2026-ல் ஆரம்பநிலையாளர்களுக்கான சிறந்த பிராம்ட் பிரேம்வொர்க்குகள்

கட்டமைக்கப்பட்ட உள்ளீட்டின் தர்க்கத்தில் தேர்ச்சி பெறுதல்

2026-க்குள், செயற்கை நுண்ணறிவுடன் (AI) அரட்டை அடிப்பது என்பது ஒரு புதிய விஷயமாக இல்லாமல் போய்விட்டது. பெரும்பாலான பயனர்கள் ஒரு பெரிய மொழி மாதிரியை (large language model) ஒரு தேடுபொறி அல்லது மந்திரக்கோலைப் போல நடத்துவது சுமாரான முடிவுகளையே தரும் என்பதை உணர்ந்துள்ளனர். ஒரு தொழில்முறை அவுட்புட்டிற்கும் (output), சாதாரணமான ஒன்றிற்கும் இடையிலான வித்தியாசம், அந்த இயந்திரத்தை வழிநடத்தப் பயன்படுத்தப்படும் பிரேம்வொர்க்கில் தான் உள்ளது. நாம் இப்போது வெறும் குத்துமதிப்பாக முயற்சி செய்து பார்ப்பதிலிருந்து விலகி, தகவல் தொடர்பில் ஒரு இன்ஜினியரிங் சார்ந்த அணுகுமுறையை நோக்கி நகர்ந்து கொண்டிருக்கிறோம். இந்த மாற்றம் ஏதோ ஒரு ரகசிய மொழியைக் கற்றுக்கொள்வது பற்றியது அல்ல. உங்கள் நோக்கத்தை எவ்வாறு கட்டமைப்பது என்பதைப் புரிந்துகொள்வது பற்றியது, அப்போதுதான் அந்த மாடல் நீங்கள் என்ன விரும்புகிறீர்கள் என்று யூகிக்க வேண்டிய அவசியம் இருக்காது. ஆரம்பநிலையாளர்கள் பெரும்பாலும் மிகச் சுருக்கமாகப் பேசும் தவறைச் செய்கிறார்கள். ஏஐ-க்கு தங்கள் குறிப்பிட்ட தொழில் அல்லது பிராண்டின் தன்மை தெரியும் என்று அவர்கள் நினைக்கிறார்கள். உண்மையில், இந்த மாடல்கள் திறம்பட செயல்பட தெளிவான எல்லைகள் தேவைப்படும் புள்ளிவிவர எஞ்சின்கள் (statistical engines) ஆகும். 2026-ல் இலக்கு என்பது மீண்டும் மீண்டும் பயன்படுத்தக்கூடிய பேட்டர்ன்கள் மூலம் அந்த எல்லைகளை வழங்குவதாகும். தெளிவற்ற கோரிக்கைகளை உயர்தர சொத்துக்களாக மாற்றும் மிகவும் பயனுள்ள பிரேம்வொர்க்குகளை இந்தக் கட்டுரை விளக்குகிறது. இந்த கட்டமைப்புகள் ஏன் வேலை செய்கின்றன மற்றும் இயந்திரத்தால் உருவாக்கப்பட்ட உள்ளடக்கத்தில் பொதுவான பிழைகளை அவை எவ்வாறு தடுக்கின்றன என்பதை நாம் பார்ப்போம்.

ஒரு சரியான கோரிக்கையின் கட்டமைப்பு

ஆரம்பநிலையாளர்களுக்கு மிகவும் நம்பகமான பிரேம்வொர்க் ‘Role-Task-Format’ அல்லது RTF அமைப்பு ஆகும். இதன் தர்க்கம் மிகவும் எளிமையானது. முதலில், ஏஐ-க்கு ஒரு ஆளுமையை (persona) ஒதுக்குங்கள். இது ஒரு குறிப்பிட்ட தொழில்முறை டொமைனில் இருந்து தரவுகளை எடுக்க அதை கட்டுப்படுத்துகிறது. அந்த மாடலிடம் அது ஒரு சீனியர் வரி வழக்கறிஞர் என்று சொன்னால், அது ஒரு லைஃப்ஸ்டைல் பிளாக்கரின் சாதாரண மொழியைப் பயன்படுத்துவதைத் தவிர்க்கும். இரண்டாவதாக, ஒரு செயலைக் குறிக்கும் வினைச்சொல் மூலம் பணியை (task) வரையறுக்கவும். ‘உதவி’ அல்லது ‘முயற்சி’ போன்ற வார்த்தைகளைத் தவிர்க்கவும். ‘பகுப்பாய்வு செய்’ (analyze), ‘வரைவு செய்’ (draft) அல்லது ‘சுருக்கிக் கூறு’ (summarize) போன்ற வார்த்தைகளைப் பயன்படுத்தவும். மூன்றாவதாக, வடிவத்தை (format) குறிப்பிடவும். உங்களுக்கு ஒரு புல்லட் பாயிண்ட் பட்டியல் வேண்டுமா, ஒரு markdown அட்டவணை வேண்டுமா அல்லது மூன்று பத்திகள் கொண்ட மின்னஞ்சல் வேண்டுமா? வடிவம் இல்லையென்றால், ஏஐ அதன் சொந்த நீளமான பாணியைப் பயன்படுத்தும். மற்றொரு முக்கியமான பேட்டர்ன் ‘Context-Action-Result-Example’ அல்லது CARE முறையாகும். ஏஐ நிலைமையைப் புரிந்து கொள்ள வேண்டிய சிக்கலான திட்டங்களுக்கு இது மிகவும் பயனுள்ளதாக இருக்கும். நீங்கள் சூழலை விளக்கி, என்ன நடக்க வேண்டும், விரும்பிய முடிவு என்ன என்பதைச் சொல்லி, ஒரு சிறந்த உதாரணத்தையும் வழங்குகிறீர்கள். உதாரணங்களின் ஆற்றலை மக்கள் பெரும்பாலும் குறைத்து மதிப்பிடுகிறார்கள். ஒரு சிறந்த பத்தியை உதாரணமாக வழங்குவது கூட, ஐந்து பத்திகள் கொண்ட வழிமுறைகளை விட அவுட்புட் தரத்தை மேம்படுத்தும். இதில் உள்ள சிக்கல் என்னவென்றால், ஏஐ உங்கள் உதாரணத்தை மிக நெருக்கமாகப் பின்பற்றக்கூடும், இதனால் புதிய யோசனைகளை உருவாக்கும் திறனை அது இழக்கக்கூடும். பிரேம்வொர்க்கின் கண்டிப்பிற்கும், புதிய தகவல்களை ஒருங்கிணைக்க மாடலுக்குத் தேவையான இடத்திற்கும் இடையில் நீங்கள் ஒரு சமநிலையைப் பேண வேண்டும்.

ஏன் கட்டமைக்கப்பட்ட பிராம்ப்டிங் ஒரு உலகளாவிய தேவையாக இருக்கிறது

கட்டமைக்கப்பட்ட உள்ளீட்டை நோக்கிய இந்த மாற்றம் வெறும் தொழில்நுட்ப ஆர்வலர்களுக்கான டிரெண்ட் மட்டுமல்ல. இது உலகளாவிய தொழிலாளர் சந்தை செயல்படும் விதத்தில் ஏற்பட்டுள்ள ஒரு அடிப்படை மாற்றமாகும். உலகின் பல பகுதிகளில், ஆங்கிலம் வணிகத்திற்கான முதன்மை மொழியாக உள்ளது, ஆனால் அது தொழிலாளர்களின் தாய்மொழி அல்ல. பிரேம்வொர்க்குகள் ஒரு பாலமாகச் செயல்படுகின்றன. மணிலா அல்லது லாகோஸில் உள்ள ஒரு நபர், நியூயார்க் அல்லது லண்டனில் உள்ள ஒரு நிறுவனத்தின் தரத்திற்கு ஏற்ற தொழில்முறை ஆவணங்களை உருவாக்க இவை அனுமதிக்கின்றன. இது பொருளாதாரக் களத்தை சமப்படுத்துகிறது. முன்பு முழுநேர மார்க்கெட்டிங் குழுவை வைத்திருக்க முடியாத சிறு வணிகங்கள் இப்போது இந்த பேட்டர்ன்களைப் பயன்படுத்தி தங்கள் வேலைகளைச் செய்கின்றன. இருப்பினும், கருவிகள் எளிதாகக் கிடைத்தாலும், ஏஐ-யை வழிநடத்தத் தெரிந்தவர்களுக்கும், அதனுடன் சும்மா ‘அரட்டை’ அடிப்பவர்களுக்கும் இடையிலான இடைவெளி அதிகரித்து வருகிறது. பலர் ஏஐ-யின் புத்திசாலித்தனத்தை அதிகமாக மதிப்பிடுகிறார்கள் மற்றும் மனித வழிகாட்டியின் முக்கியத்துவத்தை குறைவாக மதிப்பிடுகிறார்கள். இயந்திரத்திற்கு உண்மை அல்லது நெறிமுறை பற்றிய உணர்வு கிடையாது. அதற்கு நிகழ்தகவு (probability) பற்றிய உணர்வு மட்டுமே உள்ளது. குளோபல் சவுத்தில் உள்ள ஒரு நிறுவனம் தங்கள் செயல்பாடுகளை விரிவாக்க இந்த பிரேம்வொர்க்குகளைப் பயன்படுத்தும்போது, அவர்கள் பணத்தை மட்டும் சேமிக்கவில்லை. அவர்கள் ஒரு புதிய வகை அறிவுசார் உள்கட்டமைப்பில் (cognitive infrastructure) பங்கேற்கிறார்கள். இந்த உள்கட்டமைப்பு, மனித இலக்குகளை இயந்திரம் படிக்கக்கூடிய வழிமுறைகளாக மாற்றும் திறனை நம்பியுள்ளது. ஒரு அரசாங்கமோ அல்லது நிறுவனமோ தனது மக்களுக்கு இந்த கட்டமைப்புகளில் பயிற்சி அளிக்கத் தவறினால், வேகம் தான் முதன்மையான போட்டி நன்மையாக இருக்கும் உலகில் அவர்கள் பின்தங்கிவிடும் அபாயம் உள்ளது.

ஒரு பிராம்ட்-இயக்க வல்லுநரின் ஒரு நாள்

ஒரு நடுத்தர அளவிலான லாஜிஸ்டிக்ஸ் நிறுவனத்தில் திட்ட மேலாளராக இருக்கும் சாராவைப் பற்றி யோசித்துப் பாருங்கள். கடந்த காலத்தில், அவரது காலை பொழுதுகள் மின்னஞ்சல்களை எழுதுவதிலும், கூட்டக் குறிப்புகளைச் சுருக்குவதிலும் கழிந்தன. இப்போது, அவரது பணிப்பாய்வு குறிப்பிட்ட பேட்டர்ன்களைச் சுற்றி கட்டமைக்கப்பட்டுள்ளது. அவர் தனது நாளை மூன்று உலகளாவிய அழைப்புகளின் டிரான்ஸ்கிரிப்ட்களை ‘Action Item Extraction’ க்காக வடிவமைக்கப்பட்ட ஒரு பிரேம்வொர்க்கில் செலுத்துவதன் மூலம் தொடங்குகிறார். அவர் ஒரு சுருக்கத்தை மட்டும் கேட்பதில்லை. ஏஐ-க்கு ஒரு எக்ஸிகியூட்டிவ் அசிஸ்டெண்ட் பாத்திரத்தை வழங்கி, காலக்கெடுவைக் கண்டறியச் சொல்லி, அவுட்புட்டை ஒரு CSV-ready பட்டியலாக மாற்றும் பிராம்ப்டைப் பயன்படுத்துகிறார். காலை 9:00 மணிக்குள், அவரது முழு குழுவிற்கும் அன்றைய பணிகள் கிடைத்துவிடுகின்றன. பின்னர், ஒரு புதிய வாடிக்கையாளருக்கான முன்மொழிவை (proposal) அவர் தயாரிக்க வேண்டும். வெற்றுப் பக்கத்தைப் பார்ப்பதற்குப் பதிலாக, அவர் ‘Chain of Thought’ பிராம்ப்டைப் பயன்படுத்துகிறார். வாடிக்கையாளருக்கு ஏற்படக்கூடிய ஆட்சேபனைகளை முதலில் பட்டியலிடுமாறு அவர் ஏஐ-யிடம் கேட்கிறார். பிறகு, அந்த ஆட்சேபனைகளுக்குப் பதில்களைத் தயாரிக்கச் சொல்கிறார். இறுதியாக, அந்தப் பதில்களை ஒரு முறையான முன்மொழிவாக இணைக்கச் சொல்கிறார். இந்த படிப்படியான தர்க்கம் ஏஐ தவறான தகவல்களை உருவாக்குவதையோ அல்லது விவரங்களைத் தவிர்ப்பதையோ தடுக்கிறது. சமீபத்தில் அவரது பகுப்பாய்வின் ஆழத்தைப் பாராட்டி அவரது இயக்குனர் பாராட்டு தெரிவித்தார், ஆனால் அந்த வேலை சில நிமிடங்களில் செய்யப்பட்டது. ஒரு பெரிய பணியை சிறிய, தர்க்கரீதியான படிகளாக உடைப்பதன் மூலம், ஏஐ வழிதவறிப் போவதற்கான வாய்ப்பைக் குறைக்கிறீர்கள் என்பதே இதன் தர்க்கம். ஆனால் சாரா ஒவ்வொரு தகவலையும் சரிபார்க்க வேண்டும். ஒரு குறிப்பிட்ட கப்பல் போக்குவரத்து விதி ஜூன் மாதம் மாறியது என்று ஏஐ நம்பிக்கையுடன் கூறலாம், ஆனால் உண்மையில் அது ஜூலை மாதம் மாறியிருக்கலாம். மனிதர் தான் இறுதி வடிகட்டியாக இருக்கிறார். அந்த வடிகட்டி இல்லையென்றால், ஏஐ-யின் வேகம் பிழைகளை முன்னெப்போதையும் விட வேகமாகப் பரப்பவே உதவும். பொதுமக்களின் பார்வைக்கும் யதார்த்தத்திற்கும் இடையிலான முரண்பாடு இங்கே தான் மிகவும் ஆபத்தானது. பொதுமக்கள் ஒரு முழுமையான ஆவணத்தைப் பார்த்து அது சரியானது என்று நினைக்கிறார்கள். உண்மையில் அது ஒரு மெருகூட்டப்பட்ட வரைவு மட்டுமே, அதற்கு ஒரு சந்தேகக் கண் தேவை.

கண்ணுக்குத் தெரியாத இயந்திரத்தின் மறைமுக விலைகள்

இந்த செயல்திறனுக்குப் பதிலாக நாம் எதை இழக்கிறோம் என்று நாம் நம்மையே கேட்டுக்கொள்ள வேண்டும். ஒவ்வொரு ஆரம்பநிலையாளரும் அதே ஐந்து பிரேம்வொர்க்குகளைப் பயன்படுத்தினால், தொழில்முறைத் தொடர்புகள் அனைத்தும் ஒரே மாதிரியான, கணிக்கக்கூடிய உரைகளின் கடலாக மாறிவிடுமா? இந்த மாடல்களை இயக்குவதற்குத் தேவைப்படும் ஆற்றலுக்கு ஒரு மறைமுக விலை உள்ளது. ஒரு எளிய மின்னஞ்சலை உருவாக்க ஒரு சிக்கலான பிரேம்வொர்க்கைப் பயன்படுத்தும் ஒவ்வொரு முறையும், நாம் கணிசமான கணினித் திறனைப் பயன்படுத்துகிறோம். இந்த வசதி சுற்றுச்சூழலில் ஏற்படுத்தும் தாக்கத்திற்கு மதிப்புள்ளதா? மேலும், தரவு தனியுரிமை (data privacy) பற்றிய கேள்வியும் உள்ளது. ஒரு கார்ப்பரேட் உத்தியை பகுப்பாய்வு செய்ய நீங்கள் ஒரு பிரேம்வொர்க்கைப் பயன்படுத்தும்போது, அந்தத் தரவு எங்கே போகிறது? பெரும்பாலான ஆரம்பநிலையாளர்கள் தங்கள் பிராம்ப்ட்கள் பெரும்பாலும் மாடலின் எதிர்கால பதிப்புகளுக்குப் பயிற்சியளிக்கப் பயன்படுத்தப்படுகின்றன என்பதை உணருவதில்லை. நீங்கள் அறியாமலேயே உங்கள் நிறுவனத்தின் ரகசியங்களை அல்லது உங்கள் சொந்த அறிவுசார் சொத்துக்களை வழங்கிக் கொண்டிருக்கலாம். இது நவீன பணிப்பாய்வுகளின் ஒரு பகுதியாக நாம் ஏற்றுக்கொள்ள வேண்டிய disclaimer-ai-generated யதார்த்தமாகும். நாம் நமது சிந்திக்கும் திறனை இழக்கிறோமா என்பதையும் கருத்தில் கொள்ள வேண்டும். ஏஐ நமக்காக ஒரு வாதத்தை கட்டமைப்பதால் நாம் அதைச் செய்யக் கற்றுக்கொள்வதை நிறுத்தினால், அந்தக் கருவி கிடைக்காதபோது என்ன நடக்கும்? பிரேம்வொர்க்குகளைத் தங்கள் சிந்தனையை மேம்படுத்தப் பயன்படுத்துபவர்களே மிகவும் வெற்றிகரமான பயனர்களாக இருப்பார்கள், அதை மாற்றாகப் பயன்படுத்துபவர்கள் அல்ல. அடிப்படைத் தர்க்கத்தைப் புரிந்துகொள்ளத் தேவையில்லாமல் நமக்காக வேலை செய்யும் என்று உறுதியளிக்கும் எந்தவொரு கருவியையும் நாம் சந்தேகத்துடன் பார்க்க வேண்டும். நாம் இந்த இயந்திரங்களின் இயக்குநர்களாக மாறுகிறோமா அல்லது நமக்கு முழுமையாகப் புரியாத ஒரு அமைப்பிற்கான தரவு உள்ளீட்டு எழுத்தர்களாக (data entry clerks) மாறுகிறோமா?

தொழில்நுட்ப ஒருங்கிணைப்பு மற்றும் உள்ளூர் செயல்படுத்தல்

அடிப்படை அரட்டை இடைமுகத்தைத் தாண்டிச் செல்ல விரும்புவோருக்கு, அடுத்த கட்டம் இந்த பிரேம்வொர்க்குகள் தொழில்முறை மென்பொருளுடன் எவ்வாறு ஒருங்கிணைக்கப்படுகின்றன என்பதைப் புரிந்துகொள்வதாகும். 2026-ல், பெரும்பாலான பவர் யூசர்கள் உரையை காப்பி செய்து பிரவுசரில் பேஸ்ட் செய்வதில்லை. அவர்கள் தங்கள் ஸ்பிரட்ஷீட்கள் அல்லது வேர்ட் பிராசஸர்களுக்குள்ளேயே நேரடியாக பிராம்ப்ட்களை இயக்க அனுமதிக்கும் API ஒருங்கிணைப்புகளைப் பயன்படுத்துகின்றனர். இதற்கு context windows பற்றிய புரிதல் தேவை. ஒரு context window என்பது ஏஐ ஒரே நேரத்தில் ‘நினைவில் கொள்ளக்கூடிய’ தகவலின் அளவு ஆகும். உங்கள் பிரேம்வொர்க் மிகவும் நீளமாக இருந்தால் அல்லது உங்கள் தரவு மிகவும் அடர்த்தியாக இருந்தால், ஏஐ உங்கள் வழிமுறைகளின் தொடக்கத்தை மறக்கத் தொடங்கும். நவீன மாடல்களில் 128k முதல் 1 மில்லியன் tokens வரையிலான விண்டோக்கள் உள்ளன, ஆனால் முழு விண்டோவையும் பயன்படுத்துவது விலை உயர்ந்ததாகவும் மெதுவாகவும் இருக்கும். மற்றொரு முக்கியமான பகுதி உள்ளூர் சேமிப்பு மற்றும் செயல்படுத்தல் ஆகும். தனியுரிமை உணர்வுள்ள பயனர்கள் இப்போது தங்கள் சொந்த ஹார்டுவேரில் சிறிய, ஓப்பன் சோர்ஸ் மாடல்களை இயக்குகிறார்கள். இது மூன்றாம் தரப்பு சர்வருக்கு தரவை அனுப்பாமல் தங்கள் பிரேம்வொர்க்குகளைப் பயன்படுத்த அவர்களை அனுமதிக்கிறது. இந்த உள்ளூர் மாடல்கள் பெரும்பாலும் குறைந்த API வரம்புகளைக் கொண்டுள்ளன, ஆனால் தரவின் மீது முழுமையான கட்டுப்பாட்டை வழங்குகின்றன. உள்ளூர் பணிப்பாய்வை அமைக்கும்போது, சிஸ்டம் தேவைகளை நீங்கள் கருத்தில் கொள்ள வேண்டும். உயர்தர மாடலை உள்ளூரில் இயக்க உங்களுக்கு கணிசமான VRAM தேவை. இருப்பினும், இதன் நன்மை என்னவென்றால், நீங்கள் system prompts-களைத் தனிப்பயனாக்கலாம். ஒரு system prompt என்பது ஒவ்வொரு உரையாடலுக்கும் பின்னால் இருக்கும் ஒரு நிரந்தர பிரேம்வொர்க் ஆகும், இது நீங்கள் ஒவ்வொரு முறையும் மீண்டும் தட்டச்சு செய்யாமலேயே ஏஐ எப்போதும் உங்கள் குறிப்பிட்ட விதிகளைப் பின்பற்றுவதை உறுதி செய்கிறது. இது ஒரு பவர் யூசருக்கு 80 சதவீத முடிவுகளைத் தரும் 20 சதவீத தொழில்நுட்ப அறிவாகும். இது ஒரு பயனராக இருப்பதிலிருந்து உங்கள் சொந்த உள்ளூர் நுண்ணறிவு சூழலின் வடிவமைப்பாளராக மாறுவது பற்றியது.

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

மனித-இயந்திர ஒத்துழைப்பின் எதிர்காலம்

ஆரம்பநிலையாளர்களுக்கான சிறந்த பிராம்ட் பிரேம்வொர்க்குகள் தெளிவு மற்றும் தர்க்கரீதியான முன்னேற்றத்தை ஊக்குவிப்பவை ஆகும். நீங்கள் RTF, CARE அல்லது எளிய படிப்படியான வழிமுறைகளைப் பயன்படுத்தினாலும், தெளிவற்ற தன்மையை நீக்குவதே குறிக்கோள். நாம் முன்னோக்கிப் பார்க்கும்போது, மனித எழுத்திற்கும் இயந்திர அவுட்புட்டிற்கும் இடையிலான கோடு தொடர்ந்து மங்கலாகிவிடும். உண்மையான கேள்வி என்னவென்றால், ஏஐ மனிதனைப் போல சிறப்பாக எழுத முடியுமா என்பது அல்ல, மாறாக இயந்திரங்கள் கோரும் அளவுக்குத் தெளிவாகச் சிந்திக்க மனிதர்கள் கற்றுக்கொள்ள முடியுமா என்பதுதான். ஏஐ-யின் நுணுக்கங்களைப் புரிந்துகொள்ளும் திறனை நாம் பெரும்பாலும் அதிகமாக மதிப்பிடுகிறோம் மற்றும் நன்கு வரையறுக்கப்பட்ட கட்டமைப்பைப் பின்பற்றும் அதன் திறனைக் குறைவாக மதிப்பிடுகிறோம். பிராம்ப்டிங் தர்க்கம் என்பது தெளிவான சிந்தனையின் தர்க்கமாகும். உங்களுக்குத் தேவையானதை ஒரு இயந்திரத்திற்கு விளக்கத் தெரியவில்லை என்றால், அந்தப் பணியைப் பற்றி உங்களுக்குப் போதுமான தெளிவு இல்லை என்று அர்த்தம். மாடல்கள் மிகவும் உள்ளுணர்வு மிக்கதாக மாறும்போது இந்தத் துறை தொடர்ந்து வளர்ச்சியடையும், ஆனால் கட்டமைக்கப்பட்ட நோக்கத்தின் தேவை அப்படியே இருக்கும். இயந்திரம் நமது சொல்லப்படாத தேவைகளைப் புரிந்துகொள்ளும் நிலையை நாம் எப்போதாவது அடைவோமா அல்லது எப்போதும் நமது சொந்த கோரிக்கைகளின் வடிவமைப்பாளர்களாக நாம் இருக்க வேண்டுமா? இப்போதைக்கு, பிராம்ப்டிங்கை ஒரு வேலையாகக் கருதாமல் ஒரு கலையாகக் கருதுபவர்களுக்கே முன்னுரிமை கிடைக்கும்.

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.