സാങ്കേതിക ലോകം ഉറുമ്പുകളുടെ പിറകേ പോകാൻ തുടങ്ങിയിട്ടും ഉറുമ്പുകളെ അനുകരിക്കാൻ തൂടങ്ങിയിട്ടും അധികകാലം ആയിട്ടില്ല

68

സുജിത് കുമാർ
·
ഉറുമ്പുകളെ നിരീക്ഷിച്ചിട്ടുണ്ടോ? ഭക്ഷണത്തരികൾ എവിടെ ഇട്ടാലും ഒരു ഉറുമ്പ് അത് കണ്ടുപിടിക്കുകയും ഒന്നിനു പിറകേ ഒന്നായി ഉറുമ്പിൻ കൂട്ടങ്ങൾ അതിലേക്ക് എത്തിച്ചേരുകയും അവ ചുമന്നുകൊണ്ട് കൂട്ടിലേക്ക് പോവുകയും ചെയ്യുന്നു. ഉറുമ്പുകൾക്ക് വേലികളോ മതിലുകളോ തടസ്സമാകുന്നില്ലെങ്കിലും അവ ഒരു പ്രത്യേക രീതിയിൽ ഭക്ഷണം കിട്ടുന്ന ഇടങ്ങളിൽ നിന്ന് അവയുടെ കൂടുകളിലേക്ക് വഴി വെടുന്നു. എല്ലാ ഉറുമ്പുകളും ഇതേ വഴി പിൻതുടരുന്നു. ഉറുമ്പുകളുടെ ഈ വഴികണ്ടുപിടിക്കലും വഴി പിൻതുടരലുമൊക്കെ ശാസ്ത്ര ലോകം വർഷങ്ങൾക്കു മുൻപേ തന്നെ നിരീക്ഷണ പരീക്ഷണങ്ങൾക്ക് വിധേയമാവുകയും ‘ഫിറമോണുകൾ’ എന്നറിയപ്പെടുന്ന രാസവസ്തു പോകുന്ന വഴിയിലൂടെയെല്ലാം ഉപേക്ഷിച്ച് പോവുന്നതിലൂടെ അത് തിരിച്ചറിഞ്ഞാണ്‌ മറ്റ് ഉറുമ്പുകൾ പാത പിൻതുടരുന്നതെന്നുമൊക്കെ കണ്ടെത്തിയിട്ടുണ്ട്. ഇത് ശാസ്ത്ര ലോകത്തിന്റെ കാര്യം.

സാങ്കേതിക ലോകം ഉറുമ്പുകളുടെ പിറകേ പോകാൻ തുടങ്ങിയിട്ടും ഉറുമ്പുകളെ അനുകരിക്കാൻ തൂടങ്ങിയിട്ടും അധികകാലം ആയിട്ടില്ല. 1992 ൽ ഇറ്റലിക്കാരനായ മാർകോ ഡോറിഗോ എന്ന ഇറ്റാലിയൻ എഞ്ചിനീയർ ആണ്‌ ഉറുമ്പുകളെ സാങ്കേതിക വിദ്യകളുമായി ബന്ധപ്പെടുത്തിയുള്ള ഒരു പഠനം നടത്തിയത്. അതായത് ഉറുമ്പുകളുടെ പരസ്പര സഹകരണത്തോടെയുള്ള ഈ പെരുമാറ്റ രീതികൾ സാങ്കേതിക ലോകത്ത് പ്രയോജനപ്പെടുത്താൻ കഴിയുമോ എന്നതിനെക്കുറിച്ചുള്ള ഒരു പഠനം. ഉറുമ്പുകൾക്ക് പകരം ഉറുമ്പുകളുടെ സ്വഭാവമുള്ള കൃത്രിമ ഉറുമ്പുകൾക്ക് ആർട്ടിഫിഷ്യൽ ഫിറമോണുകൾ ഉപയോഗിച്ച് ഉറുമ്പുകളുടേതുപോലെത്തന്നെ ഒരു പൊതു നിയന്ത്രണ സംവിധാനത്തിന്റെ ആവശ്യമില്ലാതെ ഒരു സ്ഥലത്തു നിന്ന് മറ്റൊരു സ്ഥലത്തേയ്ക്ക് വളരെ എളുപ്പത്തിൽ എത്തിച്ചേരാൻ കഴിയുന്ന തരത്തിലുള്ള ഒരു സാങ്കേതിക വിദ്യ അദ്ദേഹം വിഭാവനം ചെയ്തു. അതിന്റെ പേരാണ്‌ ‘ആന്റ് കൊളനി സിസ്റ്റവും അതിനെ തുടർന്ന് വന്ന ആന്റ് കോളനി ഒപ്റ്റിമൈസേഷൻ സാങ്കേതിക വിദ്യകളുമൊക്കെ – (Ant Colony Optimization).
ഇവിടെ കൃത്രിമ ഉറുമ്പുകൾ എന്നാൽ എന്തും ആകാം.

ഓട്ടോണമസ് വെഹിക്കിളുകൾ, റോബൊട്ടുകൾ തുടങ്ങിയ ഭൗതികമായ വസ്തുക്കൾ മുതൽ ഒരിടത്തു നിന്നും മറ്റൊരിടത്തേയ്ക്ക് അയക്കുന്ന ഡാറ്റാ പാക്കറ്റുകൾ വരെ ഉറുമ്പുകളുടെ സാങ്കേതിക വിദ്യ ഉപയോഗിച്ച് ഊർജ്ജക്ഷമമായ രീതിയിൽ അവയുടെ ലക്ഷ്യം കാണാൻ കഴിയുന്നു. ഒന്നു കൂടി വിശദമായിപ്പറഞ്ഞാൽ ഉറുമ്പുകൾക്ക് പകരം പ്രത്യേകിച്ച് ഒരു പൊതു നിയന്ത്രണ സംവിധാനമൊന്നുമില്ലാത്തതും എന്നാൽ ചില പ്രത്യേക ഉദ്ദേശ ലക്ഷ്യത്തോടെ വിന്യസിക്കപ്പെട്ടിരിക്കുന്നതുമായ സ്വയം നിയന്ത്രിതമായ കുഞ്ഞ് റോബോട്ടുകളുടെ ഒരു കൂട്ടം. അവയ്ക് ഒരു പൊതു ലക്ഷ്യത്തിലേക്കെത്താനോ പൊതുവായ കാര്യം നടത്തിയെടുക്കാനോ ഉറുമ്പുകളുടെ സ്വഭാവം പകർത്തിയാൽ എങ്ങിനെ ഇരിക്കും. ഓരോ റോബോട്ട് ഉറുമ്പിനും ഇത്തരത്തിൽ ഉറുമ്പുകളുടേതുപോലെ പോകുന്ന വഴിയിലുടനീളം ഫിറമോണുകൾ വിസർജിക്കാൻ കഴിയുമോ? കഴിയും പോയ വഴികളിൽ ഒന്നുകിൽ അവ വന്നു പോയി എന്നതിന്റെ അടയാളങ്ങൾ നിക്ഷേപിക്കാനാകും. അവ കെമിക്കലുകൾ ആകാം, ലൈറ്റ് ആകാം, മൈക്രോ ആർ എഫ് ഐഡി ടാഗുകൾ ആകാം, അതുമല്ലെങ്കിൽ കടന്നു പോകുന്ന പോയന്റുകളിലെ ഡാറ്റാബേസുകൾ അപ്ഡേറ്റ് ചെയ്യപ്പെടുന്ന രീതിയിലുള്ള ഇടപെടലുകൾ ആകാം. . ഇത്തരത്തിൽ ഓരോ റോബോട്ട് ഉറുമ്പിന്റെയും ഉള്ളിലെ പ്രോസസ്സറുകൾ അവയുടെ സ്വന്തം സ്ഥാനവും ചുറ്റുമുള്ള റോബോട്ടിക് ഉറുമ്പുകളുടെ സ്ഥാനവും എത്ര ഉറുമ്പുകൾ ആ സ്ഥാനത്തു കൂടി ഒരു പ്രത്യേക സമയത്ത് കടന്ന് പോയിട്ടുണ്ട് എന്നതുമൊക്കെ നിമിഷ നേരം കൊണ്ട് അപഗ്രഥിച്ച് മുൻപേ പോയ ഉറുമ്പിന്റെ വഴിയേ പോകണോ അതോ കൂടുതൽ ഉറുമ്പുകൾ പിൻതുടർന്ന വഴിയേ പോകണോ എന്നൊക്കെയുള്ള തീരുമാനങ്ങൾ എടൂക്കാൻ കഴിയും.

ഉറുമ്പുകൾ നിക്ഷേപിക്കുന്ന ഫിറമോണുകൾ നിശ്ചിത സമയം കഴിഞ്ഞാൽ അതിന്റെ തീവ്രത നഷ്ടപ്പെട്ട് പോകുന്നു. ഒരു വഴിയിലൂടെ കൂടുതൽ കൂടുതൽ ഉറുമ്പുകൾ പോകുമ്പോൾ പ്രസ്തുത വഴിയിലെ ഫിറമോണുകളുടെ സാന്ദ്രത കൂടുകയും കൂടുതൽ നേരം അവ നിലനിൽക്കുകയും ചെയ്യുന്നു. ഇത് വിലയിരുത്തിയും ആ വഴി കൂടുതൽ ഉറുമ്പുകൾ പിൻതുടരുന്നതാണെന്നും ലക്ഷ്യസ്ഥാനത്തേയ്ക്ക് എത്താൻ ഏറ്റവും ദൂരം കുറവായതുമാണെന്നൊക്കെ മനസ്സിലാക്കാവുന്നതാണ്‌. ഇത് സ്വയം നിയന്ത്രിത റോബോട്ടുകളുടെ കാര്യത്തിൽ മാത്രമല്ല പ്രായോഗികമാവുന്നത്. വികേന്ദ്രീകൃതമായ നെറ്റ് വർക്കുകളിൽ ഡാറ്റ ഏത് വഴിയിലൂടെ സഞ്ചരിച്ചാൽ ആണ്‌ ഏറ്റവും വേഗത്തിൽ ഒരിടത്തു നിന്ന് മറ്റൊരിടത്തേയ്ക്ക് എത്തിക്കാൻ കഴിയുന്നത് എന്ന് നിശ്ചയിക്കാനും ആന്റ് കോളനി ഒപ്റ്റിമൈസേഷൻ സാങ്കേതിക വിദ്യകൾ ഉപയോഗിക്കാം. ഇവിടെ ഡാറ്റാ പാക്കറ്റുകളെ ഉറുമ്പുകൾ ആയി കണക്കാക്കാം അതുപോലെ അവ പോയ വഴിയിലെ കവലകളിൽ (Routing points) നിക്ഷേപിക്കുന്ന വിവരങ്ങളെ ഫിറമോണുകളായും കണക്കാക്കാം. ഇത്തരത്തിൽ ഓരോ കവലകളിലുമുള്ള ഫിറമോൺ സാന്ദ്രത നോക്കി ഏത് വഴിയിലൂടെ പോയാൽ ഏറ്റവും പെട്ടന്ന് ലക്ഷ്യസ്ഥാനത്ത് എത്താമെന്ന കണക്കു കൂട്ടലുകൾ നടത്താൻ സാധിക്കുന്നു.

ആന്റ് കോളനി ഒപ്റ്റിമൈസേഷൻ സാങ്കേതിക വിദ്യകൾ ഇത്തരത്തിൽ റോബോട്ടിക് നെറ്റ്വർക്കുകൾ, സെൻസർ നെറ്റ് വർക്കുകൾ, ടെലികോം നെറ്റ് വർക്കുകൾ തുടങ്ങി കേന്ദ്രീകൃതമായ ഇടപെടലുകളും നിയന്ത്രണവും അധികം ആവശ്യമില്ലാതെ വികേന്ദ്രീകൃതമായി സ്വയം നിയന്ത്രിത പരസ്പര സഹകരണത്തോടെ പ്രവർത്തിക്കുന്ന സംവിധാനങ്ങളിൽ ഉപയോഗപ്പെടുത്തുന്നു. കൂടുതൽ മെച്ചപ്പെട്ട രീതിയിൽ ഇവയെല്ലാം എവിടെയൊക്കെ ഉപയോഗപ്പെടുത്താമെന്നതിനെക്കുറിച്ച് തുടർഗവേഷണങ്ങളും നടന്നുകൊണ്ടിരിക്കുന്നു.
ഉറുമ്പുകളെ നോക്കി പഠിച്ചതുപോലെ തേനീച്ചകളെ നോക്കി പഠിച്ച ബീ കൊളനി ഓപ്റ്റിമൈസേഷൻ (BCO) , പറവകളെ നോക്കിപ്പഠിച്ച പാർട്ടിക്കിൾ സ്വാം ഒപ്റ്റിമൈസേഷൻ (PSO), മീൻ കൂട്ടങ്ങളുടെ സ്വഭാവ സവിശേഷതകൾ ഉൾക്കൊണ്ട ഫിഷ് സ്കൂൾ സേർച്ച് (FSS) തുടങ്ങിയവ ഇതേ വഴിക്കുള്ള മറ്റ് സാങ്കേതിക വിദ്യകൾ ആണ്‌.