நாம் எப்படி இங்கு வந்தோம்: AI வளர்ச்சியின் சுருக்கமான வரலாறு

தற்போதைய செயற்கை நுண்ணறிவு (AI) எழுச்சியானது 2022-ன் இறுதியில் வைரலான ஒரு சாட்பாட்டில் தொடங்கவில்லை. இது 2017-ல் கூகுள் பொறியாளர்கள் வெளியிட்ட “Attention Is All You Need” என்ற ஆராய்ச்சி கட்டுரையில் தொடங்கியது. இந்த ஆவணம் டிரான்ஸ்பார்மர் (Transformer) கட்டமைப்பை அறிமுகப்படுத்தியது, இது இயந்திரங்கள் மனித மொழியை கையாளும் விதத்தையே மாற்றியது. இதற்கு முன்பு, கணினிகள் ஒரு நீண்ட வாக்கியத்தின் சூழலைத் தக்கவைக்க சிரமப்பட்டன. ஒரு பத்தியின் முடிவை அடையும் போது, அதன் தொடக்கத்தை அவை மறந்துவிடும். டிரான்ஸ்பார்மர், வெவ்வேறு சொற்களின் முக்கியத்துவத்தை ஒரே நேரத்தில் கணக்கிட அனுமதிப்பதன் மூலம் இதைச் சரிசெய்தது. இந்த ஒரு தொழில்நுட்ப மாற்றமே, நவீன கருவிகள் ரோபோத்தனமாக இல்லாமல், அர்த்தமுள்ளதாக இருப்பதற்கான முக்கிய காரணமாகும். தொடர்ச்சியான செயலாக்கத்திலிருந்து விலகிச் செல்வதற்கான அந்த ஒரு முடிவின் விளைவுகளைத்தான் நாம் இப்போது அனுபவித்துக் கொண்டிருக்கிறோம். இந்த வரலாறு வெறும் சிறந்த குறியீட்டைப் பற்றியது மட்டுமல்ல; இது உலகளவில் நாம் தகவல்களுடன் தொடர்பு கொள்ளும் விதத்தில் ஏற்பட்டுள்ள அடிப்படை மாற்றத்தைப் பற்றியது. பதில்களைத் தேடுவதிலிருந்து, அவற்றை உருவாக்கும் நிலைக்கு மாறியிருப்பது இன்றைய ஒவ்வொரு இணையப் பயனரின் அடிப்படை எதிர்பார்ப்புகளையும் மாற்றியுள்ளது.

தர்க்கத்தை விட புள்ளிவிவர கணிப்பு

தற்போதைய தொழில்நுட்ப நிலையைப் புரிந்துகொள்ள, இந்த அமைப்புகள் சிந்திக்கின்றன என்ற எண்ணத்தை நீங்கள் கைவிட வேண்டும். அவை சிந்திக்கவில்லை. அவை அடுத்தடுத்த தொடர்களைக் கணிக்கும் பிரம்மாண்டமான புள்ளிவிவர இயந்திரங்கள். நீங்கள் ஒரு ப்ராம்ப்ட் (prompt) கொடுக்கும்போது, உங்கள் உள்ளீட்டைத் தொடர்ந்து எந்த வார்த்தை வர வாய்ப்புள்ளது என்பதைத் தீர்மானிக்க, அந்த அமைப்பு தனது பயிற்சித் தரவைச் சரிபார்க்கிறது. இது கடந்த காலத்தின் தர்க்கம் சார்ந்த நிரலாக்கத்திலிருந்து முற்றிலும் மாறுபட்டது. முந்தைய தசாப்தங்களில், மென்பொருள் கடுமையான if-then விதிகளைப் பின்பற்றியது. பயனர் ஒரு பொத்தானைக் கிளிக் செய்தால், மென்பொருள் ஒரு குறிப்பிட்ட செயலைச் செய்யும். இன்று, வெளியீடு நிகழ்தகவு சார்ந்தது. அதாவது, மாடலின் அமைப்புகளைப் பொறுத்து ஒரே உள்ளீடு வெவ்வேறு வெளியீடுகளைத் தரக்கூடும். இந்த மாற்றம் நெகிழ்வான, அதே சமயம் பாரம்பரிய கால்குலேட்டர் ஒருபோதும் செய்யாத பிழைகளைச் செய்யக்கூடிய புதிய வகை மென்பொருளை உருவாக்கியுள்ளது.

இந்த பயிற்சியின் அளவே முடிவுகளை நுண்ணறிவு போல உணர வைக்கிறது. நிறுவனங்கள் இந்த மாடல்களுக்குப் பயிற்சி அளிக்க இணையத்தில் உள்ள பொதுவான தரவுகள் அனைத்தையும் ஸ்கிராப் செய்துள்ளன. இதில் புத்தகங்கள், கட்டுரைகள், கோட் ரிபோசிட்டரிகள் மற்றும் ஃபோரம் பதிவுகள் அடங்கும். பில்லியன் கணக்கான அளவுருக்களை பகுப்பாய்வு செய்வதன் மூலம், சொற்களின் அர்த்தத்தைப் புரிந்துகொள்ளாமலேயே மனித சிந்தனையின் கட்டமைப்பை இந்த மாடல்கள் கற்றுக்கொள்கின்றன. இந்த புரிதல் இல்லாததால்தான், ஒரு மாடலால் சரியான சட்ட ஆவணத்தை எழுத முடிந்தாலும், ஒரு எளிய கணிதப் பிரச்சனையில் தோல்வியடைய முடிகிறது. அது கணக்கிடவில்லை; அது இதற்கு முன்பு கணிதம் செய்தவர்களின் வடிவங்களை நகலெடுக்கிறது. இந்த வேறுபாட்டைப் புரிந்துகொள்வது, தொழில்முறை ரீதியாக இந்தக் கருவிகளைப் பயன்படுத்தும் எவருக்கும் மிக முக்கியமானது. அமைப்புகள் முற்றிலும் தவறாக இருக்கும்போதும் ஏன் இவ்வளவு நம்பிக்கையுடன் இருக்கின்றன என்பதை இது தெளிவுபடுத்துகிறது.

சிலிக்கானுக்கான உலகளாவிய பந்தயம்

இந்த தொழில்நுட்ப மாற்றத்தின் தாக்கம் மென்பொருளைத் தாண்டிச் செல்கிறது. இது வன்பொருளுக்கான மிகப்பெரிய புவிசார் அரசியல் போட்டியைத் தூண்டியுள்ளது. குறிப்பாக, உலகம் இப்போது உயர்நிலை கிராபிக்ஸ் பிராசசிங் யூனிட்கள் அல்லது GPU-க்களைச் சார்ந்துள்ளது. இந்தச் சில்லுகள் (chips) முதலில் வீடியோ கேம்களுக்காக வடிவமைக்கப்பட்டவை, ஆனால் ஒரே நேரத்தில் பல சிறிய கணக்கீடுகளைச் செய்யும் அவற்றின் திறன், அவற்றை AI-க்கு ஏற்றதாக மாற்றுகிறது. NVIDIA என்ற ஒரே நிறுவனம், இந்த மாடல்களுக்குப் பயிற்சி அளிக்கத் தேவையான சில்லுகளைத் தயாரிப்பதால், உலகப் பொருளாதாரத்தில் மைய இடத்தைப் பிடித்துள்ளது. நாடுகள் இப்போது இந்த சில்லுகளை எண்ணெய் அல்லது தங்கம் போலக் கருதுகின்றன. அடுத்த தசாப்தத்தில் பொருளாதார வளர்ச்சியில் எந்த நாடுகள் முன்னணியில் இருக்கும் என்பதைத் தீர்மானிக்கும் மூலோபாய சொத்துக்கள் இவை.

இந்தச் சார்புநிலை, மிகப்பெரிய கணினித் திறனை வாங்கக்கூடியவர்களுக்கும், முடியாதவர்களுக்கும் இடையே ஒரு பிளவை உருவாக்கியுள்ளது. ஒரு உயர்தர மாடலுக்குப் பயிற்சி அளிக்க இப்போது மின்சாரம் மற்றும் வன்பொருளுக்காக கோடிக்கணக்கான டாலர்கள் செலவாகிறது. இந்த நுழைவுத் தடையால், அமெரிக்கா மற்றும் சீனாவில் உள்ள சில பெரிய நிறுவனங்கள் பெரும்பாலான அதிகாரத்தைக் கொண்டுள்ளன. இந்த செல்வாக்கு குவிப்பு உலகெங்கிலும் உள்ள ஒழுங்குமுறை ஆணையங்களுக்கு ஒரு பெரிய கவலையாக உள்ளது. இது தரவு எவ்வாறு சேமிக்கப்படுகிறது என்பதிலிருந்து, ஒரு ஸ்டார்ட்அப் அடிப்படை கருவிகளை அணுக எவ்வளவு பணம் செலுத்த வேண்டும் என்பது வரை அனைத்தையும் பாதிக்கிறது. தொழில்துறையின் பொருளாதார ஈர்ப்பு விசை டேட்டா சென்டர் உரிமையாளர்களை நோக்கி நகர்ந்துள்ளது. இது ஆரம்பகால இணைய யுகத்திலிருந்து ஒரு குறிப்பிடத்தக்க மாற்றமாகும், அப்போது ஒரு சிறிய குழுவே குறைந்த பட்ஜெட்டில் உலகத்தரம் வாய்ந்த தயாரிப்பை உருவாக்க முடிந்தது. 2026-ல், நுழைவுச் செலவு முன்னெப்போதையும் விட அதிகமாக உள்ளது.

சுருக்கமானவை அன்றாட வேலையாக மாறும்போது

பெரும்பாலான மக்களுக்கு, இந்த தொழில்நுட்பத்தின் வரலாற்றை விட அதன் அன்றாடப் பயன்பாடே முக்கியமானது. சாரா என்ற மார்க்கெட்டிங் மேனேஜரை எடுத்துக்கொள்வோம். சில ஆண்டுகளுக்கு முன்பு, அவரது நாள் முழுவதும் கைமுறையான ஆராய்ச்சி மற்றும் வரைவு தயாரிப்பதிலேயே கழிந்தது. அவர் போக்குகளைத் தேடி, டஜன் கணக்கான கட்டுரைகளைப் படித்து, அவற்றை ஒரு அறிக்கையாகத் தொகுப்பார். இன்று, அவரது பணிப்பாய்வு வேறு. அவர் சிறந்த போக்குகளைச் சுருக்கவும், ஆரம்ப வரைவை உருவாக்கவும் ஒரு மாடலைப் பயன்படுத்துகிறார். அவர் இனி ஒரு எழுத்தாளர் அல்ல; அவர் இயந்திரத்தால் உருவாக்கப்பட்ட உள்ளடக்கத்தின் எடிட்டர். விசைப்பலகையைப் பயன்படுத்தும் ஒவ்வொரு துறையிலும் இந்த மாற்றம் நிகழ்கிறது. இது வெறும் வேகத்தைப் பற்றியது மட்டுமல்ல; இது வெற்றுப் பக்கத்தை அகற்றுவதைப் பற்றியது. இயந்திரம் முதல் வரைவை வழங்குகிறது, மனிதன் திசையை வழங்குகிறார்.

இந்த மாற்றம் வேலை பாதுகாப்பு மற்றும் திறன் மேம்பாட்டிற்கு நடைமுறை சவால்களைக் கொண்டுள்ளது. ஒரு ஜூனியர் அனலிஸ்ட் இப்போது இந்த கருவிகளைப் பயன்படுத்தி மூன்று பேரின் வேலையைச் செய்ய முடியும் என்றால், நுழைவு நிலை வேலை சந்தைக்கு என்னவாகும்? நாம் ஒரு “சூப்பர்-யூசர்” மாதிரியை நோக்கி நகர்கிறோம், அங்கு ஒரு நபர் சிக்கலான பணிகளை முடிக்க பல AI ஏஜெண்டுகளை நிர்வகிக்கிறார். இது மென்பொருள் பொறியியலில் தெளிவாகத் தெரிகிறது, அங்கு GitHub Copilot போன்ற கருவிகள் முழு குறியீட்டுத் தொகுதிகளையும் பரிந்துரைக்கின்றன. டெவலப்பர் தட்டச்சு செய்வதில் குறைவான நேரத்தையும், தணிக்கை செய்வதில் அதிக நேரத்தையும் செலவிடுகிறார். இந்த புதிய யதார்த்தத்திற்கு வெவ்வேறு திறன்கள் தேவை. நீங்கள் ஒவ்வொரு சிண்டாக்ஸ் விதியையும் நினைவில் வைத்திருக்க வேண்டிய அவசியமில்லை. சரியான கேள்விகளைக் கேட்பது எப்படி மற்றும் சரியானதாகத் தோன்றும் உரைக்கடலில் நுணுக்கமான பிழையைக் கண்டறிவது எப்படி என்பது உங்களுக்குத் தெரிந்திருக்க வேண்டும். 2026-ல் ஒரு நிபுணரின் அன்றாட வாழ்க்கை இப்போது தொடர்ந்து ப்ராம்ப்ட் செய்யும் மற்றும் சரிபார்க்கும் சுழற்சியாக உள்ளது. நடைமுறையில் இது எப்படி இருக்கும் என்பதற்கான சில வழிகள் இங்கே:

• மென்பொருள் உருவாக்குநர்கள் மீண்டும் மீண்டும் வரும் யூனிட் டெஸ்ட்கள் மற்றும் போயிலர்ப்ளேட் குறியீட்டை எழுத மாடல்களைப் பயன்படுத்துகின்றனர்.
• சட்ட உதவியாளர்கள் குறிப்பிட்ட முக்கிய வார்த்தைகளுக்காக ஆயிரக்கணக்கான பக்கங்களை ஸ்கேன் செய்ய அவற்றைப் பயன்படுத்துகின்றனர்.
• மருத்துவ ஆராய்ச்சியாளர்கள் வெவ்வேறு புரத அமைப்புகள் எவ்வாறு தொடர்பு கொள்ளலாம் என்பதைக் கணிக்க அவற்றைப் பயன்படுத்துகின்றனர்.
• வாடிக்கையாளர் சேவை குழுக்கள் மனித தலையீடு இன்றி வழக்கமான விசாரணைகளைக் கையாள அவற்றைப் பயன்படுத்துகின்றனர்.

பிளாக் பாக்ஸின் அமைதியான செலவுகள்

இந்த அமைப்புகளை நாம் அதிகம் நம்பும்போது, அவற்றின் மறைமுகச் செலவுகள் குறித்து கடினமான கேள்விகளைக் கேட்க வேண்டும். முதலாவது சுற்றுச்சூழல் பாதிப்பு. ஒரு பெரிய மொழி மாடலுக்கான ஒரு வினவலுக்கு (query) சாதாரண கூகுள் தேடலை விட கணிசமாக அதிக மின்சாரம் தேவைப்படுகிறது. மில்லியன் கணக்கான பயனர்களால் இது பெருக்கப்படும்போது, கார்பன் தடம் கணிசமாக உயர்கிறது. தண்ணீர் பயன்பாடு குறித்த சிக்கலும் உள்ளது. இந்த மாடல்களை இயக்கும் சர்வர்களைக் குளிர்விக்க டேட்டா சென்டர்களுக்கு அதிகப்படியான தண்ணீர் தேவைப்படுகிறது. வேகமான மின்னஞ்சல் வரைவுகளுக்காக உள்ளூர் நீர் பாதுகாப்பைத் தியாகம் செய்ய நாம் தயாரா? டேட்டா சென்டர்களுக்கு அருகில் உள்ள பல சமூகங்கள் இதைக் கேட்கத் தொடங்கியுள்ளன. நாம் தரவுகளையும் கவனிக்க வேண்டும். பெரும்பாலான மாடல்கள் படைப்பாளர்களின் அனுமதியின்றி பதிப்புரிமை பெற்ற பொருட்களின் மீது பயிற்சி அளிக்கப்பட்டன. இது, தங்களை மாற்றக்கூடிய ஒரு தயாரிப்பை உருவாக்கத் தங்கள் வேலை திருடப்பட்டதாகக் கருதும் கலைஞர்கள் மற்றும் எழுத்தாளர்களிடமிருந்து பல வழக்குகளுக்கு வழிவகுத்துள்ளது.

பிறகு பிளாக் பாக்ஸ் (black box) சிக்கல் உள்ளது. இந்த மாடல்களை உருவாக்கும் பொறியாளர்களுக்கே அவை ஏன் சில முடிவுகளை எடுக்கின்றன என்பது முழுமையாகத் தெரியவில்லை. வேலைவாய்ப்பு அல்லது கடன் ஒப்புதல் போன்ற முக்கியமான பணிகளுக்கு AI பயன்படுத்தப்படும்போது, இந்த வெளிப்படைத்தன்மை இல்லாமை ஆபத்தானது. ஒரு மாடல் ஒரு குறிப்பிட்ட குழுவிற்கு எதிராக சார்புநிலையை வளர்த்தால், அதன் மூல காரணத்தைக் கண்டறிந்து சரிசெய்வது கடினம். நாம் அடிப்படையில் முக்கியமான சமூக முடிவுகளை அதன் சொந்த காரணங்களை விளக்க முடியாத ஒரு அமைப்பிடம் ஒப்படைக்கிறோம். ஒரு இயந்திரத்தை எப்படி பொறுப்பாக்குவது? இந்த அமைப்புகளுக்குப் பயிற்சி அளிக்கப் பயன்படுத்தப்படும் தரவுகள் பழைய பாரபட்சங்களை வலுப்படுத்தவில்லை என்பதை எப்படி உறுதி செய்வது? இவை வெறும் தத்துவார்த்த சிக்கல்கள் அல்ல. சமீபத்திய AI முன்னேற்றங்கள் பல்வேறு அளவிலான வெற்றிகளுடன் தீர்க்க முயற்சிக்கும் நேரடி சிக்கல்கள் இவை.

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

லேட்டன்சி மற்றும் டோக்கன் பொருளாதாரம்

இந்தக் கருவிகளை தொழில்முறை பணிப்பாய்வுகளில் ஒருங்கிணைக்க விரும்புவோருக்கு, தொழில்நுட்ப விவரங்கள் முக்கியம். இந்த மாடல்களுடனான பெரும்பாலான தொடர்பு ஒரு அப்ளிகேஷன் புரோகிராமிங் இன்டர்ஃபேஸ் (API) மூலம் நடக்கிறது. இங்கேதான் நீங்கள் டோக்கன்களின் (tokens) கருத்தை எதிர்கொள்கிறீர்கள். ஒரு டோக்கன் என்பது தோராயமாக நான்கு ஆங்கில எழுத்துக்களைக் கொண்டது. மாடல்கள் சொற்களை வாசிப்பதில்லை. அவை டோக்கன்களை வாசிக்கின்றன. பெரும்பாலான வழங்குநர்கள் செயலாக்கப்பட்ட டோக்கன்களின் எண்ணிக்கையின் அடிப்படையில் கட்டணம் வசூலிப்பதால் இது முக்கியமானது. நீங்கள் நீண்ட ஆவணங்களை பகுப்பாய்வு செய்யும் ஒரு கருவியை உருவாக்குகிறீர்கள் என்றால், உங்கள் செலவுகள் விரைவாக அதிகரிக்கலாம். நீங்கள் கான்டெக்ஸ்ட் விண்டோவையும் (context window) நிர்வகிக்க வேண்டும். இது மாடல் ஒரே நேரத்தில் “நினைவில்” கொள்ளக்கூடிய தகவலின் அளவு. ஆரம்பகால மாடல்கள் சிறிய விண்டோக்களைக் கொண்டிருந்தன, ஆனால் புதிய பதிப்புகள் ஒரே ப்ராம்ப்ட்டில் முழு புத்தகங்களையும் செயலாக்க முடியும். இருப்பினும், பெரிய விண்டோக்கள் பெரும்பாலும் அதிக லேட்டன்சி (latency) மற்றும் உரையின் நடுவில் குறிப்பிட்ட விவரங்களை மாடல் இழக்கும் வாய்ப்பை அதிகரிக்கின்றன.

மற்றொரு முக்கியமான பகுதி உள்ளூர் சேமிப்பு மற்றும் தனியுரிமை செயல்முறை ஆகும். பல நிறுவனங்கள் முக்கியமான தரவுகளை மூன்றாம் தரப்பு சர்வர்களுக்கு அனுப்பத் தயங்குகின்றன. இது Llama 3 போன்ற உள்ளூர் மாடல்களின் எழுச்சிக்கு வழிவகுத்துள்ளது, அவை உள் வன்பொருளில் இயங்க முடியும். ஒரு மாடலை உள்ளூரில் இயக்குவதற்கு உங்கள் GPU-வில் குறிப்பிடத்தக்க VRAM தேவைப்படுகிறது. உதாரணமாக, 70 பில்லியன் அளவுருக்கள் கொண்ட மாடல் பொதுவாக பயன்படுத்தக்கூடிய வேகத்தில் இயங்க இரண்டு உயர்தர கார்டுகள் தேவைப்படுகிறது. இங்கேதான் குவாண்டைசேஷன் (quantization) வருகிறது. இது கணக்கீடுகளில் பயன்படுத்தப்படும் எண்களின் துல்லியத்தைக் குறைப்பதன் மூலம் மாடலின் அளவைக் குறைக்கும் ஒரு நுட்பமாகும். இது ஒரு சக்திவாய்ந்த மாடலை துல்லியத்தில் சிறிய குறைப்புடன் நுகர்வோர் வன்பொருளில் இயங்க அனுமதிக்கிறது. டெவலப்பர்கள் இந்த காரணிகளைச் சமநிலைப்படுத்த வேண்டும்:

• API செலவுகள் மற்றும் மாடல்களை உள்ளூரில் இயக்குவதற்கான வன்பொருள் செலவு.
• சிறிய மாடலின் வேகம் மற்றும் பெரிய மாடலின் பகுத்தறிவு திறன்.
• தரவை ஆன்-பிரமிஸில் வைத்திருப்பதன் பாதுகாப்பு மற்றும் கிளவுட் வசதி.
• அதிக பயன்பாட்டு நேரங்களில் பொது API-களில் ரேட்-த்ரோட்லிங் வரம்புகள்.

முன்னோக்கிய பாதை

AI வளர்ச்சியின் வரலாறு என்பது ஒரு நல்ல யோசனையை அளவிடுவதன் கதை. டிரான்ஸ்பார்மர் கட்டமைப்பை எடுத்து, அதில் அதிகப்படியான தரவு மற்றும் கணினித் திறனைப் பயன்படுத்துவதன் மூலம், புதிய கணினி யுகமாக உணரப்படும் ஒன்றை நாம் உருவாக்கியுள்ளோம். ஆனால் நாம் இன்னும் ஆரம்ப கட்டத்தில்தான் இருக்கிறோம். இன்று பலர் உணரும் குழப்பம், தொழில்நுட்பத்தால் என்ன செய்ய முடியும் என்பதற்கும், நாம் அதை என்ன செய்ய வேண்டும் என்று எதிர்பார்க்கிறோம் என்பதற்கும் இடையே உள்ள இடைவெளியிலிருந்து வருகிறது. இது மனிதத் தீர்ப்பிற்கு மாற்றாக அல்ல, மேம்பாட்டிற்கான ஒரு கருவியாகும். வரும் ஆண்டுகளில் மிகவும் வெற்றிகரமானவர்கள், இந்த அமைப்புகளின் புள்ளிவிவரத் தன்மையைப் புரிந்துகொள்பவர்களாக இருப்பார்கள். இயந்திரத்தை எப்போது நம்புவது மற்றும் அதன் வேலையை எப்போது சரிபார்ப்பது என்பது அவர்களுக்குத் தெரியும். AI-ஐ நிர்வகிக்கும் திறன், வேர்ட் பிராசஸரைப் பயன்படுத்தும் திறனைப் போலவே அடிப்படைத் தேவையாக இருக்கும் எதிர்காலத்தை நோக்கி நாம் நகர்கிறோம்.

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.