கரப்பான் பூச்சியாதல்

அலுவலகத்தில் பிரச்சினை; வீட்டில் சண்டை; வெளியே சென்றால் அங்கும் யாரிடமாவது தகராறு- யோசித்துப் பார்த்தால் பெரும்பாலான நாட்களில் பிரச்சினைகளோடு தூங்கி பிரச்சினைகளோடுதான் விழிக்கிறோம். நம்மைச் சுற்றி இத்தனை பிரச்சினைகள் இருக்கின்றன. சரி, அவற்றுக்கான தீர்வுகள்? நாம்தான் டெக்னாலஜிஸ்ட்கள் ஆயிற்றே. டெக்னாலஜியைப் பயன்படுத்தியே ஒவ்வொரு பிரச்சினைக்கும் ஆயிரம் தீர்வுகளை கண்டுபிடிக்கலாம். ஆயிரமென்ன ஆயிரம்? இலட்சக்கணக்கான தீர்வுகளை கண்டுபிடிக்கலாம். இலட்சம் தீர்வுகளை வைத்துக் கொண்டு என்ன செய்வது? அந்த லட்சத்தில் இருந்து ஒன்றை மட்டும் தேர்ந்தெடுக்க வேண்டும். அதுவும் இருப்பதிலேயே சிறந்த ஒன்றை.

அது எப்படி? டார்வின் சொல்லிவிட்டுச் சென்றிருக்கிறாரே! ‘தக்கன தப்பிப்பிழைக்கும்’(Survival of the fittest').அதே நுட்பம்தான். இந்த தக்கன தப்பிப்பிழைத்தலுக்கு கரப்பான் பூச்சியை உதாரணமாகச் சொன்னால் சாலப் பொருத்தமாக இருக்கும். என்ன மருந்து வேண்டுமானாலும் அடியுங்கள்- இந்த ஜீவனை முற்றாக ஒழித்துக் காட்டுங்கள் பார்க்கலாம். வாய்ப்பே இல்லை. எப்படியும் ஒன்றிரண்டாவது தப்பி தங்கள் சந்ததியை பெருக்கிவிடும். கரப்பானைப் பற்றி இணையத்தில் தேடினால் அவை பல மில்லியன் வருடங்களுக்கு முன்பாகவிருந்தே இந்த பூமியில் கோலோச்சி வருவதாக எழுதி வைத்திருக்கிறார்கள். எரிமலைக் குழம்பு லார்வாவே அடித்து நொறுக்கிக் கொண்டு ஓடினாலும் கூட பாறைக்களின் அடியில் சிறு இடைவெளி இருந்தால் போதுமாம் அதற்கடியில் ஒண்டியும் பதுங்கியும் தப்பித்துவிடும் என்றால் பார்த்துக் கொள்ளுங்கள். இந்தச் செய்தியை நினைத்துக் கொண்டே அடுத்த முறை கில்லாடி கரப்பானைக் கொல்ல முயற்சித்துப் பாருங்கள் அது ‘கெக்கெபிக்கே’ என்று நமக்கு இளிப்புக் காட்டிக் கொண்டே ஓடுவது காதில் விழும். 

மில்லியன் கணக்கான வருடங்களாக இவை எப்படி தப்பித்திருக்கின்றன? இத்தனை வருடங்களாக பூமி ஒரே மாதிரியாகவா இருக்கிறது? இங்கு இயற்கை சீற்றங்கள் நிகழ்ந்திருக்கின்றன, பருவநிலை மாறியிருக்கிறது, கடல் இருந்த இடமெல்லாம் மலைகளாக உருமாறியிருக்கின்றன, நிலப்பகுதிகளையெல்லாம் கடல் ஆக்கிரமித்திருக்கிறது. இப்படி என்னதான் மாற்றங்கள் நிகழ்ந்தாலும் தங்களை தகவமைத்துக் கொண்ட உயிர்கள் மட்டும் தப்பிக்கின்றன. மற்றவை எல்லாம் வெறும் எச்சங்களாகிப் போகின்றன. இதைச் சுருக்கமாகச் சொன்னால் அதுதான் ‘தக்கன தப்பிப் பிழைத்தல்’. 

இப்படித் தப்பிப்பிழைப்பதற்கான திறமை எல்லாம் அந்ததந்த உயிரியின் மரபிலேயே வருவது- ஜெனிட்டிக்கல். எவ்வளவுதான் பிரச்சினைகள் வந்தாலும் தீர்வு கண்டுபிடித்து தப்பித்து விடுகின்றன. உயிர்களுக்கான பிரச்சினைகள்- பிரச்சினைகளுக்கான தீர்வுகள்- அந்தத் தீர்வுகளிலிருந்து சிறந்த ஒன்றைத் தேர்ந்தெடுப்பது என்னும்  ‘கான்செப்ட்டை’ நவீன அறிவியலுக்கு பயன்படுத்திப் பார்க்கலாமா என்று யோசித்த போது உருவானதுதான் மரபியல் கணிப்புநெறி (Genetic Algorithm).

அதாவது, இதே உயிரியல் கான்செப்ட்டை கணினியில் ப்ரொகிராமாக எழுதிவிடுவதுதான். 

இப்பொழுது மரபியல் கணிப்புநெறியை ஏகப்பட்ட துறைகளில் பயன்படுத்தத் துவங்கியிருக்கிறார்கள். உதாரணமாக பொருளாதாரத்தை எடுத்துக் கொள்ளலாம். பெட்ரோல் விலை உயர்வோ அல்லது வேலையில்லாத் திண்டாட்டமோ  - பிரச்சினையின் வீரியத்தைப் போலவே அவற்றிற்கான தீர்வுகளும் இருக்கும். ஒரு சாமானிய தனிமனிதனின் பொருளாதாரப் பிரச்சினைக்கே ஏகப்பட்ட தீர்வுகள் இருக்கும் போது ஒரு நாட்டின் அல்லது உலகப் பொருளாதார பிரச்சினைக்கு எத்தனை தீர்வுகள் இருக்கக் கூடும். இந்த எக்கச்சக்கமான தீர்வுகளிலிருந்து மிகச் சிறந்த ஒன்றைத் தேர்ந்தெடுக்க மரபியல் கணிப்புநெறியைப் பயன்படுத்தலாம்.

எப்படி? எந்தவொரு பிரச்சினைக்கும் சில தீர்வுகள் மேலோட்டமாகவே கண்ணுக்குத் தென்படும் அல்லவா? அவற்றை குத்து மதிப்பாக எடுத்துக் கொள்ள வேண்டும். இந்த ஒவ்வொரு தீர்வையும் ஜெனிடிக் அல்காரிதமானது க்ரோமோசோம் ஆக மாற்றிக் கொள்ளும். இப்படி தேர்ந்தெடுத்த க்ரோமோசோம்களை(தீர்வுகளை) பிணைத்தால்- அதாவது இரண்டு தீர்வுகளை இணைத்து இன்னொரு புதிய தீர்வை அடைவது- இரண்டாம் தலைமுறைத் தீர்வுகள் கிடைக்கும். இரண்டாம் தலைமுறையில் கிடைக்கும் தீர்வுகளை பிணைத்து அடுத்த தலைமுறைக்கு போகலாம். இப்படி ஒவ்வொரு தலைமுறையாகத் தாண்டும் போதும் சிறந்த தீர்வுகளை நோக்கி நகர்கிறோம். 

மேம்போக்காக ‘தீர்வுகளை பிணைத்து இன்னொரு தீர்வை அடைகிறோம்’ என்று சொல்லிவிட்டாலும் கூட அது அவ்வளவு எளிமை இல்லை. தீர்வை க்ரோமோசோமாக மாற்றும் போது அது கணினி புரிந்து கொள்ளும்படியாக 0 அல்லது 1 என்ற பைனரி வடிவத்திற்கு மாற்றுவதிலிருந்து மேற்சொன்ன பிணைத்தல்(Cross over), பிறழ்வு (Mutation) போன்ற இயற்கை நிகழ்த்தும் உயிரியியல் செயல்களை மனிதன் கண்டறிந்த கணினியில் பிரதியெடுத்தல் சற்று சவாலான காரியம்தான். ஆனாலும் நம்மவர்கள் இத்துறையில் படு வேகமாக முன்னேறிக் கொண்டிருக்கிறார்கள்.

கல்லூரியில் படிக்கும் போது அப்பாவை நச்சரித்து ஒரு கணிப்பொறி வாங்கித் தரச் சொல்லியிருந்தேன். அப்பொழுது அதன் விலை ஐம்பதாயிரம் ரூபாய். பத்தாயிரம் ரூபாய்க்கும் குறைவாக மாதச் சம்பளம் வாங்கிக் கொண்டிருந்த அப்பாவால் வங்கிக் கடன் மூலமே வாங்கித் தர முடிந்தது. மூன்றே ஆண்டுகள்தான். நான் வைத்திருந்த கணினியைவிட பன்மடங்கு திறன் வாய்ந்த கணினி நாற்பதாயிரம் ரூபாய்க்கு கிடைத்தது. அடுத்த சில ஆண்டுகளில் அதைவிட நான்கைந்து மடங்கு ஆற்றல் மிகுந்த கணினி இருபத்தைந்தாயிரத்திற்கும் குறைவாக கிடைக்கத் துவங்கிவிட்டது.

எப்படி சாத்தியம்? மின்னணுவியலின் அசுரத்தனமான வளர்ச்சிதான் காரணம். மின்னணுவியல் துறையில் VLSI(Very Large Scale Integration) என்றொரு பிரிவு உண்டு. ஆயிரக்கணக்கான மின்னனு இணைப்புகளை எப்படி மிகக் குறைந்த இடத்தில் வடிவமைப்பது என்பதுதான் இந்த வல்லுனர்களின் வேலை. 64 MB RAM வந்த சில மாதங்களில் 128 MB RAM ஐத் தயாரித்துவிட்டார்கள். அடுத்த சில மாதங்களில் 256 MB RAM. இப்படி திறன் கூடிக் கொண்டே போகும் போது விலை இறங்கிக் கொண்டே வந்ததுதான் ஆச்சரியம்.  அதனால்தான் கணினியின் திறன் கூடினாலும் விலை குறைந்து கொண்டே வந்தது. இப்பொழுதெல்லாம் GB அளவு மெமரி கொண்ட RAM கள் கிடைக்கின்றன. கூடிய விரைவில் Terabyte(TB) அளவில் RAM ஐ எதிர்பார்க்கலாம்.

Pen-drive ஒரு பேனா மூடியளவுதான் இருக்கிறது. ஆனால் ஏகப்பட்ட தகவல்களை அதனுள் அடக்க முடிகிறது என்றால் அதற்கு காரணம் VLSI தான். துக்கினியூண்டு இடத்தில் அவ்வளவு மெமரியை வடிவமைத்திருக்கிறார்கள். இப்படி ஆயிரக்கணக்கான மின்னணு இணைப்புகளை உருவாக்கும் போது எந்த இணைப்பை எந்த இடத்தில் வைக்கலாம் என்பதற்கு ஆயிரக்கணக்கான சாத்தியங்கள் உண்டு அல்லவா? இதில் எது சிறந்தது என்பதை நம் மரபியல் கணிப்பு நெறியை வைத்து எளிதாக கண்டுபிடிக்கலாம். எந்த மாதிரி இணைத்தால் மிகக் குறைந்த இடம் தேவைப்படும், எந்த மாதிரி இணைத்தால் இன்னும் திறன் வாய்ந்த மின்னணு சாதனங்களை உருவாக்க முடியும் போன்ற பல பிரச்சினைகளுக்கான தீர்வுகளை ஜெனிடிக் அல்காரிதம் கொடுக்கிறது.

பொருளாதாரம், மின்னணுவியல் என்பனவெல்லாம் வெறும் ‘சாம்பிள்’ துறைகள்தான். இவை தவிர ஏகப்பட்ட துறைகளில் மரபியல் கணிப்பு நெறி கலக்கிக் கொண்டிருக்கிறது. என்றாலும் அதன் கால் படாத துறைகளும் நிறைய இருக்கின்றன. வருங்காலத்தில் மரபியல் கணிப்புநெறியை நம் மொபைலில் போட்டு வைத்துக் கொண்டால் முதல் பத்தியில் சொன்ன எல்லாப்பிரச்சினைகளுக்கும் சர்வசாதாரணமாக தீர்வைக் கண்டுபிடித்துவிடலாம் என நினைக்கிறேன். அப்படியான சூழல் வருவதற்கான காலம் ஒன்றும் வெகு தொலைவில் இல்லை என்பது மட்டும் நிச்சயம்.

(இன்றைய இந்து நாளிதழில் வெளியான கட்டுரை)