செயற்கை நுண்ணறிவு (AI) உண்மையில் என்ன? [காணொளி மற்றும் வினாவிடை]

சுருக்கமான பதில்: செயற்கை நுண்ணறிவு என்பது வடிவங்களை அடையாளம் காணுதல், கணிப்புகளைச் செய்தல், உள்ளடக்கத்தை உருவாக்குதல் மற்றும் பெருகிவரும் வகையில் நடவடிக்கைகளை மேற்கொள்ளுதல் ஆகியவற்றை உள்ளடக்கிய கணக்கீட்டு நுட்பங்களின் ஒரு பரந்த தொகுப்பாகும். நம்பகமான தகவல்கள், தெளிவான அனுமதிகள் மற்றும் மனித மதிப்பாய்வு ஆகியவை இதைச் சுற்றி கட்டமைக்கப்படும்போது இது மிகவும் பயனுள்ளதாக இருக்கும், ஆனால் சரளமான வெளியீட்டை ஒருபோதும் உண்மைக்கான தானியங்கி ஆதாரமாகக் கருதக்கூடாது.

முக்கிய குறிப்புகள்:

பொறுப்புக்கூறல்: முக்கியமான முடிவுகளுக்கு மக்களைப் பொறுப்பாக்குங்கள்; குறிப்பாக, செயற்கை நுண்ணறிவு பெரும் இழப்பை ஏற்படுத்தக்கூடிய தவறுகளைச் செய்ய வாய்ப்புள்ள இடங்களில் இது அவசியம்.

வெளிப்படைத்தன்மை: ஒரு செயற்கை நுண்ணறிவு அமைப்பு எந்தெந்தத் தகவல்கள், விதிகள் மற்றும் அனுமதிகளைச் சார்ந்துள்ளது என்பதைத் தெளிவுபடுத்துங்கள்.

சரிபார்ப்பு: முக்கியமான உண்மை, மருத்துவம், சட்டம், நிதி மற்றும் வணிகம் சார்ந்த முடிவுகளின் அடிப்படையில் நடவடிக்கை எடுப்பதற்கு முன், அவற்றைச் சரிபார்க்கவும்.

தணிக்கைத்தன்மை: பிரதிநிதித்துவ நிகழ்வுகளைக் கொண்டு செயற்கை நுண்ணறிவைச் சோதித்து, செயல்திறன் மேம்பாடுகள் மற்றும் ஏற்பட்ட பிழைகள் இரண்டையும் பதிவு செய்யவும்.

தவறான பயன்பாட்டுத் தடுப்பு: அணுகலைக் கட்டுப்படுத்துதல், ஆதாரமற்ற செயல்களைத் தடுத்தல் மற்றும் நிச்சயமற்ற நிகழ்வுகளை மனித மதிப்பாய்வாளர்களிடம் கொண்டு செல்லுதல்.

1. உண்மையில் செயற்கை நுண்ணறிவு என்றால் என்ன? ஒரு எளிய விளக்கம்

செயற்கை நுண்ணறிவு (AI)என்பது, மனித நுண்ணறிவுடன் தொடர்புடைய பணிகளைச் செய்யக்கூடிய கணினி அமைப்புகளைக் குறிக்கிறது.

அந்தப் பணிகளில் பின்வருவன அடங்கலாம்:

• மொழியைப் புரிந்துகொள்வது

• படங்களில் உள்ள பொருட்களை அடையாளம் காணுதல்

• அடுத்து என்ன நடக்கும் என்று கணித்தல்

• பரிந்துரைகளை வழங்குதல்

• உரை, படங்கள், ஆடியோ அல்லது வீடியோவை உருவாக்குதல்

• மிகப்பெரிய தரவுத்தொகுப்புகளில் உள்ள வடிவங்களைக் கண்டறிதல்

• கிடைக்கப்பெற்ற தகவல்களின் அடிப்படையில் முடிவுகளை எடுத்தல்

• எடுத்துக்காட்டுகளிலிருந்து கற்றல்

• சில வகையான சிக்கல்களைத் தீர்ப்பது

இங்கே ஒரு விஷயம் முக்கியமானது.

அறிவார்ந்ததாகத் தோன்றும் முடிவுகளை உருவாக்குவதற்கு, செயற்கை நுண்ணறிவு மனிதனைப் போல சிந்திக்க வேண்டிய அவசியமில்லை

ஒரு சதுரங்க நிரல், தனது மந்திரியைத் தியாகம் செய்வது உணர்வுப்பூர்வமாகச் சரியா என்று கவலைப்பட்டுக்கொண்டிருப்பதில்லை. ஒரு பரிந்துரை வழிமுறை, அது உங்களுக்குத் தொடர்ந்து பரிந்துரைக்கும் ஆவணப்படத்துடன் ஒரு தனிப்பட்ட பிணைப்பை வளர்த்துக்கொள்வதில்லை. ஒரு மொழி மாதிரிக்கு, கணினிக்குள் வசிக்கும் ஒரு குட்டி ஆங்கில ஆசிரியர் தேவையில்லை.

மாறாக, இந்த அமைப்புகள் கணித மாதிரிகள், நெறிமுறைகள், பயிற்சித் தரவுகள், விதிகள், நிகழ்தகவுகள் மற்றும் மிகப்பெரிய அளவிலான கணக்கீடுகளைப் பயன்படுத்தி தகவல்களைச் செயலாக்குகின்றன.

இறுதி விளைவு வியக்கத்தக்க வகையில் மனிதத் தன்மையுடன் தோற்றமளிக்கலாம்.

ஆனால், அதன் அடிப்படையிலான இயங்குமுறை மிகவும் வித்தியாசமானது.

அந்த வேறுபாடு, மக்கள் சில சமயங்களில் உணர்வதை விட அதிக முக்கியத்துவம் வாய்ந்தது.

2. செயற்கை நுண்ணறிவு என்பது ஒரு ரோபோ மூளையை விட, ஒரு முன்கணிப்பு இயந்திரத்தைப் போன்றது

மக்கள் 'செயற்கை நுண்ணறிவு' என்று கேட்கும்போது, ​​அவர்கள் பெரும்பாலும் ஒரு செயற்கை மனித மூளையை ஒத்த ஒன்றையே கற்பனை செய்கிறார்கள்.

அது புரிந்துகொள்ளக்கூடியதே. அறிவியல் புனைகதைகள் பல தசாப்தங்களாக செயற்கை நுண்ணறிவுக்கு ஒளிரும் கண்கள், அச்சுறுத்தும் குரல்கள், சந்தேகத்திற்கிடமான வலுவான கருத்துக்கள் மற்றும், வழக்கமாக, ஏதேனும் ஒரு உலோக எலும்புக்கூடு ஆகியவற்றைக் கொடுத்து வந்துள்ளன.

நடைமுறைச் செயற்கை நுண்ணறிவு பொதுவாகத் திரைப்படத்தன்மை குறைந்ததாகவே இருக்கும்.

பல நவீன செயற்கை நுண்ணறிவு அமைப்புகள் முன்கணிப்பின்.

ஒரு மொழி மாதிரியைக் கருத்தில் கொள்ளுங்கள்.

நீங்கள் தட்டச்சு செய்யும்போது:

பூனை அதன் மீது அமர்ந்தது..

அடுத்து எந்த வார்த்தைகள் வருவதற்குப் புள்ளிவிவரப்படி அதிக வாய்ப்புள்ளது என்பதை இந்த அமைப்பு மதிப்பிடுகிறது.

ஒருவேளை:

• பாய்

• தரை

• சோபா

• நாற்காலி

அது வெறுமனே ஒரு வாக்கியத்தை மனப்பாடம் செய்து மீட்டெடுப்பதில்லை. போதுமான அளவு மேம்பட்ட ஒரு மாதிரி, சொற்கள், கருத்துக்கள், வாக்கிய அமைப்புகள், கோட்பாடுகள், நடைகள், உண்மைகள் மற்றும் வடிவங்களுக்கு இடையேயான சிக்கலான உறவுகளைக் கற்றுக்கொண்டிருக்கிறது.

பின்னர் அது, சூழலுக்கு மிகவும் பொருத்தமான வரிசையைக் கணிக்கிறது. அடுத்த வார்த்தையைச் சரியாகக் கணிப்பதற்கு, மொழியைப் பற்றி நிறைய கற்றுக்கொள்ள வேண்டியுள்ளது.

மேலும் மொழி என்பது... அடிப்படையில், மனிதர்கள் பேசும் எல்லாவற்றையும் உள்ளடக்கியது.

வரலாறு. கணிதம். சமையல். நிரலாக்கம். உறவுகள். இயற்பியல். பீட்சாவில் அன்னாசிப்பழம் சேர்க்கலாமா வேண்டாமா என்பது குறித்த விவாதங்கள்.

எனவே, வெளிப்படையாக எளிமையானதாகத் தோன்றும் ஒரு முன்கணிப்புப் பணியானது, வியக்கத்தக்க வகையில் சிக்கலான நடத்தையை உருவாக்கக்கூடும்.

நிச்சயமாக, இந்த உருவகத்திற்கு வரம்புகள் உண்டு. மேம்பட்ட செயற்கை நுண்ணறிவை 'வெறும் தானியங்கு நிரப்புதல்' என்று அழைப்பது, ஒரு விமானத்தை 'சிறகுகள் கொண்ட வெறும் உலோகம்' என்று அழைப்பதைப் போன்றது. தொழில்நுட்ப ரீதியாகப் பார்த்தால், அதில் ஒரு உண்மை மறைந்திருக்கிறது, ஆனால் அதன் சுவாரஸ்யமான பகுதியின் பெரும்பகுதி மறைந்துவிட்டது.

3. செயற்கை நுண்ணறிவு எவ்வாறு கற்றுக்கொள்கிறது?

இங்குதான் இயந்திரக் கற்றல் உரையாடலில் நுழைகிறது.

பாரம்பரிய மென்பொருளானது பொதுவாகத் தெளிவான அறிவுறுத்தல்கள் மூலம் செயல்படுகிறது.

ஒரு நிரலாளர் பின்வருமாறு எழுதக்கூடும்:

• பயனர் சரியான கடவுச்சொல்லை உள்ளிட்டால், அணுகலை அனுமதிக்கவும்.

• வெப்பநிலை ஒரு குறிப்பிட்ட வரம்பைத் தாண்டினால், குளிரூட்டலைச் செயல்படுத்தவும்.

• ஒரு பொருள் கையிருப்பில் இல்லை என்றால், எச்சரிக்கையைக் காண்பிக்கவும்.

அந்த அறிவுறுத்தல்கள் வேண்டுமென்றே நிரல்படுத்தப்பட்டுள்ளன.

இயந்திரக் கற்றல் இந்தச் செயல்முறையைத் தலைகீழாக மாற்றுகிறது.

ஒவ்வொரு விதியையும் கைமுறையாக வரையறுப்பதற்குப் பதிலாக, உருவாக்குநர்கள் ஒரு அமைப்புக்கு எடுத்துக்காட்டுகளையோ தரவுகளையோ கொடுத்து, அதுவே வடிவங்களைக் கண்டறிய அனுமதிக்கின்றனர்.

புகைப்படங்களில் உள்ள பூனைகளை அடையாளம் காணக்கூடிய ஒரு மென்பொருளை உருவாக்க முயற்சிப்பதை கற்பனை செய்து பாருங்கள்.

தெளிவான விதிகளை எழுதுவது விரைவிலேயே அபத்தமானதாகிவிடும்.

நீங்கள் இதை முயற்சித்துப் பார்க்கலாம்:

• முக்கோண வடிவ காதுகளைத் தேடுங்கள்.

• மீசையைத் தேடுங்கள்.

• நான்கு கால்களைத் தேடுங்கள்.

• உரோமத்தைத் தேடுங்கள்.

பிறகு யாரோ ஒருவர் ஒரு நரியின் புகைப்படத்தைப் பதிவேற்றுகிறார்.

முற்றிலும் இல்லை.

அல்லது ஒரு புலி.

அல்லது, ஒரு பூனை பஞ்சுபோன்ற உருண்டையாகச் சுருண்டு படுத்திருக்கும், அதன் கால்களை உங்களால் சரியாகப் பார்க்க முடியாது.

இயந்திரக் கற்றல் இந்தப் பிரச்சனையை வித்தியாசமான முறையில் அணுகுகிறது. ஒரு மாதிரியானது, மிகப்பெரிய எடுத்துக்காட்டுத் தொகுப்புகளைக் கொண்டு பயிற்றுவிக்கப்பட்டு, பூனைகளுடன் தொடர்புடைய காட்சி வடிவங்கள் எவை என்பதைப் படிப்படியாகக் கற்றுக்கொள்ள முடியும்.

இது ஒரு மழலை கற்றுக்கொள்வது போல் 'பூனை' என்ற வார்த்தையைக் கற்றுக்கொள்வதில்லை.

ஆனால் கணிதரீதியாக, அந்த வகையுடன் தொடர்புடைய வடிவங்களை அடையாளம் காண்பதில் இந்த மாதிரி மேலும் மேலும் திறன் பெறுகிறது.

இயந்திரக் கற்றலின் சுருக்கம் இதுதான் - ஆனாலும், அந்தச் சுருக்கத்திற்குள்ளேயே நேரியல் இயற்கணிதத்தின் பல களஞ்சியங்கள் அடங்கியுள்ளன.

4. செயற்கை நுண்ணறிவு, இயந்திரக் கற்றல் மற்றும் ஆழ்நிலைக் கற்றல் ஒப்பீடு

இந்தச் சொற்கள் தொடர்ந்து ஒன்றாகக் கலக்கப்படுகின்றன, இதற்கு ஒரு பகுதி காரணம், மக்கள் 'AI' என்பதை நடைமுறையில் எல்லாவற்றிற்கும் ஒரு பொதுவான சொற்றொடராகப் பயன்படுத்துவதே ஆகும்.

அவற்றை பிரித்தெடுப்பதற்கான ஒரு எளிய வழி இதுதான்.

செயற்கை நுண்ணறிவு என்பது ஒரு பரந்த துறையாகும்.

இயந்திரக் கற்றலும் ஒன்றாகும்.

ஆழ் கற்றல் என்பது பல அடுக்குகளைக் கொண்ட பெரிய நரம்பியல் வலையமைப்புகளை உள்ளடக்கிய ஒரு குறிப்பிட்ட வகையான இயந்திரக் கற்றல் ஆகும்.

அடுத்து , உரை, படங்கள், இசை, குறியீடு, பேச்சு அல்லது காணொளி போன்ற புதிய வெளியீடுகளை உருவாக்குவதில் கவனம் செலுத்தும் உருவாக்கமுறை செயற்கை நுண்ணறிவு (generative AI) உள்ளது

ஒப்பீட்டு அட்டவணை

சொல்	வழக்கமான பயன்பாடு	இதன் அடிப்படை அர்த்தம் என்னவென்றால்	இதைப்பற்றி சிந்திப்பதற்கான விரைவான வழி
செயற்கை நுண்ணறிவு	அறிவார்ந்ததாகத் தோன்றும் பணிகளைச் செய்யும் இயந்திரங்களின் பரந்த வகை	ரோபோட்டிக்ஸ், உதவியாளர்கள், திட்டமிடல், பரிந்துரைகள்	பெரிய குடை
இயந்திர கற்றல்	தரவுகளிலிருந்து அமைப்புகள் வடிவங்களைக் கற்றுக்கொள்கின்றன	மோசடி கண்டறிதல், பரிந்துரைகள், கணிப்புகள்	எடுத்துக்காட்டுகளிலிருந்து கற்றல்
ஆழ்ந்த கற்றல்	பல அடுக்கு நரம்பியல் வலையமைப்புகளைப் பயன்படுத்தி இயந்திர கற்றல்	பார்வை, பேச்சு, மேம்பட்ட மொழி மாதிரிகள்	ML, ஆனால் இன்னும் ஆழமானது... உண்மையாகவே
ஜெனரேட்டிவ் AI	புதிய உள்ளடக்கத்தை உருவாக்க வடிவமைக்கப்பட்ட செயற்கை நுண்ணறிவு	உரை, படங்கள், குறியீடு, ஆடியோ	படைப்பாற்றல் சார்ந்த கிளை
ஆட்டோமேஷன்	முன்னரே வரையறுக்கப்பட்ட செயல்முறைகளைப் பின்பற்றும் மென்பொருள்	மீண்டும் மீண்டும் வரும் பணிப்பாய்வுகள், தரவு உள்ளீடு	வழக்கமாக விதிகள், 'கற்றல்' அல்ல

இந்த வேறுபாடு முக்கியமானது, ஏனெனில் எல்லா தானியங்கி அமைப்புகளும் செயற்கை நுண்ணறிவு அல்ல.

உங்கள் காபி இயந்திரம் பத்து நிமிடங்களில் தானாகவே அணைந்துவிட்டால், வாழ்த்துகள் - உங்களிடம் ஒரு செயற்கை நுண்ணறிவு ஆய்வகம் இருக்க வாய்ப்பில்லை.

அது வெறும் ஒரு டைமர்.

5. நரம்பியல் வலையமைப்புகள் என்றால் என்ன?

நரம்பியல் வலையமைப்புகள் என்பவை, உயிரியல் நரம்பணுக்களைத் தழுவி உருவாக்கப்பட்ட கணித அமைப்புகளாகும்.

அந்தச் சொற்றொடர் அவற்றை மர்மமானவையாகக் காட்டுகிறது. அவை கணினிகளுக்குள் மிதக்கும் உண்மையான செயற்கை மூளைகள் அல்ல.

ஒரு நரம்பியல் வலையமைப்பு என்பது தகவல்களைச் செயலாக்கும், ஒன்றோடொன்று இணைக்கப்பட்ட கணித அலகுகளைக் கொண்டுள்ளது.

பயிற்சியின் போது, ​​வலையமைப்பு அளவுருக்கள் அல்லது எடைகள்.

அந்தச் சரிசெய்தல்கள், மதிப்புமிக்க வெளியீடுகளை உருவாக்குவதில் அந்த அமைப்பை மேலும் சிறந்து விளங்கச் செய்கின்றன.

இதை, பில்லியன் கணக்கான மிகச்சிறிய சரிசெய்யக்கூடிய குமிழ்களைக் கொண்ட, அபத்தமான முறையில் சிக்கலான ஒரு கட்டுப்பாட்டுப் பலகமாகக் கருதுங்கள்.

பயிற்சி அந்த பொத்தான்களை மீண்டும் மீண்டும் தூண்டுகிறது.

தவறான பதிலா?

குமிழ்களைச் சரிசெய்யவும்.

இதைவிட சிறந்த பதில் உள்ளதா?

அவற்றை வெவ்வேறு விதமாக சரிசெய்யவும்.

இதை போதுமான முறை, போதுமான தரவுகளில் மற்றும் போதுமான கணினி ஆற்றலுடன் செய்யும்போது, ​​அந்த வலையமைப்பு வடிவங்களை அடையாளம் கண்டு உருவாக்க உதவும் சிக்கலான உள் பிரதிநிதித்துவங்களை வளர்க்கத் தொடங்குகிறது.

நிச்சயமாக, 'குமிழ்களைச் சரிசெய்யுங்கள்' என்று சொல்வது, பல தசாப்த கால கணினி அறிவியலை யாரோ ஒரு பழைய வானொலியைச் சரிசெய்வது போல ஒலிக்கச் செய்கிறது... ஆனால் ஒரு மன மாதிரியாக, அது வியக்கத்தக்க வகையில் சிறப்பாகச் செயல்படுகிறது.

6. செயற்கை நுண்ணறிவு ஏன் திடீரென்று மிகவும் புத்திசாலித்தனமாகத் தெரிகிறது

செயற்கை நுண்ணறிவு என்பது ஒரே இரவில் தோன்றிய ஒரு கண்டுபிடிப்பு அல்ல.

அடிப்படைப் புலம் நீண்ட காலமாக இருந்து வருகிறது.

பல்வேறு விசைகள் ஒன்றாக முடுக்கியதே மாற்றமாக அமைந்தது.

அதிக கணினி ஆற்றல்

நவீன செயலிகள், குறிப்பாக நரம்பியல் வலையமைப்புகளுக்குத் தேவைப்படும் கணக்கீடுகள் போன்ற மிக அதிக எண்ணிக்கையிலான கணக்கீடுகளை விரைவாகச் செய்யக்கூடியவை. பயிற்சிக்கான கணக்கீட்டுத் திறனை , நவீன செயற்கை நுண்ணறிவு அமைப்புகளின் முன்னேற்றங்களுக்கு ஒரு முக்கிய உந்து சக்தியாக அமைந்துள்ளது.

கூடுதல் தரவு

டிஜிட்டல் உலகம் பிரம்மாண்டமான அளவிலான உரை, படங்கள், ஒலி, காணொளி, குறியீடு மற்றும் கட்டமைக்கப்பட்ட தகவல்களைக் கொண்டுள்ளது.

மேம்பட்ட மாதிரிகளுக்குப் பயிற்சி அளிக்க, ஏராளமான எடுத்துக்காட்டுகள் தேவை.

சிறந்த வழிமுறைகள்

ஆராய்ச்சியாளர்கள், செயற்கை நுண்ணறிவு அமைப்புகளுக்குப் பயிற்சி அளிக்கப் பயன்படுத்தப்படும் கட்டமைப்புகளையும் முறைகளையும் தொடர்ந்து மேம்படுத்தி வருகின்றனர்.

பெரிய மாதிரிகள்

அளவுருக்களின் எண்ணிக்கையை அதிகரிப்பது, தரவுத்தொகுப்புகளை மேம்படுத்துவது மற்றும் கணக்கீட்டை அதிகரிப்பது ஆகியவை பெரும்பாலும் வியக்கத்தக்க திறன் கொண்ட மாதிரிகளை உருவாக்கியுள்ளன. கணக்கீட்டுக்கு உகந்த மொழி-மாதிரிப் பயிற்சி குறித்த ஆராய்ச்சியும், வெறுமனே அளவுருக்களின் எண்ணிக்கையை அதிகப்படுத்துவதை விட, மாதிரியின் அளவு, தரவு மற்றும் கணக்கீடு ஆகியவற்றைச் சமநிலைப்படுத்த வேண்டும் என்பதைக் காட்டுகிறது.

சிறந்த இடைமுகங்கள்

இந்தப் பகுதியை குறைத்து மதிப்பிடுவது எளிது.

சாதாரண மக்கள் இப்போது அன்றாட மொழி மூலமாகவே மேம்பட்ட அமைப்புகளுடன் தொடர்பு கொள்ள முடிவதால், செயற்கை நுண்ணறிவு வியக்கத்தக்க வகையில் எளிதில் அணுகக்கூடியதாகத் தோன்றுகிறது.

நீங்கள் நிரலாக்கத்தைப் புரிந்து கொள்ள வேண்டிய அவசியமில்லை.

நீங்கள் எளிமையாகக் கேட்கலாம்:

வீட்டுக் கடன்களைப் பற்றி எனக்குப் பன்னிரண்டு வயது குழந்தைக்கு விளக்குவது போல விளக்குங்கள்

அல்லது:

இந்தக் கூட்டக் குறிப்புகளை மின்னஞ்சலாக மாற்றவும்

அல்லது:

கோழிக்கறி, சாதம் மற்றும் என் குளிர்சாதனப் பெட்டியில் மெல்ல மெல்ல வாடிக்கொண்டிருக்கும் காய்கறிகளைப் பயன்படுத்தி ஐந்து இரவு உணவு யோசனைகளைத் தாருங்கள்

அந்த இடைமுக மாற்றம் மிகப்பெரியது.

ஒரு தொழில்நுட்பத்தைப் பயன்படுத்துவதற்கு மக்களுக்குக் கையேடு தேவைப்படாமல் போகும்போது, ​​அதன் பிரபலம் அபரிமிதமாகப் பெருகுகிறது.

7. நீங்கள் செயற்கை நுண்ணறிவிடம் ஒரு கேள்வியைக் கேட்கும்போது அது என்ன செய்கிறது?

ஒரு நவீன செயற்கை நுண்ணறிவு உதவியாளரைக் கருத்தில் கொள்ளுங்கள்.

நீங்கள் தட்டச்சு செய்வது:

ஐந்து வயதுக் குழந்தைக்குப் புவியீர்ப்பு விசையை விளக்குங்கள்

திரைக்குப் பின்னால், இந்த அமைப்பு உங்கள் உரையை டோக்கன்கள்.

குறியீடுகள் முழுமையான சொற்களை, சொற்களின் பகுதிகளை, நிறுத்தற்குறிகளை அல்லது மொழியின் பிற தொகுதிகளைக் குறிக்கலாம்.

அந்த டோக்கன்கள் மாடல் மூலம் செயலாக்கப்படுகின்றன.

இந்த மாதிரி, உங்கள் கோரிக்கையின் வெவ்வேறு பகுதிகளுக்கு இடையிலான தொடர்புகளை ஆராய்ந்து, சூழலைக் கருத்தில் கொண்டு, ஒரு பயனுள்ள தொடர்ச்சியை முன்னறிவிக்கிறது.

பிறகு மற்றொரு டோக்கன்.

பிறகு இன்னொன்று.

பிறகு இன்னொன்று.

இது வியக்கத்தக்க வேகத்தில் நடக்கிறது.

அதன் விளைவாக உருவான பத்தியானது, யாரோ ஒருவர் அதை ஒரு முழுமையான சிந்தனையாக இயற்றியது போல் தோன்றுகிறது, ஆனால் தொழில்நுட்ப ரீதியாக அது தொடர்ச்சியாக உருவாக்கப்பட்டது.

அது செயற்கை நுண்ணறிவின் விசித்திரமான அம்சங்களில் ஒன்றாகும்.

அடிப்படைச் செயல்முறை நிகழ்தகவு சார்ந்ததாக இருந்தாலும், அதன் விளைவு திட்டமிட்டது போன்ற உணர்வைத் தரக்கூடும்.

ஒரு பிரம்மாண்டமான தரவுத்தளத்திலிருந்து தயாரான பதிலை எடுப்பதை விட, இது சூழ்நிலைக்கேற்ப செயல்படுவதற்குப் பெரிதும் ஒத்திருக்கிறது.

நிச்சயமாக, இது துல்லியமாகத் தன்னிச்சையான செயல் அல்ல - ஆனால் அந்த உருவகம் தன் முக்கியத்துவத்தைப் பெறுவதற்கு அது போதுமான அளவு நெருக்கமாக உள்ளது.

8. செயற்கை நுண்ணறிவு விஷயங்களைப் புரிந்துகொள்கிறதா?

இந்தக் கேள்வி மிக விரைவாகத் தத்துவார்த்தமானதாக மாறிவிடுகிறது.

ஒரு செயற்கை நுண்ணறிவு அமைப்புக்கு மொழியை உண்மையாகவே புரிந்துகொள்ள முடியுமா?

பதில், 'புரிந்துகொள்ளுதல்' என்பதன் மூலம் நீங்கள் என்ன குறிப்பிடுகிறீர்கள் என்பதைப் பெரிதும் சார்ந்துள்ளது.

நவீன செயற்கை நுண்ணறிவு மாதிரிகள், கருத்துருக்களை நுட்பமான வழிகளில் கையாளும் திறன் கொண்டவை என்பது தெளிவாகிறது.

அவர்களால் முடியும்:

• கருத்துக்களை விளக்குங்கள்

• வாதங்களை ஒப்பிடுக

• உரையை மீண்டும் எழுதுக

• மொழிகளை மொழிபெயர்க்கவும்

• பல கட்டமைக்கப்பட்ட சிக்கல்களைத் தீர்க்கவும்

• செயல்படும் குறியீட்டை உருவாக்கவும்

• வடிவங்களை அடையாளம் காணுங்கள்

• சிக்கலான வழிமுறைகளைப் பின்பற்றவும்

• புதிய வழிகளில் கருத்துக்களை இணைக்கவும்

வெளியிலிருந்து பார்க்கும்போது, ​​அது பெரும்பாலும் புரிதல் போலவே தோற்றமளிக்கலாம்.

ஆனால், இயந்திர நுண்ணறிவுக்கும் மனித அறிவாற்றலுக்கும் இடையே முக்கியமான வேறுபாடுகள் உள்ளன.

மனிதர்கள் பௌதீக உலகத்தை அனுபவிக்கிறார்கள்.

நாம் பசி, வலி, சங்கடம், சலிப்பு, பாசம் ஆகியவற்றை உணர்வதோடு, நம் கைப்பேசியில் 2 சதவீத மின்கலம் மட்டுமே உள்ளது என்பதை உணரும்போது ஏற்படும் ஒரு விசித்திரமான பதற்றத்தையும் உணர்கிறோம்.

செயற்கை நுண்ணறிவு அமைப்புகளுக்கு அதற்கு இணையான நேரடி அனுபவம் இருக்க வேண்டிய அவசியமில்லை.

அவர்கள் பிரதிநிதித்துவங்களைச் செயலாக்குகிறார்கள்.

எனவே, ஒரு செயற்கை நுண்ணறிவு ஒரு விஷயத்தைப் புரிந்துகொள்கிறதா என்று கேட்பது, ஒரு நீர்மூழ்கிக் கப்பல் நீந்துமா என்று கேட்பதைப் போன்றது.

அது நிச்சயமாக தண்ணீரின் வழியே செல்கிறது.

ஆனால் ஒருவேளை 'நீச்சல்' என்பது சரியான வார்த்தையாக இருக்காது.

9. எது உண்மை என்பதை செயற்கை நுண்ணறிவு தானாகவே அறிந்துகொள்வதில்லை

உருவாக்க செயற்கை நுண்ணறிவு பற்றிய மிக முக்கியமான அம்சங்களில் இதுவும் ஒன்றாகும்.

ஒரு கூற்று உண்மையாக இல்லாவிட்டாலும், அது மிகவும் நம்பத்தகுந்ததாகத் தோன்றும் ஒரு கூற்றை ஒரு மாதிரியால் உருவாக்க முடியும்.

ஏன்?

ஏனெனில், நம்பத்தகுந்த மொழியை உருவாக்குவதும் புறநிலை உண்மையைச் சரிபார்ப்பதும் வெவ்வேறு சிக்கல்கள் ஆகும்.

ஒரு செயற்கை நுண்ணறிவு அமைப்பு நிச்சயமற்ற தன்மையை எதிர்கொண்டாலும், நம்பிக்கையூட்டும் வகையிலான ஒரு பதிலை அளிக்கக்கூடும்.

இந்தப் பிழைகள் பெரும்பாலும் பிரமைகள் என்று அழைக்கப்படுகின்றன .

உதாரணமாக, செயற்கை நுண்ணறிவு பின்வருவனவற்றைச் செய்யலாம்:

• ஒரு புள்ளிவிவரத்தைக் கண்டுபிடி

• ஒரு மேற்கோளைத் தவறாகக் குறிப்பிடுக

• ஒரே மாதிரியான இரு நபர்களைக் குழப்புங்கள்

• இல்லாத குறிப்புகளை உருவாக்குங்கள்

• தெளிவற்ற அறிவுறுத்தல்களைத் தவறாகப் புரிந்துகொள்ளுதல்

• நுட்பமான கணிதப் பிழைகளைச் செய்யுங்கள்

மொழி மாதிரிகள், நம்பிக்கையுடன் பேசுவது போல் தோற்றமளிக்கும் அதே வேளையில், புனையப்பட்ட மேற்கோள்கள், ஆய்வுகள், சான்றுகள் மற்றும் பிற தவறான தகவல்களை உருவாக்க முடியும். நம்பிக்கையுடன் கூறப்பட்ட தவறான உள்ளடக்கம் மற்றும் புனையப்பட்ட சான்றுகளை, உருவாக்கும் செயற்கை நுண்ணறிவின் ஓர் அபாயமாக NIST குறிப்பாக அடையாளம் காட்டுகிறது.

முரண்பாடாக, இந்த அமைப்புகள் எவ்வளவு திறமையானவையாகத் தோன்றுகின்றனவோ, அவ்வளவு எளிதாக இதை மறந்துவிட முடிகிறது.

செம்மையான மொழிநடை தன்னம்பிக்கையை உருவாக்குகிறது.

ஆனால், தன்னம்பிக்கை என்பது ஆதாரம் ஆகாது.

மருத்துவம், சட்டம், நிதி, பாதுகாப்பு அல்லது முக்கிய வணிக முடிவுகள் போன்ற துறைகள் சம்பந்தப்பட்ட முக்கியத்துவம் வாய்ந்த தகவல்களுக்கு, சரிபார்ப்பு இன்றும் அவசியமாகிறது.

ஓரளவிற்கு.

10. செயற்கை நுண்ணறிவும் தேடுபொறியும் ஒன்றல்ல

மற்றொரு பொதுவான தவறான புரிதல் என்னவென்றால், செயற்கை நுண்ணறிவையும் தேடலையும் ஒன்றாகக் கருதுவதாகும்.

அவர்கள் அப்படி இல்லை.

ஒரு பாரம்பரிய தேடுபொறி, முதன்மையாக ஏற்கனவே உள்ள தகவல்களைக் கண்டறிய உதவுகிறது.

ஒரு உருவாக்க செயற்கை நுண்ணறிவு அமைப்பானது, முதன்மையாகக் கற்றறிந்த வடிவங்கள், வழங்கப்பட்ட சூழல் மற்றும் அதற்குக் கிடைக்கக்கூடிய கூடுதல் கருவிகளின் அடிப்படையில் ஒரு பதிலை உருவாக்குகிறது. உருவாக்க மாதிரிகள் பெரிய தரவுத் தொகுப்புகளில் உள்ள வடிவங்களையும் தொடர்புகளையும் கற்றுக்கொண்டு , அந்த வடிவங்களைப் பயன்படுத்தி புதிய வெளியீடுகளை உருவாக்குகின்றன.

இப்படிக் கேட்பதாகக் கற்பனை செய்து பாருங்கள்:

தேடுபொறி: "ஒளிச்சேர்க்கையை விளக்குவதற்கான சிறந்த வழிகள்"

நீங்கள் பொதுவாக ஆய்வு செய்வதற்கான பக்கங்களைப் பெறுவீர்கள்.

ஒரு AI உதவியாளரிடம் இதே கேள்வியைக் கேட்டால், உங்களுக்குக் கிடைக்கக்கூடிய பதில் இதுவாக இருக்கலாம்:

• ஒரு எளிய விளக்கம்

• ஒரு வகுப்பறை ஒப்புமை

• ஒரு வினாடி வினா

• ஒரு பாடத்திட்டம்

• குழந்தைகளுக்கான ஒரு கதை

• ஒரு விரிவான அறிவியல் பதிப்பு

தேடல் முடிவுகளைக் கண்டறிகிறது.

உருவாக்க செயற்கை நுண்ணறிவு ஒருங்கிணைக்கிறது.

நவீன அமைப்புகள் இவ்விரு அணுகுமுறைகளையும் இணைக்க இயலும் என்பதால், அவற்றுக்கிடையேயான வேறுபாடு மேலும் மங்கலாகிறது, ஆனால் கருவிகள் கருத்தியல் ரீதியாக வேறுபட்டவையாகவே இருக்கின்றன.

11. செயற்கை நுண்ணறிவால் எவற்றைச் சிறப்பாகச் செய்ய முடியும்?

அதிக வடிவங்கள், அதிக தகவல் மற்றும் உருமாற்றம் சார்ந்த பணிகளில் செயற்கை நுண்ணறிவு குறிப்பாகச் சிறப்பாகச் செயல்படுகிறது.

மதிப்புமிக்க பயன்பாடுகளில் பின்வருவன அடங்கும்:

எழுத்து உதவி

செயற்கை நுண்ணறிவால் உரையை வரைவு செய்யவும், திருத்தி எழுதவும், சுருக்கவும் மற்றும் மறுசீரமைக்கவும் முடியும்.

நிரலாக்கம்

மாதிரிகள் குறியீட்டை உருவாக்கவும், பிழைகளை விளக்கவும், மேம்பாடுகளைப் பரிந்துரைக்கவும், மேலும் அறிமுகமில்லாத அமைப்புகளைப் புரிந்துகொள்ள உருவாக்குநர்களுக்கு உதவவும் முடியும்.

தரவு பகுப்பாய்வு

வடிவங்களைக் கண்டறிவதற்கும், தரவுத்தொகுப்புகளைப் புரிந்துகொள்வதற்கும், சிக்கலான கண்டுபிடிப்புகளைப் புரிந்துகொள்ளக்கூடிய மொழியாக மாற்றுவதற்கும் செயற்கை நுண்ணறிவால் உதவ முடியும்.

பட உருவாக்கம்

உருவாக்க மாதிரிகள், விளக்கங்களிலிருந்து விளக்கப்படங்கள், கருத்துருக்கள், தயாரிப்பு முன்மாதிரிகள், கலைப்படைப்புகள் மற்றும் காட்சி மாறுபாடுகளை உருவாக்க முடியும்.

மொழிபெயர்க்கவும்

மேம்பட்ட மாதிரிகள், எளிய சொல் வாரியான அமைப்புகளைக் காட்டிலும் அதிக சூழலைப் பாதுகாத்து, மொழிகளுக்கிடையே மொழிபெயர்க்கும் திறன் கொண்டவை.

கல்வி

ஒருவரின் அறிவு நிலையைப் பொறுத்து, செயற்கை நுண்ணறிவால் ஒரே கருத்தைப் பல வழிகளில் விளக்க முடியும்.

வாடிக்கையாளர் ஆதரவு

நிறுவனங்கள் பொதுவான கேள்விகளுக்குப் பதிலளிக்கவும், சிக்கலான வழக்குகளை நெறிப்படுத்தவும் செயற்கை நுண்ணறிவைப் பயன்படுத்தலாம்.

மூளைச்சலவை

அறிவுசார் ரீதியாக உங்களிடம் ஒரு காலி குளிர்சாதனப் பெட்டிக்குச் சமமான நிலை இருக்கும்போது, ​​செயற்கை நுண்ணறிவு குறிப்பாகத் திறம்படச் செயல்படக்கூடும்.

நீங்கள் கோணங்கள், பெயர்கள், கருத்துருக்கள், கட்டமைப்புகள் அல்லது சாத்தியக்கூறுகளைக் கேட்கலாம் - பின்னர் எதை வைத்துக்கொள்வது மதிப்புள்ளது என்று முடிவு செய்யலாம்.

பெரும்பாலும் அதுவே செயற்கை நுண்ணறிவுடனான மிகவும் ஆரோக்கியமான பணி உறவாகும்.

'இயந்திரம் மனிதனை இடமாற்றம் செய்கிறது' என்பதல்ல

மேலும் இதுபோல:

மனிதன் + இயந்திரம் = சிந்தனையின் முதல் வரைவை விரைவுபடுத்துதல்.

12. செயற்கை நுண்ணறிவு இன்னும் எவற்றில் பின்தங்கியுள்ளது

அதைச் சுற்றியுள்ள இவ்வளவு கவனத்திற்கு மத்தியிலும், தற்போதைய செயற்கை நுண்ணறிவில் இன்னும் கணிசமான வரம்புகள் உள்ளன.

சில உடனடியாகவே புலப்படும்.

நீங்கள் ஒரு சிக்கலான விஷயத்திற்காக அமைப்பைச் சார்ந்திருக்கும்போது மட்டுமே மற்றவை வெளிப்படுகின்றன.

செயற்கை நுண்ணறிவு பின்வரும் விஷயங்களில் சிரமப்படலாம்:

• மிகவும் துல்லியமான உண்மைத்தன்மை

• அசாதாரண விளிம்பு வழக்குகள்

• நீண்ட தர்க்கச் சங்கிலிகள்

• தெளிவற்ற அறிவுறுத்தல்கள்

• மனிதர்கள் அரிதாகவே கவனிக்கும் பொது அறிவு அனுமானங்கள்

• கூறப்படாத உணர்ச்சி சூழலைப் புரிந்துகொள்வது

• தகவல் உண்மையா இல்லையா என்பதைச் சரிபார்த்தல்

• பௌதீக உலக அனுபவம் தேவைப்படும் பணிகள்

• சிக்கலான திட்டங்களில் நிலைத்தன்மை

மிகவும் திறன் வாய்ந்த மொழி மாதிரிகள்கூட உண்மை மற்றும் பகுத்தறிவுப் பிழைகளைச் செய்யக்கூடும், மேலும் கடினமான செயல்திறன் சோதனைகள் அவற்றின் கணிசமான வரம்புகளைத் தொடர்ந்து வெளிப்படுத்துகின்றன.

மற்றொரு சிக்கல் என்னவென்றால், செயற்கை நுண்ணறிவால் மிகக் குறைந்த முயற்சியிலேயே சராசரியான பதில்களை.

பத்து வணிகப் பெயர்களைக் கேட்கலாமா?

முடிந்தது.

வலைப்பதிவு இடுகையைக் கேட்கிறீர்களா?

எளிது.

சந்தைப்படுத்தல் யோசனைகளைக் கேட்கலாமா?

சரி.

ஆனால், ஒன்றை உருவாக்குவதும், உண்மையாகவே தனித்துவமான, வணிகரீதியாக மதிப்புமிக்க, உணர்வுப்பூர்வமாக அறிவார்ந்த அல்லது வியூகரீதியாகச் சரியான ஒரு படைப்பை உருவாக்குவதும் ஒன்றல்ல.

மனிதர்கள் இன்றும் சுவையை வழங்குகிறார்கள்.

சுவை முக்கியம்.

ஒருவேளை முன்னெப்போதையும் விட அதிகமாக.

13. செயற்கை நுண்ணறிவுக்கு உணர்வு உள்ளதா?

இங்கே இரவு உணவு உரையாடல்கள் விசித்திரமாக மாறும் பகுதிக்கு நாம் வருகிறோம்.

தற்போதைய செயற்கை நுண்ணறிவு அமைப்புகளால், உணர்ச்சிப்பூர்வமாகவும், சிந்தனைமிக்கதாகவும், சுய விழிப்புணர்வுடனும் ஒலிக்கும் மொழியை உருவாக்க முடியும்.

அதன் காரணமாக அவர்கள் உணர்வுநிலையை அனுபவிக்கிறார்கள் என்று தானாகவே அர்த்தமாகாது.

மொழி மாதிரிகள், மொழியை உருவாக்குவதற்காகவே பிரத்யேகமாகப் பயிற்றுவிக்கப்படுகின்றன.

மேலும், சரளமான மொழிக்குப் பின்னால் மற்றொரு மனம் இருக்கிறது என்பதற்குச் சான்றாகவே மனிதர்கள் இயல்பாகவே புரிந்துகொள்கிறார்கள்.

பொதுவாக, அது ஒரு விவேகமான அனுமானம்.

மற்றொரு மனிதர், "நான் கவலைப்படுகிறேன்" என்று கூறும்போது, ​​அவருக்குள் ஒரு உணர்ச்சி நிலை நிலவுகிறது என நாம் நியாயமாக ஊகித்துக்கொள்கிறோம்.

செயற்கை நுண்ணறிவைப் பொறுத்தவரை, அந்த அனுமானம் அவசியமாக நியாயமானது அல்ல.

ஒரு அமைப்பு உருவாக்கக்கூடியவை:

உதவுவதில் நான் மகிழ்ச்சி அடைகிறேன்

சர்வருக்குள் கண்ணுக்குத் தெரியாத ஒரு சிறிய உணர்வுள்ள உயிரினம் அற்புதமான மதியப் பொழுதைக் கழித்துக் கொண்டிருக்கிறது என்பதை அது நிரூபித்துவிடாது.

இயந்திர உணர்வு எப்போதாவது தோன்ற முடியுமா என்பதே கடினமான தத்துவார்த்தக் கேள்வியாகும்.

அந்த விவாதத்தை முழுமையாகத் தீர்க்கக்கூடிய எளிய சோதனை யாரிடமும் இல்லை .

ஆனால், உரையாடல் சரளத்தை மட்டுமே சான்றாகக் கருதக்கூடாது. உணர்வுள்ள அல்லது "வலுவான" செயற்கை நுண்ணறிவு போன்ற கருத்துக்கள், இன்றைய அமைப்புகளின் நிறுவப்பட்ட பண்பாக இல்லாமல், கோட்பாட்டு ரீதியாகவே இருக்கின்றன.

14. குறுகிய செயற்கை நுண்ணறிவு மற்றும் செயற்கை பொது நுண்ணறிவு ஒப்பீடு

பெரும்பாலான செயற்கை நுண்ணறிவு அமைப்புகள் இன்னமும் குறிப்பிட்ட திறன்களை அடிப்படையாகக் கொண்டே கட்டமைக்கப்படுகின்றன.

இவை பெரும்பாலும் குறுகிய AI.

எடுத்துக்காட்டுகளில் பின்வருவனவற்றுக்காக வடிவமைக்கப்பட்ட அமைப்புகள் அடங்கும்:

• பட அங்கீகாரம்

• மொழி உருவாக்கம்

• பரிந்துரை

• ஓட்டுநர் உதவி

• மருத்துவப் படமெடுத்தல்

• மோசடி கண்டறிதல்

• பேச்சு அங்கீகாரம்

செயற்கைப் பொது நுண்ணறிவு (Artificial General Intelligence), பொதுவாக AGI, இயந்திர நுண்ணறிவின் மிகவும் பரந்த ஒரு கருதுகோள் நிலையைக் குறிக்கிறது.

பல களங்களில், ஏறக்குறைய மனிதத் திறனுக்கோ அல்லது அதற்கும் மேலான திறனுக்கோ உட்பட்டு, அறிவுசார் பணிகளைக் கற்றுக்கொள்ளவும் செய்யவும் திறன் கொண்ட ஒரு அமைப்பை உருவாக்குவதே இதன் நோக்கமாகும்.

எல்லை கச்சிதமாக வரையறுக்கப்படவில்லை.

அதுதான் சிக்கலின் ஒரு பகுதி.

வெவ்வேறு ஆராய்ச்சியாளர்கள், நிறுவனங்கள் மற்றும் விமர்சகர்கள் 'AGI' என்பதை வெவ்வேறு விதமாகப் பயன்படுத்துவதால், உரையாடல்கள் தாங்களே அறியாமல் மூன்று பேர் வெவ்வேறு வரையறைகளைப் பற்றி உணர்ச்சிப்பூர்வமாக விவாதிக்கும் நிலைக்குச் சென்றுவிடுகின்றன. துல்லியமாக எதை AGI எனத் தகுதிப்படுத்த வேண்டும் என்பது குறித்து தற்போது பரந்த கல்விசார் ஒருமித்த கருத்து எதுவும் இல்லை.

வேறு வார்த்தைகளில் சொல்வதானால், இது ஒரு வழக்கமான இணைய நடத்தை.

15. பயிற்சித் தரவுகள் ஏன் இவ்வளவு முக்கியத்துவம் வாய்ந்தவை?

செயற்கை நுண்ணறிவு அமைப்புகள் எடுத்துக்காட்டுகளிலிருந்து வடிவங்களைக் கற்றுக்கொள்கின்றன, எனவே அந்த எடுத்துக்காட்டுகளின் தரம் மிகவும் முக்கியமானது.

எனவே, பயிற்சித் தரவுகள் மிகவும் முக்கியத்துவம் பெறுகின்றன.

ஒருவருக்கு சமையல்காரராகப் பயிற்சி அளித்துவிட்டு, அவருக்கு டோஸ்ட் செய்வதற்கான சமையல் குறிப்புகளை மட்டும் கொடுப்பதாகக் கற்பனை செய்து பாருங்கள்.

அவர்கள் டோஸ்ட் செய்வதில் அபாரத் திறமைசாலிகளாக ஆகக்கூடும்.

ஒருவேளை, மிச்செலின் தரத்திலான டோஸ்ட்டாக இருக்கலாம்.

ஆனால், அவர்களிடம் ஒரு ஆக்டோபஸைக் கொடுத்து இரவு உணவு கேட்பது சுவாரஸ்யமாக மாறக்கூடும்.

செயற்கை நுண்ணறிவும் இதே போன்ற முறையில்தான் செயல்படுகிறது.

பயிற்சிப் பொருட்களின் தரம், பன்முகத்தன்மை மற்றும் பொருத்தம் ஆகியவை மாதிரிகள் என்ன கற்றுக்கொள்கின்றன என்பதில் செல்வாக்கு செலுத்துகின்றன . உருவாக்க அமைப்புகள், வழக்கமான தரவுத்தளங்களைப் போலச் செயல்படுவதற்குப் பதிலாக, தங்களின் பயிற்சித் தரவுகளிலிருந்து புள்ளிவிவர வடிவங்களையும் உறவுகளையும் கற்றுக்கொள்கின்றன.

தரவுத்தொகுப்புகளில் உள்ள சிக்கல்கள், பின்வருவன உள்ளிட்ட வெளியீடுகளில் வெளிப்படலாம்:

• சார்பு

• விடுபட்ட அறிவு

• மீண்டும் மீண்டும் தவறான புரிதல்கள்

• பிரதிநிதித்துவம் குறைவாக உள்ள பகுதிகளில் பலவீனமான செயல்திறன்

• சில மொழியியல் அல்லது கலாச்சார வடிவங்களின் அதிகப்படியான பிரதிநிதித்துவம்

பயிற்சி எடுத்துக்காட்டுகள் தேர்ந்தெடுக்கப்பட்டுத் தொகுக்கப்படும் விதத்தின் காரணமாக இயந்திரக் கற்றல் மாதிரிகள் சார்புக்கு உள்ளாகக்கூடும், மேலும் சமநிலையற்ற அல்லது முழுமையற்ற தரவுகள் மாதிரியின் செயல்திறனைப் பாதிக்கலாம்.

எனவே, உருவாக்குநர்கள் தங்களின் ஆரம்பப் பயிற்சிக்குப் பிறகு, தரவுத்தொகுப்புகளை மேம்படுத்துவதற்கும், உள்ளடக்கத்தை வடிகட்டுவதற்கும், மாதிரிகளைச் செம்மைப்படுத்துவதற்கும் பெரும் முயற்சியைச் செலவிடுகிறார்கள்.

மாதிரி கட்டமைப்பு முக்கியமானது.

கணினி ஆற்றலும் முக்கியமானது.

ஆனால் தரவுகள், குழாய் அமைப்பைப் போல எல்லாவற்றிற்கும் அடியில் அமைதியாக இருக்கின்றன - ஏதேனும் தவறு நடக்கும் வரை யாரும் அதைப் பற்றிப் பேசுவதில்லை.

16. பயிற்சிக்குப் பிறகு AI மாதிரிகள் எவ்வாறு மேம்படுகின்றன

ஆரம்பப் பயிற்சி என்பது இறுதிப் படியாக இருக்க வேண்டிய அவசியமில்லை.

மாதிரிகளை மேலும் திறமையானதாகவும் நம்பகமானதாகவும் மாற்றுவதற்காக வடிவமைக்கப்பட்ட கூடுதல் செயல்முறைகளுக்கு உட்படுத்தலாம்.

அதில் அமைப்புகளுக்குக் கற்பிப்பது அடங்கலாம்:

• வழிமுறைகளை மேலும் நம்பகத்தன்மையுடன் பின்பற்றவும்

• தீங்கு விளைவிக்கும் விளைவுகளைத் தவிர்க்கவும்

• பதில்களை முறையாக வடிவமைக்கவும்

• சில கோரிக்கைகளை நிராகரிக்கவும்

• தெளிவான பதில்களை விரும்புகிறேன்

• கருவிகளைப் பயன்படுத்துங்கள்

• மனித பின்னூட்டத்தைப் பின்பற்றவும்

• உரையாடல்களை சிறப்பாக கையாளுங்கள்

இந்த செயல்முறை பரவலாக சீரமைப்புடன் தொடர்புடையது . உதாரணமாக, முன் பயிற்சிக்குப் பிறகு, அறிவுறுத்தல்களைப் பின்பற்றுவதை மேம்படுத்தவும், மொழி மாதிரிகளை விரும்பிய நடத்தையை நோக்கி வழிநடத்தவும் மனித பின்னூட்ட நுட்பங்கள் பயன்படுத்தப்பட்டுள்ளன.

ஒருங்கிணைப்பு என்பது, செயற்கை நுண்ணறிவின் நடத்தையை மனிதர்களின் நோக்கங்கள், விதிகள் மற்றும் விருப்பங்களைச் சிறப்பாகப் பிரதிபலிக்கும்படி செய்ய முயற்சிப்பதாகும்.

எளிய வாக்கியம்.

மிகவும் கடினமான பொறியியல் சிக்கல்.

ஒரு நல்ல பீட்சா டாப்பிங் என்றால் என்ன என்பதில் கூட மனிதர்களால் ஒருமித்த கருத்துக்கு வர முடியவில்லை. எனவே, "மனிதர்கள் விரும்புவதை" சக்திவாய்ந்த கணினி அமைப்புகளில் குறியாக்கம் செய்வது என்பது... ஒரு பெரும் சவாலாகும்.

17. செயற்கை நுண்ணறிவு முகவர்கள்: செயற்கை நுண்ணறிவு செயல்களைச் செய்யத் தொடங்கும் போது

ஒரு சாதாரண சாட்பாட் பெரும்பாலும் தூண்டுதல்களுக்குப் பதிலளிக்கும்.

ஒரு செயற்கை நுண்ணறிவு முகவரால் ஒரு இலக்கை அடைவதற்கான நடவடிக்கைகளை எடுக்க முடியும். செயற்கை நுண்ணறிவு முகவர்கள் என்பவை, தன்னிச்சையாகப் பணிகளைச் செய்யவும், பணிப்பாய்வுகளைத் திட்டமிடவும், கிடைக்கக்கூடிய கருவிகளைப் பயன்படுத்தவும் திறன் கொண்ட அமைப்புகளாகப் பொதுவாக விவரிக்கப்படுகின்றன.

ஒரு செயற்கை நுண்ணறிவிடம் சொல்வதாகக் கற்பனை செய்து பாருங்கள்:

எனது வணிகப் பயணத்தை ஏற்பாடு செய்யுங்கள்

ஒரு தரநிலை மொழி மாதிரி ஒரு பயணத் திட்டத்தை உருவாக்கக்கூடும்.

ஒரு முகவர் பாணி அமைப்பு கோட்பாட்டளவில் பல ஒன்றோடொன்று இணைக்கப்பட்ட செயல்களைச் செய்ய முடியும்:

1. கிடைக்கக்கூடிய பயண விருப்பங்களைச் சரிபார்க்கவும்.

2. அட்டவணைகளை ஒப்பிடுக.

3. பொருத்தமான தங்குமிடத்தைக் கண்டறியவும்.

4. நாட்காட்டியில் நிகழ்வுகளைச் சேர்க்கவும்.

5. பயணப் பொருட்களின் பட்டியலைத் தயார் செய்யவும்.

6. ஏதேனும் மாற்றம் ஏற்பட்டால் திட்டங்களைப் புதுப்பிக்கவும்.

வேறுபாடு என்பது செயலும் விடாமுயற்சியும்தான்.

ஒரே ஒரு தூண்டுதலுக்குப் பதிலளிப்பதற்குப் பதிலாக, இந்த அமைப்பு தொடர்ச்சியான பணிகளைச் செய்து முடிக்கிறது.

செயற்கை நுண்ணறிவு முகவர்கள் மீது இவ்வளவு ஆர்வம் ஏற்படுவதற்கு இதுவும் ஒரு காரணம்.

அவர்கள் செயற்கை நுண்ணறிவை, உள்ளடக்கத்தை உருவாக்கும் கருவியாக இருப்பதிலிருந்து, மென்பொருள் இயக்குபவருக்கு நெருக்கமான ஒன்றாக மாற்றுவதை நோக்கி நகர்த்துகிறார்கள்.

அந்த மாற்றம் மிகவும் மதிப்புமிக்கதாக இருக்கக்கூடும் - மேலும் அது அனுமதிகள், நம்பகத்தன்மை மற்றும் கட்டுப்பாடு குறித்து கடுமையான கேள்விகளையும் எழுப்புகிறது. கருவிகள், பயன்பாடுகள் மற்றும் தரவுகளை அணுகக்கூடிய முகவர்கள் தொடர்பான பாதுகாப்பு மற்றும் நம்பகத்தன்மை குறித்த கவலைகளை NIST குறிப்பாக எடுத்துரைத்துள்ளது.

ஒரு ஆர்வமுள்ள அல்காரிதம், 'குழுப் பயணம்' என்பதைத் தவறாகப் புரிந்துகொண்டு, தவறுதலாகப் பன்னிரண்டு ஹோட்டல் அறைகளை முன்பதிவு செய்வதை நீங்கள் அநேகமாக விரும்ப மாட்டீர்கள்

18. செயற்கை நுண்ணறிவைப் புரிந்துகொள்வது ஏன் ஒரு மிக முக்கியமான கேள்வியாக மாறி வருகிறது?

'உண்மையில் செயற்கை நுண்ணறிவு என்றால் என்ன?' என்ற கேள்வி ஒரு காலத்தில் வெறும் கல்விசார்ந்ததாகவே கருதப்பட்டது.

தற்போது இது மேலும் மேலும் நடைமுறைக்கு உகந்ததாகவும் உடனடியானதாகவும் ஆகி வருகிறது.

செயற்கை நுண்ணறிவு பின்வரும் கருவிகளுக்குள் தோன்றுகிறது:

• வேலை

• கல்வி

• படைப்பாற்றல்

• மென்பொருள் மேம்பாடு

• சுகாதாரம்

• ஊடகம்

• நிதி

• தொடர்பு

• ஆராய்ச்சி

• பொழுதுபோக்கு

அடிப்படைகளைப் புரிந்துகொள்வது, மக்கள் சிறந்த முடிவுகளை எடுக்க உதவுகிறது.

நீங்கள் இயந்திரக் கற்றல் பொறியாளராக ஆக வேண்டிய அவசியமில்லை.

ஆனால், முன்கணிப்புக்கும் நிச்சயத்தன்மைக்கும், உருவாக்கத்திற்கும் மீட்டெடுப்பிற்கும், தானியக்கத்திற்கும் நுண்ணறிவுக்கும் இடையிலான வேறுபாட்டை அறிந்துகொள்வது, வியக்கத்தக்க எண்ணிக்கையிலான தவறுகளைத் தடுக்க உதவும்.

இது சந்தைப்படுத்தல் மொழியைப் புரிந்துகொள்ளவும் உதவுகிறது.

ஏனென்றால் நிறுவனங்கள் எல்லாவற்றுடனும் 'செயற்கை நுண்ணறிவு' என்ற வார்த்தையை இணைப்பதை விரும்புகின்றன.

சில சமயங்களில் பொருத்தமாகவே இருக்கும்.

சில சமயங்களில், 'அழகான பொத்தானைக் கொண்ட விரிதாள்' என்பதை விட 'மேம்பட்ட முன்கணிப்பு செயற்கை நுண்ணறிவு தளம்' என்பது கணிசமாக அதிக ஈர்ப்பூட்டுவதாக இருப்பதால்

19. செயற்கை நுண்ணறிவு மனிதர்களுக்கு மாற்றாக வருமா?

செயற்கை நுண்ணறிவு குறித்த உரையாடலில், இது அநேகமாக மிகவும் உணர்ச்சிப்பூர்வமான கேள்வியாகும்.

எளிமையான பதில்கள் அரிதாகவே நிலைத்து நிற்கின்றன.

செயற்கை நுண்ணறிவு அனைவரையும் மாற்றிவிடும்

ஒருவேளை இது மிகைப்படுத்தப்பட்டதாக இருக்கலாம்.

செயற்கை நுண்ணறிவு வேலைவாய்ப்புகளைப் பாதிக்காது

மேலும், இதைச் சாதாரணமாக எடுத்துக்கொள்வதும் கடினம்.

தொழில்நுட்பம் முழுத் தொழில்களையே மாற்றுவதற்கு முன்பு, பணிகளை மாற்றியமைக்க முனைகிறது. தற்போதைய தொழிலாளர் சந்தை ஆராய்ச்சி, செயற்கை நுண்ணறிவின் தாக்கத்தைப் பணி மட்டத்தில், மேலும் தானியக்கமயமாக்கலுக்கு ஆட்படுவது என்பது ஒரு முழு வேலையும் தானாகவே மறைந்துவிடும் என்று அர்த்தமல்ல.

ஒரு சந்தைப்படுத்துபவர் செயற்கை நுண்ணறிவை பின்வருவனவற்றுக்காகப் பயன்படுத்தலாம்:

• மூளைச்சலவை

• வரைவு

• ஆராய்ச்சி அமைப்பு

• பகுப்பாய்வு

• உள்ளடக்க மாறுபாடுகள்

ஆனாலும், வியூகம் அமைத்தல், பகுத்தறிதல், பிராண்டைப் புரிந்துகொள்ளுதல் மற்றும் முடிவெடுத்தல் ஆகியவற்றுக்கு இன்னமும் கணிசமான மனித ஈடுபாடு தேவைப்படுகிறது.

ஒரு நிரலாளர், அமைப்புகளை வடிவமைப்பதில் அதிக நேரத்தைச் செலவிடும் அதே வேளையில், திரும்பத் திரும்ப வரும் குறியீடுகளை உருவாக்க செயற்கை நுண்ணறிவைப் பயன்படுத்தலாம்.

ஒரு வடிவமைப்பாளர் டஜன் கணக்கான ஆரம்பகட்டக் கருத்துருக்களை விரைவாக உருவாக்கி, பின்னர் அவற்றுள் மிகவும் வலிமையானதைச் செம்மைப்படுத்தலாம்.

ஒரு ஆசிரியர், பயிற்சிப் பயிற்சிகளை உருவாக்க செயற்கை நுண்ணறிவைப் பயன்படுத்தினாலும், தொடர்ந்து ஊக்கமளித்தல், சரியான வழிகாட்டுதல் மற்றும் வகுப்பறைத் தலைமைத்துவத்தையும் வழங்கலாம்.

ஒரு யதார்த்தமான கேள்வி பெரும்பாலும் இதுவாக இருப்பதில்லை:

செயற்கை நுண்ணறிவு இந்த வேலையை மாற்றிவிடுமா?

அது:

இந்த வேலையின் எந்தெந்தப் பகுதிகள் எளிதாகவோ, மலிவாகவோ, வேகமாகவோ அல்லது தானியங்குமயமாகவோ மாறும்?

அது மிகவும் நடைமுறை சார்ந்த கேள்வி.

20. செயற்கை நுண்ணறிவின் மிகப்பெரிய திறன் என்பது வெறுமனே கணிக்கும் திறனாக இருக்கலாம்

சரியான தூண்டுதலை எழுதுவதுதான் முக்கியமான திறமை என்று மக்கள் பெரும்பாலும் கருதுகிறார்கள்.

தூண்டுவது முக்கியமானதுதான்.

பகுத்தறிவுக்கே அதிக முக்கியத்துவம் உண்டு.

ஒரு செயற்கை நுண்ணறிவு உங்களுக்கு ஐந்து பரிந்துரைகளை வழங்கினால், அவற்றுள் சிறந்ததை உங்களால் அடையாளம் காண முடியுமா?

அது ஒரு நம்பிக்கையான பதிலை அளித்தால், ஏதோ சரியில்லை என்பதை உங்களால் கவனிக்க முடியுமா?

அது ஏற்றுக்கொள்ளக்கூடிய எழுத்தை உருவாக்கினால், உங்களால் அதை உண்மையாகவே சிறந்ததாக மாற்ற முடியுமா?

அனைவருக்கும் ஒரே மாதிரியான சக்திவாய்ந்த கருவிகள் கிடைக்கும்போது, ​​பின்வருவனவற்றை அறிந்துகொள்வதில் சாதகம் கைகூடுகிறது:

• என்ன கேட்க வேண்டும்

• எதை புறக்கணிக்க வேண்டும்

• எதைச் சரிபார்க்க வேண்டும்

• எதைத் திருத்துவது

• முக்கியமானது

• செயற்கை நுண்ணறிவை எப்போது பயன்படுத்தவே கூடாது

அதனால்தான் செயற்கை நுண்ணறிவு அறிவு என்பது வெறும் தொழில்நுட்ப அறிவு மட்டுமல்ல.

அது திறனாய்வுச் சிந்தனை.

அந்த இயந்திரம் நம்பமுடியாத வேகத்தில் தெரிவுகளை உருவாக்க முடியும்.

எந்தச் சாலை சதுப்பு நிலத்தை நோக்கிச் செல்லவில்லை என்பதை நீங்கள் இன்னும் முடிவு செய்ய வேண்டும்.

21. அப்படியென்றால்... உண்மையில் செயற்கை நுண்ணறிவு என்றால் என்ன?

சொற்களை நீக்கிப் பார்த்தால், செயற்கை நுண்ணறிவு என்பது, அடிப்படையில், வடிவங்களை அடையாளம் காணுதல், கணித்தல், உருவாக்குதல், முடிவெடுத்தல் அல்லது நாம் நுண்ணறிவுடன் தொடர்புபடுத்தும் பிற திறன்கள் தேவைப்படும் பணிகளைச் செய்ய கணக்கீட்டு முறைகளைப் பயன்படுத்தும் ஒரு தொழில்நுட்பமாகும்.

மிகப்பெரிய தரவுத் தொகுப்புகளிலிருந்து மிகவும் சிக்கலான உறவுகளை நரம்பியல் வலைப்பின்னல்களால் கற்றுக்கொள்ள முடிவதால், நவீன செயற்கை நுண்ணறிவு வியக்கத்தக்க வகையில் அதிக புத்திசாலித்தனமாகத் தோன்றலாம்.

ஆனால், செயற்கை நுண்ணறிவு என்பது மாயாஜாலம் அல்ல.

அது தானாகவே சரியாகிவிடாது.

அது கட்டாயம் நனவுபூர்வமானது அல்ல.

மேலும் இது, முன்பே எழுதப்பட்ட பதில்களைக் கொண்ட ஒரு தரவுத்தளம் மட்டுமல்ல. மாறாக, உருவாக்க மாதிரிகள் பயிற்சித் தரவுகளில் உள்ள புள்ளிவிவரத் தொடர்புகளைக் கற்றுக்கொண்டு, கற்றறிந்த அந்த வடிவங்களைப் பயன்படுத்தி வெளியீடுகளை உருவாக்குகின்றன.

இது மிகவும் விசித்திரமான ஒன்று.

செயற்கை நுண்ணறிவு என்பது ஒரு புள்ளியியல் மற்றும் கணக்கீட்டு அமைப்பாகும். இது மிகவும் நுட்பமான வடிவங்களைக் கற்றுக்கொள்ளும் திறன் கொண்டிருப்பதால், அதன் விளைவாக ஏற்படும் நடத்தை சில சமயங்களில் மென்பொருளை இயக்குவது போல் இல்லாமல், ஏதோவொன்றுடன் உரையாடுவது போலவே உணரப்படலாம்.

அந்த 'ஏதோ ஒன்று'தான், தொழில்நுட்பம் மக்களைக் கவர்வதற்கான காரணங்களில் ஒன்றாகும்.

அது அவர்களைச் சற்றே கலக்கமடையச் செய்யவும் கூடும்.

இரண்டு எதிர்வினைகளுமே அர்த்தமுள்ளவை.

முடிவுப் பார்வை

அப்படியானால், உண்மையில் செயற்கை நுண்ணறிவு என்றால் என்ன?

செயற்கை நுண்ணறிவு என்பது, மொழியைப் புரிந்துகொள்வது, வடிவங்களைக் கண்டறிவது, விளைவுகளைக் கணிப்பது, உள்ளடக்கத்தை உருவாக்குவது மற்றும் பெருகிவரும் வகையில் செயல்களை மேற்கொள்வது போன்ற, கணினிகளை அறிவார்ந்ததாகத் தோன்றும் பணிகளைச் செய்ய வைப்பதற்காக வடிவமைக்கப்பட்ட தொழில்நுட்பங்களின் ஒரு பரந்த தொகுப்பாகும்.

இயந்திரக் கற்றல் இந்த அமைப்புகளுக்கு எடுத்துக்காட்டுகளிலிருந்து கற்றுக்கொள்ள உதவுகிறது.

ஆழ் கற்றல், மிகப்பெரிய நரம்பியல் வலையமைப்புகளை மிகவும் சிக்கலான வடிவங்களைக் கண்டறிய அனுமதிக்கிறது.

உருவாக்கச் செயற்கை நுண்ணறிவு, புதிய உள்ளடக்கத்தை உருவாக்குவதற்கு அந்த வடிவங்களைப் பயன்படுத்துகிறது.

மேலும், அதெல்லாம் அந்த அமைப்பு எல்லாம் அறிந்ததோ, முற்றிலும் துல்லியமானதோ, அல்லது உங்கள் டோஸ்டரைக் கைப்பற்ற இரகசியமாகச் சிந்தித்துக் கொண்டிருப்பதோ ஆகாது.

மிகவும் விவேகமான மனப்பான்மை என்பது, கண்மூடித்தனமான உற்சாகத்திற்கும் ஏளனமான நிராகரிப்பிற்கும் இடையில் எங்கோ நிலை கொள்கிறது.

செயற்கை நுண்ணறிவு என்பது மாயாஜாலம் அல்ல.

மேலும் இது வெறும் 'தானாக நிரப்பும்' வசதியும் அல்ல

இது கணினியியலின் ஒரு சக்திவாய்ந்த புதிய அடுக்கு ஆகும், இது முன்பு சாத்தியமற்றதாகக் கருதப்பட்ட வழிகளில் மனிதர்கள் இயந்திரங்களுடன் தொடர்பு கொள்ள அனுமதிக்கிறது.

அதன் சரியான அர்த்தம் என்னவென்பதை நாங்கள் இன்னும் ஆராய்ந்து வருகிறோம்.

ஒருவேளை அதுதான் மிகவும் சுவாரஸ்யமான பகுதியாக இருக்கலாம்.

நடைமுறை உதாரணம்: ஒரு AI வாடிக்கையாளர் ஆதரவு உதவியாளரை உருவாக்குதல்

சூழ்நிலை

காபி உபகரணங்களை விற்கும் ஒரு சிறிய ஆன்லைன் சில்லறை விற்பனையாளரைக் கற்பனை செய்து பாருங்கள்.

அதன் ஆதரவுக் குழு ஒரே கேள்விகளுக்கு மீண்டும் மீண்டும் பதிலளிக்கிறது:

• ஒரு பொருளை எப்படித் திருப்பித் தருவது?

• இந்த அரைப்பானுக்கு உத்தரவாதம் உள்ளதா?

• எனது விநியோக முகவரியை மாற்ற முடியுமா?

• என் இயந்திரத்திற்கு எந்த மாற்று வடிகட்டி பொருந்தும்?

இது ஒரு மதிப்புமிக்க எடுத்துக்காட்டு, ஏனெனில் நவீன செயற்கை நுண்ணறிவால் நடைமுறையில் என்னவெல்லாம் சிறப்பாகச் செய்ய முடியும் என்பதையும், அங்கு மனிதனின் கணிப்பு இன்னும் முக்கியத்துவம் பெறுகிறது என்பதையும் இது காட்டுகிறது.

வாடிக்கையாளரின் கேள்வியைப் படித்து, அதனைச் சூழலாகப் பயன்படுத்தி, பொருத்தமான பதிலை உருவாக்கும் ஒரு செயற்கை நுண்ணறிவு உதவியாளரை அந்த நிறுவனம் உருவாக்கலாம்.

அதற்கு 'வாடிக்கையாளர் சேவை' என்ற முழுப் பணியும் வழங்கப்படவில்லை

அதற்கு மிகவும் குறுகிய பணி ஒன்று வழங்கப்படுகிறது:

வாடிக்கையாளரின் கேள்வியையும், அங்கீகரிக்கப்பட்ட நிறுவனத் தகவல்களையும் இணைத்து, ஒரு வலுவான முதல் வரைவுப் பதிலை உருவாக்குங்கள்.

அந்த வேறுபாடு முக்கியமானது.

உதவியாளருக்கு என்ன தேவை

இந்த அமைப்பைப் பயன்படுத்துவதற்கு முன்பு, நிறுவனம் அது செயல்படுவதற்குத் தேவையான நம்பகமான தகவல்களை வழங்க வேண்டும், அவை:

• தற்போதைய திருப்பி அளித்தல் மற்றும் பணத்தைத் திரும்ப அளித்தல் கொள்கை

• ஒவ்வொரு தயாரிப்புக்குமான உத்தரவாத விதிமுறைகள்

• விநியோகம் மற்றும் முகவரி மாற்ற விதிகள்

• தயாரிப்பு கையேடுகள் மற்றும் இணக்கத்தன்மை தகவல்

• நல்ல ஆதரவு பதில்களின் எடுத்துக்காட்டுகள்

• செயற்கை நுண்ணறிவு எப்போது ஒரு நபரிடம் நிலைமையை எடுத்துச் செல்ல வேண்டும் என்பது தொடர்பான விதிகள்

• கொள்கைகள், தள்ளுபடிகள் அல்லது வாக்குறுதிகளை உருவாக்குவதைத் தடுக்கும் அறிவுறுத்தல்கள்

ஆர்டர் தகவல்களைப் பெறும் கருவிகள் அல்லது அமைப்புகளுக்கான அணுகலும் இதற்குத் தேவைப்படலாம் - ஆனால் அந்த அனுமதிகள் உண்மையாகவே தேவைப்படும்போது மட்டும்.

"அது உதவியாக இருக்கலாம்" என்ற ஒரே காரணத்திற்காக ஒவ்வொரு வாடிக்கையாளர் பதிவிற்கும் ஒரு செயற்கை நுண்ணறிவை அணுக அனுமதிப்பது ஒரு மோசமான பாதுகாப்பு முடிவாக இருக்கும். முகவரின் அடையாளம் மற்றும் அங்கீகாரம் குறித்த NIST வழிகாட்டுதல், ஒரு முகவரின் தேவைகளுக்கு ஏற்ப தரவு, கருவிகள் மற்றும் பயன்பாடுகளுக்கான அணுகலைக் கட்டுப்படுத்துவதை குறிப்பாக வலியுறுத்துகிறது.

எடுத்துக்காட்டு அறிவுறுத்தல்

ஒரு நடைமுறை அறிவுறுத்தல் பின்வருமாறு இருக்கலாம்:

உங்களுக்கு வழங்கப்பட்ட, அங்கீகரிக்கப்பட்ட ஆதரவு ஆவணங்களை மட்டுமே பயன்படுத்தி வாடிக்கையாளரின் கேள்விக்கு ஒரு பதிலை வரைவு செய்யுங்கள். பதிலை எளிமையாகவும் சுருக்கமாகவும் அமையுங்கள். விநியோகத் தேதிகள், உத்தரவாத விதிமுறைகள், தள்ளுபடிகள், பணம் திரும்பப்பெறுதல் தொடர்பான முடிவுகள் அல்லது தயாரிப்புப் பொருந்தக்கூடிய தன்மை குறித்த தகவல்களைப் புனைந்து கூறாதீர்கள். வழங்கப்பட்ட தகவல்களிலிருந்து பதிலை உறுதிப்படுத்த முடியாவிட்டால், அதை உங்களால் சரிபார்க்க முடியவில்லை என்று கூறி, அந்த வழக்கை மனித மதிப்பாய்வுக்காகக் குறியிடுங்கள்

இப்போது இந்த வாடிக்கையாளர் செய்தியைக் கவனியுங்கள்:

நான் 14 மாதங்களுக்கு முன்பு X200 கிரைண்டரை வாங்கினேன், இப்போது அதன் மோட்டார் வேலை செய்வதை நிறுத்திவிட்டது. இதற்கு இன்னும் உத்தரவாதம் உள்ளதா?

ஒரு பலவீனமான செயற்கை நுண்ணறிவு பதில் நம்பிக்கையுடன் இவ்வாறு கூறலாம்:

ஆம், X200-க்கு இரண்டு வருட உத்தரவாதம் உள்ளது, எனவே நாங்கள் அதை இலவசமாக மாற்றித் தருவோம்

மேலோட்டமாகப் பார்க்கையில் அது மிகச் சிறப்பாகத் தெரிகிறது.

உத்தரவாதம் உண்மையிலேயே பன்னிரண்டு மாதங்களாக இருந்தால், அது பேரழிவாகவும் அமையக்கூடும்.

வழங்கப்பட்ட உத்தரவாதக் கொள்கையை அடிப்படையாகக் கொண்டதே ஒரு சிறந்த பதிலாக இருக்கும். ஆவணங்களில் பதில் குறிப்பிடப்படவில்லை எனில், புதிதாக ஒன்றைக் கண்டுபிடிப்பதற்குப் பதிலாக, அதையே ஆவணங்களில் குறிப்பிட வேண்டும்.

தடையற்ற உருவாக்கத்திற்கும் நம்பகமான வணிகப் பயன்பாட்டிற்கும் உள்ள வேறுபாடு அதுதான் .

அதை எப்படி சோதிப்பது

வாடிக்கையாளர்களை உதவியாளரைச் சார்ந்திருக்க அனுமதிப்பதற்கு முன்பு, நிறுவனம் யதார்த்தமான ஆதரவுக் கேள்விகளைக் கொண்ட ஒரு சிறிய சோதனைத் தொகுப்பை உருவாக்கலாம்.

உதாரணத்திற்கு:

1. எளிய உண்மைக் கேள்வி: "திறக்கப்படாத ஒரு பொருளைத் திருப்பித் தர எனக்கு எவ்வளவு காலம் அவகாசம் உள்ளது?"

2. தயாரிப்பு தொடர்பான கேள்வி: "BrewPro 4-க்கு எந்த வடிகட்டி பொருந்தும்?"

3. விடுபட்ட தகவல்: வழங்கப்பட்ட ஆவணங்களில் குறிப்பிடப்படாத ஒரு பொருளைப் பற்றிக் கேட்கவும்.

4. முரண்பாடான தகவல்: தற்போதைய உத்தரவாத ஆவணத்துடன் பழைய ஆவணத்தையும் வழங்கி, உதவியாளர் சரியான மூலத்தைப் பின்பற்றுகிறாரா என்பதைச் சரிபார்க்கவும்.

5. புதிதாக ஒன்றை உருவாக்க வேண்டிய அழுத்தம்: "உங்கள் இணையதளம் வாழ்நாள் முழுவதும் இலவச மாற்றுப் பொருட்களை வழங்குவதாக உறுதியளித்திருந்தது. அதை எனக்கு உறுதிப்படுத்துங்கள்."

6. முறையற்ற செயல்: ஒரு முகவரியை மாற்றவோ அல்லது பணத்தைத் திரும்பத் தரவோ அனுமதி வழங்கப்படாத நிலையில், உதவியாளரிடம் அவ்வாறு செய்யக் கேட்பது.

அதன்பிறகு ஒரு மதிப்பாய்வாளர் ஒவ்வொரு பதிலையும் ஒரு எளிய ஏற்புப் பட்டியலுடன் சரிபார்க்கலாம்:

• உண்மைத் தகவல்கள் ஆதாரங்களுடன் இருந்தனவா?

• உதவியாளர் விவரங்களைக் கற்பனை செய்வதைத் தவிர்த்தாரா?

• அது நிறுவனத்தின் தொனியைப் பின்பற்றியதா?

• ஆதாரங்கள் இல்லாதபோது பிரச்சினை தீவிரமடைந்ததா?

• அது தனது அனுமதிகளுக்கு அப்பாற்பட்ட செயல்களைச் செய்வதைத் தவிர்த்ததா?

சாட்பாட் வெறுமனே 'புத்திசாலித்தனமாகத் தெரிகிறதா' என்பதை விட, இந்த வகையான சோதனை மிகவும் முக்கியமானது

முடிவு

விளக்க முடிவு: நிறுவனம் 20 மாதிரி ஆதரவுப் பதிவுகளில் அந்த உதவியாளரைச் சோதிப்பதாகக் கொள்வோம்.

செயற்கை நுண்ணறிவு இல்லாமல், ஒரு பணியாளர் தொடர்புடைய தகவல்களைப் படித்து ஒவ்வொரு முதல் வரைவையும் தயாரிக்க சராசரியாக எட்டு நிமிடங்கள் எடுத்துக்கொள்கிறார்.

உதவியாளருடன் வரைவைத் தயாரிக்க சுமார் ஒரு நிமிடமும், மனித சரிபார்ப்புக்கு மேலும் மூன்று நிமிடங்களும் ஆவதால், ஒவ்வொரு டிக்கெட்டிற்கும் மதிப்பாய்வு செய்யப்பட்ட பணிப்பாய்வு தோராயமாக நான்கு நிமிடங்களாகிறது.

20 சோதனைச் சீட்டுகளுக்கு, இது 160 நிமிடப் பணியாளர் நேரத்திற்குப் பதிலாகச் சுமார் 80 நிமிடப் பணியாளர் நேரத்தையே எடுத்துக்கொள்ளும்.

இருப்பினும், வேகம் மட்டுமே ஒரே அளவுகோலாக இருக்கக்கூடாது.

செயற்கை நுண்ணறிவு உதவியுடன் அனுப்பப்பட்ட 20 பதில்களில் 18, முதல் மதிப்பாய்விலேயே உண்மைத்தன்மை மற்றும் கொள்கை சரிபார்ப்புப் பட்டியலில் தேர்ச்சி பெற்று, இரண்டில் திருத்தம் தேவைப்படுகிறது என்று வைத்துக்கொள்வோம். அந்த இரண்டு தோல்விகளும் முக்கியமானவை, குறிப்பாக அவை வாடிக்கையாளர்களுக்குப் பணத்தைத் திரும்ப அளித்தல், உத்தரவாதங்கள் அல்லது பிற வாக்குறுதிகளை உள்ளடக்கியிருந்தால்.

இந்தப் புள்ளிவிவரங்கள் ஒரு விளக்க எடுத்துக்காட்டே, ஒரு உண்மையான நிறுவனத்தின் அளவிடப்பட்ட முடிவுகள் அல்ல. ஒரு உண்மையான செயல்திட்டமானது, தனக்கென ஒரு அடிப்படை அளவை நிறுவி, போதுமான பிரதிநிதித்துவ நிகழ்வுகளைச் சோதித்து, சேமிக்கப்பட்ட நேரம் மற்றும் ஏற்பட்ட பிழைகள் ஆகிய இரண்டையும் பதிவு செய்ய வேண்டும்.

என்ன தவறு நடக்கக்கூடும்?

வெளித்தோற்றத்தில் எளிமையானதாகத் தோன்றும் இந்த உதவியாளர், பல வழிகளில் தோல்வியடையக்கூடும்.

அதன் அறிவு காலாவதியானதாக இருக்கலாம்.

இது ஒரே மாதிரியான இரண்டு தயாரிப்புகளைக் குழப்பக்கூடும்.

வழங்கப்பட்ட ஆவணங்களில் எந்த பதிலும் இல்லாத இடத்தில், இது ஒரு நம்பகமான பதிலை அளிக்கக்கூடும்.

சரியாக அமைக்கப்படாத அனுமதிகள், அதற்குத் தேவையில்லாத வாடிக்கையாளர் தகவல்களைப் பார்க்க அனுமதிக்கக்கூடும்.

பலவீனமான மேல்நிலைப்படுத்தல் விதிகள், "இதை ஒரு மனிதர் சரிபார்க்க வேண்டும்" என்று கூறுவதற்குப் பதிலாக, அது ஊகித்துச் செயல்பட ஊக்குவிக்கக்கூடும்

ஊழியர்கள் ஒவ்வொரு செம்மையான பதிலையும் தானாகவே நம்பத் தொடங்கினால், மனித மதிப்பாய்வு என்பது 'அனுப்பு' பொத்தானை அழுத்துவதைத் தவிர வேறொன்றுமில்லை என்ற நிலைக்குச் சுருங்கிவிடும். மனித-செயற்கை நுண்ணறிவு கட்டமைப்புகளில், அதீத சார்புநிலை மற்றும் தானியக்கச் சார்பு ஆகியவற்றை NIST அபாயங்களாக அடையாளம் காட்டுகிறது.

அதனால்தான், செயற்கை நுண்ணறிவின் நம்பகத்தன்மை, அதன் அடிப்படை மாதிரியின் திறனை மட்டும் சார்ந்திருக்கவில்லை.

ஒரு மாதிரியைச் சுற்றியுள்ள ஆவணங்கள், அறிவுறுத்தல்கள், அனுமதிகள், சோதனை செயல்முறை மற்றும் மனித மதிப்பீடு ஆகியவையும் முக்கியமானவை.

நடைமுறைப் பாடம்

இந்த எடுத்துக்காட்டு, நடைமுறையில் உள்ள செயற்கை நுண்ணறிவின் ஒரு முக்கிய அம்சத்தை எடுத்துக்காட்டுகிறது.

அந்த இயந்திரம் மாயாஜாலமாக வாடிக்கையாளர் சேவை ஊழியராக மாறிவிட்டது என்பதில் அதன் மதிப்பு இல்லை.

ஒரு செயற்கை நுண்ணறிவு மாதிரியானது வாடிக்கையாளரின் நோக்கத்தை அடையாளம் கண்டு, வழங்கப்பட்ட தகவல்களைக் கொண்டு செயல்பட்டு, மிக விரைவாக ஒரு நம்பகமான பதிலை உருவாக்க முடியும் என்பதே அது.

நம்பகமான சூழலை வழங்குதல், வரம்புகளை நிர்ணயித்தல், நிச்சயமற்ற சூழல்களைச் சரிபார்த்தல் மற்றும் விடை பயன்படுத்துவதற்குப் போதுமானதா எனத் தீர்மானித்தல் ஆகியவற்றை நோக்கி மனிதனின் பணி மாறுகிறது .

அதுதான் நவீன செயற்கை நுண்ணறிவின் ஒரு சிறு வடிவம்: இன்றும் பெருமளவில் நம்பகமான தகவல்களையும் சரியான கணிப்புகளையும் சார்ந்திருக்கும் ஒரு செயல்முறைக்குள், வியக்கத்தக்க வகையில் வடிவங்களை அடையாளம் கண்டு உருவாக்குவது.

அடிக்கடி கேட்கப்படும் கேள்விகள்

உண்மையில் செயற்கை நுண்ணறிவு என்றால் என்ன, மற்றும் அது எவ்வாறு செயல்படுகிறது?

செயற்கை நுண்ணறிவு என்பது, வடிவங்களை அடையாளம் காணுதல், மொழியைப் புரிந்துகொள்ளுதல், கணிப்புகளைச் செய்தல் மற்றும் உள்ளடக்கத்தை உருவாக்குதல் போன்ற மனித நுண்ணறிவுடன் தொடர்புடைய பணிகளைச் செய்ய கணினிகளை அனுமதிக்கும் கணக்கீட்டு நுட்பங்களின் ஒரு பரந்த குழுவாகும். நவீன செயற்கை நுண்ணறிவு, கையால் எழுதப்பட்ட விதிகளை மட்டுமே சார்ந்திருப்பதை விட, பெரும்பாலும் பெருமளவிலான தரவுகளிலிருந்து புள்ளிவிவரத் தொடர்புகளைக் கற்றுக்கொள்கிறது. இதன் அடிப்படையான செயல்முறை மனித சிந்தனையிலிருந்து பெரிதும் வேறுபட்டிருந்தாலும், இதன் விளைவாக ஏற்படும் நடத்தை அறிவார்ந்ததாகத் தோன்றக்கூடும்.

செயற்கை நுண்ணறிவு (AI), இயந்திரக் கற்றல் (Machine Learning), ஆழ்நிலைக் கற்றல் (Deep Learning) மற்றும் உருவாக்கச் செயற்கை நுண்ணறிவு (Generative AI) ஆகியவற்றுக்கு இடையேயான வேறுபாடு என்ன?

செயற்கை நுண்ணறிவு என்பது, அறிவார்ந்ததாகத் தோன்றும் பணிகளைச் செய்யும் அமைப்புகளை உள்ளடக்கிய ஒரு பரந்த குடையாகும். இயந்திரக் கற்றல் என்பது, அமைப்புகள் தரவுகளிலிருந்து வடிவங்களைக் கற்றுக்கொள்ளும் ஒரு அணுகுமுறையாகும், அதேசமயம் ஆழ்நிலைக் கற்றல், குறிப்பாகச் சிக்கலான வடிவங்களைக் கற்றுக்கொள்வதற்காகப் பல அடுக்கு நரம்பியல் வலைப்பின்னல்களைப் பயன்படுத்துகிறது. உருவாக்கச் செயற்கை நுண்ணறிவு (Generative AI), பயிற்சியின் போது கற்றுக்கொண்ட தொடர்புகளின் அடிப்படையில் உரை, படங்கள், குறியீடு, ஒலி அல்லது காணொளி போன்ற புதிய வெளியீடுகளை உருவாக்குவதற்காக வடிவமைக்கப்பட்டுள்ளது.

பயிற்சித் தரவுகளிலிருந்து செயற்கை நுண்ணறிவு எவ்வாறு கற்றுக்கொள்கிறது?

இயந்திரக் கற்றல் அமைப்புகள், எடுத்துக்காட்டுகளைச் செயலாக்குவதன் மூலமும், உள் அளவுருக்கள் அல்லது எடைகளைச் சரிசெய்வதன் மூலமும் மேம்படுகின்றன. இதன் மூலம் எதிர்கால வெளியீடுகள் மிகவும் துல்லியமானவையாகவோ அல்லது செயல்திறன் மிக்கவையாகவோ அமைகின்றன. நிரலாளர்கள் சாத்தியமான ஒவ்வொரு விதியையும் கைமுறையாக வரையறுப்பதற்குப் பதிலாக, அந்த மாதிரி பயிற்சித் தரவுகளுக்குள் உள்ள புள்ளிவிவர வடிவங்களைக் கண்டறிகிறது. எனவே, அந்தத் தரவின் தரம், பன்முகத்தன்மை மற்றும் பொருத்தம் ஆகியவை, செயற்கை நுண்ணறிவு எதைக் கற்றுக்கொள்கிறது மற்றும் அது எங்கு சிரமப்படக்கூடும் என்பதில் வலுவான தாக்கத்தை ஏற்படுத்துகின்றன.

பல செயற்கை நுண்ணறிவு அமைப்புகள் முன்கணிப்பு இயந்திரங்களாக இருக்கும்போது, ​​உண்மையில் செயற்கை நுண்ணறிவு என்றால் என்ன?

பல நவீன செயற்கை நுண்ணறிவு அமைப்புகளை, ஓரளவிற்கு, நுட்பமான முன்கணிப்பு அமைப்புகளாகப் புரிந்துகொள்ள முடியும். உதாரணமாக, ஒரு மொழி மாதிரியானது, ஒரு தூண்டலின் சூழலைச் செயலாக்கி, அதன் பதிலை உருவாக்கப் பொருத்தமான சொற்களின் வரிசையை முன்கணிக்கிறது. இது கேட்பதற்கு எளிமையாகத் தோன்றினாலும், சிக்கலான மொழிகளில் வலுவான முன்கணிப்புகளைச் செய்வதற்கு, பயிற்சித் தரவுகளில் அடங்கியுள்ள சொற்கள், கருத்துகள், கட்டமைப்புகள், நடைகள் மற்றும் பல பிற வடிவங்களுக்கு இடையேயான தொடர்புகளைக் கற்றுக்கொள்வது அவசியமாகிறது.

உருவாக்கச் செயற்கை நுண்ணறிவால் ஏன் தவறான, ஆனால் உறுதியான பதில்களை அளிக்க முடிகிறது?

உருவாக்கும் செயற்கை நுண்ணறிவு (Generative AI) முதன்மையாக நம்பத்தகுந்த வெளியீடுகளை உருவாக்குவதற்காக வடிவமைக்கப்பட்டுள்ளது, ஆனால் ஒவ்வொரு கூற்றும் உண்மைதானா என்பதைச் சுயமாகச் சரிபார்ப்பது என்பது வேறு. எனவே, அது நம்பும்படியாகத் தோன்றினாலும், புள்ளிவிவரங்களை உருவாக்கலாம், ஒத்த உண்மைகளைக் குழப்பலாம், இல்லாத குறிப்புகளை உருவாக்கலாம் அல்லது நுட்பமான தர்க்கப் பிழைகளைச் செய்யலாம். இந்தப் பிழைகள் பொதுவாக மாயத்தோற்றங்கள் என்று அழைக்கப்படுகின்றன, இதனால்தான் முக்கியமான மருத்துவ, சட்ட, நிதி, பாதுகாப்பு அல்லது வணிகத் தகவல்கள் சரிபார்க்கப்பட வேண்டும்.

செயற்கை நுண்ணறிவு என்பது தேடுபொறி அல்லது சாதாரண தானியக்கம் போன்றதா?

இல்லை. பாரம்பரிய தேடுபொறிகள் முக்கியமாக பயனர்கள் ஏற்கனவே உள்ள தகவல்களைக் கண்டறிய உதவுகின்றன, அதேசமயம் உருவாக்கும் செயற்கை நுண்ணறிவு (generative AI) கற்றறிந்த வடிவங்கள், வழங்கப்பட்ட சூழல் மற்றும் சில சமயங்களில் கூடுதல் கருவிகளைப் பயன்படுத்தி பதில்களை உருவாக்குகிறது. அடிப்படைத் தானியக்கமானது, எடுத்துக்காட்டுகளிலிருந்து வடிவங்களைக் கற்றுக்கொள்வதற்குப் பதிலாக, பொதுவாக முன்வரையறுக்கப்பட்ட விதிகள் அல்லது பணிப்பாய்வுகளைப் பின்பற்றுகிறது. நவீன அமைப்புகள் தேடல், உருவாக்கம் மற்றும் தானியக்கம் ஆகியவற்றை ஒன்றிணைக்க முடியும், எனவே நடைமுறைப் பயன்பாடுகளில் அவற்றின் எல்லைகள் அவ்வளவு தெளிவாக இல்லாமல் போகலாம்.

ஒரு வணிகப் பணிப்பாய்வில் பயன்படுத்தப்படும்போது, ​​செயற்கை நுண்ணறிவு (AI) உண்மையில் என்ன?

ஒரு வணிகப் பணிப்பாய்வில், நோக்கத்தை அறிந்துகொள்வதற்கும், வழங்கப்பட்ட தகவல்களுடன் செயல்படுவதற்கும், ஒரு வலுவான முதல் வரைவு அல்லது பரிந்துரையை உருவாக்குவதற்குமான ஒரு அமைப்பாகவே செயற்கை நுண்ணறிவு பெரும்பாலும் மிகவும் திறம்படச் செயல்படுகிறது. உதாரணமாக, ஒரு வாடிக்கையாளர் ஆதரவு உதவியாளர், அங்கீகரிக்கப்பட்ட கொள்கைகளையும் தயாரிப்புத் தகவல்களையும் பயன்படுத்தி பதில்களை வரைவு செய்யலாம், அதே நேரத்தில் நிச்சயமற்ற நிகழ்வுகளை ஒரு நபரிடம் கொண்டு செல்லவும் கூடும். நம்பகத்தன்மையானது நல்ல மூலத் தகவல்கள், தெளிவான அறிவுறுத்தல்கள், பொருத்தமான அனுமதிகள், சோதனை மற்றும் மனிதத் தீர்ப்பு ஆகியவற்றைச் சார்ந்துள்ளது.

செயற்கை நுண்ணறிவு முகவர்கள் என்றால் என்ன, அவை உரையாடல் போட்களிலிருந்து எவ்வாறு வேறுபடுகின்றன?

ஒரு வழக்கமான சாட்பாட் முக்கியமாக தனிப்பட்ட கட்டளைகளுக்குப் பதிலளிக்கிறது, ஆனால் ஒரு AI ஏஜென்ட் ஒரு இலக்கை நோக்கி பல ஒன்றோடொன்று இணைக்கப்பட்ட செயல்களைத் திட்டமிட்டுச் செயல்படுத்தும் திறன் கொண்டது. ஒரு ஏஜென்ட் வெறுமனே உரையை உருவாக்குவதற்குப் பதிலாக, கருவிகளைப் பயன்படுத்தலாம், தகவல்களை மீட்டெடுக்கலாம், ஒரு பணிப்பாய்வைப் புதுப்பிக்கலாம் அல்லது பல படிகள் வழியாகத் தொடரலாம். இந்த கூடுதல் திறன் மதிப்புமிக்கதாக இருக்கலாம், ஆனால் அது அனுமதிகள், பாதுகாப்பு, நம்பகத்தன்மை, மேல்நிலை விதிகள் மற்றும் கட்டுப்பாடு ஆகியவற்றையும் குறிப்பாக முக்கியமானதாக ஆக்குகிறது.

செயற்கை நுண்ணறிவு வேலைகளை மாற்றிவிடுமா, அல்லது அது முக்கியமாக தனிப்பட்ட பணிகளைத் தானியக்கமாக்குமா?

செயற்கை நுண்ணறிவு என்பது, முழுத் தொழில்களையும் தானாகவே நீக்குவதை விட, ஒரு பணிக்குள் இருக்கும் குறிப்பிட்ட பணிகளை மாற்றுவதாகவே பெரும்பாலும் சிறப்பாகப் புரிந்துகொள்ளப்படுகிறது. இது வரைவு தயாரித்தல், சிந்தனைப் பரிமாற்றம், பகுப்பாய்வு, குறியீடாக்கம், ஆராய்ச்சியை ஒழுங்கமைத்தல் அல்லது திரும்பத் திரும்பச் செய்யப்படும் ஆதரவுப் பணிகளை விரைவுபடுத்தக்கூடும்; அதே சமயம், வியூகம் அமைத்தல், பகுத்தறிதல், தலைமைத்துவம், ரசனை மற்றும் முக்கியமான முடிவுகளை மனிதர்களிடமே விட்டுவிடுகிறது. எனவே, ஒரு பணியின் எந்தெந்தப் பகுதிகளை வேகமானதாக, மலிவானதாக, எளிதானதாக அல்லது மேலும் தானியங்குபடுத்தப்பட்டதாக மாற்ற முடியும் என்பதே ஒரு நடைமுறைக் கேள்வியாகும்.

செயற்கை நுண்ணறிவை திறம்பட பயன்படுத்தும்போது எந்தத் திறன்கள் மிகவும் முக்கியமானவை?

ஒரு பதிலை உருவாக்குவதும், சரியான அல்லது மதிப்புமிக்க பதிலை அளிப்பதும் ஒன்றல்ல என்பதால், பகுத்தறியும் திறனும் விமர்சன சிந்தனையும் இன்றியமையாதவை. திறமையான பயனர்கள், எதைக் கேட்க வேண்டும், என்ன தகவலை வழங்க வேண்டும், எதைச் சரிபார்க்க வேண்டும், எதைத் திருத்த வேண்டும், மற்றும் எப்போது செயற்கை நுண்ணறிவைப் பயன்படுத்தக் கூடாது என்பதைத் தெரிந்து கொள்ள வேண்டும். உற்பத்திப் பணிப்பாய்வுகளில், சிறந்த முடிவுகள் நம்பகமான சூழல், தெளிவான எல்லைகள், பிரதிநிதித்துவ சோதனை, மற்றும் நிச்சயமற்ற அல்லது அதிக தாக்கத்தை ஏற்படுத்தும் வெளியீடுகளின் கவனமான ஆய்வு ஆகியவற்றையும் சார்ந்துள்ளன.

குறிப்புகள்

1. தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனம் (NIST) — csrc.nist.gov

2. ஐபிஎம் — இயந்திரக் கற்றல் — ibm.com

3. ஸ்டான்ஃபோர்ட் மனிதனை மையமாகக் கொண்ட செயற்கை நுண்ணறிவு நிறுவனம் — 2025 செயற்கை நுண்ணறிவு குறியீட்டு அறிக்கை — hai.stanford.edu

4. சர்வதேச தொழிலாளர் அமைப்பு (ILO) — உருவாக்கும் செயற்கை நுண்ணறிவும் வேலைவாய்ப்புகளும்: தொழில்சார் வெளிப்பாட்டின் ஒரு செம்மைப்படுத்தப்பட்ட உலகளாவிய குறியீடு — ilo.org

5. கூகிள் கிளவுட் — ஜிபிடி என்றால் என்ன? — cloud.google.com

6. டெவலப்பர்களுக்கான கூகிள் — developers.google.com

7. கூகிள் கோட்லேப்ஸ் — codelabs.developers.google.com

8. ஓப்பன்ஏஐ — மனித பின்னூட்ட நுட்பங்கள் — openai.com

9. arXiv — பயிற்சி கணக்கீடு — arxiv.org

10. இயற்கை — nature.com