നീല്‍ വി പട്ടേല്‍
(ഫോറിന്‍ പോളിസി)
ജനവാസം കുറഞ്ഞ പ്രദേശങ്ങളില്‍ നിന്നുള്ള ആയിരത്തോളം ‘സെര്‍ച്ച് ആന്ഡ് റെസ്ക്യൂ’ (Search and Rescue- SAR) എമര്‍ജന്‍സികളാണ് (കാണാതായവരെ കണ്ടെത്തി രക്ഷപ്പെടുത്തുക) സ്വിറ്റ്സെര്‍ലാന്‍ഡ് ഓരോ വര്‍ഷവും കൈകാര്യം ചെയ്യുന്നത്. മലകയറ്റത്തില്‍ പരുക്ക് പറ്റുന്നവര്‍, സാഹസികത തേടിയെത്തി അപ്രത്യക്ഷരായവര്‍, ക്യാമ്പിങ്ങിനിടെ മലയിടിഞ്ഞോ വെള്ളപ്പൊക്കത്തിലോ ഒറ്റപ്പെട്ടു പോയവര്‍. സാധാരണ ഈയവസരങ്ങളില്‍ രക്ഷാപ്രവര്‍ത്തകരെ അയയ്ക്കാറാണ് പതിവ്; ആല്‍പ്സിലെ അപകടകരമായ ഭാഗങ്ങളിലേക്ക് പോലും. ഇത് വളരെയധികം സമയനഷ്ടം വരുത്തുന്ന ഒന്നാണ്; സ്വിറ്റ്സര്‍ലാന്‍ഡില്‍ മാത്രം വര്‍ഷംതോറും 10,000 മണിക്കൂര്‍ മനുഷ്യപ്രയത്നമാണ് ചെലവഴിക്കപ്പെടുന്നത്. നേപ്പാളും പെറുവും പോലെയുള്ള, ട്രെക്കര്‍മാരുടെ പ്രിയ സ്ഥലങ്ങളിലെ അപകടങ്ങള്‍ കൂടെ കണക്കിലെടുക്കുമ്പോള്‍ ഇത് പിന്നേയും കൂടും.
ഇപ്പോള്‍ രക്ഷാപ്രവര്‍ത്തനങ്ങളെ ഭൂമിയില്‍ നിന്നുയര്‍ത്തിക്കൊണ്ട് ഒരു കൂട്ടം സ്വിസ് ശാസ്ത്രജ്ഞന്മാര്‍ SAR ഡ്രോണ്‍ വികസിപ്പിച്ചിരിക്കുകയാണ്. ഇവ ഉപയോഗിച്ചുള്ള ആകാശദൌത്യങ്ങള്‍ക്ക് വ്യക്തമായ മെച്ചങ്ങളുണ്ട്: ഡ്രോണുകള്‍ക്ക് ഇക്കാലത്ത് താരതമ്യേന ചെലവു കുറവാണ്. ഒരേസമയം കൂടുതല്‍ ഇടങ്ങളില്‍ തിരയാന്‍ ഒന്നില്‍ക്കൂടുതല്‍ എണ്ണം ഉപയോഗിക്കാം. ജോലിക്കിടയില്‍ രക്ഷാപ്രവര്‍ത്തകര്‍ക്കുണ്ടാകുന്ന അപകടങ്ങള്‍ കുറയ്ക്കാം. എന്നാല്‍ ഇപ്പോള്‍ മാര്‍ക്കറ്റില്‍ സുലഭമായി കിട്ടുന്ന സാധാരണ തരം ഉപകരണമല്ല ഇത്. ഒരു ശരാശരി മനുഷ്യനെക്കാള്‍ ഇവ, ഒരുപക്ഷേ, കൂടുതല്‍ സമര്‍ത്ഥരാണ്.
പ്രത്യേകമായി ഡിസൈന്‍ ചെയ്യപ്പെട്ട അല്‍ഗോരിതത്തിലൂന്നിയാണ് ഈ ഉപകരണത്തിന്‍റെ നാവിഗേഷന്‍ സോഫ്റ്റ്വെയര്‍ പ്രവര്‍ത്തിക്കുന്നത്. മനുഷ്യന്‍റെ തലച്ചോറിന്‍റെ പ്രവര്‍ത്തനത്തെ അനുകരിക്കുന്ന ഒരു ‘deep learning neural network’ ആണ് ഇതിന്‍റെ പ്രത്യേകത. ദൃശ്യാനുഭവങ്ങളെ റീകോള്‍ ചെയ്യാനും അതനുസരിച്ച് പ്രവര്‍ത്തിക്കാനും ഡ്രോണ്‍ പ്രാപ്തമാണ്. ആല്‍പ്സിലെ വഴികളുടെ 20,000ത്തോളം ചിത്രങ്ങള്‍ ഈ റോബോട്ടില്‍ ഉണ്ട്. അങ്ങനെ ഔദ്യോഗികവും മനുഷ്യനിര്‍മ്മിതവുമായ ലക്ഷണങ്ങള്‍ തിരിച്ചറിയാന്‍ ഗവേഷകര്‍ ഇതിനെ പരിശീലിപ്പിച്ചിരിക്കുന്നു. ഇളകിയ മണ്ണ്, പുല്ലിലെ പാടുകള്‍ എന്നിങ്ങനെയുള്ള ലക്ഷണങ്ങളും അവയുടെ സഞ്ചാരപഥവും പരിശോധിച്ചാണിത്. രണ്ട് ക്യാമറ ലെന്‍സുകളുള്ള ഡ്രോണ്‍ ഇത്തരം അടയാളങ്ങള്‍ നോക്കി കാണാതായവര്‍ പോയിരിക്കാന്‍ സാദ്ധ്യതയുള്ള വഴികളിലേയ്ക്ക് സ്വയം തിരിയുന്നു. 85% കൃത്യതയാണ് പാതകള്‍ തിരിച്ചറിയുന്നതില്‍ ഡ്രോണിനുള്ളത് എന്നു ഗവേഷകര്‍ കണക്കുകൂട്ടിയിട്ടുണ്ട്. കാല്‍നടയായി മനുഷ്യര്‍ക്ക് ചെയ്യാവുന്നതിലും 3% കൂടുതല്‍.
ഇപ്പോള്‍ ആദ്യ മാതൃക മാത്രമായ ഡ്രോണിനെ മുഖങ്ങള്‍ തിരിച്ചറിയാന്‍ പഠിപ്പിക്കുക എന്നതാണ് അടുത്ത ഘട്ടം. ചിത്രങ്ങളിലേതിന് സമാനമായ ലക്ഷണങ്ങള്‍ വച്ച് മനുഷ്യരെ തിരിച്ചറിഞ്ഞു (അതിനായുള്ളസോഫ്ട് വെയര്‍ ഇനിയും വികസിപ്പിച്ചിട്ടില്ല) വ്യക്തികളുടെ കൃത്യമായ സ്ഥാനം രക്ഷാപ്രവര്‍ത്തകരെ അറിയിക്കുകയും പറ്റിയാല്‍ അവരുടെ അപ്പോഴത്തെ അവസ്ഥ വിവരിച്ചു കൊടുക്കുകയും ചെയ്യുക എന്നതാണ് ലക്ഷ്യം. അതായത് ആവശ്യസന്ദര്‍ഭങ്ങളില്‍ തിരച്ചില്‍ പൂര്‍ണമായും ഡ്രോണ്‍ നടത്തുമെന്നര്‍ത്ഥം. പ്രവര്‍ത്തകര്‍ തുടര്‍ന്നുള്ള രക്ഷാനടപടികള്‍ക്കായി മാത്രം എത്തിയാല്‍ മതിയാകും.
***
നൂറ്റാണ്ടുകളായി തലച്ചോറിനെ പറ്റി പഠിക്കാന്‍ ഉപയോഗിക്കുന്ന മാര്‍ഗ്ഗം പോസ്റ്റ്മോര്‍ട്ടം ആണ്; അല്ലെങ്കില്‍ അതിനേക്കാള്‍ കഷ്ടമെന്ന് പറയാവുന്ന ലോബോട്ടമി (ഒരു തരം ശസ്ത്രക്രിയ). ലോബോട്ടമി പലപ്പോഴും രോഗികളുടെ തലച്ചോറിന് ക്ഷതമുണ്ടാകാന്‍ കാരണമാകാറുണ്ട്. ഭാഗ്യത്തിന് ന്യൂറോ സയന്‍സ് ഇക്കഴിഞ്ഞ വര്‍ഷങ്ങളില്‍ വലിയ പുരോഗതിയാണ് നേടിയത്. തലച്ചോറിലെ രഹസ്യങ്ങള്‍ അറിയാന്‍ പഴയ മട്ടിലുള്ള കീറലും മുറിക്കലും ഇപ്പോള്‍ ആവശ്യമില്ല. വിര്‍ജീനിയ യൂണിവേഴ്സിറ്റിയിലെ ശാസ്ത്രജ്ഞന്മാര്‍ മനുഷ്യരില്‍ ആനന്ദത്തിന്റെ വികാരങ്ങള്‍ സൃഷ്ടിക്കുന്ന ഡോപ്പമിന്‍റെ ന്യൂറോണല്‍ പ്രവര്‍ത്തനങ്ങളെ തലച്ചോറിലെ അയേണുമായി ബന്ധിപ്പിക്കുന്ന ഒരു കൃത്രിമ ജീന്‍ വികസിപ്പിച്ചെടുത്തു. എന്നിട്ട് ഈ ജീനിനെ വിഭജിച്ച് ആറ് ചുണ്ടെലികളില്‍ നിക്ഷേപിച്ചു. ആ എലികള്‍ കാന്തത്തിന്‍റെ (magnet) പരിധിയില്‍ വരുമ്പോള്‍ അവയില്‍ ഡോപ്പമിന്‍ പ്രവര്‍ത്തിച്ച് സന്തോഷകരമായ വികാരങ്ങള്‍ സൃഷ്ടിക്കപ്പെടുന്നു.
ഇങ്ങനെ വിദൂരമായി ചെയ്യാവുന്ന കാന്തിക സ്വാധീനം ന്യൂറോളജിക്കല്‍ അസുഖങ്ങളുടെ ചികിത്സയെ മാറ്റി മറിക്കും. പാര്‍ക്കിന്‍സണ്‍സ്, സ്കീസോഫ്രീനിയ തുടങ്ങിയ രോഗങ്ങള്‍ക്ക് കാരണമാകുന്ന രീതിയില്‍ പ്രവര്‍ത്തിക്കുന്ന ന്യൂറോണുകളെ നിയന്ത്രിച്ചു രോഗലക്ഷണങ്ങള്‍ കുറയ്ക്കാനും നിയന്ത്രിക്കാനും ഡോക്ടര്‍മാര്‍ക്കാകുന്ന സമയം വന്നേക്കാം. ഈ ജീന്‍ കണ്ടുപിടിച്ച ശാസ്ത്രജ്ഞന്‍ അതിനെ വിളിക്കുന്നത് “മാഗ്നെറ്റോ ജീന്‍’ എന്നാണ്; ഇതുമൂലം തലച്ചോറിനെ എന്നത്തേതിലും നന്നായി പഠിക്കാനും മനസ്സിലാക്കാനും സാധിക്കുമെന്നാണ് കരുതപ്പെടുന്നത്.
***
മിക്ക HIV ടെസ്റ്റുകളിലും എയ്ഡ്സിന് കാരണമാകുന്ന വൈറസിന്‍റെ സാന്നിധ്യമല്ല പരിശോധിക്കപ്പെടുന്നത്. മറിച്ച് രക്ത സാംപിളുകളില്‍ ഈ രോഗാണുവിനെതിരായി മനുഷ്യശരീരം ഉല്പ്പാദിപ്പിക്കുന്ന ആന്‍റിബോഡികള്‍ ഉണ്ടോയെന്നാണ്. ടെസ്റ്റില്‍ പോസിറ്റീവ് ഫലം നല്‍കത്തക്ക വിധം ശക്തമായി ശരീരത്തിലെ പ്രതിരോധ സംവിധാനം ആദ്യസമയങ്ങളില്‍ പ്രതികരിക്കണമെന്നില്ല. യു‌എസ് ഡിപാര്‍ട്ട്മെന്‍റ് ഓഫ് ഹെല്‍ത്ത് ആന്ഡ് ഹ്യൂമന്‍ സര്‍വീസസ് ഉപദേശിക്കുന്നത്, “രോഗം പകരാന്‍ ഉള്ള സാഹചര്യം ഉണ്ടായി മൂന്നു മാസങ്ങള്‍ക്കുള്ളില്‍ നടത്തുന്ന ടെസ്റ്റുകള്‍ നെഗറ്റീവ് ആയാല്‍ക്കൂടെ, മൂന്നു മാസമെന്ന കാലാവധി പൂര്‍ത്തിയാകുമ്പോള്‍ വീണ്ടും ടെസ്റ്റ് ചെയ്യണം” എന്നാണ്. പല തരം കാന്‍സറുകള്‍, ഹെപ്പറ്റൈറ്റിസ് തുടങ്ങിയ രോഗങ്ങളുടെ ടെസ്റ്റുകളിലും ഇതേ പ്രശ്നം ഉണ്ടാകാറുണ്ട്.
എന്നാല്‍ തുടക്കത്തിലെ ഉള്ള രോഗനിര്‍ണയത്തില്‍ അടുത്തിടെ വന്‍ നേട്ടങ്ങളാണ് ഉണ്ടായിട്ടുള്ളത്. നീളം കുറഞ്ഞ DNA ഇഴകളുമായി ടാഗ് ചെയ്ത് ആന്‍റിബോഡികളെ കണ്ടെത്തുന്ന മാര്‍ഗം സ്റ്റാന്‍ഫോര്‍ഡിലെ ഗവേഷകര്‍ കണ്ടെത്തി. ഇപ്പോളുള്ള മിക്ക ടെസ്റ്റുകളിലും ഉപയോഗിക്കുന്ന പ്രോട്ടീനുകളെക്കാള്‍ ഈ ടാഗുകള്‍ എണ്ണത്തില്‍ കൂടുതലായിരിക്കും, അങ്ങനെ ആന്‍റിബോഡികളെ കണ്ടുപിടിക്കുന്നത് കൂടുതല്‍ എളുപ്പമാകും. തൈറോയ്ഡ് കാന്‍സര്‍ പരിശോധനയിലാണ് ഗവേഷകര്‍ ഈ മാര്‍ഗം പരീക്ഷിച്ചത്. നിലവിലുള്ള മാര്‍ഗ്ഗങ്ങളെക്കാള്‍ 10,000 ഇരട്ടി കൂടുതല്‍ കൃത്യത ലഭിച്ചു. ഈ ടീം ഇപ്പോള്‍ പ്രമേഹം, HIV ഇവയ്ക്കുള്ള ടെസ്റ്റുകള്‍ രൂപപ്പെടുത്തുകയാണ്. അത്രയെളുപ്പം വഴങ്ങാത്ത ഈ രോഗങ്ങള്‍ ആഘാതമേല്‍പ്പിക്കുന്നതിനു മുന്‍പ് അവയെ തിരിച്ചറിയാന്‍ ഇത് ഡോക്ടര്‍മാരെ സഹായിക്കും.
***
മനുഷ്യര്‍ ചിന്തിക്കുന്നതു പോലെ ചിന്തിക്കുന്ന കമ്പ്യൂട്ടറുകള്‍ നിര്‍മിക്കുന്നത് മാത്രമല്ല ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്‍റെലിജെന്‍സ് (AI) എന്നതു കൊണ്ട് ഉദ്ദേശിക്കുന്നത്. മനുഷ്യര്‍ വിവരങ്ങള്‍ ശേഖരിക്കാനും അവ വിശകലനം ചെയ്യാനും ഉപയോഗിയ്ക്കുന്ന മാര്‍ഗ്ഗങ്ങളായ കാണല്‍, കേള്‍ക്കല്‍, മണക്കല്‍, രുചിക്കല്‍, സ്പര്‍ശിക്കല്‍ തുടങ്ങിയ സങ്കീര്‍ണ്ണ പ്രവര്‍ത്തനങ്ങള്‍ ചെയ്യാന്‍ സ്മാര്‍ട് മെഷീനുകള്‍ പ്രാപ്തമാകണം. സൂറിക്കിലെ ഇന്‍സ്റ്റിറ്റ്യൂട്ട് ഓഫ് ന്യൂറോ ഇന്‍ഫോര്‍മാറ്റിക്സിലെ ഗവേഷകര്‍ ഒരു സിലിക്കണ്‍ കോക്ലിയ വികസിപ്പിച്ച് ഈ മേഖലയില്‍ മുന്നേറ്റം നടത്തിയിരിക്കുകയാണ്. രണ്ടു മൈക്രോഫോണുകളോട് ഘടിപ്പിച്ച സര്‍ക്യൂട്ട് ബോര്‍ഡുകളും ബട്ടണുകളും അടങ്ങിയ ഈ ഉപകരണം ഘടനയില്‍ മനുഷ്യരുടേതുമായി ഒട്ടും സാമ്യമുള്ളതല്ല. വിവിധ ആവൃത്തികളിലുള്ള (frequency) ശബ്ദങ്ങള്‍ പിടിച്ചെടുക്കുന്നതിലൂടെ ഈ രണ്ടു മൈക്കുകള്‍ ചെവികളെ പോലെ പ്രവര്‍ത്തിക്കും. കോക്ലിയ പിടിച്ചെടുക്കുന്ന ശബ്ദം അനലിറ്റിക്കല്‍ സോഫ്റ്റ് വെയറിലൂടെ കടത്തിവിട്ട് അവയുടെ ഉല്‍ഭവം കണ്ടെത്തും. ശബ്ദതരംഗങ്ങള്‍ മൈക്കിലെത്തുന്ന വേഗത കണക്കിലെടുത്ത് അവയുടെ പ്രഭവസ്ഥാനം കൃത്യമായി എത്ര ദൂരെയാണെന്നും സോഫ്റ്റ്വെയര്‍ കണ്ടെത്തും. ഈ കോക്ലിയയ്ക്ക് ആകെ 55 മൈക്രോവാട്ട് വൈദ്യുതി (ഒരു ജോഡി AA ബാറ്ററികള്‍) മാത്രമേ ആവശ്യമുള്ളൂ എന്നതും ഒരു പ്രധാന ഗുണമാണ്. ഒരു കൃത്രിമ റെറ്റിനയും ഇവര്‍ ഉണ്ടാക്കിയിട്ടുണ്ട്. ഈ പ്രവര്‍ത്തനങ്ങളിലൂടെ ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്‍റെലിജെന്‍സിന് ഈ ലോകത്തെ അതിന്‍റെ നിറപ്പകിട്ടും ശബ്ദങ്ങളും മണങ്ങളും സ്വാദുകളും അടക്കം തൊട്ടറിയാനാവുന്ന ഒരു multimodal sensory system ഉണ്ടാക്കിയെടുക്കുക എന്നതാണ് ഇവരുടെ ആത്യന്തിക ലക്ഷ്യം.
***
110 മില്ല്യണ്‍: മേയ് 2013 മുതല്‍ മേയ് 2014 വരെയുള കാലയളവില്‍ ഹാക്ക് ചെയ്യപ്പെട്ട അമേരിക്കക്കാരുടെ എണ്ണമാണിത്. ഇന്‍റര്‍നെറ്റുമായി ബന്ധപ്പെട്ടു ഒരാള്‍ ഉപയോഗിയ്ക്കുന്ന ഓരോ ഉപകരണവും ഓരോ തരം ഫയര്‍വാള്‍ കൊണ്ടാണ് സംരക്ഷിക്കപ്പെട്ടിരിക്കുന്നത്. അതില്‍ ഒന്നിന് കുഴപ്പം പറ്റുമ്പോള്‍ മറ്റെല്ലാം അപകടത്തിലാവുകയാണ്. ക്ലൌഡിലെ വ്യക്തിഗതമായ ഒറ്റയിടത്ത് ഡേറ്റാ സൂക്ഷിക്കാവുന്ന ‘സീവ് (Sieve)’ എന്ന ആപ്പ് ഹാര്‍വാര്‍ഡിലെയും MITയിലെയും ഗവേഷകര്‍ വികസിപ്പിച്ചിരിക്കുന്നു.
