AI உலகத்துல நீங்க மிஸ் பண்ண முக்கியமான இன்டர்வியூக்கள்!

ஆர்டிபிஷியல் இன்டெலிஜென்ஸ் (AI) எதிர்காலத்தைப் பத்தின மிக முக்கியமான தகவல்கள் எல்லாம் பளபளப்பான பிரஸ் ரிலீஸ்லயோ இல்ல கலர்ஃபுல்லான கீநோட் பிரசன்டேஷன்லயோ கிடைக்கிறது இல்ல. அதுக்கு பதிலா, பலரும் கவனிக்காம விடுற பெரிய பெரிய இன்டர்வியூக்கள்ல, அந்தப் பேச்சுகளுக்கு நடுவுல வர்ற சின்ன சின்ன இடைவெளிகள்லயும், தயக்கங்கள்லயும் தான் ஒளிஞ்சிருக்கு. ஒரு CEO மூணு மணி நேரம் ஒரு டெக்னிக்கல் பாட்காஸ்ட்ல (podcast) பேசும்போது, அவரோட அந்த கார்ப்பரேட் முகம் மெல்ல மறைய ஆரம்பிக்கும். பப்ளிக் மார்க்கெட்டிங்கிற்கு எதிரா இருக்குற உண்மையான நிலவரம் அப்போதான் வெளிய வரும். அதிகாரப்பூர்வ அறிக்கைகள் பாதுகாப்பு மற்றும் ஜனநாயகம் பத்தி பேசினாலும், எதார்த்தமான பேச்சுகள் எல்லாமே பவர் மற்றும் வேகத்தை நோக்கியே இருக்கு. கடந்த ஒரு வருஷத்துல நடந்த விவாதங்கள்ல இருந்து நாம தெரிஞ்சுக்க வேண்டிய முக்கியமான விஷயம் என்னன்னா, இந்த இண்டஸ்ட்ரி இப்போ பொதுவான சாட்போட்களை (chatbots) விட்டுட்டு, ஸ்பெஷலைஸ்டு ஹை-கம்பியூட் ஏஜென்ட்களை (high-compute agents) நோக்கி நகர ஆரம்பிச்சுடுச்சு. நீங்க வெறும் ஹெட்லைன்ஸ் மட்டும் படிச்சிருந்தா, தற்போதைய மெத்தட்கள் ஒரு முட்டுக்கட்டையை நோக்கி போயிட்டு இருக்குற உண்மையை மிஸ் பண்ணிருப்பீங்க. உண்மையான கதை என்னன்னா, இந்தத் தலைவர்கள் அவங்களோட ஹார்டுவேர் கட்டுப்பாடுகள் மற்றும் இன்டெலிஜென்ஸ் பத்தின அவங்களோட பார்வையை எப்படி மாத்திக்கிறாங்க அப்படிங்கிறதுல தான் இருக்கு.

இந்த மாற்றங்களைப் புரிஞ்சுக்க OpenAI, Anthropic மற்றும் Google DeepMind தலைவர்களோட விவாதங்களை கவனிக்கணும். இப்போ கவனம் எல்லாம் மாடல்கள் என்ன செய்யும்ங்கிறதை விட, அவை எப்படி உருவாக்கப்படுதுங்கிறதை நோக்கி திரும்பியிருக்கு. உதாரணமா, Anthropic-ன் Dario Amodei ஸ்கேலிங் லாஸ் (scaling laws) பத்தி பேசும்போது, அவர் மாடல்களைப் பெருசாக்குறத பத்தி மட்டும் பேசல. ஒரு மாடலை ட்ரெய்ன் (train) பண்ண பில்லியன் கணக்கான டாலர்கள் செலவாகும்ங்கிற எதிர்காலத்தைப் பத்தி ஒரு க்ளூ (clue) கொடுக்குறார். ஆரம்பத்துல சில மில்லியன் டாலர்கள் இருந்தாலே போதும்னு இருந்த நிலைமை இப்போ அப்படியே மாறிடுச்சு. இந்த “கம்பியூட் டாக்ஸ்” (compute tax) கட்ட முடியுற கம்பெனிகளுக்கும், முடியாதவங்களுக்கும் இடையில ஒரு பெரிய இடைவெளி உருவாகுறதை இந்த இன்டர்வியூக்கள் காட்டுது. ட்ரெய்னிங் டேட்டா (training data) எங்கிருந்து வருதுன்னு கேட்டா, எக்ஸிகியூட்டிவ்ஸ் உடனே சிந்தெடிக் டேட்டா (synthetic data) பத்தி பேச ஆரம்பிச்சுடுறாங்க. அதாவது இன்டர்நெட்ல இருக்குற டேட்டா எல்லாம் தீர்ந்து போச்சுன்னு அவங்க சொல்லாம சொல்றாங்க. இப்போ மாடல்கள் மனிதர்களோட எழுத்தை காப்பி பண்ணாம, சொந்தமா யோசிக்க கத்துக்க வைக்க ட்ரை பண்றாங்க. இந்த ஸ்ட்ரேட்டஜி மாற்றம் பெரும்பாலும் பிளாக் போஸ்ட்கள்ல வராது, ஆனா டெக்னிக்கல் வட்டாரங்கள்ல இதுதான் ஹாட் டாபிக்.

இந்த மாற்றங்கள் உலகம் முழுக்க பெரிய தாக்கத்தை ஏற்படுத்தும். இதை “கம்பியூட் சோவர்னிட்டி” (compute sovereignty) அப்படின்னு சொல்றாங்க. நாடுகள் இப்போ சாஃப்ட்வேரை மட்டும் தேடல, அந்த மாடல்களை ரன் (run) பண்ணத் தேவையான பிசிக்கல் இன்ஃப்ராஸ்ட்ரக்சரை (physical infrastructure) தேடுறாங்க. அடுத்த கட்ட டெவலப்மென்ட் வெறும் கோடிங் (coding) மட்டும் இல்லாம, எனர்ஜி புரொடக்ஷன் (energy production) மற்றும் சிப் சப்ளை செயின் (chip supply chain) மூலமா தான் தீர்மானிக்கப்படும்னு இந்த இன்டர்வியூக்கள் சொல்லுது. இது கவர்மெண்ட்ல இருந்து சின்ன பிசினஸ் பண்றவங்க வரைக்கும் எல்லாத்தையும் பாதிக்கும். ஒரு சின்ன சிட்டியோட கரண்ட் தேவையை ஒரு மாடல் ட்ரெய்ன் பண்ண எடுத்துக்குதுன்னா, அதிகாரம் ஒரு சிலரோட கைக்கு போயிடும். இது பல கம்பெனிகள் சொல்ற “ஓபன் ஆக்சஸ்” (open access) கருத்துக்கு எதிரானது. AI-யோட “ஓபன்” காலம் முடிவுக்கு வந்துடுச்சுன்னு தான் சொல்லணும். இந்த மாற்றங்கள் இப்போதே முதலீடுகள் மற்றும் அரசாங்க கொள்கைகள்ல மாற்றத்தை ஏற்படுத்த ஆரம்பிச்சுடுச்சு. இந்த மாற்றங்களை இன்னும் ஆழமா தெரிஞ்சுக்க, லேட்டஸ்ட் AI industry analysis-ஐ நீங்க ஃபாலோ பண்ணலாம்.

ஒரு டெவலப்பரோட வாழ்க்கையில இது என்ன மாற்றத்தை தருதுன்னு யோசிச்சு பாருங்க. ஒரு சாஃப்ட்வேர் கம்பெனியோட லீட் டெவலப்பர் இப்போ வெறும் கோட் (code) மட்டும் எழுதுறது இல்ல. எந்த API-லாம் போகப்போகுது, எதுக்கு அதிக கம்பியூட் (compute) கிடைக்கப்போகுதுன்னு தெரிஞ்சுக்க ரிசர்ச் வீடியோக்களை மணிக்கணக்கா பாக்குறாங்க. “ரீசனிங் டோக்கன்கள்” (reasoning tokens) தான் இப்போதைய பிரையாரிட்டி (priority) அப்படின்னு ஒரு ரிசர்ச்சர் சொன்னா, உடனே அந்த டெவலப்பர் தன்னோட ஸ்ட்ரேட்டஜியை மாத்த வேண்டியிருக்கு. இது ஏதோ தியரி கிடையாது, எதார்த்தமான கட்டாயம். AI-ங்கிறது ஒரு முடிவடைந்த தயாரிப்பு கிடையாது, அது ஒரு நகரும் இலக்கு. ஒரு எக்ஸிகியூட்டிவ் எனர்ஜி பத்தி பேசுறதை தவிர்த்தா, உங்க API கால்களோட விலை ஏறப்போகுதுன்னு அர்த்தம். ஒரு மாடல் பேசுறதுக்கு முன்னாடி “யோசிக்குது” அப்படின்னா, லேட்டன்சி (latency) ஒரு குறையா இல்லாம ஒரு ஃபீச்சரா மாறப்போகுதுன்னு அர்த்தம். இந்தத் தகவல்கள் தான் உங்களை அப்டேட்டடா வைக்கும்.

இந்த இன்டர்வியூக்கள்ல வர்ற வீடியோக்கள், வெறும் வார்த்தைகளால சொல்ல முடியாத பல விஷயங்களை சொல்லுது. ஒரு CEO-கிட்ட சில வேலைகளை AI ரீப்ளேஸ் (replace) பண்ணுமான்னு கேட்கும்போது, அவங்க வார்த்தைகளை விட அவங்களோட உடல்மொழி (body language) பல உண்மைகளைச் சொல்லுது. அவங்களோட ஒரு சின்ன சிரிப்பு இல்லனா கேமராவை பார்க்காம தவிர்க்குறது, உள்ளுக்குள்ள அவங்க வச்சிருக்க பிளான் ரொம்ப அக்ரசிவா இருக்குங்கிறதை காட்டிடுது. AGI எப்போ வரும்னு கேட்டா, “இந்த தசாப்தத்துக்குள்ள”னு பதில் சொன்னாலும், அவங்களோட வேகம் அதுக்கு முன்னாடியே வந்துடும்னு சொல்ற மாதிரி இருக்கு. பிசினஸ்கள் மெதுவா மாறலாம்னு நினைச்சா, டெக்னாலஜி வேகமா போயிடும். இதனால பொருளாதார ரீதியா பெரிய பாதிப்புகள் வரலாம். OpenAI o1 சீரிஸ் போன்ற புதிய தயாரிப்புகள், “யோசிக்கும்” மாடல்கள் உண்மைதான் அப்படிங்கிறதை நிரூபிக்குது. இது வெறும் ஆட்டோகம்ப்ளீட் கிடையாது, மெஷின்கள் யோசிக்கும் முறையில நடக்குற ஒரு பெரிய மாற்றம்.

இந்த இன்டர்வியூக்களை கொஞ்சம் ஆழமா கவனிச்சா, சில மறைமுக செலவுகளும் பிரச்சனைகளும் புரியும். மாடல்கள் எஃபிசியன்ட்டா (efficient) மாறுதுன்னா, ஏன் பவர் டிமாண்ட் (power demand) இவ்வளவு அதிகமாகுது? இது ஒரு முரண்பாடு. இதுக்கான விலையை கடைசியில யார் கொடுக்கப்போறா? இது வெறும் பணப் பிரச்சனை மட்டும் இல்ல, சுற்றுச்சூழல் மற்றும் சமூகப் பிரச்சனையும் கூட. அதேபோல பிரைவசி (privacy) விஷயத்துலயும் தெளிவான பதில்கள் இல்லை. ஒரு AI உங்களுக்காக வேலை செய்யணும்னா, உங்களோட பெர்சனல் டேட்டா அதுக்கு தேவைப்படும். ஆனா அதை எப்படி பாதுகாப்பாங்கன்னு யாரும் சரியா சொல்றது இல்ல. அதேபோல, இந்த மாடல்களுக்கு பின்னாடி கஷ்டப்படுற தொழிலாளர்களைப் பத்தியும் யாரும் பேசுறது இல்ல.

டெவலப்பர்களுக்கு இந்த இன்டர்வியூக்கள்ல தான் உண்மையான மேட்டர் இருக்கு. “மெமரி வால்” (memory wall) பத்தி இப்போ அதிகமா பேசுறாங்க. அதாவது ப்ராசஸருக்கும் மெமரிக்கும் இடையில டேட்டா டிரான்ஸ்பர் ஆகுற வேகம் தான் இப்போ பெரிய தடையா இருக்கு. அதனாலதான் லோக்கல் ஸ்டோரேஜ் மற்றும் எட்ஜ் கம்ப்யூட்டிங் (edge computing) பத்தி அதிகமா பேசுறாங்க. கிளவுட் (cloud) ரொம்ப ஸ்லோவா இருந்தா, நம்ம டிவைஸ்லயே ரன் ஆகுற சின்ன ஆப்டிமைஸ்டு மாடல்கள் தான் தீர்வா இருக்கும். மார்க்கெட் ரெண்டா பிரியப்போகுது – கிளவுட்ல இருக்குற பெரிய மாடல்கள், அப்புறம் நம்ம டிவைஸ்லயே ரன் ஆகுற சின்ன மாடல்கள். “குவாண்டைசேஷன்” (quantization) மற்றும் “ஸ்பெகுலேட்டிவ் டீகோடிங்” (speculative decoding) போன்ற டெக்னிக்குகளை டெவலப்பர்கள் கவனிக்கணும். இப்போ மாடல்ங்கிறது ஒரு பெரிய “காம்பவுண்ட் AI சிஸ்டத்தோட” (compound AI system) ஒரு பகுதி மட்டும்தான்.

• ஒரே ஒரு மாடலை மட்டும் நம்பாம, பல டூல்களைப் பயன்படுத்தி பதில்களைச் சரிபார்க்கும் சிஸ்டமா இது மாறுது.
• இன்பரன்ஸ்-டைம் கம்பியூட் (inference-time compute) முக்கியத்துவம் பெறுது, அதாவது ஒரு கேள்விக்கு பதில் சொல்ல மாடல் அதிக நேரம் எடுத்து யோசிக்கும்.

சுருக்கமா சொல்லணும்னா, AI உலகத்துல முக்கியமான தகவல்கள் எல்லாமே கண்ணு முன்னாடியே தான் இருக்கு. ஆனா நாம தான் ஹெட்லைன்ஸ் மட்டும் பார்த்துட்டு முக்கியமான விஷயங்களை மிஸ் பண்றோம். இந்த இண்டஸ்ட்ரி இப்போ ஒரு பெரிய மாற்றத்தை நோக்கி போயிட்டு இருக்கு. இதுக்கு வேற மாதிரியான திறமைகளும், சிந்தனையும் தேவை. அடுத்த அஞ்சு வருஷத்துல வரப்போற சவால்களை இந்த இன்டர்வியூக்கள் நமக்கு முன்கூட்டியே காட்டுது. “புத்திசாலித்தனம்” (intelligence) அப்படிங்கிறது இப்போ கரண்ட் மாதிரி ஒரு பொருளா மாறப்போகுது. இது ஒரு நல்ல சமுதாயத்தை உருவாக்குமா இல்ல அதிகாரத்தை ஒரு இடத்துல குவிக்கும்மாங்கிறது நாம இப்போ கேட்குற கேள்விகள்ல தான் இருக்கு. ஹைப் (hype) தாண்டி கவனிக்கிறவங்களுக்கு இந்த சிக்னல்கள் தெளிவா புரியும்.

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.