ಆಧುನಿಕ ಪರಿಸರ ವಿಜ್ಞಾನದ ಪಿತಾಮಹ - ಯುಜೀನ್ ಪಿ. ಓಡಮ್

 ಆಧುನಿಕ ಪರಿಸರ ವಿಜ್ಞಾನದ ಪಿತಾಮಹ - ಯುಜೀನ್ ಪಿ. ಓಡಮ್ 

ಲೇಖಕರು

ತಾಂಡವಮೂರ್ತಿ ಎ ಎನ್‌

ಸರ್ಕಾರಿ ಪದವಿ ಪೂರ್ವ ಕಾಲೇಜು

 ನೆಲಮಂಗಲ

_______________________________________

ಪರಿಸರ ವಿಜ್ಞಾನ ಅಥವಾ 'ಇಕಾಲಜಿ' (Ecology) ಎಂಬ ವಿಷಯವನ್ನು ಕೇವಲ ಜೀವಶಾಸ್ತ್ರದ ಒಂದು ಸಣ್ಣ ವಿಭಾಗವಾಗಿ ನೋಡುತ್ತಿದ್ದ ಕಾಲಘಟ್ಟದಲ್ಲಿ, ಅದನ್ನು ಒಂದು ಪ್ರತ್ಯೇಕ ಮತ್ತು ಪ್ರಮುಖ ವಿಜ್ಞಾನದ ಶಿಸ್ತನ್ನಾಗಿ ರೂಪಿಸಿದವರು 

ಯುಜೀನ್ ಪಿ. ಓಡಮ್. ಇವರನ್ನು "ಆಧುನಿಕ ಪರಿಸರ ವಿಜ್ಞಾನದ ಪಿತಾಮಹ" ಎಂದೇ ಗೌರವಿಸಲಾಗುತ್ತದೆ.

ಜೀವನ ಮತ್ತು ಹಿನ್ನೆಲೆ

ಯುಜೀನ್ ಓಡಮ್ 1913 ರಲ್ಲಿ ಅಮೆರಿಕಾದಲ್ಲಿ ಜನಿಸಿದರು. ಅವರು ಜಾರ್ಜಿಯಾ ವಿಶ್ವವಿದ್ಯಾಲಯದಲ್ಲಿ ಸುದೀರ್ಘ ಕಾಲ ಪ್ರಾಧ್ಯಾಪಕರಾಗಿ ಸೇವೆ ಸಲ್ಲಿಸಿದರು. ಅವರ ತಂದೆ ಹೊವಾರ್ಡ್ ಡಬ್ಲ್ಯೂ. ಓಡಮ್ ಒಬ್ಬ ಸಮಾಜಶಾಸ್ತ್ರಜ್ಞರಾಗಿದ್ದರು, ಇದು ಯುಜೀನ್ ಅವರಿಗೆ ಪರಿಸರವನ್ನು ಕೇವಲ ವಿಜ್ಞಾನವಾಗಿ ಮಾತ್ರವಲ್ಲದೆ, ಸಮಾಜದ ಒಂದು ಅವಿಭಾಜ್ಯ ಅಂಗವಾಗಿ ನೋಡಲು ಪ್ರೇರೇಪಿಸಿತು. "ಪರಿಸರ ವಿಜ್ಞಾನವು ಕೇವಲ ಜೀವಶಾಸ್ತ್ರದ ಭಾಗವಲ್ಲ, ಅದು ಮಾನವಕುಲದ ಉಳಿವಿನ ವಿಜ್ಞಾನ."ಎಂಬುದು ಓಡಮ್‌ ರವರ ಪ್ರಸಿದ್ಧ ಉಲ್ಲೇಖ.

ಓಡಮ್ ಅವರ ಪ್ರಮುಖ ಕೊಡುಗೆಗಳು

ಪರಿಸರ ಶಾಸ್ತ್ರದ ಮೂಲಭೂತ ಪರಿಕಲ್ಪನೆಗಳು 'ಫಂಡಮೆಂಟಲ್ಸ್ ಆಫ್ ಎಕಾಲಜಿ' (Fundamentals of Ecology) ಪುಸ್ತಕ
1953 ರಲ್ಲಿ ಓಡಮ್ ಅವರು ತಮ್ಮ ಕಿರಿಯ ಸಹೋದರ ಹೆಚ್‌ ಟಿ ಓಡಮ್‌ ರವರೊಂದಿಗೆ ಬರೆದ ಈ ಪುಸ್ತಕವು ಪರಿಸರ ವಿಜ್ಞಾನದ ಕ್ಷೇತ್ರದಲ್ಲಿ  ಕ್ರಾಂತಿಕಾರಕ ಬದಲಾವಣೆಗಳಿಗೆ ನಾಂದಿ ಹಾಡಿತು. ಸುಮಾರು 10 ವರ್ಷಗಳ ಕಾಲ ಈ ಪುಸ್ತಕ ಪರಿಸರ ವಿಜ್ಞಾನದ ಏಕೈಕ ಪಠ್ಯಪುಸ್ತಕವಾಗಿತ್ತು. ಈ ಪುಸ್ತಕದ ಮೂಲಕ ಅವರು ಪರಿಸರ ವಿಜ್ಞಾನವನ್ನು ಕೇವಲ ಗಿಡ-ಮರ,ಪ್ರಾಣಿ-ಪಕ್ಷಿಗಳ ಅಧ್ಯಯನ ಎನ್ನುವುದಕ್ಕಿಂತ,ಅಜೈವಿಕ ಅಂಶಗಳೊಂದಿಗಿನ  ಜೀವಿಗಳ ಒಡನಾಟದ ಒಂದು "ಸಮಗ್ರ ವ್ಯವಸ್ಥೆ" (Holistic System) ಎಂದು ನಿರೂಪಿಸಿದರು

2. ಪರಿಸರ ವ್ಯವಸ್ಥೆಯ ಪರಿಕಲ್ಪನೆ (Ecosystem Concept)
ಓಡಮ್ ಅವರು ಪರಿಸರ ವ್ಯವಸ್ಥೆಯನ್ನು (Ecosystem) ವಿಶ್ಲೇಷಿಸುವಾಗ ಎರಡು ಪ್ರಮುಖ ಅಂಶಗಳ ಮೇಲೆ ಬೆಳಕು ಚೆಲ್ಲಿದರು:

• ಶಕ್ತಿಯ ಹರಿವು (Energy Flow): ಸೂರ್ಯನಿಂದ ಬರುವ ಶಕ್ತಿಯು ಹೇಗೆ ಒಂದು ಜೀವಿಯಿಂದ ಇನ್ನೊಂದು ಜೀವಿಗೆ ವರ್ಗಾವಣೆಯಾಗುತ್ತದೆ ಎಂಬುವುದನ್ನು ಅವರು ವಿವರಿಸಿದರು.
• ಪೋಷಕಾಂಶಗಳ ಚಕ್ರೀಯ ಚಲನೆ (Nutrient Cycling): ಪರಿಸರದಲ್ಲಿ ಮೂಲವಸ್ತುಗಳು ಹೇಗೆ ಮರುಚಕ್ರೀಕರಣಗೊಂಡು ಮರುಬಳಕೆಯಾಗುತ್ತವೆ ಎಂಬುದನ್ನು ಅವರು ಪ್ರತಿಪಾದಿಸಿದರು.

3. ಪರಿಸರ ವಿಜ್ಞಾನದ ಸಮಗ್ರ ನೋಟ (Holistic Approach)
ಓಡಮ್ ಅವರ ಪ್ರಕಾರ, "ವ್ಯವಸ್ಥೆಯ ಒಂದು ಭಾಗದ ಅಧ್ಯಯನವು ಇಡೀ ವ್ಯವಸ್ಥೆಯ ಸ್ವರೂಪವನ್ನು ತಿಳಿಸುವುದಿಲ್ಲ." ಅಂದರೆ, ಕೇವಲ ಒಂದು ಪ್ರಾಣಿ ಅಥವಾ ಸಸ್ಯದ ಬಗ್ಗೆ ತಿಳಿಯುವುದಕ್ಕಿಂತ, ಆ ಜೀವಿಯು ತನ್ನ ಸುತ್ತಮುತ್ತಲಿನ ಪರಿಸರದೊಂದಿಗೆ ಹೇಗೆ ಸಂವಹನ ನಡೆಸುತ್ತದೆ ಮತ್ತು ಪ್ರತಿವರ್ತಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಮುಖ್ಯ ಎಂದು ಅವರು ಎಲ್ಲರಿಗೂ ಸರಳವಾಗಿ ಅರ್ಥೈಸಿದರು.

4.ಪರಿಸರ ಮತ್ತು ಆರ್ಥಿಕತೆಯ ಸಮನ್ವಯ
ಅವರು ಪರಿಸರ ಸಂರಕ್ಷಣೆಯನ್ನು ಆರ್ಥಿಕ ಅಭಿವೃದ್ಧಿಯ ಶತ್ರು ಎಂದು ನೋಡಲಿಲ್ಲ. ಬದಲಾಗಿ, "ಪ್ರಕೃತಿಯು ನಮಗೆ ನೀಡುವ ಸೇವೆಗಳು (Ecosystem Services) ಉಚಿತವಲ್ಲ, ಅವುಗಳಿಗೂ ಮೌಲ್ಯವಿದೆ" ಎಂದು ಜಗತ್ತಿಗೆ ಸಾರಿದರು.

5. ಶಕ್ತಿಯ ಹರಿವಿನ ಮಾದರಿಗಳು (Energy Flow Models)

ಓಡಮ್ ಅವರ ಪ್ರಕಾರ, ಪರಿಸರ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಶಕ್ತಿಯು ಏಕಮುಖವಾಗಿ ಚಲಿಸುತ್ತದೆ (Unidirectional). ಸೂರ್ಯನಿಂದ ಬಂದ ಶಕ್ತಿಯು ಪೋಷಣಾಸ್ತರಗಳ ಮೂಲಕ ಹಾದುಹೋಗುವಾಗ ಕ್ರಮೇಣ ಕ್ಷೀಣಿಸುತ್ತಾ ಹೋಗುತ್ತದೆ.ಈ ಪರಿಸರ ಮಾದರಿಗಳನ್ನು ರೂಪಿಸುವಲ್ಲಿ ಕಿರಿಯ ಸಹೋದರ ಹೆಚ್‌ ಟಿ ಓಡಮ್‌ ಪ್ರಮುಖ ಪಾತ್ರವನ್ನು ವಹಿಸಿದರು.

• ಶಕ್ತಿಯ ಹರಿವಿನ ಏಕ-ಪಥ ಮಾದರಿ (Single-channel Energy Flow Model):
  ಇದು ಶಕ್ತಿಯು ಸಸ್ಯಗಳಿಂದ (ಉತ್ಪಾದಕರು) ಸಸ್ಯಹಾರಿಗಳಿಗೆ, ನಂತರ ಮಾಂಸಹಾರಿಗಳಿಗೆ ಹರಿಯುವುದನ್ನು ತೋರಿಸುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಹಂತದಲ್ಲೂ ಉಸಿರಾಟದ (Respiration) ಮೂಲಕ ಶಕ್ತಿಯು ಶಾಖದ ರೂಪದಲ್ಲಿ ವ್ಯಯವಾಗುತ್ತದೆ.ಈ ಮಾದರಿಯು ಪರಿಸರ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಶಕ್ತಿ ಹರಿವಿನ ಸರಳ ಮಾದರಿಯಾಗಿದ್ದು.ಈ ಮಾದರಿಯ ಲೋಪಗಳನ್ನು ಸರಿಪಡಿಸಿ,ಶಕ್ತಿ ಹರಿವಿನ ಸಮಗ್ರ ಮಾದರಿಯಾಗಿ Y-ಆಕಾರದ ಮಾದರಿಯನ್ನು ರೂಪಿಸಿದರು.
• Y-ಆಕಾರದ ಮಾದರಿ (Y-Shaped Model):
  ಈ ಮಾದರಿಯಲ್ಲಿ ಶಕ್ತಿಯ ಹರಿವು ವಿಘಟಕ ಸೂಕ್ಷ್ಮ ಜೀವಿಗಳನ್ನು ಒಳಗೊಂಡ ಒಂದು ಸಂಕೀರ್ಣ ಪಥ ಎಂಬುದನ್ನು ನಿರೂಪಿಸಿದರು. ಪರಿಸರ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಎರಡು ರೀತಿಯ ಆಹಾರ ಸರಪಳಿಗಳು ಏಕಕಾಲದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂದು ಇದು ತೋರಿಸುತ್ತದೆ:
1. ಮೇಯುವ ಆಹಾರ ಸರಪಳಿ (Grazing Food Chain):ಮೊದಲ ಪೋಷಣಾಸ್ತರವು ಜೀವಂತ ಹಸಿರು ಸಸ್ಯಗಳಿಂದ ಆರಂಭವಾಗುತ್ತದೆ.
2. ಕೊಳೆತಿನಿ ಆಹಾರ ಸರಪಳಿ (Detritus Food Chain): ಮೊದಲ ಪೋಷಣಾಸ್ತರವು ಸತ್ತ ಸಸ್ಯ ಮತ್ತು ಪ್ರಾಣಿಗಳ ತ್ಯಾಜ್ಯದಿಂದ ಆರಂಭವಾಗುತ್ತದೆ.ಈ ಎರಡು ಪಥಗಳು ಒಂದಕ್ಕೊಂದು ಬೆಸೆದುಕೊಂಡಿರುತ್ತವೆ ಎಂಬುದನ್ನು ಈ ಮಾದರಿ ವಿವರಿಸುತ್ತದೆ.

6. ಪೋಷಕಾಂಶಗಳ ಚಕ್ರೀಯ ಚಲನೆ (Nutrient Cycling)

ಶಕ್ತಿಯು ಶಾಖದ ರೂಪದಲ್ಲಿ ವ್ಯಯವಾಗಿ ಹೋಗುವಂತೆ ಪೋಷಕಾಂಶಗಳು ನಾಶವಾಗುವುದಿಲ್ಲ; ಬದಲಾಗಿ ಅವು ಮರುಕಕ್ರೀಕರಣಗೊಳ್ಳುತ್ತವೆ. ಇದನ್ನು ಜೈವಿಕ ಭೂ-ರಾಸಾಯನಿಕ ಚಕ್ರ (Biogeochemical Cycles) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

• ಚಕ್ರೀಯ ಚಲನೆ: ಸಾರಜನಕ (Nitrogen), ಇಂಗಾಲ (Carbon),ಆಕ್ಸಿಜನ್ ಮತ್ತು ರಂಜಕದಂತಹ (Phosphorus) ಮೂಲವಸ್ತುಗಳು ವಾತಾವರಣ ಮತ್ತು ಮಣ್ಣಿನಿಂದ ಸಸ್ಯಗಳಿಗೆ, ಸಸ್ಯಗಳಿಂದ ಪ್ರಾಣಿಗಳಿಗೆ ವರ್ಗಾವಣೆಗೊಂಡು, ಅಂತಿಮವಾಗಿ ವಿಘಟಕಗಳ (Decomposers) ಮೂಲಕ ಮತ್ತೆ ಮಣ್ಣಿಗೆ ಮತ್ತು ವಾತಾವರಣಕ್ಕೆಸೇರುತ್ತವೆ.
• ವಿಘಟಕಗಳ ಪಾತ್ರ: ಓಡಮ್ ಅವರು ವಿಘಟಕಗಳನ್ನು (ಬ್ಯಾಕ್ಟೀರಿಯಾ ಮತ್ತು ಶಿಲೀಂಧ್ರಗಳು) ಪರಿಸರದ "ಮರುಚಕ್ರೀಕರಣ ಘಟಕಗಳು"ಮತ್ತು“ಪರಿಸರ ಸ್ವಚ್ಛತಾ ಕಾರ್ಮಿಕರು”ಎಂದು ಗುರುತಿಸಿದರು. ವಿಘಟಕಗಳಿಲ್ಲದಿದ್ದರೆ ಪೋಷಕಾಂಶಗಳ ಚಕ್ರವು ಸ್ಥಗಿತಗೊಳ್ಳುತ್ತದೆ.

ಶಕ್ತಿ ಮತ್ತು ಪೋಷಕಾಂಶಗಳ ಹರಿವಿನ ನಡುವಿನ ವ್ಯತ್ಯಾಸ

ವೈಶಿಷ್ಟ್ಯ	ಶಕ್ತಿಯ ಹರಿವು (Energy Flow)	ಪೋಷಕಾಂಶಗಳ ಚಕ್ರ (Nutrient Cycling)
ಮೂಲ	ಸೂರ್ಯ	ಮಣ್ಣು, ಗಾಳಿ ಮತ್ತು ನೀರು
ಚಲನೆ	ಏಕಮುಖ (ಮರಳಿ ಬರುವುದಿಲ್ಲ)	ಚಕ್ರೀಯ (ಮರುಚಕ್ರೀಕರಣಗೊಳ್ಳುತ್ತದೆ)
ಅಂತಿಮ ಸ್ಥಿತಿ	ಶಾಖವಾಗಿ ಪರಿಸರದಲ್ಲಿ ಹರಡುತ್ತದೆ	ಪರಿಸರದಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿ ಮರುಬಳಕೆಯಾಗುತ್ತದೆ

 

7.ಓಡಮ್ ಅವರ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯ ಉತ್ಪಾದಕತೆಯ ಸೂತ್ರ (Productivity Equation)

ಓಡಮ್ ಅವರು ಪರಿಸರ ವ್ಯವಸ್ಥೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಅಳೆಯಲು ಈ ಕೆಳಗಿನ ಸೂತ್ರವನ್ನು ಬಳಸಿದರು:

ಪರಿಸರದ ಒಟ್ಟು ಉತ್ಪಾದಕತೆಯು ಪರಿಸರ ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ಹಸಿರು ಸಸ್ಯಗಳು ದ್ಯುತಿಸಂಶ್ಲೇಷಣೆಯ (Photosynthesis) ಮೂಲಕ ಒಂದು ನಿರ್ದಿಷ್ಟ ಸಮಯದಲ್ಲಿ ಉತ್ಪಾದಿಸುವ ಒಟ್ಟು ಸಾವಯವ ಪದಾರ್ಥಗಳ ಪ್ರಮಾಣ. 

GPP = NP + R

GPP (Gross Primary Productivity): ಸಸ್ಯಗಳು ಸೂರ್ಯನಿಂದ ಒಟ್ಟು ಸಂಗ್ರಹಿಸಿದ ಶಕ್ತಿ.

R (Respiration): ಸಸ್ಯವು ತನ್ನ ಜೀವರಾಶಿ ಉತ್ಪಾದನೆ ಮತ್ತು ಚಯಾಪಚಯ ಕ್ರಿಯೆಗಳಿಗೆ  ಬಳಸಿದ ಶಕ್ತಿ (ಉಸಿರಾಟ).

NPP (Net Primary Productivity): ಸಸ್ಯಗಳು ತಮ್ಮ ಅಗತ್ಯಗಳಿಗೆ ಬಳಸಿ  ಉಳಿದ ನಿವ್ವಳ ಶಕ್ತಿ.ಈ ನಿವ್ವಳ ಶಕ್ತಿ ಮಾತ್ರ ಮುಂದಿನ ಹಂತದ ಪ್ರಾಣಿಗಳಿಗೆ ಆಹಾರವಾಗಿ ಲಭ್ಯವಿರುತ್ತದೆ.

ಪ್ರಶಸ್ತಿ ಮತ್ತು ಗೌರವಗಳು

ಅವರ ಅನುಪಮ ಸೇವೆಗಾಗಿ ಅವರಿಗೆ ವಿಜ್ಞಾನ ಲೋಕದ ಪ್ರತಿಷ್ಠಿತ ಪ್ರಶಸ್ತಿಗಳಾದ 'ಟೈಲರ್ ಪ್ರಶಸ್ತಿ' (Tyler Prize) ಮತ್ತು 'ಕ್ರಾಫರ್ಡ್ ಪ್ರಶಸ್ತಿ' (Crafoord Prize) - ಇದನ್ನು ಪರಿಸರ ವಿಜ್ಞಾನದ ನೋಬೆಲ್ ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ - ನೀಡಿ ಗೌರವಿಸಲಾಗಿದೆ. 

ಪ್ರಸ್ತುತ ಜಗತ್ತಿನ ಗಮನಸೆಳೆದಿರುವ ಸುಸ್ಥಿರ ಅಭಿವೃದ್ಧಿ (Sustainable Development) ಮತ್ತು ಪರಿಸರ ಸಂರಕ್ಷಣೆಯ ತಳಹದಿಯನ್ನು ಹಾಕಿದವರು ಯುಜೀನ್ ಓಡಮ್. ಪರಿಸರವನ್ನು ಒಂದು ಯಂತ್ರದಂತೆ ನೋಡದೆ, ಒಂದು ಜೀವಂತ ವ್ಯವಸ್ಥೆಯಂತೆ ಗೌರವಿಸಬೇಕು ಎಂಬ ಅವರ ಹಾದಿ ಮತ್ತು ಆಶಯ ಇಂದಿಗೂ ಪ್ರಸ್ತುತವಾಗಿದೆ.

                                                                     

ಮಾರ್ಚ್‌ 2026ರ ಸೈಂಟೂನ್‌ಗಳು

ಮಾರ್ಚ್‌ 2026ರ ಸೈಂಟೂನ್‌ಗಳು

✍️ ಶ್ರೀಮತಿ ಜಯಶ್ರೀ ಶರ್ಮ

ಫೆಬ್ರವರಿ 2026ರ ಸವಿಜ್ಞಾನ ಸಂಚಿಕೆ

**🧠🔬 ಸವಿಜ್ಞಾನ – ವಿಜ್ಞಾನ • ಸಮಾಜ • ಸಂವೇದನೆ

ಫೆಬ್ರವರಿ 2026 ಸಂಚಿಕೆ**
ಈ ಸಂಚಿಕೆಯಲ್ಲಿ —

1.🔹ಕತ್ತಲಲ್ಲಿ ಅರಳಿದ ಜ್ಞಾನದ ಕುಸುಮ
ವಿಜ್ಞಾನ–ಬೆಳಕನ್ನು ಕತ್ತಲಿನಲ್ಲಿ ಹುಡುಕಿದ ನವಚಿಂತನೆಯ ಕಥನ
✍️ ರಾಮಚಂದ್ರ ಭಟ್‌ ಬಿ.ಜಿ 

2.🔹ಕೇಂದ್ರೀಕೃತ ಸೂಕ್ಷ್ಮ ಅವಲೋಕನ, ಗ್ರಹಿಕೆ ಮತ್ತು ವೈಜ್ಞಾನಿಕ ಮನೋಭಾವ
ವೈಜ್ಞಾನಿಕ ಮನೋಭಾವದ ಕುರಿತ ಮಾಹಿತಿ 
✍️  ಡಾ. ಚಂದ್ರಪ್ಪ ಎಚ್

3.🔹ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ : ಇಂದಿನ ಯುಗದ ನೂತನ ಚರಿತ್ರೆ
AI ಯುಗ ಮಾನವರ ಭವಿಷ್ಯವನ್ನು ಹೇಗೆ ರೂಪಿಸುತ್ತದೆ?
✍️ ಕೃಷ್ಣ ಸುರೇಶ

4.🔹ಘಟ್ಟಗಳ ವೈಭವ — ಇನ್ನೆಲ್ಲಿ???!
ಸಹ್ಯಾದ್ರಿ–ಪಶ್ಚಿಮ ಘಟ್ಟಗಳ ಅಡಗಿದ ವೈವಿಧ್ಯಮಯ ನೈಸರ್ಗಿಕ ಅದ್ಭುತಗಳು
✍️ ಕೃಷ್ಣಚೈತನ್ಯ

5.🔹ಮೆಟಾಲಿಕ್‌ ಹೈಡ್ರೋಜನ್‌ನ ಕಥೆ!!!
ಅತ್ಯಂತ ವಿಸ್ಮಯ ಹುಟ್ಟಿಸುವ ಒತ್ತಡದ ಜಗತ್ತಿನ ವಿಜ್ಞಾನ ರಹಸ್ಯ
✍️ ರಾಮಚಂದ್ರ ಭಟ್‌ ಬಿ.ಜಿ

6.🎨ಫೆಬ್ರವರಿ 2026ರ ಸೈಂಟೂನ್‌ಗಳು
ವಿಜ್ಞಾನವನ್ನು ಹಾಸ್ಯದ ಸವಿಯಲ್ಲಿ ಪರಿಚಯಿಸುವ ಸೃಜನಶೀಲ ಚಿತ್ತಾರಗಳು
✍️ ಶ್ರೀಮತಿ ಜಯಶ್ರೀ ಶರ್ಮ

---

ಬಿಭ ಚೌಧರಿ: ಭೌತವಿಜ್ಞಾನದ ಅಗೋಚರ ಧ್ರುವತಾರೆ

 ಕತ್ತಲಲ್ಲಿ ಅರಳಿದ ಜ್ಞಾನದ ಕುಸುಮ

ಬಿಭ ಚೌಧರಿ: ಭೌತವಿಜ್ಞಾನದ ಅಗೋಚರ ಧ್ರುವತಾರೆ

                

ಲೇಖನ : ರಾಮಚಂದ್ರ ಭಟ್‌ ಬಿ.ಜಿ

2019 ರಲ್ಲಿ, ಅಂತರಾಷ್ಟ್ರೀಯ ಖಗೋಳ ಒಕ್ಕೂಟವು (IAU) 'ಲಿಯೋ' ನಕ್ಷತ್ರಪುಂಜದ ”HD 86081” ಎಂಬ ನಕ್ಷತ್ರಕ್ಕೆ “ವಿಭಾ(Vibha)” ಎಂದು ಹೆಸರಿಟ್ಟಿತು. ಸಂಸ್ಕೃತದಲ್ಲಿ 'ವಿಭಾ' ಎಂದರೆ 'ಬೆಳಕಿನ ಕಿರಣ' ಎಂದರ್ಥ. ದಶಕಗಳ ಕಾಲ ಇತಿಹಾಸದ ಪುಟಗಳಲ್ಲಿ ಮರೆಯಾಗಿದ್ದ ಭಾರತದ ಶ್ರೇಷ್ಠ ವಿಜ್ಞಾನಿ ಡಾ. ಬಿಭ ಚೌಧರಿ ಅವರಿಗೆ ಸಂದ ಜಾಗತಿಕ ಗೌರವವಿದು. ಇತ್ತೀಚೆಗೆ ಕ್ಯೂರಿಯಾಸಿಟಿ ಪಠ್ಯ ಪುಸ್ತಕದ ಭಾಷಾಂತರದ ಪರಿಶೀಲನಾ ಕಾರ್ಯದಲ್ಲಿ ತೊಡಗಿಸಿಕೊಂಡಿದ್ದಾಗ ಈ ಹೆಸರು ಗಮನ ಸೆಳೆಯಿತು. ಓಹ್‌!! ಇಷ್ಟು ದೊಡ್ಡ ಭಾರತೀಯ ವಿಜ್ಞಾನಿಯ ಬಗ್ಗೆ ನಮಗೆ ತಿಳಿದಿಲ್ಲವಲ್ಲ ಎಂಬ ವಿಶಾದವೂ ಮನದಲ್ಲಿ ಮೂಡಿತು. ನೀವೂ ಹಾಗೇ ಅಂದುಕೊಂಡ್ರಾ? ಇವರು ಯಾರು ? ಇವರ ಸಾಧನೆಗಳೇನು ಎಂಬ ಕುತೂಹಲವೇ?  

ಆರಂಭಿಕ ಜೀವನ ಮತ್ತು ಸಾಮಾಜಿಕ ಸವಾಲುಗಳು

ಅದು ಇಪ್ಪತ್ತನೇ ಶತಮಾನದ ಆರಂಭದ ಕಾಲ. ಭಾರತವು ಬ್ರಿಟಿಷರ ಆಡಳಿತದ ಅಡಿಯಲ್ಲಿ ತನ್ನ ಅಸ್ಮಿತೆಗಾಗಿ ಹೋರಾಡುತ್ತಿದ್ದ ಕಾಲವದು. ಭಾರತೀಯರಿಗೆ ಶಿಕ್ಷಣ ಗಗನ ಕುಸುಮ ಅದರಲ್ಲೂ ಹೆಣ್ಣುಮಕ್ಕಳು ಶಿಕ್ಷಣದ ಕನಸನ್ನೂ ಕಾಣಲು ಸಾಧ್ಯವಿಲ್ಲದ ದಿನಗಳವು. ಅದರಲ್ಲೂ ವಿಜ್ಞಾನವೆಂದರೆ ಕೇವಲ ಪುರುಷರ ಸ್ವತ್ತು ಎಂದು ನಂಬಿತ್ತು ಅಂದಿನ ಸಮಾಜ. ಅಂತಹ ಕಾಲದಲ್ಲಿ ಕಲ್ಕತ್ತಾದ ಮನೆಯೊಂದರಲ್ಲಿ ಹುಟ್ಟಿದ ಬಾಲೆ ಹಿಡಿದದ್ದು ಭೌತವಿಜ್ಞಾನದ ಪುಸ್ತಕಗಳನ್ನು!!!. ಅಂತರಾಷ್ಟ್ರೀಯ ಮಟ್ಟದಲ್ಲಿ ಹೆಸರು ಮಾಡಿದ್ದಷ್ಟೇ ಅಲ್ಲದೆ ನೋಬಲ್‌ ಪ್ರಶಸ್ತಿಗೇ ನಾಮನಿರ್ದೇಶನಗೊಳ್ಳುವ ಮಟ್ಟಕ್ಕೆ ಬೆಳೆದ ಆ ಬಾಲೆಯೇ ಬಿಭಾ ಚೌಧರಿ ಬಿಭಾ ಚೌಧುರಿ.

 ಬಿಭ ಚೌಧರಿ ಅವರು ಜುಲೈ 3, 1913 ರಂದು ಕೋಲ್ಕತ್ತಾದಲ್ಲಿ ಜನಿಸಿದರು. ಅವರ ತಂದೆ ಬಂಕು ಬಿಹಾರಿ ಚೌಧುರಿ ವೈದ್ಯರಾಗಿದ್ದರು. ವಿಭಾ ಅವರು  ಕಲ್ಕತ್ತಾ ವಿಶ್ವವಿದ್ಯಾಲಯದ ರಾಜಬಜಾರ್ ವಿಜ್ಞಾನ ಕಾಲೇಜಿನಲ್ಲಿ ಭೌತಶಾಸ್ತ್ರವನ್ನು ಅಧ್ಯಯನ ಮಾಡಿ ೧೯೩೬ ರಲ್ಲಿ ಎಂ.ಎಸ್ಸಿ ಪೂರ್ಣಗೊಳಿಸಿದ ಏಕೈಕ ಮಹಿಳೆ ಎನಿಸಿಕೊಂಡರು. ಅವರು ೧೯೩೯ರಲ್ಲಿ ಬೋಸ್ ಸಂಸ್ಥೆಗೆ ಸೇರಿದರು ಮತ್ತು ದೇಬೇಂದ್ರ ಮೋಹನ್ ಬೋಸ್ ಅವರೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಿದರು. ಬೋಸ್ ಇನ್‌ಸ್ಟಿಟ್ಯೂಟ್‌ನಲ್ಲಿ ಉನ್ನತ ಶಕ್ತಿಯ ಕಣ ಭೌತಶಾಸ್ತ್ರದಲ್ಲಿ (High Energy Particle Physics) ಸಂಶೋಧನೆ ನಡೆಸಿದ ಮೊದಲ ಭಾರತೀಯ ಮಹಿಳೆ ಎಂಬ ಹೆಗ್ಗಳಿಕೆಗೆ ಪಾತ್ರರಾದರು.

 ಪೈ ಮೆಸಾನ್- ಆವಿಷ್ಕಾರ ಮತ್ತು ನೊಬೆಲ್ ನಾಮನಿರ್ದೇಶನ

1940ರ ದಶಕದಲ್ಲಿ ಬಿಭ ಅವರು ಪ್ರೊಫೆಸರ್ ಡಿ.ಎಂ. ಬೋಸ್ ಅವರೊಂದಿಗೆ ಸೇರಿ ಡಾರ್ಜಿಲಿಂಗ್‌ನ ಹಿಮಾಲಯ ಪರ್ವತ ಶ್ರೇಣಿಗಳಲ್ಲಿ ಅತ್ಯಂತ ಕಠಿಣ ಪರಿಸ್ಥಿತಿಯಲ್ಲಿ ಸಂಶೋಧನೆ ನಡೆಸಿದರು.

ಸ್ವದೇಶಿ ತಂತ್ರಜ್ಞಾನ: ಅತ್ಯಾಧುನಿಕ ಪ್ರಯೋಗಾಲಯಗಳಿಲ್ಲದ ಆ ಕಾಲದಲ್ಲಿ, ಅವರು ತಾವೇ ವಿನ್ಯಾಸಗೊಳಿಸಿದ 'ಕ್ಲೌಡ್ ಛೇಂಬರ್' ಮತ್ತು ಫೋಟೋಗ್ರಾಫಿಕ್ ಪ್ಲೇಟ್‌ಗಳನ್ನು ಬಳಸಿ ಕಾಸ್ಮಿಕ್ ಕಿರಣಗಳನ್ನು (Cosmic Rays) ಅಭ್ಯಸಿಸಿದರು. ಅದು ಅಪ್ಪಟ 'ಜುಗಾಡ್' (Jugaad) ಅಥವಾ ದೇಶೀಯ ತಂತ್ರಜ್ಞಾನದ ಅದ್ಭುತವಾಗಿತ್ತು. ಆ ಶೀತಗಾಳಿಯಲ್ಲಿ, ಸರಿಯಾದ ರಸ್ತೆಗಳಿಲ್ಲದ ಬೆಟ್ಟದ ಮೇಲೆ ಕುಳಿತು ಅವರು ಸಂಗ್ರಹಿಸಿದ ದತ್ತಾಂಶಗಳು ಜಗತ್ತಿಗೆ ಹೊಸ ವಿಷಯವೊಂದನ್ನು ಸಾರಿದವು: ಅದೇ ಮೆಸಾನ್ (Meson) ಕಣಗಳ ಇರುವಿಕೆ. ಎಲೆಕ್ಟ್ರಾನ್‌ಗಿಂತ ಭಾರವಾದ, ಪ್ರೋಟಾನ್‌ಗಿಂತ ಹಗುರವಾದ ಈ ಕಣಗಳ ಪತ್ತೆಯು ಭೌತವಿಜ್ಞಾನದ ದಿಕ್ಕನ್ನೇ ಬದಲಿಸಿತು. ಕ್ವಾಂಟಮ್ ಮೆಕ್ಯಾನಿಕ್ಸ್‌ನ ಪಿತಾಮಹ ಎನಿಸಿದ ಎರ್ವಿನ್ ಶ್ರೋಡಿಂಜರ್ ಅವರು ಬಿಭ ಅವರ ಕಾರ್ಯವನ್ನು ಗುರುತಿಸಿ, 1950 ರಲ್ಲಿ ಅವರನ್ನು ನೊಬೆಲ್ ಪ್ರಶಸ್ತಿಗೆ ನಾಮನಿರ್ದೇಶನ ಮಾಡಿದ್ದರು ಎನ್ನಲಾಗುತ್ತಿದೆ. ಆದರೆ, ಅಂದಿನ ಜಾಗತಿಕ ರಾಜಕೀಯ ಕಾರಣಗಳಿಂದ ಅವರಿಗೆ ಪ್ರಶಸ್ತಿ ಲಭಿಸಲಿಲ್ಲ.

ವಿದೇಶದ ವೈಭವಕ್ಕಿಂತ ದೇಶದ ಸೇವೆಯೇ ಮಿಗಿಲು

ಬಿಭ ಅವರು ಇಂಗ್ಲೆಂಡ್‌ನ ಮ್ಯಾಂಚೆಸ್ಟರ್ ವಿಶ್ವವಿದ್ಯಾಲಯದಲ್ಲಿ ನೊಬೆಲ್ ವಿಜೇತ ಪ್ಯಾಟ್ರಿಕ್ ಬ್ಲ್ಯಾಕೆಟ್ ಅವರ ಮಾರ್ಗದರ್ಶನದಲ್ಲಿ ಪಿಎಚ್.ಡಿ ಪೂರೈಸಿದರು. ವಿದೇಶದಲ್ಲಿ ನೆಲೆಸಿ ಹಣ, ಹೆಸರು ಗಳಿಸುವ ಎಲ್ಲ ಅವಕಾಶಗಳಿದ್ದರೂ, ಅವರು ತಾಯ್ನಾಡಿನ ಸೇವೆಗಾಗಿ ಭಾರತಕ್ಕೆ ಮರಳಿದರು.

Bibha Chowdhuri at the International Conference in Pisa, Italy in 1955

ಅವರು ಹೋಮಿ ಜೆ. ಬಾಬಾ ಅವರ ಒತ್ತಾಸೆಯಂತೆ, ಮುಂಬೈನ ಟಾಟಾ ಇನ್‌ಸ್ಟಿಟ್ಯೂಟ್ ಆಫ್ ಫಂಡಮೆಂಟಲ್ ರಿಸರ್ಚ್ (TIFR) ಸೇರಿದ ಮೊದಲ ಮಹಿಳಾ ವಿಜ್ಞಾನಿಯಾದರು. ನಂತರ ಅಹಮದಾಬಾದ್‌ನ ಫಿಸಿಕಲ್ ರಿಸರ್ಚ್ ಲ್ಯಾಬೊರೇಟರಿ (PRL) ನಲ್ಲಿ ವಿಕ್ರಮ್ ಸಾರಾಭಾಯಿ ಅವರೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಿದರು. ಕೋಲಾರ ಚಿನ್ನದ ಗಣಿಗಳಿಂದ ಹಿಡಿದು ಹಿಮಾಲಯದ ಶಿಖರಗಳವರೆಗೆ ಅವರು ನಡೆಸಿದ ಕಾಸ್ಮಿಕ್ ಕಿರಣಗಳ ಪ್ರಯೋಗಗಳು ಇಂದಿಗೂ ಸ್ಮರಣೀಯ.

ಮೌನ ಸಾಧನೆ ಮತ್ತು ಮರಣೋತ್ತರ ಮನ್ನಣೆ

Statue of Bibha Chowdhuri, Birla Industrial & Technological Museum, Kolkata, West Bengal, India

    ಬಿಭ ಚೌಧರಿ ಅವರು ಎಂದಿಗೂ ಪ್ರಚಾರವನ್ನು ಬಯಸದ 'ನಿಷ್ಕಾಮ ಕರ್ಮಿ'. 1991 ರಲ್ಲಿ ಅವರು ನಿಧನರಾದಾಗ ಅವರ ಸಾಧನೆಗಳು ಬಹುತೇಕ ಮರೆತುಹೋಗಿದ್ದವು. ಆದರೆ ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ ಜಗತ್ತು ಅವರ ಶ್ರಮವನ್ನು ಗುರುತಿಸುತ್ತಿದೆ:

- 2019: ಅಂತರಾಷ್ಟ್ರೀಯ ಖಗೋಳ ಒಕ್ಕೂಟದಿಂದ ನಕ್ಷತ್ರಕ್ಕೆ 'ವಿಭಾ' ಎಂದು ನಾಮಕರಣ.

- 2020: ಭಾರತ ಸರ್ಕಾರದಿಂದ ಅವರ ಹೆಸರಿನಲ್ಲಿ 'ಚೇರ್ ಪ್ರೊಫೆಸರ್ಶಿಪ್' ಘೋಷಣೆ.

ಇಂದಿನ ಪೀಳಿಗೆಗೆ ಸ್ಫೂರ್ತಿ 

 ೧೯೬೦ ರ ದಶಕದಲ್ಲಿ, ಅವರೊಂದಿಗೆ ಅಲ್ಪಕಾಲ ಸಂಶೋಧನೆ ನಡೆಸಿದ ಖ್ಯಾತ ಕನ್ನಡ ನೆಲದ ಖ್ಯಾತ ವಿಜ್ಞಾನಿ ಹಾಗೂ ಕನ್ನಡದಲ್ಲಿ ವಿಜ್ಞಾನ ಲೇಖನಗಳನ್ನು ಬರೆಯುತ್ತಿರುವ, ಪ್ರೊ|| ಪಾಲಹಳ್ಳಿ ವಿಶ್ವನಾಥ್‌ರವರು ಅವರ ಸರಳ ವ್ಯಕ್ತಿತ್ವದ ಬಗ್ಗೆ ಬೆಳಕು ಚೆಲ್ಲಿದ್ದಾರೆ. ಅವರು ಅಭಿಪ್ರಾಯಪಟ್ಟಂತೆ, ..." ನಮ್ಮಲ್ಲಿ ಕೆಲವು ಯುವಕರು TIFR ಗುಂಪಿನ ಭಾಗವಾಗಿದ್ದೆವು, ಅವರು KGF ಗಣಿಗಳಲ್ಲಿ  ಕಾಸ್ಮಿಕ್ ರೇ ಕುರಿತ ಹಲವಾರು ಪ್ರಯೋಗಗಳನ್ನು ಮಾಡುತ್ತಿದ್ದರು. ಅವುಗಳಲ್ಲಿ ಹೆಚ್ಚು ಪ್ರಸಿದ್ಧವಾದದ್ದು ನ್ಯೂಟ್ರಿನೊ ಪ್ರಯೋಗವಾಗಿದ್ದರೆ, ಕೆಲವು EAS ಶ್ರೇಣಿ ಮತ್ತು ಭೂಮಿಯ ಆಳದಲ್ಲಿ (UG) ಪತ್ತೆಕಾರಕಗಳನ್ನು ಹೊಂದಿರುವ ಎಕ್ಸ್‌ಟೆನ್ಷಿಯಲ್ ಏರ್ ಶವರ್ (EAS) ಪ್ರಯೋಗಗಳನ್ನೂ ಒಳಗೊಂಡಿದ್ದವು. ....... ಅವರು ಯಾವಾಗಲೂ ನಗುಮುಖದೊಂದಿಗೆ ನಮ್ಮೊಂದಿಗೆ ಮಾತನಾಡುತ್ತಾ, ನಮಗೆ ಪ್ರೋತ್ಸಾಹ ನೀಡುತ್ತಿದ್ದರು. ಅವರು ತಮ್ಮ ಬಗ್ಗೆ ಮಾತನಾಡುವವರೂ ಅಲ್ಲ. ಹೀಗಾಗಿ, ಅವರಿಂದ ಸಂಶೋಧನೆಗಳ ಬಗ್ಗೆ ಕೇಳದೇ ಇದ್ದದ್ದು ಮತ್ತು ಅವರ ವಿಷಯದ ಆಳವಾದ ಜ್ಞಾನವನ್ನು ಅರಿಯದೇ ಅವರಿಂದ ಹೆಚ್ಚು ಕಲಿಯದೇ ಇದ್ದುದರಿಂದ ನಾನು ಹಿರಿಯರಿಂದ ಕಲಿಯುವ ಒಂದು ದೊಡ್ಡ ಅವಕಾಶವನ್ನು ಕಳೆದುಕೊಂಡೆ." 

ಇಂದು ಇಸ್ರೋದ 'ರಾಕೆಟ್ ವುಮೆನ್' ರಿತು ಕರಿದಾಲ್, 'ಮಿಸೈಲ್ ವುಮೆನ್' ಟೆಸ್ಸಿ ಥಾಮಸ್ ಮತ್ತು ಚಂದ್ರಯಾನ-3 ರ ಯಶಸ್ಸಿನ ಹಿಂದೆ ನಿಂತಿರುವ ನೂರಾರು ಮಹಿಳಾ ವಿಜ್ಞಾನಿಗಳಿಗೆ ಬಿಭ ಚೌಧರಿ ಅವರೇ ಆದ್ಯ ಪ್ರವರ್ತಕರು (Pioneer).

ಬಿಭ ಚೌಧರಿ ಅವರ ಕಥೆಯು ಕೇವಲ ವಿಜ್ಞಾನದ ಇತಿಹಾಸವಲ್ಲ; ಅದು ಅಚಲವಾದ ಸಂಕಲ್ಪ ಮತ್ತು ಲಿಂಗ ತಾರತಮ್ಯದ ವಿರುದ್ಧದ ಮೌನ ಹೋರಾಟದ ಮಹಾಕಾವ್ಯ. ಆಕಾಶದಲ್ಲಿ ಮಿನುಗುವ 'ವಿಭಾ' ನಕ್ಷತ್ರವು ಭಾರತದ ಹೆಣ್ಣುಮಕ್ಕಳಿಗೆ ಜ್ಞಾನದ ಹಾದಿಯಲ್ಲಿ ಸದಾ ದಾರಿದೀಪವಾಗಿರಲಿದೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ

 ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ

ಲೇಖನ: ಕೃಷ್ಣ ಸುರೇಶ.

    

ಕೃತಕ ಬುದ್ಧಿ ಮತ್ತೆ ಅಥವಾ AI ಇತ್ತೀಚೆಗೆ ಹೆಚ್ಚಾಗಿ ನಮಗೆ ಕೇಳಿ ಬರುತ್ತಿರುವ ವಿಷಯವಾಗಿದೆ. ಗ್ಯಾಜೆಟ್ಟುಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಮಾತಿನಿಂದ ಪಠ್ಯದ ಬರವಣಿಗೆಗೆ, ಬರವಣಿಗೆಯನ್ನು ಪಠ್ಯವಾಗಿಸುವುದು, ಧ್ವನಿಯ ಮೂಲಕ ಯಂತ್ರಗಳು, ಸಾಧನಗಳು ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಆದೇಶಗಳನ್ನು ನೀಡುವುದು, ಛಾಯ ಚಿತ್ರಗಳನ್ನು ಸಂಸ್ಕರಿಸುವುದು, ಆನಿವೇಶನ್, ಚಲನ ಚಿತ್ರಗಳನ್ನು ಸೃಷ್ಟಿಸುವುದು, ಹೀಗೆ ಹತ್ತು ಹಲವಾರು ರೂಪಗಳಲ್ಲಿ ಈಚೀಚೆಗೆ AI ನ ಬಳಕೆಯನ್ನು ನಾವು ಕಾಣುತ್ತಿದ್ದೇವೆ. ಜಗತ್ತಿನ ಸಾಫ್ಟವೇರ್‌ ದಿಗ್ಗರು ತಾನು ಮುಂದು ತಾನು ಮುಂದು ಎಂದು ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪೈಪೋಟಿಗಿಳಿದು ಸಂಶೋಧನೆ ಮತ್ತು ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ತೊಡಗಿಸಿಕೊಂಡಿವೆ. ಇದೇ ಫೆಬ್ರವರಿ ತಿಂಗಳಿನ ೧೬ರಿಂದ ೨೦ರ ವರೆಗೆ ನಮ್ಮ ದೇಶದ ರಾಜಧಾನಿ ಹೊಸ ದೆಹಲಿಯ ಭಾರತ ಮಂಟಪದಲ್ಲಿ  India AI Impact Summit 2026 ಎಂಬ ಹೆಸರಿನ ಸಮ್ಮೇಳನ ಆಯೋಜನೆಯಾಗಿದ್ದು ಇದರಲ್ಲಿ ದೇಶ ವಿದೇಶಗಳ ಸಾವಿರಾರು ಗಣ್ಯರು ಭಾಗವಹಿಸಲಿದ್ದಾರೆ. ಜಗತ್ತಿನ ವಿವಿಧ ದೇಶಗಳು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಕ್ಷೇತ್ರದಲ್ಲಿ ಸಂಶೋದನೆಯಲ್ಲಿ ಕಾರ್ಯನಿರತರಾಗಿದ್ದಾರೆ. ಭಾರತವೂ ಸಹ ತನ್ನದೇ ಆದ ರೀತಿಯಲ್ಲಿ ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಗತಿಯತ್ತ ದಾಪುಗಾಲನ್ನು ಇಡುತ್ತಿರುವುದರ ದ್ಯೋತಕವಾಗಿದೆ ಈ ಸಮ್ನೇಳನ.

     ಗ್ರೀಕ್‌ ಪೌರಾಣಿಕ ಕತೆಗಳಲ್ಲಿ ಬರುವ ಟಾಲೋಸ್‌ ಎಂಬ ಕಂಚಿನ  ಮನುಷ್ಯಾಕೃತಿಯು ಕ್ರೇಟ್‌ ದ್ವೀಪವನ್ನು ಕಾವಲು ಕಾಯುವ ಯೋಧನಾಗಿದ್ದಿತು. ಆಧುನಿಕ ಯುಗದಲ್ಲಿ ಇದರ ಬೆಳವಣಿಗೆ ೧೯೫೦ರಲ್ಲಿ ಆರಂಭವಾಯಿತೆನ್ನಬಹುದು. ಅಲೆನ್‌ ಟೂರಿನ್ ಕಂಪ್ಯೂಟರುಗಳು ಮನುಷ್ಯನಂತೆಯೆ ತಾರ್ಕಿಕವಾಗಿ ಯೋಚಿಸಬಲ್ಲವೆ ಎಂಬ ಒಂದು ಚಿಂತನೆಯನ್ನು ಮುಂದಿರಿಸಿದನು. ೧೯೫೧ರಲ್ಲಿ ಚದುರಂಗದಾಟಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ಮೊಟ್ಟಮೊದಲಿಗೆ  ಕಾರ್ಯಕ್ರಮಗಳನ್ನು ಬರೆಯಲು ಪ್ರಯತ್ತಿಸಲಾಯಿತು. ೧೯೫೬ರಲ್ಲಿ ಜಾನ್‌ ಮೆಕಾರ್ಥೆಯು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ artificial intelligence ಎಂದು ಪದ ಪ್ರಯೋಗ ಮಾಡಿದನು. ೧೯೫೯ರಲ್ಲಿ ಮೆಸಾಚುಸೆಟ್ಸ್‌ ವಿಶ್ವವಿದ್ಯಾಲಯದಲ್ಲಿ ಮೊಟ್ಟಮೊದಲ AIಗೆಂದು ಮೀಸಲಾದ ಪ್ರಯೋಗಶಾಲೆಯನ್ನು ಸ್ಥಾಪಿಸಲಾಯಿತು. ಅಮೆರಿಕಾದ ಜನರಲ್ಲ ಮೋಟಾರ್‌ ಕಂಪನಿಯು ಮೊಟ್ಟಮೊದಲ ರೊಬೋಟನ್ನು ಬಳಸಿ ಕಾರನ್ನು ತಯಾರಿಸಿತು.  ೧೯೬೧ರಲ್ಲಿ  ಎಲಿಜಾ ಎಂದು ಕರೆಯಲಾದ ಚಾಟ್ಬೋಟ್‌( ಸಂಭಾಷಣೆಯ ಕಂಪ್ಯೂಟರ್‌ ಕಾರ್ಯಕ್ರಮವನ್ನು) ರೂಪಿಸಲಾಯಿತು. ೧೯೯೭ರಲ್ಲಿ IBM ನಿರ್ಮಿತ ಡೀಪ್‌ ಬ್ಲೂ ಎಂಬ ಕಂಪ್ಯೂಟರ್‌ ಪ್ರೊಗ್ರಾಂ ಅಂದಿನ ವಿಶ್ವ ಚಾಂಪಿಯನ್‌ ಗ್ಯಾರಿ ಕಾಸ್ಪೋರೋವ್‌ ನನ್ನು ಚದುರಂಗದ ಆಟದಲ್ಲಿ ಸೋಲಿಸಿತು. ೨೦೦೫ರಲ್ಲಿ ಮೊಟ್ಟ ಮೊದಲಿಗೆ ಸ್ಟಾನ್ಫೋರ್ಡ್‌ ವಿವಿಯವರು ನಿರ್ಮಿಸಿದ ಸ್ಟಾನ್ಲೆ ಎಂಬ ರೋಬಾಟ್‌ ಅಮೆರಿಕಾದ ರಕ್ಷಣಾ ಇಲಾಖೆ ಏರ್ಪಡಿಸಿದ್ದ ಅಪರಿಚಿತವಾದ ಮತ್ತು ಅಸ್ವವ್ಯಸ್ತ ರಸ್ತೆಯಲ್ಲಿ ಕಾರನ್ನು ವೇಗವಾಗಿ ಓಡಿಸುವ ಸ್ಪರ್ಧಯಲ್ಲಿ ಗೆಲುವನ್ನು ಸಾಧಿಸಿತು. ೨೦೧೧ರಲ್ಲಿ IBM ನಿರ್ಮಿತ ವಾಟ್ಸನ್‌ ಎಂಬ ರೊಬೊಟ್‌ ಪ್ರಶ್ನೋತ್ತರ ಮಾಲಿಕೆಯ ಸ್ಪರ್ಧೆಯಲ್ಲಿ ಅಂದಿನ ಚಾಂಪಿಯನ್ಗಳಾಗಿದ್ದ ರಟ್ಟರ್‌ ಮತ್ತು ಜನ್ನಿಂಗ್ಸ್‌ ರನ್ನು ಸೋಲಿಸಿದ್ದಿತು.

ಕೃತಕ ಬುದ್ಧಿ ಮತ್ತೆ(AI) ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನದ ಒಂದು ಶಾಖೆಯಾಗಿದ್ದು, ಕಲಿಕೆ, ಸಮಸ್ಯೆ ಪರಿಹಾರ ಮತ್ತು ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆಯಂತಹ ಕಾರ್ಯಗಳಿಗಾಗಿ ಮಾನವ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಅನುಕರಿಸುವ ಸ್ಮಾರ್ಟ್ ಯಂತ್ರಗಳನ್ನು ರಚಿಸುತ್ತದೆ, ಸ್ಪಷ್ಟ ನಿಯಮಗಳನ್ನು ಅನುಸರಿಸುವ ಬದಲು ಮಾದರಿಗಳನ್ನು ಹುಡುಕಲು ಮತ್ತು ಭವಿಷ್ಯ ನುಡಿಯಲು ಬೃಹತ್ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಇದು ಧ್ವನಿ ಸಹಾಯಕರು (ಸಿರಿ, ಅಲೆಕ್ಸಾ), ಶಿಫಾರಸು ಎಂಜಿನ್‌ಗಳು (ನೆಟ್‌ಫ್ಲಿಕ್ಸ್, ಅಮೆಜಾನ್) ಮತ್ತು ಸ್ಪ್ಯಾಮ್ ಫಿಲ್ಟರ್‌ಗಳಂತಹ ದೈನಂದಿನ ಸಾಧನಗಳಿಗೆ ಶಕ್ತಿ ನೀಡುತ್ತದೆ, ಉದಾಹರಣೆಗಳಿಂದ ಕಂಪ್ಯೂಟರ್‌ಗಳನ್ನು ಕಲಿಸಲು ಯಂತ್ರ ಕಲಿಕೆ (ML) ನಂತಹ ತಂತ್ರಗಳನ್ನು ಬಳಸುತ್ತದೆ. ಕಂಪ್ಯೂಟರ್ ವ್ಯವಸ್ಥೆಯನ್ನು ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸಲು ಅಲ್ಗಾರಿದಂ ಮತ್ತು ಮಾದರಿಗಳು ಮಾತು ಅಥವಾ ಚಿತ್ರಗಳನ್ನು ಗುರುತಿಸುವುದು ಮತ್ತು ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವಂತಹ ಮಾನವ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವಂತೆ ತರಬೇತಿಗೊಳಿಸುವ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಮಾಡುವ ಸಿದ್ಧಾಂತ ಮತ್ತು ವಿಭಾಗವನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಂದು ಕರೆಯಬಹುದು.  ಅವುಗಳು ಈ ಕಾರ್ಯಗಳನು  ಕಲಿಯಲು ವಿನ್ಯಾಸಗಳು ಮತ್ತು ಡೇಟಾ ಸೆಟ್‌ಗಳು ಸಹಾಯ ಮಾಡುತ್ತವೆ. ಮುಂದುವರಿದ AIಯು ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು ನರಮಂಡಲ ಜಾಲಗಳನ್ನು ಅವಲಂಬಿಸಿದೆ. ಆಳವಾದ ಕಲಿಕೆ ಮತ್ತು ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆಯಂತಹ ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಅವಲಂಬಿಸಿದೆ.

     AI ಎನ್ನುವುದು ನೂರಾರು, ಸಾವಿರಾರು ಕೈಗಾರಿಕೆಗಳು, ವಾಣಿಜ್ಯ ವ್ಯವಹಾರಗಳಿಗೆ ಪರಿಹಾರಗಳನ್ನು ರಚಿಸಲು ಸಾಧ್ಯತೆಗಳನ್ನು ಹೊಂದಿರುವ ಸಂಕೀರ್ಣ ತಂತ್ರಜ್ಞಾನವಾಗಿದೆ. ಇದು ಕಾರ್ಯಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವುದು, ವರ್ಚುವಲ್ ಸಹಾಯಕರಿಗೆ ಶಕ್ತಿ ತುಂಬುವುದು ಮತ್ತು ಜೂಮ್ ಕರೆಗಳ ಪ್ರತಿಲಿಪಿಗಳನ್ನು ಉತ್ಪಾದಿಸುವಂತಹ ಕೆಲಸಗಳನ್ನು ಮಾಡುವ ಮೂಲಕ ನಮ್ಮ ಜೀವನವನ್ನು ಸುಲಭ ಅಥವಾ ಉತ್ತಮಗೊಳಿಸುವ ಯಂತ್ರ ಕಲಿಕೆಯ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. ಜನರೇಟಿವ್ AI ಯೊಂದಿಗೆ, ನಾವು ChatGPT ಅಥವಾ Google Gemini ನಂತಹ ಪ್ರೊಸೆಸರ್‌ಗಳಿಂದ ವಿಷಯವನ್ನು ಪಡೆಯಲು ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು ರಚಿಸಬಹುದು. 

AI ಸಂಸ್ಥಾಪನೆಯಲ್ಲಿ ಈ ಕೆಳಗಿನ ಪದರಗಳಿರುತ್ತವೆ

ಮೂಲಸೌಕರ್ಯ ಪದರ: ಈ ಪದರವು ಭೌತಿಕ ಮತ್ತು ವರ್ಚುವಲ್ ಅಡಿಪಾಯವಾಗಿದೆ. ಇದು GPU/TPU ಚಿಪ್‌ಗಳು, ಡೇಟಾ ಕೇಂದ್ರಗಳು, ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಮತ್ತು AWS, GCP ಮತ್ತು Azure ನಂತಹ ಕ್ಲೌಡ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಇದು ತರಬೇತಿ ಮತ್ತು ನಿರ್ಣಯಕ್ಕೆ ಅಗತ್ಯವಾದ ಕಂಪ್ಯೂಟೇಶನಲ್ ಶಕ್ತಿಯನ್ನು ಒದಗಿಸುತ್ತದೆ. ಇತ್ತೀಚೆಗೆ ಭಾರತದಲ್ಲಿ ಸರ್ಕಾರಿ ಮತ್ತು ಖಾಸಗಿ ವಲಯದಲ್ಲಿ ಚಿಪ್‌ ತಯಾರಿಕಾ ಘಟಕಗಳು ಸ್ಥಾಪನೆಯಾಗಿದ್ದು ಕೆಲವೇ ವರ್ಷಗಳಲ್ಲಿ ಚಿಪ್ ತಯಾರಿಕಾ ವಲಯದಲ್ಲಿ ಭಾರತ ಸ್ವಾವಲಂಬನೆ ಹೊಂದುವುದು ನಿಶ್ಚಿತವಾಗಿದೆ. ಅನುಕಲಿತ ಚಿಪ್ಪುಗಳು ಡೇಟಾ ಸೆಂಟರುಗಳಲ್ಲಿ ಇರುವ ಸ್ಮರಣೆ ಕೋಶ ಮತ್ತು ಸಂಸ್ಕರಣ ಘಟಕಗಳ ನಿರ್ಮಾಣದಲ್ಲಿ ಬಳಕೆಯಾಗುತ್ತದೆ. ೨೦೨೬ರ ಕೇಂದ್ರ ಆಯವ್ಯಯದಲ್ಲಿ ಹೊಸತಾಗಿ ಡೇಟಾ ಸೆಂಟರ್‌ ಸ್ಥಾಪನೆ ಮಾಡುವ ದೇಶ ವಿದೇಶ ಕಂಪನಿಗಳಿಗೆ ೨೦೪೭ರವರೆಗೆ ತೆರಿಗೆ ರಜೆಯನ್ನು ಘೋಷಿಸಲಾಗಿದ್ದು ಡೇಟಾ ಸೆಂಟರುಗಳ ಸ್ಥಾಪನೆಗೆ ಅನೇಕ ಕಂಪನಿಗಳು ಮುಂದೆ ಬಂದಿವೆ. ಕೃತಕ ಬುದ್ಧಿ ಮತ್ತೆಯಲ್ಲಿ ಡೇಟಾ ಸೆಂಟರುಗಳ ಮಹತ್ವ  ಹೆಚ್ಚಿನದಾಗಿರುತ್ತದೆ.

ದತ್ತಾಂಶ ಪದರ: ಈ ಪದರವು ದತ್ತಾಂಶವನ್ನು ಸಂಗ್ರಹಿಸುವುದು, ಸ್ವಚ್ಛಗೊಳಿಸುವುದು, ಸಂಗ್ರಹಿಸುವುದು ಮತ್ತು ಸಂಘಟಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಇದು ದತ್ತಾಂಶ ಪೈಪ್‌ಲೈನ್‌ಗಳು, ಗೋದಾಮುಗಳು ಮತ್ತು ತರಬೇತಿ ಮಾದರಿಗಳಿಗೆ ದತ್ತಾಂಶವನ್ನು ತಯಾರಿಸಲು ವೈಶಿಷ್ಟ್ಯ ಎಂಜಿನಿಯರಿಂಗ್ ಅನ್ನು ಒಳಗೊಂಡಿದೆ.

ಮಾದರಿ ಪದರ: ಈ ಪದರವು ಯಂತ್ರ ಕಲಿಕೆ (ML) ಮತ್ತು ಆಳವಾದ ಕಲಿಕೆ (DL) ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಇದು GPT-4, LLaMA, ಅಥವಾ ಜೆಮಿನಿಯಂತಹ ಫೌಂಡೇಶನ್ ಮಾದರಿಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಇದು ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯಗಳಿಗಾಗಿ ತರಬೇತಿ, ಫೈನ್-ಟ್ಯೂನಿಂಗ್ ಮತ್ತು ಮಾದರಿಗಳನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸುತ್ತದೆ. ಸಾಫ್ಟ್‌ ವೇರ್‌ ಉದ್ಯಮದಲ್ಲಿ ಸಾಕಷ್ಟು ಪ್ರಗತಿ ಸಾಧಿಸಿರುವ ಭಾರತ ಮಾದರಿಗಳ ತಯಾರಿಯಲ್ಲಿ ವಿಶ್ವದಲ್ಲಿಯೆ ಮುಂಚೋಣಿಯಲ್ಲಿದೆ.

ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ & ಇಂಟಿಗ್ರೇಷನ್ ಲೇಯರ್: ಈ ಲೇಯರ್ ಮಾದರಿಗಳನ್ನು ಡೇಟಾ ಮೂಲಗಳು ಮತ್ತು ಬಳಕೆದಾರ ಇಂಟರ್ಫೇಸ್‌ಗಳಿಗೆ ಸಂಪರ್ಕಿಸುತ್ತದೆ. ಇದು ಲ್ಯಾಂಗ್‌ಚೈನ್ ಅಥವಾ ಲಾಮಾಇಂಡೆಕ್ಸ್‌ನಂತಹ ಪರಿಕರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ರಿಟ್ರೀವಲ್-ಆಗ್ಮೆಂಟೆಡ್ ಜನರೇಷನ್ (RAG), ಮೆಮೊರಿ ಮತ್ತು AI ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ. ವಿಶ್ವದಲ್ಲಿಯೆ ಅತಿ ಅಗ್ಗವಾದ ಇಂಟರ್‌ ನೆಟ್‌ ದರಗಳು ಭಾರತದಲ್ಲಿ ಲಬ್ಯವಿದ್ದು ಸಂಪರ್ಕಗಳನ್ನು ಏರ್ಪಡಿಸುವುದು ಸುಲಭದ ಕೆಲಸವೆಂದೆ ಹೇಳಬಹುದು.

ಇಂಟರ್ಫೇಸ್ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್ ಲೇಯರ್: ಬಳಕೆದಾರರು AI ನೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸುವ ಸ್ಥಳ ಇದು. ಉದಾಹರಣೆಗಳಲ್ಲಿ ಚಾಟ್‌ಬಾಟ್‌ಗಳು, ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ಗಳು ಮತ್ತು AI-ಚಾಲಿತ SaaS ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು ಸೇರಿವೆ. ಇದು ಬಳಕೆದಾರರ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಪ್ರಾಂಪ್ಟ್‌ಗಳಾಗಿ ಅನುವಾದಿಸುತ್ತದೆ.

ಆಡಳಿತ ಮತ್ತು ವೀಕ್ಷಣಾ ಪದರ: ಈ ಪದರವು ಭದ್ರತೆ, ಅನುಸರಣೆ (ಉದಾ., GDPR), ಪಕ್ಷಪಾತ ಪತ್ತೆ ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೇಲ್ವಿಚಾರಣೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ. ಇದು ಎಲ್ಲಾ ಪದರಗಳಲ್ಲಿಯೂ ಇರುತ್ತದೆ.

     AI ಅನ್ನು ರಚಿಸುವ ಹಂತಳೆಂದರೆ, ಸಮಸ್ಯೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು, ಫಲಿತಾಂಶಗಳನ್ನು ನಿರ್ಧರಿಸುವುದು, ಮಾಹಿತಿ(ಡೇಟಾ ಸೆಟ್) ಅನ್ನು ಸಂಘಟಿಸುವುದು, ಸೂಕ್ತವಾದ ತಂತ್ರಜ್ಞಾನವನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು ಮತ್ತು ನಂತರ ಪರಿಹಾರಗಳನ್ನು ಪರೀಕ್ಷಿಸುವುದು. ಉದ್ದೇಶಿತ ಪರಿಹಾರವು ಕಾರ್ಯನಿರ್ವಹಿಸದಿದ್ದರೆ, ಅಪೇಕ್ಷಿತ ಫಲಿತಾಂಶವನ್ನು ಪಡೆಯಲು ಈ ಪ್ರಯೋಗವನ್ನು  ಮೇಲೆ ಸೂಚಿಸಿದ ಎಲ್ಲಾ ಹಂತಗಳನ್ನು ಅನುರಿಸಿ ಪ್ರಯೋಗವನ್ನು ಪುನರಾವರ್ತಿಸಬಹುದು.

     AI ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಐದು ಹಂತಗಳು: ಇನ್‌ಪುಟ್‌ಗಳು, ಸಂಸ್ಕರಣೆ, ಫಲಿತಾಂಶಗಳು, ಹೊಂದಾಣಿಕೆಗಳು ಮತ್ತು ಮೌಲ್ಯಮಾಪನಗಳು.

ಇನ್‌ಪುಟ್:

ಡೇಟಾವನ್ನು ಮೊದಲು ಪಠ್ಯ, ಆಡಿಯೋ, ವಿಡಿಯೋ ಮತ್ತು ಇತರ ರೂಪದಲ್ಲಿ ವಿವಿಧ ಮೂಲಗಳಿಂದ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. ಇದನ್ನು ಅಲ್ಗಾರಿದಮ್‌ಗಳಿಂದ ಓದಬಹುದಾದ ಮತ್ತು ಓದಲಾಗದ ವರ್ಗಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ. ನಂತರ ನೀವು ನಿರ್ದಿಷ್ಟ ಫಲಿತಾಂಶಗಳಿಗಾಗಿ ಡೇಟಾವನ್ನು ಸಂಸ್ಕರಿಸುವ ಮತ್ತು ಬಳಸುವ ಪ್ರೋಟೋಕಾಲ್ ಮತ್ತು ಮಾನದಂಡಗಳನ್ನು ರಚಿಸಲಾಗುತ್ತದೆ.

ಸಂಸ್ಕರಣೆ:

ಒಮ್ಮೆ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿ ಅದನ್ನು ಇನ್‌ಪುಟ್ ಮಾಡಿದ ನಂತರ, ಮುಂದಿನ ಹಂತವೆಂದರೆ ಡೇಟಾದೊಂದಿಗೆ ಏನು ಮಾಡಬೇಕೆಂದು ನಿರ್ಧರಿಸಲು AI ಗೆ ಅವಕಾಶ ನೀಡುವುದು. ಸಿಸ್ಟಮ್‌ಗೆ ಫಿಲ್ಟರ್ ಮಾಡಲಾಗುತ್ತಿರುವ ಡೇಟಾದಲ್ಲಿ AIಯು ಗುರುತಿಸುವ ಮತ್ತು ಡೇಟಾವನ್ನು ವಿಂಗಡಿಸುವ ಪ್ರೋಗ್ರಾಮ್ ಮಾಡಲಾದ ಮಾದರಿಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಅರ್ಥೈಸುವ ವರೆಗೆ ಅದನ್ನು ಕಲಿಯುವಂತೆ ತರಬೇತಿಗೊಳಿಸುವುದು.

ಫಲಿತಾಂಶಗಳು:

ಸಂಸ್ಕರಣಾ ಹಂತದ ನಂತರ, AI ತನ್ನಲ್ಲಿನ ಸಂಕೀರ್ಣ ಮಾದರಿಗಳನ್ನು ಬಳಸಿ, ಗ್ರಾಹಕರ ಬೇಡಿಕೆ ಮತ್ತು ಮಾರುಕಟ್ಟೆ ಪ್ರವೃತ್ತಿಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತಿದೆಯೇ ಎಂಬುದನ್ನು ಪರಿಶೀಲಿಸಬೇಕು.. ಈ ಹಂತದಲ್ಲಿ, ನಿರ್ದಿಷ್ಟ ಫಲಿತಾಂಶ "ಪಾಸ್" ಅಥವಾ "ಫೇಲ್" ಆಗಿದೆಯೇ ಎಂದು ನಿರ್ಧರಿಸಲು ಸಹ AI ಅನ್ನು ಪ್ರೋಗ್ರಾಮ್ ಮಾಡಲಾಗಿರುತ್ತದೆ.

ಹೊಂದಾಣಿಕೆಗಳು:

ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು "ವಿಫಲ" ಎಂದು ಪರಿಗಣಿಸಿದಾಗ, AI ಆ ತಪ್ಪಿನಿಂದ  ತಾನೆ ಸರಿಯಾದುದನ್ನು ಕಲಿಯುವಂತೆ  ಮತ್ತು ಪ್ರಕ್ರಿಯೆಯನ್ನು ವಿಭಿನ್ನ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಮತ್ತೆ ಪುನರಾವರ್ತಿಸುವಂತೆ ಪ್ರೊಗ್ರಾಂ ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಹಂತದಲ್ಲಿ, ಪ್ರಶ್ನೆಯಲ್ಲಿರುವ ಡೇಟಾ ಸೆಟ್‌ಗೆ ಸರಿಹೊಂದುವ ಉತ್ತರವನ್ನು ಕಂಡುಕೊಳ್ಳಲು ನೀವು ಫಲಿತಾಂಶಗಳ ಹಂತಕ್ಕೆ ಮತ್ತೆ ಹಿಂತಿರುಗಬಹುದು. ಮತ್ತು ಅದಕ್ಕೆ ತಕ್ಕಂತಹ ಅಲ್ಗಾರಿದಮ್‌ನ ನಿಯಮಗಳನ್ನು ಸರಿಹೊಂದಿಸಬೇಕಾಗಬಹುದು ಅಥವಾ ಅಲ್ಗಾರಿದಮ್‌ಗೆ ಸ್ವಲ್ಪ ಬದಲಾವಣೆಯ ತರಬಹುದು.

ಮೌಲ್ಯಮಾಪನ:

ನಿಯೋಜಿತ ಕಾರ್ಯವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು AI ಗೆ ಅಂತಿಮ ಹಂತವೆಂದರೆ ಮೌಲ್ಯಮಾಪನ. ಇಲ್ಲಿ, AI ತಂತ್ರಜ್ಞಾನವು ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಹೊಂದಾಣಿಕೆಗಳ ಆಧಾರದ ಮೇಲೆ ಊಹೆಗಳನ್ನು ನೀಡಲು ಡೇಟಾ ಸೆಟ್‌ನಿಂದ ಪಡೆದ ಒಳನೋಟಗಳನ್ನು ಸಂಶ್ಲೇಷಿಸುತ್ತದೆ. ಹೊಂದಾಣಿಕೆಗಳಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಮುಂದುವರಿಯುವ ಮೊದಲು ಇಲ್ಲಿ ಅಲ್ಗಾರಿದಮ್‌ನಲ್ಲಿ ಸೇರಿಸಿಕೊಳ್ಳಬಹುದು.

AI-ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳ ಕ್ರಿಯಾತ್ಮಕತೆಯನ್ನು ಆಧರಿಸಿದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ವಿಧಗಳು.

1. ಪ್ರತಿಕ್ರಿಯಾತ್ಮಕ ಯಂತ್ರ AI:  ಪ್ರತಿಕ್ರಿಯಾತ್ಮಕ ಯಂತ್ರಗಳು ಮೆಮೊರಿ ಇಲ್ಲದ AI ವ್ಯವಸ್ಥೆಗಳಾಗಿವೆ ಮತ್ತು ಅವು ಕಾರ್ಯ-ನಿರ್ದಿಷ್ಟವಾಗಿವೆ, ಅಂದರೆ ಇನ್‌ಪುಟ್ ಯಾವಾಗಲೂ ಒಂದೇ ರೀತಿಯ ಔಟ್‌ಪುಟ್ ಅನ್ನು ನೀಡುತ್ತದೆ. ಉದಾಹರಣಗೆ ಐಬಿಎಂನ ಡೀಪ್ ಬ್ಲೂ (ಚೆಸ್), ಗೂಗಲ್‌ನ ಆಲ್ಫಾಗೋ, ಸ್ಪ್ಯಾಮ್ ಫಿಲ್ಟರ್‌ಗಳು,

೨. ಸೀಮಿತ ಸ್ಮರಣೆ AI:  ತನ್ನ ಸ್ಮರಣೆಯಲ್ಲಿನ ಡೇಟಾವನ್ನು ಹೋಲಿಕೆ ಮಾಡುವ ಮೂಲಕ ಮಾಹಿತಿಯುಕ್ತ ಮತ್ತು ಸುಧಾರಿತ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಆದ್ದರಿಂದ ಅಂತಹ AI ಅಲ್ಪಾವಧಿಯ ಅಥವಾ ತಾತ್ಕಾಲಿಕ ಸ್ಮರಣೆಯನ್ನು ಹೊಂದಿದ್ದು ಅದನ್ನು ಹಿಂದಿನ ಅನುಭವಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು ಮತ್ತು ಆದ್ದರಿಂದ ನಿಮ್ಮ ಭವಿಷ್ಯದ ಕ್ರಿಯೆಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಬಳಸಬಹುದು.

ಸ್ವಯಂ-ಚಾಲನಾ ಕಾರುಗಳು ಸೀಮಿತ ಸ್ಮರಣೆ AI ಆಗಿದ್ದು, ಸ್ವಯಂ-ಚಾಲನಾ ಕಾರುಗಳು ರಸ್ತೆ ದಾಟುತ್ತಿರುವ ನಾಗರಿಕರನ್ನು ಗುರುತಿಸಲು ಸಂವೇದಕಗಳನ್ನು ಬಳಸುತ್ತವೆ, ಯಾವುದೇ ಕಡಿದಾದ ರಸ್ತೆಗಳು ಅಥವಾ ಟ್ರಾಫಿಕ್ ಸಿಗ್ನಲ್‌ಗಳನ್ನು ಗುರುತಿಸುತ್ತವೆ ಮತ್ತು ಉತ್ತಮ ಚಾಲನಾ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸ್ಮರಣೆಯಲ್ಲಿನ ಡೇಟಾವನ್ನು ಬಳಸುತ್ತವೆ. ಇದು ಭವಿಷ್ಯದ ಯಾವುದೇ ಅಪಘಾತಗಳನ್ನು ತಡೆಗಟ್ಟುವಲ್ಲಿ ಸಹ ಸಹಾಯ ಮಾಡುತ್ತದೆ.

೨ ಮನಸ್ಸಿನ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸಿದ್ಧಾಂತ: ಮನಸ್ಸಿನ AI ಸಿದ್ಧಾಂತವು ಹೆಚ್ಚು ಮುಂದುವರಿದ ರೀತಿಯ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಾಗಿದೆ. ಈ ವರ್ಗವು ಮನೋವಿಜ್ಞಾನದಲ್ಲಿ ಬಹಳ ಮುಖ್ಯವಾದ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತದೆ ಎಂದು ಊಹಿಸಲಾಗಿದೆ. ಈ ರೀತಿಯ AI ಮುಖ್ಯವಾಗಿ ಭಾವನಾತ್ಮಕ ಬುದ್ಧಿವಂತಿಕೆಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ ಇದರಿಂದ ಮಾನವ ನಂಬಿಕೆಗಳು ಮತ್ತು ಆಲೋಚನೆಗಳನ್ನು ಚೆನ್ನಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದು. ಮನಸ್ಸಿನ AI ಸಿದ್ಧಾಂತವನ್ನು ಇನ್ನೂ ಸಂಪೂರ್ಣವಾಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿಲ್ಲ ಆದರೆ ಈ ವಿಭಾಗದಲ್ಲಿ ತೀವ್ರ ಸಂಶೋಧನೆ ನಡೆಯುತ್ತಿದೆ.

೪ ಸ್ವಯಂ-ಅರಿವುಳ್ಳ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ: ಈ ರೀತಿಯ AI ಸ್ವಲ್ಪ ದೂರದ ಕಲ್ಪನೆಯಾಗಿದೆ ಆದರೆ ಭವಿಷ್ಯದಲ್ಲಿ ಸೂಪರ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಹಂತವನ್ನು ಸಾಧಿಸುವುದು ಸಾಧ್ಯವಾಗಬಹುದು.

ಉತ್ಪಾದಕ (generative) AI ಕೆಲಸ ಮಾಡುವ ಬಗೆ :

ಉತ್ಪಾದಕ AIಯು ಬೃಹತ್ ಭಾಷಾ ಮಾದರಿಗಳಿಂದ (LLM ಗಳು) ಚಾಲಿತವಾದ ಮತ್ತು ಆಳವಾದ, ಸಂಕೀರ್ಣ ಯಂತ್ರ-ಕಲಿಕಾ(machine-learning) ಮಾದರಿಯಾಗಿದೆ. ಆಳ ಕಲಿಕೆ(deep learning)ಯೊಂದಿಗೆ ಬೃಹತ್ ಡೇಟಾ ಸೆಟ್‌ಗಳಲ್ಲಿ ತರಬೇತಿ ಪಡೆದ ಅಲ್ಗಾರಿದಮ್‌ಗಳಿಂದ ಇದನ್ನು ರಚಿಸಲಾಗಿರುತ್ತದೆ..  ChatGPT ಅಥವಾ Microsoft Copilot ನಂತಹ ಉತ್ಪಾದಕ AI ಕಾರ್ಯಕ್ರಮಗಳು.  ಉತ್ಪಾದಕ AI ಅನ್ನು ಶಕ್ತಗೊಳಿಸಲು ಬಳಸುವ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಮತ್ತು ತಂತ್ರಜ್ಞಾನವು ಹೊಸದಾಗಿದ್ದರೂ, ಅವುಗಳ ಅನೇಕ ಪ್ರಮುಖ ಪರಿಕಲ್ಪನೆಗಳು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗಳು ಬಹಳ ಹಿಂದಿನಿಂದಲೂ ಅಸ್ತಿತ್ವದಲ್ಲಿವೆ.

ವಿಭಿನ್ನ ಡೊಮೇನ್‌ಗಳು ಅಥವಾ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ವಿಭಿನ್ನ ಶಾಖೆಗಳು:

ಯಂತ್ರ ಕಲಿಕೆ (ML): ದತ್ತಾಂಶದಲ್ಲಿನ ಮಾದರಿಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸುವ ಒಂದು ರೀತಿಯ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI), ಪ್ರತಿಯೊಂದು ಕಾರ್ಯಕ್ಕೂ ಪ್ರೋಗ್ರಾಮ್ ಮಾಡದೆಯೇ ಕಂಪ್ಯೂಟರ್‌ಗಳು ಸ್ಪಷ್ಟವಾಗಿ ಊಹೆಗಳನ್ನು ಅಥವಾ ನಿರ್ಧಾರಗಳನ್ನು ಕಲಿಯಲು/ತೆಗೆದುಕೊಳ್ಳಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ, ಹೆಚ್ಚಿನ ಡೇಟಾಗೆ ಒಡ್ಡಿಕೊಂಡಂತೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸುಧಾರಿಸುತ್ತದೆ. ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು  ಊಹಿಸಲು ದತ್ತಾಂಶದಿಂದ ಕಲಿಯುವಂತೆ ಮಾಡುವುದು. 

ಆಳವಾದ ಕಲಿಕೆ: ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳಿಗಾಗಿ ಮಾನವ ಮೆದುಳಿನಿಂದ ಪ್ರೇರಿತವಾದ ಬಹು-ಪದರದ ನರಮಂಡಲ ಜಾಲಗಳನ್ನು ಬಳಸುವುದು. 

ನ್ಯಾಚುರಲ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಪ್ರೊಸೆಸಿಂಗ್ (NLP): ಕಂಪ್ಯೂಟರ್‌ಗಳು ಮಾನವ ಭಾಷೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಉತ್ಪಾದಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ (ಉದಾ. ಚಾಟ್‌ಬಾಟ್‌ಗಳು). 

ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ: ಯಂತ್ರಗಳು ದೃಶ್ಯ ಮಾಹಿತಿಯನ್ನು "ನೋಡಲು" ಮತ್ತು ಅರ್ಥೈಸಲು ಅನುಮತಿಸುತ್ತದೆ (ಉದಾ. ಮುಖ ಗುರುತಿಸುವಿಕೆ).

ದೈನಂದಿನ ಜೀವನದಲ್ಲಿ ಉದಾಹರಣೆಗಳು

ವರ್ಚುವಲ್ ಅಸಿಸ್ಟೆಂಟ್‌ಗಳು: ಸಿರಿ, ಗೂಗಲ್ ಅಸಿಸ್ಟೆಂಟ್, ಅಲೆಕ್ಸಾ ಧ್ವನಿ ಆಜ್ಞೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತವೆ.

ಸ್ಟ್ರೀಮಿಂಗ್ ಸೇವೆಗಳು: ನಿಮ್ಮ ವೀಕ್ಷಣಾ ಇತಿಹಾಸವನ್ನು ಆಧರಿಸಿ ನೆಟ್‌ಫ್ಲಿಕ್ಸ್ ಪ್ರದರ್ಶನಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ.

ನ್ಯಾವಿಗೇಷನ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು: ಗೂಗಲ್ ನಕ್ಷೆಗಳು ಉತ್ತಮ ಮಾರ್ಗಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತವೆ ಮತ್ತು ಟ್ರಾಫಿಕ್ ಅನ್ನು ಊಹಿಸುತ್ತವೆ.

ಇಮೇಲ್: ಸ್ಪ್ಯಾಮ್ ಫಿಲ್ಟರ್‌ಗಳು ಅನಗತ್ಯ ಸಂದೇಶಗಳನ್ನು ಗುರುತಿಸಲು ಕಲಿಯುತ್ತವೆ.

ಆರೋಗ್ಯ ರಕ್ಷಣೆ: ಸ್ಕ್ಯಾನ್‌ಗಳಿಂದ ರೋಗಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವಲ್ಲಿ AI ಸಹಾಯ ಮಾಡುತ್ತದೆ.

 ಅನ್ವಯಿಕೆಗಳು

ಆರೋಗ್ಯ ರಕ್ಷಣೆ: ವೈದ್ಯಕೀಯ ಚಿತ್ರಣ ಮತ್ತು ವೇಗವರ್ಧಿತ ಔಷಧ ಆವಿಷ್ಕಾರದ ಮೂಲಕ ಆರಂಭಿಕ ರೋಗ ರೋಗನಿರ್ಣಯ.

ಹಣಕಾಸು: ನೈಜ-ಸಮಯದ ವಂಚನೆ ಪತ್ತೆ ಮತ್ತು ವೈಯಕ್ತಿಕಗೊಳಿಸಿದ ಹೂಡಿಕೆ ಸಲಹೆ.

ಸಾರಿಗೆ: ಸ್ವಾಯತ್ತ ವಾಹನಗಳಿಗೆ ಶಕ್ತಿ ತುಂಬುವುದು ಮತ್ತು ಸಂಚಾರ ಹರಿವನ್ನು ಉತ್ತಮಗೊಳಿಸುವುದು.

ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರ: ಶಾಪಿಂಗ್ ಅನುಭವಗಳನ್ನು ವೈಯಕ್ತೀಕರಿಸುವುದು ಮತ್ತು ದಾಸ್ತಾನು ಮಟ್ಟವನ್ನು ನಿರ್ವಹಿಸುವುದು.