන ක්ෂේත්‍රයන් පිළිබඳවත් අවබෝධයක් ලබා ගැනීම වැදගත් වේ.

Computer Vision යනු කුමක්ද?

Computer Vision යනු පරිගණක පද්ධතිවලට රූප සහ වීඩියෝවල අන්තර්ගතය "දැකීමට" සහ "අර්ථ දැක්වීමට" හැකි වන තාක්ෂණයකි. මෙය මිනිස් ඇසක් මෙන්ම මොළයක් මෙන්ම ක්‍රියා කිරීමේ හැකියාවක් ලබා දීමට උත්සාහ කරන ක්ෂේත්‍රයකි. මෙය කෘතීම බුද්ධිය (AI) සහ ගැඹුරු ඉගෙනීම (Deep Learning) සමඟ සම්බන්ධ වේ.

Computer Vision භාවිතා වන ක්ෂේත්‍ර

Computer Vision තාක්ෂණය විවිධ ක්ෂේත්‍රයන්හි භාවිතා වේ.

- මූණ හඳුනා ගැනීම
             ජංගම දුරකථනවල Face ID ක්‍රමය.

- ස්වයං නියමනය වන වාහන

            මාර්ග, මිනිසුන්, සහ වස්තු හඳුනා ගැනීම.

-වෛද්‍ය රූප විශ්ලේෂණය

            රෝග අනාවරණය සඳහා X-ray සහ MRI රූප විශ්ලේෂණය.

- කාර්මික නිෂ්පාදනය

            නිෂ්පාදන වල ගුණාත්මක භාවය පරීක්ෂා කිරීම.

- කෘෂිකර්මය

           බෝග රෝග හඳුනා ගැනීම සහ වගා කළමනාකරණය.

- ආරක්ෂක පද්ධති

           නිරීක්ෂණ කැමරා මඟින් සැකසෙවීම සහ අනතුරු ඇඟවීම්.

ස්වභාවික භාෂා සැකසුම(Natural Language Processing-NLP)

 

ස්වාභාවික භාෂා සැකසුම (Natural Language Processing - NLP) යනු කුමක්ද?

ස්වාභාවික භාෂා සැකසුම (NLP) යනු මිනිසුන් භාවිතා කරන භාෂාව එනම්, සිංහල, ‌දෙමළ,ඉංග්‍රීසි වැනි        පරිගණකයකට තේරුම් ගත හැකි, විශ්ලේෂණය කළ හැකි, සහ ප්‍රතිචාර දැක්විය හැකි වන පරිදි සැකසීමේ ක්‍රියාවලියකි. මෙය කෘත්‍රිම බුද්ධිය (AI) හි අනුශාසනයක් වන අතර, පරිගණකයන්ට මිනිස් භාෂාව අවබෝධ කර ගැනීමට, සැකසීමට, සහ ප්‍රතිචාර දක්වීමට උපකාරී වේ.

සරලව ම කියනවනම් එය මිනිස් භාෂාව පරිගණකයක් හට තේරුම් ගන්න හැදෙන ක්‍රියාවලිය තමයි NLP කියන්නේ.

 NLP ක්‍රියාත්මක වන ආකාරය

NLP ක්‍රියාවලිය ව්‍යාප්ත ක්‍රම කිහිපයකින් සමන්විත වේ. එනම්,

                

                   1. Tokenization – වාක්‍යයන් පද වලට බෙදීම.

                   2. Part-of-Speech Tagging – පද වල ව්‍යාකරණමය කාර්යයන් හඳුනා ගැනීම             

                                                                 (නාමපද, ක්‍රියාව,ආදී).

                   3. Parsing – වාක්‍ය ව්‍යුහය විශ්ලේෂණය කිරීම.

                   4. Named Entity Recognition (NER) – නම, ස්ථානය, දිනය වැනි පද හඳුනා ගැනීම.

                   5. Sentiment Analysis – වාක්‍යයක හෝ පෙළක හැඟීම් හඳුනා ගැනීම (ආනන්දය, කේන්තිය, ආදී).

                   6. Machine Translation – භාෂා අතර පරිවර්තනය (උදා: Google Translate).

                   7. Speech Recognition – කථනය ලිවීම (උදා: Siri, Google Assistant).

 

NLP යොදාගන්නා ප්‍රධාන ක්ෂේත්‍ර

1. භාෂා පරිවර්තනය - Google Translate වැනි මෙවලම්.

2. භාෂා හැඳින්වීම - Siri, Google Assistant වැනි දෘශ්‍ය සහ ස්වරාධාරිත පද්ධති.

3. අන්තර්ගත විශ්ලේෂණය - Email spam filtering, sentiment analysis (ආවේශ විශ්ලේෂණය).

4. පැනයට පිළිතුරු ලබාදීම - ChatGPT වැනි පද්ධති.

5. දෙබසුවකින් තොරතුරු ලබාගැනීම  - Search engines, voice search.

NLP සඳහා භාවිතා වන තාක්ෂණ

1. Machine Learning - පරිගණකයන්ට දත්ත මත පදනම්ව ඉගෙන ගැනීම.

2. Deep Learning - නියුනතම මිනිස් මැදිහත්වීමෙන් ඉගෙනීම.

3. Neural Networks - මිනිස් මොළයේ ක්‍රියාකාරිත්වය අනුරූප කරන පද්ධති.

NLP හි වැදගත්කම

NLP මඟින් පරිගණකයන්ට මිනිස් භාෂාව තේරුම් ගැනීමේ හැකියාව ලබා දීමෙන්, තොරතුරු සෙවීම, පරිවර්තනය, සහ කථනය හරහා පරිගණකයන් සමඟ සන්නිවේදනය කිරීම පහසු වේ. මෙය විශේෂයෙන්ම ව්‍යාපාර, අධ්‍යාපන, සහ සෞඛ්‍ය ක්ෂේත්‍ර වල ප්‍රයෝජනවත් වේ.

Machine Learning (ML) VS Deep Learning (DL)

 

 

 

 

 

 

 

 

 

Machine Learning (ML) සහ Deep Learning (DL) අතර වෙනස

 

Machine Learning යනු කුමක්ද?

Machine Learning කියන්නේ යන්ත්‍රයකට, පසුගිය දත්ත භාවිතයෙන් නිවැරදිව තීරණ ගැනීමට හෝ අනාවැකි පවසන ආකාරය "ඉගෙනගන්න" උගන්වන ක්‍රමයකි. මෙහිදී, මිනිසා විසින් සෑදූ ලක්ෂණ (features) යන්ත්‍රයට ලබාදෙයි. එතැනින් යන්ත්‍රය නියමයන් හඳුනාගෙන, නව තොරතුරු වලට ප්‍රතිචාර දක්වයි.

උදාහරණය:- Email එකක් spam ද නැද්ද කියලා තීරණය කිරීම.

 

Deep Learning යනු කුමක්ද?

Deep Learning යනු Machine Learning එකේ වඩාත් සංකීර්ණ සහ දියුණු පිළිවෙතකි. මෙය Neural Networks නම් ව්‍යුහයක් මත පදනම්වී ඇත.ඒ කියන්නේ මිනිස් මොළය ආකාරයට සැලසුම් කළ සංකීර්ණ algorithm එකක්.          

මෙහිදී යන්ත්‍රයම අවශ්‍ය ලක්ෂණ හඳුනා ගනී. මෙය විශාල වශයෙන් දත්ත සහ බලවත් පරිගණක බලශක්තිය අවශ්‍ය කරන ක්‍රමයකි.  

උදාහරණ:- මූහුණු හඳුනාගැනීම (Face recognition).

             - Google Translate වැනි භාෂා පරිවර්තකය.

             - Self-driving cars (තමා මග පෙන්වාගෙන යන වාහන).

             - Siri, Alexa වැනි voice assistants.

 

 මේ ද්විත්වයේ වෙනස නම්,

Machine Learning හිදී අපි යන්ත්‍රයට මඟපෙන්විය යුතුය. මේ දත්තවලින් මේ දේ සෙවිය යුතුයි යන්න..

Deep Learning හිදී එය තමාම ඉගෙන ගත යුතුයි.

කෘතීම බුද්ධිය (AI) පිළිබඳ තාක්ෂණික පසුබිම (Technical background on artificial intelligence)

කෘතීම බුද්ධිය යනු, මිනිස් බුද්ධිය හා තීරණ ගැනීම පරීක්ෂාකාරීව අනුකරණය කිරීමට යන්ත්‍රවලට හැකියාව ලබා දෙන මූලික අංග කිහිපයක් මත පදනම් වූ තාක්ෂණයකි. පහත දැක්වෙන්නේ එම ප්‍රධාන තාක්ෂණයන් පිළිබඳ සරල විසතරයකි.

01) Machine Learning

මේකෙන් කියවෙන්නේ පරිගණකයන්ට විශේෂිතව වැඩි දත්ත වලින් ඉගෙනීමේ හැකියාව ලබාදෙන ක්‍රමවේදයකි.

උදාහරණයක්:- ඔබේ පෙර චිත්‍රපට නරඹු ඉතිහාසය අනුව ඔබට ඊටත් වඩා වටිනා චිත්‍රපටයක් නිර්දේශ කිරීම.

 

02) Deep Learning

මෙය  Machine Learning වල උප කාණ්ඩයක් වන අතර, මිනිස් මොලයේ හැඩතලයට සමාන නියූරල් ජාල (Neural Networks) භාවිතයෙන් ක්‍රියා කරයි.

උදාහරණය:- මුහුණු හඳුනාගැනීමේ පද්ධතියක් තිබීම.

 

03) Natural Language Processing - NLP

මේක කියන්නේ මොකද්ද?
යන්ත්‍රවලට මිනිස් භාෂාව තේරුම් ගැනීමට සහ ප්‍රතිචාර දක්වීමට උපකාරී තාක්ෂණයකි.

උදාහරණය:- ChatGPT, Google Translate, හෝ Facebook Chatbot.

 

04) Computer Vision

 මෙමඟින් යන්ත්‍රවලට දර්ශනික තොරතුරු හඳුනාගැනීමේ හැකියාව ලබාදෙයි.

05) Data Science & Big Data

 විශාල දත්තවලින් ප්‍රවණතා හඳුනා ගැනීමට සහ AI ක්‍රම ඉගෙනීම සඳහා භාවිතා කරයි.

උදාහරණය:- ගනුදෙනුකරුවන්ගේ හැසිරීම විශ්ලේෂණය කිරීම.

 

06) Robotics

 AI තාක්ෂණය භාවිතයෙන් ශාරීරික යන්ත්‍රවල ස්වයංක්‍රීය ක්‍රියා කිරීමට හැකියාව ලබාදීම.

උදාහරණය:- කාර්මික රොබෝ, නිවසේ සේවක රොබෝ, වෛද්‍ය රොබෝ ආදී.

 

07) Cloud Computing

විශාල AI ආදර්ශ පුහුණු කිරීමට අවශ්‍ය ගණිත බලය හා ගබඩා හැකියාව සපයයි.

උදාහරණය:- Google Voice Search හෝ Amazon Alexa වැනි සේවාවන්.

 

08) Edge Computing & Internet of Things

AI යෙදුම් උපාංගය තුළම ක්‍රියාත්මක කිරීම (වලාකුළු පද්ධතියක් අවශ්‍ය නැතුව).

උදාහරණය:- ස්මාර්ට් වාහන, ගෙදර ස්මාර්ට් උපාංග.

 

විනෝද හා ක්‍රීඩා ක්ෂේත්‍රයේ කෘත්‍රීම බුද්ධිය(AI in Entertainment and Gaming)

 

 

 

 

 

 

 

 

 

 

 

විනෝද හා ක්‍රීඩා ක්ෂේත්‍රයේ කෘත්‍රීම බුද්ධිය යනු ක්‍රියාකාරීත්වය, නවීනත්වය සහ පරිශීලක අත්දැකීම වර්ධනය කිරීමට Artificial Intelligence  භාවිතා කරන ක්ෂේත්‍රයකි. 

ක්‍රීඩා ක්ෂේත්‍රය තුළ AI (Gaming)

1. Smart Opponents (AI Bots) 

  

 ක්‍රීඩකයාගේ හැසිරීම් අනුව  ක්‍රියා කරන NPCs ගත හැකිය.  (Non-Playable Characters).  

            උදා:- PUBG, Call of Duty, FIFA.

2.  Procedural Content Generation 

   

 AI මගින් සිතියම්, අවස්ථා, පදනම්ව ස්වයංක්‍රීයව නිර්මාණය කිරීම.  

            උදා:- Minecraft, No Man’s Sky

3. Game Testing & Bug Detection 

    AI භාවිතයෙන් ක්‍රීඩාවේ දෝෂ හඳුනා ගැනීමට හැකි වීම.

4. Personalized Gaming Experience  

    ක්‍රීඩකයාගේ ඉතිහාසය අනුව ක්‍රීඩාවේ ගමන් මාර්ග වෙනස් කිරීම.  

             උදා:- AI-based difficulty level adjustments.

විනෝද ක්ෂේත්‍රය තුළ AI (Entertainment)

1. Movie Recommendations 

     Netflix, YouTube වැනි සමාජ මාධ්‍ය ජාල මඟින් AI භාවිතයෙන් පරිශීලකයින්ට සුදුසු දර්ශන යෝජනා කරයි.

2. Script Writing & Editing 

    AI මගින් කතා නායකයන් නිර්මාණය කිරීම, කතා නාට්‍ය සංස්කරණය සහ කෙටි කතා ලිවීම.

3. Deepfake Technology
 

   නළුවන්ගේ මුහුණු වෙනස් කිරීම, අතීත නළුවන් නැවත භාවිතා කිරීම.

4. Virtual Reality (VR) & Augmented Reality (AR)

    AI සමඟ සන්ධාන වී පරිශීලකයාට විශිෂ්ට වාස්තු විද්‍යාත්මක හා සජීවී අත්දැකීම් ලබා දීම‍.

 

 

 

AI විනෝද හා ක්‍රීඩා ක්ෂේත්‍රය තුළ නව යුගයක ආරම්භයක් සලසනු ලබයි.

කෘතීම බුද්ධියේ මූල්‍යමය භාවිතය(Financial uses of artificial intelligence)

 

 

 

 

 

 

 

 

කෘතීම බුද්ධිය (Artificial Intelligence - AI) මූල්‍ය ක්ෂේත්‍රයේදී විශාල වශයෙන් භාවිතා කරනු ලබන්නේ කඩිනම් තීරණ ගැනීම, තක්සේරු කිරීම, වංචා අනාවරණය, සහ පාරිභෝගික සේවා වර්ධනය වැනි කාර්යයන් සඳහාය.

AI මූල්‍ය ක්ෂේත්‍රයේ භාවිතා වන ප්‍රධාන ආකාර

1. ස්වයංක්‍රීය වෙළඳාම (Automated Trading)  

 

AI සහ machine learning යොදාගෙන වෙළඳපොළ තත්ත්වයන් විග්‍රහ කර සෙකන්ඩ් කිහිපයකින් තීරණ ගන්නා Algorithmic Trading Systems භාවිතා වේ.

                     උදාහරණය:- Stock market වල මිල වෙනස්වීම් අනුව කොටස් මිලදී ගැනීම හෝ විකිණීම.

2. වංචා අනාවරණය (Fraud Detection) 

AI systems භාවිතයෙන් සැකකළ යුතු ගනුදෙනු හඳුනාගනිමින් බැංකු වංචාවන් වැළැක්වීම සිදුවේ.

                    උදාහරණය:- ඔබගේ බැංකු කාඩ්පතෙන් අසම්මත ගනුදෙනුවක් සිදුවන විට එය වහාම අවහිර කිරීම.

3. අනතුරු තක්සේරු කිරීම (Risk Assessment & Credit Scoring)

Machine Learning මගින් ගෙවීම් ඉතිහාසය, ආදායම් තොරතුරු වැනි දත්ත විශ්ලේෂණය කර ණය ලබා දීමේ තීරණ ගනී.

4. පාරිභෝගික සේවාව (Customer Service)

AI chat bots සහ virtual assistants මගින් පාරිභෝගික සහාය සැපයීම.

5.  මූල්‍ය සැලසුම් කිරීම (Financial Planning & Management) 

AI apps මගින් පරිශීලකයින්ට ආදායම්, වියදම්, ඉතුරුම් කිරීම වැනි දේවල් කළමනාකරණය කිරීමට උපකාරී වේ.

                  උදාහරණය:- Mint, Cleo වැනි AI-powered budgeting apps.