தத்துவத்தை வெறுப்பவர்களுக்கான AI தத்துவம்

நடைமுறைத் தேர்வு

பெரும்பாலான மக்கள் செயற்கை நுண்ணறிவின் தத்துவத்தை ரோபோக்களுக்கு ஆன்மா இருக்கிறதா இல்லையா என்பது குறித்த விவாதமாகவே பார்க்கிறார்கள். இது நேரத்தை வீணடிக்கும் மற்றும் உண்மையான அபாயங்களை மறைக்கும் ஒரு தவறு. தொழில்முறை உலகில், இந்த தொழில்நுட்பத்தின் தத்துவம் என்பது பொறுப்புக்கூறல், துல்லியம் மற்றும் மனித உழைப்பின் செலவு பற்றிய விவாதமாகும். ஒரு நிறுவனம் மில்லியன் கணக்கான டாலர்களை இழக்கும் வகையில் ஒரு மாடல் தவறு செய்தால் அதற்கு யார் பொறுப்பு என்பது பற்றியது இது. பல தசாப்தங்களாக மெருகேற்றிய கலைத் திறமைக்கு அந்த படைப்பாளிக்கு உரிமை இருக்கிறதா என்பது பற்றியது. இயந்திரங்களால் சிந்திக்க முடியுமா என்று வியக்கும் காலத்திலிருந்து நாம் நகர்ந்துவிட்டோம். இப்போது நாம் அவற்றின் மீது எவ்வளவு நம்பிக்கை வைத்து நம் சார்பாக செயல்பட அனுமதிக்கிறோம் என்பதை முடிவு செய்யும் காலத்தில் இருக்கிறோம். சமீபத்திய தொழில்முறை மாற்றம், நகைச்சுவை சொல்லும் chat bots-லிருந்து, விமானங்களை முன்பதிவு செய்யவும் code எழுதவும் கூடிய agents-க்கு மாறியுள்ளது. இந்த மாற்றம், உணர்வு பற்றிய மர்மத்தை விட, நம்பிக்கையின் இயக்கவியலை எதிர்கொள்ள நம்மைத் தூண்டுகிறது. நீங்கள் தத்துவத்தை வெறுப்பவர் என்றால், இதை ஒரு புதிய வகை பணியாளருக்கான ஒப்பந்தப் பேச்சுவார்த்தையாகப் பாருங்கள்; அந்தப் பணியாளர் தூங்குவதில்லை, ஆனால் அடிக்கடி hallucinate செய்கிறார். வேகத்தின் நன்மைகள், மொத்த சிஸ்டம் தோல்வியின் அபாயங்களை விட அதிகமாக இருக்கக்கூடாது என்பதே இதன் நோக்கம்.

இயந்திர தர்க்கத்தின் இயக்கவியல்

தற்போதைய தொழில் நிலையைப் புரிந்துகொள்ள, மார்க்கெட்டிங் சொற்களைப் புறக்கணிக்க வேண்டும். ஒரு large language model என்பது மூளை அல்ல. இது மனித மொழியின் பிரம்மாண்டமான புள்ளிவிவர வரைபடம். நீங்கள் ஒரு prompt-ஐ டைப் செய்யும்போது, சிஸ்டம் உங்கள் கேள்வியைப் பற்றி சிந்திப்பதில்லை. டிரில்லியன் கணக்கான உதாரணங்களின் அடிப்படையில், எந்த வார்த்தை அடுத்ததாக வர வாய்ப்புள்ளது என்பதையே அது கணக்கிடுகிறது. இதனால்தான் இந்த சிஸ்டம்கள் கவிதை எழுதுவதில் சிறந்தவையாகவும், அடிப்படை கணிதத்தில் மோசமானவையாகவும் இருக்கின்றன. எண்களைப் பற்றி மக்கள் எப்படிப் பேசுகிறார்கள் என்ற பாணியை அவை புரிந்துகொள்கின்றன, ஆனால் எண்களின் தர்க்கத்தை அவை புரிந்துகொள்வதில்லை. வணிக ரீதியாக இந்த கருவிகளைப் பயன்படுத்துபவர்களுக்கு இந்த வேறுபாடு மிக முக்கியமானது. வெளியீட்டை ஒரு உண்மையான ஆவணமாகக் கருதினால், நீங்கள் கருவியைத் தவறாகப் பயன்படுத்துகிறீர்கள் என்று அர்த்தம். இது ஒரு creative synthesizer, database அல்ல. இந்த மாடல்கள் மனித உணர்வுகளை எவ்வளவு சிறப்பாகப் பிரதிபலிக்கின்றன என்பதிலிருந்துதான் குழப்பம் வருகிறது. அவை அன்பாக, விரக்தியாக அல்லது உதவியாகத் தோன்றலாம், ஆனால் இவை வெறும் மொழியியல் கண்ணாடிகள் மட்டுமே. அவை தாங்கள் பயிற்சி பெற்ற தரவுகளின் தொனியைப் பிரதிபலிக்கின்றன.

சமீபத்தில் நாம் கண்ட மாற்றம், இந்த மாடல்களை நிஜ உலகத் தரவுகளுடன் இணைப்பதை நோக்கியது. ஒரு மாடல் பதிலை ஊகிக்க அனுமதிப்பதற்குப் பதிலாக, நிறுவனங்கள் இப்போது அவற்றை தங்கள் சொந்த உள் கோப்புகளுடன் இணைக்கின்றன. இது மாடல் விஷயங்களைச் சொந்தமாக உருவாக்குவதைக் குறைக்கிறது. இது உரையாடலின் முக்கியத்துவத்தையும் மாற்றுகிறது. மாடலுக்கு என்ன தெரியும் என்று நாம் இனி கேட்பதில்லை. நமக்குத் தெரிந்தவற்றை மாடல் எப்படி அணுகுகிறது என்றுதான் கேட்கிறோம். இது generative art-லிருந்து functional utility-க்கு மாறியுள்ளது. இதிலுள்ள தத்துவம் எளிதானது. இது ஒரு கதைசொல்லிக்கும், கோப்பு எழுத்தருக்கும் (filing clerk) இடையிலான வித்தியாசம். பெரும்பாலான பயனர்கள் எழுத்தாளரை விரும்புகிறார்கள், ஆனால் தொழில்நுட்பம் கதைசொல்லியாகவே உருவாக்கப்பட்டது. இந்த இரண்டு அடையாளங்களையும் ஒருங்கிணைப்பதே இன்றைய டெவலப்பர்களுக்கு இருக்கும் முதன்மையான சவால். நீங்கள் ஒரு creative கருவியை விரும்புகிறீர்களா அல்லது துல்லியமான கருவியை விரும்புகிறீர்களா என்பதை நீங்களே முடிவு செய்ய வேண்டும், ஏனெனில் தற்போது இரண்டையும் ஒரே நேரத்தில் உச்சகட்ட அளவில் பெறுவது கடினம்.

உலகளாவிய பங்குகள் மற்றும் தேசிய நலன்கள்

இந்தத் தேர்வுகளின் தாக்கம் தனிப்பட்ட அலுவலகங்களுக்கு மட்டும் கட்டுப்பட்டதல்ல. அரசாங்கங்கள் இப்போது இந்த மாடல்களின் வளர்ச்சியை தேசிய பாதுகாப்பு விஷயமாகக் கருதுகின்றன. அமெரிக்காவில், மிகவும் சக்திவாய்ந்த சிஸ்டம்களின் பாதுகாப்பு மற்றும் பாதுகாப்பில் நிர்வாக உத்தரவுகள் கவனம் செலுத்துகின்றன. ஐரோப்பாவில், AI Act அபாயத்தின் அடிப்படையில் சிஸ்டம்களை வகைப்படுத்தும் சட்டக் கட்டமைப்பை உருவாக்கியுள்ளது. இது கலிபோர்னியாவில் உள்ள ஒரு டெவலப்பரின் தத்துவம், பெர்லினில் ஒரு தயாரிப்பின் சட்டபூர்வத்தன்மையை பாதிக்கும் நிலையை உருவாக்குகிறது. இயந்திரம் என்ன செய்ய அனுமதிக்கப்பட வேண்டும் என்பதில் வெவ்வேறு பிராந்தியங்கள் முற்றிலும் மாறுபட்ட கருத்துக்களைக் கொண்ட ஒரு துண்டிக்கப்பட்ட உலகத்தை நாம் காண்கிறோம். சில நாடுகள் இந்த தொழில்நுட்பத்தை எந்த விலையிலும் பொருளாதார உற்பத்தியை அதிகரிக்க ஒரு வழியாகப் பார்க்கின்றன. மற்றவை இதை சமூகக் கட்டமைப்பு மற்றும் தொழிலாளர் சந்தைகளுக்கு அச்சுறுத்தலாகப் பார்க்கின்றன. இது ஒவ்வொரு சந்தைக்கும் தனித்தனி விதிகளை உருவாக்குகிறது, இது பெரிய சட்டக் குழுக்களைக் கொண்ட ஜாம்பவான்களுடன் சிறிய நிறுவனங்கள் போட்டியிடுவதை கடினமாக்குகிறது.

இந்த தொழில்நுட்பத்திற்கான உலகளாவிய விநியோகச் சங்கிலியும் ஒரு பதற்றமான புள்ளியாகும். இந்த மாடல்களை இயக்கத் தேவையான வன்பொருள் சில கைகளில் மட்டுமே குவிந்துள்ளது. இது சிப்களை வடிவமைக்கும் நாடுகள், அவற்றை உற்பத்தி செய்யும் நாடுகள் மற்றும் தரவை வழங்கும் நாடுகளுக்கு இடையே ஒரு புதிய வகை அதிகார இயக்கவியலை உருவாக்குகிறது. சராசரி பயனரைப் பொறுத்தவரை, நீங்கள் சார்ந்திருக்கும் கருவிகள் வர்த்தகப் போர்கள் அல்லது ஏற்றுமதி கட்டுப்பாடுகளுக்கு உட்பட்டதாக இருக்கலாம் என்று அர்த்தம். AI-ன் தத்துவம் இப்போது இறையாண்மையின் தத்துவத்துடன் பிணைக்கப்பட்டுள்ளது. ஒரு நாடு தனது சுகாதாரம் அல்லது சட்ட அமைப்பிற்கு வெளிநாட்டு மாடலைச் சார்ந்திருந்தால், அது தனது சொந்த உள்கட்டமைப்பின் மீதான கட்டுப்பாட்டை இழக்கிறது. இதனால்தான் உள்ளூர் மாடல்கள் மற்றும் sovereign clouds-க்கான தேவை அதிகரித்துள்ளது. ஒரு தேசத்தை நிர்வகிக்கும் தர்க்கம் பூமியின் மறுபுறத்தில் உள்ள ஒரு நிறுவனத்திற்குச் சொந்தமானதாக இருக்கக்கூடாது என்பதை உறுதி செய்வதே இதன் நோக்கம். இது அறிவியல் புனைகதை காட்சிகளைப் பற்றி பேசும்போது அடிக்கடி விடுபடும் விவாதத்தின் நடைமுறைப் பக்கமாகும்.

செயற்கை நுண்ணறிவுடன் ஒரு காலை

சாரா என்ற மார்க்கெட்டிங் மேலாளரின் ஒரு வழக்கமான நாளைக் கவனியுங்கள். அவர் தனது காலையை மூன்று டஜன் மின்னஞ்சல்களைச் சுருக்கச் சொல்லி ஒரு உதவியாளரிடம் கேட்பதில் தொடங்குகிறார். உதவியாளர் இதை நொடிகளில் செய்கிறார், ஆனால் பட்ஜெட் குறைப்பு குறித்த முக்கியமான விவரத்தை அது தவறவிட்டதா என்று சாரா சரிபார்க்க வேண்டும். பின்னர், அவர் ஒரு புதிய பிரச்சாரத்திற்காக படங்களை உருவாக்க ஒரு generative கருவியைப் பயன்படுத்துகிறார். இயந்திரம் படங்களில் உள்ளவர்களுக்கு ஆறு விரல்களைக் கொடுப்பதால், அவர் prompt-ஐ மாற்ற ஒரு மணிநேரம் செலவிடுகிறார். மதியம், அவர் coding assistant-ஐப் பயன்படுத்தி நிறுவனத்தின் இணையதளத்தில் உள்ள ஒரு பிழையைச் சரிசெய்கிறார், அவருக்கு coding தெரியாது என்றாலும். அவர் அடிப்படையில் ஒரு டிஜிட்டல் இசைக்குழுவின் நடத்துனர். அவர் உடல் உழைப்பைச் செய்வதில்லை, ஆனால் இறுதி செயல்திறனுக்கு அவர் பொறுப்பு. இதுவே வேலையின் புதிய யதார்த்தம். இது புதிதாக உருவாக்குவதை விட, திருத்துதல் மற்றும் சரிபார்ப்பு பற்றியது. சாரா அதிக உற்பத்தித் திறன் கொண்டவர், ஆனால் அவர் அதிக சோர்வாகவும் இருக்கிறார். இயந்திரத்தில் பிழைகளைத் தொடர்ந்து சரிபார்க்கும் மனச்சுமை, அவரே வேலையைச் செய்வதிலிருந்து முற்றிலும் மாறுபட்டது

சாராவின் நிறுவனத்திற்கான ஊக்கத்தொகைகளும் மாறிவிட்டன. அவர்கள் இனி entry level எழுத்தாளர்களை வேலைக்கு எடுப்பதில்லை. அவர்கள் ஒரே மூத்த எடிட்டரை வேலைக்கு அமர்த்துகிறார்கள், அவர் அதே அளவு உள்ளடக்கத்தை உருவாக்க மூன்று வெவ்வேறு மாடல்களைப் பயன்படுத்துகிறார். இது குறுகிய காலத்தில் பணத்தைச் சேமிக்கிறது, ஆனால் நீண்ட கால சிக்கலை உருவாக்குகிறது. entry level வேலையை யாரும் செய்யவில்லை என்றால், அடுத்த தலைமுறை மூத்த எடிட்டர்கள் எங்கிருந்து வருவார்கள்? இது தற்போதைய செயல்திறன் தர்க்கத்தின் விளைவாகும். எதிர்காலத்தை அழிக்கும் அதே வேளையில், நிகழ்காலத்திற்காக நாம் மேம்படுத்திக் கொண்டிருக்கிறோம். படைப்பாளிகளுக்கான பங்குகள் இன்னும் அதிகமாக உள்ளன. இசைக்கலைஞர்கள் மற்றும் இல்லஸ்ட்ரேட்டர்கள் தங்கள் படைப்புகள் இப்போது அவர்களுடன் வேலைக்காகப் போட்டியிடும் மாடல்களுக்குப் பயிற்சி அளிக்கப் பயன்படுத்தப்படுவதைக் காண்கிறார்கள். இது சந்தையில் ஏற்படும் மாற்றம் மட்டுமல்ல. மனித உழைப்பிற்கு நாம் கொடுக்கும் மதிப்பில் ஏற்படும் மாற்றம். முடிவை விட செயல்முறைக்கு நாம் அதிக முக்கியத்துவம் கொடுக்கிறோமா என்றும், செயல்முறை ஒரு black box-க்குள் மறைந்திருக்கும் போது நமது கலாச்சாரத்திற்கு என்ன நடக்கும் என்றும் நாம் கேட்க வேண்டும்.

• நிறுவனத் தலைவர்கள் வேகத்தை விட அசல் சிந்தனைக்கு மதிப்பளிக்கிறார்களா என்பதை முடிவு செய்ய வேண்டும்.
• ஊழியர்கள் இயந்திர வெளியீட்டைத் தணிக்கை செய்வதை ஒரு முதன்மைத் திறனாகக் கற்றுக்கொள்ள வேண்டும்.
• சட்டமியற்றுபவர்கள் கண்டுபிடிப்பின் தேவையையும் தொழிலாளர் வர்க்கத்தின் பாதுகாப்பையும் சமநிலைப்படுத்த வேண்டும்.
• படைப்பாளிகள் தங்கள் படைப்பு மனிதனால் உருவாக்கப்பட்டது என்பதை நிரூபிக்க வழிகளைக் கண்டறிய வேண்டும்.
• பதில்கள் ஒரு கிளிக்கில் கிடைக்கும்போது மாணவர்கள் எவ்வாறு மதிப்பிடப்படுகிறார்கள் என்பதை கல்வியாளர்கள் மறுபரிசீலனை செய்ய வேண்டும்.

தானியக்கத்தின் மறைமுக செலவுகள்

இந்தத் தொழில்நுட்பத்தின் நன்மைகளைப் பற்றி நாம் அடிக்கடி பேசுகிறோம், ஆனால் அதன் கட்டணத்தைப் பற்றி பேசுவதில்லை. முதல் செலவு தனியுரிமை. இந்த மாடல்களை அதிக பயனுள்ளதாக மாற்ற, நாம் அவர்களுக்கு அதிக தரவுகளை வழங்க வேண்டும். சிறந்த முடிவுகளைப் பெற நமது தனிப்பட்ட அட்டவணைகள், ரகசியக் குறிப்புகள் மற்றும் கார்ப்பரேட் ரகசியங்களை இந்த சிஸ்டம்களில் பதிவேற்ற ஊக்குவிக்கப்படுகிறோம். ஆனால் அந்தத் தரவு எங்கே செல்கிறது? பெரும்பாலான நிறுவனங்கள் வாடிக்கையாளர் தரவை தங்கள் மாடல்களுக்குப் பயிற்சி அளிக்கப் பயன்படுத்துவதில்லை என்று கூறுகின்றன, ஆனால் இணையத்தின் வரலாறு கொள்கைகள் மாறக்கூடும் என்று காட்டுகிறது. உங்கள் தரவு சிஸ்டமிற்குள் சென்றவுடன், அதை வெளியே எடுப்பது கிட்டத்தட்ட சாத்தியமற்றது. இது வசதிக்காகத் தனியுரிமையை நிரந்தரமாகத் தரும் ஒரு பரிமாற்றம். ஆற்றல் நுகர்வில் மிகப்பெரிய அதிகரிப்பையும் நாம் காண்கிறோம். ஒரு பெரிய மாடலுக்குப் பயிற்சி அளிக்க, ஆயிரக்கணக்கான வீடுகளுக்கு ஓராண்டுக்குத் தேவையான மின்சாரம் தேவைப்படுகிறது. நாம் மிகவும் சிக்கலான சிஸ்டம்களை நோக்கி நகரும்போது, சுற்றுச்சூழல் செலவு அதிகரிக்கும். பூனை ஒன்றின் வேடிக்கையான படத்தை உருவாக்கும் திறன், அது உருவாக்கும் கார்பன் தடயத்திற்கு மதிப்புள்ளதா என்று நாம் கேட்க வேண்டும்.

உண்மைக்கான செலவும் உள்ளது. யதார்த்தமான உரை மற்றும் படங்களை உருவாக்குவது எளிதாகும்போது, ஆதாரத்தின் மதிப்பு குறைகிறது. எதையும் போலியாக உருவாக்க முடியும் என்றால், எதையும் நிரூபிக்க முடியாது. இது ஏற்கனவே நமது அரசியல் அமைப்புகளையும் நீதிமன்றங்களையும் பாதித்து வருகிறது. திரையில் நாம் பார்ப்பது பொய் என்ற இயல்புநிலை அனுமானம் கொண்ட காலத்திற்குள் நாம் நுழைகிறோம். இது அதிக அளவிலான சமூக உராய்வை உருவாக்குகிறது. அடிப்படை உண்மைகளில் உடன்படுவதை இது கடினமாக்குகிறது. AI-ன் தத்துவம் இங்கே பகிரப்பட்ட யதார்த்தத்தின் அரிப்பு பற்றியது. அனைவரும் ஒரு அல்காரிதத்தால் வடிகட்டப்பட்ட மற்றும் மாற்றப்பட்ட உலகின் பதிப்பைப் பார்க்கிறார்கள் என்றால், அந்தப் பிளவுகளுக்கு இடையே திறம்பட தொடர்புகொள்ளும் திறனை நாம் இழக்கிறோம். நாம் ஒரு நிலையான சமூக அடித்தளத்தை, மிகவும் தனிப்பயனாக்கப்பட்ட மற்றும் பொழுதுபோக்கு அனுபவத்திற்காக வர்த்தகம் செய்கிறோம். இந்தத் கருவிகளின் ஆதாரம் அல்லது நோக்கத்தை கேள்வி கேட்காமல் நாம் பயன்படுத்தும் ஒவ்வொரு முறையும் நாம் எடுக்கும் தேர்வு இது.

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

தொழில்நுட்ப கட்டுப்பாடுகள் மற்றும் உள்ளூர் சிஸ்டம்கள்

பவர் யூசர்களுக்கு, இந்த உரையாடல் வெறும் அறநெறியைப் பற்றியது மட்டுமல்ல. இது வன்பொருள் மற்றும் மென்பொருளின் வரம்புகளைப் பற்றியது. மிகப்பெரிய தடைகளில் ஒன்று context window ஆகும். இது ஒரு மாடல் அதன் செயலில் உள்ள நினைவகத்தில் ஒரே நேரத்தில் வைத்திருக்கக்கூடிய தகவலின் அளவாகும். இந்த ஜன்னல்கள் வளர்ந்து வரும் அதே வேளையில், அவை இன்னும் வரையறுக்கப்பட்டவை. நீங்கள் ஒரு மாடலுக்கு ஆயிரம் பக்க புத்தகத்தை வழங்கினால், அது முடிவை அடையும் போது தொடக்கத்தை மறக்கத் தொடங்கும். இது நீண்ட திட்டங்களில் முரண்பாடுகளுக்கு வழிவகுக்கிறது. API வரம்புகள் மற்றும் latency சிக்கலும் உள்ளது. உங்கள் வணிகம் மூன்றாம் தரப்பு மாடலைச் சார்ந்திருந்தால், நீங்கள் அவர்களின் uptime மற்றும் விலையைச் சார்ந்திருக்கிறீர்கள். அவர்களின் சேவை விதிமுறைகளில் ஏற்படும் திடீர் மாற்றம் உங்கள் முழு பணிப்பாய்வையும் உடைக்கக்கூடும். இதனால்தான் பல மேம்பட்ட பயனர்கள் உள்ளூர் சேமிப்பு மற்றும் உள்ளூர் செயல்பாட்டை நோக்கி நகர்கின்றனர். அவர்கள் கட்டுப்பாட்டையும் வேகத்தையும் பராமரிக்க தங்கள் சொந்த வன்பொருளில் சிறிய மாடல்களை இயக்குகிறார்கள்.

பணிப்பாய்வு ஒருங்கிணைப்பு அடுத்த பெரிய சவால். இணையதளத்தில் ஒரு chat box வைத்திருப்பது மட்டும் போதாது. இந்த மாடல்களை spreadsheets, databases மற்றும் project management மென்பொருள் போன்ற ஏற்கனவே உள்ள கருவிகளுடன் இணைப்பதன் மூலம் உண்மையான மதிப்பு கிடைக்கிறது. மாடல் புரிந்துகொள்ளும் வகையில் தரவை எவ்வாறு கட்டமைப்பது என்பது குறித்த ஆழமான புரிதல் இதற்குத் தேவை. RAG அல்லது Retrieval-Augmented Generation-ன் எழுச்சியை நாம் காண்கிறோம். இது ஒரு மாடல் பதிலளிப்பதற்கு முன்பு நம்பகமான மூலத்திலிருந்து குறிப்பிட்ட தகவலைத் தேடும் ஒரு முறையாகும். இது மாடலின் புள்ளிவிவரத் தன்மைக்கும் பயனரின் உண்மையான தேவைகளுக்கும் இடையிலான இடைவெளியைக் குறைக்க ஒரு வழியாகும். இருப்பினும், இது சிஸ்டமிற்கு சிக்கலான தன்மையைச் சேர்க்கிறது. நீங்கள் தேடுபொறி, தரவுத்தளம் மற்றும் மாடலை ஒரே நேரத்தில் நிர்வகிக்க வேண்டும். இது திறம்பட நிர்வகிக்க ஒரு குறிப்பிட்ட திறன் தேவைப்படும் அதிக பராமரிப்புத் தீர்வாகும்.

• Quantization என்பது எடைகளின் துல்லியத்தைக் குறைப்பதன் மூலம் நுகர்வோர் தர வன்பொருளில் பெரிய மாடல்களை இயக்க அனுமதிக்கிறது.
• RAG குறைந்த முயற்சியுடன் சிறந்த உண்மையான துல்லியத்தை வழங்குவதால் fine tuning பிரபலமடைந்து வருகிறது.
• Tokenization என்பது சில மொழிகளை மற்றவற்றை விட செயலாக்க அதிக விலை கொண்டதாக மாற்றும் ஒரு மறைமுக செலவாக உள்ளது.
• உள்ளூர் செயல்பாடு மட்டுமே முக்கியமான கார்ப்பரேட் தரவுகளுக்கு 100 சதவீத தனியுரிமையை உறுதி செய்வதற்கான ஒரே வழியாகும்.
• Model distillation என்பது மொபைல் பயன்பாட்டிற்காக ராட்சத மாடல்களின் சிறிய, வேகமான பதிப்புகளை உருவாக்குகிறது.

நடைமுறைப் பாதை

AI-ன் தத்துவம் வேலையிலிருந்து திசைதிருப்பும் ஒன்றல்ல. அதுவே வேலை. ஒவ்வொரு முறையும் நீங்கள் ஒரு மாடலைத் தேர்ந்தெடுக்கும்போது, உங்கள் வாழ்க்கையில் எந்த வகையான தர்க்கம் ஆதிக்கம் செலுத்த வேண்டும் என்பதை நீங்கள் தேர்வு செய்கிறீர்கள். எந்த அபாயங்கள் ஏற்றுக்கொள்ளத்தக்கவை மற்றும் எந்தச் செலவுகள் அதிகம் என்பதை நீங்கள் முடிவு செய்கிறீர்கள். தொழில்நுட்பம் வேகமாக மாறி வருகிறது, ஆனால் மனிதத் தேவைகள் அப்படியே இருக்கின்றன. நம்மை மேம்படுத்தும் கருவிகளை நாம் விரும்புகிறோம், நம்மை மாற்றும் கருவிகளை அல்ல. வெளிப்படையான சிஸ்டம்களை நாம் விரும்புகிறோம், இருட்டில் செயல்படும் சிஸ்டம்களை அல்ல. இந்த விஷயத்தைச் சுற்றியுள்ள குழப்பம் பெரும்பாலும் திட்டமிட்டது. ஒரு சிக்கலான புள்ளிவிவரக் கருவியை விற்பதை விட, ஒரு மந்திரப் பெட்டியை விற்பது நிறுவனங்களுக்கு எளிதானது. தேவையற்ற விஷயங்களை நீக்கிவிட்டு, ஊக்கத்தொகைகளில் கவனம் செலுத்துவதன் மூலம், தொழில்நுட்பம் உண்மையில் என்ன என்பதை நீங்கள் பார்க்கலாம். இது ஒரு சக்திவாய்ந்த, குறைபாடுள்ள மற்றும் ஆழமான மனித படைப்பு. இது நமது சிறந்த யோசனைகளையும் மோசமான பழக்கவழக்கங்களையும் பிரதிபலிக்கிறது. ஒவ்வொரு தொடர்பிலும் நீங்கள் செய்யும் வர்த்தக பரிமாற்றங்களைப் புரிந்துகொண்டு, உங்கள் கண்களைத் திறந்து அதைப் பயன்படுத்துவதே இதன் நோக்கம். இந்த மாற்றங்களை முந்திக்கொள்ள machine learning-ன் சமீபத்திய போக்குகள் பற்றி மேலும் அறியலாம். இந்த சிஸ்டம்களின் அறநெறி குறித்த ஆழமான நுண்ணறிவுகளுக்கு, Stanford Institute for Human-Centered AI மற்றும் MIT Technology Review போன்ற ஆதாரங்கள் சிறந்த தரவை வழங்குகின்றன. நீங்கள் New York Times தொழில்நுட்பப் பகுதியில் சட்ட மாற்றங்களையும் கண்காணிக்கலாம்.

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.