சாதாரண மக்கள் இன்று AI-ஐ பயன்படுத்தும் 25 வழிகள்

புதுமையிலிருந்து பயன்பாட்டிற்கு ஒரு மாற்றம்

செயற்கை நுண்ணறிவு (Artificial Intelligence) என்பது இனி அறிவியல் புனைகதைகளுக்கோ அல்லது உயர்தர ஆராய்ச்சி ஆய்வகங்களுக்கோ மட்டுமே உரிய எதிர்காலக் கருத்து அல்ல. இது அன்றாட வாழ்க்கையின் சாதாரணமான பகுதிகளுக்குள் நுழைந்துவிட்டது. ஒரு கணினி கவிதை எழுதுவதைப் பார்த்து ஏற்பட்ட ஆரம்பகால அதிர்ச்சி பெரும்பாலான மக்களுக்கு மறைந்துவிட்டது. இப்போது எஞ்சியிருப்பது, நவீன வாழ்க்கையில் நேரத்தை வீணடிக்கும் சலிப்பான மற்றும் மீண்டும் மீண்டும் செய்யப்படும் பணிகளைக் கையாளக்கூடிய ஒரு கருவித் தொகுப்புதான். இந்தத் தொழில்நுட்பம் எதிர்காலத்தில் என்ன செய்யக்கூடும் என்பதிலிருந்து, இப்போது என்ன செய்ய முடியும் என்பதற்கு கவனம் மாறியுள்ளது. இந்த மாற்றம் செயல்திறன் மற்றும் தனிப்பட்ட மற்றும் தொழில்முறை வேலைகளில் உள்ள தடைகளை நீக்குவதைப் பற்றியது.

முக்கியமான விஷயம் என்னவென்றால், புதுமையை விட பயன்பாடுதான் முக்கியம். இந்தத் தொழில்நுட்பங்கள் மந்திரமானவை அல்லது உணர்வுள்ளவை என்ற எண்ணத்திலிருந்து விலகி, அவற்றைச் சரியாகப் பயன்படுத்துவது அவசியம். அதற்குப் பதிலாக, அவற்றை அதிநவீன கணிப்பு இயந்திரங்களாகப் பார்க்க வேண்டும். இவை அதிகப்படியான தகவல்களைச் செயலாக்கி, அவற்றை எளிதாகப் பயன்படுத்தக்கூடிய வடிவத்தில் மாற்றுவதில் சிறந்தவை. நீங்கள் ஒரு மாணவராகவோ, பெற்றோராகவோ அல்லது ஒரு நிபுணராகவோ இருந்தாலும், நேரத்தைச் சேமிப்பதிலும் மன அழுத்தத்தைக் குறைப்பதிலும் தான் இதன் உண்மையான மதிப்பு உள்ளது. இந்த வழிகாட்டி, தத்துவார்த்த விவாதங்களை விட நடைமுறைப் பலன்களை மையமாகக் கொண்டு, இந்த அமைப்புகளை இன்று பயன்படுத்தும் 25 வழிகளைப் பார்க்கிறது.

Large Language Models உண்மையில் எப்படிச் செயல்படுகின்றன?

இந்த அமைப்புகளைச் சிறப்பாகப் பயன்படுத்த, அவை என்ன, என்ன அல்ல என்பதைப் புரிந்துகொள்வது அவசியம். இன்று நுகர்வோர் பயன்படுத்தும் பெரும்பாலான AI, Large Language Models-ஐ அடிப்படையாகக் கொண்டது. இந்த மாடல்கள் ஒரு தொடரில் அடுத்த வார்த்தையைக் கணிக்க மிகப்பெரிய தரவுத்தொகுப்புகளில் பயிற்சி அளிக்கப்படுகின்றன. இவை மனிதர்களைப் போலச் சிந்திப்பதில்லை. அவற்றுக்கு நம்பிக்கைகளோ அல்லது ஆசைகளோ இல்லை. இவை மனித மொழியில் உள்ள வடிவங்களைக் கண்டறியும் கணிதக் கட்டமைப்புகள். நீங்கள் ஒரு prompt-ஐக் கொடுக்கும்போது, அவற்றின் பயிற்சித் தரவின் அடிப்படையில் மிகவும் சாத்தியமான பதிலைக் கணக்கிடுகின்றன. இதனால்தான் அவை மிகவும் நம்பகமானதாகத் தோன்றினாலும், சில நேரங்களில் முற்றிலும் தவறாக இருக்கின்றன.

இந்த மாடல்களைத் தேடுபொறிகளாகக் (search engines) கருதுவது ஒரு பொதுவான குழப்பம். இவை தகவல்களை வழங்க முடியும் என்றாலும், அவற்றின் முதன்மைச் செயல்பாடு உருவாக்குதல் மற்றும் மாற்றுதல் ஆகும். ஒரு தேடுபொறி ஒரு குறிப்பிட்ட ஆவணத்தைக் கண்டறியும். ஒரு மொழி மாடல் தான் கற்றுக்கொண்ட கருத்துகளின் அடிப்படையில் ஒரு புதிய பதிலை உருவாக்குகிறது. இந்த வேறுபாடு மிக முக்கியமானது, ஏனெனில் மனித ஆய்வு ஏன் இன்னும் அவசியம் என்பதை இது விளக்குகிறது. மாடல் உண்மைகளைச் சரிபார்ப்பதை விட நிகழ்தகவைக் கணிப்பதால், அது தவறான விஷயங்களை நம்பிக்கையுடன் கூறும் “hallucinations”-ஐ உருவாக்கக்கூடும். இது ஒரு பெரிய சிக்கலாக இருந்தது மற்றும் இன்றும் ஒரு முக்கிய வரம்பாக உள்ளது.

தொழில்நுட்பத்தில் சமீபத்திய மாற்றம் மல்டிமாடல் (multimodal) திறன்களை நோக்கி உள்ளது. அதாவது, இந்த மாடல்கள் இப்போது உரை (text) மட்டுமல்லாமல், படங்கள், ஆடியோ மற்றும் வீடியோ ஆகியவற்றையும் செயலாக்கி உருவாக்க முடியும். உங்கள் குளிர்சாதனப் பெட்டியின் உள்ளே இருக்கும் புகைப்படத்தைப் பார்த்து அவை ஒரு சமையல் குறிப்பை பரிந்துரைக்க முடியும். ஒரு கூட்டத்தின் ஆடியோ பதிவைக் கேட்டு சுருக்கத்தை வழங்க முடியும். உள்ளீட்டு வகைகளின் இந்த விரிவாக்கம், சாதாரண மக்களுக்கு இந்தத் தொழில்நுட்பத்தை மிகவும் பல்துறை சார்ந்ததாக மாற்றியுள்ளது. இது இனி ஒரு chat box-ல் தட்டச்சு செய்வது மட்டுமல்ல. சூழலையும் நோக்கத்தையும் புரிந்துகொள்ளும் ஒரு டிஜிட்டல் இடைத்தரகர் மூலம் உலகத்துடன் தொடர்புகொள்வதாகும்.

தொழில்நுட்ப களத்தில் ஒரு உலகளாவிய சமநிலை

இந்தக் கருவிகளின் தாக்கம் உலகளவில் உணரப்படுகிறது, ஏனெனில் அவை சிக்கலான பணிகளுக்கான நுழைவுத் தடையைக் குறைக்கின்றன. கடந்த காலத்தில், ஒரு மென்பொருளை எழுதுவது அல்லது தொழில்நுட்ப கையேட்டை மொழிபெயர்ப்பது போன்றவற்றுக்கு சிறப்புத் திறன்கள் அல்லது விலையுயர்ந்த சேவைகள் தேவைப்பட்டன. இப்போது, இணைய வசதி உள்ள எவரும் இந்தத் திறன்களை அணுகலாம். கல்வி வளங்கள் குறைவாக உள்ள பகுதிகளில் இது மிகவும் முக்கியமானது. வளரும் நாடுகளில் உள்ள ஒரு சிறு வணிக உரிமையாளர், தொழில்முறை ஒப்பந்தங்களை உருவாக்க அல்லது சர்வதேச வாடிக்கையாளர்களுடன் அவர்களின் சொந்த மொழிகளில் தொடர்பு கொள்ள இந்தக் கருவிகளைப் பயன்படுத்தலாம். இது மிகக் குறைந்த செலவில் உயர்தர அறிவாற்றல் உதவியை வழங்குவதன் மூலம் களத்தைச் சமப்படுத்துகிறது.

மொழித் தடைகளும் நிகழ்நேரத்தில் நீக்கப்படுகின்றன. நிகழ்நேர மொழிபெயர்ப்பு மற்றும் டஜன் கணக்கான மொழிகளில் ஆவணங்களைச் சுருக்கிக் கூறும் திறன், தகவல்கள் இனி மொழிச் சிறைகளுக்குள் சிக்கிக்கொள்ளாது என்பதைக் குறிக்கிறது. இது உலகளாவிய வர்த்தகம் மற்றும் அறிவியல் ஒத்துழைப்பில் ஆழமான தாக்கங்களை ஏற்படுத்துகிறது. ஆராய்ச்சியாளர்கள் இப்போது தங்களுக்குத் தெரியாத மொழிகளில் வெளியிடப்பட்ட ஆய்வுக் கட்டுரைகளை எளிதாக அணுகிப் புரிந்துகொள்ள முடியும். இது வசதியைப் பற்றியது மட்டுமல்ல. இது தகவல்களின் ஜனநாயகமயமாக்கல் மற்றும் உலகளாவிய அளவில் முன்னேற்றத்தை விரைவுபடுத்துவதைப் பற்றியது. தகவல்தொடர்பு செலவு கணிசமாகக் குறைந்துள்ளது, இது ஒரு பெரிய பொருளாதார மாற்றமாகும்.

இருப்பினும், இந்த உலகளாவிய அணுகல் சவால்களையும் கொண்டு வருகிறது. இந்த மாடல்களுக்குப் பயிற்சி அளிக்கப் பயன்படுத்தப்படும் தரவு பெரும்பாலும் மேற்கத்திய கண்ணோட்டங்கள் மற்றும் ஆங்கில மொழியைச் சார்ந்தே உள்ளது. இது வெளியீட்டில் கலாச்சார சார்புகளுக்கு வழிவகுக்கும். தொழில்நுட்பம் பரவும்போது, மாறுபட்ட உலகளாவிய மக்கள்தொகையைப் பிரதிபலிக்கும் மாடல்களுக்கான தேவை அதிகரித்து வருகிறது. குறிப்பிட்ட கலாச்சார நுணுக்கங்கள் மற்றும் மதிப்புகளைப் பிரதிபலிக்கும் வகையில் இந்தக் கருவிகளின் உள்ளூர் பதிப்புகளை உருவாக்க முயற்சிகள் மேற்கொள்ளப்படுகின்றன. இது பல்வேறு சமூகங்களில் இந்தத் தொழில்நுட்பத்தின் நன்மைகள் எவ்வளவு சமமாக இருக்கும் என்பதைத் தீர்மானிக்கும் ஒரு தொடர்ச்சியான செயல்முறையாகும்.

அன்றாட வாழ்க்கையில் நடைமுறைப் பயன்பாடுகள்

நிஜ உலகத் தாக்கம் குறிப்பிட்ட உதாரணங்கள் மூலம் சிறப்பாகத் தெரிகிறது. திட்ட மேலாளரான சாராவின் ஒரு நாளைக் கவனியுங்கள். அவர் தனது காலையை, இரவு வந்த டஜன் கணக்கான மின்னஞ்சல்களைச் சுருக்கமாகக் கூற AI-யிடம் கேட்பதன் மூலம் தொடங்குகிறார், அதில் அவசரமான பணிகளை முன்னிலைப்படுத்துகிறார். பயணத்தின் போது, அவர் voice-to-text கருவியைப் பயன்படுத்தி ஒரு திட்ட முன்மொழிவை உருவாக்குகிறார், அதை மாடல் தொனி மற்றும் தெளிவுக்காக மெருகூட்டுகிறது. மதிய உணவிற்கு, அவர் வெளிநாட்டு மொழியில் உள்ள உணவக மெனுவின் புகைப்படத்தை எடுத்து உடனடி மொழிபெயர்ப்பைப் பெறுகிறார். மாலையில், அவர் வீட்டில் உள்ள பொருட்களின் பட்டியலை வழங்குகிறார், மேலும் அந்த அமைப்பு அவரது குடும்பத்திற்கு ஆரோக்கியமான உணவுத் திட்டத்தை உருவாக்குகிறது.

மக்கள் இன்று இந்தத் தொழில்நுட்பத்தைப் பயன்படுத்தும் 25 வழிகளைப் பல வகைகளாகப் பிரிக்கலாம். வீட்டில், மக்கள் இதை உணவுத் திட்டமிடல், தனிப்பயனாக்கப்பட்ட உடற்பயிற்சி முறைகளை உருவாக்குதல் மற்றும் குழந்தைகளுக்குச் சிக்கலான பாடங்களை விளக்குவதற்குப் பயன்படுத்துகின்றனர். தொழில்முறை அமைப்புகளில், இது code-ஐ பிழைத்திருத்தம் செய்யவும், வழக்கமான கடிதங்களை எழுதவும், மார்க்கெட்டிங் குறிப்புகளை உருவாக்கவும் பயன்படுத்தப்படுகிறது. தனிப்பட்ட வளர்ச்சிக்கு, இது ஒரு மொழி ஆசிரியராக அல்லது கடினமான முடிவுகளுக்கு ஒரு ஆலோசனைக் கருவியாகச் செயல்படுகிறது. இது அணுகல்தன்மைக்கான ஒரு சக்திவாய்ந்த கருவியாகும், இது பார்வை அல்லது செவித்திறன் குறைபாடுள்ளவர்கள் டிஜிட்டல் உள்ளடக்கத்துடன் மிகவும் திறம்பட தொடர்பு கொள்ள உதவுகிறது. பலன் எப்போதும் ஒன்றுதான்: ஒரு மணிநேரம் எடுக்கும் பணியை சில வினாடிகளில் சுருக்கிவிடுகிறது.

• தொழில்முறை மின்னஞ்சல்கள் மற்றும் கவர் லெட்டர்களை எழுதுதல்.
• நீண்ட கட்டுரைகள் அல்லது கூட்டத்தின் டிரான்ஸ்கிரிப்டுகளைச் சுருக்கமாகக் கூறுதல்.
• எளிமையான ஆட்டோமேஷன் பணிகளுக்கான code snippets-ஐ உருவாக்குதல்.
• விருப்பங்களின் அடிப்படையில் தனிப்பயனாக்கப்பட்ட பயணத் திட்டங்களை உருவாக்குதல்.
• சிக்கலான தொழில்நுட்ப ஆவணங்களை எளிய ஆங்கிலத்தில் மொழிபெயர்த்தல்.
• படைப்பாற்றல் திட்டங்கள் அல்லது பரிசுகளுக்கான யோசனைகளை உருவாக்குதல்.
• புதிய மொழியில் உரையாடல் பயிற்சி செய்தல்.
• குழப்பமான குறிப்புகளை ஒரு கட்டமைக்கப்பட்ட வடிவத்தில் ஒழுங்கமைத்தல்.
• கடினமான அறிவியல் அல்லது வரலாற்று கருத்துகளை விளக்குதல்.
• விளக்கக்காட்சிகள் அல்லது சமூக ஊடகங்களுக்காகப் படங்களை உருவாக்குதல்.

இந்த நன்மைகள் இருந்தபோதிலும், இந்த அமைப்புகளின் அறிவை மிகைப்படுத்துவது எளிது. இவை பெரும்பாலும் பொது அறிவு அல்லது ஆழமான தர்க்கரீதியான சிந்தனை தேவைப்படும் பணிகளில் தோல்வியடைகின்றன. உதாரணமாக, அவை ஒரு சிக்கலான கணிதப் சிக்கலில் தடுமாறலாம் அல்லது மருத்துவப் பிரச்சினையில் ஆபத்தான தவறான ஆலோசனைகளை வழங்கலாம். மக்கள் prompt-ன் முக்கியத்துவத்தை குறைத்து மதிப்பிடுகின்றனர். வெளியீட்டின் தரம், வழங்கப்பட்ட அறிவுறுத்தல்களின் தெளிவு மற்றும் விவரங்களுடன் நேரடியாகத் தொடர்புடையது. மனித ஆய்வு இந்த செயல்முறையின் மிக முக்கியமான பகுதியாகும். நீங்கள் வெறுமனே “set it and forget it” என்று இருக்க முடியாது. நீங்கள் எடிட்டராகவும் உண்மையின் இறுதி நடுவராகவும் இருக்க வேண்டும்.

அல்காரிதமிக் செயல்திறனின் மறைக்கப்பட்ட செலவுகள்

இந்தக் கருவிகளை நாம் தழுவும்போது, மறைக்கப்பட்ட செலவுகள் குறித்து கடினமான கேள்விகளைக் கேட்க வேண்டும். நமது தனிப்பட்ட தரவை இந்த மாடல்களில் உள்ளீடு செய்யும்போது நமது தனியுரிமைக்கு (privacy) என்ன நடக்கும்? பெரும்பாலான முக்கிய வழங்குநர்கள் நீங்கள் வழங்கும் தகவலைத் தங்கள் அமைப்புகளை மேலும் பயிற்றுவிக்கப் பயன்படுத்துகின்றனர். இதன் பொருள் உங்கள் தனிப்பட்ட எண்ணங்கள், வணிக ரகசியங்கள் அல்லது குடும்ப விவரங்கள் எதிர்கால வெளியீடுகளை பாதிக்கக்கூடும். சுற்றுச்சூழல் செலவையும் கருத்தில் கொள்ள வேண்டும். இந்த மாபெரும் மாடல்களைப் பயிற்றுவிப்பதற்கும் இயக்குவதற்கும் மின்சாரம் மற்றும் டேட்டா சென்டர்களைக் குளிர்விக்கத் தண்ணீர் தேவைப்படுகிறது. வேகமான மின்னஞ்சலின் வசதி, சுற்றுச்சூழல் பாதிப்பை விட மதிப்புள்ளதா?

மனிதத் திறன்களின் மீதான தாக்கத்தையும் நாம் கருத்தில் கொள்ள வேண்டும். இயந்திரங்களை நமது எழுத்து, கோடிங் மற்றும் சிந்தனைக்கு நம்பியிருந்தால், அந்தத் திறன்கள் மங்கிவிடுமா? தரம் என்ற அடிப்படையில் “race to the bottom” அபாயம் உள்ளது, அங்கு இணையம் பொதுவான, AI-ஆல் உருவாக்கப்பட்ட உள்ளடக்கத்தால் நிரம்பிவிடும். இது உண்மையான மனிதக் குரல்களையும் நம்பகமான தகவல்களையும் கண்டறிவதைக் கடினமாக்கும். மேலும், வேலை இடப்பெயர்ச்சிக்கான சாத்தியம் ஒரு உண்மையான கவலையாகும். தொழில்நுட்பம் புதிய வாய்ப்புகளை உருவாக்கினாலும், அது பல பாரம்பரிய பாத்திரங்களை தேவையற்றதாக மாற்றுகிறது. ஆட்டோமேஷனால் வாழ்வாதாரம் அச்சுறுத்தப்படுபவர்களுக்கு நாம் எவ்வாறு ஆதரவளிப்பது?

உண்மை சிதைவு (truth decay) பிரச்சினை மிகவும் அழுத்தமானது. மிகத் தத்ரூபமான படங்கள் மற்றும் உரைகளை பெரிய அளவில் உருவாக்கும் திறனுடன், தவறான தகவல்களுக்கான சாத்தியம் முன்னெப்போதும் இல்லாத வகையில் உள்ளது. பார்ப்பதை நம்ப முடியாது என்ற யுகத்திற்குள் நாம் நுழைகிறோம். இது தனிநபர்கள் அதிக சந்தேகம் கொள்ளவும், பல ஆதாரங்களிலிருந்து தகவல்களைச் சரிபார்க்கவும் ஒரு பெரிய சுமையை ஏற்படுத்துகிறது. உண்மைக்கும் புனைவுக்கும் இடையிலான எல்லை நிரந்தரமாக மங்கலாகிவிட்ட உலகில் நாம் தயாராக இருக்கிறோமா என்று நாம் கேட்டுக்கொள்ள வேண்டும். இவை வெறும் தொழில்நுட்ப சிக்கல்கள் அல்ல. இவை கூட்டு நடவடிக்கை மற்றும் கவனமான ஒழுங்குமுறை தேவைப்படும் சமூக சவால்கள்.

தனிப்பட்ட ஆட்டோமேஷனின் பின்னணியில்

அடிப்படை chat இடைமுகத்திற்கு அப்பால் செல்ல விரும்புவோருக்கு, “Geek Section” மேம்பட்ட ஒருங்கிணைப்புகளைப் பார்க்க உதவுகிறது. பவர் யூசர்கள் தனியுரிமை கவலைகளைத் தீர்க்க உள்ளூர் சேமிப்பு (local storage) மற்றும் உள்ளூர் மாடல்களை (local models) அதிகம் நாடுகின்றனர். Llama 3 போன்ற கருவிகளை தனிப்பட்ட வன்பொருளில் இயக்கலாம், இது உங்கள் தரவு உங்கள் கணினியை விட்டு வெளியேறாது என்பதை உறுதி செய்கிறது. இதற்கு நல்ல GPU தேவைப்படுகிறது, ஆனால் இது கிளவுட் அடிப்படையிலான சேவைகள் வழங்க முடியாத அளவிலான கட்டுப்பாட்டை வழங்குகிறது. பணிப்பாய்வு ஒருங்கிணைப்புகளைப் புரிந்துகொள்வதும் முக்கியம். ஒரு AI மாடலை உங்கள் தற்போதைய கருவிகளான ஸ்ப்ரெட்ஷீட் அல்லது டாஸ்க் மேனேஜருடன் இணைக்க API-களைப் பயன்படுத்துவது, கைமுறை தலையீடு இல்லாமல் முழுமையான வேலை வரிசைகளை தானியக்கமாக்க முடியும்.

API வரம்புகள் மற்றும் டோக்கன் செலவுகள் தங்கள் சொந்தக் கருவிகளை உருவாக்குபவர்களுக்கு முக்கியமான பரிசீலனைகள். மாடலுடனான ஒவ்வொரு தொடர்பும் “tokens”-ஐப் பயன்படுத்துகிறது, இவை தோராயமாக வார்த்தைகளின் துண்டுகளுக்குச் சமம். பெரும்பாலான வழங்குநர்கள் ஒரு கோரிக்கையில் எத்தனை டோக்கன்களைப் பயன்படுத்தலாம் என்பதற்கு வரம்புகளைக் கொண்டுள்ளனர், இது context window என்று அழைக்கப்படுகிறது. உங்கள் ஆவணம் மிக நீளமாக இருந்தால், மாடல் அதன் தொடக்கத்தை “மறந்துவிடும்”. இதனால்தான் Retrieval-Augmented Generation (RAG) போன்ற நுட்பங்கள் மிகவும் பிரபலமாக உள்ளன. RAG ஒரு மாடல் பதிலை உருவாக்கும் முன் ஒரு தனிப்பட்ட தரவுத்தளத்திலிருந்து குறிப்பிட்ட தகவலைத் தேட அனுமதிக்கிறது, இது சிறப்புப் பணிகளுக்கு மிகவும் துல்லியமானது.

• Context Window: மாடல் ஒரே நேரத்தில் “பார்க்க”க்கூடிய உரையின் அளவு.
• Tokens: மாடலால் செயலாக்கப்படும் உரையின் அடிப்படை அலகுகள்.
• API: வெவ்வேறு மென்பொருள் நிரல்கள் தொடர்புகொள்ள அனுமதிக்கும் இடைமுகம்.
• Local Models: கிளவுடுக்கு பதிலாக உங்கள் சொந்த கணினியில் இயங்கும் AI அமைப்புகள்.
• RAG: குறிப்பிட்ட, வெளிப்புறத் தரவை AI அணுகுவதற்கான ஒரு முறை.
• Fine-tuning: ஒரு குறிப்பிட்ட பணிக்காக முன்-பயிற்சி பெற்ற மாடலைச் சரிசெய்தல்.
• Latency: ஒரு prompt-க்கும் பதிலுக்கும் இடையிலான தாமதம்.
• Multimodality: உரை, படங்கள் மற்றும் ஆடியோவைச் செயலாக்கும் திறன்.
• Rate Limits: நிமிடத்திற்கு எத்தனை கோரிக்கைகளை நீங்கள் செய்யலாம் என்பதற்கான கட்டுப்பாடுகள்.
• Quantization: குறைந்த சக்திவாய்ந்த வன்பொருளில் மாடல்களை வேகமாக இயக்க உதவும் ஒரு நுட்பம்.

தொழில்நுட்ப நிலப்பரப்பு வேகமாக மாறி வருகிறது. இதில், மாடல்களைச் செயல்பட வைப்பதில் மட்டுமே கவனம் இருந்தது. இப்போது, அவற்றைச் சிறியதாகவும், வேகமாகவும், திறமையாகவும் மாற்றுவதில் கவனம் உள்ளது. இதன் பொருள், நமது போன்கள் முதல் வீட்டு உபயோகப் பொருட்கள் வரை அனைத்திலும் இந்தத் திறன்கள் உட்பொதிக்கப்படுவதை நாம் விரைவில் காண்போம். பவர் யூசரைப் பொறுத்தவரை, அடிப்படை இயக்கவியலைப் புரிந்துகொள்வதன் மூலம் இந்த மாற்றங்களுக்கு முன்னால் இருப்பதே இலக்காகும். இது கருவிகளை எளிமையான சாட்போட்களிலிருந்து சிக்கலான, பல-படி திட்டங்களைக் கையாளக்கூடிய சக்திவாய்ந்த தனிப்பட்ட உதவியாளர்களாக மாற்றி, மிகவும் ஆக்கபூர்வமான மற்றும் பயனுள்ள பயன்பாட்டிற்கு வழிவகுக்கிறது.

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.

ஹைப்-க்கு அப்பால் நகர்தல்

AI ஒரு புதுமையாக இருந்த காலம் முடிந்துவிட்டது. நாம் இப்போது பயன்பாட்டு யுகத்தில் இருக்கிறோம். இந்த புதிய சூழலில் வெற்றிபெற, தேவைப்படுவது