ரோபாட்களுக்கு விருப்பு வருமா?- ஜூடேயா பேர்ல்:நேர்காணல்

Dr.ஜூடேயா பேர்ல்- அறிமுகம்:
இஸ்ரேலில் உள்ள டெல் அவிவ் நகரில் பிறந்த Dr. ஜூடேயா பேர்ல் (Judea Pearl), முதுநிலைப்பட்டக் கல்வி கற்க 1960ஆம் ஆண்டு அமேரிக்கா வந்தார். செயற்கை நுண்ணறிவு, மானுட தர்க்கம் மற்றும் அறிவியல் தத்துவம் ஆகிய துறைகளில் பல பங்களிப்புகள் செய்துள்ள இவர், இது வரை 350க்கும் மேற்பட்ட ஆய்வுக் கட்டுரைகளும் மூன்று புத்தகங்களும் எழுதியுள்ளார். எண்ணற்ற அறிவியல் பரிசுகள் பெற்றுள்ள பேர்ல் செயற்கை நுண்ணறிவுத் துறையில் மிக உயர்ந்த அங்கீகாரமான ட்யூரிங் பரிசை (Turing Award) பெற்றுள்ளார். இது போக, மானுடப் புலனறிவின் அடிப்படைகள் குறித்த பங்களிப்புக்கு டேவிட் ரூமெல்ஹார்ட் (David E. Rumelhart) பரிசு மற்றும், அறிவியல் தொழில்நுட்ப பங்களிப்புகளுக்காக ஹார்வி பரிசுகளும் பெற்றுள்ளார். அல் கொய்தா இயக்கத்துக்கு இணக்கமாய் பாகிஸ்தானில் இயங்கிய  பயங்கரவாதிகளால்  சிரச்சேதம் செய்யப்பட்ட டானியல் பேர்ல் என்னும் பத்திரிகையாளரின் தந்தையான இவர் தன் மனைவியுடன் இணைந்து  “I am Jewish: Personal Reflections Inspired by the Last Words of Daniel Pearl,” என்ற புத்தகத்தைத் தொகுத்துள்ளார். பேராசிரியர் அக்பர் அகமதுடன் இணைந்து Daniel Pearl Dialogue for Muslim-Jewish Understanding என்ற அமைப்பையும் நிறுவியுள்ளார். ​
***

கெவின் ஹார்ட்நெட்- உங்கள் புதிய புத்தகத்திற்கு “ஏன் என்பதன் புத்தகம்” என்று  தலைப்பிடப்பட்டிருக்கிறதே, ஏன்?
ஜூடேயா பேர்ல்: வினை விளைவு (cause and effect) பற்றி, ஒருவனின் வாழ்வில் அதன் பொருள் என்ன, அதன் பயன்பாடுகள் என்ன, அடிப்படையில் வினைப்பயன் சார்ந்த கேள்விகளுக்கு நாம் எப்படி விடை காண்கிறோம் என்று, கடந்த இருபத்து ஐந்து ஆண்டுகளாக நான் செய்து வந்திருக்கும் ஆய்வுகளின் சுருக்கம் அது. இந்தக் கேள்விகளை அறிவியல் கைவிட்டு விட்டது என்பதுதான் இதில் வினோதமான விஷயம். எனவே, இங்கு நான் அறிவியல் கண்டுகொள்ளத் தவறியதைச் சரி செய்கிறேன்.
ஹார்ட்நெட்: வினைவிளைவை அறிவியல் கைவிட்டு விட்டது என்று சொல்வது நாடகீயமாக இருக்கிறது. அறிவியல் என்று சொன்னாலே அதுதானே?
பேர்ல்: ஆமாம், ஆனால் அறிவியல் சமன்பாடுகளில் இந்த உத்தம நோக்கத்தை நீங்கள் காண முடியாது. அல்ஜீப்ராவின் மொழி சமச்சீர் தன்மை (symmetrical) கொண்டது: எக்ஸ் என்பது ஒய்யைப் பற்றிச் சொல்கிறது என்றால் ஒய் எக்ஸைப் பற்றிச் சொல்கிறது. நான் இங்கு எந்த ஒரு தன்னிகழ்வுக்கும் இடமில்லாத முடிவுறுதி உள்ள (deterministic) சமன்பாடுகளை எடுத்துக் கொள்கிறேன். வெப்பமானியின் முள் சரிகிறது என்றால் அதன் காரணம் புயல் உருவாகிறது என்பதுதானே தவிர வெப்பமானி சரிவதால் புயல் உருவாவதில்லை- இந்தச் சாதாரண உண்மையை எழுத கணிதத்தில் வழியில்லை. வரையறுக்கப்பட முடியாதது என்றோ தீர்வு காண முடியாதது என்றோ நம் காலத்தின் தலைசிறந்த புள்ளியியல் ஆய்வாளர்கள் முடிவு செய்திருந்த கணித கேள்விகளுக்கு எளிய  ‘காரணத்தின் கால்குலஸ்’ விடை தருவதைப் பார்ப்பது எனக்கு மிகப்பெரிய மனவெழுச்சி மிகுந்த தருணமாய் அமைந்தது. இது அத்தனையும் உயர்நிலைப்பள்ளியில் நாம் படிக்கும் ஜியோமெட்ரி போல் சுலபமாகவும் விளையாட்டாகவும் கிடைக்கிறது.
ஹார்ட்நெட்: நிகழ்தகவு (probabilistic) சாத்தியங்களைக் கணக்கிடுவதன் அடிப்படையில் கருவிகள் தர்க்கப்பூர்வமான முடிவுகளை அடைய வழி செய்ததன் மூலம் நீங்கள் ஆர்டிஃபிஷியல் இன்டெலிஜென்ஸ் என்று அழைக்கப்படும் செயற்கை நுண்ணறிவுத் துறையில் பல பத்தாண்டுகளுக்கு முன்னரே பெயர் பெற்று விட்டீர்கள். அக்காலத்தில் செயற்கை நுண்ணறிவுத் துறையின் நிலை எப்படி இருந்தது, சொல்லுங்கள்.
பேர்ல்: 1980களில் தோன்றிய கேள்விகள் அனுமானம் அல்லது நிர்ணயத்தன்மை குறித்தவை. துன்பத்திலிருக்கும் ஒருவரிடம் காணப்படும் நோய்க்குறிகளை ஒரு மருத்துவர் ஒட்டுமொத்தமாகப் பார்க்கிறார். அவருக்கு மலேரியாவோ அல்லது வேறு எந்த நோயோ இருக்கக்கூடிய நிகழ்தகவு என்ன என்பதை அவர் முடிவு செய்ய விரும்புகிறார். தொழில்முறை வல்லுனரின் இடத்தில் தானியங்கி இயந்திர அமைப்புகள், நிபுணத்துவம் கொண்ட இயந்திர அமைப்புகள் இந்த வேலையைச் செய்ய வேண்டும் என்று விரும்பினோம்- அவர் மருத்துவராக இருக்கலாம், கனிம ஆய்வாளராக இருக்கலாம், அல்லது வேறு வகையில் சம்பளத்துக்கு வேலை செய்யும் நிபுணராக இருக்கலாம். இப்படி இருந்த நிலையில் நான் நிகழ்தகவு கணக்குகளைக் கொண்டு இந்த வேலையைச் செய்ய முடியும் என்று தீர்மானித்தேன்.
ஆனால் துரதிருஷ்டவசமாக, எக்ஸ்பொனென்ஷியல் என்று சொல்லப்படும் வகையில் அடுத்தடுத்த நிலைகளில் அடுக்கடுக்காய் அதிகரிக்கும் அளவில் இடமும் காலமும் வழமையான நிகழ்தகவு கணக்குகளுக்கு தேவைப்பட்டன. நான் அப்போது பேயஸியன் நெட்வர்க்குகள் என்று சொல்லப்படும் வடிவமைப்பு ஒன்றை உருவாக்கினேன். இங்கு காலத்தை கணிக்க பாலிநோமியல் என்று சொல்லப்படும் அடுக்குக்கோவை கணிதம் மட்டுமே தேவைப்பட்டது, இது தெளிவாக புரிந்து கொள்ளப்படக் கூடியதாகவும் இருந்தது.
ஹார்ட்நெட்: ஆனால் உங்கள் புதிய புத்தகத்தில் செயற்கை நுண்ணறிவுச் சமூகத்தில், நம்பிக்கை இழந்தவராக உங்களை விவரித்துக் கொள்கிறீர்கள். எந்த அர்த்தத்தில் அப்படிச் சொல்கிறீர்கள்?
பேர்ல்: நிச்சயமின்மையைப் பயன்படுத்திக் கொண்டு தர்க்கப்பூர்வமான முடிவுகளை அடையும் கருவிகளை உருவாக்கியவுடன் நான் அந்தக் களத்தை விட்டு விலகி அதைவிட சவாலான வேறொரு இலக்கை நோக்கிப் பயணித்தேன் என்ற அர்த்தத்தில் அப்படிச் சொல்கிறேன்: வினை விளைவுகளைக் கணக்கில் கொள்ளும் தர்க்கம். செயற்கை நுண்ணறிவுத் துறையில் உள்ள என் நண்பர்களில் பலர் இன்னமும் நிச்சயமின்மையுடன் போராடிக் கொண்டிருக்கிறார்கள். பிரச்சினையின் காரணிகளைப் பற்றி கவலைப்படாமல் நிர்ணயிப்பது குறித்து தொடர்ந்து வேலை செய்து கொண்டிருக்கும் ஆய்வு வட்டங்கள் இருக்கின்றன. நன்றாக கணிக்க வேண்டும், நன்றாக நிர்ணயிக்க வேண்டும், அவர்களுக்கு இது போதும்.
உங்களுக்கு ஒரு உதாரணம் கொடுக்க முடியும். இப்போது நாம் பார்க்கும் இயந்திர கற்பித்தல் அத்தனையும் நிர்ணய தளத்தில் மட்டுமே நிகழ்கின்றன- பொருட்களை “பூனை” அல்லது “புலி” என்று அடையாளம் காண்பது என்று வைத்துக் கொள்ளலாம். இதில் இடையீடு செய்வது குறித்து அவர்களுக்கு அக்கறை இல்லை. ஒரு பொருளை அடையாளம் கண்டு, காலப்போக்கில் அது எவ்வாறு மாறப் போகிறது என்பதை கணித்தால் போதும்.
மானுட அறிவின் நுனி மட்டும்தான் இது என்பதை ஏற்கனவே அறிந்திருந்தபோதும், கணிப்பதற்கும் நிர்ணயம் செய்வதற்கும் தேவையான ஆற்றல்மிக்க கருவிகளை நான் உருவாக்கியபோது நம்பிக்கை இழந்தவன் போல் உணர்ந்தேன். இடையூடுகள் செய்வது பற்றி இயந்திரங்கள் தர்க்கம் செய்ய வேண்டும் (“சிகரெட்டுகளுக்கு தடை விதித்தால் என்ன ஆகும்?”), தன்னைப் பற்றி சிந்தித்துப் பார்க்க வேண்டும் (“நான் பள்ளிக் கல்வி முடித்திருந்தால் எப்படி இருந்திருப்பேன்?”), என்று நாம் விரும்பினால் வினைகாரணிகளைக் கணக்கில் கொள்ளும் மாதிரிப் படிவங்களை, அதாவது, காசல் (causal models) மாதிரிகளை நாம் பயன்படுத்திக் கொண்டாக வேண்டும். எது எதனோடு கூடி வருகிறது என்பதைப் பார்த்தால் போதாது- இது ஒரு கணித உண்மை, வெறும் கருத்து மட்டுமல்ல.
ஹார்நெட்: செயற்கை நுண்ணறிவின் சாத்தியங்கள் குறித்து உற்சாகம் காணப்படுகிறது. உங்களுக்கு இதில் நம்பிக்கை இல்லை?
பேர்ல்: டீப் லேர்னிங் என்று சொல்கிறோமில்லையா, ஆழ்கல்வி, அதில் என்ன நடக்கிறது என்பதை நான் எவ்வளவு பார்த்தாலும், எல்லாரும் கூட்டமைப்புகளின் தளத்தில் தேங்கி விட்டிருப்பதைப் பார்க்கிறேன். வளைவில் பொருத்துகிறார்கள், ஃகர்வ் பிட்டிங். இது ஒரு அபச்சாரம் போல் தொனிக்கிறது. ஆழ்கல்வியில் இதுவரை நிகழ்த்தப்பட்ட சாதனைகள் அத்தனையும் தரவுகளை வளைவில் பொருத்துவதுதான் என்று சொல்வது. ஆனால் கணித படிநிலையின் கோணத்தில் பார்த்தால் நீங்கள் எவ்வளவு புத்திசாலித்தனமாக தரவுகளைப் பயன்படுத்திக் கொண்டாலும் சரி, அப்படி பயன்படுத்திக் கொண்ட தரவுகளை நீங்கள் எவ்வளவு புத்திசாலித்தனமாக வாசித்து புரிந்து கொண்டாலும் சரி, அப்போதும் அது தரவுகளை வளைவில் பொருத்துவதுதான். என்ன ஒன்று, இது நுட்பமாக இருக்கிறது, அற்பம் என்று சொல்ல முடியாததாக இருக்கிறது.
ஹார்ட்நெட்: நீங்கள் வளைவு பொருத்தல் குறித்து பேசுவதைப் பார்க்கும்போது கருவி கற்பித்தல் உங்களுக்கு பெரிய விஷயமாக தெரியவில்லை என்று தோன்றுகிறது.
பேர்ல்: இல்லை, பெரிய விஷயங்கள்தான் செய்திருக்கிறார்கள். வெறுமே வளைவில் பொருத்துதலைக் கொண்டு இவ்வளவு பிரச்சினைகளைத் தீர்க்க முடியும் என்று நான் நினைத்துப் பார்க்கவில்லை. இத்தனையும் முடியும் என்று இப்போதுதான் தெரிகிறது. ஆனால் நான் எதிர்காலம் குறித்து கேள்வி எழுப்புகிறேன்- அடுத்தது என்ன? இப்போது விடை காணக் காதுக்கும் அறிவியல் கேள்விகளுக்கு புதிய தீர்வுகள் காண ஆய்வுக்கூடச் சோதனைகளை திட்டமிடக்கூடிய இயந்திர விஞ்ஞானியை உன்னால் உருவாக்க முடியுமா? இனி அதைத்தான் செய்ய வேண்டும். கருவியுடன் அர்த்தப்பூர்வமான உரையாடல் நிகழ்த்த வேண்டும். அர்த்தப்பூர்வமான என்று சொன்னால், நம் உள்ளுணர்வுக்கு இணக்கமான உரையாடல். காரண காரியம் பற்றி உங்களுக்கு இருக்கும் உள்ளுணர்வை ரோபோட்டுக்கு மறுக்கிறீர்கள் என்றால், அதனோடு நீங்கள் அர்த்தப்பூர்வமாக ஒரு போதும் உரையாடப் போவதில்லை. நீங்களும் நானும் சொல்வது போல், “நான் இன்னும் நன்றாக இதைச் செய்திருக்க வேண்டும்,” என்று ரோபோட்டுகளால் சொல்ல முடியாது. ஒருவரை ஒருவர் தொடர்பு கொள்ளும் பாதைகளில் ஒரு முக்கியமான பாதையை நாம் இதனால் இழந்து விடுகிறோம்
ஹார்ட்நெட்: வினை விளைவுகள் குறித்த நம் உள்ளுணர்வை பகிர்ந்து கொள்ளும் இயந்திரங்களை உருவாக்குவது சாத்தியமா?
பேர்ல்: சூழலின் மாதிரிப் படிவம் ஒன்றை நாம் இயந்திரங்களுக்கு அளித்ததாக வேண்டும். யதார்த்தம் குறித்த ஒரு மாதிரி வடிவம் இயந்திரத்துக்கு இல்லாதபோது, அது யதார்த்த உலகில் அறிவார்ந்த வகையில் நடந்து கொள்ள முடியும் என்று நாம் எதிர்பார்க்க முடியாது. முதல் கட்டமாக, மனிதர்கள் யதார்த்த உலகின் கருத்துருவ மாதிரி வடிவங்களின் நிரலிகளை யந்திரங்களுக்கு அளிப்பார்கள், இது ஏறத்தாழ பத்து ஆண்டுகளில் சாத்தியமாகலாம். அதன் அடுத்த கட்டமாக இயந்திரங்கள் தன்னிச்சையாகவே இது போன்ற வேறு மாதிரி வடிவங்களை முன்வைக்கும். புறவயப்பட்ட, தகவல் சார்ந்த சான்றுகளின் அடிப்படையில் அவற்றைச் சரி பார்த்து சீர்திருத்திக் கொள்ளும். அறிவியலில் இதுதான் நடந்தது; நாம் வட்டங்கள், உயர்வட்டங்கள் என்று பூமியை மையமாய்க் கொண்ட உலகை முன்வடிவமாய்க் கொண்டு ஆய்வுகள் செய்யத் துவங்கினோம், முடிவில் நீள்வட்டங்கள் உள்ள, சூரியனை மையமாய்க் கொண்ட உலகை அடைந்தோம்.
ரோபோட்டுகளும் ஒன்றுடன் ஒன்று தொடர்பு கொள்ளும். இந்த கருத்து வடிவ, கட்டற்ற, உவமேய உலகுகளை மொழியாக்கம் செய்து புரிந்து கொள்ளும்.
ஹார்ட்நெட்: இன்று செயற்கை நுண்ணறிவுத் துறையில் வேலை செய்பவர்களுடன் இந்த எண்ணங்களை நீங்கள் பரிமாறிக் கொள்ளும்போது அவர்கள் எப்படி எடுத்துக் கொள்கிறார்கள்?
பேர்ல்: செயற்கை நுண்ணறிவுத் துறை இப்போது பிளவுபட்டுக் கிடக்கிறது. முதலாவதாக, இயந்திரக் கற்பித்தல், ஆழ்கல்வி, நியூரல் வலைகள் போன்றவற்றின் வெற்றியால் ஏற்பட்ட போதை தெளியாதவர்கள் இருக்கிறார்கள். நான் என்ன சொல்கிறேன் என்பது அவர்களுக்கு புரியவில்லை. தொடர்ந்து வளைவுகளைப் பொருத்திக் கொண்டிருக்க மட்டுமே விரும்புகிறார்கள். ஆனால் புள்ளியியல் கற்றலுக்கு வெளியே செயற்கை நுண்ணறிவுத் துறையில் வேலை செய்தவர்களுடன் நீங்கள் பேசும்போது, அவர்கள் உடனே புரிந்து கொள்கிறார்கள். இயந்திர கற்றலின் குறைகள் குறித்து கடந்த இரு மாதங்களில் மட்டும் பல ஆய்வுக் கட்டுரைகளை நான் படித்து விட்டேன்.
ஹார்ட்நெட்: இயந்திரக் கற்றலைக் கடந்து வேறு போக்கு ஒன்று உருவாகிக் கொண்டிருக்கிறது என்று சொல்கிறீர்களா?
பேர்ல்: போக்கு என்று சொல்ல மாட்டேன், ஒரு தீவிரமான ஆன்ம விசாரணை ஒன்று நிகழ்ந்து கொண்டிருக்கிறது. நாம் எங்கே போகிறோம்? அடுத்த கட்டம் என்ன? இப்படிப்பட்ட கேள்விகள் எழுப்பப்படுகின்றன.
ஹார்ட்நெட்: நான் கடைசியாக உங்களை கேட்க நினைத்த விஷயம் இதுதான்.
பேர்ல்: நல்ல வேளை நீங்கள் என்னிடம் சுய இச்சை குறித்து எதுவும் கேட்கவில்லை. சந்தோஷமாக இருக்கிறது.
ஹார்ட்நெட்: அப்படியானால், நீங்கள் சுய இச்சை குறித்து என்ன நினைக்கிறீர்கள்?
பேர்ல்: சுய இச்சை கொண்ட ரோபோட்கள் வரப் போகின்றன, அதில் சந்தேகமில்லை. அவற்றுக்கான நிரலிகள் எழுதுவது எப்படி, இதில் நமக்கு என்ன கிடைக்கும், என்று நாம் புரிந்து கொள்ள வேண்டும். இயற்கை, ஏதோ ஒரு காரணத்தால், சுய இச்சை இருப்பது போன்ற உணர்வு இருப்பது கணிப்புக்கு நல்லது என்று கண்டு கொண்டுள்ளது.
ஹார்ட்நெட்: எந்த வகையில்?
பேர்ல்: சுய இச்சை இருப்பது போன்ற உணர்வு உங்களுக்கு இருக்கிறது; பரிணாம வளர்ச்சி நமக்கு இந்த உணர்வை அளித்திருக்கிறது. அப்படியானால் அதற்கு ஏதோ ஒரு கணிப்புப் பயன்பாடு இருக்க வேண்டும்.
ஹார்ட்நெட்: ரோபோட்டுகளுக்கு சுய இச்சை தோன்றும்போது, அது நமக்கு வெளிப்படையாகவே தெரிய வருமா?
பேர்ல்: ரோபோட்டுகள் நிகழ்வுச் சான்றுகளுக்கு மாறாக, “நீ இன்னும் நன்றாகச் செய்திருக்க வேண்டும்,” என்பதுபோல், ஒன்றுடனொன்று தகவல் பரிமாறிக் கொண்டால், அப்போது அது முதல் தடயமாக இருக்கும். கால்பந்து விளையாடிக் கொண்டிருக்கும் ரோபோட் அணி ஒன்று இந்த மொழியில் பேசிக் கொள்ளத் துவங்கினால் அப்போது அவற்றுக்கு சுய இச்சை உணர்வு இருக்கிறது என்பது நமக்குத் தெரிய வரும். “ நீ பந்தை எனக்கு பாஸ் செய்திருக்க வேண்டும்- உனக்காகக் காத்திருந்தேன், ஆனால் நீ பாஸ் செய்யவில்லை!”. “நீ செய்திருக்க வேண்டும்,” என்று சொன்னால், நீ என்ன செய்தாயோ, உன்னை அப்படிச் செய்யச் செய்த உந்துதல் எதுவாக இருந்தாலும் அதை நீ கட்டுப்படுத்திக் கொண்டிருந்திருக்க வேண்டும் என்று பொருள். ஆனால் நீ கட்டுப்படுத்தத் தவறிவிட்டாய் என்று சொல்வது, எனவே முதல் அறிகுறி உரையாடலாய் இருக்கும்; அடுத்தது, இன்னும் நல்ல கால்பந்தாட்டம்.
ஹார்ட்நெட்: சுய இச்சை பற்றி பேச்சு வந்ததால் தீமை செய்வதற்கான சாத்தியம் பற்றி கேட்க வேண்டும் என்று நினைக்கிறேன். தேர்வுகளை மேற்கொள்ளும் திறன் இருந்தால்தான் தீயன செய்ய இயலும் என்று நாம் பொதுவாய் நினைத்துக் கொண்டிருக்கிறோம். தீமை என்றால் என்ன?
பேர்ல்: சமூக நியமங்கள் எல்லாவற்றையும்விட உங்கள் பேராசை அல்லது குறைதான் முக்கியம் என்ற நம்பிக்கைதான் தீமை. உதாரணத்துக்கு, ஒருவனிடம் மென்பொருள் அடுக்கு (module) போன்ற ஒன்று இருக்கிறது என்று வைத்துக் கொள்வோம். “உனக்குப் பசிக்கிறது, எனவே உன் பேராசை அல்லது குறையைத் தீர்த்துக் கொள்ளச் செயல் புரிய உனக்கு அனுமதி உண்டு,” என்று நிரலி சொல்கிறது. ஆனால் வேறு பல மென்பொருள் நிரலிகள், சமூகப் பொது விதிகளை அனுசரிக்கச் சொல்கின்றன. அவற்றில் ஒன்று கருணை. அது போன்ற சர்வ வியாபீக சமூக நியமங்களைவிட உன் குறையை நீ பெரிதுபடுத்தும்போது அதுதான் தீதாகிறது.
ஹார்ட்நெட்: அப்படியானால் செயற்கை நுண்ணறிவு தீது செய்யும் ஆற்றல் அடைந்து விட்டது என்பதை நாம் எப்படி அறிந்து கொள்வது?
பேர்ல்: ரோபோட் சில மென்பொருள் பகுதிகளைப் புறக்கணிக்கிறது, தொடர்ந்து புறக்கணித்து வருகிறது, என்பது நமக்குத் தெரியும்போது இது புரிந்து விடும். ஒரு சில மென்பொருள் கூறுகளுக்கு ரோபோட் பணிகிறது, ஆனால் வேறு சிலவற்றை மீறுகிறது, அதன் நடத்தையை நியமங்களுக்கு உட்படுத்தும் வகையில் உள்ளீடு செய்யப்பட்ட பிற கூறுகள் அளிக்கும், அல்லது கடந்த கால பயிற்சி அடிப்படையில் கற்றுக் கொண்டிருக்க வேண்டிய, அறிவுரையை ரோபோட் புறக்கணிக்கிறது என்று தோன்றும்போது அதற்கு தீது செய்யும் ஆற்றல் வந்துவிட்டதைப் புரிந்து கொள்ளலாம். ரோபோட் பணிந்து போவதை நிறுத்தி விடுகிறது.