AI துறை சட்டங்கள் மற்றும் ஒழுங்குமுறைகள் குறித்து ஏன் கவலைப்படுகிறது? 2026
AI துறையில் தானாக முன்வந்து கடைபிடிக்கப்படும் நெறிமுறைகளின் காலம் முடிந்துவிட்டது. பல ஆண்டுகளாக, டெக் நிறுவனங்களும் ஸ்டார்ட்அப்களும் வெறும் ‘கொள்கைகள்’ மற்றும் ‘வழிகாட்டுதல்களை’ மட்டுமே நம்பி இயங்கி வந்தன. ஐரோப்பிய ஒன்றியத்தின் AI சட்டம் மற்றும் அமெரிக்காவில் தொடரப்பட்ட வழக்குகள் இந்த நிலையை மாற்றிவிட்டன. இன்று, AI என்ன செய்ய முடியும் என்பதை விட, சட்டப்படி என்ன செய்ய அனுமதிக்கப்படுகிறது என்பதுதான் முக்கிய விவாதமாக மாறியுள்ளது. இப்போது மென்பொருள் பொறியாளர்களுடன் சட்ட நிபுணர்களும் இணைந்து பணியாற்ற வேண்டிய கட்டாயம் ஏற்பட்டுள்ளது. இது வெறும் தத்துவார்த்தமான விவாதம் அல்ல; நிறுவனத்தின் உலகளாவிய வருவாயில் ஏழு சதவீதம் வரை அபராதம் விதிக்கப்படலாம் என்ற சூழல் நிலவுகிறது. இணக்கத்தன்மை (compliance) என்பது இப்போது கம்ப்யூட் பவரைப் போலவே முக்கியமானது. நிறுவனங்கள் தங்கள் பயிற்சித் தரவுகளை ஆவணப்படுத்தவும், தங்கள் மாடல்களில் பாரபட்சம் இல்லை என்பதை நிரூபிக்கவும், சில பயன்பாடுகள் சட்டவிரோதமானவை என்பதை ஏற்றுக்கொள்ளவும் வேண்டிய கட்டாயத்தில் உள்ளன. சட்டமற்ற சூழலில் இருந்து கடுமையான ஒழுங்குமுறைக்கு மாறியிருப்பது, கடந்த பல தசாப்தங்களில் டெக் துறையில் ஏற்பட்டுள்ள மிக முக்கியமான மாற்றமாகும்.
கட்டாய இணக்கத்தன்மையை நோக்கிய மாற்றம்
தற்போதைய ஒழுங்குமுறை இயக்கத்தின் மையப்பகுதி ‘ரிஸ்க்’ சார்ந்த அணுகுமுறையாகும். ஒழுங்குமுறை அமைப்புகள் AI-ஐ தடை செய்ய முயற்சிக்கவில்லை; மாறாக, அதை வகைப்படுத்த முயற்சிக்கின்றன. புதிய விதிகளின்படி, AI அமைப்புகள் நான்கு வகைகளாகப் பிரிக்கப்பட்டுள்ளன: ஏற்றுக்கொள்ள முடியாத ரிஸ்க், அதிக ரிஸ்க், குறைந்த ரிஸ்க் மற்றும் மிகக் குறைந்த ரிஸ்க். பொது இடங்களில் பயோமெட்ரிக் அடையாளம் காணுதல் அல்லது அரசாங்கங்களின் சமூக ஸ்கோரிங் போன்றவை பெரும்பாலும் தடை செய்யப்பட்டுள்ளன. இவை ஏற்றுக்கொள்ள முடியாத ரிஸ்க்குகள். வேலைவாய்ப்பு, கடன் மதிப்பீடு, கல்வி மற்றும் சட்ட அமலாக்கம் ஆகியவற்றில் பயன்படுத்தப்படும் AI அமைப்புகள் அதிக ரிஸ்க் கொண்டவை. ஒரு நிறுவனம் ரெஸ்யூம்களை ஸ்கிரீன் செய்ய ஒரு கருவியை உருவாக்கினால், அது கடுமையான வெளிப்படைத்தன்மை மற்றும் துல்லியமான தரநிலைகளைப் பூர்த்தி செய்ய வேண்டும். தங்கள் அல்காரிதம் சரியாகச் செயல்படுகிறது என்று வெறும் வார்த்தைகளால் சொல்ல முடியாது; விரிவான ஆவணங்கள் மற்றும் மூன்றாம் தரப்பு தணிக்கைகள் மூலம் அதை நிரூபிக்க வேண்டும். இது முன்பு தங்கள் உள் செயல்பாடுகளை ரகசியமாக வைத்திருந்த நிறுவனங்களுக்கு மிகப்பெரிய சுமையாகும்.
சாட்பாட்களை இயக்கும் பெரிய மொழி மாதிரிகள் (Large Language Models) போன்ற பொது நோக்கத்திற்கான AI மாடல்களுக்குத் தனி விதிகள் உள்ளன. இந்த மாடல்கள், தாங்கள் உருவாக்கும் உள்ளடக்கம் AI மூலம் உருவாக்கப்பட்டதா என்பதைத் தெரிவிக்க வேண்டும். மேலும், அவற்றைப் பயிற்றுவிக்கப் பயன்படுத்தப்பட்ட பதிப்புரிமை பெற்ற தரவுகளின் சுருக்கத்தையும் வழங்க வேண்டும். இங்குதான் சிக்கல் எழுகிறது. பெரும்பாலான AI நிறுவனங்கள் தங்கள் பயிற்சித் தரவுகளை ஒரு வர்த்தக ரகசியமாகக் கருதுகின்றன. ஆனால், சந்தையில் நுழைய வெளிப்படைத்தன்மை அவசியம் என்று ஒழுங்குமுறை அமைப்புகள் கூறுகின்றன. ஒரு நிறுவனம் தனது தரவு ஆதாரங்களை வெளிப்படுத்த முடியாவிட்டால் அல்லது மறுத்துவிட்டால், அது ஐரோப்பிய சந்தையில் இருந்து தடுக்கப்படலாம். இது நவீன மெஷின் லேர்னிங்கின் ‘பிளாக் பாக்ஸ்’ தன்மைக்கு விடுக்கப்பட்ட நேரடி சவாலாகும். இது பல ஆண்டுகளாகத் துறை எதிர்த்து வந்த ஒரு வெளிப்படைத்தன்மையை வற்புறுத்துகிறது. பயனர்கள் தாங்கள் ஒரு மெஷினுடன் உரையாடுகிறோம் என்பதை அறிந்துகொள்வதும், படைப்பாளிகள் தங்கள் படைப்பு அந்த மெஷினை உருவாக்கப் பயன்படுத்தப்பட்டதா என்பதை அறிந்துகொள்வதும் இதன் நோக்கமாகும்.
இந்த விதிகளின் தாக்கம் ஐரோப்பாவைத் தாண்டி உலகம் முழுவதும் பரவுகிறது. இது ‘பிரஸ்ஸல்ஸ் எஃபெக்ட்’ என்று அழைக்கப்படுகிறது. ஒவ்வொரு நாட்டிற்கும் வெவ்வேறு மென்பொருள் பதிப்புகளை உருவாக்குவது கடினம் என்பதால், பல நிறுவனங்கள் கடுமையான விதிகளை உலகளவில் பின்பற்றத் தொடங்கும். சில ஆண்டுகளுக்கு முன்பு தரவு தனியுரிமைச் சட்டங்களில் இதைப் பார்த்தோம். இப்போது AI-லும் அதையே பார்க்கிறோம். அமெரிக்காவில், அணுகுமுறை மாறுபட்டாலும் தாக்கம் சமமாகவே உள்ளது. ஒரே பெரிய சட்டத்திற்குப் பதிலாக, அமெரிக்கா நிர்வாக உத்தரவுகள் மற்றும் முக்கிய வழக்குகளைப் பயன்படுத்தி எல்லைகளை வகுக்கிறது. 2026-ல் வெளியிடப்பட்ட அமெரிக்க நிர்வாக உத்தரவு, மிகவும் சக்திவாய்ந்த மாடல்களுக்கான பாதுகாப்பு சோதனைகளில் கவனம் செலுத்தியது. இதற்கிடையில், பதிப்புரிமை பெற்ற புத்தகங்கள் மற்றும் செய்திக் கட்டுரைகளை வைத்து AI-ஐப் பயிற்றுவிப்பது ‘நியாயமான பயன்பாடு’ (fair use) தானா அல்லது ‘திருட்டா’ என்பதை நீதிமன்றங்கள் தீர்மானிக்கின்றன. இந்த சட்டப் போராட்டங்கள் இந்தத் துறையின் பொருளாதார எதிர்காலத்தைத் தீர்மானிக்கும். ஒவ்வொரு தரவுக்கும் உரிமம் பெற நிறுவனங்கள் பணம் செலுத்த வேண்டியிருந்தால், AI-ஐ உருவாக்கும் செலவு விண்ணைத் தொடும்.
சீனாவும் ஜெனரேட்டிவ் AI-ஐ ஒழுங்குபடுத்த விரைவாகச் செயல்பட்டுள்ளது. அவர்களின் விதிகள், AI வெளியீடு துல்லியமாகவும் சமூக விழுமியங்களுக்கு ஏற்பவும் இருப்பதை உறுதி செய்வதில் கவனம் செலுத்துகின்றன. நிறுவனங்கள் தங்கள் அல்காரிதம்களை அரசாங்கத்திடம் பதிவு செய்ய வேண்டும். இது ஒரு துண்டு துண்டான உலகளாவிய சூழலை உருவாக்குகிறது. சான் பிரான்சிஸ்கோவில் உள்ள ஒரு டெவலப்பர் இப்போது EU AI சட்டம், அமெரிக்க பதிப்புரிமைச் சட்டம் மற்றும் சீன அல்காரிதம் பதிவு ஆகியவற்றைப் பற்றி கவலைப்பட வேண்டியுள்ளது. இந்தச் சிதறல் துறைக்கு ஒரு பெரிய கவலையாகும். இது பெரிய சட்டத் துறைகளை வைத்திருக்க முடியாத சிறிய நிறுவனங்களுக்குச் சந்தையில் நுழைவதில் பெரும் தடையை உருவாக்குகிறது. மிகப்பெரிய டெக் நிறுவனங்கள் மட்டுமே ஒவ்வொரு பிராந்தியத்திலும் இணக்கமாக இருக்கத் தேவையான வளங்களைக் கொண்டிருக்கும் என்ற அச்சம் நிலவுகிறது. இது ‘இணக்க வரி’ (compliance tax) செலுத்தக்கூடிய சில ஜாம்பவான்கள் மட்டுமே முழு சந்தையையும் கட்டுப்படுத்தும் நிலைக்கு வழிவகுக்கும்.
நிஜ உலகில், இது தயாரிப்புகள் உருவாக்கப்படும் விதத்தில் ஒரு அடிப்படை மாற்றமாகத் தெரிகிறது. நடுத்தர அளவிலான ஸ்டார்ட்அப்பில் பணிபுரியும் ஒரு தயாரிப்பு மேலாளரை கற்பனை செய்து பாருங்கள். ஒரு வருடத்திற்கு முன்பு, அவர்களின் இலக்கு ஒரு புதிய AI அம்சத்தை எவ்வளவு விரைவாக வெளியிட முடியும் என்பதுதான். இன்று, அவர்களின் முதல் கூட்டம் ஒரு இணக்க அதிகாரி (compliance officer) உடன் நடக்கிறது. அவர்கள் பயன்படுத்தும் ஒவ்வொரு தரவுத்தொகுப்பையும் கண்காணிக்க வேண்டும். தங்கள் மாடலை ‘ஹாலுசினேஷன்’ மற்றும் பாரபட்சத்திற்காகச் சோதிக்க வேண்டும். AI முடிவுகளைக் கண்காணிக்க ‘மனிதன் உள்ளீடு’ (human in the loop) அமைப்பை உருவாக்க வேண்டும். இது மேம்பாட்டுச் சுழற்சியில் பல மாதங்களைச் சேர்க்கிறது. ஒரு படைப்பாளிக்கு, தாக்கம் வேறுபட்டது. அவர்கள் இப்போது திருடப்பட்ட வேலைகளில் பயிற்சி பெறவில்லை என்பதை நிரூபிக்கக்கூடிய கருவிகளைத் தேடுகிறார்கள். ‘லைசென்ஸ்டு AI’ (licensed AI) வளர்ச்சியை நாம் காண்கிறோம், அங்கு பயிற்சி தொகுப்பில் உள்ள ஒவ்வொரு படம் மற்றும் வாக்கியமும் கணக்கிடப்படுகிறது. இது தொழில்நுட்பத்தை உருவாக்குவதற்கான மிகவும் நிலையான, ஆனால் அதிக செலவு கொண்ட வழியாகும்.
இப்போது ஒரு இணக்க அதிகாரியின் அன்றாடப் பணியில் ‘ரெட் டீமிங்’ (red teaming) அமர்வுகள் அடங்கும், அங்கு அவர்கள் தங்கள் சொந்த AI-ஐ உடைக்க முயற்சிப்பார்கள். மாடல் ஆபத்தான ஆலோசனைகளை வழங்குகிறதா அல்லது பாரபட்சத்தைக் காட்டுகிறதா என்று பார்ப்பார்கள். இந்தத் தோல்விகளையும் தீர்வுகளையும் அவர்கள் ஆவணப்படுத்துகிறார்கள். இந்த ஆவணங்கள் உள் பயன்பாட்டிற்காக மட்டுமல்ல; அரசாங்க ஒழுங்குமுறை அமைப்புகள் எப்போது வேண்டுமானாலும் ஆய்வு செய்யத் தயாராக இருக்க வேண்டும். இது ‘வேகமாக நகர்ந்து விஷயங்களை உடைக்கும்’ (move fast and break things) காலத்திலிருந்து முற்றிலும் மாறுபட்டது. இப்போது, நீங்கள் எதையாவது உடைத்தால், ஒரு பெரிய செய்தி நிறுவனம் அல்லது அரசாங்க அமைப்பிடமிருந்து அபராதத்தை எதிர்கொள்ள நேரிடலாம். EU AI சட்டம், AI உருவாக்கத்தை வங்கி அல்லது மருத்துவம் போன்ற ஒரு ஒழுங்குபடுத்தப்பட்ட தொழிலாக மாற்றியுள்ளது. இந்த விதிகள் இன்று பல்வேறு துறைகளில் எவ்வாறு பயன்படுத்தப்படுகின்றன என்பதை விவரிக்கும் விரிவான AI கொள்கை பகுப்பாய்வை நீங்கள் காணலாம். இது இனி பயனர் அனுபவத்தைப் பற்றியது மட்டுமல்ல; இது சட்டப்பூர்வ உயிர்வாழ்வைப் பற்றியது.
இந்தத் துறை ‘பதிப்புரிமை பொறி’ (Copyright Trap) சிக்கலிலும் சிக்கியுள்ளது. நியூயார்க் டைம்ஸ் போன்ற பெரிய பதிப்பகங்கள் தங்கள் கட்டுரைகளை அனுமதி இல்லாமல் பயன்படுத்தியதற்காக AI நிறுவனங்கள் மீது வழக்கு தொடர்ந்துள்ளன. இந்த வழக்குகள் பணத்தைப் பற்றியது மட்டுமல்ல; அவை இருப்புரிமையைப் பற்றியது. AI பயிற்சி என்பது நியாயமான பயன்பாடு அல்ல என்று நீதிமன்றங்கள் தீர்ப்பளித்தால், ஜெனரேட்டிவ் AI-ன் முழு வணிக மாதிரியும் சரிந்துவிடும். நிறுவனங்கள் தங்கள் தற்போதைய மாடல்களை நீக்கிவிட்டு, உரிமம் பெற்ற தரவுகளுடன் மீண்டும் தொடங்க வேண்டியிருக்கும். இதனால்தான் OpenAI போன்ற நிறுவனங்கள் செய்தி நிறுவனங்களுடன் ஒப்பந்தங்களில் கையெழுத்திடுகின்றன. அவர்கள் சட்ட அபாயத்தைத் தவிர்க்க முற்படுகிறார்கள். தரவைப் பயன்படுத்துவதற்கான சட்டப்பூர்வ உரிமையைப் பெற அவர்கள் பணத்தைச் செலவிடுகிறார்கள். இது தரவுதான் மிகவும் மதிப்புமிக்க பொருளாக இருக்கும் ஒரு புதிய பொருளாதாரத்தை உருவாக்குகிறது.
BotNews.today ஆனது உள்ளடக்கத்தை ஆராய்ச்சி செய்யவும், எழுதவும், திருத்தவும் மற்றும் மொழிபெயர்க்கவும் AI கருவிகளைப் பயன்படுத்துகிறது. தகவலை பயனுள்ளதாகவும், தெளிவானதாகவும், நம்பகமானதாகவும் வைத்திருக்க எங்கள் குழு செயல்முறையை மதிப்பாய்வு செய்து மேற்பார்வையிடுகிறது.
சாக்ரடிக் சந்தேகம், இந்த விதிகள் உண்மையில் யாரைப் பாதுகாக்கின்றன என்று நாம் கேட்க வேண்டும் என்கிறது. அவை பொதுமக்களையா அல்லது ஏற்கனவே சந்தையில் உள்ளவர்களையா? இணக்கத்தன்மைக்கான செலவு மில்லியன் கணக்கான டாலர்களாக இருந்தால், கேரேஜில் பணிபுரியும் இருவர் கொண்ட ஸ்டார்ட்அப் எப்படிப் போட்டியிட முடியும்? ஏற்கனவே பணம் வைத்திருக்கும் நிறுவனங்களுக்கு நாம் தற்செயலாக ஒரு ஏகபோக உரிமையை உருவாக்குகிறோமோ என்று தோன்றுகிறது. தனியுரிமை குறித்த கேள்வியும் உள்ளது. ஒரு குறிப்பிட்ட குழுவிற்கு எதிராக AI பாரபட்சமாக இல்லை என்பதை நிரூபிக்க, ஒரு நிறுவனம் அந்த குழுவைப் பற்றிய கூடுதல் தரவுகளைச் சேகரிக்க வேண்டியிருக்கலாம். இது ‘நேர்மையை’ உறுதிப்படுத்த அதிக கண்காணிப்பு தேவைப்படும் ஒரு முரண்பாட்டை உருவாக்குகிறது. சுற்றுச்சூழல் செலவு குறித்தும் நாம் கேட்க வேண்டும். புதிய தரநிலைகளைப் பூர்த்தி செய்ய மாடல்களைத் தொடர்ந்து சோதிப்பதும் மீண்டும் பயிற்றுவிப்பதும் தேவைப்பட்டால், இந்த டேட்டா சென்டர்களின் ஆற்றல் நுகர்வு இன்னும் வேகமாக அதிகரிக்கும். அந்த வர்த்தகத்தை (trade-off) ஏற்றுக்கொள்ள நாம் தயாரா?
‘உண்மை’ என்பதற்கான வரையறையும் மற்றொரு கடினமான கேள்வி. ஒழுங்குமுறை அமைப்புகள் AI ‘துல்லியமாக’ இருக்க வேண்டும் என்று விரும்புகின்றன. ஆனால் அரசியல் அல்லது சமூக சூழலில் எது துல்லியமானது என்பதை யார் தீர்மானிப்பது? ஒரு ‘துல்லியமற்ற’ AI பதிலுக்காக அரசாங்கம் ஒரு நிறுவனத்திற்கு அபராதம் விதிக்க முடிந்தால், அந்த அரசாங்கத்திடம் தணிக்கை செய்வதற்கான கருவி இருப்பதாக அர்த்தம். மனித உரிமைகளில் குறைவான சாதனை படைத்த நாடுகளில் இது ஒரு பெரிய கவலையாகும். ‘பாதுகாப்பு’ என்பது ‘அரசாங்கத்தால் அங்கீகரிக்கப்பட்ட உள்ளடக்கம்’ என்பதற்கான குறியீட்டுச் சொல்லாக மாறிவிடுமோ என்று இந்தத் துறை கவலைப்படுகிறது. AI உள்ளடக்கத்திற்கு ‘வாட்டர்மார்க்கிங்’ (watermarking) கொண்டு வரவும் அழுத்தம் கொடுக்கப்படுகிறது. இது டீப்ஃபேக்குகளைத் தடுக்க நல்லது என்று தோன்றினாலும், தொழில்நுட்ப ரீதியாக இதைச் செயல்படுத்துவது கடினம். ஒரு புத்திசாலி பயனர் பெரும்பாலும் வாட்டர்மார்க்கை நீக்கிவிட முடியும். எளிதில் தவிர்க்கக்கூடிய ஒரு தொழில்நுட்பத்தை நாம் நம்பினால், அது ஒரு பொய்யான பாதுகாப்பு உணர்வை உருவாக்குகிறதா? இந்த ஒழுங்குமுறைகளின் மறைமுகச் செலவுகள் பெரும்பாலும் சிறு எழுத்துக்களில் (fine print) புதைந்து கிடக்கின்றன.
பவர் யூசர்கள் மற்றும் டெவலப்பர்களுக்கு, ஒழுங்குமுறையின் தொழில்நுட்பத் தேவைகளில் மாடல் அறிக்கையிடல் முக்கியமானது. மாடல் கார்டுகள் (model cards) அதிகரித்து வருகின்றன. இவை ஒரு மாடலின் பயிற்சித் தரவு, செயல்திறன் அளவுகோல்கள் மற்றும் அறியப்பட்ட வரம்புகளைப் பட்டியலிடும் தரப்படுத்தப்பட்ட ஆவணங்கள். இவை GitHub களஞ்சியங்களில் உள்ள ‘readme’ கோப்புகளைப் போலவே பொதுவானதாகி வருகின்றன. டெவலப்பர்கள் ‘வெளிப்படைத்தன்மை API-களை’ (transparency APIs) உருவாக்க வேண்டியுள்ளது, இது அடிப்படை குறியீட்டைப் பார்க்காமல் மூன்றாம் தரப்பு ஆராய்ச்சியாளர்கள் தங்கள் அமைப்புகளைத் தணிக்கை செய்ய அனுமதிக்கிறது. இது ஒரு சிக்கலான பொறியியல் சவாலாகும். உங்கள் அறிவுசார் சொத்துக்களைக் கொடுக்காமல், உங்கள் மாடலின் பாதுகாப்பைச் சரிபார்க்க ஒருவருக்கு எப்படி போதுமான அணுகலை வழங்குவது? இந்த API-களுக்கான தரநிலைகள் மற்றும் எதைப் பகிர வேண்டும் என்பதற்கான வரம்புகள் குறித்து தற்போது விவாதம் நடந்து வருகிறது.
சில ஒழுங்குமுறை தடைகளைத் தவிர்க்க ‘லோக்கல் ஸ்டோரேஜ்’ மற்றும் ‘எட்ஜ் AI’ (edge AI) பிரபலமடைந்து வருகின்றன. AI செயலாக்கம் கிளவுடில் இல்லாமல் பயனரின் போனில் நடந்தால், கடுமையான தரவு தனியுரிமைச் சட்டங்களுக்கு இணங்குவது எளிது. இருப்பினும், இது AI-ன் சக்தியைக் கட்டுப்படுத்துகிறது. டெவலப்பர்கள் இப்போது பெரிய கிளவுட் கம்ப்யூட் தேவைக்கும், லோக்கல் இன்ஃபெரன்ஸின் சட்டப் பாதுகாப்புக்கும் இடையே சமநிலையை ஏற்படுத்துகிறார்கள். AI குறியீட்டில் ‘கில் சுவிட்சுகள்’ (kill switches) செயல்படுத்தப்படுவதையும் நாம் காண்கிறோம். சோதனையின் போது கணிக்கப்படாத ‘எமர்ஜென்ட் பிஹேவியர்ஸ்’ (emergent behaviors) வெளிப்பட்டால், மாடலை நிறுத்திவிடக்கூடிய நெறிமுறைகள் இவை. இது இனி அறிவியல் புனைகதை அல்ல; இது அதிக ரிஸ்க் கொண்ட அமைப்புகளுக்கான தேவையாகும். டேட்டாபேஸ் ஸ்கீமா முதல் API ரேட் லிமிட்ஸ் வரை, இணக்கத்தன்மை நேரடியாக மென்பொருள் கட்டமைப்பில் சேர்க்கப்படுகிறது.
சுருக்கமாகச் சொன்னால், AI துறை முதிர்ச்சியடைந்து வருகிறது. ஒரு ஆராய்ச்சி ஆர்வத்திலிருந்து ஒழுங்குபடுத்தப்பட்ட பயன்பாடாக மாறுவது வேதனையானது மற்றும் செலவு மிக்கது. சட்ட மாற்றத்தைப் புறக்கணிக்கும் நிறுவனங்கள் அடுத்த ஐந்து ஆண்டுகளில் பிழைத்திருக்காது. ‘இதை நம்மால் உருவாக்க முடியுமா’ என்பதில் இருந்து ‘இதை நாம் உருவாக்க வேண்டுமா’ மற்றும் ‘இதை எப்படி ஆவணப்படுத்துவது’ என்பதற்கு கவனம் மாறியுள்ளது. இந்த மாற்றம் குறுகிய காலத்தில் கண்டுபிடிப்புகளின் வேகத்தைக் குறைக்கலாம், ஆனால் நீண்ட காலத்திற்கு இது மிகவும் நிலையான மற்றும் நம்பகமான தொழில்நுட்பத்திற்கு வழிவகுக்கும். விதிகள் இன்னும் எழுதப்பட்டு வருகின்றன, வழக்குகள் இன்னும் தீர்க்கப்படுகின்றன. ‘வைல்ட் வெஸ்ட்’ காலம் முடிந்துவிட்டது என்பது தெளிவாகிறது. AI-ன் எதிர்காலம் பொறியாளர்கள் மற்றும் டேட்டா சயின்டிஸ்டுகளைப் போலவே வழக்கறிஞர்கள் மற்றும் சட்டமியற்றுபவர்களாலும் தீர்மானிக்கப்படும். இந்தத் துறை கவலைப்படுகிறது, ஆனால் அது ஒழுங்குபடுத்தப்பட்ட உலகின் புதிய யதார்த்தத்திற்கு ஏற்ப தன்னை மாற்றிக்கொள்கிறது.
ஆசிரியரின் குறிப்பு: கணினித் துறையில் நிபுணர்கள் அல்லாதவர்கள், ஆனால் செயற்கை நுண்ணறிவைப் புரிந்துகொள்ளவும், அதை அதிக நம்பிக்கையுடன் பயன்படுத்தவும், ஏற்கனவே வந்துகொண்டிருக்கும் எதிர்காலத்தைப் பின்தொடரவும் விரும்பும் மக்களுக்காக, பலமொழி AI செய்திகள் மற்றும் வழிகாட்டல் மையமாக இந்த தளத்தை நாங்கள் உருவாக்கினோம்.
ஒரு பிழையைக் கண்டறிந்தீர்களா அல்லது திருத்தப்பட வேண்டிய ஒன்று இருக்கிறதா? எங்களுக்குத் தெரியப்படுத்துங்கள்.
