සංක්ෂේපය (Abstract)
ජ්යොතිෂ පලාඵල කථනයේදී මතු වන ප්රධාන ගැටලුවක් වන්නේ මූලික කාල පරිච්ඡේද පද්ධතිය වන දශාව (Dasha) සහ ග්රහයන්ගේ තත්කාලීන ගමන වන ගෝචරය (Transit) අතර පවතින පරස්පරතාවයන් අර්ථකථනය කිරීමයි. "දශාව සුභ වී ගෝචරය අශුභ වන" අවස්ථාවලදී පලාඵලය මතුවන ආකාරය තීරණය වන්නේ ගණිතමය බල ගණනයන් සහ ගුණාත්මක විග්රහයන්ගේ සංකලනයෙනි.
මෙම පර්යේෂණ පත්රිකාව මගින් ෂඩ්බල, වින්සෝපාක බල, ඉෂ්ට-කෂ්ට ඵල අනුපාතය සහ අෂ්ටක වර්ග ක්රමය පදනම් කරගනිමින් දශා-ගෝචර බලපෑමට බර තැබීමේ (Weightage Assessment) න්යායාත්මක ආකෘතියක් ඉදිරිපත් කෙරේ. තවද, නූතන කෘතිම බුද්ධි (AI) සහ යන්ත්ර ඉගෙනුම් (Machine Learning) පද්ධතීන් භාවිතයෙන් ජන්මියාගේ (Native) කේන්ද්ර සටහන (Horoscope) ඇසුරින් පලාඵල සත්යාපනය (Validation) කිරීමේ තාක්ෂණික පදනමද මෙහිදී දීර්ඝ ලෙස විශ්ලේෂණය කරනු ලැබේ.
ප්රධාන පද (Keywords): දශාව, ගෝචරය, ඉෂ්ට-කෂ්ට ඵල, ෂඩ්බල, ජන්මියා, ජාතක විනිශ්චය, AI ජ්යොතිෂ සත්යාපනය, බෘහත් පරාශර හෝරා ශාස්ත්රය.
හැඳින්වීම (Introduction)
ජ්යොතිෂ විද්යාත්මක ජාතක විනිශ්චයකදී (Horoscopic Judgement) කාල තීරණය සඳහා භාවිත වන ප්රධානතම මෙවලම් ද්විත්වය වන්නේ දශා පද්ධතිය සහ ගෝචර පද්ධතියයි. දශාව මගින් ජන්මියාගේ ජීවිතයේ කිසියම් සිදුවීමක මූලික ශක්යතාව (Potential & Promise) නිරූපණය කරන අතර, ගෝචරය මගින් එම සිදුවීම බාහිර ලෝකය තුළ ක්රියාත්මක වන මොහොත (Triggering Point) නිරූපණය කරයි.
නමුදු, ප්රායෝගික ජ්යොතිෂයේදී දශාව සහ ගෝචරය එකිනෙකට පරස්පර සංඥා නිකුත් කරන අවස්ථා බහුලව දැකිය හැක. මෙවැනි අවස්ථාවලදී තීරණාත්මක විනිශ්චයකට පැමිණීමට නම් හුදෙක් සූත්ර මත පදනම් වූ තාක්ෂණික ගණනයන් මෙන්ම, අත්දැකීම් පදනම් කරගත් ගුණාත්මක (Qualitative) ශාස්ත්රීය පරිශීලනයක්ද අත්යවශ්ය වේ.
මෙහිදී "ජන්මියා" (උපත ලැබූ පුද්ගලයා) සහ "ජාතකය" (කේන්ද්ර සටහන) යන පදපරම විද්යාත්මකව වෙන්කොට හඳුනාගනිමින්, ජන්මියාට අදාළ ඵලදීම සිදු වන ආකාරය සූත්රගත කිරීම මෙම අධ්යයනයේ ප්රධාන අරමුණයි.
න්යායාත්මක පසුබිම සහ සාහිත්ය විමර්ශනය (Theoretical Background)
පරාශරීය ජ්යොතිෂ න්යායන්ට අනුව දශාධිපතියාගේ ශක්තිය ගෝචර ග්රහයන්ගේ බලපෑම පාලනය කිරීමේ ප්රධාන සාධකය වේ. බෘහත් පරාශර හෝරා ශාස්ත්රය තුළ දක්වා ඇති පරිදි, ගෝචර ග්රහයා කෙතරම් ප්රබල වුවද දශා නාථයාගේ (Dasha Lord) අනුමැතියකින් තොරව ස්වාධීන ඵල ලබාදිය නොහැක (Parasara, Trans. 2008).
දශා-ගෝචර බර තැබීමේ මාදිලිය (Weightage Model)
සම්ප්රදායික මූලාශ්ර සහ ප්රමාණික ජ්යොතිෂ සිද්ධාන්තයන්හි විශ්ලේෂණයට අනුව, සමස්ත ජීවන බලපෑම කෙරෙහි දශා සහ ගෝචර බලයන්හි දායකත්වය පහත පරිදි ප්රතිශතාත්මකව බෙදා වෙන්කළ හැක
මහා දශාව (Maha Dasha) 50% ජන්මියාගේ සමස්ත ජීවන පරිසරය සහ මූලික ශක්ති ධාරිතාව.
අන්තර් දශාව (Antar Dasha) 20% මූලික දශාව තුළ සිදුවීම්වල ආසන්න නැඹුරුව සහ ප්රතිඵලය.
ගෝචරය (Transit) 30% සිදුවීම් ක්රියාත්මක වන කාලරාමුව (Timing) සහ බාහිර මුහුණුවර
ග්රහ බල ගණනය සහ ඉෂ්ට-කෂ්ට ඵල අනුපාතය (Astrological Metrics)
"දශාව හොඳයි - ගෝචරය නරකයි" යන තත්ත්වයේදී නිරවද්ය බර තැබීමක් සිදු කිරීම සඳහා ප්රධාන ගණිතමය මිනුම්දඬු කිහිපයක් භාවිත වේ.
ෂඩ්බල සහ වින්සෝපාක බලය (Shatbala & Vimsopaka Bala)
ග්රහයෙකුගේ සමස්ත ශක්තිය මැනීමට ඡන්ද්ර, දික්, කාල, චේෂ්ටා, නෛසර්ගික සහ දෘග් යන ෂඩ්බල අගයන්ද, වර්ග කේන්ද්ර 16 පදනම් කරගත් ලකුණු 20 පද්ධතිය වන විම්ශෝපාක බලයද (Vimsopaka Bala) යොදාගැනේ.
විම්ශෝපාක බලය 15-20 අතර වන දශාධිපති ග්රහයෙකු ජන්මියාට ඉහළ ප්රතිශක්තිකරණ ශක්තියක් ලබා දෙයි.
ඉෂ්ට-කෂ්ට ඵල න්යාය (Ishta & Kashta Phala Theory)
ශ්රී පති පද්ධතිය (Sripati, Trans. 1998) අනුව ග්රහයෙකුගේ උච්ච බලය සහ චේෂ්ටා බලය පදනම් කරගෙන ඉෂ්ට (සුභ) සහ කෂ්ට (අශුභ) ඵල ගණනය කරනු ලබයි.
මෙම අනුපාතය දශා-ගෝචර විනිශ්චයට සම්බන්ධ වන ආකාරය දත්ත අනුව සත්යාපනය කර ඇත.
කෘතිම බුද්ධිය (AI) මගින් පලාඵල සත්යාපනය කිරීමේ තාක්ෂණික පදනම (AI Validation Framework)
කෘතිම බුද්ධි පද්ධතියක් (AI Driven System) මගින් සිදුකරන ජ්යොතිෂ විග්රහයක් හුදෙක් පෙළ නිෂ්පාදනයකින් (Text Generation) ඔබ්බට ගොස් සත්යාපිත පලාඵලයක් (Validated Prediction) බවට පත්වීමට නම් පහත පූර්ව කොන්දේසි සම්පූර්ණ විය යුතුය.
උපත් වේලාව සත්යාපනය (Birth Time Rectification - BTR)
AI ඇල්ගොරිතමයක පළමු පියවර වන්නේ ජන්මියාගේ අතීත සිදුවීම් (Event History) විශ්ලේෂණය කරමින් උපත් වේලාව ස්වයංක්රීයව පරිශෝධනය කිරීමයි. විනාඩි කිහිපයක වෙනසක් නවාංශකය සහ සූක්ෂම දශා වෙනස් කරන බැවින්, BTR ක්රියාවලිය සත්යාපනයේ පදනම වේ.
බහු-සාධක අනුපාතික ඇල්ගොරිතමය (Multi-Factor Weighted Algorithm)
AI පද්ධතිය විසින් පලාඵලය ගණනය කළ යුත්තේ තනි තනි ඝටක ලෙස නොව, පරාමිතීන් කිහිපයක එකතුවක් ලෙසයි.
අෂ්ටක වර්ගයේ බින්දු බලය, ගෝචර ග්රහයා ගමන් කරන රාශියේ බින්දු 28ට වඩා (විශේෂයෙන් 5ට වඩා) පැවතීම මගින් අශුභ ගෝචරය අවහිර වන බව AI පද්ධතිය හඳුනාගත යුතුය.
වේධ ලක්ෂ්ය (Vedha Points) , අශුභ ගෝචරයක් වෙනත් ග්රහයෙකුගේ පැමිණීම නිසා අවහිර (Blocked) වන්නේද යන්න නීති අනුසාරයෙන් (Rule-based Systems) ගණනය විය යුතුය.
සන්දර්භීය පරිවර්තනය සහ ප්රතිපෝෂණ පද්ධතිය (Contextual Calibration & ML Feedback Loop)
දේශ, කාල, පාත්ර න්යාය, ජන්මියා ජීවත්වන නූතන සමාජ-ආර්ථික වටපිටාවට අනුකූල වන පරිදි පුරාණ යෝග සහ පලාඵල නූතන යෙදවුම් බවට (උදා: රාජ යෝගය \rightarrow /දේශපාලන උසස්වීම්) පද්ධතිය විසින් සිතියම්ගත (Contextual Mapping) කළ යුතුය.
ප්රතිපෝෂණ පාදක ඉගෙනුම (Reinforcement Learning) , ලබාදුන් පලාඵලයන්හි නිවැරදිතාව පිළිබඳ ජන්මියාගෙන් ලැබෙන ප්රතිපෝෂණ (User Feedback) මගින් ඇල්ගොරිතමය ස්වයං-වර්ධනය (Self-Correction) විය යුතුය.
සාකච්ඡාව සහ නිගමනය (Discussion & Conclusion)
මෙම අධ්යයනය මගින් පැහැදිලි වන්නේ ජ්යොතිෂයේ "දශාව හොඳයි - ගෝචරය නරකයි" යන්න හුදෙක් සරල ප්රකාශයක් නොව, සංකීර්ණ ගණිතමය සහ ගුණාත්මක තුලනයක් බවයි.
දශාවේ මූලිකත්වය, දශාධිපතිගේ ඉෂ්ට ඵල අගය ගෝචර ග්රහයාගේ කෂ්ට ඵල අගයට වඩා වැඩි වන තාක්, නරක ගෝචරයට කළ හැක්කේ තාවකාලික පීඩාවක් ඇති කිරීම පමණි. ජන්මියා අවසාන ජයග්රහණය කරා ළඟා වේ.
තාක්ෂණික හා ගුණාත්මක බර තැබීම, 70:30 බර තැබීමේ පදනම සහ ඉෂ්ට-කෂ්ට අනුපාතය භාවිත කිරීම මගින් වඩාත් නිරවුල් නිගමනවලට පැමිණිය හැක.
AI සත්යාපනය, AI පදනම් කරගත් පලාඵල කථනයක් සත්ය වීමට නම් BTR ක්රියාවලිය, ඉෂ්ට-කෂ්ට ගණිතමය අනුපාත, අෂ්ටකවර්ග බින්දු සහ ප්රතිපෝෂණ පාදක යන්ත්ර ඉගෙනුම් (Machine Learning) පද්ධතීන් පූර්ණ ලෙස අනුකලනය විය යුතුය.
මූලාශ්ර (References)
Parasara, M. (2008). Brihat Parasara Hora Sastra (R. Santhanam, Trans.). New Delhi: Ranjan Publications.
Raman, B. V. (2003). A Manual of Hindu Astrology. Bangalore: Raman Publications.
Sripati. (1998). Sripati Paddhati (V. S. Sastri, Trans.). Bangalore: Subodh Publications.
Varahamihira. (1981). Brihat Jataka (B. S. Rao, Trans.). New Delhi: Motilal Banarsidass.
Krishnamurti, K. S. (2002). KP Reader Vol. II: Fundamental Principles of Astrology. Chennai: Krishnamurti Padhdhati Publications.
