ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് (AI), മെഷീൻ ലേണിംഗ് (ML) – റിഷി പി. രാജൻ

ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് (AI), മെഷീൻ ലേണിംഗ് (ML) രംഗത്തെ പഠനസാധ്യതകളെയും കോഴ്സുകളെയും കുറിച്ച് :

യന്ത്രവത്കരണത്തിൽ നിന്നും നിർമ്മിത ബുദ്ധിയിലേക്ക് (AI) സാങ്കേതികവിദ്യ മാറുമ്പോൾ, ഡെസിഷൻ മേക്കിംഗ് (Decision Making) അഥവാ സാഹചര്യങ്ങൾക്കനുസരിച്ച് തീരുമാനമെടുക്കാനുള്ള പ്രാപ്തിയുള്ള യന്ത്രങ്ങളുടെ ആവശ്യകത കുതിച്ചുയരുകയാണ്.

ഇലക്ട്രിക്കൽ, മെക്കാനിക്കൽ, ഇലക്ട്രോണിക്സ്, കമ്പ്യൂട്ടർ സയൻസ് എന്നീ ശാഖകളുടെ ഏകോപനമാണ് ഈ മേഖലയ്ക്ക് ആവശ്യം. വൻകിട കമ്പനികൾ ഈ രംഗത്തെ വിദഗ്ധരെ തേടുന്നുണ്ട്…

ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് (AI), മെഷീൻ ലേണിംഗ് (ML) കോഴ്സുകളെയും ഈ മേഖലയിലെ പഠന സാധ്യതകളെയും കുറിച്ചുള്ള കൂടുതൽ വിശദാംശങ്ങൾ താഴെ നൽകുന്നു:

1. പഠനശാഖകളും പ്രമുഖ സ്ഥാപനങ്ങളും:

ഐ.ഐ.ടി.കൾ (IITs): ഖരഗ്പൂർ, ബോംബെ, ഡൽഹി തുടങ്ങിയ പ്രമുഖ ഐ.ഐ.ടി.കളിൽ ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് ഒരു പ്രത്യേക പഠന ശാഖയായി (Specialization/Department) ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. കൂടാതെ മിക്ക ട്രിപ്പിൾ ഐ.ഐ.ടി.കളിലും (IIITs) എ.ഐ. കോഴ്സുകൾ ആരംഭിച്ചിട്ടുണ്ട്.

ബിസിനസ്സ് & മാനേജ്‌മെൻറ് സ്ഥാപനങ്ങൾ: മുംബൈയിലെ പ്രശസ്തമായ എസ്.പി. ജെയിൻ ഇൻസ്റ്റിറ്റ്യൂട്ട് (SP Jain Institute) ഈ രംഗത്ത് ഒരു വർഷത്തെ കോഴ്സുകൾ നടത്തുന്നുണ്ട്.

കേരളത്തിലെ പ്രധാന സ്ഥാപനം: കേരള സർക്കാരിൻറെ കീഴിൽ തിരുവനന്തപുരം ടെക്നോപാർക്കിൽ പ്രവർത്തിക്കുന്ന IIITMK (Indian Institute of Information Technology and Management, Kerala), ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് സ്പെഷ്യലൈസേഷനോടുകൂടിയ എം.എസ്‌സി. കമ്പ്യൂട്ടർ സയൻസ് കോഴ്സ് നൽകുന്നുണ്ട്.

മറ്റ് സ്ഥാപനങ്ങൾ: ഐ.ഐ.ടി.കൾക്കും സർവകലാശാലകൾക്കും പുറമെ, കേരളത്തിലും പുറത്തുമായി നിരവധി സ്വകാര്യ ഏജൻസികളും സ്ഥാപനങ്ങളും മെഷീൻ ലേണിംഗിലും (Machine Learning) ഡാറ്റ സയൻസിലുമായി ഹ്രസ്വകാല, ദീർഘകാല കോഴ്സുകൾ നടത്തിവരുന്നുണ്ട്.

2. എന്തുകൊണ്ട് AI & ML പഠിക്കണം? (തൊഴിൽ സാധ്യതകൾ)

ഡിസിഷൻ മേക്കിംഗ് (Decision Making): പരമ്പരാഗത യന്ത്രങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി, ചുറ്റുപാടുകളിൽ നിന്നുള്ള വിവരങ്ങളും മുന്നറിയിപ്പുകളും ഉൾക്കൊണ്ട് സ്വന്തമായി തീരുമാനങ്ങളെടുക്കാൻ സാധിക്കുന്ന യന്ത്രങ്ങളുടെ (Intelligent Machines) ആവശ്യകത വ്യവസായ മേഖലയിൽ കുതിച്ചുയരുകയാണ്.

വിവിധ ശാഖകളുടെ ഏകോപനം: ഇലക്ട്രിക്കൽ, മെക്കാനിക്കൽ, ഇലക്ട്രോണിക്സ്, കമ്പ്യൂട്ടർ സയൻസ് എന്നീ വിവിധ എഞ്ചിനീയറിംഗ് ശാഖകളുടെ ഏകോപനമാണ് ഈ മേഖലയ്ക്ക് ആവശ്യം. കമ്പ്യൂട്ടർ പ്രോഗ്രാമുകൾ വഴി യന്ത്രങ്ങളിൽ കൃത്രിമ ബുദ്ധി സൃഷ്ടിച്ചെടുക്കുന്ന വിദഗ്ധർക്ക് വൻകിട കമ്പനികളിൽ വലിയ തൊഴിലവസരങ്ങളാണുള്ളത്.

വ്യാപകമാകുന്ന ഉപയോഗം: വീട്ടുപകരണങ്ങൾ മുതൽ റോബോട്ടുകൾ, ഡ്രൈവറില്ലാ കാറുകൾ, വ്യവസായശാലകൾ, ആരോഗ്യമേഖല എന്നിവടങ്ങളിലെല്ലാം AI-യുടെ ഉപയോഗം വർദ്ധിച്ചുവരുന്നത് ഈ മേഖലയിലെ പ്രൊഫഷണലുകൾക്ക് അനന്തമായ സാധ്യതകളാണ് തുറന്നുനൽകുന്നത്.

ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് (AI), മെഷീൻ ലേണിംഗ് (ML) കോഴ്സുകളിൽ പ്രവേശനം നേടുന്നതിനുള്ള പൊതുവായ യോഗ്യതകളും പ്രവേശന രീതികളും താഴെ പറയുന്നവയാണ്:

1. വിദ്യാഭ്യാസ യോഗ്യതകൾ (Educational Qualifications)

ബിരുദാനന്തര ബിരുദം (Postgraduate / M.Sc / M.Tech):

കമ്പ്യൂട്ടർ സയൻസ്, ഇൻഫർമേഷൻ ടെക്നോളജി, ഇലക്ട്രോണിക്സ്, ഇലക്ട്രിക്കൽ അല്ലെങ്കിൽ മെക്കാനിക്കൽ എഞ്ചിനീയറിംഗ് എന്നിവയിലൊന്നിൽ ബിരുദമുള്ളവർക്ക് (B.Tech/B.E) അല്ലെങ്കിൽ ബന്ധപ്പെട്ട വിഷയങ്ങളിൽ ബിരുദം നേടിയവർക്ക് സാധാരണയായി അപേക്ഷിക്കാം.

ചില പ്രമുഖ സ്ഥാപനങ്ങളിലെ കോഴ്സുകൾക്ക് മാത്തമാറ്റിക്സ്, സ്റ്റാറ്റിസ്റ്റിക്സ് തുടങ്ങിയ വിഷയങ്ങളിൽ ശക്തമായ അടിത്തറ ആവശ്യമാണ്.

പിജി ഡിപ്ലോമ / ഹ്രസ്വകാല കോഴ്സുകൾ (PG Diploma / Short-term Courses):

എസ്.പി. ജെയിൻ ഇൻസ്റ്റിറ്റ്യൂട്ട് പോലുള്ള പ്രമുഖ സ്ഥാപനങ്ങൾ നടത്തുന്ന ഒരു വർഷത്തെ മാനേജ്‌മെൻറ് /ടെക്നിക്കൽ കോഴ്സുകൾക്ക് ബിരുദധാരികൾക്ക് (ഏത് സ്ട്രീമിൽ നിന്നും) അപേക്ഷിക്കാൻ അവസരമുണ്ടാകാറുണ്ട്. പ്രോഗ്രാമിംഗിലോ മാത്‍സിലോ ഉള്ള പ്രാഥമിക അറിവ് ഇതിന് സഹായകരമാണ്.

2. പ്രവേശന പരീക്ഷകൾ (Entrance Exams)
ഐ.ഐ.ടി.കൾ (IITs), ട്രിപ്പിൾ ഐ.ഐ.ടി.കൾ (IIITs) എന്നിവയിൽ ബിരുദാനന്തര ബിരുദ പ്രവേശനത്തിനായി ദേശീയ തലത്തിലുള്ള പ്രവേശന പരീക്ഷകൾ പാസാകേണ്ടതുണ്ട്.

പ്രധാന പരീക്ഷകൾ: GATE (Graduate Aptitude Test in Engineering) അല്ലെങ്കിൽ അതത് സ്ഥാപനങ്ങൾ നടത്തുന്ന പ്രത്യേക പ്രവേശന പരീക്ഷകൾ (Entrance Tests).

3. പ്രധാനമായും അറിഞ്ഞിരിക്കേണ്ട മറ്റ് കാര്യങ്ങൾ
പ്രോഗ്രാമിംഗ് അറിവ്: പൈത്തൺ (Python), ആർ (R), ജാവ (Java) തുടങ്ങിയ പ്രോഗ്രാമിംഗ് ഭാഷകളിൽ അടിസ്ഥാന അറിവുണ്ടായിരിക്കുന്നത് ഇത്തരം കോഴ്സുകൾ പഠിക്കാൻ ഏറെ സഹായിക്കും.

ഗണിതശാസ്ത്ര അടിത്തറ: ലീനിയർ ആൾജിബ്ര (Linear Algebra), പ്രോബബിലിറ്റി (Probability), സ്റ്റാറ്റിസ്റ്റിക്സ് (Statistics) എന്നിവയിൽ അറിവുള്ളവർക്ക് മെഷീൻ ലേണിംഗ്, ഡീപ് ലേണിംഗ് ആശയങ്ങൾ എളുപ്പത്തിൽ ഗ്രഹിക്കാൻ സാധിക്കും.

സാങ്കേതികവിദ്യ പരമ്പരാഗത യന്ത്രവത്കരണത്തിൽ നിന്ന് മാറി ചിന്തിക്കാനും തീരുമാനങ്ങളെടുക്കാനും ശേഷിയുള്ള നിർമ്മിത ബുദ്ധിയിലേക്ക് (AI) വളരുമ്പോൾ, വിവിധ വ്യവസായങ്ങളിൽ ഡെസിഷൻ മേക്കിംഗ് (Decision Making) അഥവാ സാഹചര്യങ്ങൾക്കനുസരിച്ച് സ്വയം തീരുമാനങ്ങളെടുക്കാൻ പ്രാപ്തിയുള്ള സംവിധാനങ്ങളുടെ ആവശ്യകത കുതിച്ചുയരുകയാണ്.

വീട്ടുപകരണങ്ങൾ മുതൽ റോബോട്ടുകൾ, ഡ്രൈവറില്ലാ കാറുകൾ, വ്യവസായശാലകൾ, ആരോഗ്യമേഖല എന്നിവടങ്ങളിലെല്ലാം AI-യുടെ ഉപയോഗം അതിവേഗം വർദ്ധിച്ചുവരുന്നു. ഇത് ഈ മേഖലയിലെ പ്രൊഫഷണലുകൾക്ക് അനന്തമായ തൊഴിൽ സാധ്യതകളാണ് തുറന്നുനൽകുന്നത്.