AI உலகில் இப்போது என்ன நடக்கிறது — இது ஏன் முக்கியமானது?

AI ஒரு புதிய எல்லையைத் தாண்டியுள்ளது. வெறும் உரையாடல்களை மட்டும் செய்யும் சாட்பாட்களின் காலம் முடிந்து, மென்பொருளே நேரடியாகச் செயல்படும் ஒரு புதிய யுகத்திற்கு நாம் நகர்ந்துள்ளோம். இந்த மாற்றம் ஒரு குறிப்பிட்ட ஆப் அல்லது மாடல் அப்டேட்டைப் பற்றியது அல்ல; கணினிகள் உலகத்துடன் தொடர்பு கொள்ளும் விதத்தில் ஏற்பட்டுள்ள ஒரு அடிப்படை மாற்றமாகும். சாதாரண மக்களுக்கு, தினசரி வரும் தொழில்நுட்பச் செய்திகள் குழப்பமாகத் தோன்றலாம். ஆனால், இதன் சாராம்சம் எளிதானது. Large language models (LLM) நீங்கள் செய்யும் ஒவ்வொரு டிஜிட்டல் வேலைக்கும் ஒரு பிணைப்பாக மாறி வருகின்றன. அவை இப்போது கேள்விகளுக்குப் பதில் அளிப்பதோடு மட்டும் நின்றுவிடுவதில்லை. அவை பணிப்பாய்வுகளை (workflows) நிர்வகிக்கின்றன, தேவைகளைக் கணிக்கின்றன, மேலும் பல்வேறு பிளாட்ஃபார்ம்களில் கட்டளைகளைச் செயல்படுத்துகின்றன. இந்த மாற்றம் AI-ஐ ஒரு விசித்திரமான பொருளாகப் பார்ப்பதை நிறுத்தி, அதை ஒரு கண்ணுக்குத் தெரியாத உள்கட்டமைப்பாக மாற்றுகிறது. நீங்கள் குழப்பமடைந்தால், அதற்கு காரணம் இந்தத் தொழில்நுட்பம் பரவும் வேகம், நாம் அதை வகைப்படுத்தும் வேகத்தை விட அதிகமாக இருப்பதே ஆகும். இப்போது உங்கள் இயந்திரத்திற்கும் உங்களுக்கும் இடையே இந்த நுண்ணறிவு அடுக்கு (layer of intelligence) எவ்வாறு செயல்படுகிறது என்பதைப் புரிந்துகொள்வதே முக்கியம்.

நாம் பயன்படுத்தும் மென்பொருளிலிருந்து, நமக்காக மற்ற மென்பொருள்களைப் பயன்படுத்தும் மென்பொருளுக்கு நாம் மாறுகிறோம். OpenAI மற்றும் Google போன்ற நிறுவனங்களின் ஒவ்வொரு முக்கிய அறிவிப்பிலும் இந்த மாற்றமே மையமாக உள்ளது. நாம் ‘ஏஜென்டிக்’ (agentic) யுகத்தின் பிறப்பைக் காண்கிறோம். இந்த புதிய கட்டத்தில், AI-க்கு நிஜ உலகில் செயல்களைச் செய்யும் அதிகாரம் வழங்கப்படுகிறது. அது விமான டிக்கெட்டுகளை முன்பதிவு செய்யலாம், பணப் பரிமாற்றம் செய்யலாம் அல்லது பிற AI அமைப்புகளை நிர்வகிக்கலாம். இது 2026-ல் நாம் பார்த்த நிலையான உரை உருவாக்கத்திலிருந்து முற்றிலும் மாறுபட்டது. இப்போது நம்பகத்தன்மை மற்றும் செயல்பாட்டிற்கு முக்கியத்துவம் அளிக்கப்படுகிறது. ஒரு இயந்திரம் கவிதை எழுதுவது இப்போது பெரிய விஷயமாகத் தெரியவில்லை. அது மனித மேற்பார்வை இன்றி வரி கணக்குகளைச் சரியாகத் தாக்கல் செய்யுமா அல்லது விநியோகச் சங்கிலியை (supply chain) நிர்வகிக்குமா என்பதே கேள்வி. சிக்கலான, பல கட்டங்களைக் கொண்ட பிரச்சினைகளைத் தீர்க்கும் மாடல்களின் மேம்பட்ட திறனே இந்த மாற்றத்திற்குத் தூண்டுகோலாக உள்ளது.

நுண்ணறிவின் பெரும் ஒருங்கிணைப்பு

ஏஜென்டிக் அமைப்புகளை நோக்கிய நகர்வு

தற்போதைய தொழில்துறை நிலையைப் புரிந்துகொள்ள, ஜெனரேட்டிவ் அவுட்புட் மற்றும் ஏஜென்டிக் செயல்களுக்கு இடையிலான வித்தியாசத்தைப் பார்க்க வேண்டும். ஜெனரேட்டிவ் AI என்பது ப்ராம்ப்ட்களின் அடிப்படையில் உரை, படங்கள் மற்றும் குறியீடுகளை உருவாக்கியது. அது மனிதத் தரவுகளின் பிரதிபலிப்பாக இருந்தது. இப்போது நாம் காண்பது ஏஜென்ட்களின் எழுச்சி. இவை மனிதத் தலையீடு இன்றி பல கட்ட இலக்குகளை முடிக்க வடிவமைக்கப்பட்ட அமைப்புகள். ஒரு பாட்டிடம் மின்னஞ்சல் எழுதச் சொல்வதற்குப் பதிலாக, ஒரு திட்டத்தை ஒழுங்கமைக்கச் சொல்கிறீர்கள். அந்த அமைப்பு தேவையான நபர்களைக் கண்டறிந்து, காலெண்டர்களைச் சரிபார்த்து, செய்திகளை வரைவு செய்து, டேட்டாபேஸைப் புதுப்பிக்கிறது. இதற்கு அதிக அளவிலான பகுத்தறிவு மற்றும் வெளிப்புறக் கருவிகளுடன் வலுவான இணைப்பு தேவை. இது ஒரு கால்குலேட்டருக்கும் ஒரு உதவியாளருக்கும் உள்ள வித்தியாசம். இந்த மாற்றம் நீண்ட கான்டெக்ஸ்ட் விண்டோக்கள் மற்றும் டூல் பயன்பாட்டுத் திறன்களால் சாத்தியமாகிறது. மாடல்கள் இப்போது ஆயிரக்கணக்கான பக்கத் தகவல்களை நினைவில் வைத்துக்கொள்ளவும், வெப் பிரவுசர் அல்லது மென்பொருளைப் பயன்படுத்தவும் கற்றுக்கொண்டுள்ளன. இது சிறிய மாற்றம் அல்ல, இது பயனர் இடைமுகத்தின் (user interface) மறுசீரமைப்பு. நாம் பட்டன்களை அழுத்துவதிலிருந்து, நமது நோக்கங்களை வெளிப்படுத்தும் நிலைக்கு மாறுகிறோம். Microsoft போன்ற நிறுவனங்கள் இந்தத் திறன்களை நாம் அன்றாடம் பயன்படுத்தும் ஆப்பரேட்டிங் சிஸ்டம்களில் நேரடியாகப் புகுத்துகின்றன. அதாவது, AI என்பது நீங்கள் செல்லும் ஒரு இணையதளம் அல்ல; அது நீங்கள் வேலை செய்யும் சூழல். அது உங்கள் திரையைக் கவனித்து, உங்கள் கோப்புகளின் சூழலைப் புரிந்துகொண்டு, மீண்டும் மீண்டும் செய்யும் வேலைகளைத் தானே எடுத்துக்கொள்ள முன்வருகிறது. இது இணையத்தின் **செயல் அடுக்கு (action layer)** ஆகும். இது நிலையான தகவல்களை மாறும் செயல்முறைகளாக மாற்றுகிறது.

பொருளாதார மறுசீரமைப்பு மற்றும் உலகளாவிய போட்டி

இந்த மாற்றத்தின் தாக்கம் சிலிக்கான் வேலிக்கு அப்பால் செல்கிறது. உலக அளவில், சிக்கலான பணிப்பாய்வுகளைத் தானியக்கமாக்கும் திறன் நாடுகளின் போட்டித்தன்மையை மாற்றுகிறது. பல தசாப்தங்களாக, உலகப் பொருளாதாரம் தொழிலாளர் சந்தையை நம்பியிருந்தது. அதிக செலவு கொண்ட நாடுகள், நிர்வாகப் பணிகளை குறைந்த செலவு கொண்ட நாடுகளுக்கு அவுட்சோர்ஸ் செய்தன. ஏஜென்டிக் AI திறன்மிக்கதாக மாறும்போது, இந்தப் பணிகளின் செலவு பூஜ்ஜியத்தை நோக்கிச் செல்கிறது. இது பொருளாதார மேம்பாட்டு உத்திகளை மறுபரிசீலனை செய்ய வைக்கிறது. இந்த அமைப்புகளை இயக்கத் தேவையான வன்பொருள் மற்றும் ஆற்றலைப் பெற அரசாங்கங்கள் இப்போது போட்டியிடுகின்றன. ஐரோப்பா மற்றும் ஆசியாவில் டேட்டா சென்டர்களில் செய்யப்படும் பெரும் முதலீடுகளை நாம் காண்கிறோம். இந்த மாடல்களை உருவாக்குபவர்களுக்கும், அவற்றை நுகர்பவர்களுக்கும் இடையே ஒரு இடைவெளி உருவாகிறது. இது ஒரு புதிய வகை டிஜிட்டல் இறையாண்மையை உருவாக்குகிறது. ஒரு நாடு தனது அரசு சேவைகளுக்காக அல்லது கார்ப்பரேட் உள்கட்டமைப்பிற்காக வெளிநாட்டு AI வழங்குநரைச் சார்ந்திருந்தால், அது தனது தரவு மற்றும் எதிர்காலத்தின் மீதான கட்டுப்பாட்டை இழக்கிறது. இந்த மாற்றத்தின் வேகம் தற்போதைய சட்டக் கட்டமைப்பிற்குச் சவாலாக உள்ளது. பதிப்புரிமைச் சட்டங்கள், தரவு தனியுரிமை விதிமுறைகள் மற்றும் தொழிலாளர் பாதுகாப்பு ஆகியவை மென்பொருள் மனிதப் பகுத்தறிவைப் பிரதிபலிக்கும் உலகத்திற்காக உருவாக்கப்படவில்லை. இதன் உலகளாவிய தாக்கம் தீவிர செயல்திறன் மற்றும் சமூக உராய்வின் கலவையாக உள்ளது. படைப்பாற்றல் மற்றும் சட்டத் துறைகளில் இதன் முதல் அறிகுறிகளை நாம் காண்கிறோம். தொழில்நுட்பம் கொள்கையை விட வேகமாக நகர்கிறது, இதனால் நிறுவனங்கள் தங்கள் சொந்த விதிகளை உருவாக்குகின்றன. இது ஒரு துண்டு துண்டான உலகளாவிய சூழலை உருவாக்குகிறது. சமீபத்திய செயற்கை நுண்ணறிவு போக்குகளைப் பற்றித் தெரிந்துகொள்வது இப்போது புவிசார் அரசியல் மாற்றங்களைப் புரிந்துகொள்ளத் தேவையான ஒன்றாக மாறியுள்ளது.

கைமுறை கிளிக்குகளிலிருந்து நோக்கமுள்ள கட்டளைகளுக்கு

ஒரு மார்க்கெட்டிங் மேலாளரின் செவ்வாய்க்கிழமையை எடுத்துக்கொள்வோம். பழைய முறையில், அவர் தனது நாளை மூன்று வெவ்வேறு மின்னஞ்சல் கணக்குகள், இரண்டு புராஜெக்ட் மேனேஜ்மென்ட் டூல்கள் மற்றும் பல ஸ்ப்ரெட்ஷீட்களைச் சரிபார்ப்பதன் மூலம் தொடங்குகிறார். அவர் நான்கு மணிநேரத்தை ஒரு இடத்திலிருந்து மற்றொரு இடத்திற்குத் தரவை நகர்த்துவதிலேயே செலவிடுகிறார். அவர் ஒரு மின்னஞ்சலில் இருந்து வாடிக்கையாளர் கோரிக்கையை நகலெடுத்து, டிக்கெட்டில் பேஸ்ட் செய்து, பிறகு டிராக்கிங் ஷீட்டைப் புதுப்பிக்கிறார். இது *வேலைக்கான வேலை*. புதிய முறையில், அவர் லாக்-இன் செய்வதற்கு முன்பே அவரது AI ஏஜென்ட் இந்த ஆதாரங்களை ஸ்கேன் செய்துவிடுகிறது. அந்த ஏஜென்ட் அவருக்கு மிக முக்கியமான சிக்கல்களின் சுருக்கத்தை வழங்கி, என்ன செய்ய வேண்டும் என்று பரிந்துரைக்கிறது. அது பொதுவான கேள்விகளுக்குப் பதில்களை வரைவு செய்து, ஒரு பிரச்சாரத்தில் பட்ஜெட் மீறல் ஏற்படுவதைக் கண்டறிந்துள்ளது. அவர் AI-ஐப் பயன்படுத்துவதில்லை; அவர் அதை மேற்பார்வை செய்கிறார். இது மில்லியன் கணக்கான அலுவலக ஊழியர்களுக்கு நிஜமாகி வரும் ஒரு வாழ்க்கை முறை. செயல்பாடு என்பதிலிருந்து தீர்ப்பு வழங்குதல் என்பதற்கு முக்கியத்துவம் மாறுகிறது. ஒரு மனித ஊழியரின் மதிப்பு அவர் ஒரு செயல்முறையைப் பின்பற்றுவதில் இல்லை, மாறாக எந்தச் செயல்முறையைப் பின்பற்றுவது சிறந்தது என்று தீர்மானிப்பதில் உள்ளது. இது சிறு வணிகங்களுக்கும் பொருந்தும். ஒரு உள்ளூர் உணவக உரிமையாளர் இந்த அமைப்புகளைப் பயன்படுத்தி சரக்குகளை நிர்வகிக்கவும், சமூக ஊடகங்களைச் சமாளிக்கவும் முடியும். AI மூலப்பொருள் விலைகளைக் கண்காணித்து, பிரபலமான போக்குகளின் அடிப்படையில் மெனு மாற்றங்களைப் பரிந்துரைத்து, விளம்பரப் பதிவுகளை உருவாக்குகிறது.

வணிக மேலாண்மைக்கான நுழைவுத் தடை குறைகிறது. இருப்பினும், இது போட்டியும் கடுமையாகிறது என்று அர்த்தம். அனைவருக்கும் நிபுணர் அளவிலான உதவியாளர் கிடைத்தால், தரத்தின் அடிப்படை உயர்கிறது. படைப்பாளிகளும் இதே மாற்றத்தைச் சந்திக்கின்றனர். ஒரு வீடியோ எடிட்டர் இனி கலர் கரெக்ஷன் அல்லது அடிப்படை எடிட்டிங்கிற்கு மணிக்கணக்கில் செலவிடுவதில்லை. அவர்கள் தொழில்நுட்ப வேலைகளை AI-யிடம் ஒப்படைத்துவிட்டு, கதையின் உணர்ச்சிகரமான அம்சங்களில் கவனம் செலுத்துகிறார்கள். இது ஒரு வெற்றி போலத் தோன்றினாலும், இது அதிகப்படியான உள்ளடக்கத்தை (content) உருவாக்குகிறது. உற்பத்திச் செலவு குறையும் போது, வெளியீட்டின் அளவு வெடிக்கிறது. இது எந்தவொரு தனிப்பட்ட குரலும் கவனிக்கப்படுவதைக் கடினமாக்குகிறது. நிஜ உலகத் தாக்கம் என்பது திறமை பற்றாக்குறையிலிருந்து கவனப் பற்றாக்குறைக்கு மாறுவதாகும். தகவல்களை வடிகட்டும் திறன், தகவல்களை உருவாக்குவதை விட மதிப்புமிக்கதாக இருக்கும் காலத்திற்கு நாம் நுழைகிறோம். இதைச் சமாளிக்க, ஊழியர்கள் புதிய தினசரி நடைமுறைகளை மேற்கொள்கின்றனர்:

• இரவு நேரத் தகவல்தொடர்புகளின் தானியங்கி சுருக்கங்களை மதிப்பாய்வு செய்தல்.
• சிக்கலான பணிகளைச் செய்யும்போது, படிகளை விட விரும்பிய முடிவை வரையறுத்தல்.
• AI உருவாக்கிய வரைவுகளை பிராண்ட் குரல் மற்றும் உண்மைத்தன்மைக்காகத் தணிக்கை செய்தல்.
• பல்வேறு டிஜிட்டல் ஏஜென்ட்களின் அனுமதிகள் மற்றும் அணுகல் நிலைகளை நிர்வகித்தல்.

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

தொடர் நுண்ணறிவின் மறைமுகச் செலவுகள்

நன்மைகள் தெளிவாக இருந்தாலும், நாம் சில கடினமான கேள்விகளைக் கேட்க வேண்டும். உங்கள் திரையை எப்போதும் கவனிக்கும் கண்ணுக்குத் தெரியாத உதவியாளரின் உண்மையான விலை என்ன? சூழல் சார்ந்த உதவியை வழங்க, இந்த அமைப்புகளுக்கு நமது தனிப்பட்ட வாழ்க்கை மற்றும் கார்ப்பரேட் ரகசியங்களை அணுக வேண்டியது அவசியம். நாம் இதுவரை கண்டிராத அளவில் வசதிக்காகத் தனியுரிமையை விட்டுக்கொடுக்கிறோம். இந்தத் தரவு அடுத்த தலைமுறை மாடல்களைப் பயிற்றுவிக்கவோ அல்லது விளம்பரதாரர்களுக்காக நமது நடத்தையை ஆய்வு செய்யவோ பயன்படுத்தப்படாது என்று நாம் நம்ப முடியுமா? மற்றொரு கேள்வி பகுத்தறிவின் நம்பகத்தன்மை பற்றியது. ஒரு ஏஜென்ட் ஒரு சிக்கலான பணிப்பாய்வுகளில் தவறு செய்தால், அதற்கு யார் பொறுப்பு? ஒரு AI சட்ட ஆவணத்தைத் தவறாகப் புரிந்துகொண்டு ஒப்பந்தத்தைச் செயல்படுத்தினால், அதன் சட்ட விளைவுகள் தெளிவாக இல்லை. நாம் தார்மீக அல்லது சட்டபூர்வமான ஆன்மா இல்லாத அமைப்புகளிடம் அதிகாரத்தை ஒப்படைக்கிறோம். சுற்றுச்சூழல் செலவும் உள்ளது. இந்த ஏஜென்டிக் மாடல்களை இயக்கத் தேவையான ஆற்றல் சாதாரண தேடல் வினவலை விட மிக அதிகம். நாம் ஒவ்வொரு கிளிக்கிலும் AI-ஐ ஒருங்கிணைக்கும்போது, சிறிய செயல்திறன் ஆதாயங்களுக்காகக் காலநிலை நெருக்கடியை விரைவுபடுத்துகிறோமா? தர்க்கத்தின் மாயத்தோற்றத்தையும் (hallucination) நாம் கருத்தில் கொள்ள வேண்டும். ஒரு சாட்பாட் ஒரு உண்மையைப்பற்றி பொய் சொல்லலாம், ஆனால் ஒரு ஏஜென்ட் ஒரு வணிக செயல்முறையை உடைக்கும் தர்க்கப் பிழையைச் செய்யலாம். தன்னாட்சியாகச் செயல்படும் வகையில் வடிவமைக்கப்பட்ட அமைப்புகளுக்கு நாம் எப்படித் தடுப்புகளை (guardrails) உருவாக்குவது? நாம் இந்த கருவிகளை எவ்வளவு அதிகமாகச் சார்ந்திருக்கிறோமோ, அவ்வளவு குறைவாகவே நமது சொந்த அறிவாற்றல் தசைகளைப் பயன்படுத்துகிறோம். அறிவுசார் சிதைவு (intellectual atrophy) ஏற்படும் அபாயம் உள்ளதா? AI நமக்காகத் தகவல்களை ஒழுங்கமைப்பதால், நாம் அதைச் செய்யக் கற்றுக்கொள்வதை நிறுத்தினால், அந்த அமைப்பு தோல்வியுற்றால் என்னவாகும்? இவை வெறும் தொழில்நுட்பப் பிழைகள் அல்ல. இவை மனித அதிகாரத்தின் எதிர்காலம் குறித்த அடிப்படை கேள்விகள். நமது வாழ்க்கையின் எந்தப் பகுதிகளைத் தானியக்கமாக்கக் கூடாது என்பதை நாம் தீர்மானிக்க வேண்டும்.

செயல் அடுக்கின் உள்கட்டமைப்பு

திரைக்குப் பின்னால் இருப்பதைப் பார்க்க விரும்புவோருக்கு, பணிப்பாய்வு ஒருங்கிணைப்புகள் மற்றும் API நம்பகத்தன்மை ஆகியவற்றில் கவனம் திரும்பியுள்ளது. Google DeepMind போன்ற துறையின் தற்போதைய தலைவர்கள், ஃபங்க்ஷன் காலிங்கிற்கு (function calling) முன்னுரிமை அளிக்கின்றனர். இது ஒரு மாடல் கட்டமைக்கப்பட்ட தரவை வெளியிடும் திறன், அதை ஒரு பாரம்பரிய மென்பொருள் நிரல் புரிந்துகொண்டு செயல்படுத்த முடியும். ஒரு மாடல் டேட்டாபேஸ் அல்லது வெளிப்புற API உடன் தொடர்பு கொள்ளும் விதம் இதுதான். லோக்கல் ஸ்டோரேஜ் மற்றும் லோக்கல் எக்ஸிகியூஷன் நோக்கியும் ஒரு உந்துதல் உள்ளது. தனியுரிமை கவலைகளைத் தீர்க்க, நிறுவனங்கள் கிளவுடுக்குத் தரவை அனுப்பாமல் லேப்டாப் அல்லது போனில் இயங்கக்கூடிய சிறிய மொழி மாடல்களை உருவாக்குகின்றன. இது தாமதத்தைக் குறைத்து பாதுகாப்பை மேம்படுத்துகிறது. இருப்பினும், இந்த லோக்கல் மாடல்கள் பெரும்பாலும் கிளவுட் மாடல்களை விடக் குறைந்த பகுத்தறிவுத் திறனைக் கொண்டுள்ளன. செயல்திறனுக்கும் தனியுரிமைக்கும் இடையிலான சமநிலை டெவலப்பர்களுக்கு ஒரு முக்கிய சவாலாகும். மற்றொரு முக்கியமான அளவீடு API ரேட் லிமிட் ஆகும். வணிகங்கள் ஒரு மணி நேரத்திற்கு நூற்றுக்கணக்கான பணிகளைச் செய்யும் ஏஜென்ட்களை உருவாக்கும்போது, அவை வழங்குநர்கள் அனுமதிக்கும் வரம்புகளை எட்டுகின்றன. இது சுய-ஹோஸ்ட் செய்யப்பட்ட மாடல்கள் அல்லது சிறப்பு வன்பொருளை நோக்கிச் செல்லத் தூண்டுகிறது. நீண்ட கால நினைவக தொகுதிகளின் (long-term memory modules) வருகையையும் நாம் காண்கிறோம். பெரிய கான்டெக்ஸ்ட் விண்டோவிற்குப் பதிலாக, இந்த அமைப்புகள் பயனர் வரலாற்றிலிருந்து தொடர்புடைய தகவல்களை மீட்டெடுக்க வெக்டர் டேட்டாபேஸ்களைப் பயன்படுத்துகின்றன. இது AI மாதக்கணக்கில் நிலையான ஆளுமை மற்றும் அறிவுத் தளத்தைப் பராமரிக்க அனுமதிக்கிறது. கீக் பிரிவு இப்போது எந்த மாடலில் அதிக பாராமீட்டர்கள் உள்ளன என்பதைப் பற்றியது அல்ல. எந்த மாடல் ஏற்கனவே உள்ள மென்பொருள் ஸ்டேக்கில் சிறப்பாக ஒருங்கிணைக்கப்பட்டுள்ளது என்பதைப் பற்றியது. AI பொருளாதாரத்தின் மிடில்வேருக்கான போர் இது. பவர் பயனர்கள் இந்த குறிப்பிட்ட அளவீடுகளைக் கண்காணிக்கின்றனர்:

• அதிக அளவு தானியங்கி பணிப்பாய்வுகளுக்கான டோக்கன் த்ரூபுட்.
• பல-படி பகுத்தறிவு சங்கிலிகளில் தாமதம்.
• சிக்கலான JSON பிரித்தெடுத்தலுக்கான வெற்றி விகிதங்கள்.
• வெவ்வேறு செஷன் ஐடிகளில் நினைவகத் தக்கவைப்பு.

புதிய வரிசையில் உங்கள் இடத்தைக் கண்டறிதல்

AI செய்திச் சுழற்சியின் இரைச்சல் முதன்மைப் போக்கிலிருந்து கவனத்தைத் திசைதிருப்புகிறது. நாம் கருவிகளின் உலகத்திலிருந்து ஏஜென்ட்களின் உலகத்திற்கு மாறுகிறோம். இந்த மாற்றம் உங்கள் வேலை, உங்கள் தனியுரிமை மற்றும் தொழில்நுட்பத்துடனான உங்கள் உறவை மறுவரையறை செய்யும். வெற்றி பெறுபவர்கள் AI-ஐ அதிகம் பயன்படுத்துபவர்கள் அல்ல, மாறாக அதை எங்கே பயன்படுத்த வேண்டும் மற்றும் எங்கே மனிதக் கட்டுப்பாட்டை வைத்திருக்க வேண்டும் என்பதைப் புரிந்துகொள்பவர்களே. குறிப்பிட்ட மாடல்கள் அல்லது பில்லியனர் மோதல்கள் பற்றிய தலைப்புகளில் சிக்கிக் கொள்ளாதீர்கள். ஒருங்கிணைப்பில் கவனம் செலுத்துங்கள். டிஜிட்டல் உலகில் நாம் சுவாசிக்கும் காற்றாகத் தொழில்நுட்பம் மாறி வருகிறது. AI என்ன சொல்ல முடியும் என்று கேட்பதை நிறுத்திவிட்டு, அது என்ன செய்ய வேண்டும் என்று கேட்க வேண்டிய நேரம் இது. சாட்பாட்களின் காலம் முடிந்துவிட்டது. ஏஜென்ட்களின் காலம் தொடங்கிவிட்டது. முதல் பெரிய மாடல்கள் 2026-ல் தோன்றியதிலிருந்தே இந்த மாற்றம் தவிர்க்க முடியாததாக இருந்தது, ஆனால் அதன் சாத்தியக்கூறுகளுக்கு ஏற்ப செயல்படுத்தல் இப்போதுதான் வேகம் பிடித்துள்ளது.

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.