അറിവിനെക്കുറിച്ചുള്ള പ്രഭാഷണം

—

2026 ഒക്ടോബർ 3-ന് കേംബ്രിജ് യൂണിയൻ സൊസൈറ്റിയിൽ അരവിന്ദ് ശ്രീനിവാസ് നടത്തിയ പ്രഭാഷണമാണിത്. കേംബ്രിജ് സർവകലാശാലയിലെ ഏറ്റവും വലിയ വിദ്യാർത്ഥി സംഘടനയും, ലോകത്ത് തുടർച്ചയായി പ്രവർത്തിക്കുന്ന ഏറ്റവും പഴക്കമുള്ള സംവാദ സംഘടനയുമാണ് കേംബ്രിജ് യൂണിയൻ സൊസൈറ്റി.

—

നമസ്കാരം, നന്ദി. ഇവിടെ എത്താൻ കഴിഞ്ഞത് ഒരു ബഹുമതിയാണ്.

ഒരു കമ്പനി സ്ഥാപിക്കുമ്പോൾ ഞാൻ പ്രതീക്ഷിക്കാതിരുന്ന ഒരു കാര്യം, സർവകലാശാലകളിൽ ഇത്രയധികം സമയം ചെലവഴിക്കാൻ എനിക്ക് അവസരം ലഭിക്കുമെന്നതാണ്. ഞാനത് ആസ്വദിക്കുന്നു. ഒരു CEO എന്ന നിലയിൽ, തിരിച്ചു തർക്കിക്കുന്ന ഒരേയൊരു സദസ്സ് പലപ്പോഴും സർവകലാശാലകളിലേതാണ്. അതുകൊണ്ട് ഞാൻ സംസാരിക്കാൻ ഉദ്ദേശിക്കുന്നതിനേക്കാൾ കൂടുതൽ സമയം നമുക്ക് ചർച്ചയ്ക്കായി മാറ്റിവയ്ക്കാം.

നമുക്ക് തുടങ്ങാം.

സാധാരണയായി, എവിടെയെങ്കിലും സംസാരിക്കാൻ എന്നെ ക്ഷണിക്കുമ്പോൾ, “AI-യുടെ ഭാവി” പോലെയുള്ള ഒരു പൊതുവായ തലക്കെട്ടിൽ പ്രവചനസ്വഭാവമുള്ള ഒരു പ്രഭാഷണം നടത്താനാണ് അവർ ആവശ്യപ്പെടാറുള്ളത്. ഞാൻ AI-യുടെ ഭാവിയെക്കുറിച്ച് സംസാരിക്കാൻ പോകുന്നില്ല. പകരം, നിങ്ങളുടെ ഭാവിയെക്കുറിച്ചാണ് ഞാൻ സംസാരിക്കാൻ പോകുന്നത്. നിങ്ങളുടെ ഭാവി എനിക്ക് കൂടുതൽ കൗതുകകരമാണ്, ഒരുപക്ഷേ നിങ്ങൾക്കും അങ്ങനെതന്നെയായിരിക്കും.

ആദ്യം, ഭൂതകാലത്തെക്കുറിച്ച് അൽപം. നിങ്ങളുടെ ഭാവിയെക്കുറിച്ചും ഒപ്പം ഭൂതകാലത്തെക്കുറിച്ചും സംസാരിക്കാൻ ഏറ്റവും അനുയോജ്യമായ സ്ഥലമാണ് കേംബ്രിജ്, കാരണം ഇവിടെ ഇവ രണ്ടുമുണ്ട്.

പറഞ്ഞുകേൾക്കുന്നതനുസരിച്ച്, ഇന്ന് നാം പിയർ റിവ്യൂ സംവിധാനം എന്നു വിളിക്കുന്നത് ഇവിടെ കേംബ്രിജിലാണ് കണ്ടുപിടിക്കപ്പെട്ടത്. കൃത്യമായ സത്യം എന്തെന്നാൽ, അത് ഒരു കേംബ്രിജ് പ്രൊഫസർ മാത്രമായിരുന്നു, അദ്ദേഹം അത് നിർദ്ദേശിച്ചത് ഇവിടെ സർവകലാശാലയിലല്ല, റോയൽ സൊസൈറ്റി ഓഫ് ലണ്ടനിലായിരുന്നു. അത് 1831-ലായിരുന്നു. ഇന്ന്, പിയർ റിവ്യൂ സംവിധാനത്തിന് കീഴിൽ ഓരോ വർഷവും 35 ലക്ഷത്തിലധികം ശാസ്ത്രീയ പ്രബന്ധങ്ങൾ പ്രസിദ്ധീകരിക്കപ്പെടുന്നു.

ഏകദേശം 160 വർഷങ്ങൾക്കുശേഷം, സ്റ്റാൻഫോർഡിലെ രണ്ട് PhD വിദ്യാർത്ഥികൾ നെറ്റ്‌വർക്ക് ഘടനകളിലും ഡാറ്റാ മൈനിങ്ങിലും ഗവേഷണം നടത്തുകയായിരുന്നു. 1990-കളിലെ ഇന്റർനെറ്റ് കുതിപ്പ് ആരംഭിച്ചുകൊണ്ടിരുന്ന കാലമായിരുന്നു അത്. എല്ലാവരും സംസാരിച്ചിരുന്നത് വേൾഡ് വൈഡ് വെബിനെക്കുറിച്ച് മാത്രമായിരുന്നു. ഇന്നത്തെ “AI” പോലെ.

ഇന്നത്തെപ്പോലെതന്നെ, അന്നും ഈ കുതിപ്പിനെക്കുറിച്ച് സംസാരിച്ചിരുന്നവരിൽ ഭൂരിഭാഗവും നിക്ഷേപകരും മാധ്യമങ്ങളുമായിരുന്നു. അന്നത്തെ “ടെക് സമൂഹം” ടെലികമ്മ്യൂണിക്കേഷൻ വ്യവസായമായിരുന്നു. ചർച്ചയിൽ അധികം അക്കാദമിക് വിദഗ്ധർ ഉണ്ടായിരുന്നില്ല. (ചിലരുണ്ടായിരുന്നു, പക്ഷേ അധികമില്ല). ഈ രണ്ട് PhD വിദ്യാർത്ഥികളും ഇന്റർനെറ്റ് കുതിപ്പിന്റെ അകത്തളത്തിലുള്ളവരായിരുന്നില്ല.

പക്ഷേ, സർവകലാശാലാ സംവിധാനത്തിന് പുറത്തുള്ളവർ കാര്യമായി ശ്രദ്ധിക്കാത്ത ഒരു കാര്യം അവർക്ക് അറിയാമായിരുന്നു.

മിക്ക അക്കാദമിക് വിദഗ്ധരെയും പോലെ, സർവകലാശാലയുടെ ലക്ഷ്യം അവർക്ക് മനസ്സിലായിരുന്നു. സർവകലാശാലയുടെ ലക്ഷ്യം അറിവിനെ മുന്നോട്ടു കൊണ്ടുപോകുക എന്നതാണ്.

അതുകൊണ്ടാണ് നാം പിയർ റിവ്യൂ ഉപയോഗിക്കുന്നത്. അക്കാദമിക രചനകളിൽ ഇത്രയധികം അവലംബങ്ങൾ ഉള്ളതിന്റെ കാരണവും അതുതന്നെ. ലോകത്തിലെ അറിവിന്റെ അളവ് (പിയർ റിവ്യൂ നിലവാരമുള്ള പ്രബന്ധങ്ങളുടെ എണ്ണം അതിന്റെ സൂചകമായി എടുത്താൽ) വളരുക മാത്രമേ ചെയ്യൂ എന്ന് ഈ രണ്ടു വിദ്യാർത്ഥികൾക്കും അറിയാമായിരുന്നു. അതുകൊണ്ട് മനുഷ്യന്റെ അറിവിനൊപ്പം വെബും വളരുക മാത്രമേ ചെയ്യൂ എന്ന് കാണാൻ അവർക്ക് എളുപ്പമായിരുന്നു.

എപ്പോഴും വികസിച്ചുകൊണ്ടിരിക്കുന്ന ഒന്നിൽനിന്ന് ശരിയായ അറിവ്, അല്ലെങ്കിൽ ഏറ്റവും മികച്ച അറിവ്, എങ്ങനെ കണ്ടെത്താം എന്ന, വെബിന് “പുതിയതായ” ഒരു പഴയ പ്രശ്നത്തിലും അവർക്ക് പരിചയമുണ്ടായിരുന്നു. പഴയ മാതൃകയിൽ, ഒരാളുടെ ഗവേഷണം ഉപയോഗപ്രദമാണോ വിശ്വസനീയമാണോ എന്ന് അക്കാദമിക് വിദഗ്ധർ വിലയിരുത്തുന്നത് അത് എത്ര തവണ ഉദ്ധരിക്കപ്പെട്ടിട്ടുണ്ട് എന്നതിനെ അടിസ്ഥാനമാക്കിയാണ്.

അങ്ങനെ, ഇന്റർനെറ്റിലെ ഓരോ വെബ്‌സൈറ്റിനെയും, മറ്റ് എത്ര വെബ്‌സൈറ്റുകൾ അതിനെ ഉദ്ധരിച്ചു അല്ലെങ്കിൽ അതിലേക്ക് ലിങ്ക് ചെയ്തു എന്നതിന്റെ അടിസ്ഥാനത്തിൽ, ആ സൈറ്റുകളിലെ ഉള്ളടക്കവുമായുള്ള ബന്ധം കൂടി കണക്കിലെടുത്ത് വിലയിരുത്തുന്ന ഒരു അൽഗോരിതം നിർമ്മിക്കാനുള്ള ആശയം അവർക്കുണ്ടായി.

വെബിലെ ഓരോ പേജിനെയും അവർ റാങ്ക് ചെയ്തിരുന്നതുകൊണ്ടും, ഈ PhD വിദ്യാർത്ഥികളിൽ ഒരാളുടെ പേര് ലാറി പേജ് എന്നായിരുന്നതുകൊണ്ടും, അവർ ആ സംവിധാനത്തെ “പേജ് റാങ്ക്” എന്നു വിളിച്ചു.

ലാറിയും അദ്ദേഹത്തിന്റെ പങ്കാളിയും (സെർഗെയ് ബ്രിൻ) ഈ ചെറിയ അക്കാദമിക തത്വം എടുത്ത് അത് മുഖ്യധാരയ്ക്ക് ലഭ്യമാക്കി. നൂറു വർഷമായി സർവകലാശാലകൾ ചെയ്തുകൊണ്ടിരുന്ന കാര്യം ലാറി പേജ് ലളിതമായി സ്വീകരിച്ച് രൂപപ്പെടുത്തിയതുകൊണ്ടാണ് Google ചരിത്രത്തിലെ ഏറ്റവും ഉപയോഗപ്രദമായ ഉപകരണങ്ങളിലൊന്നും ഏറ്റവും വിജയകരമായ ബിസിനസുകളിലൊന്നുമായി മാറിയത്.

ഞാൻ പറഞ്ഞതുപോലെ, സർവകലാശാലയുടെ ലക്ഷ്യം അറിവിനെ മുന്നോട്ടു കൊണ്ടുപോകുക എന്നതാണ്. ഈ പ്രഭാഷണത്തിൽ അറിവിനെക്കുറിച്ച് മൂന്നു കാര്യങ്ങൾ ഞാൻ നിങ്ങളോടു പറയാൻ പോകുന്നു. നമ്മുടെ സ്വന്തം അറിവിനെക്കുറിച്ച് ചിന്തിക്കുന്നതിലൂടെ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനെക്കുറിച്ച് കൂടുതൽ പ്രായോഗികമായ ഒരു ധാരണയിലെത്താൻ നമുക്ക് കഴിയുമെന്നാണ് എന്റെ പ്രതീക്ഷ.

1.

ഒന്നാമതായി, അറിവിന് ഒരു ജീവിതമുണ്ട്. അത് ജനിക്കുന്നു, ക്ഷയിക്കുന്നു, മരിക്കുന്നു.

അതിന് ഒരു ജീവിതചക്രമുണ്ട്. ഒരു ജീവിതചക്രമുള്ളതുകൊണ്ട്, അറിവ് പരിണാമത്തിന് വിധേയമാകുന്നു.

നമുക്കറിയാവുന്ന കാര്യങ്ങൾ പരിണമിക്കുന്നതിനനുസരിച്ച്, നാമെല്ലാവരും കൂടുതൽ ബുദ്ധിയുള്ളവരായിക്കൊണ്ടിരിക്കുന്നു. ഇതിനെ ഫ്ലിൻ ഇഫക്റ്റ് എന്നു വിളിക്കുന്നു. ഓരോ ദശകത്തിലും മനുഷ്യരാശിയുടെ ബുദ്ധി ഏകദേശം 3 IQ പോയിന്റ് വീതം വർധിച്ചുവരുന്നു എന്ന നിരീക്ഷണമാണ് ഫ്ലിൻ ഇഫക്റ്റ്.

ശരാശരി 100-ൽ നിലനിർത്തുന്നതിനായി IQ ടെസ്റ്റുകൾ നിരന്തരം പുനർമാനകീകരിക്കപ്പെടുന്നു, അതിനാൽ ഫ്ലിൻ ഇഫക്റ്റിനെക്കുറിച്ച് ചിന്തിക്കാനുള്ള എളുപ്പവഴി പെർസെന്റൈലുകളിലൂടെയാണ്. 1950-ൽ ബുദ്ധിയിൽ 92-ാം പെർസെന്റൈലിലുണ്ടായിരുന്ന ഒരാൾ ഇന്ന് 50-ാം പെർസെന്റൈലിൽ മാത്രമായിരിക്കും. നാമെല്ലാവരും കൂടുതൽ ബുദ്ധിയുള്ളവരായി.

ട്യൂറിങ് ടെസ്റ്റ് കണ്ടുപിടിക്കപ്പെട്ടതും 1950-ൽ തന്നെയാണ്. ഒരു യന്ത്രം മനുഷ്യരേക്കാൾ ബുദ്ധിയുള്ളതാണോ, അല്ലെങ്കിൽ എപ്പോഴാണ് അങ്ങനെയാകുന്നത് എന്ന് നിർണ്ണയിക്കാനുള്ള ആദ്യത്തെ പരീക്ഷണമായിരുന്നു അത്. അതിനർത്ഥം, 1950-ൽ ഒരു യന്ത്രത്തിന് ട്യൂറിങ് ടെസ്റ്റ് വിജയിക്കുക വളരെ എളുപ്പമായിരുന്നു എന്നാണ്. കാരണം “മനുഷ്യ” ബുദ്ധിയുടെ നിലവാരം അന്ന് താഴ്ന്നതായിരുന്നു.

അതാണ് പരിണാമത്തിന്റെ ശക്തി. അറിവ് എപ്പോഴും കൂടുതൽ അറിവിലേക്ക് നയിക്കുന്നു.

ഇതിന്റെ മറുവശം, ലോകം കൂടുതൽ ബുദ്ധിയുള്ളതാകുമ്പോഴും ഒരു വ്യക്തി എന്ന നിലയിൽ നിങ്ങളുടെ ബുദ്ധി കുറഞ്ഞുപോകാം എന്നതാണ്. അറിവ് ക്ഷയിക്കുന്നു. അതിനെ ഒരു അർദ്ധായുസ്സ് പോലെ കരുതുക. ഒരു റേഡിയോ ആക്ടീവ് മൂലകത്തിന്റെ പകുതി ക്ഷയിക്കാൻ എടുക്കുന്ന സമയമാണ് അതിന്റെ അർദ്ധായുസ്സ്. അറിവിന്റെ അർദ്ധായുസ്സ് എന്നത് അതിന്റെ പകുതി കാലഹരണപ്പെടാൻ എടുക്കുന്ന സമയമാണ്.

ഇവിടെ കേംബ്രിജിൽനിന്നുതന്നെയുള്ള ചില ഉദാഹരണങ്ങൾ ഇതാ.

1978-ൽ, സർ റോയ് കാൽൻ അവയവമാറ്റ ശസ്ത്രക്രിയയിൽ സൈക്ലോസ്പോറിൻ അവതരിപ്പിക്കാൻ സഹായിച്ചു. അവയവ നിരാകരണം തടയുന്നതിൽ ഇത് പ്രധാനമായിരുന്നു. ആദ്യത്തെ ക്ലിനിക്കൽ പരീക്ഷണങ്ങൾ നടന്നത് കേംബ്രിജിലായിരുന്നു. 2001 ആയപ്പോഴേക്കും, ടാക്രോലിമസ് എന്ന മറ്റൊരു മരുന്ന് അമേരിക്കയിലെ വൃക്ക മാറ്റിവയ്ക്കലിൽ അതിന്റെ വിഭാഗത്തിലെ പ്രധാന ചികിത്സയായി മാറിയിരുന്നു. അതിനാൽ സൈക്ലോസ്പോറിൻ ചികിത്സയെക്കുറിച്ചുള്ള വൈദ്യശാസ്ത്ര അറിവിന് 23 വർഷത്തെ അർദ്ധായുസ്സ് ഉണ്ടായിരുന്നു എന്ന് പറയാം.

ഇതൊരു അപൂർണ്ണമായ അളവുകോലാണ്, പക്ഷേ അതിവേഗം പരിണമിക്കുന്ന മേഖലകളിലെ എഞ്ചിനീയർമാരെ വിലയിരുത്താൻ ഉപയോഗപ്രദമായ ഒരു മാതൃകയാണിത്. ടെക് മേഖലയിൽ ഞങ്ങൾ ഇങ്ങനെ ചെയ്യാറുണ്ട്. ഇതിന്റെ സൂചന ഇതാണ്: “ഈ എഞ്ചിനീയറുടെ കരിയറിലെ ഏത് ഘട്ടത്തിലാണ് അവർക്കറിയാവുന്നതിന്റെ പകുതി പൂർണ്ണമായും കാലഹരണപ്പെടുന്നത്?”

നിങ്ങളുടെ കരിയറിലെ ഏത് ഘട്ടത്തിലായിരിക്കും നിങ്ങൾക്ക് ഇത് സംഭവിക്കുക? പുതിയ കാര്യങ്ങൾ പഠിക്കാൻ നിങ്ങൾ എത്ര സമയം ചെലവഴിക്കുന്നു എന്നതിനെ ആശ്രയിച്ചിരിക്കും അതിന്റെ ഉത്തരം.

ദുഃഖകരമെന്നു പറയട്ടെ, അപൂർവം ചില സന്ദർഭങ്ങളിൽ അറിവും മരിക്കുന്നു. സംസാരിക്കാൻ ഇനി ആരും ബാക്കിയില്ലാത്ത ഭാഷകളുണ്ട്. ഒരു മുതിർന്നയാളോടൊപ്പം മരിച്ചുപോകുന്ന ജ്ഞാനമുണ്ട്.

അതുകൊണ്ടാണ് 4,000-ലേറെ വർഷങ്ങളായി മനുഷ്യർ ഗ്രന്ഥശാലകൾ നിർമ്മിച്ചുപോരുന്നത്. വെബ് വന്നപ്പോൾ, നമുക്കറിയാവുന്നതിന്റെ എത്രയോ മടങ്ങ് നാം അതിലേക്ക് ചേർത്തു. അതുകൊണ്ട് അറിവ് മരിക്കുന്നു, പക്ഷേ അങ്ങനെ സംഭവിക്കണമെന്നില്ല. മനുഷ്യാവസ്ഥയുടെ ഒരു സഹജമായ സവിശേഷത എന്ന നിലയിലാകാം, അറിവ് സംരക്ഷിക്കാൻ ആളുകൾ എന്നും നിർബന്ധിതരായിട്ടുണ്ട്. നാം നിരന്തരം അത് സംരക്ഷിക്കുകയും ലോകത്തിന്റെ ആകെ അറിവ് വളർത്തുകയും ചെയ്യുന്നു. അതൊരു നല്ല കാര്യമാണ്.

ഒരു കാര്യം ഞാൻ എടുത്തുപറയണം: അറിവ് ഒരു ജീവനുള്ള വസ്തുവിനെ പോലെയാണ്, പക്ഷേ അതിന് ജീവനില്ല. നിങ്ങൾക്ക് മാത്രമേ ജീവനുള്ളൂ. നിങ്ങൾ പുതിയതെന്തെങ്കിലും പഠിക്കുമ്പോഴാണ് നിങ്ങൾ കൂടുതൽ ജീവസ്സുറ്റവരാകുന്നത് എന്നാണ് എനിക്കു തോന്നുന്നത്.

പറഞ്ഞുവരുമ്പോൾ, Perplexity നിലനിൽക്കുന്നതും ഇതുകൊണ്ടാണ്. പക്ഷേ Perplexity-യെക്കുറിച്ച് സംസാരിക്കാനല്ല ഞാൻ ഇവിടെ വന്നത്. നിങ്ങളെക്കുറിച്ചും അറിവിന്റെ സമ്പദ്‌വ്യവസ്ഥയെക്കുറിച്ചും സംസാരിക്കാനാണ് ഞാൻ ഇവിടെ വന്നത്. അത് എന്നെ എന്റെ രണ്ടാമത്തെ കാര്യത്തിലേക്ക് എത്തിക്കുന്നു.

2.

രണ്ടാമതായി, അറിവ് പണമല്ല. പക്ഷേ അത് പണം പോലെ പെരുമാറുന്നു.

പണത്തിന് ഒരു സമയമൂല്യമുണ്ട്. പലിശ അതിനെ വളർത്തുന്നു, പണപ്പെരുപ്പം അതിനെ ചുരുക്കുന്നു. ആവശ്യത്തിന് സമയം നൽകിയാൽ, പലിശയും പണപ്പെരുപ്പവും കൂട്ടുപലിശ പോലെ പെരുകുന്നു.

ഒരു ലക്ഷം പൗണ്ടിന് നാൽപ്പതിനായിരം പൗണ്ടിന്റെ വാങ്ങൽശേഷി മാത്രമാകുമ്പോൾ (ഏകദേശം 23 വർഷത്തിനുള്ളിൽ അത് സംഭവിച്ചേക്കാം), നഷ്ടമില്ലാതെ തുടരാൻ നിങ്ങൾക്ക് £2,50,000 വേണ്ടിവരും. അതിനുശേഷം മറ്റൊരു 23 വർഷം കഴിയുമ്പോൾ നിങ്ങൾക്ക് £6,25,000 വേണ്ടിവരും.

കാര്യങ്ങൾ കൂട്ടുപലിശ പോലെ പെരുകുമ്പോൾ, നേട്ടങ്ങളോ നഷ്ടങ്ങളോ കാലക്രമേണ ക്രമാതീതമായി വളരുന്നു.

അതുകൊണ്ടാണ്, പണപ്പെരുപ്പത്തേക്കാൾ ഉയർന്ന നിരക്കിൽ നിങ്ങൾ എപ്പോഴും കൂട്ടുപലിശ നേടിക്കൊണ്ടിരിക്കണം എന്നത് ഏറ്റവും അടിസ്ഥാനപരമായ സാമ്പത്തിക തത്വമാകുന്നത്. കാരണം നിങ്ങൾ വളരുന്നില്ലെങ്കിൽ, നിങ്ങൾ ചുരുങ്ങുകയാണ്. അറിവും അങ്ങനെതന്നെയാണ്.

ഒരു പൗണ്ടിന്റെ മൂല്യം പോലെതന്നെ, ഇന്ന് നിങ്ങൾക്കറിയാവുന്നതിന്റെ മൂല്യവും കാലക്രമേണ ഇടിയും. സാധാരണ മൂല്യത്തകർച്ച പോലെതന്നെ, ഓരോ ദിവസവും വളരെ ചെറിയ അളവിൽ മാത്രമായിരിക്കും ഇത് സംഭവിക്കുക. നിങ്ങൾ അത് ശ്രദ്ധിക്കുകപോലുമില്ലാത്തത്ര ചെറുതായിരിക്കും അത്. ഒരു ദിവസം ഉണരുമ്പോൾ കയ്യിൽ ഒന്നുമില്ലെന്ന് തിരിച്ചറിയുന്നതുവരെ. നിങ്ങളുടെ അറിവിന് പിന്നെ അതേ വിപണിമൂല്യം ഉണ്ടാകില്ല. ഇത് അനിവാര്യമാണ്. ഓർക്കുക, പൈഥഗോറസ് സിദ്ധാന്തം ഒരുകാലത്ത് ഉന്നതവർഗ്ഗത്തിന് മാത്രം അറിയാൻ അനുവാദമുണ്ടായിരുന്ന ഒന്നായിരുന്നു. പക്ഷേ ഇവിടെയുള്ള എല്ലാവരും ഏഴാം ക്ലാസിൽ അത് പഠിച്ചു.

നാമെല്ലാവരും എന്നെന്നേക്കുമായി കൂടുതൽ ബുദ്ധിയുള്ളവരായിക്കൊണ്ടിരിക്കും. ഞാൻ പറഞ്ഞതുപോലെ, സർവകലാശാലയുടെ മുഴുവൻ ലക്ഷ്യവും ഇതുതന്നെയാണ്. ഭാഗ്യമുണ്ടെങ്കിൽ, വിദൂരഭാവിയിൽ എന്നെങ്കിലും, നിങ്ങൾ ഇവിടെ കേംബ്രിജിൽ പഠിച്ച കാര്യങ്ങൾ ഏഴാം ക്ലാസ് വിദ്യാർത്ഥികളുടെ പാഠ്യപദ്ധതിയായേക്കാം.

അങ്ങനെ സംഭവിക്കുന്നുവെങ്കിൽ അതൊരു നല്ല കാര്യമാണ്. അത് പുരോഗതിയെ സൂചിപ്പിക്കുന്നു. പക്ഷേ നിങ്ങളുടെ സാമ്പത്തിക ലക്ഷ്യങ്ങൾ നേടാൻ നിങ്ങൾ ഒരിക്കലും പഠനം നിർത്തരുത് എന്നും അതിനർത്ഥമുണ്ട്. അറിവിന്റെ പണപ്പെരുപ്പ നിരക്കിനേക്കാൾ ഉയർന്ന പലിശനിരക്കിൽ നിങ്ങൾ പഠിക്കണം.

മറ്റൊരു രീതിയിൽ പറഞ്ഞാൽ, നിങ്ങളുടെ സ്വന്തം അറിവിന്റെ അർദ്ധായുസ്സിനേക്കാൾ വേഗത്തിൽ നിങ്ങൾക്കറിയാവുന്നതിനെ ഇരട്ടിയാക്കണം. ഇതിന് സമയമെടുക്കും. പക്ഷേ കൂട്ടുപലിശയുടെ കണ്ണിലൂടെ ലോകത്തെ നോക്കുമ്പോൾ, ദീർഘമായ ഒരു ഭാവി മുന്നിൽക്കണ്ടുവേണം നിങ്ങൾ അതിനെ കാണാൻ.

അതുകൊണ്ടാണ് നിങ്ങളുടെ സമ്പത്ത് കൂട്ടുപലിശയിലൂടെ വളർത്താനുള്ള ഏറ്റവും നല്ല തന്ത്രം ചെറുപ്പത്തിലേ തുടങ്ങുക എന്നതും, രണ്ടാമത്തെ മികച്ച മാർഗം ദീർഘകാലം ജീവിക്കുക എന്നതും. വാറൻ ബഫറ്റ് 11-ാം വയസ്സിൽ നിക്ഷേപം തുടങ്ങി, പക്ഷേ അദ്ദേഹത്തിന്റെ സമ്പത്തിന്റെ 99%-വും സമാഹരിക്കപ്പെട്ടത് 65 വയസ്സിനുശേഷമാണ്.

അത് അറിവും പണവും തമ്മിലുള്ള അവസാനത്തെ സാമ്യത്തിലേക്ക് സൂചന നൽകുന്നു. നിങ്ങൾ അത് ചെലവഴിക്കണം.

മൂലധനം ഉള്ളപ്പോൾ, ജോലി ചെയ്യാനായി നിങ്ങൾ അത് വിനിയോഗിക്കുന്നു. അറിവ്, പ്രത്യേകിച്ച് അസാധാരണമായ അറിവ്, ഉള്ളപ്പോൾ നിങ്ങൾ അതിനെ പ്രയോജനപ്പെടുത്തണം. അതുകൊണ്ട് എന്തെങ്കിലും ചെയ്യുക. കണ്ടുപിടിത്തവും നവീകരണവും തമ്മിലുള്ള വ്യത്യാസം അതാണ്. കണ്ടുപിടിത്തം ചോദിക്കുന്നു, “നിങ്ങൾ എന്തെങ്കിലും ഉണ്ടാക്കിയോ?” നവീകരണം ചോദിക്കുന്നു, “അത് എന്തെങ്കിലും മാറ്റമുണ്ടാക്കിയോ?”

നിങ്ങൾക്ക് ഒരു മാറ്റമുണ്ടാക്കണമെങ്കിൽ, അറിവിനെ അടിസ്ഥാനമാക്കി നിങ്ങൾ പ്രവർത്തിക്കണം. പ്രവൃത്തി മാത്രമാണ് പുതിയ ചോദ്യങ്ങൾക്കും അന്വേഷണത്തിനും പുതിയ അറിവിനും തുടക്കമിടുന്നത്. നിങ്ങൾ എപ്പോഴും പഠിച്ചുകൊണ്ടും എപ്പോഴും പ്രവർത്തിച്ചുകൊണ്ടുമിരിക്കണം.

ഇവിടെയാണ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് കടന്നുവരുന്നത്, അത് എന്നെ എന്റെ മൂന്നാമത്തെയും അവസാനത്തെയും കാര്യത്തിലേക്ക് എത്തിക്കുന്നു.

3.

മനുഷ്യന്റെ അറിവും സമൃദ്ധിയും ത്വരിതപ്പെടുത്തുക എന്നതാണ് AI-യുടെ ലക്ഷ്യം.

ഇന്ന് വൈകുന്നേരം ഞാൻ പറഞ്ഞ ആദ്യത്തെ രണ്ടു കാര്യങ്ങൾ പരിഗണിക്കുക. അറിവിന് ജീവസമാനമായ സ്വഭാവമുണ്ടെന്നും, പൊതുവെ ആളുകൾക്ക് പ്രയോജനം ലഭിക്കുന്നതിനാൽ നാം അതിനെ പരിപോഷിപ്പിക്കുകയും മുന്നോട്ടു കൊണ്ടുപോകുകയും വേണമെന്നും ഞാൻ പറഞ്ഞു. പിന്നീട്, അറിവിന് ഒരു സാമ്പത്തിക സ്വഭാവമുണ്ടെന്ന് ഞാൻ പറഞ്ഞു. പൊതുവായി പറഞ്ഞാൽ എല്ലാ ആളുകൾക്കും പ്രയോജനം ലഭിക്കുന്നതിനാൽ, നാം അതിനെ വളർത്തിയെടുക്കണമെന്നും.

ഈ രണ്ടു കാര്യങ്ങളും നിങ്ങൾ വിശ്വസിക്കുന്നുവെങ്കിൽ, AI-യെക്കുറിച്ചും നിങ്ങൾ അൽപം വ്യത്യസ്തമായി ചിന്തിക്കേണ്ടിവരും.

AGI നേടിയെടുക്കുന്നതിലോ സാങ്കേതികവിദ്യയ്ക്കുവേണ്ടി മാത്രം സാങ്കേതികവിദ്യയെ ബുദ്ധിയുള്ളതാക്കുന്നതിലോ അഭിനിവേശം കാണിക്കുന്നതിനു പകരം, മികച്ചതും കൂടുതൽ കൃത്യതയുള്ളതുമായ AI നിർമ്മിക്കുന്നതിന്റെ കാരണം ആളുകളെ സേവിക്കുക എന്നതാണെന്ന് നിങ്ങൾ നിഗമനത്തിലെത്തും.

നിങ്ങൾ ഇങ്ങനെ നിഗമനത്തിലെത്തും: AI-യുടെ ഏറ്റവും ഉന്നതവും ഏറ്റവും പ്രധാനപ്പെട്ടതുമായ ലക്ഷ്യം ആളുകളെ കൂടുതൽ ബുദ്ധിയുള്ളവരും കൂടുതൽ സമൃദ്ധിയുള്ളവരുമാക്കുക എന്നതാണ്.

ഇത് സർവകലാശാലയുടെ ലക്ഷ്യവുമായി ഏറെ സാമ്യമുള്ളതായി തോന്നുന്നുവെങ്കിൽ, അതുകൊണ്ടാണല്ലോ നാം ഇവിടെയുള്ളത്.

പിയർ റിവ്യൂവിനെക്കുറിച്ച് വീണ്ടും ചിന്തിക്കുക. അത് കണ്ടുപിടിക്കപ്പെട്ടത് 1831-ലാണ്. ഈ വർഷം, OpenAI-യുടെ സ്ഥാപക ഗവേഷകരിൽ ഒരാൾ മുന്നോട്ടുവച്ച ഒരു ആശയത്തെ അടിസ്ഥാനമാക്കി, Model Council എന്ന വളരെ ലളിതമായ ഒരു ഉൽപ്പന്നം Perplexity പുറത്തിറക്കി. നിങ്ങൾ മൂന്ന് AI മോഡലുകളോട് ഒരേ ചോദ്യം ചോദിക്കുന്നു. അവ ഓരോന്നും ഗവേഷണം നടത്തി ഉത്തരം നൽകുന്നു, തുടർന്ന് ഒരു “അധ്യക്ഷ” മോഡൽ അവ എവിടെയൊക്കെ വിയോജിക്കുന്നു, യോജിക്കുന്നു എന്ന് വിലയിരുത്തി, യുക്തിപൂർവം ഒരു അന്തിമ ഉത്തരത്തിലെത്തുന്നു.

Model Council പിയർ റിവ്യൂവിന് പകരമാകുന്നില്ല. പകരം, അക്കാദമിക അന്വേഷണത്തിന്റെ ചൈതന്യം കൂടുതൽ ആളുകളിലേക്ക് എത്തിക്കുക എന്നതാണ് അതിന്റെ ലക്ഷ്യം. ഒരു സർവകലാശാലയുടെ മൂല്യബോധം ഈ മതിലുകൾക്കപ്പുറത്തേക്ക്, ലോകമെമ്പാടും വ്യാപിപ്പിക്കാൻ നമുക്ക് കഴിയും.

വെറുതെ ശരിയാണെന്ന് തോന്നുകയോ ശരിയാണെന്ന് തോന്നിപ്പിക്കുകയോ ചെയ്യുന്നതിനപ്പുറം, യഥാർത്ഥത്തിൽ ശരിയായിരിക്കാൻ കൂടുതൽ ആളുകളെ നമുക്ക് സഹായിക്കാനാകും. ശാസ്ത്രീയമായി സത്യവും അറിവും തേടാൻ. പ്രപഞ്ചത്തിന്റെ ഗതി, എല്ലാവർക്കും കൂടുതൽ അറിവിലേക്ക് കൂടുതൽ പ്രാപ്യത ലഭിക്കുന്നതിലേക്കാണ്. ആളുകൾക്ക് അറിവുണ്ടാകുന്നത് നല്ലതാണ്. പ്രയോജനം ലഭിക്കുന്നതും ആളുകൾക്കാണ്.

എന്റെ കമ്പനിയെക്കുറിച്ചുള്ള ഒരു ചെറിയ കഥയോടെ ഞാൻ അവസാനിപ്പിക്കാം.

ഞങ്ങൾ തുടങ്ങുമ്പോൾ, കാഴ്ചപ്പാടിനേക്കാളേറെ ചോദ്യങ്ങളുള്ള മൂന്ന് AI ഗവേഷകർ മാത്രമായിരുന്നു ഞങ്ങൾ. പിന്നീട്, നാലാമതൊരാൾ എത്തിയപ്പോൾ, ആരോഗ്യ ഇൻഷുറൻസ് എടുക്കാൻ സമയമായെന്ന് ഞങ്ങൾ തീരുമാനിച്ചു. അമേരിക്കയിലെ ആരോഗ്യ ഇൻഷുറൻസ് അമേരിക്കക്കാർക്കുപോലും സങ്കീർണ്ണമാണ്. ഞാൻ അമേരിക്കക്കാരനല്ല, അതുകൊണ്ട് എനിക്കത് കൂടുതൽ ആശയക്കുഴപ്പമുണ്ടാക്കി.

Google ഫലങ്ങൾ ഒട്ടും സഹായിച്ചില്ല. ഇത്തരം സാഹചര്യത്തിൽ ഒരു സ്ഥാപകൻ സാധാരണ ചെയ്യുന്നത്, മുമ്പ് ഇത് ചെയ്തിട്ടുള്ള ആരെയെങ്കിലും വിളിക്കുക എന്നതാണ്. ഒരു നിക്ഷേപകനെയോ മറ്റൊരു സ്ഥാപകനെയോ പോലെ. പക്ഷേ അപ്പോൾ രാത്രി വൈകിയിരുന്നു. എനിക്കത് പൂർത്തിയാക്കണമായിരുന്നു, അതുകൊണ്ട് ആ അറിവ് എനിക്കുതന്നെ കണ്ടെത്തേണ്ടിവന്നു.

അതിലെ പ്രശ്നം, സ്വയം ഗവേഷണം നടത്തുക എന്നാൽ, ഏറ്റവും വിശ്വസനീയമെന്ന് തോന്നിപ്പിക്കാൻ മത്സരിക്കുന്ന, മോശം ഉപദേശങ്ങൾ മാത്രം നൽകുന്ന SEO-ഒപ്റ്റിമൈസ് ചെയ്ത ഇൻഷുറൻസ് സൈറ്റുകളിലൂടെ Google ചെയ്ത് നീങ്ങേണ്ടിവരും എന്നതാണ്.

അപ്പോഴാണ് ഞാൻ Perplexity-യുടെ ആദ്യ പതിപ്പ് നിർമ്മിച്ചത്.

അത് എനിക്കുവേണ്ടി ഗവേഷണം നടത്തി. ഉത്തരങ്ങൾക്ക് ഉറവിടങ്ങൾ ഉദ്ധരിക്കാൻ ഞാൻ അതിനെക്കൊണ്ട് ചെയ്യിച്ചു. അങ്ങനെ എനിക്ക് പരിശോധിക്കാനും കൂടുതൽ ചോദ്യങ്ങൾ ചോദിച്ചുകൊണ്ടിരിക്കാനും കഴിഞ്ഞു. പിന്നെ ഞാൻ ഞങ്ങളുടെ ആരോഗ്യ പരിരക്ഷ ഏർപ്പാടാക്കി. പ്രശ്നം പരിഹരിച്ചു. അടുത്ത പ്രശ്നത്തിലേക്ക്. പിന്നെ അടുത്ത പ്രശ്നം, അതിനടുത്ത പ്രശ്നം. അങ്ങനെ നാം ഇന്ന് ഇവിടെയെത്തി.

ആ കഥയുടെ ഗുണപാഠം, ഇനി നിങ്ങൾക്ക് “പരിചയമുള്ള ഒരാളെ” ആവശ്യമില്ല എന്നതാണ്. നിങ്ങൾക്ക് കാര്യങ്ങൾ പഠിച്ച് സ്വയം ചെയ്യാം. AI-യുടെ വാഗ്ദാനം നിങ്ങൾക്ക് ഏത് അറിവും നേടാനാകും എന്നതാണെന്ന് ഞാൻ ഇതിനകം പറഞ്ഞു. ഈ കഥയുടെ ഗുണപാഠം, ഏതൊരു വ്യക്തിക്കും ഏത് അറിവും നേടാനാകും എന്നതാണ്.

ഇതാണ് AI-യുടെ പരമമായ വാഗ്ദാനം. ഇന്ന് ആർക്കും ജിജ്ഞാസുവാകാം. ആർക്കും എന്തും നിർമ്മിക്കാം. ആർക്കും ഇന്ന് അറിവിന്റെ ക്ഷേത്രത്തിൽ പ്രവേശിക്കാം. അത് എല്ലാവർക്കും ഗുണം ചെയ്യുന്നു.

അത് നിങ്ങൾക്ക് ഒരു നല്ല വാർത്തയാണ്. ജീവിതകാലം മുഴുവൻ നിങ്ങൾക്ക് ചെയ്യാനാകുന്ന ഏറ്റവും പ്രധാനപ്പെട്ട കാര്യം ജിജ്ഞാസുവായിരിക്കുക എന്നതാണ് എന്നാണ് അതിനർത്ഥം. നിങ്ങളിൽ ഏറ്റവും വിജയിക്കുന്നത് ഏറ്റവുമധികം ചോദ്യങ്ങളുള്ളവരായിരിക്കും. ഏറ്റവും മികച്ച ചോദ്യങ്ങളും.

അതുകൊണ്ട് എനിക്ക് നിങ്ങളോടു പറയാനുള്ള ഉപദേശം, കഴിയുന്നത്ര ജിജ്ഞാസുക്കളാകുക എന്നതാണ്. ഫോണിൽ സോഷ്യൽ മീഡിയ സ്ക്രോൾ ചെയ്യുന്നതിൽ തൃപ്തിപ്പെടരുത്. അത്താഴത്തിന് റിസർവേഷൻ ചെയ്യുക മാത്രം ചെയ്യുന്ന ഒരു AI ഏജന്റിൽ തൃപ്തിപ്പെടരുത്–അതുപയോഗിച്ച് യഥാർത്ഥ ജോലി ചെയ്യുക. നിങ്ങൾ ഇതിനകം ശരിയാണെന്ന് പറയുന്ന ഒരു ചാറ്റ്ബോട്ടിനെ ഒരിക്കലും വിശ്വസിക്കരുത്.

അന്വേഷണത്തിന്റെ ചൈതന്യത്തിൽ വിശ്വസിക്കുക. AI ഉപയോഗിച്ച് നിങ്ങൾക്ക് എന്തെല്ലാം പഠിക്കാനാകുമെന്നതിൽ വിശ്വസിക്കുക. അങ്ങനെ ചെയ്യുമ്പോൾ നിങ്ങൾ എന്ത് സൃഷ്ടിക്കുമെന്നതിൽ വിശ്വസിക്കുക. നമുക്കെല്ലാവർക്കും വേണ്ടി, അത് മികച്ചതാക്കുക.

നന്ദി.