દાયકાઓ સુધી, IBM કમ્પ્યુટિંગ ઉદ્યોગનું નિર્વિવાદ નેતા હતું. આજે પણ, જો કે તે એક વખતની ભૂમિકા ભજવતી નથી, તેમ છતાં તેનું કાર્ય સુસંગત છે. જો કે, આર્ટિફિશિયલ ઈન્ટેલિજન્સના કિસ્સામાં, IBM ની એન્ટ્રી અને એક્ઝિટ ખૂબ જ મહત્વપૂર્ણ હોવા છતાં ખૂબ ઝડપી હતી.
પચાસના દાયકામાં, આ વિદ્યાશાખામાં સંશોધનને વધુ સારા કોમ્પ્યુટર બનાવવા માટે જરૂરી જ્ઞાનનો અભિન્ન ભાગ માનવામાં આવતો હતો. તેથી IBM એ એવા પ્રોગ્રામના વિકાસને લીલી ઝંડી આપવાનું નક્કી કર્યું જે પ્રમેયને હલ કરશે.
IBM ની અંદર અને બહાર
અમે જોયું હતું અગાઉના લેખ કે સિમોન અને તેની ટીમ ગાણિતિક પ્રમેય સાબિત કરનાર પ્રોગ્રામ સાથે સફળ થયા. આ માટે, તેઓએ નવી પ્રોગ્રામિંગ ભાષા બનાવવી પડી.
IBM સામેના પડકારમાં વધારાની સમસ્યા હતી. કોમ્પ્યુટરને ભૌમિતિક પ્રમેય સાબિત કરવા માટે, તેણે આકૃતિ જોવી પડી. વેબ કેમેરા અને ઈમેજીસ પ્રોસેસ કરવા સક્ષમ સોફ્ટવેરની શોધ હજુ સુધી થઈ ન હતી.
કાર્ય માટે ટીમ પસંદ કરી તે IBM 704 હતું. વિશ્વના પ્રથમ સુપર કોમ્પ્યુટરમાંના એક તરીકે ગણવામાં આવે છેતે હાર્ડવેર ફ્લોટિંગ પોઈન્ટને સામેલ કરનાર પ્રથમ હતું.
ફ્લોટિંગ-પોઇન્ટ ઓપરેશન્સમાં સરવાળો, બાદબાકી, ભાગાકાર, ગુણાકાર અને વર્ગમૂળની ગણતરીઓ ખૂબ મોટી અથવા ખૂબ નાની સંખ્યાઓ સાથેનો સમાવેશ થાય છે.
તેમાં મેગ્નેટિક કોર મેમરી પણ હતી જે અગાઉના મોડલ્સમાં વપરાતી મેગ્નેટિક ડ્રમ સિસ્ટમ કરતાં વધુ ઝડપી હતી અને 36-બીટ સૂચનાઓમાં દર્શાવવામાં આવેલી પ્રતિ સેકન્ડ ચાલીસ હજાર સૂચનાઓ ચલાવવામાં સક્ષમ હતી.
સોફ્ટવેરને તેના મેનેજર તરીકે તૈયાર થવામાં ત્રણ વર્ષ લાગ્યા, હર્બર્ટ ગેલેન્ટર નામના ભૌતિકશાસ્ત્રના ડૉક્ટર, ટીતેણે એક નવી પ્રોગ્રામિંગ ભાષાની શોધ કરવાની હતી જે આઇપીએલ જેવા સિમ્બોલની હેરાફેરી કરી શકે છે પરંતુ તેમાં ફોર્ટ્રેન પ્રોગ્રામિંગની સરળતા હતી, જે વૈજ્ઞાનિક ગણતરી માટે એપ્લિકેશન બનાવવા માટે આઇબીએમ દ્વારા જ એક વિકાસ છે.
કાર્યક્રમ ભૌમિતિક આકૃતિ વિશે માહિતી પ્રાપ્ત થઈ કે જેની સાથે તેને પંચ કરેલા કાર્ડ્સના રૂપમાં દાખલ કરાયેલ કોઓર્ડિનેટ્સની શ્રેણીના સ્વરૂપમાં કામ કરવું પડ્યું. અને તે જાણીતા ડેટામાંથી મધ્યવર્તી પરિણામો કાઢી રહ્યો હતો.
સોફ્ટવેર ભૂમિતિ પ્રમેય પ્રોવર (ભૂમિતિ પ્રોબ્લેમ પ્રોવર) તરીકે જાણીતું બન્યું અને તે ડ્રોઇંગમાં ચકાસી શકે તેવા ગુણધર્મો પર આધારિત છે. તેણે બે-પગલાની પ્રમેયને પચીસ જુદી જુદી શક્યતાઓ ઉકેલવામાં વ્યવસ્થાપિત કરી, જ્યારે તેને આંખ આડા કાન કરવા માટે, તેણે એક મિલિયનનું વિશ્લેષણ કરવું પડશે.
ભૂમિતિ સમસ્યા પરીક્ષક મોડેલ સંદર્ભ તરીકે ઓળખાતી તકનીકનો ઉપયોગ કરનાર પ્રથમ હતો.. જ્યાં સુધી તમે 5 મિનિટ પહેલાં ઉડતી રકાબી પર ઉતર્યા ન હોવ, ત્યાં સુધી તમે આ ટેકનિકના ઉપયોગના નવીનતમ પરિણામોમાંથી એક વિશે સાંભળ્યું હશે: ChatGPT.
કૃત્રિમ બુદ્ધિના ક્ષેત્રમાં મોડેલ એ એક જટિલ પ્રક્રિયાનું પ્રતિનિધિત્વ છે જેમાંથી અનુમાન કરી શકાય છે. ટેસ્ટરના કિસ્સામાં, મોડેલ ભૌમિતિક આકૃતિનું કોઓર્ડિનેટ્સ હતું, ચેટજીપીટીના કિસ્સામાં માનવ ભાષાની પ્રક્રિયા કરવામાં સક્ષમ મોડેલ.
અન્ય IBM કમ્પ્યુટર્સ ચેકર્સ અથવા ચેસ શીખવા જેવી ઓછી ગંભીર બાબતો કરી રહ્યા હતા. પ્રથમ કિસ્સામાં, હેતુ એ જોવાનો હતો કે શું મશીન તેના વિરોધીની રમવાની રીત વિશે શીખવામાં સક્ષમ છે. તેણે આખરે તેને હરાવવામાં વ્યવસ્થાપિત કરી જેથી એવું લાગે છે કે તેણે કર્યું હતું.
IBM ની શરૂઆતની સફળતાઓ પણ તેના આ ક્ષેત્રને છોડી દેવાનું કારણ હતી. ચેસ અને ચેકર્સ રમવા માટે સમર્પિત કમ્પ્યુટર્સ પ્રેસ સાથે ખૂબ જ સફળ હતા, પરંતુ કંપનીના શેરધારકોમાં એટલું નહીં કે જેઓ તેને નાણાંનો બગાડ માનતા હતા.
આમાં આપણે કંપનીના માર્કેટિંગ વિભાગને ઉમેરવું જોઈએ તેણે જોયું કે તેના સંભવિત ગ્રાહકોમાં કોમ્પ્યુટર પ્રત્યે અવિશ્વાસ વધી રહ્યો છે. તેમને હસ્તગત કરવા માટે જવાબદાર લોકોમાં એવો ડર હતો કે તેમની ખરીદી તેમને બદલી નાખશે.
આર્ટિફિશિયલ ઇન્ટેલિજન્સનું સંશોધન ત્યજી દેવામાં આવ્યું હતું અને નવી માર્કેટિંગ વ્યૂહરચના કમ્પ્યુટરને ડેટા પ્રોસેસર તરીકે દર્શાવવાની હતી જે તેમને જે કહેવામાં આવ્યું હતું તે જ કરે છે.
શું હવે આટલા પ્રચલિત નવા સાધનો સાથે પણ આવું જ થશે? શું તેઓ ઉચ્ચ હોદ્દા પર બિરાજમાન થઈ જશે તેવા ડરથી કંપનીઓ પર પ્રતિબંધ મુકવામાં આવશે?
તે જોવા માટે આપણે રાહ જોવી પડશે.