சுருக்கமான பதில்: செயற்கை நுண்ணறிவின் வகைகளை அவற்றின் திறன், செயல்பாடு, பயிற்சி முறை மற்றும் பயன்பாட்டுச் சூழல் ஆகியவற்றின் அடிப்படையில் சிறப்பாகப் புரிந்துகொள்ளலாம். குறுகிய செயற்கை நுண்ணறிவு இன்று பரவலாகப் பயன்படுத்தப்படுகிறது, அதேசமயம் பொதுவான செயற்கை நுண்ணறிவு மற்றும் உயர் செயற்கை நுண்ணறிவு ஆகியவை இன்னும் கோட்பாட்டு ரீதியாகவே உள்ளன. ஒரு கருவியைத் தேர்ந்தெடுக்கும்போது, அதன் வகையை நீங்கள் செய்ய வேண்டிய பணி, அதில் உள்ள அபாயங்கள் மற்றும் மனித மதிப்பாய்வின் தேவை ஆகியவற்றுடன் பொருத்திப் பார்க்க வேண்டும்.
முக்கிய குறிப்புகள்:
வகைப்பாடு: அமைப்புகளை ஒப்பிடுவதற்கு முன், அவற்றின் திறன், செயல்பாடு, பயிற்சி முறை மற்றும் பயன்பாட்டுச் சூழல் ஆகியவற்றைத் தனித்தனியாகப் பிரிக்கவும்.
மனித மதிப்பாய்வு: உருவாக்க, முன்கணிப்பு மற்றும் உரையாடல் சார்ந்த வெளியீடுகளை நம்புவதற்கு முன் அவற்றைச் சரிபார்க்கவும்.
வெளிப்படைத்தன்மை: ஒவ்வொரு செயற்கை நுண்ணறிவு அமைப்பையும் எந்தெந்தத் தரவுகள், தர்க்கம் மற்றும் வரம்புகள் வடிவமைக்கின்றன என்று கேளுங்கள்.
பொறுப்புக்கூறல்: செயற்கை நுண்ணறிவு முடிவுகள், பயனர்கள் அல்லது பாதுகாப்பைப் பாதிக்கும்போது, மனிதர்களைப் பொறுப்பாக்குங்கள்.
இடர் கட்டுப்பாடு: செயல்படுத்துவதற்கு முன் சார்பு, தனியுரிமை, பாதுகாப்பு மற்றும் தவறான பயன்பாடு ஆகியவற்றைச் சோதிக்கவும்.
🔗 செயற்கை நுண்ணறிவை மேற்கோள் காட்டுவது எப்படி?
செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட உள்ளடக்கத்திற்கான எளிய மேற்கோள் விதிகளைக் கற்றுக்கொள்ளுங்கள்.
🔗 செயற்கை நுண்ணறிவு உலகை ஆளப் போகிறதா?
யதார்த்தமான அபாயங்கள், கட்டுக்கதைகள் மற்றும் எதிர்கால செயற்கை நுண்ணறிவு சாத்தியக்கூறுகளை ஆராயுங்கள்.
🔗 AI கண்ணாடிகள் என்றால் என்ன?
ஸ்மார்ட் கண்ணாடிகளின் அம்சங்கள், பயன்பாடுகள் மற்றும் அன்றாடப் பலன்களைப் புரிந்துகொள்ளுங்கள்.
🔗 AI TV என்றால் என்ன?
செயற்கை நுண்ணறிவு நவீன தொலைக்காட்சி அனுபவங்களை எவ்வாறு மேம்படுத்துகிறது என்பதைத் தெரிந்துகொள்ளுங்கள்.
1. செயற்கை நுண்ணறிவின் வகைகள் யாவை?
மக்கள், “ செயற்கை நுண்ணறிவின் வகைகள் யாவை ?” என்று கேட்கும்போது, அவர்கள் பொதுவாக இரண்டு விஷயங்களில் ஒன்றைக் குறிப்பிடுகிறார்கள்:
ஒருவேளை அவர்கள், செயற்கை நுண்ணறிவின் திறனை அடிப்படையாகக் கொண்டு , அதாவது அது ஒரே ஒரு பணியை மட்டுமே செய்ய முடியுமா அல்லது மனிதனைப் போல பரந்த அளவில் சிந்திக்க முடியுமா என்பது போன்ற கேள்விகளைக் கேட்கலாம்
அல்லது அவர்கள் , ஒரு அமைப்பு எவ்வாறு நடந்துகொள்கிறது, கற்றுக்கொள்கிறது, நினைவில் கொள்கிறது, கணிக்கிறது அல்லது பதிலளிக்கிறது என்பதைப் பொறுத்து, அதன் செயல்பாட்டை அடிப்படையாகக் கொண்ட செயற்கை நுண்ணறிவு பற்றிக் கேட்கலாம்
இங்குதான் விஷயங்கள் சற்று சிக்கலாகின்றன. செயற்கை நுண்ணறிவை ஒரே சீரான வரையறைக்குள் அடக்க முடியாது. அது, சமையலறைக் கருவிகளை அவற்றின் அளவு, பயன்பாடு, கூர்மை, மற்றும் உங்கள் மாமா அவற்றை ஒரு சந்தேகத்திற்குரிய ஆன்லைன் கடையில் வாங்கினாரா இல்லையா என்பதைப் பொறுத்து வகைப்படுத்துவதைப் போன்றது. வெவ்வேறு வகைப்படுத்தல் அமைப்புகள் ஒன்றுடன் ஒன்று மேல்தழுவுகின்றன.
முக்கிய பிரிவுகளில் பொதுவாக அடங்குபவை:
-
குறுகிய AI
-
பொது செயற்கை நுண்ணறிவு
-
சூப்பர் ஏஐ
-
வினைபுரியும் இயந்திரங்கள்
-
வரையறுக்கப்பட்ட நினைவகம் கொண்ட AI
-
மனதின் கோட்பாடு AI
-
சுய விழிப்புணர்வு கொண்ட செயற்கை நுண்ணறிவு
-
இயந்திர கற்றல் செயற்கை நுண்ணறிவு
-
ஆழ் கற்றல் செயற்கை நுண்ணறிவு
-
ஜெனரேட்டிவ் AI
-
முன்கணிப்பு செயற்கை நுண்ணறிவு
-
உரையாடல் செயற்கை நுண்ணறிவு
-
கணினிப் பார்வை செயற்கை நுண்ணறிவு
-
ரோபோடிக்ஸ் ஏஐ
இவற்றில் சில பரவலாகப் பயன்படுத்தப்படுகின்றன. சில இன்னும் பெரும்பாலும் கோட்பாட்டு ரீதியானவையாகவே உள்ளன. சில எதிர்காலத்தைக் காட்டுவதாகத் தோன்றினாலும், அவை ஏற்கனவே அன்றாடப் பயன்பாடுகளில் உள்ளமைக்கப்பட்டுள்ளன. "சாதாரண மென்பொருள்" மற்றும் "செயற்கை நுண்ணறிவு" ஆகியவற்றுக்கு இடையேயான வேறுபாடும் காலப்போக்கில் மங்கலாகிவிட்டது.
2. திறன் வாரியாக செயற்கை நுண்ணறிவின் வகைகள்
செயற்கை நுண்ணறிவை வகைப்படுத்துவதற்கான முதல் முக்கிய வழி, அது என்ன செய்ய முடியும் என்பதைப் பொறுத்தே அமைகிறது. இதுவே ஒரு பரந்த கண்ணோட்டம் 🧠.
குறுகிய AI
குறுகிய செயற்கை நுண்ணறிவு, ஒரு குறிப்பிட்ட பணியை அல்லது ஒரு சில பணிகளை மட்டுமே செய்வதற்காக வடிவமைக்கப்பட்டுள்ளது. இதுவே மக்கள் அன்றாடம் பயன்படுத்தும் செயற்கை நுண்ணறிவு ஆகும்.
உதாரணங்கள் பின்வருமாறு:
-
தேடல் பரிந்துரைகள்
-
ஸ்பேம் வடிப்பான்கள்
-
குரல் உதவியாளர்கள்
-
முக அங்கீகார அமைப்புகள்
-
சாட்பாட்கள்
-
தயாரிப்பு பரிந்துரை இயந்திரங்கள்
-
மோசடி கண்டறியும் கருவிகள்
-
மொழிபெயர்ப்பு செயலிகள்
குறுகிய வகை செயற்கை நுண்ணறிவு சக்தி வாய்ந்ததாக இருக்கலாம், ஆனால் அது பரந்த மனித அர்த்தத்தில் 'சிந்திப்பதில்லை'. ஒரு சதுரங்க செயற்கை நுண்ணறிவால் ஒரு கிராண்ட்மாஸ்டரைத் தோற்கடிக்க முடியும், ஆனால் அதனால் திடீரென்று ஒரு பேஸ்ட்ரி செஃப் ஆக மாற முடியாது. ஒரு மொழிபெயர்ப்பு மாதிரியால் ஒரு பத்தியை மொழிபெயர்க்க முடியும், ஆனால் அது ஒரு மனிதனைப் போல மொழியை உணர்வதில்லை.
இருப்பினும், குறுகிய பார்வை கொண்ட செயற்கை நுண்ணறிவுதான் நவீன செயற்கை நுண்ணறிவு உலகின் உழைக்கும் குதிரையாக விளங்குகிறது. அது அறிவியல் புனைகதை பாணியில் கவர்ச்சிகரமானதாக இல்லை, ஆனால் திரைக்குப் பின்னால் நடக்கும் பெரும்பாலான நிகழ்வுகளை அதுவே இயக்குகிறது 🎭.
பொது செயற்கை நுண்ணறிவு
பொது செயற்கை நுண்ணறிவு என்பது, மனிதனைப் போன்ற மட்டத்தில் புரிந்துகொள்ளவும், கற்றுக்கொள்ளவும், பகுத்தறியவும், மற்றும் பல்வேறு பணிகளில் அறிவைப் பயன்படுத்தவும் திறன் கொண்ட செயற்கை நுண்ணறிவைக் குறிக்கிறது.
சுருக்கமாகச் சொன்னால்: அது ஒரே ஒரு காரியத்தை மட்டும் சிறப்பாகச் செய்யாது. அதனால் தன்னைத் தகவமைத்துக் கொள்ள முடியும்.
ஒரு உண்மையான பொது செயற்கை நுண்ணறிவால் பின்வருவனவற்றைச் செய்ய இயலும்:
-
அறிமுகமில்லாத பணிகளைக் கற்றுக்கொள்ளுங்கள்
-
பல்வேறு பாடங்களில் காரணம்
-
புதிய சிக்கல்களைத் தீர்க்கவும்
-
ஒரு துறையிலிருந்து மற்றொரு துறைக்கு அறிவைப் பரிமாற்றம் செய்தல்
-
சூழலை இன்னும் ஆழமாகப் புரிந்து கொள்ளுங்கள்
-
நெகிழ்வான விவேகத்துடன் முடிவெடுங்கள்
இந்த வகையான செயற்கை நுண்ணறிவு, அன்றாட யதார்த்தத்தை விட இன்னும் ஒரு இலக்காகவே உள்ளது. இது கவர்ச்சிகரமானதாகவும், ஒருவேளை சற்றே கலக்கமூட்டுவதாகவும், ஒரு கருத்தாக எதிர்க்க முடியாததாகவும் இருப்பதால் மக்கள் இதைப் பற்றி அதிகம் பேசுகிறார்கள். ஆனால், உரையை எழுதும், படங்களை உருவாக்கும், அல்லது கேள்விகளுக்குப் பதிலளிக்கும் வழக்கமான கருவிகள் தானாகவே பொதுவான செயற்கை நுண்ணறிவாகிவிடாது. அவை பரந்ததாகத் தோன்றலாம், ஆனால் அவை வடிவமைக்கப்பட்ட வரம்புகளுக்குள்ளேயே செயல்படுகின்றன.
சூப்பர் ஏஐ
சூப்பர் ஏஐ மனித நுண்ணறிவையும் தாண்டியதாக இருக்கும். அது வெறும் வேகமான தட்டச்சு அல்லது சிறந்த கணிதத் திறனை மட்டுமல்ல - மேம்பட்ட பகுத்தறிவு, படைப்பாற்றல், வியூகம், கற்றல், மேலும் ஒருவேளை உணர்ச்சி அல்லது சமூகப் புரிதலையும் கூடக் கொண்டிருக்கும்.
இது மிகவும் ஊகத்திற்குரிய வகை. இது பெரும் கேள்விகளை எழுப்புகிறது:
-
இதை யார் கட்டுப்படுத்துகிறார்கள்?
-
இதை மனித விழுமியங்களுடன் ஒத்துப்போகச் செய்ய முடியுமா?
-
அது மனிதர்களின் இலக்குகளைச் சரியாகப் புரிந்துகொள்ளுமா?
-
அது தன்னைத்தானே மேம்படுத்திக் கொள்ள முடியுமா?
-
மனிதர்களால் பின்பற்ற முடியாத முடிவுகளை அது எடுத்தால் என்னவாகும்?
சூப்பர் ஏஐ என்பது, ஏஐ உரையாடல்கள் சில சமயங்களில் தத்துவார்த்தக் கலவையாக மாறும் ஓர் இடம். ஒருவேளை அது மதிப்புமிக்க கலவையாக இருக்கலாம், ஆனால் அது வெறும் கலவைதான் 🍲.
3. செயல்பாட்டின் அடிப்படையில் செயற்கை நுண்ணறிவின் வகைகள்
செயற்கை நுண்ணறிவின் வகைகளை விளக்குவதற்கான மற்றொரு பொதுவான வழி, அதன் செயல்பாட்டின் அடிப்படையிலான விளக்கமாகும். இது, செயற்கை நுண்ணறிவு எவ்வாறு நடந்துகொள்கிறது என்பதில் கவனம் செலுத்துகிறது.
வினைபுரியும் இயந்திரங்கள்
எதிர்வினை இயந்திரங்கள் என்பவை செயற்கை நுண்ணறிவின் மிகவும் எளிமையான வகையாகும். அவை கடந்தகால அனுபவங்களின் நினைவுகளைப் பயன்படுத்தாமல், தற்போதைய உள்ளீட்டிற்குப் பதிலளிக்கின்றன.
நவீன தகவமைப்பு அமைப்புகளைப் போல அவை காலப்போக்கில் கற்றுக்கொள்வதில்லை. அவை சூழ்நிலையை ஆராய்ந்து, அதைப் பகுப்பாய்வு செய்து, அதற்கேற்ப செயல்படுகின்றன.
அவற்றை இப்படி நினைத்துக் கொள்ளுங்கள்: “உள்ளீடு உள்ளே வருகிறது. வெளியீடு வெளியே செல்கிறது. நாட்குறிப்புப் பதிவுகள் ஏதுமில்லை.”
எதிர்வினை ஆற்றும் செயற்கை நுண்ணறிவு இப்போதும் ஈர்க்கக்கூடியதாக இருக்க முடியும். அது ஒரு விளையாட்டில் சாத்தியமான நகர்வுகளைப் பகுப்பாய்வு செய்யலாம் அல்லது தெளிவாக வரையறுக்கப்பட்ட ஒரு சூழ்நிலைக்கு அதிவேகத்துடனும் துல்லியத்துடனும் பதிலளிக்கலாம். ஆனால், அது தனக்கென ஒரு தனிப்பட்ட வரலாற்றை உருவாக்குவதில்லை அல்லது கடந்தகாலத் தொடர்புகளின் அடிப்படையில் தன்னை மேம்படுத்திக் கொள்வதில்லை.
வரையறுக்கப்பட்ட நினைவகம் கொண்ட AI
குறைந்த நினைவகத் திறன் கொண்ட செயற்கை நுண்ணறிவு, சிறந்த முடிவுகளை எடுக்க கடந்தகாலத் தரவுகளைப் பயன்படுத்த முடியும். இன்றைய நடைமுறைச் செயற்கை நுண்ணறிவில் பெரும்பாலானவை இந்தப் பிரிவில்தான் அடங்கியுள்ளன.
உதாரணங்கள் பின்வருமாறு:
-
பயனர் நடத்தையிலிருந்து கற்றுக்கொள்ளும் பரிந்துரை அமைப்புகள்
-
தானியங்கி வாகன அமைப்புகள் சமீபத்திய சாலை நிலவரங்களை ஆய்வு செய்கின்றன
-
ஒரு உரையாடலின் சூழலை நினைவில் கொள்ளும் சாட்பாட்கள்
-
பரிவர்த்தனை முறைகளிலிருந்து கற்றுக்கொள்ளும் மோசடி கண்டறிதல் மாதிரிகள்
-
வரலாற்றுத் தரவைப் பயன்படுத்தும் முன்கணிப்பு பகுப்பாய்வுக் கருவிகள்
வரையறுக்கப்பட்ட நினைவகம் என்பது "மோசமான நினைவகம்" என்று அர்த்தமல்ல. சேமிக்கப்பட்ட அல்லது சமீபத்திய தரவுகளை கணினியால் பயன்படுத்த முடியும், ஆனால் அதற்கு மனிதனைப் போன்ற உணர்வுநிலையோ அல்லது நீண்டகால தனிப்பட்ட அனுபவமோ இல்லை என்பதே இதன் பொருள். இருப்பினும், அது மிகவும் திறம்பட செயல்படக்கூடும். சில நேரங்களில் எரிச்சலூட்டும் அளவுக்குத் திறம்படவும் இருக்கும் - உதாரணமாக, நீங்கள் விரும்புவதை நீங்களே ஒப்புக்கொள்வதற்கு முன்பே ஒரு ஷாப்பிங் செயலிக்குத் தெரிந்திருப்பது போல 🛒.
மனதின் கோட்பாடு AI
மனக் கோட்பாட்டுச் செயற்கை நுண்ணறிவு , உணர்ச்சிகள், நம்பிக்கைகள், நோக்கங்கள் மற்றும் சமூகக் குறிப்புகளை மிகவும் மனிதனைப் போன்ற முறையில் புரிந்துகொள்ளும்.
இந்த வகை செயற்கை நுண்ணறிவு வெறும் வார்த்தைகளை மட்டும் செயலாக்காது. ஒருவர் என்ன உணர்வார், விரும்புவார், தவறாகப் புரிந்துகொள்வார், அஞ்சுவார் அல்லது எதிர்பார்ப்பார் என்பதை அது ஊகித்து அறியும்.
உதாரணமாக, அது பின்வருவனவற்றைப் புரிந்துகொள்ளக்கூடும்:
-
ஒரு வாடிக்கையாளர் விரக்தியடைந்திருந்தாலும், கண்ணியமாக நடந்துகொள்ள முயற்சிக்கிறார்
-
ஒரு மாணவன் குழப்பமடைந்திருந்தாலும், மீண்டும் கேட்கத் தயங்குகிறான்
-
"நான் நலமாக இருக்கிறேன்" என்று கூறியபோதிலும், ஒரு நோயாளி பதட்டமாக இருக்கிறார்
-
ஒரு சக வீரர் மனதுக்குள் உடன்படாததால் தயங்குகிறார்
இது செயற்கை நுண்ணறிவு விவாதத்தின் ஒரு தீவிரமான பகுதியாகத் தொடர்கிறது, ஆனால் உண்மையான மனக் கோட்பாட்டுச் செயற்கை நுண்ணறிவு என்பது மிகவும் கடினமானது. மனித உணர்வுகள் சிக்கலானவை. மக்கள் ஒன்றைச் சொல்லி, வேறொன்றை அர்த்தப்படுத்துவார்கள். சில சமயங்களில், தாங்கள் என்ன சொல்ல வருகிறோம் என்பது அவர்களுக்கே கூடத் தெரியாது. இயந்திரமே, உனக்கு என் வாழ்த்துக்கள்.
சுய விழிப்புணர்வு கொண்ட செயற்கை நுண்ணறிவு
சுய விழிப்புணர்வுள்ள செயற்கை நுண்ணறிவுக்கு உணர்வு, சுய புரிதல் மற்றும் அதன் உள்நிலை குறித்த விழிப்புணர்வு இருக்கும்.
இது ஒரு கோட்பாட்டு விஷயம். இது அறிவியல் புனைகதை, நெறிமுறைகள் குறித்த கலந்துரையாடல் அமர்வுகள், நள்ளிரவு விவாதங்கள், மற்றும் மக்கள் நாடகத்தனமாக ஜன்னல் வழியே வெளியே வெறித்துப் பார்ப்பது போன்றவற்றுக்கு உரியது 🌙.
சுய விழிப்புணர்வு கொண்ட ஒரு செயற்கை நுண்ணறிவு, உணர்வுகளைப் பற்றிய உரையாடலை வெறுமனே போலியாகச் செய்யாது. அது ஒருவித அகநிலை அனுபவத்தைக் கொண்டிருக்கும். இது ஒரு மிகப்பெரிய கூற்று. தற்போதைய செயற்கை நுண்ணறிவு அமைப்புகளுக்கு சரிபார்க்கப்பட்ட நனவுநிலை, உணர்வுகள், ஆசைகள் அல்லது சுயம் ஆகியவை இல்லை.
மொழி சுயசிந்தனையைப் பிரதிபலிக்க முடியும் என்பதால், அவை சுய விழிப்புணர்வுடன் இருப்பது போல் ஒலிக்கலாம். ஆனால், ஒன்று போல் ஒலிப்பதும், ஒன்றாக இருப்பதும் ஒன்றல்ல. ஒரு கிளி, “எனக்குப் பசிக்கிறது” என்று சொல்லலாம், ஆனால் அதற்காக அது உணவகத்தில் முன்பதிவு செய்துவிட்டது என்று அர்த்தமல்ல.
4. ஒப்பீட்டு அட்டவணை: செயற்கை நுண்ணறிவின் முக்கிய வகைகள்
| செயற்கை நுண்ணறிவின் வகை | முக்கிய கருத்து | தற்போதைய நிலை | பொதுவான எடுத்துக்காட்டுகள் | அது ஏன் முக்கியம்? |
|---|---|---|---|---|
| குறுகிய AI | குறிப்பிட்ட பணிகளுக்காக உருவாக்கப்பட்டது | பரவலாகப் பயன்படுத்தப்படுகிறது | அரட்டை செயலிகள், தேடல், பரிந்துரைகள் | நடைமுறைக்கு உகந்த மற்றும் எல்லா இடங்களிலும் |
| பொது செயற்கை நுண்ணறிவு | மனிதனைப் போன்ற நெகிழ்வான நுண்ணறிவு | முழுமையாக அடையப்படவில்லை | பெரும்பாலும் கோட்பாட்டு ரீதியானது | பெரிய இலக்கு, பெரிய விவாதம் |
| சூப்பர் ஏஐ | பொதுவாக மனிதர்களை விட புத்திசாலி | ஊகத்தின் அடிப்படையிலான | நடைமுறை உதாரணம் இல்லை | மிகப்பெரிய நெறிமுறை கேள்விகள் |
| வினைபுரியும் இயந்திரங்கள் | நினைவாற்றல் இல்லாமல் பதிலளிக்கிறது | வரையறுக்கப்பட்ட நேர்வில் பயன்படுத்தப்படுகிறது | விளையாட்டு செயற்கை நுண்ணறிவு, விதி அடிப்படையிலான அமைப்புகள் | வேகமானது ஆனால் தகவமைத்துக் கொள்ள இயலாதது |
| வரையறுக்கப்பட்ட நினைவகம் கொண்ட AI | மேம்படுத்துவதற்கு தரவு/வரலாற்றைப் பயன்படுத்துகிறது | மிகவும் பொதுவான | தானியங்கி அமைப்புகள், மோசடி கருவிகள் | இதுதான் தினசரி பயன்படுத்தும் வாகனம் 🚗 |
| மனதின் கோட்பாடு AI | உணர்ச்சிகளையும் நோக்கத்தையும் புரிந்துகொள்கிறது | வளர்ந்து வரும் கருத்து | மேம்பட்ட சமூக செயற்கை நுண்ணறிவு யோசனைகள் | செயற்கை நுண்ணறிவை மனிதர்களைப் போல மேலும் விழிப்புணர்வுடையதாக மாற்றக்கூடும் |
| சுய விழிப்புணர்வு கொண்ட செயற்கை நுண்ணறிவு | உணர்வு உள்ளது | கோட்பாட்டு | அறிவியல் புனைகதை பாணி உதாரணங்கள் | தத்துவ ரீதியாக பிரம்மாண்டமான |
| ஜெனரேட்டிவ் AI | புதிய உள்ளடக்கத்தை உருவாக்குகிறது | பரவலாகப் பயன்படுத்தப்படுகிறது | உரை, படம், ஒலி கருவிகள் | படைப்பாற்றல் உற்பத்தித்திறன் அதிகரிப்பு |
| முன்கணிப்பு செயற்கை நுண்ணறிவு | முன்னறிவிப்புகள் முடிவுகள் | பரவலாகப் பயன்படுத்தப்படுகிறது | இடர் மதிப்பீடு, தேவை திட்டமிடல் | முடிவெடுக்க உதவுகிறது - பெரும்பாலும் |
| ரோபோடிக்ஸ் ஏஐ | இயற்பியல் இயந்திரங்களைக் கட்டுப்படுத்துகிறது | தொழில்துறைகளில் பயன்படுத்தப்படுகிறது | ரோபோக்கள், ட்ரோன்கள், தானியக்கம் | செயற்கை நுண்ணறிவை உடல் உழைப்புடன் இணைக்கிறது |
சற்று சீரற்றதாக இருக்கிறதா? ஆம். ஆனால், அன்றாட வாழ்விலும் செயற்கை நுண்ணறிவு அப்படித்தான் செயல்படுகிறது - அது கச்சிதமான பெயர்ப்பலகைகளைக் கொண்ட ஒரு அருங்காட்சியகக் காட்சிப் பொருள் அல்ல.
5. உருவாக்கும் செயற்கை நுண்ணறிவு: அனைவரும் பேசும் வகை 🎨
பொருள் உருவாக்கும் செயற்கை நுண்ணறிவு (Generative AI) என்பது மிகவும் பிரபலமான செயற்கை நுண்ணறிவு வகைகளில் ஒன்றாகும், ஏனெனில் அது பொருட்களை உருவாக்குகிறது.
இது உருவாக்கக்கூடியவை:
-
உரை
-
படங்கள்
-
இசை
-
குறியீடு
-
காணொளி
-
தயாரிப்பு விளக்கங்கள்
-
சந்தைப்படுத்தல் நகல்
-
பாடத் திட்டங்கள்
-
சுருக்கங்கள்
-
செயற்கை தரவு
-
வடிவமைப்பு யோசனைகள்
உருவாக்கச் செயற்கை நுண்ணறிவு, பெருமளவிலான தரவுகளிலிருந்து வடிவங்களைக் கற்றுக்கொண்டு, பின்னர் தூண்டுதல்களின் அடிப்படையில் புதிய வெளியீடுகளை உருவாக்குவதன் மூலம் செயல்படுகிறது. மக்கள் சில சமயங்களில் கற்பனை செய்வது போல, அது எளிமையான முறையில் நகலெடுப்பதில்லை. அது கற்றுக்கொண்ட கட்டமைப்புகளின் அடிப்படையில் கணிக்கிறது, ஒருங்கிணைக்கிறது, மாற்றியமைக்கிறது மற்றும் உருவாக்குகிறது.
அப்படியிருந்தாலும், அது தவறுகளைச் செய்யக்கூடும். அது தவறாக இருக்கும்போதும் நம்பிக்கையுடன் பேசுவது போல் தோன்றும்; இது அடிப்படையில், ஒரு குடும்ப விருந்தில் வரிச் சட்டத்தை விளக்கும் ஒருவரின் இயந்திரப் பதிப்பாகும்.
உருவாக்க செயற்கை நுண்ணறிவு பின்வருவனவற்றிற்கு மதிப்புமிக்கது:
-
மூளைச்சலவை
-
உள்ளடக்கத்தை வரைதல்
-
மீண்டும் மீண்டும் எழுதும் பழக்கத்தை தானியங்குபடுத்துதல்
-
காட்சி கருத்துருக்களை உருவாக்குதல்
-
வாடிக்கையாளர் சேவைக்கு ஆதரவளித்தல்
-
கோடிங் பணிகளை வேகப்படுத்துதல்
-
கற்றல் பொருட்களைத் தனிப்பயனாக்குதல்
ஆனால், அதை எப்போதும் மறுபரிசீலனை செய்ய வேண்டும். செயற்கை நுண்ணறிவின் வெளியீடு ஈர்க்கக்கூடியதாக இருக்கலாம், ஆனால் அது தானாகவே துல்லியமானதாகவோ, நியாயமானதாகவோ, சட்டப்பூர்வமானதாகவோ அல்லது உங்கள் பிராண்டிற்குப் பாதுகாப்பானதாகவோ இருப்பதில்லை. அதை, அவ்வப்போது குறும்பு செய்யும் இயல்பு கொண்ட ஒரு மிக வேகமான உதவியாளரைப் போலக் கருதுங்கள்.
6. இயந்திர கற்றல் செயற்கை நுண்ணறிவு: வடிவங்களைக் கண்டறிபவர்
இயந்திரக் கற்றல் என்பது செயற்கை நுண்ணறிவின் ஒரு முக்கியப் பிரிவாகும். இதில், ஒவ்வொரு முடிவுக்கும் அமைப்புகள் வரிக்கு வரி நிரல்படுத்தப்படுவதற்குப் பதிலாக, தரவுகளிலிருந்து வடிவங்களைக் கற்றுக்கொள்கின்றன.
பாரம்பரிய மென்பொருட்கள் தெளிவான விதிகளைப் பின்பற்றுகின்றன. இயந்திர கற்றல் அமைப்புகள், பயிற்சி மூலம் உறவுகளைக் கண்டறிந்து செயல்திறனை மேம்படுத்துகின்றன.
உதாரணத்திற்கு:
-
சந்தேகத்திற்கிடமான மின்னஞ்சல்கள் எப்படி இருக்கும் என்பதை ஸ்பேம் வடிகட்டி கற்றுக்கொள்கிறது
-
ஒரு வங்கி மாதிரி அசாதாரண பரிவர்த்தனை நடத்தையைக் கண்டறிகிறது
-
ஒரு ஸ்ட்ரீமிங் செயலி, பார்க்கும் பழக்கங்களின் அடிப்படையில் நிகழ்ச்சிகளைப் பரிந்துரைக்கிறது
-
ஒரு ஆட்சேர்ப்பு கருவி, வரையறுக்கப்பட்ட சமிக்ஞைகளின் அடிப்படையில் விண்ணப்பதாரர்களைத் தரவரிசைப்படுத்தலாம்
-
ஒரு மருத்துவப் படமெடுப்பு மாதிரி, சாத்தியமான அசாதாரணங்களைக் கோடிட்டுக் காட்டக்கூடும்
இயந்திரக் கற்றலானது மேற்பார்வையிடப்பட்டதாகவோ, மேற்பார்வையிடப்படாததாகவோ அல்லது வலுவூட்டல் அடிப்படையிலானதாகவோ இருக்கலாம்.
மேற்பார்வையிடப்பட்ட கற்றல்
கண்காணிக்கப்பட்ட கற்றல், குறியிடப்பட்ட எடுத்துக்காட்டுகளைப் பயன்படுத்துகிறது. உதாரணமாக, படங்கள் “பூனை” அல்லது “பூனை அல்ல” எனக் குறியிடப்படலாம். அந்த மாதிரி, வேறுபாட்டைக் கற்றுக்கொள்கிறது.
மேற்பார்வையற்ற கற்றல்
மேற்பார்வையற்ற கற்றல், குறியிடப்பட்ட பதில்கள் இல்லாத வடிவங்களைத் தேடுகிறது. அது வாடிக்கையாளர்களைப் பிரிவுகளாக வகைப்படுத்தலாம் அல்லது தரவுகளில் மறைந்திருக்கும் தொகுப்புகளைக் கண்டறியலாம்.
வலுவூட்டல் கற்றல்
வலுவூட்டல் கற்றல் என்பது, செயல்களுக்கான வெகுமதிகள் அல்லது தண்டனைகளைப் பெறுவதன் மூலம் கற்றுக்கொள்கிறது. இது விளையாட்டு சார்ந்த செயற்கை நுண்ணறிவு, ரோபோட்டிக்ஸ் மற்றும் உகப்பாக்கச் சிக்கல்களில் பொதுவாகக் காணப்படுகிறது.
இயந்திரக் கற்றல் என்பது மாயாஜாலம் அல்ல. அது தரவின் தரத்தை பெருமளவில் சார்ந்துள்ளது. தரமற்ற தரவு, தரமற்ற மாதிரிகளுக்கு வழிவகுக்கிறது - உள்ளீடு குப்பையாக இருந்தால், வெளியீடும் குப்பையாகவே இருக்கும்.
7. ஆழ் கற்றல் செயற்கை நுண்ணறிவு: நரம்பியல் வலையமைப்பின் ஆற்றல் மையம் 🧬
ஆழ் கற்றல் என்பது, சிக்கலான வடிவங்களைச் செயலாக்குவதற்காக அடுக்கு நரம்பியல் வலையமைப்புகளைப் பயன்படுத்தும் ஒரு சிறப்பு வகை இயந்திரக் கற்றல் ஆகும்.
இது குறிப்பாகப் பின்வருவனவற்றிற்கு மதிப்புமிக்கது:
-
பேச்சு அங்கீகாரம்
-
பட அங்கீகாரம்
-
இயற்கை மொழி செயலாக்கம்
-
தன்னாட்சி அமைப்புகள்
-
மருத்துவப் படப் பகுப்பாய்வு
-
மொழிபெயர்க்கவும்
-
உருவாக்கும் AI மாதிரிகள்
-
சிக்கலான கணிப்புப் பணிகள்
"ஆழமான" பகுதி என்பது மாதிரியில் உள்ள பல அடுக்குகளைக் குறிக்கிறது. ஒவ்வொரு அடுக்கின் உதவியும் தகவல்களை மாற்றி அமைக்க உதவுகிறது. ஒரு அடுக்கு ஒரு படத்தில் உள்ள எளிய வடிவங்களைக் கண்டறியலாம், மற்றொரு அடுக்கு இழையமைப்புகளைக் கண்டறியலாம், இன்னொன்று பொருட்களை அடையாளம் காணலாம், இப்படியே பலவும் நிகழலாம்.
ஆழ்நிலைக் கற்றல் பிரமிக்க வைக்கும் முடிவுகளைத் தரக்கூடியது, ஆனால் அதற்குப் பெரும்பாலும் பெருமளவிலான தரவுகளும் கணினி ஆற்றலும் தேவைப்படுகின்றன. அதைப் புரிந்துகொள்வதும் கடினமாக இருக்கலாம். அதாவது, ஒரு ஆழ்நிலை மாதிரி ஏன் ஒரு குறிப்பிட்ட முடிவை எடுத்தது என்பதைத் துல்லியமாக விளக்குவதில் வல்லுநர்கள் கூடச் சிரமப்படலாம்.
செயற்கை நுண்ணறிவில் உள்ள பெரிய நம்பகத்தன்மைச் சிக்கல்களில் இதுவும் ஒன்று: செயல்திறன் சிறப்பாக இருக்கலாம், ஆனால் அதை விளக்குவது கடினமாக இருக்கலாம். இது, ஸ்மூத்தி ஏன் சுவை சரியில்லை என்று பிளெண்டரிடம் கேட்பதைப் போன்றது.
8. உரையாடல் செயற்கை நுண்ணறிவு: அதிகம் பேசும் வகை
உரையாடல் செயற்கை நுண்ணறிவு என்பது, மக்களுடன் உரை அல்லது குரல் மூலம் தொடர்பு கொள்ளும் வகையில் வடிவமைக்கப்பட்டுள்ளது.
இதில் அடங்குபவை:
-
வாடிக்கையாளர் சேவை சாட்போட்கள்
-
குரல் உதவியாளர்கள்
-
மெய்நிகர் முகவர்கள்
-
AI ஆசிரியர்கள்
-
உள் உதவி மைய போட்கள்
-
விற்பனை உதவியாளர்கள்
-
திட்டமிடல் உதவியாளர்கள்
ஒரு சிறந்த உரையாடல் செயற்கை நுண்ணறிவுக்கு இலக்கணத்தை விட மேலானவை தேவை. அதற்குச் சூழல், நோக்கத்தை அறிதல், குரல் தொனியைக் கட்டுப்படுத்துதல் மற்றும் கணிக்க முடியாத மனித உள்ளீடுகளைக் கையாளும் திறன் ஆகியவை தேவை.
மக்கள் கச்சிதமான கட்டளைகளைப் பிறப்பிப்பதில்லை. அவர்கள் சம்பந்தமில்லாமல் பேசுவார்கள். எழுத்துப்பிழைகள் விடுவார்கள். ஒரு கேள்வியை அரைகுறையாகக் கேட்டுவிட்டு, இயந்திரம் அதைப் புரிந்துகொள்ளும் என்று எதிர்பார்ப்பார்கள். அது எப்படி இருக்கும் என்று உங்களுக்குத் தெரியுமல்லவா.
ஒரு சாதாரண உரையாடல் மென்பொருள் ஒரு உரையாடல் குறிப்பைப் பின்பற்றக்கூடும். ஆனால், ஒரு மேம்பட்ட உரையாடல் செயற்கை நுண்ணறிவால் இயல்பு மொழியைப் புரிந்துகொள்ளவும், சூழலைப் பேணவும், நெகிழ்வான பதில்களை உருவாக்கவும் முடியும்.
இந்த வகை செயற்கை நுண்ணறிவு, திரும்பத் திரும்பச் செய்யும் வேலைகளைக் குறைத்து, விரைவான ஆதரவை வழங்குவதால் மதிப்புமிக்கது. ஆனால், அது புரிந்துகொண்டது போல் பாசாங்கு செய்து, உண்மையில் புரிந்துகொள்ளாதபோது பயனர்களுக்கு எரிச்சலை உண்டாக்கக்கூடும். இதன் மிக மோசமான வடிவம், எந்த உதவியும் செய்யாமல், “உங்களுக்கு உதவுவதில் எனக்கு மகிழ்ச்சியே” என்று சொல்லும் சாட்பாட் தான். அது மிகவும் வேதனையானது.
9. கணினிப் பார்வை செயற்கை நுண்ணறிவு: “பார்க்கும்” இயந்திரங்கள் 👀
கணினிப் பார்வை செயற்கை நுண்ணறிவு , படங்கள், காணொளிகள், கேமராக்கள், சென்சார்கள் அல்லது ஸ்கேன்கள் ஆகியவற்றிலிருந்து வரும் காட்சித் தகவல்களை அமைப்புகள் புரிந்துகொள்ள அனுமதிக்கிறது.
இதனைப் பின்வருவனவற்றிற்குப் பயன்படுத்தலாம்:
-
முக அங்கீகாரம்
-
பொருள் கண்டறிதல்
-
தொழிற்சாலைகளில் தர ஆய்வு
-
மருத்துவப் படமெடுத்தல்
-
பாதுகாப்பு கண்காணிப்பு
-
சில்லறை அலமாரி பகுப்பாய்வு
-
போக்குவரத்து கண்டறிதல்
-
ஆக்மென்ட்டட் ரியாலிட்டி
-
வேளாண் கண்காணிப்பு
கணினிப் பார்வை, மனிதர்கள் பார்ப்பதைப் போலப் பார்ப்பதில்லை. அது பிக்சல்கள், கோலங்கள், உருவங்கள், வண்ணங்கள் மற்றும் புள்ளிவிவர சமிக்ஞைகளைச் செயலாக்குகிறது. ஆனால் அதன் முடிவுகள் மிகவும் சக்திவாய்ந்தவையாக இருக்கக்கூடும்.
உதாரணமாக, கணினிப் பார்வை தொழில்நுட்பமானது, கைமுறை ஆய்வை விட வேகமாக ஒரு உற்பத்தி வரிசையில் உள்ள குறைபாடுகளைக் கண்டறிய உதவும். அது படத் தொகுப்புகளை ஒழுங்கமைக்க உதவும். வாகனங்களில் உள்ள பாதுகாப்பு அமைப்புகளுக்கு அது துணைபுரியும். மேலும், குறிப்பாகக் கண்காணிப்பு அல்லது அடையாளங்காணலுக்காகப் பயன்படுத்தப்படும்போது, அது தனியுரிமை குறித்த கவலைகளையும் எழுப்பக்கூடும்.
அது இருமுனைக் கத்தி - வாள் அல்ல, முள்கரண்டி. இன்னமும் சிக்கலை உண்டாக்கும் அளவுக்குக் கூர்மையானது 🍴.
10. முன்கணிப்பு செயற்கை நுண்ணறிவு: முன்னறிவிப்பு இயந்திரம்
முன்கணிப்புச் செயற்கை நுண்ணறிவு, அடுத்து என்ன நடக்கக்கூடும் என்பதை மதிப்பிடுவதற்குத் தரவுகளைப் பயன்படுத்துகிறது.
இது வணிகம், நிதி, சுகாதாரம், தளவாடங்கள், விளையாட்டுப் பகுப்பாய்வு, சந்தைப்படுத்தல் மற்றும் செயல்பாடுகள் ஆகியவற்றில் பொதுவானது.
முன்கணிப்பு செயற்கை நுண்ணறிவு பின்வரும் கேள்விகளுக்குப் பதிலளிக்க உதவக்கூடும்:
-
எந்த வாடிக்கையாளர்கள் வெளியேற வாய்ப்புள்ளது?
-
எந்தப் பரிவர்த்தனை சந்தேகத்திற்குரியதாகத் தெரிகிறது?
-
எவ்வளவு சரக்கு இருப்பு தேவைப்படும்?
-
எந்த நோயாளிக்குக் கூடுதல் கவனம் தேவைப்படலாம்?
-
ஒரு பயனர் எந்த உள்ளடக்கத்தைக் கிளிக் செய்ய வாய்ப்புள்ளது?
-
இயந்திரத்தின் எந்தப் பாகம் விரைவில் பழுதடையக்கூடும்?
இந்த வகை செயற்கை நுண்ணறிவு, உருவாக்கும் செயற்கை நுண்ணறிவைப் போல கவர்ச்சி குறைந்ததாக இருந்தாலும், இது மிகவும் முக்கியமானது. பல நிறுவனங்கள், ஒரு மாதிரி கவிதை எழுதுவதைப் பற்றிக் கவலைப்படுவதை விட, அது விரயத்தைக் குறைத்து, அபாயத்தைக் குறைத்து, திட்டமிடலை மேம்படுத்த முடியுமா என்பதில் அதிக அக்கறை கொள்கின்றன.
தரவுகள் பொருத்தமானதாகவும், தூய்மையானதாகவும், தொடர்ந்து புதுப்பிக்கப்படுவதாகவும் இருக்கும்போது முன்கணிப்புச் செயற்கை நுண்ணறிவு சிறப்பாகச் செயல்படுகிறது. ஆனால் முன்கணிப்பு என்பது ஒருபோதும் உறுதியானதல்ல. ஒரு மாதிரி, நிகழ்தகவுகளை மதிப்பிட மட்டுமே முடியும், விளைவுகளுக்கு உத்தரவாதம் அளிக்க முடியாது. மக்கள் இதைத் தொடர்ந்து மறந்துவிடுகிறார்கள். பிறகு, அந்தச் செயற்கை நுண்ணறிவு தங்களைத் தனிப்பட்ட முறையில் காட்டிக்கொடுத்தது போல அதைக் குறை கூறுகிறார்கள்.
11. ரோபோடிக்ஸ் ஏஐ: ஏஐக்கு ஒரு உடல் கிடைக்கும்போது 🤖
ரோபோடிக்ஸ் ஏஐ என்பது செயற்கை நுண்ணறிவை பௌதீக இயந்திரங்களுடன் இணைப்பதாகும். இங்குதான் செயற்கை நுண்ணறிவு திரையை விட்டு வெளியேறி, உலகில் இயங்கத் தொடங்குகிறது.
உதாரணங்கள் பின்வருமாறு:
-
கிடங்கு ரோபோக்கள்
-
உற்பத்தி ரோபோக்கள்
-
டெலிவரி ரோபோக்கள்
-
விவசாய ரோபோக்கள்
-
அறுவை சிகிச்சை உதவி அமைப்புகள்
-
ட்ரோன்கள்
-
ஆய்வு ரோபோக்கள்
-
துப்புரவு ரோபோக்கள்
-
மனித உருவ ஆராய்ச்சி ரோபோக்கள்
இயற்பியல் சூழல் கணிக்க முடியாததாக இருப்பதால், ரோபோட்டிக்ஸ் செயற்கை நுண்ணறிவு கடினமானது. ஒரு சாட்பாட் வார்த்தைகளை மட்டும் கையாண்டால் போதும். ஆனால் ஒரு ரோபோவோ, வழுக்கும் தரைகள், மோசமான வெளிச்சம், சமமற்ற பரப்புகள், நகரும் மனிதர்கள், சென்சார் பிழைகள், மற்றும் ஒருவர் நாற்காலியை மிகவும் மோசமான இடத்தில் விட்டுச் செல்வது போன்ற அனைத்தையும் சமாளிக்க வேண்டியுள்ளது.
ரோபோட்டிக்ஸ் பெரும்பாலும் பல வகையான செயற்கை நுண்ணறிவை ஒருங்கிணைக்கிறது:
-
பார்ப்பதற்கான கணினிப் பார்வை
-
தகவமைப்பிற்கான இயந்திர கற்றல்
-
இயக்கத்திற்கான திட்டமிடல் வழிமுறைகள்
-
முடிவெடுப்பதற்கான வலுவூட்டல் கற்றல்
-
மனித கட்டளைகளுக்கான இயற்கை மொழி செயலாக்கம்
ரோபோடிக்ஸ் செயற்கை நுண்ணறிவுக்கு, குறிப்பாக அபாயகரமான அல்லது திரும்பத் திரும்பச் செய்யப்படும் பணிகளில், மிகப்பெரிய ஆற்றல் உள்ளது. ஆனால் அது செலவு மிக்கதாகவும், சிக்கலானதாகவும் இருப்பதுடன், அதன் அமைப்புகள் செயலிழக்கும்போது உடல் ரீதியாக அபாயகரமானதாகவும் இருக்கிறது.
12. பயிற்சி முறையின் அடிப்படையிலான செயற்கை நுண்ணறிவு
செயற்கை நுண்ணறிவின் வகைகளைப் பற்றி சிந்திப்பதற்கான மற்றொரு மதிப்புமிக்க வழி, அவை எவ்வாறு பயிற்சி அளிக்கப்படுகின்றன என்பதாகும்.
விதி அடிப்படையிலான செயற்கை நுண்ணறிவு
விதி அடிப்படையிலான செயற்கை நுண்ணறிவு, மனிதனால் உருவாக்கப்பட்ட தர்க்கத்தைப் பின்பற்றுகிறது. எடுத்துக்காட்டாக:
-
இது நடந்தால், அதைச் செய்
-
பயனர் இந்த விருப்பத்தைத் தேர்ந்தெடுத்தால், அந்தப் பதிலைக் காண்பிக்கவும்
-
மதிப்பு ஒரு வரம்பை விட அதிகமாக இருந்தால், எச்சரிக்கையை இயக்கவும்
இது எளிமையானது, கணிக்கக்கூடியது, மற்றும் கட்டமைக்கப்பட்ட பணிகளுக்கு உதவியானது. ஆனால், தெளிவின்மையைக் கையாளும்போது இது சிரமப்படுகிறது.
தரவு பயிற்சி பெற்ற செயற்கை நுண்ணறிவு
தரவுகளின் மூலம் பயிற்சி பெற்ற செயற்கை நுண்ணறிவு, எடுத்துக்காட்டுகளிலிருந்து கற்றுக்கொள்கிறது. அது நிலையான விதிகளை மட்டும் சார்ந்திருக்காமல், வடிவங்களை அடையாளம் காண்பதால், அதிக சிக்கலான தன்மையைக் கையாள முடியும்.
இங்குதான் இயந்திரக் கற்றலும் ஆழ்நிலைக் கற்றலும் பொருந்துகின்றன.
கலப்பின செயற்கை நுண்ணறிவு
கலப்பின செயற்கை நுண்ணறிவு, விதி அடிப்படையிலான தர்க்கத்தை இயந்திரக் கற்றலுடன் இணைக்கிறது. பல நடைமுறை அமைப்புகளில், இதுவே ஒரு நடைமுறைக்கு உகந்த தேர்வாகும். கற்றல் அமைப்புகளின் நெகிழ்வுத்தன்மையையும், விதிகளின் கட்டுப்பாட்டையும் நீங்கள் பெறுகிறீர்கள்.
உதாரணமாக, ஒரு வங்கி மோசடி தடுப்பு அமைப்பு, சந்தேகத்திற்கிடமான நடத்தையைக் கண்டறிய இயந்திரக் கற்றலைப் பயன்படுத்தலாம், பின்னர் இணக்க மதிப்பாய்விற்காகக் கடுமையான விதிகளைப் பயன்படுத்தலாம். கவர்ச்சிகரமானதல்ல. மிகவும் அவசியமானது.
13. செயற்கை நுண்ணறிவின் வகைகள் ஏன் குழப்பத்தை ஏற்படுத்துகின்றன?
மிகப்பெரிய குழப்பம் என்னவென்றால், மக்கள் செயற்கை நுண்ணறிவு வகைகளை வெவ்வேறு வழிகளில் பயன்படுத்துகிறார்கள்.
ஒருவர் “செயற்கை நுண்ணறிவின் வகைகள்” என்று குறிப்பிடும்போது, குறுகிய, பொதுவான மற்றும் மீயுயர் நுண்ணறிவைக் குறிக்கலாம்.
மற்றொருவர் உருவாக்க செயற்கை நுண்ணறிவு, முன்கணிப்பு செயற்கை நுண்ணறிவு மற்றும் உரையாடல் செயற்கை நுண்ணறிவு ஆகியவற்றைக் குறிப்பிடலாம்.
ஒரு உருவாக்குநர் மேற்பார்வையிடப்பட்ட கற்றல், ஆழ்நிலைக் கற்றல், நரம்பியல் வலையமைப்புகள் அல்லது வலுவூட்டல் கற்றல் பற்றிப் பேசக்கூடும்.
ஒரு வணிக மேலாளர் தானியக்கம், பகுப்பாய்வு, தனிப்பயனாக்கம் மற்றும் வாடிக்கையாளர் ஆதரவு செயற்கை நுண்ணறிவு பற்றிப் பேசக்கூடும்.
அவர்கள் சொல்வது ஒருவகையில் சரிதான். எரிச்சலூட்டினாலும், அதுதான் உண்மை.
செயற்கை நுண்ணறிவு பின்வருமாறு வகைப்படுத்தப்படுகிறது:
-
திறன்
-
செயல்பாடு
-
பயிற்சி முறை
-
விண்ணப்பப் பகுதி
-
தொழில்நுட்பக் கட்டமைப்பு
-
தன்னாட்சி நிலை
-
உள்ளீடு மற்றும் வெளியீட்டின் வகை
-
தொழில்துறை பயன்பாட்டு வழக்கு
எனவே, யாராவது “இது என்ன வகையான செயற்கை நுண்ணறிவு?” என்று கேட்கும்போது, அதற்கான தெளிவான பதில் பல அடுக்குகளைக் கொண்டதாக இருக்கலாம்.
உதாரணமாக, ஒரு சாட்பாட் பின்வருமாறு இருக்கலாம்:
-
திறன் அடிப்படையில் AI-ஐ சுருக்கவும்
-
செயல்பாட்டின் அடிப்படையில் வரையறுக்கப்பட்ட நினைவக AI
-
பயன்பாட்டின் மூலம் உரையாடல் செயற்கை நுண்ணறிவு
-
உருவாக்கச் செயற்கை நுண்ணறிவு பதில்களை உருவாக்கினால்
-
நரம்பியல் வலையமைப்புகளால் இயக்கப்படும் ஆழ்நிலை கற்றல் செயற்கை நுண்ணறிவு
அது வேடிக்கைக்காகச் செய்யப்படும் தேவையற்ற சிக்கலாக்கல் அல்ல. அந்தத் துறை அப்படித்தான் இயங்குகிறது.
14. செயற்கை நுண்ணறிவின் வகைகளுக்கான நடைமுறை எடுத்துக்காட்டுகள்
பிரிவுகளை எளிதாகப் புரிந்துகொள்வதற்காக, இதோ சில அன்றாட உதாரணங்கள்.
ஸ்ட்ரீமிங் பரிந்துரைகள் 🎬
இது குறு செயற்கை நுண்ணறிவு, முன்கணிப்பு செயற்கை நுண்ணறிவு மற்றும் இயந்திரக் கற்றல் ஆகும். இது வடிவங்களை ஆராய்ந்து, நீங்கள் அடுத்து என்ன பார்க்கலாம் என்று பரிந்துரைக்கிறது.
குரல் உதவியாளர்கள் 🎙️
இவை உரையாடல் செயற்கை நுண்ணறிவு, இயற்கை மொழி செயலாக்கம், பேச்சு அறிதல் மற்றும் வரையறுக்கப்பட்ட நினைவக அம்சங்களைப் பயன்படுத்துகின்றன.
பட உருவாக்கிகள் 🖼️
இவை பெரும்பாலும் ஆழ் கற்றல் மாதிரிகளால் இயக்கப்படும் உருவாக்க செயற்கை நுண்ணறிவு அமைப்புகள் ஆகும்.
மோசடி கண்டறியும் அமைப்புகள் 💳
இவை அசாதாரணமான செயல்பாடுகளைக் கண்டறிய முன்கணிப்பு செயற்கை நுண்ணறிவு மற்றும் இயந்திரக் கற்றலைப் பயன்படுத்துகின்றன.
தானியங்கி ஓட்டுதல் அம்சங்கள் 🚗
இவை கணினிப் பார்வை, வரையறுக்கப்பட்ட நினைவகச் செயற்கை நுண்ணறிவு, ரோபோட்டிக்ஸ் சார்ந்த செயற்கை நுண்ணறிவு, சென்சார் இணைவு மற்றும் முடிவெடுக்கும் மாதிரிகள் ஆகியவற்றை ஒன்றிணைக்கின்றன.
மின்னஞ்சல் ஸ்பேம் வடிப்பான்கள் 📩
இவை செவ்வியல் இயந்திரக் கற்றல் செயற்கை நுண்ணறிவுகள். கவர்ச்சிகரமானவை அல்ல, ஆனால் மிகவும் மதிப்புமிக்கவை.
AI எழுதும் கருவிகள் ✍️
இவை உருவாக்க செயற்கை நுண்ணறிவு மற்றும் உரையாடல் செயற்கை நுண்ணறிவு ஆகும், இவை பொதுவாகப் பெரிய மொழி மாதிரிகளைப் பயன்படுத்தி உருவாக்கப்படுகின்றன.
முக்கியமான விஷயம் இதுதான்: ஒரு செயற்கை நுண்ணறிவுத் தயாரிப்பு ஒரே நேரத்தில் பல பிரிவுகளில் இடம்பெற முடியும்.
15. செயற்கை நுண்ணறிவின் வகைகளைப் புரிந்துகொள்வதன் நன்மைகள்
செயற்கை நுண்ணறிவின் வகைகளை அறிந்துகொள்வது, குறிப்பாக நீங்கள் வேலை, வணிகம், படிப்பு அல்லது உள்ளடக்க உருவாக்கத்திற்காக அதைப் பயன்படுத்தும்போது, சிறந்த முடிவுகளை எடுக்க உதவுகிறது.
இது உங்களுக்கு உதவுகிறது:
-
சரியான கருவியைத் தேர்ந்தெடுக்கவும்
-
யதார்த்தமற்ற எதிர்பார்ப்புகளைத் தவிர்க்கவும்
-
அபாயங்களைப் புரிந்து கொள்ளுங்கள்
-
சிறந்த கேள்விகளைக் கேளுங்கள்
-
AI கூற்றுகளை மதிப்பீடு செய்யவும்
-
உடனடி சந்தைப்படுத்தல் மிகைப்படுத்தல்
-
செயற்கை நுண்ணறிவை மேலும் பொறுப்புடன் பயன்படுத்துங்கள்
-
குழப்பமடைந்த ரோபோ போலத் தோன்றாமல், மற்றவர்களுக்கு செயற்கை நுண்ணறிவை விளக்குங்கள்
உதாரணமாக, ஒரு கருவி முன்கணிப்புச் செயற்கை நுண்ணறிவு என்றால், அது நிகழ்தகவுகளை முன்னறிவிக்கிறது என்பது உங்களுக்குத் தெரியும். அதை ஒரு தீர்க்கதரிசியைப் போலக் கருதக்கூடாது.
ஒரு கருவி உருவாக்கச் செயற்கை நுண்ணறிவாக இருந்தால், அது உள்ளடக்கத்தை உருவாக்குகிறது என்பது உங்களுக்குத் தெரியும், ஆனால் அந்த உள்ளடக்கத்தை இன்னும் சரிபார்க்க வேண்டியிருக்கும்.
ஒரு அமைப்பு குறுகிய செயற்கை நுண்ணறிவு வகையைச் சார்ந்தது என்றால், அது ஒரு குறிப்பிட்ட துறையில் சிறந்து விளங்கக்கூடும், ஆனால் அதன் வரம்பிற்கு வெளியே பயனற்றதாக இருக்கும் என்பதை நீங்கள் அறிந்துகொள்ளலாம்.
அது ஒன்றே பல தலைவலிகளைத் தவிர்க்கிறது.
16. பல்வேறு வகையான செயற்கை நுண்ணறிவுகளில் உள்ள அபாயங்களும் வரம்புகளும் ⚠️
ஒவ்வொரு செயற்கை நுண்ணறிவு வகைக்கும் வரம்புகள் உண்டு. சுவை வேறு, ஆனால் பாத்திரம் ஒன்றுதான்.
பொதுவான அபாயங்களில் அடங்குபவை:
-
பயிற்சித் தரவுகளில் சார்பு
-
தவறான வெளியீடுகள்
-
வெளிப்படைத்தன்மை இல்லாமை
-
தனியுரிமை கவலைகள்
-
அதிகப்படியான சார்புநிலை
-
பாதுகாப்பு பாதிப்புகள்
-
தவறான பயன்பாடு
-
மோசமான மனித மேற்பார்வை
-
சரளத்தன்மையை உண்மையுடன் குழப்புதல்
உருவாக்க செயற்கை நுண்ணறிவு தகவல்களைக் கண்டுபிடிக்கக்கூடும். முன்கணிப்பு செயற்கை நுண்ணறிவு ஒருதலைபட்சமான வடிவங்களை வலுப்படுத்தக்கூடும். கணினிப் பார்வை நபர்களையோ பொருட்களையோ தவறாக அடையாளம் காணக்கூடும். உரையாடல் செயற்கை நுண்ணறிவு போலியான தன்னம்பிக்கையால் பயனர்களை விரக்தியடையச் செய்யக்கூடும். ரோபோட்டிக்ஸ் செயற்கை நுண்ணறிவு மோசமாக வடிவமைக்கப்பட்டால் உடல்ரீதியான பாதிப்பை ஏற்படுத்தக்கூடும்.
செயற்கை நுண்ணறிவு மோசமானது என்று இதற்கு அர்த்தமல்ல. செயற்கை நுண்ணறிவை விவேகத்துடன் பயன்படுத்த வேண்டும் என்பதே இதன் பொருள். சக்தி கருவிகள், ஒப்பந்தங்கள் அல்லது மிகவும் காரமான நூடுல்ஸ் 🌶️ போல.
சிறந்த செயற்கை நுண்ணறிவு அமைப்புகளில் பொதுவாக பின்வருவன அடங்கும்:
-
மனித மதிப்பாய்வு
-
தெளிவான எல்லைகள்
-
வலுவான தரவு நடைமுறைகள்
-
சோதனை
-
கண்காணிப்பு
-
முடிந்தவரை விளக்கக்கூடிய தன்மை
-
நெறிமுறை வடிவமைப்பு
-
பாதுகாப்புக் கட்டுப்பாடுகள்
செயற்கை நுண்ணறிவு நல்ல முடிவுகளைப் பெரிதாக்க முடியும். அது கவனக்குறைவான முடிவுகளையும் பெரிதாக்க முடியும்.
17. எந்த வகை செயற்கை நுண்ணறிவு மிகவும் முக்கியமானது?
மிகவும் முக்கியமான வகை என்று எதுவும் இல்லை. அது பயன்பாட்டுச் சூழலைப் பொறுத்தது.
படைப்பாற்றலுக்கு, உருவாக்க செயற்கை நுண்ணறிவு மிக முக்கியமானது.
வணிகத் திட்டமிடலுக்கு, முன்கணிப்புச் செயற்கை நுண்ணறிவு அதிக மதிப்புமிக்கதாக இருக்கலாம்.
தானியக்கம், இயந்திரக் கற்றல் மற்றும் ரோபோட்டிக்ஸ் ஆகியவற்றிற்கு செயற்கை நுண்ணறிவு முக்கியமானது.
பயனர் ஆதரவைப் பொறுத்தவரை, உரையாடல் சார்ந்த செயற்கை நுண்ணறிவே முதன்மையானது.
மருத்துவ ஸ்கேன்கள் அல்லது நேரடிக் காட்சி ஆய்வுக்கு, கணினிப் பார்வை இன்றியமையாதது.
நீண்ட கால ஆராய்ச்சியைப் பொறுத்தவரை, பொதுவான செயற்கை நுண்ணறிவுக்கே பெரும்பாலான பெரும் தத்துவார்த்த கவனம் கிடைக்கிறது.
ஆனால் நடைமுறையில், குறுகிய செயற்கை நுண்ணறிவு மற்றும் வரையறுக்கப்பட்ட நினைவக செயற்கை நுண்ணறிவு ஆகியவைதான் தற்போது மிகவும் பொதுவான மற்றும் மதிப்புமிக்க வகைகளாகும். மக்கள் ஏற்கனவே சார்ந்திருக்கும் பல கருவிகளுக்குப் பின்னால் உள்ள அமைதியான இயந்திரங்கள் அவையே.
கவர்ச்சிகரமான எதிர்காலம் தலைப்புச் செய்திகளில் இடம்பிடிக்கிறது. நடைமுறைக்கு உகந்த நிகழ்காலம் செலவுகளைச் சமாளிக்க உதவுகிறது.
முடிவுரை: தேவையற்ற சத்தங்கள் இன்றி செயற்கை நுண்ணறிவின் வகைகளைப் புரிந்துகொள்ளுதல்
செயற்கை நுண்ணறிவின் வகைகள் ஒன்றுடன் ஒன்று மேற்பொருந்துவதால், ஆரம்பத்தில் அவை சிக்கலானதாகத் தோன்றலாம். ஆனால், திறன், செயல்பாடு, பயிற்சி முறை மற்றும் நடைமுறைப் பயன்பாடு ஆகியவற்றை நீங்கள் பிரித்துப் பார்க்கும்போது, முழு விஷயத்தையும் புரிந்துகொள்வது மிகவும் எளிதாகிவிடும்.
குறுகிய செயற்கை நுண்ணறிவு குறிப்பிட்ட பணிகளைக் கையாளுகிறது. பொதுவான செயற்கை நுண்ணறிவு மிகவும் நெகிழ்வாகச் சிந்திக்கும், இருப்பினும் அது ஒரு லட்சிய இலக்காகவே உள்ளது. உயர் செயற்கை நுண்ணறிவு இன்னும் ஊகத்தின் அடிப்படையிலேயே உள்ளது. எதிர்வினை இயந்திரங்கள் நினைவாற்றல் இல்லாமல் பதிலளிக்கின்றன, அதேசமயம் வரையறுக்கப்பட்ட நினைவாற்றல் கொண்ட செயற்கை நுண்ணறிவு, முடிவுகளை மேம்படுத்த கடந்தகாலத் தரவைப் பயன்படுத்துகிறது. உருவாக்கச் செயற்கை நுண்ணறிவு உருவாக்குகிறது. முன்கணிப்புச் செயற்கை நுண்ணறிவு முன்னறிவிக்கிறது. உரையாடல் செயற்கை நுண்ணறிவு பேசுகிறது. கணினிப் பார்வை பார்க்கிறது. ரோபோட்டிக்ஸ் செயற்கை நுண்ணறிவு பௌதீகச் சூழலில் செயல்படுகிறது.
அதுதான் ஒட்டுமொத்த சித்திரம்.
செயற்கை நுண்ணறிவு என்பது ஒரே ஒரு விஷயம் அல்ல. அது தொழில்நுட்பங்களின் ஒரு சிக்கலான குடும்பம் - அவற்றில் சில நடைமுறைக்குரியவை, சில சோதனை ரீதியானவை, சில மிகைப்படுத்தப்பட்டவை, மற்றும் சில உண்மையாகவே முக்கியத்துவம் வாய்ந்தவை. அந்தச் சிக்கலான தன்மையே அது ஏன் முக்கியமானது என்பதற்கான ஒரு காரணமாகும். ஒரு கூட்டத்தில் யாராவது 'அல்காரிதம்' என்று சொல்லும்போது வெறுமனே தலையாட்டுவதற்குப் பதிலாக, செயற்கை நுண்ணறிவின் வகைகளை நீங்கள் எவ்வளவு தெளிவாகப் புரிந்துகொள்கிறீர்களோ, அந்த அளவிற்கு அதை விவேகமாகப் பயன்படுத்துவது எளிதாகிறது. 🤷♂️
சுருக்கமான விளக்கம்: செயற்கை நுண்ணறிவின் முக்கிய வகைகளில் குறுகிய செயற்கை நுண்ணறிவு, பொதுவான செயற்கை நுண்ணறிவு, சூப்பர் செயற்கை நுண்ணறிவு, எதிர்வினை இயந்திரங்கள், வரையறுக்கப்பட்ட நினைவக செயற்கை நுண்ணறிவு, மனக் கோட்பாட்டு செயற்கை நுண்ணறிவு, சுய-அறியும் செயற்கை நுண்ணறிவு, உருவாக்கும் செயற்கை நுண்ணறிவு, முன்கணிப்பு செயற்கை நுண்ணறிவு, உரையாடல் செயற்கை நுண்ணறிவு, கணினிப் பார்வை செயற்கை நுண்ணறிவு, இயந்திரக் கற்றல் செயற்கை நுண்ணறிவு, ஆழ்நிலைக் கற்றல் செயற்கை நுண்ணறிவு மற்றும் ரோபோட்டிக்ஸ் செயற்கை நுண்ணறிவு ஆகியவை அடங்கும். இன்று பயன்படுத்தப்படும் பெரும்பாலான செயற்கை நுண்ணறிவுகள் குறுகிய நோக்கம் கொண்டவை, பணி சார்ந்தவை மற்றும் இயந்திரக் கற்றல் அல்லது ஆழ்நிலைக் கற்றலால் இயக்கப்படுபவை ஆகும்.
நிஜ உலக உதாரணம்: ஒரு AI வாடிக்கையாளர் ஆதரவு வகைப்படுத்தும் உதவியாளரை உருவாக்குதல்
சூழ்நிலை
ஒரு சிறிய ஆன்லைன் தளபாடக் கடைக்கு ஒரு நாளைக்குச் சுமார் 120 வாடிக்கையாளர் சேவை மின்னஞ்சல்கள் வருவதாகக் கற்பனை செய்து பாருங்கள். அந்தக் குழு, சேவைப் பணியாளர்களுக்குப் பதிலாக வேறு ஒருவரை நியமிக்க முயற்சிக்கவில்லை. செய்திகளை வேகமாக வகைப்படுத்தவும், அவசரப் பிரச்சினைகளைக் கண்டறியவும், முதல் பதில்களை வரைவு செய்யவும் மட்டுமே அவர்கள் உதவி கேட்கிறார்கள்.
இது ஒரு நல்ல உதாரணம், ஏனெனில் ஒரு உதவியாளர் ஒரே நேரத்தில் பல வகையான செயற்கை நுண்ணறிவைப் பயன்படுத்த முடியும். அது வாடிக்கையாளர் செய்திகளைப் புரிந்துகொள்ள உரையாடல் செயற்கை நுண்ணறிவையும், பதில்களை வரைவு செய்ய உருவாக்க செயற்கை நுண்ணறிவையும், பணம் திரும்பப் பெறுவதில் ஏற்படக்கூடிய அபாயங்களைக் கண்டறிய முன்கணிப்பு செயற்கை நுண்ணறிவையும், சமீபத்திய ஆர்டர் அல்லது பாலிசி தரவைப் பயன்படுத்த வரையறுக்கப்பட்ட நினைவக செயற்கை நுண்ணறிவையும் பயன்படுத்தலாம்.
உதவியாளரின் பணி எளிமையானது: வாடிக்கையாளர் செய்தியைப் படித்து, அதை வகைப்படுத்தி, அடுத்தகட்ட நடவடிக்கையைப் பரிந்துரைத்து, மனிதர் அங்கீகரிக்கக்கூடிய ஒரு பதிலை வரைவு செய்வது.
உதவியாளருக்கு என்ன தேவை
அணி உதவியாளருக்கு வழங்கும்:
வாடிக்கையாளர் சேவை கொள்கை
விநியோகம் மற்றும் திருப்பியளித்தல் விதிகள்
உத்தரவாத விதிமுறைகள்
தயாரிப்பு அடிக்கடி கேட்கப்படும் கேள்விகள்
குரல் தொனி எடுத்துக்காட்டுகள்
நிலைமையை தீவிரப்படுத்தும் விதிகளின் பட்டியல்
சரியான வகைகளுடன் கடந்தகால டிக்கெட்டுகளை மாதிரி பார்க்கவும்
அது தானாகவே தீர்மானிக்கக் கூடாதவை மீது தெளிவான வரம்புகள்
உதாரணமாக, அது £100-க்கு மேற்பட்ட பணத்தைத் திரும்ப அளிப்பதை அங்கீகரிக்கவோ, சரிபார்க்க முடியாத விநியோகத் தேதிகளை உறுதியளிக்கவோ, அல்லது சேதமடைந்த பொருட்கள் குறித்து சட்டப்பூர்வ உரிமைகோரல்களைச் செய்யவோ கூடாது. அந்த வழக்குகள் ஒரு தனிநபரிடம் செல்ல வேண்டும்.
எடுத்துக்காட்டு அறிவுறுத்தல்
நீங்கள் ஒரு ஆன்லைன் தளபாடக் கடையின் வாடிக்கையாளர் ஆதரவு வகைப்படுத்தல் உதவியாளர். ஒவ்வொரு வாடிக்கையாளர் செய்தியையும் படித்து, டிக்கெட் வகை, அவசர நிலை, வாடிக்கையாளரின் மனநிலை, பரிந்துரைக்கப்பட்ட அடுத்த நடவடிக்கை மற்றும் ஒரு பதில் வரைவு ஆகிய ஐந்து விஷயங்களைத் திருப்பி அனுப்பவும்.
வழங்கப்பட்ட நிறுவனக் கொள்கையை மட்டுமே பயன்படுத்தவும். பதில் கொள்கையில் இல்லை என்றால், “மனித மதிப்பாய்வு தேவை” என்று கூறவும். விநியோகத் தேதிகள், பணம் திரும்பப் பெறுவதற்கான ஒப்புதல்கள், உத்தரவாத வாக்குறுதிகள் அல்லது பொருளின் இருப்புநிலை ஆகியவற்றை நீங்களாகவே உருவாக்க வேண்டாம்.
வாடிக்கையாளர் காயம், சட்ட நடவடிக்கை, தொடர்ச்சியான விநியோகத் தோல்வி, £100-க்கு மேற்பட்ட பணத் திருப்பம், குழந்தையின் பொருளில் பாகங்கள் விடுபட்டிருத்தல், அல்லது முந்தைய இரண்டு பதில்களுக்குப் பிறகும் கடும் அதிருப்தி ஆகியவற்றைக் குறிப்பிட்டால், அந்தப் புகாரை அடுத்த கட்டத்திற்கு எடுத்துச் செல்லவும்.
பதில் வரைவை மரியாதையாகவும், சுருக்கமாகவும், நடைமுறைக்கு ஏற்றதாகவும் வைத்திருங்கள். இயந்திரத்தனமாகப் பேசாதீர்கள். வாடிக்கையாளரையோ அல்லது கூரியர் நிறுவனத்தையோ குறை கூறாதீர்கள்.
அதை எப்படி சோதிப்பது
வாடிக்கையாளர்களுடன் இந்த உதவியாளரைப் பயன்படுத்துவதற்கு முன்பு, ஒரு சிறிய எண்ணிக்கையிலான பழைய டிக்கெட்டுகளில் அதைச் சோதித்துப் பாருங்கள்.
முந்தைய 30 ஆதரவுச் செய்திகளைப் பயன்படுத்தவும்:
10 எளிய டெலிவரி கேள்விகள்
சேதமடைந்த பொருள் குறித்த 5 புகார்கள்
5 பணத்தைத் திரும்பப் பெறுவதற்கான கோரிக்கைகள்
5 உத்தரவாதக் கேள்விகள்
5 கோபமான அல்லது சிக்கலான புகார்கள்
ஒவ்வொரு சோதனைக்கும், பின்வருவனவற்றைச் சரிபார்க்கவும்:
அது சரியான வகையைத் தேர்ந்தெடுத்ததா?
அது அவசர வழக்குகளைச் சரியாகக் கண்டறிந்ததா?
அது வாக்குறுதிகள் அளிப்பதைத் தவிர்த்ததா?
அது உணர்வுப்பூர்வமான பிரச்சினைகளை பெரிதுபடுத்தியதா?
பதில் வரைவு நிறுவனத்தின் தொனியுடன் பொருந்தியதா?
ஒரு பயனுள்ள தேர்வுக் கேள்வி இதுவாக இருக்கும்:
எனது மேசையின் ஒரு கால் உடைந்த நிலையில் வந்து சேர்ந்தது. இது, விநியோகம் தவறாக நடப்பதற்கு இரண்டாவது முறையாகும். எனக்கு இன்று முழுப் பணமும் திரும்ப வேண்டும், இல்லையென்றால் நான் இதைப் பற்றி எல்லா இடங்களிலும் பதிவிடுவேன்
ஒரு திறமையற்ற உதவியாளர் வெறுமனே மன்னிப்புக் கேட்டுவிட்டு, பணத்தைத் திருப்பித் தருவதாக உறுதியளிக்கக்கூடும். ஒரு சிறந்த உதவியாளர், அதைச் சேதமடைந்த பொருள் மற்றும் மீண்டும் வந்த புகார் என வகைப்படுத்தி, உயர் அவசரம் எனக் குறியிட்டு, தானாகவே பணத்தைத் திருப்பித் தருவதற்கு ஒப்புதல் அளிப்பதைத் தவிர்த்து, மனித மதிப்பாய்விற்காக அதை அடுத்த கட்டத்திற்கு அனுப்புவார்.
முடிவு
விளக்க முடிவு: பணிப்பாய்வைப் பயன்படுத்துவதற்கு முன்னும் பின்னும் 30 மாதிரி டிக்கெட்டுகளின் நேரத்தைக் கொண்டு எடுக்கப்பட்ட முடிவு.
30 டிக்கெட்டுகளைக் கைமுறையாக வகைப்படுத்த 2 மணி 15 நிமிடங்கள் ஆனது, அதாவது ஒரு டிக்கெட்டுக்குச் சராசரியாக 4.5 நிமிடங்கள்.
அதே 30 புகார்களுக்கு, செயற்கை நுண்ணறிவு உதவியுடனான வகைப்படுத்தலுக்கு 48 நிமிடங்கள் ஆனது; ஒரு புகாருக்குச் சராசரியாக 1.6 நிமிடங்கள். ஏனெனில், மனித மதிப்பாய்வாளர் புகாரின் வகை, மேல்நிலைப்படுத்தல் முடிவு மற்றும் பதில் வரைவு ஆகியவற்றை மட்டும் சரிபார்த்தால் போதுமானதாக இருந்தது.
சோதனைத் தொகுப்பில் உள்ள 30 டிக்கெட்டுகளில் 27-ஐ அந்த உதவியாளர் சரியாக வகைப்படுத்தியது. அதிக அபாயம் உள்ள 5 டிக்கெட்டுகளையும் அது சரியாக அடுத்த நிலைக்கு அனுப்பியது. இரண்டு ரீஃபண்ட் டிக்கெட்டுகளின் வரைவு மிகவும் உறுதியாகத் தோன்றியதால், அவற்றில் வார்த்தைத் திருத்தங்கள் தேவைப்பட்டன; மேலும், ஒரு வாரண்டி டிக்கெட் தவறான பிரிவில் வைக்கப்பட்டது.
அது ஒரு நடைமுறை அளவுகோலை அளிக்கிறது: முதல் மதிப்பாய்வு வேகமானது, ஆனால் முழுமையான தானியக்கம் அல்ல. பதிலளிக்கும் பொறுப்பு மனிதரிடமே உள்ளது.
என்ன தவறு நடக்கக்கூடும்?
தனக்குத் தெரிந்ததை விட அதிகமாகத் தெரியும் என்பது போல் உதவியாளரை செயல்பட அனுமதிப்பதே மிகப்பெரிய தவறு. திருப்பி அனுப்பும் கொள்கை காலாவதியானதாக இருந்தால், உதவியாளர் நம்பிக்கையுடன் தவறான பதிலைத் தயாரிக்கக்கூடும். மேல் அதிகாரிகளுக்குக் கொண்டு செல்லும் விதிகள் தெளிவற்றதாக இருந்தால், அது கடுமையான புகார்களைக் கவனிக்கத் தவறக்கூடும்.
தனியுரிமை என்பது மற்றொரு பிரச்சினை. அந்தப் பயன்பாட்டிற்கு அந்த அமைப்பு அங்கீகரிக்கப்பட்டாலன்றி, தேவையற்ற கட்டண விவரங்கள், முகவரிகள் அல்லது முக்கியமான தனிப்பட்ட தகவல்களை அந்த உதவியாளரில் ஒட்டுவதை குழுவினர் தவிர்க்க வேண்டும்.
உதவியாளரும் தவறாமல் சோதிக்கப்பட வேண்டும். வாடிக்கையாளர் கேள்விகள் மாறுகின்றன, கொள்கைகள் மாறுகின்றன, தயாரிப்புகளும் மாறுகின்றன. மார்ச் மாதத்தில் சிறப்பாகச் செயல்பட்ட ஒரு வகைப்படுத்தல் உதவியாளர், ஜூன் மாதத்தில் வரும் புதிய உத்தரவாதக் கொள்கைக்குப் பிறகு அபாயகரமானதாக மாறக்கூடும்.
நடைமுறைப் பாடம்
நடைமுறையில் செயற்கை நுண்ணறிவுப் பிரிவுகள் ஏன் ஒன்றுடன் ஒன்று மேற்பொருந்துகின்றன என்பதை இந்த உதாரணம் காட்டுகிறது. ஒரு ஒற்றை ஆதரவு உதவியாளர் ஒரே நேரத்தில் குறுகிய கால செயற்கை நுண்ணறிவு, உரையாடல் செயற்கை நுண்ணறிவு, உருவாக்கும் செயற்கை நுண்ணறிவு, முன்கணிப்பு செயற்கை நுண்ணறிவு மற்றும் வரையறுக்கப்பட்ட நினைவகச் செயற்கை நுண்ணறிவு என பல வகைகளாக இருக்க முடியும். அதை மதிப்பிடுவதற்கான வலிமையான வழி, அது எந்த முடிவை ஆதரிக்கிறது, அது என்ன தரவைப் பயன்படுத்துகிறது, மற்றும் ஒரு மனிதர் அதை எங்கே சரிபார்க்க வேண்டும் என்று கேட்பதே ஆகும்.
அடிக்கடி கேட்கப்படும் கேள்விகள்
செயற்கை நுண்ணறிவில் தொடக்கநிலையாளர்கள் தெரிந்துகொள்ள வேண்டிய முக்கிய வகைகள் யாவை?
செயற்கை நுண்ணறிவின் முக்கிய வகைகளில் குறுகிய செயற்கை நுண்ணறிவு, பொதுவான செயற்கை நுண்ணறிவு, உயர் செயற்கை நுண்ணறிவு, எதிர்வினை இயந்திரங்கள், வரையறுக்கப்பட்ட நினைவக செயற்கை நுண்ணறிவு, உருவாக்கும் செயற்கை நுண்ணறிவு, முன்கணிப்பு செயற்கை நுண்ணறிவு, உரையாடல் செயற்கை நுண்ணறிவு, கணினிப் பார்வை செயற்கை நுண்ணறிவு, இயந்திரக் கற்றல் செயற்கை நுண்ணறிவு, ஆழ்நிலைக் கற்றல் செயற்கை நுண்ணறிவு மற்றும் ரோபோட்டிக்ஸ் செயற்கை நுண்ணறிவு ஆகியவை அடங்கும். இந்தப் பிரிவுகள் பெரும்பாலும் ஒன்றுடன் ஒன்று மேல்தழுவுவதால், ஒரு கருவி ஒரே நேரத்தில் பல வகைகளுக்குப் பொருந்தக்கூடும். உதாரணமாக, ஒரு சாட்பாட் குறுகிய செயற்கை நுண்ணறிவு, உரையாடல் செயற்கை நுண்ணறிவு, உருவாக்கும் செயற்கை நுண்ணறிவு மற்றும் வரையறுக்கப்பட்ட நினைவக செயற்கை நுண்ணறிவு என இருக்கலாம்.
திறன்களின் அடிப்படையில் செயற்கை நுண்ணறிவின் வகைகள் எவ்வாறு வகைப்படுத்தப்படுகின்றன?
திறன்களின் அடிப்படையில் செயற்கை நுண்ணறிவு பொதுவாக குறுகிய செயற்கை நுண்ணறிவு, பொதுவான செயற்கை நுண்ணறிவு மற்றும் மீச்சிறந்த செயற்கை நுண்ணறிவு என வகைப்படுத்தப்படுகிறது. குறுகிய செயற்கை நுண்ணறிவு குறிப்பிட்ட பணிகளைக் கையாளுகிறது மற்றும் இன்று பரவலாகப் பயன்படுத்தப்படுகிறது. பொதுவான செயற்கை நுண்ணறிவு மனிதனைப் போன்ற மட்டத்தில் பல பணிகளில் பகுத்தறிந்து கற்றுக் கொள்ளும், ஆனால் அது அன்றாடப் பயன்பாட்டின் ஒரு பகுதியாக இல்லை. மீச்சிறந்த செயற்கை நுண்ணறிவு மனித நுண்ணறிவை விஞ்சும் மற்றும் அது இன்னும் ஊகத்தின் அடிப்படையிலேயே உள்ளது.
குறுகிய செயற்கை நுண்ணறிவுக்கும் பொதுவான செயற்கை நுண்ணறிவுக்கும் என்ன வேறுபாடு?
குறுகிய செயற்கை நுண்ணறிவு (Narrow AI) என்பது ஸ்பேம் வடிகட்டுதல், பரிந்துரைகள், சாட்பாட்கள் அல்லது மோசடி கண்டறிதல் போன்ற ஒரு குறிப்பிட்ட பணிக்காகவோ அல்லது வரையறுக்கப்பட்ட சில பணிகளுக்காகவோ வடிவமைக்கப்பட்டுள்ளது. பொதுவான செயற்கை நுண்ணறிவு (General AI) என்பது தொடர்பில்லாத பல பணிகளில் கற்றுக்கொள்ளவும், பகுத்தறியவும், தன்னைத் தகவமைத்துக் கொள்ளவும் கூடியதாக இருக்கும். இன்று மக்கள் பயன்படுத்தும் பெரும்பாலான செயற்கை நுண்ணறிவு, அது நெகிழ்வானதாகவோ அல்லது மேம்பட்டதாகவோ உணரப்பட்டாலும், குறுகிய செயற்கை நுண்ணறிவே ஆகும்.
குறைந்த நினைவகத் திறன் கொண்ட செயற்கை நுண்ணறிவு இன்று ஏன் மிகவும் பரவலாக உள்ளது?
வரையறுக்கப்பட்ட நினைவகத் திறன் கொண்ட செயற்கை நுண்ணறிவு, முடிவுகளை மேம்படுத்துவதற்காக கடந்தகால அல்லது சமீபத்திய தரவுகளைப் பயன்படுத்த முடியும். இது, நடைமுறையில் உள்ள பல அமைப்புகளுக்கு நடைமுறைக்கு உகந்ததாக அமைகிறது. பரிந்துரை இயந்திரங்கள், மோசடி கண்டறியும் கருவிகள், தானியங்கி வாகன அம்சங்கள் மற்றும் உரையாடல் செயலிகள் போன்றவை பெரும்பாலும் இந்த வகையான செயற்கை நுண்ணறிவைச் சார்ந்தே இருக்கின்றன. இதற்கு மனிதனைப் போன்ற உணர்வுநிலை இல்லை, ஆனால் இது வடிவங்கள் மற்றும் சேமிக்கப்பட்ட தகவல்களின் அடிப்படையில் தன்னைத் தகவமைத்துக் கொள்ளும் திறன் கொண்டது.
செயற்கை நுண்ணறிவின் வகைகளில் உருவாக்கச் செயற்கை நுண்ணறிவு எவ்வாறு பொருந்துகிறது?
உருவாக்கச் செயற்கை நுண்ணறிவு (Generative AI) என்பது உரை, படங்கள், குறியீடு, ஒலி, காணொளி, சுருக்கங்கள் அல்லது வடிவமைப்பு யோசனைகள் போன்ற புதிய வெளியீடுகளை உருவாக்கும் ஒரு வகை செயற்கை நுண்ணறிவு ஆகும். இது பெருமளவிலான தரவுகளிலிருந்து வடிவங்களைக் கற்றுக்கொண்டு, தூண்டுதல்களின் அடிப்படையில் உள்ளடக்கத்தை உருவாக்குகிறது. இது வரைவு தயாரித்தல், சிந்தனைப் பரிமாற்றம், குறியீட்டு ஆதரவு மற்றும் படைப்புப் பணிகளுக்கு உதவக்கூடும், ஆனால் அதன் வெளியீடுகளுக்கு மனித மதிப்பாய்வு தேவைப்படுகிறது.
இயந்திரக் கற்றலுக்கும் ஆழ்நிலைக் கற்றலுக்கும் என்ன வேறுபாடு?
இயந்திரக் கற்றல் என்பது செயற்கை நுண்ணறிவின் ஒரு பிரிவாகும், இதில் அமைப்புகள் கையால் எழுதப்பட்ட விதிகளை மட்டும் பின்பற்றுவதற்குப் பதிலாக, தரவுகளிலிருந்து வடிவங்களைக் கற்றுக்கொள்கின்றன. ஆழ்நிலைக் கற்றல் என்பது இயந்திரக் கற்றலின் ஒரு சிறப்பு வடிவமாகும், இது அடுக்கு நரம்பியல் வலையமைப்புகளைப் பயன்படுத்துகிறது. பேச்சு அறிதல், பட அறிதல், இயற்கை மொழி செயலாக்கம், மொழிபெயர்ப்பு, மருத்துவப் படமெடுத்தல் மற்றும் உருவாக்கும் செயற்கை நுண்ணறிவு போன்ற சிக்கலான பணிகளுக்கு ஆழ்நிலைக் கற்றல் குறிப்பாக மதிப்புமிக்கது.
வணிகத்தில் முன்கணிப்பு செயற்கை நுண்ணறிவு எதற்காகப் பயன்படுத்தப்படுகிறது?
முன்கணிப்புச் செயற்கை நுண்ணறிவு, எதிர்காலத்தில் ஏற்படக்கூடிய விளைவுகளை மதிப்பிடுவதற்குத் தரவுகளைப் பயன்படுத்துகிறது. வணிகங்கள் இதைத் தேவைத் திட்டமிடல், வாடிக்கையாளர் விலகல் முன்கணிப்பு, மோசடி கண்டறிதல், இடர் மதிப்பீடு, சரக்கு இருப்பு முடிவுகள் அல்லது பராமரிப்பு முன்கணிப்பு ஆகியவற்றிற்காகப் பயன்படுத்தலாம். இது திட்டமிடலுக்கும் முடிவெடுப்பதற்கும் துணைபுரிகிறது, ஆனால் எதிர்காலத்திற்கு உத்தரவாதம் அளிப்பதில்லை. முன்கணிப்புகள் என்பவை, கிடைக்கக்கூடிய தரவுகள் மற்றும் மாதிரியின் தரம் ஆகியவற்றால் வடிவமைக்கப்படும் மதிப்பீடுகளாகும்.
கணினிப் பார்வை செயற்கை நுண்ணறிவு நடைமுறை அமைப்புகளில் எவ்வாறு செயல்படுகிறது?
கணினிப் பார்வை செயற்கை நுண்ணறிவு, படங்கள், காணொளிகள், கேமராக்கள், ஸ்கேன்கள் அல்லது சென்சார்கள் ஆகியவற்றிலிருந்து வரும் காட்சித் தகவல்களை இயந்திரங்கள் புரிந்துகொள்ள உதவுகிறது. இது முகத்தை அடையாளம் காணுதல், பொருளைக் கண்டறிதல், தொழிற்சாலை ஆய்வு, மருத்துவப் படமெடுத்தல், போக்குவரத்தைக் கண்டறிதல், சில்லறை விற்பனைப் பகுப்பாய்வு, விவசாயக் கண்காணிப்பு மற்றும் பாதுகாப்பு அமைப்புகளுக்கு ஆதரவளிக்க முடியும். இது ஒரு மனிதனைப் போலப் பார்க்காது, ஆனால் பிக்சல்கள், வடிவங்கள், வண்ணங்கள் மற்றும் கோலங்களை பெரிய அளவில் செயலாக்க முடியும்.
ஒரே செயற்கை நுண்ணறிவுத் தயாரிப்பு ஏன் பல வகையான செயற்கை நுண்ணறிவுகளில் அடங்க முடியும்?
செயற்கை நுண்ணறிவுப் பிரிவுகள் பெரும்பாலும் திறன், செயல்பாடு, பயிற்சி முறை அல்லது பயன்பாடு போன்ற பல்வேறு விஷயங்களை விவரிக்கின்றன. உதாரணமாக, ஒரு குரல் உதவியாளர், திறனின் அடிப்படையில் குறுகிய வகை செயற்கை நுண்ணறிவாகவும், பயன்பாட்டின் அடிப்படையில் உரையாடல் வகை செயற்கை நுண்ணறிவாகவும், செயல்பாட்டின் அடிப்படையில் வரையறுக்கப்பட்ட நினைவக வகை செயற்கை நுண்ணறிவாகவும், மற்றும் கட்டமைப்பின் அடிப்படையில் ஆழ்நிலை கற்றல் வகை செயற்கை நுண்ணறிவாகவும் இருக்கலாம். இந்த ஒன்றுடன் ஒன்று கலத்தல் இயல்பானது மற்றும் ஒரு அமைப்பு என்ன செய்கிறது என்பதைப் பல்வேறு கோணங்களில் இருந்து விளக்க உதவுகிறது.
பல்வேறு வகையான செயற்கை நுண்ணறிவு தொடர்பான என்னென்ன அபாயங்களை மக்கள் புரிந்துகொள்ள வேண்டும்?
செயற்கை நுண்ணறிவின் பொதுவான அபாயங்களில் சார்புநிலை, தவறான வெளியீடுகள், தனியுரிமைக் கவலைகள், பாதுகாப்புக் குறைபாடுகள், வெளிப்படைத்தன்மை இல்லாமை, அதீத சார்புநிலை மற்றும் பலவீனமான மனித மேற்பார்வை ஆகியவை அடங்கும். உருவாக்க செயற்கை நுண்ணறிவு (Generative AI) தகவல்களைக் கற்பனையாக உருவாக்கலாம், முன்கணிப்பு செயற்கை நுண்ணறிவு (Predictive AI) தவறான வடிவங்களை வலுப்படுத்தலாம், மற்றும் கணினிப் பார்வை (Computer Vision) பொருள்கள் அல்லது நபர்களைத் தவறாக அடையாளம் காணலாம். ஒரு சிறந்த செயற்கை நுண்ணறிவுப் பயன்பாட்டிற்குப் பொதுவாகச் சோதனை, கண்காணிப்பு, தெளிவான வரம்புகள், வலுவான தரவு நடைமுறைகள் மற்றும் மனித மதிப்பாய்வு ஆகியவை தேவைப்படுகின்றன.
குறிப்புகள்
-
ஐபிஎம் - செயற்கை நுண்ணறிவு வகைகள் - ibm.com
-
NIST AI இடர் மேலாண்மை கட்டமைப்பு - AI இடர்கள் - nist.gov
-
கூகிள் டெவலப்பர்கள் - இயந்திரக் கற்றல் - developers.google.com
-
AWS - உருவாக்கும் செயற்கை நுண்ணறிவு - aws.amazon.com