02. පරිගණක මූලධර්මවල සිට උත්පාදක AI දක්වා: වසර 70ක භාෂා බාධකය බිඳ වැටීම

ප්‍රකාශිත 2026-09-14

පරිගණකය යනු කුමක්දැයි සැබවින්ම වටහා නොගෙන කෘත්‍රිම බුද්ධිය (AI) තේරුම් ගත නොහැක. තිරය මත දිස්වන ආකර්ශනීය මෘදුකාංග අතුරුමුහුණත්වලට යටින්, පරිගණකය යනු හුදෙක් විද්‍යුත් ස්විචයන් (1 සහ 0) බිලියන ගණනක එකතුවක් පමණි. වසර 70ක් පුරා මිනිසා පරිගණකයට කතා කළේ පරිගණකයේ භාෂාවෙනි. 2022 දී බිඳ වැටුණේ අන්න ඒ ඓතිහාසික භාෂා බාධකයයි.

පරිගණකයක් තුළ සැබවින්ම සිදුවන්නේ කුමක්ද?

ඕනෑම පරිගණකයක් — එය ඔබගේ මේසය මත ඇති ඩෙස්ක්ටොප් පරිගණකය වේවා, අතේ ඇති ස්මාර්ට් ජංගම දුරකථනය වේවා, හෝ ඩොලර් මිලියන ගණනක් වටිනා දැවැන්ත සේවාදායකයක් (Server) වේවා — මූලික වශයෙන් ක්‍රියාත්මක වන්නේ එකම පද්ධති නිර්මාණ සැලැස්මකට අනුවය. ඒ 1945 දී ජෝන් වොන් නියුමාන් (John von Neumann) විසින් හඳුන්වා දුන් වොන් නියුමාන් පද්ධති නිර්මාණයයි (Von Neumann Architecture).

රූපය 2.1: පරිගණකයක මූලික පද්ධති නිර්මාණ සැලැස්ම (Von Neumann Architecture) — ආදාන උපාංග, මධ්‍යම සැකසුම් ඒකකය (CPU), ප්‍රාථමික මතකය (RAM/ROM), ස්ථිර ගබඩාව (SSD/Storage) සහ ප්‍රතිදාන උපාංග.

පරිගණකයේ ප්‍රධාන කොටස් සහ ඒවායේ කාර්යභාරය

තොරතුරු ඇතුළු වන්නේ ආදාන උපාංග (Input Devices) හරහාය. යතුරුපුවරු, ස්කෑනර් යන්ත්‍ර, කැමරා සහ ඇඟිලි සලකුණු කියවන ජෛවමිතික සංවේදක සියල්ලම කරන්නේ එකම මූලික කාර්යයකි: භෞතික ලෝකයේ සිදුවන දෙයක් — යතුරු එබීමක්, කාචයක් මතට වැටෙන ආලෝකය, හෝ ඇඟිලි සලකුණක ගැටිති — විද්‍යුත් සංඥා බවට හරවා ආදාන බසය (Input Bus) ඔස්සේ යන්ත්‍රය තුළට තල්ලු කිරීමයි. විදුලියක් ලෙස මිස වෙන කිසිදු ආකාරයකින් පරිගණකයකට තොරතුරු ළඟා නොවේ. ඉතිරි සියල්ල අර්ථකථනයන් පමණි.

කාර්යය ඉටු කරන්නේ මධ්‍යම සැකසුම් ඒකකය (CPU) මගිනි. CPU යනු පරිගණකයේ ප්‍රධාන එන්ජිමයි: ගණනය කිරීම් සිදු කරන අංක ගණිතමය සහ තාර්කික ඒකකයක් (ALU) සහ ඊළඟට ගණනය කළ යුත්තේ කුමක්දැයි තීරණය කරන පාලන ඒකකයක් (Control Unit) ඊට අයත් වේ. එය එක් චක්‍රයක් අනවරතව ධාවනය කරයි: ඊළඟ උපදෙස ලබා ගැනීම (Fetch), එහි තේරුම විකේතනය කිරීම (Decode), සහ එය ක්‍රියාත්මක කිරීම (Execute) — තත්පරයකට බිලියන වාර ගණනක්. මෙම චක්‍රය තුළ කිසිදු මායාකාරී බුද්ධියක් නොමැත. නවීන පරිගණකයේ විශ්මයජනක හැකියාව ගොඩනැගී ඇත්තේ අතිශය සරල දෙයක් සිතාගත නොහැකි තරම් වාර ගණනක් අධිවේගයෙන් සිදු කිරීමෙනි.

මේ මොහොතේ සිදුවන දේ රඳවා ගන්නේ ප්‍රාථමික මතකය (Primary Memory) මගිනි. RAM (Random Access Memory) යනු වැඩසටහන් ධාවනය වන අතරතුර ඒවා රඳවා ගන්නා අධිවේගී මතකය වන අතර, එය නශ්වර (volatile) මතකයකි: විදුලිය විසන්ධි වූ සැනින් එහි අන්තර්ගතය මැකී යයි. විදුලිය ඇනහිටි විට සුරැකීමට අමතක වූ ලිපිගොනු අහිමි වන්නේ ඒ නිසාය. ROM (Read-Only Memory) යනු පරිගණකය පණගැන්වීමට (booting) අවශ්‍ය මූලිකම ස්ථිර උපදෙස් රඳවා ගන්නා මතකයයි — එනම් පරිගණකයක් කිසිවක් දැනගැනීමට පෙර දැනගත යුතු මූලික උපදෙස් මාලාවයි.

දිගුකාලීනව සුරැකිය යුතු දේ රඳවා ගන්නේ ද්විතීයික ගබඩාව (Secondary Storage) මගිනි. SSD හෝ දෘඪ තැටිය (Hard Disk) යනු පරිගණකයේ ආරක්ෂිත සේප්පුවයි: විදුලිය තිබුණද නැතද මෙහෙයුම් පද්ධතිය, ලිපිගොනු සහ දත්ත සමුදායන් ස්ථිරව සුරැකෙන්නේ මෙහිය. RAM සහ ගබඩාව (Storage) අතර වෙනස යනු ඔබ වැඩ කරන මේසය සහ ඔබේ පිටුපස ඇති ලිපිගොනු අල්මාරිය අතර වෙනස බඳුය.

පද්ධති බස් (Buses) මගින් ඒ අතර දත්ත හුවමාරු වේ. දත්ත (Data), ලිපින (Address) සහ පාලන (Control) බස් යනු සකසනය, මතකය සහ ගබඩාව අතර තත්පරයකට බයිට් බිලියන ගණනක් දත්ත රැගෙන යන විද්‍යුත් අධිවේගී මාර්ගයන්ය.

ප්‍රතිදාන උපාංග (Output Devices) මගින් අවසන් ප්‍රතිඵලය නැවත මිනිසාට පෙන්වයි. පරිගණක තිර සහ මුද්‍රණ යන්ත්‍ර මගින් විද්‍යුත් තත්ත්වයන් මිනිසාට කියවිය හැකි අක්ෂර හෝ රූප බවට පරිවර්තනය කරයි. ආරම්භ වූ චක්‍රය අවසන් වන්නේද එතැනිනි: එක් පසෙකින් මිනිසා, මැදින් විදුලිය, සහ අනෙක් පසින් නැවත මිනිසාය.

AI සඳහා වෙනස් දෘඩාංග අවශ්‍ය වීමට හේතු වූ සීමාව

මෙම සාම්ප්‍රදායික පද්ධති නිර්මාණයේ එක් තීරණාත්මක සීමාවක් පවතී. CPU එක විසින් උපදෙස් ක්‍රියාත්මක කරන්නේ අනුක්‍රමිකව (in sequence) — එනම් එකක් පසුපස එකක් වශයෙනි. වැටුප් ලේඛනයක් සැකසීම, ඉඩම් ලියාපදිංචි කිරීම, හෝ ගිණුම් පොතක් පවත්වාගෙන යාම වැනි දෙවන පියවර පළමු පියවර මත රඳා පවතින සාම්ප්‍රදායික රාජ්‍ය කාර්යාලීය කටයුතුවලට මෙය ඉතා අගනා විසඳුමකි.

නමුත් කෘත්‍රිම බුද්ධිය ක්‍රියාත්මක වන්නේ එලෙස නොවේ! AI පද්ධතියකට එකම මොහොතකදී ගණිතමය ගුණ කිරීම් සහ න්‍යාස (matrix) ගණනය කිරීම් ලක්ෂ ගණනක් එකවර, නැවත නැවතත් සිදු කිරීමට අවශ්‍ය වේ. අනුක්‍රමිකව ක්‍රියාත්මක වන CPU සකසනයක් කෙතරම් වේගවත් වුවද එම කාර්යයට සුදුසු හැඩයක් නොගනී. AI තාක්ෂණය ධාවනය වීම සඳහා GPU (Graphics Processing Units) — එනම් එකවර දැවැන්ත සමාන්තර ගණනය කිරීම් (massive parallel computing) කළ හැකි චිප්ස් අවශ්‍ය වන්නේ ඒ නිසාය. පරිගණක වීඩියෝ ක්‍රීඩා සඳහා ග්‍රැෆික්ස් කාඩ්පත් හැදූ සමාගමක් ලෝකයේ වටිනාම ව්‍යාපාරයක් බවට පත් වූයේද මේ හේතුවෙනි. AI සොයාගත් නිසා දෘඩාංග වෙනස් වූයේ නැත; ඒ වන විටත් එවැනි සමාන්තර දෘඩාංග ලෝකයේ පැවති නිසා AI බිහි කිරීම ප්‍රායෝගික විය.

මෙහෙයුම් පද්ධතියක් (OS) මිනිසා සහ සිලිකන් චිපය එකිනෙක යා කරන්නේ කෙසේද?

සාමාන්‍ය මිනිසෙකුට පරිගණකය සමග 1 සහ 0 වලින් සංවාද කළ නොහැක. ඒ සඳහා අප දන්නේද නැත; එය අතිශය වෙහෙසකරය. එබැවින්, මෙම සංකීර්ණ දෘඩාංගයෙන් සාමාන්‍ය මිනිසාට වැඩක් කරවා දීම සඳහා පරිගණකය මත ධාවනය වන විශේෂිත සංකීර්ණ මෘදුකාංගයක් නිර්මාණය විය. ඒ මෙහෙයුම් පද්ධතියයි (Operating System - OS).

රූපය 2.2: පරිගණක දෘඩාංගයේ සිට පරිශීලකයා දක්වා මෙහෙයුම් පද්ධතියක (OS) ස්ථර පහ.

ස්ථර පහළ සිට ඉහළට කියවා වටහා ගැනීම

මෙහෙයුම් පද්ධතියක ව්‍යුහය ස්ථර වශයෙන් අධ්‍යයනය කළ විට එහි ක්‍රියාකාරිත්වය පැහැදිලි වේ:

1. භෞතික දෘඩාංග (Hardware): CPU, RAM, ගබඩාව සහ ජාල කාඩ්පත් ඇතුළු පරිගණකයේ සැබෑ භෞතික කොටස්.
2. කර්නලය (Kernel): මෙහෙයුම් පද්ධතියේ හදවතයි. මතකය කළමනාකරණය, සකසන කාලය වෙන් කිරීම (Process Scheduling), සහ ගොනු පද්ධති පාලනය සෘජුවම හසුරුවන්නේ කර්නලය මගිනි.
3. පද්ධති සේවා සහ උපාංග ධාවක (System Services & Device Drivers): විවිධ නිෂ්පාදකයින්ගේ මුද්‍රණ යන්ත්‍ර හෝ ස්කෑනර් වැනි උපාංග කර්නලය සමග බාධාවකින් තොරව සම්බන්ධ කරන පරිවර්තක මෘදුකාංග.
4. විධාන සහ පරිශීලක අතුරුමුහුණත් (Shell & Command Interfaces): පරිශීලකයා විධාන ලබා දෙන Bash/Zsh ටර්මිනල් (CLI) හෝ Windows/Desktop GUI පරිසරය.
5. පරිශීලක යෙදුම් (User Applications): අප එදිනෙදා භාවිත කරන Chrome, Word, Excel සහ රාජ්‍ය මෘදුකාංග පද්ධති.

ඔබ පරිගණකයක් ගන්නා විට Windows තිබේදැයි බලන්නේත්, ජංගම දුරකථනයක් ගන්නා විට Android හෝ Apple iOS තිබේදැයි බලන්නේත් ඒ නිසාය.

රූපය 2.3: Windows NT Architecture සහ Android Architecture — Desktop සහ Mobile මෙහෙයුම් පද්ධති දෙකක් තුළ දෘඩාංග සහ මෘදුකාංග අතර වියුක්තන බාධකය (Abstraction) කළමනාකරණය වන ආකාරය සංසන්දනය කිරීම.

මෙහෙයුම් පද්ධති දෙකක්, එකම මූලධර්මය

Windows NT පද්ධති නිර්මාණ සැලැස්ම (Desktop) සහ Android පද්ධති නිර්මාණ සැලැස්ම (Mobile) සංසන්දනය කිරීමෙන් මෙහෙයුම් පද්ධතිවල පොදු මූලධර්මය මනාව වටහාගත හැක: * Windows NT පද්ධති නිර්මාණ සැලැස්ම (Desktop): පරිශීලක යෙදුම් (Win32, UWP), Win32 Subsystem & APIs (kernel32.dll, user32.dll), Windows NT Kernel & Executive (Process Manager, Virtual Memory), සහ Hardware Abstraction Layer (HAL) හරහා x86/x64 දෘඩාංග පාලනය කරයි. * Android පද්ධති නිර්මාණ සැලැස්ම (Mobile): Kotlin/Java යෙදුම්, Java API Framework (Activity Manager, Window Manager), Android Runtime (ART) සහ Native C/C++ Libraries (Bionic libc, SurfaceFlinger), Hardware Abstraction Layer (HAL), සහ Linux Kernel හරහා ARM SoC දෘඩාංග පාලනය කරයි.

රාජ්‍ය තාක්ෂණික නිලධාරීන්ට මෙයින් ලැබෙන පාඩම: ජංගම දුරකථනයක් සහ පරිගණකයක් ක්‍රියාත්මක වන්නේ සම්පූර්ණයෙන්ම වෙනස් මෙහෙයුම් පරිසරයන් දෙකක් තුළ බැවින්, රාජ්‍ය ඩිජිටල් සේවාවන් වේදිකාවලට සීමා නොවූ (Platform-neutral) වෙබ් සහ විවෘත API හරහා ගොඩනැගීමේ අවශ්‍යතාවය මෙයින් පැහැදිලි වේ.

ක්‍රමලේඛන භාෂා සහ කම්පයිලර් අවශ්‍ය වූයේ ඇයි?

මෙහෙයුම් පද්ධතියක් තිබූ පමණින් පරිගණකයකට අපට අවශ්‍ය විශේෂිත කාර්යාලීය කාර්යයන් තනිවම කළ නොහැක. උදාහරණයක් ලෙස, රජයේ සේවකයින්ගේ මාසික වැටුප ගණනය කිරීම, ඉඩම් හිමිකම් ලියාපදිංචි කිරීම හෝ විශ්‍රාම වැටුප් ගණනය කිරීම සඳහා පරිගණකයට පියවරෙන් පියවර උපදෙස් මාලාවක් (ඇල්ගොරිතමයක්) දිය යුතුය. ඒ සඳහා ක්‍රමලේඛන භාෂා (Programming Languages) බිහි විය: Fortran, COBOL, C, C++, Java, Python යනාදී වශයෙනි.

රූපය 2.4: ක්‍රමලේඛන භාෂාව — මිනිස් තර්කනය සහ පරිගණක ද්විමය සංඥා (Binary 0 and 1) අතර වියුක්තන පවුර (Abstraction Barrier).

මිනිස් මනසේ ඇති ප්‍රතිපත්ති, සංකල්ප සහ තර්කනය (Human Thought & Logic) කෙළින්ම පරිගණකයේ සිලිකන් චිපයට තේරෙන්නේ නැත. එම පරතරය පියවීම සඳහා නිශ්චිත ව්‍යාකරණ (Syntax) සහ ගැටලු විසඳීමේ ව්‍යුහයන් (Loops, Functions) සහිත ක්‍රමලේඛන භාෂා භාවිත විය.

රූපය 2.5: සම්පාදකයක (Compiler) පියවරෙන් පියවර ක්‍රියාවලිය — ප්‍රභව කේතයේ සිට මැෂින් කේතය (Binaries) දක්වා.

සම්පාදකයක් (Compiler) පියවරෙන් පියවර සිදු කරන ක්‍රියාවලිය

සම්පාදකයක් විසින් ප්‍රභව කේතය ක්‍රියාත්මක කළ හැකි මැෂින් කේතයක් බවට පත් කරන්නේ අදියර 5කිනි: 1. ප්‍රභව කේත ආදානය (Source Code Input): මිනිසා විසින් C++, Java හෝ Python වැනි භාෂාවකින් ලියන ලද පෙළ කේතය. 2. ලෙක්සිකල් විශ්ලේෂණය (Lexer / Tokenizer): කේතයේ ඇති සෑම අකුරක්ම පරීක්ෂා කර වදන්, විරාම ලකුණු සහ විධාන වෙන් කර ටෝකන (Tokens) බවට පත් කිරීම. 3. ව්‍යාකරණ විග්‍රහය (Parser): නීතිරීතිවලට අනුකූලදැයි බලා සින්ටැක්ස් දෝෂ (Syntax Errors) ඇත්නම් පෙන්වා දීම. 4. වියුක්ත සින්ටැක්ස් ගස (Abstract Syntax Tree - AST) සහ අතරමැදි කේතය: වැඩසටහනේ තාර්කික ගලායාම ගසක අතු මෙන් ව්‍යුහගත කිරීම. 5. කේත උත්පාදනය (Code Generator): අවසානයේ පරිගණක දෘඩාංගයට සෘජුව ධාවනය කළ හැකි ද්විමය මැෂින් කේතය (Executable Binary 0s & 1s) නිර්මාණය කිරීම.

2022 දී වෙනස් වූයේ කුමක්ද: කේතකරණයේ සිට සංවාදය දක්වා?

2022 වසරේ අගභාගයේදී ChatGPT කරලියට පැමිණීමත් සමග බිඳ වැටුණේ මෙම වසර 70ක බාධකයයි!

රූපය 2.6: 2022 දී සිදු වූ ඓතිහාසික සුසමාදර්ශී වෙනස — දැඩි ක්‍රමලේඛන සින්ටැක්ස් වෙනුවට ස්වභාවික භාෂාවෙන් පරිගණකය මෙහෙයවීම.

මෙතෙක් පරිගණකය ක්‍රියාත්මක කිරීමට අවශ්‍ය වූ දැඩි, දෘඪ ක්‍රමලේඛන සින්ටැක්ස් වෙනුවට, අප එදිනෙදා කතා කරන ස්වභාවික භාෂාව (Natural Language) පරිගණකයේ ක්‍රමලේඛන භාෂාව බවට පත් විය.

"දැන් ලෝකයේ උණුසුම්ම නව ක්‍රමලේඛන භාෂාව වන්නේ ඉංග්‍රීසි (හෝ ඔබේ මව්බස) ය!"
— ඇන්ඩ්‍රේ කාපති (Andrej Karpathy), OpenAI සම-නිර්මාතෘ සහ ටෙස්ලා AI හිටපු ප්‍රධානී.

මෙමගින් පරිගණකයක් හැසිරවීමේ බලය තොරතුරු තාක්ෂණ ඉංජිනේරුවන් කිහිප දෙනෙකුගේ අතින් ගිලිහී, ඕනෑම රාජ්‍ය නිලධාරියෙකුගේ සහ සාමාන්‍ය පුරවැසියෙකුගේ අතට පත් විය. ඔබ ඉංජිනේරුවෙකු නොවූවත්, ඔබේ කාර්යාලීය ගැටලුව නිවැරදිව හා පැහැදිලිව විස්තර කිරීමට (Articulate කිරීමට) ඔබට හැකිනම්, පරිගණකය ලවා එම කාර්යය කරවා ගැනීමට අද ඔබට හැකියාව ඇත.

සාම්ප්‍රදායික AI සහ උත්පාදක AI අතර වෙනස කුමක්ද?

රාජ්‍ය සේවයේ බොහෝ දෙනා AI සහ Generative AI යන දෙක පටලවා ගනිති. ඒ දෙක අතර ඇත්තේ අහසට උස වෙනසකි.

රූපය 2.7: සාම්ප්‍රදායික (විශ්ලේෂණාත්මක) AI සහ උත්පාදක AI සංසන්දනය — පවතින දත්ත වර්ගීකරණය කිරීමේ සිට නව මුල් නිර්මාණ බිහිකිරීම දක්වා.

හවුල් තාක්ෂණික පදනම

සාම්ප්‍රදායික AI සහ උත්පාදක AI යන දෙකම ගොඩනැගී ඇත්තේ පොදු ගණිතමය පදනමක් මතය: විශාල දත්ත සමුදායන් මත යන්ත්‍ර ඉගෙනුම (Machine Learning), සංඛ්‍යානමය රටා හඳුනාගැනීම, රේඛීය වීජ ගණිතය (Linear Algebra) සහ කෘත්‍රිම ස්නායුක ජාල (Artificial Neural Networks). දෙවර්ගයම ක්‍රියාත්මක වන්නේ මිනිස් මොළයේ සෛල ක්‍රියාකාරිත්වය ආදර්ශයට ගනිමිනි.

පවතින දත්ත කියවන සාම්ප්‍රදායික හෝ විශ්ලේෂණාත්මක AI

සාම්ප්‍රදායික AI හි කාර්යභාරය වන්නේ පවතින දත්ත විශ්ලේෂණය කර තීන්දු ගැනීමයි (Analytical / Predictive AI). එය කිසිදු අලුත් දෙයක් නිර්මාණය කරන්නේ නැත. * එය කරන්නේ කුමක්ද? වර්ගීකරණය කිරීම (Classification), පුරෝකථනය (Prediction) සහ රටා හඳුනාගැනීම. * රාජ්‍ය සේවයේ භාවිත: බදු වංචා හඳුනාගැනීම, රථවාහන වේග සීමා උල්ලංඝනය කළ අංක තහඩු කියවීම, සහ ඩෙංගු වසංගතය පැතිරෙන ප්‍රදේශ අනාවැකි පළ කිරීම.

පෙර නොපැවති දේ නිර්මාණය කරන උත්පාදක AI

උත්පාදක AI (Generative AI) යනු හුදු විශ්ලේෂකයෙකු නොව, පෙර නොපැවති අලුත් දෙයක් මුල සිට නිර්මාණය කළ හැකි (Synthesizes New Original Artifacts) බුද්ධියකි. * එය කරන්නේ කුමක්ද? අලුත්ම ලිපි ලිවීම, කේත ලිවීම, රූප නිර්මාණය කිරීම, කැබිනට් පත්‍රිකා කෙටුම්පත් කිරීම, සංකීර්ණ නීති සාරාංශ කිරීම, සහ පරිපාලන සැලසුම් හැදීම. * රාජ්‍ය සේවයේ භාවිත: චක්‍රලේඛයක් කියවා එය සාමාන්‍ය ගම්වැසියෙකුට තේරෙන සරල සිංහලෙන් පැහැදිලි කිරීම, පාසල් සිසුන් සඳහා දේශීය විෂය නිර්දේශයට ගැළපෙන අභ්‍යාස පත්‍රිකා සකස් කිරීම, සහ කැබිනට් අනුමැතිය සඳහා ප්‍රතිපත්ති සංදේශ කෙටුම්පත් කිරීම.

උත්පාදක AI මගින් සැබවින්ම කළ හැක්කේ කුමක්ද?

උත්පාදක AI යනු හුදෙක් පෙළ ලියන චැට්බොට් එකක් පමණක් නොවේ. එය මානව ශ්‍රමයේ සහ දැනුම් ආර්ථිකයේ සෑම ක්ෂේත්‍රයක්ම ප්‍රතිනිර්මාණය කරමින් සිටී.

රූපය 2.8: උත්පාදක AI හි සම්පූර්ණ හැකියාවන් සිතියම — රාජ්‍ය සේවයේ සහ ආර්ථිකයේ ප්‍රධාන ක්ෂේත්‍ර 12ක් පුරා පැතිරුණු විප්ලවය.

පෙළ, දැනුම සහ පරිවර්තනය

පරිපාලන වාර්තා සහ කැබිනට් පත්‍රිකා ක්ෂණිකව කෙටුම්පත් කිරීම, රාජ්‍ය ලිපිගොනු සහ ගැසට් පත්‍ර සාරාංශ කිරීම, සහ සිංහල, දෙමළ, ඉංග්‍රීසි භාෂා ත්‍රිත්වයෙන්ම රාජ්‍ය නිවේදන පරිවර්තනය කිරීම සහ අර්ථකථනය කිරීම මෙයට අයත් වේ. දිගු ලිපිගොනුවල ඇති සංකීර්ණ කරුණු සරල මහජන පණිවිඩ බවට පත් කිරීමේ අසමසම හැකියාවක් මෙහි පවතී.

දෘශ්‍ය සහ නිර්මාණාත්මක මාධ්‍ය

රාජ්‍ය සෞඛ්‍ය සහ ආපදා කළමනාකරණ දැනුවත් කිරීමේ පෝස්ටර් සහ නිදර්ශන ක්ෂණිකව නිර්මාණය කිරීම, නිල වීඩියෝ ලේඛනගත කිරීම්, සහ විභාග ප්‍රශ්න පත්‍ර සඳහා රූප සටහන් සහ ප්‍රස්ථාර ස්වයංක්‍රීයව උත්පාදනය කිරීම මෙයින් සිදු කෙරේ.

නියෝජිත සහ විධායක මෙහෙයුම්

ස්වාධීන කාර්යාලීය කාර්ය ප්‍රවාහයන් කළමනාකරණය, රජයේ විද්‍යුත් තැපැල් (Email) සහ ලිපි වර්ගීකරණය කර අදාළ අංශ වෙත යොමු කිරීම, සහ පුරවැසි පැමිණිලිවල ප්‍රමුඛතාවය හඳුනාගෙන අදාළ නිලධාරියා වෙත ස්වයංක්‍රීයව ඉදිරිපත් කිරීම මෙයට ඇතුළත් වේ.

කේතකරණය සහ තාක්ෂණික නිර්මාණ

රාජ්‍ය දත්ත සමුදායන් සඳහා SQL විමසුම් (Queries) ලිවීම, පැරණි රජයේ මෘදුකාංග (Legacy Systems) නවීකරණය කිරීම, සහ පරිපාලන ක්‍රියාවලි ස්වයංක්‍රීය කරවන Python ස්ක්‍රිප්ට් නිර්මාණය කිරීම තත්පර ගණනකින් සිදු කළ හැක.

ව්‍යාපාර, ප්‍රතිපත්ති සහ උපාය මාර්ග

ජාතික ප්‍රතිපත්ති ලේඛනවල ශක්‍යතාව සහ බලපෑම ඇගයීම, අභ්‍යන්තර චක්‍රලේඛ අතිච්ඡාදනය වීම සහ පරස්පරතා හඳුනාගැනීම, සහ ආපදා අවස්ථාවලදී ඉන්ධන, ඖෂධ සහ ආහාර බෙදාහැරීමේ සැපයුම් දාම මාර්ග තත්‍ය කාලීනව ප්‍රශස්තකරණය කිරීම.

උසස් විද්‍යාව සහ ද්‍රව්‍යමය සොයාගැනීම්

නව ඖෂධ සංයෝග සහ ප්‍රෝටීන නිර්මාණය, සූර්ය කෝෂ සහ බැටරි සඳහා නව ද්‍රව්‍ය පරමාණුක මට්ටමින් සැලසුම් කිරීම, සහ විද්‍යාත්මක පර්යේෂණ පත්‍රිකා මිලියන ගණනක් කියවා ක්ෂුද්‍ර කාලගුණ අනාවැකි හා ගංවතුර තත්ත්වයන් නිවැරදිව පූර්ව නිගමනය කිරීම.

අධ්‍යාපනය සහ පෞද්ගලීකරණය කළ මගපෙන්වීම

සොක්‍රටීස්වාදී ඉගැන්වීම් උපදේශකත්වය (Socratic Tutoring) හරහා එක් එක් ශිෂ්‍යයාගේ වේගය අනුව පෞද්ගලිකව මඟ පෙන්වීම, දේශීය පරිසරයට ගැළපෙන පෙළපොත් සැකසීම, සහ ශිෂ්‍යයා විභාග අසමත් වීමට පෙරම ඉගෙනුම් දුර්වලතා හඳුනාගෙන පිළියම් යෙදීම.

සෞඛ්‍ය සේවය සහ නිරවද්‍ය වෛද්‍ය විද්‍යාව

X-ray සහ MRI ස්කෑන් වාර්තාවල රෝග ලක්ෂණ තත්පරයකින් හඳුනාගැනීම, රෝගියාගේ ජාන දත්ත මත පදනම්ව ඖෂධ මාත්‍රාව තීරණය කිරීම, සායනික සටහන් ස්වයංක්‍රීයව ලිවීම, සහ රෝහල් හදිසි අනතුරු අංශවල රෝගීන්ගේ බරපතලකම අනුව පෝලිම් වර්ගීකරණය කිරීම.

භෞතික රොබෝ තාක්ෂණය සහ මූර්තිමත් AI

මීට පෙර නොදුටු පරිසරයක වුවද රොබෝවරුන් ස්වාධීනව ගමන් කිරීම (Zero-Shot Motor Control), සියුම් ශල්‍යකර්ම සඳහා දෘශ්‍ය-චාලක නිරවද්‍යතාව, අතථ්‍ය පරිගණක ලෝකයක පුහුණු කර සැබෑ ලෝකයට මුදාහැරීම, සහ කර්මාන්තශාලා හෝ ගබඩාවල බර ඉසිලීමට මිනිස් රූපී රොබෝවරුන් යෙදවීම.

සයිබර් ආරක්ෂණය සහ කෘත්‍රිම ආරක්‍ෂාව

රාජ්‍ය පද්ධතිවල ආරක්ෂාව පරීක්ෂා කිරීමට උත්පාදක රතු කණ්ඩායම් ප්‍රහාර (Generative Red Teaming) එල්ල කිරීම, හැකර්වරුන්ට පහර දිය නොහැකි පරිදි පද්ධති කේත ස්වයංක්‍රීයව වෙනස් කරන බහුරූපී ආරක්ෂාව, ඩීප්ෆේක් හඬපට සහ වීඩියෝ විද්‍යාත්මකව හඳුනාගැනීම, සහ අඳුරු වෙබය පීරා රාජ්‍ය යටිතල පහසුකම්වලට එරෙහි ප්‍රහාර කලින් දැනුම් දීම.

මූල්‍ය සහ ආර්ථික සමාකරණ

දැවැන්ත ගෝලීය මූල්‍ය කඩාවැටීම් හමුවේ ජාතික ආර්ථිකයේ ඔරොත්තු දීමේ හැකියාව පරීක්ෂා කරන කළු හංස අවදානම් පරීක්ෂාව (Black Swan Stress-Testing), විශ්‍රාම වැටුප් සහ සමාජ ආරක්ෂණ ජාල එක් එක් පුරවැසියාගේ ආදායමට ගැළපෙන සේ සැකසීම, සහ ජාත්‍යන්තර මූල්‍ය රෙගුලාසි වෙනස් වන විට අභ්‍යන්තර නීති ක්ෂණිකව යාවත්කාලීන කිරීම.

විනෝදාස්වාදය, සංස්කෘතිය සහ අවකාශීය යථාර්ථය

ඡායාරූප කිහිපයකින් ඓතිහාසික සිද්ධස්ථාන සම්පූර්ණ 3D පරිසරයන් ලෙස සංරක්ෂණය කිරීම (NeRF), පුරවැසියාගේ විමසීම් අනුව සජීවීව වෙනස් වන තොරතුරු සන්නිවේදනය, සහ ඓතිහාසික චරිතවල හඬෙහි හැඟීම් සුරකිමින් අනාගත පරපුර වෙනුවෙන් සංරක්ෂණය කිරීම.

AI හි මහා සංක්‍රාන්තිය ගමන් කරන්නේ කොතැනටද: Generative සිට Agentic සහ Embodied දක්වා?

ඉහත ක්ෂේත්‍ර 12 විස්තර කරන්නේ එක් මොහොතක පවතින හැකියාව පමණි. ඉදිරි වසර කිහිපය සැලසුම් කරන ඕනෑම නිලධාරියෙකු නැගිය යුතු වඩාත් ප්‍රයෝජනවත් ප්‍රශ්නය වන්නේ තාක්ෂණය ගමන් කරන්නේ කොතැනටද යන්නයි.

රූපය 2.9: AI සංක්‍රාන්තියේ අදියර තුන — උත්පාදක AI (නිර්මාණය), නියෝජිත AI (ක්‍රියාත්මක කිරීම) සහ මූර්තිමත් AI (චලනය සහ හැසිරවීම).

පළමු අදියර: උත්පාදක (Generative) — නිර්මාණය කිරීම

බොහෝ දෙනා මේ වන විට අත්විඳ ඇති අදියර මෙයයි. අවධානය: පෙළ, පින්තූර, සංගීතය, වීඩියෝ සහ මූලික කේත උත්පාදනය කිරීම, අදහස් හැඩගැස්වීම සහ කාර්යාල සහායකයෙකු ලෙස ක්‍රියා කිරීම. මෙහි තීරණාත්මක ගුණාංගය වන්නේ සම්පූර්ණ පාලන බලය මිනිසා සතුව පැවතීමයි. එක් විමසුමකට (prompt) එක් පිළිතුරක් ලැබෙන අතර, ඊළඟට කුමක් කළ යුතුද යන්න තීරණය කරන්නේ මිනිසාය.

දෙවන අදියර: නියෝජිත (Agentic) — ක්‍රියාත්මක කිරීම

මෙය වර්තමාන තාක්ෂණික සීමාවයි; එය හුදු ප්‍රමාණාත්මක දියුණුවක් නොව ගුණාත්මක වෙනසකි. අවධානය: තීන්දු තීරණ ගැනීම, බහු-පියවර සැලසුම් සකස් කිරීම සහ කාර්යයන් ස්වාධීනව සම්පූර්ණ කිරීම. නිලධාරියෙකු "මෙම බලපත්‍ර අයදුම්පත පරීක්ෂා කර අනුමැතිය සඳහා සූදානම් කරන්න" යැයි පැවසූ විට, නියෝජිතයා තනිවම දත්ත සමුදාය පරීක්ෂා කර, ගාස්තු ගණනය කර, විගණන සටහනක් සාදා, අත්සන් කිරීමට සූදානම් ලිපිගොනුව ඉදිරිපත් කරයි. මෙහිදී මිනිසාගේ භූමිකාව 'ක්‍රියාකරු' (operator) තත්ත්වයේ සිට 'අනුමත කරන්නා' (approver) බවට පත්වේ. කියවීමකින් තොරව අත්සන් කරන නිලධාරියෙකු කාලය ඉතිරි කරගන්නේ නැත; ඔහු තම විනිශ්චය වගකීමක් නොදරන යන්ත්‍රයකට පවරා දෙයි.

තුන්වන අදියර: මූර්තිමත් (Embodied) — චලනය සහ හැසිරවීම

අනාගත ක්ෂිතිජය. අවධානය: භෞතික ලෝකයේ ඇති වස්තූන් සංවේදනය කිරීම, ගමන් කිරීම සහ හැසිරවීම. මිනිස් රූපී රොබෝවරුන්, ආපදා ප්‍රතිචාර ඩ්‍රෝන යානා, නගර පිරිසිදු කරන ස්වයංක්‍රීය පද්ධති — බුද්ධිය හුදු මනෝමය ශ්‍රමයට පමණක් නොව භෞතික ශ්‍රමයටද එක්වීම මෙහිදී සිදු වේ. මෙම අදියර පැමිණීම පිළිබඳ කාලවකවානු කෙතරම් වෙනස් වුවද, ගමන් මග පිළිබඳ සැකයක් නැත.

AI පරිසර පද්ධතියේ ස්ථර 5 තුළ ශ්‍රී ලංකාවේ සැබෑ භූමිකාව කුමක්ද?

NVIDIA සමාගමේ ප්‍රධාන විධායක නිලධාරී ජෙන්සන් හුවැන්ග් (Jensen Huang) පෙන්වා දෙන පරිදි, කෘත්‍රිම බුද්ධිය ක්‍රියාත්මක වීම සඳහා අත්‍යවශ්‍ය මූලික ස්ථර 5ක් (The 5 Layers of AI — From Energy to Intelligence) පවතී. අපේ රටට හෝ ආයතනයට AI මගින් කළ හැක්කේ කුමක්ද යන දැවැන්ත ප්‍රශ්නය, අපට සැබවින්ම තරඟ කළ හැක්කේ කුමන ස්ථරය තුළද යන නිශ්චිත ප්‍රශ්නය බවට පත් කිරීමට මෙම පද්ධති නිර්මාණ ආකෘතිය උපකාරී වේ.

රූපය 2.10: AI පද්ධතියක ස්ථර 5 — බලශක්තිය, යටිතල පහසුකම්, සිලිකන් චිප්ස් (GPUs), පදනම් ආකෘති සහ යෙදවුම්.

ස්ථරය 1: බලශක්තිය සහ ජාතික විදුලිබල පද්ධතිය

පදනම සහ ඉහළ සියල්ල පාලනය කරන සීමාකාරී සාධකයයි. මහා පරිමාණයෙන් බුද්ධිය සැකසීමේදී දැවැන්ත විදුලි ධාරාවක් සහ විශාල තාප කළමනාකරණයක් අවශ්‍ය වේ. අඛණ්ඩ, ස්ථායී සහ පුනර්ජනනීය බලශක්තියක් නොමැතිව AI දත්ත මධ්‍යස්ථානයක් පවත්වාගෙන යා නොහැක. පෘථිවියේ දියුණුම තාක්ෂණයේ ප්‍රධානතම බාධකය විදුලිබල සැපයුම වීම විශේෂත්වයකි.

ස්ථරය 2: දත්ත මධ්‍යස්ථාන සහ යටිතල පහසුකම්

AI කර්මාන්තශාලා — ඉඩම්, අධි-ශීතකරණ ද්‍රව සිසිලන පද්ධති (Liquid Immersion Cooling), සහ යන්ත්‍ර අතර තත්පරයකට ටෙරාබිට් ගණනින් දත්ත හුවමාරු වන අධිවේගී ඔප්ටිකල් ජාල. මෙය පරිගණක විද්‍යාව මෙන්ම සිවිල් ඉංජිනේරු විද්‍යාවටද අයත් වන අතර ලෝකයේ දැවැන්ත ප්‍රාග්ධනයක් මේ සඳහා වැය වේ.

ස්ථරය 3: මයික්‍රෝචිප් සහ GPU

AI හි ප්‍රධාන එන්ජිමයි — NVIDIA H100, B200 (Blackwell) වැනි සමාන්තර ගණනය කිරීම් සිදුකරන ටෙන්සර් සකසන. රූපය 2.1 හි පෙන්වූ පරිදි CPU වෙනුවට සමාන්තර චිප්ස් අවශ්‍ය වීමට හේතු වූ ස්ථරය මෙයයි. අද වන විට ගෝලීය සැපයුම් දාමයේ වඩාත්ම සීමිත ස්ථානයක සමාගම් කිහිපයක් රඳා පවතින්නේ මෙහිය.

ස්ථරය 4: පදනම් ආකෘති

පද්ධතියේ සංජානන මොළයයි — ට්‍රිලියන ගණනක් වූ ටෝකන මත පූර්ව පුහුණු කළ මහා පරිමාණ භාෂා ආකෘති (ChatGPT, Gemini, Claude, DeepSeek). මුල සිට එවැනි ආකෘතියක් තැනීමට ඩොලර් මිලියන සිය ගණනක් සහ පහළ ස්ථර තුන කාර්මික මට්ටමින් අවශ්‍ය වේ. නමුත් එකක් පරිහරණය කිරීමට වැය වන්නේ විමසුමකට රුපියල් කිහිපයක් පමණි.

ස්ථරය 5: ප්‍රායෝගික යෙදවුම්

තාක්ෂණය ආර්ථික වටිනාකමක් බවට පත්වන එකම ස්ථරයයි — සෞඛ්‍ය, කෘෂිකර්මය, ප්‍රවාහනය, නිෂ්පාදනය සහ පුරවැසි සේවාවන්. පළමු ස්ථර 4 තුළ කෙතරම් සම්පත් තිබුණද, 5 වන ස්ථරයේ යෙදුමක් ගොඩනගන තෙක් කිසිදු පුරවැසියෙකුට ශත පහක ප්‍රතිලාභයක් නොලැබේ. AI පිළිබඳ මහජන සංවාදය බොහෝ විට ආර්ථික වටිනාකමක් නූපදින ස්ථර කෙරෙහි පමණක් අවධානය යොමු කිරීම කනගාටුවට කරුණකි.

🇱🇰 ශ්‍රී ලංකාව සඳහා යථාර්ථ පරීක්ෂාව

රාජ්‍ය නිලධාරීන් ලෙස අප අපේ රටේ සැබෑ හැකියාව සහ භූමිකාව හඳුනාගත යුතුය: * ස්ථරය 3 (චිප්ස් නිෂ්පාදනය): ඩොලර් බිලියන 20ක අතිනවීන Fab කර්මාන්තශාලා තැනීම ශ්‍රී ලංකාවට මේ මොහොතේ කළ නොහැක. * ස්ථරය 4 (මුල සිට Frontier Models හැදීම): ඩොලර් මිලියන සිය ගණන් වැය කර මුල සිට මාදිලි පුහුණු කිරීමද අපේ ප්‍රමුඛතාවය නොවේ. * අපේ සැබෑ අවස්ථාව ඇත්තේ ස්ථරය 5 (යෙදවුම් - Applications) තුළය!

ලෝකයේ බලවත් රටවල් චිප්ස් සහ මොඩල්ස් හැදුවද, අපේ රටේ ප්‍රාදේශීය ලේකම් කාර්යාලයේ ඉඩම් ප්‍රශ්නය, අස්වැසුම ප්‍රතිලාභ බෙදාහැරීම, ග්‍රාම නිලධාරී වසමේ සේවාවන් කඩිනම් කිරීම හෝ විගණන වාර්තා පිරික්සීම වෙනුවෙන් යෙදවුම් හැදිය හැක්කේ අපට පමණි. ලෝකයේ පවතින උසස්ම මොඩල්ස් උපයෝගී කරගෙන, ශ්‍රී ලංකාවේ ප්‍රශ්න විසඳන නිෂ්පාදන ඉංජිනේරු (Product Engineering) මානසිකත්වයකින් යුතුව යෙදවුම් නිර්මාණය කිරීම අපේ ජාතික යුතුකමයි. එමෙන්ම හරිත බලශක්තිය (ස්ථරය 1) සහ දේශීය දත්ත මධ්‍යස්ථාන (ස්ථරය 2) ශක්තිමත් කරගැනීම අපේ ඩිජිටල් ස්වෛරීභාවයට අත්‍යවශ්‍ය වේ.

ඊළඟ පරිච්ඡේදයේදී, මෙම ආකෘති තුළ ඇති ට්‍රාන්ස්ෆෝමර් මොළය, ටෝකනීකරණය, සහ උසස් පෙළ සංයුක්ත ගණිතය AI සමග යා වන ආකාරය ගවේෂණය කරමු.