AI பனிப்போர் தீவிரமடைந்தால் என்ன நடக்கும்?

செயற்கை நுண்ணறிவு (AI) ஆதிக்கத்திற்கான உலகளாவிய போட்டி, அல்காரிதம்களின் போரிலிருந்து இப்போது இயற்பியல் வளங்களுக்கான அதிகாரப் போட்டியாக மாறியுள்ளது. பல பார்வையாளர்கள், திறமையான மென்பொருள் பொறியாளர்கள் அல்லது புத்திசாலித்தனமான குறியீடுகளைக் கொண்ட நாடே இந்த பந்தயத்தில் வெற்றி பெறும் என்று நினைக்கிறார்கள். இது தற்போதைய நிலையைப் பற்றிய தவறான புரிதலாகும். அதிக திறன் கொண்ட செமிகண்டக்டர்கள் (semiconductors) மற்றும் அவற்றை இயக்குவதற்குத் தேவையான பிரம்மாண்டமான மின்சாரத்தை யார் பெறுகிறார்களோ, அவர்களே உண்மையான வெற்றியாளர்களாக இருப்பார்கள். நாம் திறந்தநிலை கல்வி ஒத்துழைப்பு உலகத்திலிருந்து, கடுமையான தொழில்நுட்பப் பாதுகாப்புவாதக் காலத்திற்கு நகர்ந்து கொண்டிருக்கிறோம். பெரிய மொழி மாதிரிகள் (large language models) என்பவை **தேசிய பாதுகாப்பு மற்றும் பொருளாதார உற்பத்தித்திறனின்** புதிய அடித்தளம் என்பதை அரசாங்கங்கள் உணர்ந்ததால் இந்த மாற்றம் ஏற்பட்டுள்ளது. அமெரிக்காவிற்கும் சீனாவிற்கும் இடையிலான பதற்றம் தொடர்ந்து அதிகரித்தால், உலகளாவிய தொழில்நுட்பத் துறை இரண்டு தனித்தனி மற்றும் இணக்கமற்ற சுற்றுச்சூழல் அமைப்புகளாகப் பிரியும். இது தொலைதூர சாத்தியம் அல்ல; இது ஏற்கனவே நடந்து கொண்டிருக்கும் ஒரு செயல்முறை. நிறுவனங்கள் தங்கள் தரவை எங்கு சேமிப்பது மற்றும் எந்த ஹார்டுவேரை வாங்குவது என்பதை முடிவு செய்யும்போது, ஒரு பக்கத்தைத் தேர்ந்தெடுக்க வேண்டிய கட்டாயத்தில் உள்ளன. ஒருங்கிணைந்த, உலகளாவிய இணையத்தின் காலம் முடிவுக்கு வருகிறது.

சாட்பாட் (Chatbot) விளம்பரங்களுக்கு அப்பால்

இந்தத் தலைப்புக்கு புதியவர்கள் கேட்கும் பொதுவான கேள்வி, தற்போது ஒரு பக்கம் வெற்றி பெறுகிறதா என்பதுதான். இதற்குப் பதிலளிப்பது கடினம், ஏனெனில் இரண்டு முக்கிய தரப்பினரும் வெவ்வேறு விளையாட்டுகளை விளையாடுகிறார்கள். அமெரிக்கா தற்போது அடிப்படை ஆராய்ச்சி மற்றும் மாடல் செயல்திறனில் முன்னணியில் உள்ளது. மிகப்பெரிய மற்றும் திறன்மிக்க மாடல்கள் பெரும்பாலும் அமெரிக்க நிறுவனங்களால் உருவாக்கப்படுகின்றன. இருப்பினும், இந்தத் தொழில்நுட்பங்களை விரைவாகச் செயல்படுத்துவதிலும், அவற்றை தொழில்துறை உற்பத்தியில் ஒருங்கிணைப்பதிலும் சீனா முன்னணியில் உள்ளது. அமெரிக்காவின் உயர் ரக சிப் (chip) ஏற்றுமதி தடைகள் சீனாவின் முன்னேற்றத்தை முழுமையாக நிறுத்திவிட்டன என்பது ஒரு பெரிய தவறான கருத்து. இது தவறு. மாறாக, இந்த கட்டுப்பாடுகள் சீன நிறுவனங்களை ஆப்டிமைசேஷனில் (optimization) நிபுணர்களாக மாற்றியுள்ளன. அவர்கள் குறைந்த சக்திவாய்ந்த ஹார்டுவேரில் பிரம்மாண்டமான மாடல்களைப் பயிற்றுவிக்க புதுமையான வழிகளைக் கண்டறிந்து வருகின்றனர், மேலும் செமிகண்டக்டர்களுக்காக தங்கள் சொந்த உள்நாட்டு விநியோகச் சங்கிலிகளை உருவாக்கி வருகின்றனர். இது மேற்கத்திய நிறுவனங்கள் அளவிலும் (scale), கிழக்கு நிறுவனங்கள் செயல்திறனிலும் (efficiency) கவனம் செலுத்தும் ஒரு பிளவுபட்ட சந்தையை உருவாக்கியுள்ளது.

போட்டியின் கவனம் சமீபத்தில் மாடல்களைப் பயிற்றுவிப்பதிலிருந்து, அவற்றை பெரிய அளவில் இயக்குவதற்கு மாறியுள்ளது. இங்கேதான் ஹார்டுவேர் பற்றாக்குறை சம்பந்தப்பட்ட அனைவருக்கும் ஒரு நெருக்கடியாக மாறுகிறது. ஒரு நிறுவனம் சமீபத்திய Nvidia H100 அல்லது B200 சிப்களை அணுக முடியாவிட்டால், அதே முடிவுகளைப் பெற அவர்கள் கணிசமாக அதிக மின்சாரத்தைப் பயன்படுத்த வேண்டும். எரிசக்தி விலைகள் நிலையற்றதாக இருக்கும் உலகில், இது ஒரு பெரிய பொருளாதாரப் பின்னடைவை உருவாக்குகிறது. இப்போது போட்டி என்பது, யார் மிகவும் திறமையான டேட்டா சென்டர்களை (data centers) உருவாக்க முடியும் மற்றும் மிகவும் நம்பகமான மின்சாரக் கட்டமைப்பைப் பெற முடியும் என்பதுதான். இது சிறந்த கணித சூத்திரங்களை வைத்திருப்பதைப் பற்றியது மட்டுமல்ல. AI-ன் இயற்பியல் உள்கட்டமைப்பு குறியீட்டைப் போலவே முக்கியத்துவம் பெறுகிறது. கணினி சக்தி (compute power) என்பது ஒரு வரையறுக்கப்பட்ட வளம் என்பதை உணர்ந்ததால் இந்த மாற்றம் துரிதப்படுத்தப்பட்டது. பெரும் மூலதன முதலீடு இல்லாமல் இதை எளிதாகப் பகிரவோ அல்லது நகலெடுக்கவோ முடியாது.

பெரிய பிரிவினை (The Great Decoupling)

இந்த உராய்வின் உலகளாவிய தாக்கம் தொழில்நுட்ப விநியோகச் சங்கிலியின் முழுமையான மறுசீரமைப்பு ஆகும். நாம் இறையாண்மை கொண்ட AI-ன் (sovereign AI) எழுச்சியைக் காண்கிறோம். இதன் பொருள், நாடுகள் தங்கள் முக்கியமான தகவல்களுக்கு வெளிநாட்டு கிளவுட் (cloud) வழங்குநர்களைச் சார்ந்து இருக்க விரும்பவில்லை. அவர்கள் தங்கள் சொந்த தரவுகளில் பயிற்றுவிக்கப்பட்ட மற்றும் தங்கள் எல்லைக்குள் அமைந்துள்ள சர்வர்களில் இயங்கும் சொந்த மாடல்களை விரும்புகிறார்கள். வர்த்தக மோதல் அல்லது இராஜதந்திர நெருக்கடியின் போது அத்தியாவசிய சேவைகளிலிருந்து துண்டிக்கப்படுவதை அவர்கள் விரும்பவில்லை. இது தொழில்நுட்பத் தரநிலைகள் பிராந்தியத்திற்கு ஏற்ப மாறுபடும் ஒரு துண்டு துண்டான உலகத்திற்கு இட்டுச் செல்கிறது. சிறிய நாடுகள் மிகவும் மேம்பட்ட கருவிகளை அணுக ஒரு பக்கத்தைத் தேர்ந்தெடுக்க வேண்டிய கட்டாயத்தில் உள்ளன. இது மென்பொருள் பிரச்சினை மட்டுமல்ல. இது நவீன உலகின் கூறுகளை உருவாக்கும் இயற்பியல் கேபிள்கள் மற்றும் தொழிற்சாலைகளின் மீதான கட்டுப்பாட்டிற்கான போர்.

ஸ்மார்ட்போன்கள் போன்ற நுகர்வோர் பொருட்கள் மீதான வர்த்தகப் போர் இது என்று பலர் நினைக்கிறார்கள். உண்மையில் இது உலகளாவிய செயற்கை நுண்ணறிவுப் போக்குகளின் எதிர்காலத்திற்காகவும், அவை எவ்வாறு நிர்வகிக்கப்படுகின்றன என்பதற்காகவும் நடக்கும் போர். உலகம் பிளவுபட்டால், முக்கியமான பாதுகாப்பு ஆராய்ச்சியைப் பகிர்ந்து கொள்ளும் திறனை நாம் இழக்கிறோம். இது தொழில்நுட்பத்தை அனைவருக்கும் ஆபத்தானதாக மாற்றுகிறது. ஆராய்ச்சியாளர்கள் எல்லைகளைத் தாண்டி ஒருவருக்கொருவர் பேச முடியாதபோது, அவர்களால் அடிப்படை பாதுகாப்புத் தரநிலைகள் அல்லது நெறிமுறை வழிகாட்டுதல்கள் குறித்து உடன்பட முடியாது. இது பாதுகாப்பை விட வேகத்திற்கு முன்னுரிமை அளிக்கப்படும் ஒரு கீழ்நோக்கிய பந்தயத்தை உருவாக்குகிறது. சில பிராந்தியங்களுக்கு கிளவுட் அணுகலைக் கூட கட்டுப்படுத்தும் அமெரிக்கக் கொள்கையின் சமீபத்திய மாற்றம், நிலைமை எவ்வளவு தீவிரமாகிவிட்டது என்பதைக் காட்டுகிறது. இது ஹார்டுவேர் அனுப்புவது பற்றியது மட்டுமல்ல. இது கணக்கிடும் திறனைக் கட்டுப்படுத்துவது பற்றியது. தொழில்நுட்ப வரலாற்றில் இத்தகைய கட்டுப்பாடு முன்னெப்போதும் இல்லாதது.

உராய்வு மண்டலத்தில் வாழ்க்கை

தென்கிழக்கு ஆசியாவில் உள்ள ஒரு ஸ்டார்ட்அப் (startup) நிறுவனத்தில் பணிபுரியும் டெவலப்பரின் (developer) அன்றாட யதார்த்தத்தைக் கவனியுங்கள். கடந்த தசாப்தத்தில், அவர்கள் தங்கள் முக்கிய தர்க்கத்திற்கு அமெரிக்காவைச் சேர்ந்த API-யையும், உற்பத்தி தளவாடங்களுக்கு சீன வழங்குநரையும் பயன்படுத்தியிருப்பார்கள். இன்று, அவர்கள் இணக்கத்தன்மை (compliance) சுவரை எதிர்கொள்கின்றனர். அமெரிக்க API-ஐப் பயன்படுத்துவது அவர்களை சில உள்ளூர் அரசாங்க மானியங்கள் அல்லது பிராந்திய கூட்டாண்மைக்கு தகுதியற்றவர்களாக மாற்றலாம். சீன ஹார்டுவேரைப் பயன்படுத்துவது அவர்களின் தயாரிப்பை அமெரிக்க சந்தையிலிருந்து தடை செய்யக்கூடும். இது புதிய தொழில்நுட்பப் பிளவின் அன்றாட யதார்த்தம். இந்த டெவலப்பர்கள் உண்மையான கோடிங்கிற்கு (coding) செலவிடும் நேரத்தை விட, சட்டப்பூர்வ இணக்கத்தன்மைக்கு அதிக நேரம் செலவிடுகிறார்கள். அவர்கள் தங்கள் தயாரிப்பின் இரண்டு வெவ்வேறு பதிப்புகளைப் பராமரிக்க வேண்டியுள்ளது. ஒரு பதிப்பு சர்வதேச வாடிக்கையாளர்களுக்காக உயர் ரக மேற்கத்திய சிப்களில் இயங்குகிறது. மற்றொரு பதிப்பு உள்ளூர் பயன்பாட்டிற்காக உள்நாட்டு மாற்றுகளுக்காக மேம்படுத்தப்பட்டுள்ளது. இது பெரும் கூடுதல் சுமையைச் சேர்க்கிறது மற்றும் கண்டுபிடிப்பின் வேகத்தைக் குறைக்கிறது.

இந்த டெவலப்பரின் ஒரு வழக்கமான நாள், குறியீட்டை ஒரு ரெபாசிட்டரியில் (repository) தள்ளுவதற்கு முன் புதுப்பிக்கப்பட்ட ஏற்றுமதி கட்டுப்பாட்டுப் பட்டியல்களைச் சரிபார்ப்பதை உள்ளடக்கியது. அவர்களின் பயிற்சித் தரவு சில புவியியல் எல்லைகளைத் தாண்டவில்லை என்பதை அவர்கள் உறுதிப்படுத்த வேண்டும். இந்த உராய்வு AI பனிப்போரின் பக்கவிளைவு சேதமாகும். இது Nvidia அல்லது Huawei போன்ற ராட்சத நிறுவனங்களைப் பற்றியது மட்டுமல்ல. இது இடையில் சிக்கியுள்ள ஆயிரக்கணக்கான சிறிய நிறுவனங்களைப் பற்றியது. நிறுவனங்கள் இப்போது சிங்கப்பூர் அல்லது துபாய் போன்ற நடுநிலை மண்டலங்களுக்குத் தங்கள் தலைமையகத்தை மாற்றுவதை நாம் காண்கிறோம். நீண்ட காலம் நீடிக்காத ஒரு நடுத்தர நிலையை அவர்கள் தேடுகிறார்கள். ஒரு பக்கத்தைத் தேர்ந்தெடுக்க வேண்டிய அழுத்தம் தொடர்ந்து அதிகரித்து வருகிறது. இந்தச் சூழல், இந்த சிக்கல்களை நிர்வகிக்க சட்டக் குழுக்களை வைத்திருக்கக்கூடிய பெரிய நிறுவனங்களுக்கு சாதகமாக உள்ளது. ஒரு சிறிய குழு உலகளாவிய பார்வையாளர்களைச் சென்றடையும் ஒன்றை உருவாக்குவதை இது மிகவும் கடினமாக்குகிறது.

இதன் தாக்கம் நுகர்வோர் மட்டத்திலும் நீண்டுள்ளது. வெவ்வேறு பிராந்தியங்களில் உள்ள பயனர்கள் ஒரே கருவிகளின் வெவ்வேறு பதிப்புகளைப் பார்க்கத் தொடங்கியுள்ளனர். ஒரு நாட்டில் கிடைக்கும் மாடல், மற்றொரு நாட்டில் உள்ள அதே மாடலை விட கடுமையான கட்டுப்பாடுகளை அல்லது வெவ்வேறு பயிற்சித் தரவுகளைக் கொண்டிருக்கலாம். இது நுண்ணறிவின் ஒரு ‘ஸ்பிளின்டர்நெட்’ (splinternet) உருவாக்கத்தை உருவாக்குகிறது. ஆரம்பகால இணையத்தின் தடையற்ற அனுபவம், பிராந்திய விதிமுறைகள் மற்றும் தொழில்நுட்பத் தடைகளின் தொகுப்பால் மாற்றப்படுகிறது. இது தணிக்கை பற்றியது மட்டுமல்ல. இது நாம் சிந்திப்பதற்கும் வேலை செய்வதற்கும் பயன்படுத்தும் கருவிகளின் அடிப்படை கட்டமைப்பு பற்றியது. இந்த வாதத்தை உண்மையானதாக உணரவைக்கும் தயாரிப்புகள், மத்திய கிழக்கு மற்றும் ஐரோப்பா போன்ற பிராந்தியங்களில் உருவாக்கப்படும் உள்ளூர்மயமாக்கப்பட்ட LLM-கள் ஆகும். இந்த மாடல்கள் இரண்டு முக்கிய சக்தி தொகுப்புகளிலிருந்து சுதந்திரமாக இருக்கும் அதே வேளையில், உள்ளூர் மதிப்புகள் மற்றும் மொழிகளைப் பிரதிபலிக்கும் வகையில் வடிவமைக்கப்பட்டுள்ளன.

வெற்றியின் விலை

இந்தப் போட்டியின் மறைமுகமான செலவுகள் குறித்து நாம் கடினமான கேள்விகளைக் கேட்க வேண்டும். தேசிய பாதுகாப்பிற்கு எல்லாவற்றிற்கும் மேலாக முன்னுரிமை அளித்தால், நாம் பாதுகாக்க முயற்சிக்கும் அதே கண்டுபிடிப்பைத் தியாகம் செய்கிறோமா? இந்த பிரம்மாண்டமான GPU கிளஸ்டர்களுக்கான (clusters) எரிசக்தி தேவைகள் திகைக்க வைக்கின்றன. ஒரு பெரிய பயிற்சி ஓட்டம் ஒரு சிறிய நகரத்திற்குத் தேவையான மின்சாரத்தை நுகர்கிறது என்று சில மதிப்பீடுகள் தெரிவிக்கின்றன. அதற்கு யார் பணம் செலுத்துவது? அரசாங்க மானியங்கள் மூலம் வரி செலுத்துபவரா? அல்லது அதிக விலைகள் மூலம் நுகர்வோரா? மற்றொரு கேள்வி தனியுரிமை மற்றும் முன்னேற்றத்திற்கு இடையிலான வர்த்தகம் பற்றியது. மிகவும் சக்திவாய்ந்த மாடல்களை உருவாக்கும் பந்தயத்தில், இயந்திரங்களுக்கு உணவளிக்க அரசாங்கங்கள் தரவு பாதுகாப்புச் சட்டங்களைப் புறக்கணிக்குமா? அதிக தரவு தேவைப்படுவது, நாம் இதுவரை பார்த்திராத அளவில் அரசு ஆதரவுடைய கண்காணிப்புக்கு வழிவகுக்கும் அபாயம் உள்ளது.

தற்போதைய ஹார்டுவேரின் வரம்புகளும் ஒரு முக்கிய காரணியாகும். சிலிக்கான் வேஃபரில் (silicon wafer) டிரான்சிஸ்டர்களை எவ்வளவு சிறியதாக மாற்ற முடியும் என்பதன் இயற்பியல் வரம்புகளை நாம் எட்டுகிறோம். இதிலிருந்து நாம் புதுமை செய்ய முடியாவிட்டால், AI பந்தயம் என்பது யார் மிகப்பெரிய சிலிக்கான் குவியலை உருவாக்க முடியும் என்ற போராக மாறும். இது கிரகத்திற்கு நிலையானதல்ல. டேட்டா சென்டர்களைக் குளிர்விக்கத் தேவையான பிரம்மாண்டமான நீர் பயன்பாடு குறித்து Reuters-லிருந்து அறிக்கைகளை நாம் ஏற்கனவே காண்கிறோம். தைவானில் சிப் உற்பத்தியைச் சுற்றியுள்ள புவிசார் அரசியல் பதட்டங்கள் குறித்து The New York Times அறிக்கையையும் நாம் காண்கிறோம். இவை வெறும் தொழில்நுட்பக் கதைகள் அல்ல. இவை சுற்றுச்சூழல் மற்றும் அரசியல் நெருக்கடிகள். சற்று வேகமான AI-ன் நன்மைகள், நமது பகிரப்பட்ட வளங்களின் சாத்தியமான அழிவிற்கு மதிப்புள்ளதா என்று நாம் கேட்க வேண்டும். செயற்கை நுண்ணறிவைத் தொடர்வது உண்மையில் நமது இயற்பியல் உலகத்தை மிகவும் பலவீனமாக்குகிறதா என்பதே இங்குள்ள சந்தேகத்திற்குரிய கேள்வி.

நாங்கள் கவர் செய்ய வேண்டும் என்று நீங்கள் நினைக்கும் AI கதை, கருவி, போக்கு அல்லது கேள்வி உங்களிடம் உள்ளதா? உங்கள் கட்டுரை யோசனையை எங்களுக்கு அனுப்பவும் — அதைக் கேட்க நாங்கள் விரும்புகிறோம்.

உள்ளூர் கம்ப்யூட்டிங்கின் (Local Compute) பின்னணியில்

பவர் யூசர்கள் (power users) மற்றும் டெவலப்பர்களுக்கு, உண்மையான கதை பணிப்பாய்வுகளில் (workflow) உள்ளது. மையப்படுத்தப்பட்ட API-களிலிருந்து உள்ளூர் அனுமானத்திற்கு (local inference) பெரும் மாற்றம் ஏற்படுவதைக் காண்கிறோம். இது செலவு மற்றும் வெளிப்புறச் சேவைகளிலிருந்து துண்டிக்கப்படும் பயம் ஆகிய இரண்டாலும் தூண்டப்படுகிறது. உயர் ரக பயனர்கள் நுகர்வோர் தர ஹார்டுவேரில் பெரிய மாடல்களை இயக்க குவாண்டசேஷன் (quantization) நுட்பங்களைப் பார்க்கிறார்கள். வரையறுக்கப்பட்ட VRAM-லிருந்து செயல்திறனைப் பெற அவர்கள் கருவிகளைப் பயன்படுத்துகின்றனர். முக்கிய வழங்குநர்களால் விதிக்கப்பட்ட API வரம்புகள் தானியங்கி பணிப்பாய்வுகளுக்கு ஒரு பெரிய தடையாக மாறி வருகின்றன. ஒரு டெவலப்பர் ஒரு உயர் அடுக்கு மாடலில் நிமிடத்திற்கு 100 கோரிக்கைகள் என்ற வரம்பைக் கொண்டிருக்கலாம். இது ஒரு உற்பத்தி சூழலுக்குப் போதுமானதல்ல. இதைத் தீர்க்க, அவர்கள் சிக்கலான காரணங்களுக்காக ஒரு பெரிய கிளவுட் மாடலையும், வழக்கமான பணிகளுக்கு ஒரு சிறிய, உள்ளூர் மாடலையும் பயன்படுத்தும் கலப்பின அமைப்புகளை (hybrid systems) உருவாக்குகிறார்கள்.

• குவாண்டசேஷன் என்பது மாடல்களின் 4 பிட் அல்லது 8 பிட் பதிப்புகளை நிலையான GPU-களில் இயக்க அனுமதிக்கிறது.
• கிளவுட் வழங்குநர்களிடமிருந்து அதிக வெளியேறும் கட்டணங்களைத் தவிர்க்க பயிற்சித் தரவின் உள்ளூர் சேமிப்பு கட்டாயமாகி வருகிறது.
• எட்ஜ் AI (Edge AI) தாமதத்தைக் குறைக்கவும் தரவு தனியுரிமையை மேம்படுத்தவும் செயலாக்கத்தை சாதனத்திற்கு நகர்த்துகிறது.

இதற்கு ஹார்டுவேர் கட்டமைப்பு பற்றிய ஆழமான புரிதல் தேவை. நீங்கள் இனி ஒரு API-ஐ அழைத்து அது பெரிய அளவில் வேலை செய்யும் என்று எதிர்பார்க்க முடியாது. உங்கள் உள்ளூர் இயந்திரங்களின் நினைவக அலைவரிசை (memory bandwidth) மற்றும் உங்கள் நெட்வொர்க்கின் தாமதம் (latency) பற்றி நீங்கள் புரிந்துகொள்ள வேண்டும். பயனர்கள் பெருகிய முறையில் தனியார் சர்வர்களில் ஹோஸ்ட் செய்யக்கூடிய (hosted) திறந்தநிலை மாடல்களை நாடுகின்றனர். இது தனியுரிம API-கள் வழங்க முடியாத அளவிலான கட்டுப்பாட்டை வழங்குகிறது. MIT Technology Review-ன் ஆராய்ச்சியின்படி, உள்ளூர் கம்ப்யூட்டிங்கை நோக்கிய நகர்வு தொழில்துறையின் மிக முக்கியமான போக்குகளில் ஒன்றாகும். இது அதிக தனிப்பயனாக்கம் மற்றும் சிறந்த பாதுகாப்பை அனுமதிக்கிறது. இருப்பினும், இதற்கு அதிக தொழில்நுட்ப நிபுணத்துவம் தேவைப்படுகிறது. சாதாரண பயனருக்கும் பவர் யூசருக்கும் இடையிலான இடைவெளி விரிவடைகிறது. பவர் யூசர் அடிப்படையில் உள்ளூர் மற்றும் கிளவுட் வளங்களின் சிக்கலான வலையமைப்பை நிர்வகிக்கும் ஒரு சிஸ்டம் ஆர்க்கிடெக்ட் (systems architect) ஆக மாறுகிறார்.

திறந்த கேள்வி

AI பனிப்போர் என்பது இனி ஒரு தத்துவார்த்த விவாதம் அல்ல என்பதுதான் இதன் சாராம்சம். இது உலகப் பொருளாதாரத்தை மாற்றியமைக்கும் ஒரு இயற்பியல் யதார்த்தமாகும். திறந்த ஒத்துழைப்பிலிருந்து பாதுகாக்கப்பட்ட ரகசியங்களுக்கு மாறுவது கிட்டத்தட்ட முடிந்துவிட்டது. தொழில்நுட்பம் என்பது அரசு நிர்வாகத்தின் முதன்மை ஆயுதமாக இருக்கும் ஒரு உலகத்தை நாம் பெற்றுள்ளோம். மிக முக்கியமான கேள்வி இன்னும் பதிலளிக்கப்படாமல் உள்ளது. அடிப்படையில் பிளவுபட்ட உலகில் பாதுகாப்பான மற்றும் பயனுள்ள AI-ஐ நம்மால் உருவாக்க முடியுமா? இரண்டு தரப்பினரும் அடிப்படை விதிகளில் உடன்படவில்லை என்றால், யாரும் வெல்ல முடியாத ஒரு பந்தயத்தில் நாம் சிக்கிக்கொள்ளலாம். முரண்பாடுகள் தெளிவாக உள்ளன. உலகளாவிய தொழில்நுட்ப சுற்றுச்சூழல் அமைப்பின் நன்மைகளை நாம் விரும்புகிறோம், ஆனால் பரஸ்பர சார்புநிலையின் அபாயங்களை ஏற்க நாம் தயாராக இல்லை. இந்த பதற்றம் அடுத்த தசாப்தத்தை வரையறுக்கும். நாம் 2026-ஐ ஒரு திருப்புமுனையாகப் பார்த்தாலும், நாம் எழுதும் குறியீடு நாம் வரையும் எல்லைகளிலிருந்து பிரிக்க முடியாத ஒரு உலகமே இதன் விளைவாகும்.

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.