70 ವರ್ಷಗಳ ಪ್ರಯಾಣ, ಒಂದೇ ಲೇಖನದಲ್ಲಿ

ಬೆಳಗ್ಗೆ ಎದ್ದ ಕ್ಷಣದಿಂದ ರಾತ್ರಿ ಮಲಗುವವರೆಗೆ ನಾವು ಎಷ್ಟು ಬಾರಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುತ್ತೇವೆ ಎಂಬುದನ್ನು ಲೆಕ್ಕ ಹಾಕಿದರೆ ಅಚ್ಚರಿಯಾಗುತ್ತದೆ. ಮೊಬೈಲ್ ಅನ್‌ಲಾಕ್ ಮಾಡುವ ಫೇಸ್ ರಿಕಾಗ್ನಜೇಷನ್, Google Map ನ ನ್ಯಾವಿಗೇಷನ್, ನಮ್ಮ ಆಸಕ್ತಿಗೆ ಅನುಗುಣವಾಗಿ YouTube ಮತ್ತು Facebook ಮಾಡುವ ಶಿಫಾರಸುಗಳು, ಬ್ಯಾಂಕಿನ ವಂಚನೆ ಪತ್ತೆ ವ್ಯವಸ್ಥೆ — ಇವೆಲ್ಲವುಗಳ ಹಿಂದೆ AI ಇದೆ ಎಂದರೆ ನಂಬುತ್ತೀರಾ? ನಂಬಲೇ ಬೇಕು ಏಕೆಂದರೆ ಇದು ಸತ್ಯ!

ಆದರೆ ಈ ತಂತ್ರಜ್ಞಾನ ರಾತ್ರೋರಾತ್ರಿ ಹುಟ್ಟಿದ್ದಲ್ಲ. ಇದರ ಕಥೆ 70 ವರ್ಷಗಳಷ್ಟು ಹಳೆಯದು, ಮತ್ತು ಅದರಲ್ಲಿ ಯಶಸ್ಸಿನಷ್ಟೇ ಸೋಲುಗಳೂ ಇವೆ. ಈ ಲೇಖನದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಲ್ಲಿಂದ ಬಂತು, ಇಂದು ಎಲ್ಲಿ ನಿಂತಿದೆ, ಭಾರತ ಯಾವ ಹಾದಿಯಲ್ಲಿ ಸಾಗುತ್ತಿದೆ ಮತ್ತು ಮುಂದೆ ಏನಾಗಬಹುದು ಎಂಬುದನ್ನು ಸರಳವಾಗಿ ನೋಡೋಣ.

“ಯಂತ್ರಗಳು ಯೋಚಿಸಬಲ್ಲವೇ? ಎಂದು ಮುನುಷ್ಯ ಯೋಚಿಸಿದ”

ಕಥೆ ಶುರುವಾಗುವುದು 1950 ರಲ್ಲಿ, ಬ್ರಿಟಿಷ್ ಗಣಿತ ತಜ್ಞ ಆಲನ್ ಟ್ಯೂರಿಂಗ್ (Alan Turing) ಅವರ ಒಂದು ಪ್ರಶ್ನೆಯಿಂದ — “ಯಂತ್ರಗಳು ಯೋಚಿಸಬಲ್ಲವೇ?” ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನದ ಪಿತಾಮಹ ಎಂದೇ ಕರೆಯಲ್ಪಡುವ ಇವರು, ಯಂತ್ರದ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಅಳೆಯುವ ಬಗೆಯನ್ನು ಮೊದಲು ಯೋಚಿಸಿದವರು.

‘ಕಂಪ್ಯೂಟಿಂಗ್ ಮಷಿನರಿ ಆ್ಯಂಡ್ ಇಂಟೆಲಿಜೆನ್ಸ್’ ಎಂಬ ತಮ್ಮ ಪ್ರಬಂಧದಲ್ಲಿ ಅವರು ಈ ಪ್ರಶ್ನೆಗೆ ಒಂದು ಚತುರ ಪರೀಕ್ಷೆಯನ್ನು ಸೂಚಿಸಿದರು — ಇಂದು ಅದನ್ನು ಟ್ಯೂರಿಂಗ್ ಟೆಸ್ಟ್ ಎಂದು ಕರೆಯುತ್ತೇವೆ. ವಿಧಾನ ಸರಳ: ಒಬ್ಬ ವ್ಯಕ್ತಿ ಗೋಡೆಯ ಆಚೆ ಇರುವ ಎರಡು ಕಡೆಯೊಂದಿಗೆ ಸಂದೇಶಗಳನ್ನು ವಿನಿಮಯ ಮಾಡಿಕೊಳ್ಳುತ್ತಾನೆ — ಒಂದು ಕಡೆ ಮನುಷ್ಯ, ಇನ್ನೊಂದು ಕಡೆ ಕಂಪ್ಯೂಟರ್. ಯಾವುದು ಯಂತ್ರ ಎಂದು ಆತನಿಗೆ ಸ್ಪಷ್ಟವಾಗಿ ಗುರುತಿಸಲಾಗದಿದ್ದರೆ — ಆ ಯಂತ್ರವನ್ನು ಬುದ್ಧಿವಂತ ಎಂದು ಒಪ್ಪಿಕೊಳ್ಳಬೇಕು.

ಆರು ವರ್ಷಗಳ ನಂತರ, 1956 ರಲ್ಲಿ ಅಮೆರಿಕದ ಡಾರ್ಟ್‌ಮೌತ್ ಕಾಲೇಜಿನಲ್ಲಿ ನಡೆದ ಒಂದು ಬೇಸಿಗೆ ಸಮ್ಮೇಳನದಲ್ಲಿ ವಿಜ್ಞಾನಿ ಜಾನ್ ಮೆಕಾರ್ಥಿ (John McCarthy) “Artificial Intelligence” ಎಂಬ ಪದವನ್ನು ಮೊದಲ ಬಾರಿಗೆ ಅಧಿಕೃತವಾಗಿ ಬಳಸಿದರು. ಆ ಸಮ್ಮೇಳನವನ್ನೇ AI ಕ್ಷೇತ್ರದ ಜನ್ಮದಿನ ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ.

1950 ರ ದಶಕದ ಕೊನೆಯಲ್ಲಿ LISP ಎಂಬ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆ ಹೊರಬಂತು; ಇದನ್ನು ಮೊದಲಿಗೆ IBM ಸಿಸ್ಟಂನಲ್ಲಿ ಅಳವಡಿಸಲಾಗಿತ್ತು ಮತ್ತು ಇದು ರಿಕರ್ಶನ್ (recursion) ಮೇಲೆ ಹೆಚ್ಚು ಅವಲಂಬಿತವಾಗಿತ್ತು.

ಮೊದಲ ಪ್ರಯೋಗದಲ್ಲಿ ಏನಾಯಿತು ಮತ್ತು “AI ಚಳಿಗಾಲ”

1960 ರ ದಶಕದಲ್ಲಿ ELIZA ಎಂಬ ಪ್ರೋಗ್ರಾಂ ರೂಪುಗೊಂಡಿತು — ಇದನ್ನು ಜಗತ್ತಿನ ಮೊದಲ ಚಾಟ್‌ಬಾಟ್ ಎಂದು ಕರೆಯಬಹುದು. ಕುತೂಹಲಕಾರಿ ಸಂಗತಿಯೆಂದರೆ, ಇದು ಒಬ್ಬ ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞನಂತೆ ಸಂಭಾಷಣೆ ನಡೆಸುತ್ತಿತ್ತು — ಬಳಕೆದಾರರ ಮಾತನ್ನೇ ಪ್ರಶ್ನೆಯಾಗಿ ತಿರುಗಿಸಿ ಕೇಳುತ್ತಿತ್ತು. ಅದು ಮಾಡಿದ್ದು ತೀರಾ ಸರಳ ಕೆಲಸ; ಆದರೂ ಹಲವರು ನಿಜವಾದ ವ್ಯಕ್ತಿಯೊಂದಿಗೆ ಮಾತನಾಡುತ್ತಿದ್ದೇವೆ ಎಂಬ ಭಾವನೆ ಪಡೆದರು. ನೈಸರ್ಗಿಕ ಭಾಷೆಯನ್ನು ಯಂತ್ರ ನಿಭಾಯಿಸಬಲ್ಲದು ಎಂಬುದರ ಮೊದಲ ಅನುಭವ ಅದು.

1970 ಮತ್ತು 80 ರ ದಶಕಗಳಲ್ಲಿ PROLOG ಎಂಬ ಭಾಷೆ ಜನಪ್ರಿಯವಾಯಿತು. LISPನ ಶೈಲಿಗೆ ಬದಲಾಗಿ ಇದು ತರ್ಕ (Logical) ಮತ್ತು ನಿಯಮಗಳ (Rules) ಮೇಲೆ ಕೆಲಸ ಮಾಡುತ್ತಿತ್ತು. ಆದರೆ ಸಮಸ್ಯೆ ಹಾಗೆಯೇ ಉಳಿಯಿತು — ವ್ಯವಸ್ಥೆಯನ್ನು ಸುಧಾರಿಸಲು ಮತ್ತೆ ಮನುಷ್ಯನೇ ಕೋಡ್ ಬರೆಯಬೇಕಿತ್ತು.

ಜೊತೆಗೆ ಕನಸುಗಳು ದೊಡ್ಡವಾಗಿದ್ದವು, ಕಂಪ್ಯೂಟರ್‌ಗಳು ಚಿಕ್ಕವಾಗಿದ್ದವು. ಸಂಸ್ಕರಣಾ ಶಕ್ತಿಯ ಕೊರತೆ, ದತ್ತಾಂಶದ ಅಭಾವ ಮತ್ತು ನಿರೀಕ್ಷೆಗೆ ತಕ್ಕ ಫಲಿತಾಂಶ ಸಿಗದಿದ್ದ ಕಾರಣ ಹಣಕಾಸಿನ ನೆರವು ಬತ್ತಿಹೋಯಿತು. ಈ ಮಂದಗತಿಯ ಅವಧಿಯನ್ನೇ “AI ಚಳಿಗಾಲ” (AI Winter) ಎನ್ನುತ್ತಾರೆ.

೧೯೮೦ರ ದಶಕದಲ್ಲಿ ಪರಿಣಿತ ಸಿಸ್ಟಂಗಳು (Expert Systems) ಭಾರಿ ಜನಪ್ರಿಯವಾದವು. ನಿರ್ದಿಷ್ಟ ಕ್ಷೇತ್ರದ ತಜ್ಞರ ಜ್ಞಾನವನ್ನು ನಿಯಮಗಳ ರೂಪದಲ್ಲಿ ಸಂಗ್ರಹಿಸಿ, ಅವು ಸಲಹೆ ನೀಡುತ್ತವೆ ಎಂಬ ನಿರೀಕ್ಷೆ ಇತ್ತು. ವೈದ್ಯಕೀಯ ರೋಗನಿರ್ಣಯದಿಂದ ಕೈಗಾರಿಕಾ ಸಮಸ್ಯೆ ಪರಿಹಾರದವರೆಗೆ ಇವು ಬಳಕೆಯಾದವು. ಆದರೆ ಅವು ನಿರೀಕ್ಷೆಯಷ್ಟು ಯಶಸ್ವಿಯಾಗಲಿಲ್ಲ. ಕಾರಣ ಸ್ಪಷ್ಟ — ಅವುಗಳಿಗೆ ಹೊಸ ವಿಷಯಗಳನ್ನು ತಾವಾಗಿಯೇ ಕಲಿತು ಹೊಂದಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ ಇರಲಿಲ್ಲ. ರೂಪಿಸಿದ ನಿಯಮಗಳ ಆಚೆಗೆ ಒಂದೇ ಒಂದು ಹೆಜ್ಜೆ ಇಡಲಾಗುತ್ತಿರಲಿಲ್ಲ.

ಜಗತ್ತನ್ನು ಬೆಚ್ಚಿಬೀಳಿಸಿದ ಆ ಮೂರು ಕ್ಷಣಗಳು

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನಿಜವಾಗಿಯೂ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂದು ಜಗತ್ತಿಗೆ ಮನದಟ್ಟಾಗಿದ್ದು ಕೆಲವು ನಿರ್ಣಾಯಕ ಗೆಲುವುಗಳಿಂದ.

1997 — Deep Blue. IBM ಕಂಪನಿಯ ಈ ಸೂಪರ್ ಕಂಪ್ಯೂಟರ್ ವಿಶ್ವ ಚದುರಂಗ ಚಾಂಪಿಯನ್ ಗ್ಯಾರಿ ಕ್ಯಾಸ್ಪರೋವ್ ಅವರನ್ನು ಸೋಲಿಸಿತು. ಚದುರಂಗ ಗ್ರ್ಯಾಂಡ್‌ಮಾಸ್ಟರ್‌ನ ತಂತ್ರಗಾರಿಕೆ ಮತ್ತು ಸೃಜನಶೀಲತೆಯನ್ನು ಯಂತ್ರವೊಂದು ಎಂದಿಗೂ ಮೀರಿಸಲಾರದು ಎಂಬುದು ಆಗಿನ ನಂಬಿಕೆಯಾಗಿತ್ತು. Deep Blue ಆ ನಂಬಿಕೆಯನ್ನು ಸುಳ್ಳಾಗಿಸಿತು.

2000ರ ದಶಕ — ಕಲಿಯುವ ಯಂತ್ರಗಳು. ಇಲ್ಲಿಯೇ ನಿಜವಾದ ತಿರುವು. ಮಷೀನ್ ಲರ್ನಿಂಗ್ ದತ್ತಾಂಶದಲ್ಲಿನ ಮಾದರಿಗಳನ್ನು (patterns) ಗುರುತಿಸಿದರೆ, ಡೀಪ್ ಲರ್ನಿಂಗ್ ಕೃತಕ ನರಮಂಡಲಗಳ (Neural Networks) ಮೂಲಕ ಮಾನವ ಮೆದುಳಿನ ಕಾರ್ಯವಿಧಾನವನ್ನೇ ಅನುಕರಿಸುತ್ತದೆ. ಪ್ರತಿ ನಿಯಮವನ್ನೂ ಕೈಯಿಂದ ಬರೆಯುವ ಬದಲು, ಅಪಾರ ಪ್ರಮಾಣದ ದತ್ತಾಂಶವನ್ನು ಕೊಟ್ಟು ಯಂತ್ರ ತಾನೇ ಕಲಿಯುವಂತೆ ಮಾಡಲಾಯಿತು. ಎಪ್ಪತ್ತು ವರ್ಷಗಳ ಹಳೆಯ ಮಿತಿ ಕೊನೆಗೂ ಮುರಿಯಿತು.

2011 — IBM Watson. ಚದುರಂಗ ಗಣಿತದ ಆಟ; ಆದರೆ ಮಾನವ ಭಾಷೆ? Watson Jeopardy! ಎಂಬ ಟಿವಿ ರಸಪ್ರಶ್ನೆ ಕಾರ್ಯಕ್ರಮದಲ್ಲಿ ಭಾಗವಹಿಸಿತು. ಅಲ್ಲಿ ಪ್ರಶ್ನೆಗಳು ನುಡಿಗಟ್ಟುಗಳು, ಶ್ಲೇಷೆ ಮತ್ತು ದ್ವಂದ್ವಾರ್ಥಗಳಿಂದ ತುಂಬಿರುತ್ತಿದ್ದವು — ಯಂತ್ರಕ್ಕೆ ಇದು ಅತ್ಯಂತ ಕಠಿಣ ಸವಾಲು. ಆದರೂ Watson ಇಬ್ಬರು ಅತ್ಯುತ್ತಮ ಚಾಂಪಿಯನ್‌ಗಳನ್ನು ಸೋಲಿಸಿತು.

2016 — AlphaGo. Google DeepMind ಸಂಸ್ಥೆಯ ಈ ವ್ಯವಸ್ಥೆ, ಚದುರಂಗಕ್ಕಿಂತಲೂ ಅಪಾರವಾಗಿ ಸಂಕೀರ್ಣವಾದ ಗೋ (Go) ಆಟದಲ್ಲಿ ವಿಶ್ವ ಚಾಂಪಿಯನ್ ಅನ್ನು ಮಣಿಸಿತು. ಇಲ್ಲಿ ವಿಶೇಷವೇನೆಂದರೆ — AlphaGo ನಿಯಮಗಳನ್ನು ಬಾಯಿಪಾಠ ಮಾಡಿರಲಿಲ್ಲ; ಅದು ಡೀಪ್ ಲರ್ನಿಂಗ್ ಮೂಲಕ ತಾನೇ ಕಲಿತಿತ್ತು.

ಇದೇ ದಶಕದಲ್ಲಿ ಮೂರು ವಿಷಯಗಳು ಒಟ್ಟಿಗೆ ಸೇರಿದವು — ಶಕ್ತಿಶಾಲಿ ಚಿಪ್‌ಗಳು, ಇಂಟರ್ನೆಟ್‌ನಿಂದ ದೊರೆತ ಬೃಹತ್ ದತ್ತಾಂಶ, ಮತ್ತು ಸುಧಾರಿತ ಗಣಿತದ ಮಾದರಿಗಳು. ಈ ಸಂಗಮದಿಂದ AI ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆ, ಭಾಷಾಂತರ, ಧ್ವನಿ ಗುರುತಿಸುವಿಕೆಯಂತಹ ಕೆಲಸಗಳಲ್ಲಿ ಮನುಷ್ಯನಿಗೆ ಸರಿಸಮಾನವಾಗಿ ನಿಲ್ಲತೊಡಗಿತು.

ಜನರೇಟಿವ್ AI: ಎಲ್ಲರ ಕೈಗೆ ಬಂದ ತಂತ್ರಜ್ಞಾನ

ಇಷ್ಟು ವರ್ಷ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಂಶೋಧನಾಲಯಗಳಿಗೆ ಸೀಮಿತವಾಗಿತ್ತು. 2022ರ ಕೊನೆಯಲ್ಲಿ ChatGPT ಬಿಡುಗಡೆಯಾದ ಮೇಲೆ ಚಿತ್ರಣ ಸಂಪೂರ್ಣ ಬದಲಾಯಿತು. ಮೊದಲ ಬಾರಿಗೆ ಸಾಮಾನ್ಯ ವ್ಯಕ್ತಿಯೂ AI ಜೊತೆ ನೇರವಾಗಿ ಮಾತನಾಡಬಹುದಾಯಿತು.

ಇದನ್ನೇ ಜನರೇಟಿವ್ AI ಎನ್ನುತ್ತಾರೆ. ಹಿಂದಿನ AI ದತ್ತಾಂಶವನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತಿತ್ತು; ಜನರೇಟಿವ್ AI ಹೊಸದನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ — ಲೇಖನ, ಚಿತ್ರ, ಕೋಡ್, ಸಂಗೀತ, ವಿಡಿಯೋ.

ಈ ಸಾಮರ್ಥ್ಯ ಎರಡು ಅಂಚಿನ ಕತ್ತಿ. ಒಂದೆಡೆ ಸೃಜನಶೀಲತೆಗೆ ಹೊಸ ಬಾಗಿಲು ತೆರೆದರೆ, ಇನ್ನೊಂದೆಡೆ ನಿಜದಂತೆಯೇ ಕಾಣುವ ಡೀಪ್‌ಫೇಕ್ ಚಿತ್ರ, ಧ್ವನಿ ಮತ್ತು ವಿಡಿಯೋಗಳನ್ನೂ ಇದು ಸೃಷ್ಟಿಸಬಲ್ಲದು. AI ಎಷ್ಟು ಶಕ್ತಿಶಾಲಿ ಎಂಬುದನ್ನು ಜಗತ್ತಿಗೆ ಮನವರಿಕೆ ಮಾಡಿಕೊಟ್ಟಿದ್ದೇ ಈ ಹಂತ.

ಇದರ ಹಿಂದಿನ ಶಕ್ತಿ ಮೂಲ ಮಾದರಿಗಳು (Foundation Models). ಇವು ಅಗಾಧ ಪ್ರಮಾಣದ ದತ್ತಾಂಶದ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದಿರುತ್ತವೆ ಮತ್ತು ಒಂದೇ ಮಾದರಿಯಿಂದ ನೂರಾರು ಬೇರೆ ಬೇರೆ ಕೆಲಸಗಳನ್ನು ಮಾಡಬಲ್ಲವು. GPT, LLaMA, DALL·E ಮುಂತಾದವು ಇದಕ್ಕೆ ಉದಾಹರಣೆ.

ಇಂದಿನ ಎರಡು ದೊಡ್ಡ ಅಲೆಗಳು

ಏಜೆಂಟಿಕ್ AI (Agentic AI). ಇವು ಕೇವಲ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುವ ಅಸಿಸ್ಟೆಂಟ್‌ಗಳಲ್ಲ. ಒಂದು ಗುರಿ ಕೊಟ್ಟರೆ, ತಾವಾಗಿಯೇ ಯೋಜನೆ ರೂಪಿಸಿ, ಹಂತಗಳನ್ನು ವಿಂಗಡಿಸಿ, ಬೇರೆ ಬೇರೆ ಸಾಧನ-ಸೇವೆಗಳನ್ನು ಬಳಸಿ ಕೆಲಸವನ್ನು ಪೂರ್ಣಗೊಳಿಸುತ್ತವೆ. ಇಮೇಲ್ ಪರಿಶೀಲಿಸುವುದರಿಂದ ಪ್ರಯಾಣ ಯೋಜನೆ ಸಿದ್ಧಪಡಿಸುವವರೆಗೆ — ಇವು ಸ್ವತಂತ್ರವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. ಇದನ್ನೇ ಪ್ರಸ್ತುತ ದಶಕದ ಅತಿ ದೊಡ್ಡ ತಂತ್ರಜ್ಞಾನ ಪ್ರವೃತ್ತಿ ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತಿದೆ.

ಫಿಸಿಕಲ್ AI (Physical AI). ಇಲ್ಲಿಯವರೆಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಪರದೆಯೊಳಗೆ ಇತ್ತು. ಈಗ ಅದು ರೊಬೋಟ್‌ಗಳು, ಡ್ರೋನ್‌ಗಳು, ಸ್ವಯಂಚಾಲಿತ ವಾಹನಗಳು ಮತ್ತು ಸ್ಮಾರ್ಟ್ ಯಂತ್ರಗಳ ಮೂಲಕ ಭೌತಿಕ ಜಗತ್ತಿಗೆ ಕಾಲಿಡುತ್ತಿದೆ.

ಒಬ್ಬ ಗಣಿತಜ್ಞನ ಪ್ರಶ್ನೆಯಿಂದ ಶುರುವಾದ ಪ್ರಯಾಣ, ಎರಡು ಚಳಿಗಾಲಗಳನ್ನು ದಾಟಿ, ಇಂದು ಪ್ರತಿಯೊಬ್ಬರ ಜೇಬಿಗೆ ಬಂದು ನಿಂತಿದೆ. ಈ ಎಪ್ಪತ್ತು ವರ್ಷಗಳಲ್ಲಿ ಬದಲಾದ ಅತಿ ಮುಖ್ಯ ವಿಷಯ ಒಂದೇ — ಯಂತ್ರಗಳಿಗೆ ನಾವು ಹೇಳಿಕೊಡುವುದನ್ನು ನಿಲ್ಲಿಸಿ, ಅವು ತಾವಾಗಿಯೇ ಕಲಿಯುವಂತೆ ಮಾಡಿದೆವು.

ಎರಡನೇ ಭಾಗದಲ್ಲಿ: ಭಾರತ ಈ ಓಟದಲ್ಲಿ ಎಲ್ಲಿ ನಿಂತಿದೆ? IndiaAI Mission ಏನು ಮಾಡುತ್ತಿದೆ? ಆರೋಗ್ಯ, ಕೃಷಿ, ಶಿಕ್ಷಣದಲ್ಲಿ ನಿಜವಾದ ಬದಲಾವಣೆಗಳೇನು? ಮತ್ತು ಡೀಪ್‌ಫೇಕ್‌ನಂತಹ ಅಪಾಯಗಳಿಗೆ ಕಾನೂನು ಏನು ಹೇಳುತ್ತದೆ — ಇವೆಲ್ಲವನ್ನೂ “ಭಾರತದಲ್ಲಿ AI ನಡೆದು ಬಂದ ಹಾದಿ, ಕಾನೂನು ಮತ್ತು ಮುಂದಿನ ಸವಾಲುಗಳು” ಎಂಬ ಲೇಖನದಲ್ಲಿ ನೋಡೋಣ.

ಎರಡನೇ ಭಾಗದಲ್ಲಿ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಭಾಗ 2: ಭಾರತದ ಹಾದಿ, ಕಾನೂನು ಮತ್ತು ಮುಂದಿನ ಸವಾಲುಗಳು