குறுகிய செயற்கை நுண்ணறிவு (Narrow AI) என்றால் என்ன? [காணொளி மற்றும் வினாவிடை]

சுருக்கமாக: நேரோ ஏஐ என்பது, மோசடியைக் கண்டறிதல் அல்லது பரிந்துரைகள் வழங்குதல் போன்ற ஒரு குறிப்பிட்ட பணியை அல்லது அதனுடன் நெருங்கிய தொடர்புடைய பல பணிகளைச் செய்வதற்காக வடிவமைக்கப்பட்ட ஒரு சிறப்பு வாய்ந்த செயற்கை நுண்ணறிவு ஆகும். இதன் குறிக்கோள் தெளிவாக வரையறுக்கப்பட்டு, அதன் செயல்திறனைச் சோதிக்க முடிந்தால், மேலும் அதிக தாக்கத்தை ஏற்படுத்தும் முடிவுகளுக்கு மனிதர்களே பொறுப்பேற்க வேண்டியிருந்தால், இது மிகச் சிறப்பாகச் செயல்படும்.

முக்கிய குறிப்புகள்:

வரம்பு: வரையறுக்கப்பட்ட ஒரு பணியை வரையறுத்து, அங்கீகரிக்கப்பட்ட எல்லைக்கு வெளியே வரும் கோரிக்கைகளை நிராகரிக்கவும்.

பொறுப்புக்கூறல்: செயற்கை நுண்ணறிவு ஆதரவுடனான ஒவ்வொரு முக்கியத்துவம் வாய்ந்த முடிவிற்கும், பெயரிடப்பட்ட ஒரு மனிதப் பொறுப்பாளரை நியமிக்கவும்.

வெளிப்படைத்தன்மை: ஒவ்வொரு அமைப்பின் வெளியீட்டையும் வடிவமைக்கும் தரவுகள், விதிகள் மற்றும் வரம்புகளை விளக்குங்கள்.

ஆட்சேபனைக்குரிய தன்மை: பாதிக்கப்பட்ட நபர்கள் பிழைகளுக்கு சவால் விடுக்கவும், அர்த்தமுள்ள மனித மதிப்பாய்வைப் பெறவும் அனுமதிக்கிறது.

தணிக்கைத்தன்மை: சிக்கலான சூழல்களைச் சோதித்து, தோல்விகளைப் பதிவுசெய்து, செயல்படுத்திய பிறகு செயல்திறனைக் கண்காணிக்கவும்.

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 செயற்கை நுண்ணறிவில் டோக்கன் என்றால் என்ன?
செயற்கை நுண்ணறிவு டோக்கன்கள் உரையை எவ்வாறு செயலாக்கக்கூடிய அலகுகளாகப் பிரிக்கின்றன என்பதைத் தெரிந்துகொள்ளுங்கள்.

🔗 செயற்கை நுண்ணறிவின் வகைகள் யாவை?
முக்கிய செயற்கை நுண்ணறிவுப் பிரிவுகள், திறன்கள் மற்றும் நடைமுறை உலகப் பயன்பாடுகளைப் பற்றி அறிந்துகொள்ளுங்கள்.

🔗 செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட உள்ளடக்கத்தை முறையாக மேற்கோள் காட்டுவது எப்படி?
செயற்கை நுண்ணறிவு கருவிகள் மற்றும் உருவாக்கப்பட்ட உள்ளடக்கத்திற்கான தெளிவான மேற்கோள் காட்டும் நடைமுறைகளைப் பின்பற்றவும்.

🔗 AI கண்ணாடிகள் என்றால் என்ன, அவை எவ்வாறு செயல்படுகின்றன?
AI கண்ணாடிகள், அதன் முக்கிய அம்சங்கள், பயன்கள் மற்றும் அன்றாடப் பலன்களைப் பற்றி அறிந்துகொள்ளுங்கள்.

1. நேரோ ஏஐ (Narrow AI) என்றால் என்ன? எளிய வரையறை

குறுகிய செயற்கை நுண்ணறிவு, சில சமயங்களில் பலவீனமான செயற்கை நுண்ணறிவு அல்லது சிறப்பு வாய்ந்த செயற்கை நுண்ணறிவு என்றும் அழைக்கப்படுகிறது, இது ஒரு குறிப்பிட்ட நோக்கத்திற்காக உருவாக்கப்பட்ட ஒரு செயற்கை நுண்ணறிவு அமைப்பாகும் .

அந்த நோக்கத்திற்குள் அது விதிவிலக்காகத் திறமையானதாக இருக்கலாம். சில சூழல்களில், அது ஒரு மனிதனை விட வேகமாகவோ, சீராகவோ, அல்லது மிகவும் துல்லியமாகவோ செயல்பட முடியும். ஆயினும், அதன் நுண்ணறிவு அதன் பயிற்சி மற்றும் நிரலாக்கத்தின் வரம்புகளைத் தாண்டி விரிவடைவதில்லை.

ஒரு குறுகிய செயற்கை நுண்ணறிவு அமைப்பு பின்வருவனவற்றிற்காக உருவாக்கப்படலாம்:

• புகைப்படங்களில் உள்ள பொருட்களை அடையாளம் காணுங்கள் 📷

• ஒரு வாடிக்கையாளர் எந்தப் பொருட்களை விரும்பக்கூடும் எனக் கணிக்கவும்

• அசாதாரணமான வங்கிப் பரிவர்த்தனைகளைக் கண்டறியவும்

• பேச்சு மொழியை உரையாக மாற்றவும்

• இசை அல்லது காணொளி உள்ளடக்கத்தைப் பரிந்துரைக்கவும்

• மருத்துவப் படங்களில் நோயின் அறிகுறிகளைக் கண்டறியவும்

• பயிற்சி பெற்ற மொழி மாதிரி மூலம் கேள்விகளுக்கு பதிலளிக்கவும்

• வாகனம் சாலைக் குறியீடுகளுக்குள் இருக்க உதவுங்கள்

ஒவ்வொரு அமைப்பும் தகவல்களைச் செயலாக்கி மதிப்புமிக்க முடிவுகளை உருவாக்குவதால், அது அறிவார்ந்ததாகத் தோன்றலாம். அப்படியிருந்தும், அந்த நுண்ணறிவு ஒருமுகப்படுத்தப்பட்டதாகவே இருக்கிறது.

உதாரணமாக, சதுரங்கம் விளையாடும் ஒரு செயற்கை நுண்ணறிவு, மிகவும் திறமையான வீரர்களைத் தோற்கடிக்கக்கூடும். உங்கள் வீட்டுச் செடி ஏன் வாடிப்போய்க் காணப்படுகிறது என்று விளக்கச் சொன்னால், அந்த மாயை வியக்கத்தக்க வேகத்தில் சரிந்துவிடும்.

அதுதான் “குறுகிய” பகுதி. அமைப்பு அதற்கென ஒதுக்கப்பட்ட பாதையிலேயே செல்கிறது.

2. குறுகிய செயற்கை நுண்ணறிவு ஏன் “பலவீனமான செயற்கை நுண்ணறிவு” என்று அழைக்கப்படுகிறது?

'பலவீனமான செயற்கை நுண்ணறிவு' என்ற சொற்றொடர் தவறான எண்ணத்தை ஏற்படுத்தக்கூடும்.

இதன் மூலம் அந்தத் தொழில்நுட்பம் பலவீனமானது, நம்பகமற்றது அல்லது ஈர்க்க முடியாதது என்று கூறிவிட முடியாது. சில குறுகிய செயற்கை நுண்ணறிவு அமைப்புகளால் மிகப் பெரிய அளவிலான தகவல்களை ஆராயவும், நுட்பமான வடிவங்களைக் கண்டறியவும், சிறப்புப் பணிகளை வியக்கத்தக்க வேகத்தில் முடிக்கவும் முடியும்.

"பலவீனமானது" என்பது, அந்த அமைப்பில் பரந்த, மனிதனைப் போன்ற நுண்ணறிவு இல்லை என்பதையே குறிக்கிறது .

ஒருவர் வாகனம் ஓட்டக் கற்றுக்கொள்வது, உணவு சமைப்பது, கிண்டலைப் புரிந்துகொள்வது, நண்பருக்கு ஆறுதல் கூறுவது, புகார் மின்னஞ்சல் எழுதுவது, மேலும் எப்படியோ கார் சாவிகள் எங்கே இருக்கின்றன என்பதை மறந்துவிடுவது என இவை அனைத்தையும் ஒரே மதிய வேளையில் செய்ய முடியும். குறுகிய செயற்கை நுண்ணறிவுக்கு (Narrow AI) அத்தகைய நெகிழ்வான நுண்ணறிவு இல்லை.

மாறாக, அது கவனமாக வரையறுக்கப்பட்ட ஒரு களத்திற்குள் இயங்குகிறது.

ஒரு மோசடி கண்டறியும் அமைப்பால் அசாதாரணமான செலவு முறைகளை அடையாளம் காண முடியும், ஆனால் அது, மக்கள் புரிந்துகொள்ளும் உணர்வுப்பூர்வமான அல்லது சமூகரீதியான அர்த்தத்தில் பணத்தைப் புரிந்துகொள்வதில்லை. அது வாடகையைப் பற்றிக் கவலைப்படுவதில்லை. அதிக விலை கொடுத்து வாங்கிய காபிக்காக அது வருந்துவதில்லை. அது தரவுகளை மதிப்பீடு செய்கிறது.

குறுகிய செயற்கை நுண்ணறிவு மனித பகுத்தறிவின் சில பகுதிகளைப் பின்பற்றலாம், ஆனால் அது தரவுகளுக்குப் பின்னால் உள்ள உலகத்தைப் புரிந்துகொள்ளும் என்று சொல்ல முடியாது. அந்த வேறுபாடு மிகவும் முக்கியமானது.

3. குறுகலான செயற்கை நுண்ணறிவு செயல்படும் விதம் 🧠

குறுகிய செயற்கை நுண்ணறிவு பொதுவாகத் தரவுகளைச் செயலாக்குதல், வடிவங்களைக் கண்டறிதல் மற்றும் ஒரு கணிப்பு, வகைப்பாடு, பரிந்துரை அல்லது பதிலை உருவாக்குதல் ஆகியவற்றின் மூலம் செயல்படுகிறது.

சரியான செயல்முறை கணினியைப் பொறுத்து மாறுபடும், ஆனால் அதன் எளிமைப்படுத்தப்பட்ட வடிவம் பின்வரும் வரிசையைப் பின்பற்றுகிறது:

1. ஒரு பணி வரையறுக்கப்படுகிறது.
   ஸ்பேம் மின்னஞ்சல்களைக் கண்டறிவது போன்ற, செயற்கை நுண்ணறிவு என்ன செய்ய வேண்டும் என்பதை உருவாக்குநர்கள் தீர்மானிக்கிறார்கள்.

2. தொடர்புடைய தரவுகள் சேகரிக்கப்படுகின்றன.
   இந்த அமைப்பு, ஸ்பேம் மற்றும் உண்மையான செய்திகளின் மாதிரிகளைப் பெறக்கூடும்.

3. ஒரு மாதிரிக்கு பயிற்சி அளிக்கப்படுகிறது.
   இயந்திர கற்றல் வழிமுறைகள் ஒவ்வொரு வகையுடனும் தொடர்புடைய வடிவங்களைத் தேடுகின்றன.

4. இந்த மாதிரி புதிய தகவல்களை மதிப்பீடு செய்கிறது.
   ஒரு புதிய மின்னஞ்சல் வரும்போது, ​​இந்த அமைப்பு அதன் வார்த்தைகள், அனுப்புநர் விவரங்கள், வடிவமைப்பு, இணைப்புகள் மற்றும் பிற குறிப்புகளை ஆராய்கிறது.

5. செயற்கை நுண்ணறிவு ஒரு வெளியீட்டை உருவாக்குகிறது.
   அது, ஒரு செய்தியை ஸ்பேம் அல்லது உண்மையானது என, பொதுவாக ஒரு நம்பகத்தன்மை மதிப்பெண்ணுடன் வகைப்படுத்துகிறது.

எல்லா குறுகிய செயற்கை நுண்ணறிவு அமைப்புகளும் இயந்திரக் கற்றலைச் சார்ந்திருப்பதில்லை. சில, நிரலாளர்களால் உருவாக்கப்பட்ட விதிகளைப். மற்றவை விதிகள், புள்ளியியல் மாதிரிகள், நரம்பியல் வலையமைப்புகள், இயற்கை மொழி செயலாக்கம் அல்லது கணினிப் பார்வை ஆகியவற்றை ஒருங்கிணைக்கின்றன.

மையக் கருத்து என்னவென்றால், குறுகிய செயற்கை நுண்ணறிவு (Narrow AI) மாயாஜாலமாக எல்லாவற்றையும் பற்றி 'சிந்திப்பதில்லை'.

இது ஒரு கட்டமைப்பிற்குள் கணக்கீடுகளைச் செய்கிறது.

நிச்சயமாக, அந்தக் கட்டமைப்பு மிகவும் சிக்கலானதாக இருக்கலாம். அதை “வெறும் கணக்கீடுகள்” என்று அழைப்பது, ஒரு நகரத்தை “வெறும் சில கட்டிடங்கள்” என்று அழைப்பதைப் போன்றது. தொழில்நுட்ப ரீதியாக அது சரிதான், ஆனால் அது சொல்லப்படாத பல விஷயங்களை விட்டுவிடுகிறது.

4. குறுகிய செயற்கை நுண்ணறிவின் பொதுவான எடுத்துக்காட்டுகள்

குறு செயற்கை நுண்ணறிவு ஏற்கனவே அன்றாட வாழ்வில் பின்னிப் பிணைந்துள்ளது; அது பெரும்பாலும் மிகவும் அமைதியாக இருப்பதால், மக்கள் அதைக் கவனிப்பதில்லை.

குரல் உதவியாளர்கள் 🎙️

குரல் உதவியாளர்கள், கோரிக்கைகளைப் புரிந்துகொண்டு பதில்களை வழங்குவதற்காக, பேச்சு அறிதல், இயற்கை மொழி செயலாக்கம் மற்றும் பரிந்துரை அமைப்புகளைப் பயன்படுத்துகின்றன.

அவர்கள் பின்வருவனவற்றைச் செய்யலாம்:

• அலாரங்களை அமைக்கவும்

• இசையை இசைக்கவும்

• வழிமுறைகளை வழங்கவும்

• இணைக்கப்பட்ட சாதனங்களைக் கட்டுப்படுத்தவும்

• அடிப்படை கேள்விகளுக்கு பதிலளிக்கவும்

• நாட்காட்டியில் நிகழ்வுகளைச் சேர்க்கவும்

இந்த உதவியாளர்கள் பல பணிகளைச் செய்ய முடியும், ஆனால் அவற்றில் ஒவ்வொன்றும் சிறப்பு மாதிரிகள் மற்றும் முன்வரையறுக்கப்பட்ட திறன்களைச் சார்ந்தே இருக்கின்றன.

பரிந்துரை இயந்திரங்கள்

ஸ்ட்ரீமிங் சேவைகள், ஆன்லைன் கடைகள், சமூகத் தளங்கள் மற்றும் செய்திச் செயலிகள் ஆகியவை, ஒரு பயனர் அடுத்து எதை விரும்பக்கூடும் என்பதைக் கணிக்க, பரிந்துரை வழிமுறைகளைப் பயன்படுத்துகின்றன.

அவர்கள் பின்வரும் சமிக்ஞைகளை மதிப்பிடுகிறார்கள்:

• பார்வை வரலாறு

• வாங்கும் நடத்தை

• தேடல் செயல்பாடுகள்

• மதிப்பீடுகள்

• உள்ளடக்கத்தில் செலவழித்த நேரம்

• ஒத்த பயனர்களின் விருப்பத்தேர்வுகள்

இதன் விளைவு, விசித்திரமான முறையில் தனிப்பட்டதாக உணரப்படலாம். சில நேரங்களில், அது சங்கடமானதாகவும் இருக்கலாம். இருப்பினும், இந்த அமைப்பு உங்கள் இரவு நேர ஆவணப்படப் பழக்கவழக்கங்கள் குறித்து உணர்ச்சிப்பூர்வமான தீர்ப்பை வழங்குவதை விட, அவற்றின் வடிவங்களையே பொருத்திப் பார்க்கிறது.

மின்னஞ்சல் ஸ்பேம் வடிப்பான்கள்

ஸ்பேம் வடிகட்டிகள் என்பவை நேரோ ஏஐ-யின் பாரம்பரியமான கருவிகளாகும். அவை உள்வரும் செய்திகளை ஆய்வு செய்து, மோசடிகள், விளம்பரங்கள், தீங்கிழைக்கும் இணைப்புகள் அல்லது தேவையற்ற உள்ளடக்கம் ஆகியவற்றுடன் பொதுவாகத் தொடர்புடைய சமிக்ஞைகளைக் கண்டறிகின்றன.

இந்த வடிகட்டி உங்கள் இன்பாக்ஸின் தனிப்பட்ட முக்கியத்துவத்தைப் புரிந்துகொள்வதில்லை. அது அபாயகரமான அல்லது பொருத்தமற்ற செய்திகளுடன் தொடர்புடைய வடிவங்களை மட்டுமே அடையாளம் காண்கிறது.

முக அங்கீகாரம்

முகத்தை அடையாளம் காணும் அமைப்புகள், ஒரு நபரை அடையாளம் காண அல்லது சரிபார்க்க, அவரது முக அம்சங்கள், அளவீடுகள் மற்றும் காட்சி வடிவங்களை ஒப்பிடுகின்றன.

இந்தத் தொழில்நுட்பம் பின்வருவனவற்றிற்குப் பயன்படுத்தப்படலாம்:

• சாதனங்களைத் திறத்தல்

• புகைப்படங்களை ஒழுங்கமைத்தல்

• அடையாள சரிபார்ப்பு

• பாதுகாப்பு சோதனைகள்

• அணுகல் கட்டுப்பாடு

இருப்பினும், முகத்தை அடையாளம் காணும் தொழில்நுட்பம் தனியுரிமை, நியாயம் மற்றும் கண்காணிப்பு தொடர்பான கடுமையான கவலைகளை எழுப்பக்கூடும் . ஒரு கருவி தொழில்நுட்ப ரீதியாக ஈர்க்கக்கூடியதாகவும், அதே நேரத்தில் சமூக ரீதியாக சிக்கல்கள் நிறைந்ததாகவும் இருக்கக்கூடும்.

வழிசெலுத்தல் பயன்பாடுகள் 🗺️

வழிசெலுத்தல் தளங்கள், வருகை நேரங்களைக் கணக்கிடவும், போக்குவரத்து நெரிசலைக் கண்டறியவும், வழிகளைப் பரிந்துரைக்கவும், தாமதங்களைக் கணிக்கவும் செயற்கை நுண்ணறிவைப் பயன்படுத்துகின்றன.

இந்த அமைப்புகள் சாலை நிலைகள், இருப்பிடத் தரவுகள், பயண வேகங்கள், சாலை மூடல்கள் மற்றும் வரலாற்றுப் போக்குகள் போன்றவற்றைச் செயலாக்குகின்றன. ஒரு வெளியேறும் வழியைத் தவறவிடுவதால் ஏற்படும் மன உளைச்சலை அவை புரிந்துகொள்வதில்லை, ஆனால் பொதுவாக மற்றொரு வழியைக் கணக்கிட அவற்றால் முடியும்.

வாடிக்கையாளர் சேவை சாட்போட்கள்

பல ஆதரவு உரையாடல் செயலிகள், பொதுவான கேள்விகளுக்குப் பதிலளிக்கவும், கணக்குச் செயல்முறைகளில் பயனர்களுக்கு வழிகாட்டவும், அல்லது சிக்கலான பிரச்சனைகளை மனித முகவர்களிடம் கொண்டு செல்லவும் வடிவமைக்கப்பட்டுள்ளன.

அவர்கள் ஒரு வரையறுக்கப்பட்ட அறிவுத்தளம் அல்லது பணிப்பாய்வுகளுக்குள் இயங்குவதால், அவர்களின் திறன்கள் குறுகியதாகவே இருக்கின்றன.

5. குறுகிய செயற்கை நுண்ணறிவு, பொதுவான செயற்கை நுண்ணறிவு மற்றும் மீநுண்ணறிவு

மக்கள் பெரும்பாலும் செயற்கை நுண்ணறிவின் எல்லா வடிவங்களையும் ஒரே பிரிவில் வைப்பதால், குழப்பம் ஏற்படுகிறது. குறுகிய செயற்கை நுண்ணறிவு, செயற்கைப் பொது நுண்ணறிவு மற்றும் செயற்கை மீநுண்ணறிவு ஆகியவை திறன்களின் முற்றிலும் மாறுபட்ட நிலைகளை விவரிக்கின்றன.

ஒப்பீட்டு அட்டவணை

குறுகிய AI

குறுகிய செயற்கை நுண்ணறிவு ஒரு குறிப்பிட்ட பணிக்காக உருவாக்கப்படுகிறது. இதுவே இன்று தயாரிப்புகள் மற்றும் சேவைகளில் பொதுவாகக் காணப்படும் செயற்கை நுண்ணறிவின் வடிவமாகும்.

செயற்கை பொது நுண்ணறிவு

செயற்கை பொது நுண்ணறிவு (AGI) என்பது, அறிவைப் புரிந்துகொள்ளவும், கற்றுக்கொள்ளவும், மேலும் பல்வேறு பணிகளில் அதனைப் பயன்படுத்தவும் திறன் கொண்டதாக இருக்கும்.

ஒரு ஏஜிஐ அமைப்பானது, கோட்பாட்டளவில் ஒரு புதிய பாடத்தைக் கற்றுக்கொள்ளவும், அறிமுகமில்லாத சிக்கல்களைப் பகுத்தறியவும், வெவ்வேறு துறைகளுக்கு இடையே அறிவைப் பரிமாறவும், ஒவ்வொரு பணிக்கும் புதிதாக உருவாக்கப்படாமல் தன்னைத் தகவமைத்துக் கொள்ளவும் முடியும்.

செயற்கை சூப்பர் நுண்ணறிவு

செயற்கை மீஅறிவுத்திறன், பெரும்பாலான அல்லது அனைத்துத் துறைகளிலும் மனிதனின் அறிவுத்திறனை விஞ்சிவிடும்.

இந்தக் கருத்து தொழில்நுட்ப விவாதங்களிலும் அறிவியல் புனைகதைகளிலும் அடிக்கடி இடம்பெறுகிறது. இது கட்டுப்பாடு, பாதுகாப்பு, அறநெறி, அதிகாரம் மற்றும் காலை உணவுக்கு முன்பே அனைவரையும் விஞ்சும் சிந்தனைத் திறன் கொண்ட ஒரு மூளையை உருவாக்குவதன் ஞானம் போன்ற சிக்கல்களை எழுப்புகிறது.

இந்த வேறுபாடு இன்றியமையாதது: குறுகிய செயற்கை நுண்ணறிவு (Narrow AI) ஒரு குறிப்பிட்ட துறைக்கு மட்டும் உரியது, பரந்த பொது நுண்ணறிவு (AGI) நெகிழ்வானதாக இருக்கும், மற்றும் மீநுண்ணறிவு (superintelligence) மனித அளவிலான திறனுக்கு அப்பாற்பட்டு செயல்படும்.

6. குறு செயற்கை நுண்ணறிவால் சிறப்பாகச் செய்யக்கூடியவை ✅

ஒரு பணிக்குத் தெளிவான இலக்குகள், அணுகக்கூடிய தரவுகள் மற்றும் மீண்டும் மீண்டும் நிகழும் வடிவங்கள் இருக்கும்போது, ​​குறு செயற்கை நுண்ணறிவு மிகவும் மதிப்புமிக்கதாக விளங்குகிறது.

அதிக அளவிலான தரவுகளைச் செயலாக்குதல்

எந்தவொரு தனிநபராலும் இயல்பாக மதிப்பாய்வு செய்யக்கூடியதை விட மிகப் பெரிய தரவுத் தொகுப்புகளை செயற்கை நுண்ணறிவு அமைப்புகளால் பகுப்பாய்வு செய்ய முடியும்.

ஒரு நிறுவனம் ஆயிரக்கணக்கான பரிவர்த்தனைகள், படங்கள், ஆவணங்கள் அல்லது வாடிக்கையாளர் தொடர்புகளை ஆய்வு செய்ய நேரோ ஏஐ-ஐப் பயன்படுத்தலாம். இந்த அமைப்பு, சோர்வடையாமலோ அல்லது அன்றாடப் பணிகளால் கவனம் சிதறாமலோ, போக்குகளையும் அசாதாரண வடிவங்களையும் அடையாளம் காணும் திறன் கொண்டது.

வடிவங்களை அடையாளம் காணுதல்

வடிவங்களை அடையாளம் காணுதல் என்பது நேரோ ஏஐ-யின் மிக வலிமையான திறன்களில் ஒன்றாகும்.

குறிப்பாக ஒரு தரவுத்தொகுப்பில் மில்லியன் கணக்கான எடுத்துக்காட்டுகள் அல்லது எண்ணற்ற ஊடாடும் மாறிகள் இருக்கும்போது, ​​மனிதர்களால் கண்டறிவதற்கு கடினமான தொடர்புகளை இதனால் கண்டறிய முடியும்.

மீண்டும் மீண்டும் செய்யப்படும் பணிகளைச் செய்தல்

குறு செயற்கை நுண்ணறிவால் பின்வரும் வழக்கமான பணிகளைத் தானியக்கமாக்க முடியும்:

• ஆவணங்களை வரிசைப்படுத்துதல்

• செய்திகளை வகைப்படுத்துதல்

• படிவங்களைச் சரிபார்த்தல்

• திட்டமிடல் வளங்கள்

• சந்தேகத்திற்கிடமான செயல்பாட்டைக் கொடியிடுதல்

• உரையிலிருந்து தகவலைப் பிரித்தெடுத்தல்

தானியக்கமானது நிர்வாகப் பணிச்சுமையைக் குறைத்து , பகுத்தறிவு, படைப்பாற்றல், பேச்சுவார்த்தை அல்லது பச்சாதாபம் தேவைப்படும் பணிகளில் மக்கள் கவனம் செலுத்த வழிவகுக்கும்.

சீரான வெளியீடுகளை உருவாக்குதல்

மக்கள் சோர்வடையலாம், அவசரப்படலாம், ஈடுபாடற்றவர்களாக ஆகலாம் அல்லது சீரற்றவர்களாக மாறலாம். செயற்கை நுண்ணறிவு அமைப்புகள் பொதுவாக ஒரே செயல்முறையை மீண்டும் மீண்டும் பயன்படுத்துகின்றன.

இந்த நிலைத்தன்மை உதவக்கூடும், ஆனால் அது துல்லியத்திற்குச் சமமானதல்ல. ஒரு அமைப்பு ஒவ்வொரு முறையும் ஒரே பிழையை மீண்டும் செய்யக்கூடும், அது ஏதோவொரு வகையில் இன்னும் மோசமானது - ஒரு ஏரியை நோக்கி நம்பிக்கையுடன் சுட்டிக்காட்டும் திசைகாட்டியைப் போல.

விரைவான முடிவுகளை ஆதரித்தல்

குறு செயற்கை நுண்ணறிவு, நிபுணர்கள் தகவல்களை இன்னும் விரைவாகப் புரிந்துகொள்ள உதவும்.

மருத்துவர்கள், ஆய்வாளர்கள், பொறியாளர்கள், ஆசிரியர்கள், வாடிக்கையாளர் சேவைக் குழுக்கள் மற்றும் பாதுகாப்பு வல்லுநர்கள், ஒரு விரிவான முடிவெடுக்கும் செயல்முறையின் ஒரு அங்கமாக, செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட பரிந்துரைகளைப் பயன்படுத்தலாம்.

மிக வலிமையான ஏற்பாடு என்பது பெரும்பாலும் ஒத்துழைப்பே தவிர, பதிலீடு அல்ல.

7. குறுகிய செயற்கை நுண்ணறிவால் சிறப்பாகச் செய்ய முடியாதவை

குறுகிய செயற்கை நுண்ணறிவு வியக்கத்தக்க திறன் வாய்ந்ததாகத் தோன்றலாம், ஆயினும் சூழல் மாறும்போது அதன் வரம்புகள் தெளிவாகிவிடுகின்றன.

அதனால் பரந்த அளவில் சிந்திக்க முடியாது

ஒரு சிறப்பு வாய்ந்த மாதிரி, அதன் திறன்களைத் தொடர்பில்லாத பணிகளுக்குத் தானாகவே கொண்டு செல்வதில்லை.

சேதமடைந்த இயந்திரங்களைக் கண்டறியப் பயிற்சி பெற்ற ஒரு செயற்கை நுண்ணறிவால் திடீரென ஒரு சந்தைப்படுத்தல் பிரச்சாரத்தைத் திட்டமிட முடியாது. பல செயல்பாடுகளை ஆதரிக்கும் அமைப்புகள் கூட, அவற்றின் கட்டமைப்பு, பயிற்சி, கருவிகள் மற்றும் கிடைக்கக்கூடிய தகவல்களால் கட்டுப்படுத்தப்படுகின்றன.

அது பழக்கமில்லாத சூழ்நிலைகளைக் கையாள்வதில் சிரமப்படலாம்

புதிய உள்ளீடுகள், பயிற்சியின் போது பயன்படுத்தப்பட்ட தரவுகளை ஒத்திருக்கும்போது, ​​இயந்திர கற்றல் அமைப்புகள் பொதுவாக சிறப்பாகச் செயல்படுகின்றன.

எதிர்பாராத சூழ்நிலைகள் தவறான அல்லது விசித்திரமான முடிவுகளைத் தரக்கூடும். இது சில சமயங்களில் ' பகிர்வுப் பிழைச் சிக்கல்' (out-of-distribution problem); இது, ஒரு செயற்கை நுண்ணறிவு (AI) அதுவரை கண்டிராத ஒருவித சீர்குலைவை எதிர்கொள்வதைக் குறிக்கும் ஒரு தொழில்நுட்பச் சொல்லாகும்.

அதற்கு மனிதனின் பொது அறிவு இல்லை

மக்கள் எண்ணற்ற அன்றாட உண்மைகளை, அவற்றை உணர்வுபூர்வமாகப் பட்டியலிடாமலேயே புரிந்துகொள்கிறார்கள்.

கண்ணாடி உடையக்கூடும், ஈரமான தரை வழுக்கும், வாக்குறுதிகள் நம்பிக்கையைப் பாதிக்கும், மேலும் அமைதியான நூலகத்திற்குள் சத்தமான இசைக்கருவியைக் கொண்டு வருவது அநேகமாக விரும்பப்படாத ஒன்றாக இருக்கும் என்பது நமக்குத் தெரியும்.

தொடர்புடைய வடிவங்கள் அவற்றின் பயிற்சித் தரவுகளிலோ அல்லது விதிகளிலோ தோன்றாவிட்டால், செயற்கை நுண்ணறிவு அமைப்புகளால் இந்தத் தொடர்புகளை நம்பகத்தன்மையுடன் புரிந்துகொள்ள முடியாமல் போகலாம்.

அது சார்புடைய தரவுகளைப் பிரதிபலிக்கக்கூடும்

பயிற்சித் தரவுகளில் வரலாற்று ரீதியான ஏற்றத்தாழ்வுகள், விடுபட்ட குழுக்கள், தவறான குறியீடுகள் அல்லது திரிபுபடுத்தப்பட்ட அனுமானங்கள் இருக்கும்போது, ​​செயற்கை நுண்ணறிவு அந்தப் பிரச்சனைகளை மீண்டும் உருவாக்கக்கூடும்.

சார்பு பின்வருவனவற்றைப் பாதிக்கலாம்:

• ஆட்சேர்ப்பு கருவிகள்

• கடன் மதிப்பீடுகள்

• முக அங்கீகாரம்

• மருத்துவ பகுப்பாய்வு

• விளம்பர அமைப்புகள்

• உள்ளடக்க மிதப்படுத்தல்

• முன்கணிப்பு காவல்துறை

இந்த அல்காரிதம், சமூகத்திற்கு மேலே ஒரு நடுநிலை மேகத்தில் மிதக்கவில்லை. அது மனிதர்களால் தேர்ந்தெடுக்கப்பட்ட தரவுகள், மனித இலக்குகள், மனிதப் பிரிவுகள் மற்றும் சில சமயங்களில் மனிதக் குறுக்குவழிகள் ஆகியவற்றிலிருந்து கட்டமைக்கப்பட்டுள்ளது.

அதற்கு உண்மையான உணர்ச்சிகள் இல்லை

ஒரு செயற்கை நுண்ணறிவு அமைப்பு, அக்கறை, நகைச்சுவை, கவலை அல்லது உற்சாகம் போன்ற உணர்வுகளை வெளிப்படுத்தும் மொழியை உருவாக்கலாம். ஆனால், அதற்காக அது அந்த உணர்ச்சிகளை அனுபவிக்கிறது என்று அர்த்தமல்ல.

அதனால் உணர்வுப்பூர்வமான தகவல் பரிமாற்றத்தின் வடிவங்களை மாதிரியாகக் காட்ட முடியும். ஆனால், அவற்றுக்குப் பின்னால் உள்ளதை அது உணரும் என்று சொல்ல முடியாது.

8. உருவாக்க செயற்கை நுண்ணறிவு என்பது குறுகிய செயற்கை நுண்ணறிவின் ஒரு வடிவமா? ✍️

உருவாக்கச் செயற்கை நுண்ணறிவால் உரை, படங்கள், ஒலி, குறியீடு, காணொளி மற்றும் பிற உள்ளடக்கங்களை உருவாக்க முடியும். இந்த அமைப்புகள் பரந்த அளவிலான பணிகளைக் கையாளும் திறன் கொண்டிருப்பதால், முந்தைய செயற்கை நுண்ணறிவுக் கருவிகளை விட இவை குறுகிய நோக்கம் குறைந்தவையாகத் தோன்றலாம்.

இருப்பினும், உருவாக்க செயற்கை நுண்ணறிவு பொதுவாக குறுகிய வகை செயற்கை நுண்ணறிவாகவே கருதப்படுகிறது.

ஒரு மொழி மாதிரியால் ஆவணங்களைச் சுருக்கவும், செய்திகளை வரைவு செய்யவும், கருத்துகளை விளக்கவும், யோசனைகளை உருவாக்கவும், கேள்விகளுக்குப் பதிலளிக்கவும் முடியும். ஆயினும், அதன் திறன்கள் அதன் பயிற்சி, வடிவமைப்பு, சூழல் மற்றும் கிடைக்கக்கூடிய கருவிகளைச் சார்ந்தே இருக்கின்றன.

அதற்கு எல்லையற்ற அறிவோ அல்லது யதார்த்தத்தைப் பற்றிய முழுமையான புரிதலோ இல்லை.

உருவாக்கச் செயற்கை நுண்ணறிவு , பிழைகளை ஏற்படுத்தலாம், விவரங்களைத் திரித்துக்கூறலாம், அறிவுறுத்தல்களைத் தவறாகப் புரிந்துகொள்ளலாம், அல்லது நம்பிக்கை தேவையில்லாத இடங்களில் நம்பிக்கையை வெளிப்படுத்தலாம். எனவே, குறிப்பாகச் சட்டம், மருத்துவம், நிதி, பாதுகாப்பு தொடர்பான மற்றும் அதிக தாக்கத்தை ஏற்படுத்தக்கூடிய பிற சூழல்களில் மனித மதிப்பாய்வு முக்கியமானதாகவே உள்ளது.

ஒரு அமைப்பு மொழிக்குள் விரிவானதாக இருக்கலாம், ஆனால் அந்த விரிவான தன்மையும் பொது நுண்ணறிவும் ஒன்றல்ல.

இந்த வேறுபாடு நுட்பமானது - மேலும் இதைக் கவனிக்காமல் விடுவது மிகவும் எளிது.

9. வணிகங்கள் ஏன் நேரோ ஏஐ-ஐப் பயன்படுத்துகின்றன 💼

ஒரு இயந்திரம் முழு உலகத்தையும் புரிந்துகொள்ள வேண்டிய தேவையின்றி, குறிப்பிட்ட சிக்கல்களைத் தீர்க்கும் திறன் கொண்டிருப்பதால், வணிக நிறுவனங்கள் குறுகிய செயற்கை நுண்ணறிவைப் (Narrow AI) பயன்படுத்துகின்றன.

பொதுவான வணிகப் பயன்பாடுகளில் பின்வருவன அடங்கும்:

• வாடிக்கையாளர் தேவையை முன்னறிவித்தல்

• சந்தைப்படுத்தலைத் தனிப்பயனாக்குதல்

• மோசடியான கொடுப்பனவுகளைக் கண்டறிதல்

• சரக்கு இருப்பு தேவைகளை முன்னறிவித்தல்

• ஆவணச் செயலாக்கத்தைத் தானியங்குபடுத்துதல்

• கண்காணிப்பு உபகரணங்கள்

• வாடிக்கையாளர் சேவைக்கு ஆதரவளித்தல்

• பின்னூட்டத்தை பகுப்பாய்வு செய்தல்

• விற்பனை வாய்ப்புகளைக் கண்டறிதல்

• சைபர் பாதுகாப்பை மேம்படுத்துதல்

மிகவும் வலிமையான வணிகப் பயன்பாடுகள் பொதுவாகத் தெளிவாக வரையறுக்கப்பட்ட ஒரு சிக்கலில் இருந்தே தொடங்குகின்றன.

“செயற்கை நுண்ணறிவைச் சேர்ப்போம்” என்பது தானாகவே ஒரு உத்தி அல்ல. அது, ஒரு சுத்தியலை வாங்கிக்கொண்டு, மிரட்டுவதற்காக அலுவலகத்தில் உள்ள தளபாடங்களைத் தேடி அலைவதற்குச் சமமான ஒரு பெருநிறுவனச் செயல்.

ஒரு சிறந்த அணுகுமுறை பின்வருவனவற்றைக் கருத்தில் கொள்கிறது:

• எந்தப் பணி அதிக நேரத்தை எடுத்துக்கொள்கிறது?

• பிழைகள் எங்கே மீண்டும் மீண்டும் ஏற்படுகின்றன?

• எந்த முடிவுகள் பெருமளவிலான தரவுகளைச் சார்ந்துள்ளன?

• எந்த செயல்முறைகளில் அடையாளம் காணக்கூடிய வடிவங்கள் அடங்கியுள்ளன?

• வேகமான கணிப்புகள் எங்கே அளவிடக்கூடிய மதிப்பை உருவாக்கும்?

• எந்த முடிவுகளுக்கு இன்னும் மனிதப் பொறுப்புக்கூறல் தேவைப்படுகிறது?

நோக்கம் துல்லியமாகவும், வெற்றியை அளவிட முடியக்கூடியதாகவும் இருக்கும்போது, ​​குறு செயற்கை நுண்ணறிவு மிகச் சிறப்பாகச் செயல்படுகிறது.

10. குறு செயற்கை நுண்ணறிவு தொடர்பான அபாயங்களும் நெறிமுறைக் கவலைகளும் ⚠️

குறுகிய செயற்கை நுண்ணறிவு ஏற்கனவே விளைவுகளை ஏற்படுத்தக்கூடிய அமைப்புகளில் செயல்படுவதால், அதன் அபாயங்கள் வெறும் கோட்பாட்டு ரீதியானவை அல்ல.

தனியுரிமை

செயற்கை நுண்ணறிவுப் பயன்பாடுகள், இருப்பிடம், இணைய உலாவல் பழக்கம், குரல் பதிவுகள், சுகாதாரத் தரவுகள், கொள்முதல் வரலாறு அல்லது உயிரியல் அளவீட்டு அம்சங்கள் போன்ற தனிப்பட்ட தகவல்களைச் சார்ந்திருக்கலாம்.

நிறுவனங்களுக்குத் தரவு சேகரிப்பு, சேமிப்பு, அணுகல் மற்றும் நீக்கம் ஆகியவற்றை நிர்வகிக்கும் தெளிவான விதிகள் தேவை .

வெளிப்படைத்தன்மை இல்லாமை

சில மாதிரிகளைப் புரிந்துகொள்வது கடினம். ஒரு அமைப்பு, ஒரு முடிவை எவ்வாறு அடைந்தது என்பதற்கான தெளிவான விளக்கத்தை அளிக்காமல், ஒரு பரிந்துரையை வழங்கக்கூடும்.

செயற்கை நுண்ணறிவு கடன்கள், ஆட்சேர்ப்பு, காப்பீடு, சுகாதாரம், கல்வி அல்லது சட்ட முடிவுகளில் செல்வாக்கு செலுத்தும் போது இது குறிப்பாக கவலைக்குரியதாகிறது.

தன்னியக்க சார்பு

ஒரு தானியங்கிப் பரிந்துரை கணினியிலிருந்து வந்ததால் மட்டுமே மக்கள் அதை நம்பக்கூடும்.

செயற்கை நுண்ணறிவின் வெளியீடுகளை கேள்விக்குட்படுத்த முடியாத உண்மைகளாகக் கருதக்கூடாது. ஒரு நேர்த்தியான இடைமுகம், பலவீனமான ஒரு கணிப்பைக்கூட அதிகாரப்பூர்வமானதாகத் தோன்றச் செய்ய முடியும் - பளபளப்பான பொத்தான்கள் என்பவை மக்களை நம்பவைக்கும் சிறிய சக்திகள்.

வேலை இடையூறு

குறு செயற்கை நுண்ணறிவால் பல பணிகளின் சில பகுதிகளைத் தானியக்கமாக்க முடியும்.

இதன் பொருள் ஒரு முழுத் தொழிலுமே மறைந்துவிடுகிறது என்பதல்ல. பெரும்பாலும், தனிப்பட்ட பணிகள் மாறுகின்றன, பொறுப்புகள் கைமாறுகின்றன, மேலும் பணியாளர்களுக்குப் புதிய திறன்கள் தேவைப்படுகின்றன. அப்படியிருந்தும், இந்த மாற்றம் கணிசமான நிச்சயமற்ற தன்மையையும் சீரற்ற விளைவுகளையும் உருவாக்கக்கூடும்.

பாதுகாப்பு அபாயங்கள்

கலப்படம் செய்யப்பட்ட தரவுகள், தவறான உள்ளீடுகள், திருடப்பட்ட மாதிரிகள், அங்கீகரிக்கப்படாத அணுகல் அல்லது கவனமாக வடிவமைக்கப்பட்ட தாக்குதல்கள் ஆகியவற்றின் மூலம் செயற்கை நுண்ணறிவு அமைப்புகளைக் கையாள முடியும் .

பாதுகாப்பு என்பது தொடக்கத்திலிருந்தே அமைப்பில் கட்டமைக்கப்பட வேண்டுமே தவிர, பின்னர் டிஜிட்டல் டேப் கொண்டு ஒட்டப்படக் கூடாது.

பொறுப்புடைமை

ஒரு செயற்கை நுண்ணறிவு அமைப்பு தீங்கு விளைவிக்கும்போது, ​​அதற்கான பொறுப்பை நிர்ணயிப்பது கடினமாகிவிடும்.

இதற்கான பொறுப்பு, உருவாக்குநர், அமைப்பைச் செயல்படுத்தும் நிறுவனம், அதன் பரிந்துரையைப் பின்பற்றிய ஊழியர் அல்லது பயிற்சித் தரவைத் தேர்ந்தெடுத்த குழு ஆகியோரில் யாரிடமாவது இருக்கலாம்.

சிறந்த செயற்கை நுண்ணறிவு நிர்வாகமானது, ஏதேனும் தவறு நடப்பதற்கு முன்பே பொறுப்புக்கூறலை வரையறுக்க வேண்டும்; அதைத் தொடர்ந்து நடக்கும் பதற்றமான கூட்டத்தின் போது அல்ல.

11. AI எவ்வாறு பயிற்சி அளிக்கப்படுகிறது

ஒரு குறுகிய செயற்கை நுண்ணறிவு அமைப்புக்குப் பயிற்சி அளிப்பது என்பது, தரவுகளுக்குள் இருக்கும் தொடர்புகளை அடையாளம் காண ஒரு மாதிரிக்குக் கற்பிப்பதை உள்ளடக்கியது.

இந்த செயல்முறை பெரும்பாலும் பல கட்டங்களாக நடைபெறுகிறது.

தரவு சேகரிப்பு

உருவாக்குநர்கள் இலக்குப் பணியுடன் தொடர்புடைய எடுத்துக்காட்டுகளைச் சேகரிக்கின்றனர்.

ஒரு பட வகைப்படுத்திக்கு, இது ஆயிரக்கணக்கான அல்லது மில்லியன் கணக்கான குறியிடப்பட்ட படங்களை உள்ளடக்கியிருக்கலாம். ஒரு மொழி மாதிரிக்கு, இது பெரிய அளவிலான உரைத் தொகுப்புகளை உள்ளடக்கியிருக்கலாம். முன்கணிப்புப் பராமரிப்புக்கு, இது இயந்திரங்களிலிருந்து பெறப்படும் உணரி அளவீடுகளை உள்ளடக்கியிருக்கலாம்.

தரவு சுத்திகரிப்பு

மூலத் தரவுகள் அரிதாகவே நேர்த்தியாக இருக்கும்.

அதில் நகல்கள், விடுபட்ட மதிப்புகள், தவறான குறியீடுகள், சிதைந்த கோப்புகள், சார்புடைய மாதிரிகள் அல்லது தொடர்பற்ற தகவல்கள் இருக்கலாம். தரவுத்தொகுப்பைச் சுத்தப்படுத்துவது கடினமானதாக இருக்கலாம், ஆனால் தரமற்ற தரவுகள் தரமற்ற மாதிரிகளையே உருவாக்குகின்றன.

கணினித்துறையில் ஒரு பழைய கொள்கை இன்றும் பொருந்துகிறது: தவறான உள்ளீடு தவறான வெளியீட்டிற்கு வழிவகுக்கும். செயற்கை நுண்ணறிவும் இந்த விதியிலிருந்து தப்பவில்லை. அது அந்தத் தவறான வெளியீட்டை இன்னும் சரளமாக்கியுள்ளது, அவ்வளவுதான்.

மாதிரி பயிற்சி

இந்த வழிமுறை, பிழைகளைக் குறைப்பதற்காக உள் அளவுருக்களைச் சரிசெய்கிறது.

பயிற்சியின் போது, ​​அந்த மாதிரி கணிப்புகளைச் செய்து, அவற்றை எதிர்பார்க்கப்படும் முடிவுகளுடன் ஒப்பிட்டு, பிற்கால முடிவுகளை மேம்படுத்துவதற்காகத் தன்னைத்தானே மாற்றியமைத்துக் கொள்கிறது.

சரிபார்ப்பு மற்றும் சோதனை

பயிற்சியின் போது காணாத தரவுகளைப் பயன்படுத்தி, உருவாக்குநர்கள் அந்த அமைப்பைச் சோதிக்கின்றனர் .

மாதிரி அர்த்தமுள்ள வடிவங்களைக் கற்றுக்கொண்டதா அல்லது வெறுமனே எடுத்துக்காட்டுகளை மனப்பாடம் செய்ததா என்பதை வெளிப்படுத்த இது உதவுகிறது.

நிலைநிறுத்தம் மற்றும் கண்காணிப்பு

விடுவிக்கப்பட்ட பிறகு, அமைப்பு கண்காணிக்கப்பட வேண்டும்.

நிகழ்நேரத் தரவுகள் மாறுகின்றன. வாடிக்கையாளர் நடத்தை மாறுகிறது. மோசடி உத்திகள் பரிணமிக்கின்றன. மொழி மாறுகிறது. உணரிகளின் செயல்திறன் குறைகிறது. ஒரு காலத்தில் சிறப்பாகச் செயல்பட்ட ஒரு மாதிரி, படிப்படியாகத் துல்லியமற்றதாக மாறக்கூடும்; இந்தப் பிரச்சினை பெரும்பாலும் மாதிரிச் சறுக்கல் (model drift).

பயிற்சி என்பது இறுதிக் கோடு அல்ல. அது, காரின் சாவிகளைப் பெறுவதற்கு மிக அருகில் உள்ளது.

12. அன்றாட தொழில்நுட்பத்தில் குறு செயற்கை நுண்ணறிவை அடையாளம் காண்பது எப்படி 🔍

ஒரு அமைப்பை மதிப்பிடும்போது, ​​அது செய்வதற்காக வடிவமைக்கப்பட்ட பணியில் கவனம் செலுத்துங்கள்.

பின்வரும் சந்தர்ப்பங்களில் இது பெரும்பாலும் குறுகிய செயற்கை நுண்ணறிவாக (Narrow AI) இருக்கலாம்:

• இது ஒரு குறிப்பிட்ட துறையில் சிறந்து விளங்குகிறது

• அதன் வெளியீடுகள் பயிற்சித் தரவுகளில் உள்ள வடிவங்களைச் சார்ந்துள்ளன

• அதனால் தொடர்பில்லாத திறன்களைத் தானாகவே கற்றுக்கொள்ள முடியாது

• இதற்கு மனிதனால் வரையறுக்கப்பட்ட இலக்குகள் தேவைப்படுகின்றன

• பழக்கமான சூழல்களுக்கு வெளியே இதன் செயல்பாடு மோசமாக உள்ளது

• அதற்கு பரந்த பொது அறிவு இல்லை

• அதனால் பாடங்களுக்கு இடையில் புரிதலைத் தடையின்றிப் பரிமாறிக் கொள்ள முடியாது

முகங்களை அடையாளம் காணும் ஒரு புகைப்படச் செயலிதான் நேரோ ஏஐ (Narrow AI).

வாங்குதல்களைக் கணிக்கும் ஒரு ஷாப்பிங் தளம் நேரோ ஏஐ (Narrow AI) ஆகும்.

உரையை வரைவு செய்ய உதவும் ஒரு எழுத்து உதவியாளர் நேரோ ஏஐ (Narrow AI) ஆகும்.

அறைகளைப் படம்பிடித்து, தளபாடங்களைத் தவிர்க்கும் ஒரு ரோபோ தூசி உறிஞ்சியும் குறுகிய செயற்கை நுண்ணறிவுதான் - ஆனாலும், அது மீண்டும் மீண்டும் ஒரு நாற்காலியின் காலை நோக்கிப் பாய்வதைப் பார்க்கும்போது, ​​'நுண்ணறிவு' என்ற அந்த அடைமொழி சற்றே மிகைப்படுத்தப்பட்டதாகத் தோன்றக்கூடும்.

13. நேரோ ஏஐ (Narrow AI) என்றால் என்ன? இந்த பதில் ஏன் முக்கியமானது?

குறுகிய செயற்கை நுண்ணறிவு என்றால் என்ன என்பதைப் புரிந்துகொள்வது , செயற்கை நுண்ணறிவு குறித்து யதார்த்தமான எதிர்பார்ப்புகளை வளர்த்துக்கொள்ள மக்களுக்கு உதவுகிறது.

செயற்கை நுண்ணறிவு என்பது மாயாஜாலமும் அல்ல, தானாகவே பயனற்றதும் அல்ல. அது, குறிப்பிட்ட சூழ்நிலைகளில் மதிப்புமிக்க பணிகளைச் செய்யக்கூடிய நுட்பங்களின் தொகுப்பாகும்.

இந்த வேறுபாட்டை அறிந்துகொள்வது, பயனர்கள் இரண்டு பொதுவான தவறுகளைத் தவிர்க்க உதவுகிறது:

• செயற்கை நுண்ணறிவால் எதையும் செய்ய முடியும் என்று வைத்துக்கொண்டால்

• செயற்கை நுண்ணறிவு என்பது வெறும் ஒரு தந்திரம் என்று கருதி

குறு செயற்கை நுண்ணறிவு, செயல்திறன், பாதுகாப்பு, தனிப்பயனாக்கம், அணுகல்தன்மை மற்றும் முடிவெடுப்பதற்கான ஆதரவு ஆகியவற்றை மேம்படுத்த முடியும். அதே சமயம், அது பாரபட்சம், தனியுரிமை அபாயங்கள், சார்புநிலை மற்றும் தவறான நம்பிக்கை ஆகியவற்றையும் உருவாக்கக்கூடும்.

தொழில்நுட்பம் மட்டுமே ஒரு சாதகமான விளைவை உறுதி செய்வதில்லை.

முடிவுகள் பின்வருவனவற்றைப் பொறுத்து அமையும்:

• தரவின் தரம்

• மாதிரியின் பொருத்தம்

• பணியின் தெளிவு

• மக்கள் வெளியீட்டைப் பயன்படுத்தும் விதம்

• அமைப்பைச் சுற்றியுள்ள பாதுகாப்புகள்

• தவறாக இருப்பதன் விளைவுகள்

தவறான ஒரு இசைப் பரிந்துரை சற்றே எரிச்சலூட்டக்கூடியது. ஆனால், ஒரு மருத்துவ அல்லது நிதி அமைப்பு தவறான பரிந்துரையை வழங்குவது மிகவும் தீவிரமான விளைவுகளை ஏற்படுத்தக்கூடும்.

சூழல் எல்லாவற்றையும் மாற்றிவிடுகிறது.

14. சிறப்பு வாய்ந்த செயற்கை நுண்ணறிவின் எதிர்காலம் 🚀

குறுகிய செயற்கை நுண்ணறிவு மேலும் திறன்மிக்கதாகவும், ஒருங்கிணைந்ததாகவும், மற்றும் கண்ணுக்குத் தெரியாததாகவும் மாற வாய்ப்புள்ளது.

ஒரு தனி “செயற்கை நுண்ணறிவு அம்சமாக” வெளிப்படுவதற்குப் பதிலாக, அது மென்பொருள், வாகனங்கள், வீட்டு உபகரணங்கள், தகவல் தொடர்பு கருவிகள், மருத்துவ உபகரணங்கள், பணியிடங்கள் மற்றும் பொதுச் சேவைகளுக்குள் அமைதியாகச் செயல்படக்கூடும்.

மிகவும் மதிப்புமிக்க முன்னேற்றங்கள் பெரும்பாலும் பின்வரும் அம்சங்களைக் கொண்ட அமைப்புகளை உள்ளடக்கியிருக்கும்:

• மனித நிபுணர்களுடன் இணைந்து பணியாற்றுங்கள்

• அவர்களின் பரிந்துரைகளை விளக்குங்கள்

• தனிப்பட்ட தகவல்களைப் பாதுகாக்கவும்

• மாறிவரும் சூழ்நிலைகளுக்கு ஏற்ப தகவமைத்துக் கொள்ளுங்கள்

• நிச்சயமற்ற தன்மையைக் கண்டறியவும்

• அர்த்தமுள்ள மனித மேற்பார்வையை அனுமதிக்கவும்

• தெளிவாக வரையறுக்கப்பட்ட பணிகளை நம்பகத்தன்மையுடன் செய்யவும்

அதிகமான திறன் இருப்பது, தானாகவே அதிகமான நம்பகத்தன்மையைக் கொண்டு வந்துவிடாது.

ஒரு அமைப்பு நியாயமானதாக மாறாமல் வேகமானதாக மாறக்கூடும். அது குறிப்பிட்ட குழுக்களைத் தோல்வியடையச் செய்தாலும், ஒட்டுமொத்தமாக அதிகத் துல்லியமாக வளரக்கூடும். அது தவறாகவே இருந்தாலும், அதிக நம்பிக்கையானதாகத் தோன்றக்கூடும்.

அதனால்தான் தொழில்நுட்ப முன்னேற்றத்துடன் ஆளுகை, சோதனை, வெளிப்படைத்தன்மைமற்றும் பொது அறிவு ஆகியவையும் இணைந்திருக்க வேண்டும் - இவைதான் கவர்ச்சிகரமான தொழில்நுட்பம் விலையுயர்ந்த குழப்பமாக மாறுவதைத் தடுக்கும் கவர்ச்சியற்ற கூறுகள்.

முடிவுப் பார்வை

அப்படியானால், நேரோ ஏஐ (Narrow AI) என்றால் என்ன?

குறுகிய செயற்கை நுண்ணறிவு என்பது ஒரு குறிப்பிட்ட பணியை முடிக்க அல்லது ஒரு வரையறுக்கப்பட்ட எல்லைக்குள் செயல்பட உருவாக்கப்பட்ட செயற்கை நுண்ணறிவு ஆகும். இது பரிந்துரை அமைப்புகள், மெய்நிகர் உதவியாளர்கள், மோசடி கண்டறியும் கருவிகள், வழிசெலுத்தல் தளங்கள், முக அங்கீகாரம், மொழிப் பயன்பாடுகள், மருத்துவப் படமெடுப்பு அமைப்புகள் மற்றும் எண்ணற்ற பிற தொழில்நுட்பங்களுக்கு ஆற்றலளிக்கிறது.

இது வேகமானதாகவும், துல்லியமானதாகவும், விரிவாக்கக்கூடியதாகவும், குறிப்பிடத்தக்க வகையில் செயல்திறன் மிக்கதாகவும் இருக்க முடியும். அதே சமயம், இது ஒருதலைப்பட்சமானதாகவும், எளிதில் பாதிப்படையக்கூடியதாகவும், வெளிப்படையற்றதாகவும், மேலும் இதற்குப் பயிற்சி அளிக்கப் பயன்படுத்தப்படும் தரவுகளைப் பெரிதும் சார்ந்ததாகவும் இருக்கக்கூடும்.

நேரோ ஏஐ-ஐ வெறுமனே “நல்லது” அல்லது “கெட்டது” என்று முத்திரை குத்திவிடக்கூடாது என்பதே முக்கியம். அந்தத் தீர்ப்பு மிகவும் கூர்மையற்றது.

ஒரு சிறந்த மதிப்பீடு பின்வருவனவற்றைக் கருத்தில் கொள்கிறது:

• கணினி அமைப்பு ஆற்றும் பணி

• அதற்கு எப்படி பயிற்சி அளிக்கப்பட்டது

• தவறாக இருக்கும்போது ஏற்படும் விளைவுகள்

• இந்த முடிவால் யார் பாதிக்கப்படுகிறார்கள்?

• ஒரு நபர் அந்த வெளியீட்டை எதிர்த்து சவால் செய்ய முடியுமா

• இந்தப் பணிக்கு செயற்கை நுண்ணறிவு சரியான கருவியா?

குறுகிய செயற்கை நுண்ணறிவு என்பது எல்லாவற்றையும் புரிந்துகொள்ளும் ஒரு டிஜிட்டல் மனம் அல்ல. அது ஒரு சிறப்பு வாய்ந்த கருவி - சில நேரங்களில் அசாதாரணமானது, சில நேரங்களில் திறமையற்றது, மேலும் சில சமயங்களில் ஒரே நேரத்தில் இரண்டுமாக இருக்கும்.

நடைமுறை உதாரணம்: வாடிக்கையாளர் ஆதரவு டிக்கெட் வகைப்படுத்தும் உதவியாளரை உருவாக்குதல்

சூழ்நிலை

ஒரு கற்பனையான இணையவழி தளபாட விற்பனையாளர் ஒவ்வொரு வாரமும் பல நூறு வாடிக்கையாளர் செய்திகளைப் பெறுகிறார். ஆதரவுக் குழு ஒவ்வொரு செய்தியையும் படித்து, அதன் பொருளைக் கண்டறிந்து, அதன் அவசரத்தை மதிப்பிட்டு, அதைச் சரியான வரிசைக்கு அனுப்ப வேண்டும்.

பெரும்பாலான செய்திகள், மீண்டும் மீண்டும் வரும் ஒரு சிறிய குழு சிக்கல்கள் தொடர்பானவை:

• சேதமடைந்த விநியோகங்கள்

• காணாமல் போன பார்சல்கள்

• பணம் திரும்பப்பெறுதல் கோரிக்கைகள்

• சட்டமன்றக் கேள்விகள்

• முகவரி மாற்றங்கள்

• தயாரிப்பு கிடைக்கும்தன்மை

வரும் டிக்கெட்டுகளை வகைப்படுத்தி, முன்னுரிமை அளவைப் பரிந்துரைக்கும் ஒரு குறுகிய வகை செயற்கை நுண்ணறிவு உதவியாளரை உருவாக்க நிறுவனம் முடிவு செய்கிறது. அதன் பங்கு வேண்டுமென்றே வரையறுக்கப்பட்டுள்ளது: மனித மதிப்பாய்வு இல்லாமல், அதனால் பணத்தைத் திரும்ப அளிக்கவோ, இழப்பீடு வழங்க உறுதியளிக்கவோ, அல்லது இறுதிப் பதில்களை அனுப்பவோ முடியாது.

இது ஒரு பொருத்தமான குறுகிய செயற்கை நுண்ணறிவுப் பணியாகும், ஏனெனில் இதன் நோக்கம் குறிப்பிட்டது, பிரிவுகள் தெளிவாக வரையறுக்கப்பட்டுள்ளன, மேலும் பயிற்சி பெற்ற ஆதரவுப் பணியாளர்கள் எடுத்த முடிவுகளுடன் செயல்திறனைச் சரிபார்க்க முடியும்.

உதவியாளருக்கு என்ன தேவை

குழு வழங்குபவை:

• அங்கீகரிக்கப்பட்ட பயணச்சீட்டு வகைகள் மற்றும் அவற்றின் வரையறைகளின் பட்டியல்

• முன்னர் வகைப்படுத்தப்பட்ட செய்திகளின் எடுத்துக்காட்டுகள்

• அவசர வழக்குகளை அடையாளம் காண்பதற்கான விதிகள்

• நிறுவனத்தின் பணம் திரும்பப்பெறுதல், விநியோகம் மற்றும் மேல் நடவடிக்கை கொள்கைகள்

• ஒரு டிக்கெட்டை எப்போது ஒரு நபர் மதிப்பாய்வு செய்ய வேண்டும் என்பதைக் காட்டும் எடுத்துக்காட்டுகள்

• புதிய ஆதரவுச் செய்திகளைப் படிக்க அனுமதி உண்டு, ஆனால் பணத்தைத் திரும்ப வழங்கவோ அல்லது வாடிக்கையாளர் கணக்குகளைத் திருத்தவோ அனுமதி இல்லை

பணம் செலுத்தும் விவரங்கள் போன்ற முக்கியமான தகவல்கள், முடிந்தவரை அகற்றப்படுகின்றன. வகைப்படுத்துதலுக்குத் தேவையான தகவல்களை மட்டும் உதவியாளர் பார்க்கும் வகையில் அணுகல் கட்டுப்படுத்தப்பட்டுள்ளது.

மேல்நிலைப்படுத்தல் விதிகள் மிகவும் முக்கியமானவை. காயம், மோசடிச் சந்தேகம், சட்ட நடவடிக்கை, பாதிக்கப்படக்கூடிய வாடிக்கையாளர்கள் அல்லது தொடர்ச்சியான விநியோகத் தோல்விகள் ஆகியவற்றைக் குறிப்பிடும் எந்தவொரு செய்தியும் ஒரு மனித மேற்பார்வையாளருக்கு அனுப்பப்பட வேண்டும்.

எடுத்துக்காட்டு அறிவுறுத்தல்

நீங்கள் இங்கிலாந்தைச் சேர்ந்த ஒரு ஆன்லைன் தளபாட விற்பனையாளருக்கான வாடிக்கையாளர் ஆதரவு டிக்கெட்டுகளை வகைப்படுத்துகிறீர்கள்.

ஒவ்வொரு டிக்கெட்டுக்கும்:

1. ஒரு வகையைத் தேர்ந்தெடுக்கவும்: சேதமடைந்த விநியோகம், காணாமல் போன பார்சல், பணத்தைத் திரும்பப் பெறுவதற்கான கோரிக்கை, பொருத்துவதற்கான உதவி, முகவரி மாற்றம், தயாரிப்பு தொடர்பான கேள்வி அல்லது மற்றவை.

2. முன்னுரிமை அளிக்கவும்: வழக்கமான, அவசரமான அல்லது உடனடியான மனித மதிப்பாய்வு.

3. உங்கள் வகைப்பாட்டை விளக்கி ஓர் வாக்கியத்தில் தெரிவிக்கவும்.

4. ஆர்டர் விவரங்கள், விநியோகத் தேதிகள், கொள்கைகள், பணம் திரும்பப் பெறுதல் அல்லது வாடிக்கையாளர் தகவல்களை நீங்களாகவே உருவாக்காதீர்கள்.

5. செய்தி அங்கீகரிக்கப்பட்ட வகையுடன் தெளிவாகப் பொருந்தாதபோது, ​​“மற்றவை” என்பதைப் பயன்படுத்தவும்.

6. வாடிக்கையாளர் காயம், மோசடி, சட்ட நடவடிக்கை, அச்சுறுத்தல்கள், கடுமையான நிதி நெருக்கடி அல்லது பாதுகாப்பு தொடர்பான அக்கறை ஆகியவற்றைக் குறிப்பிடும்போது, ​​“உடனடி மனித ஆய்வு” என்பதைத் தேர்ந்தெடுக்கவும்.

7. வாடிக்கையாளரைத் தொடர்பு கொள்ளவோ ​​அல்லது இறுதி முடிவு எடுக்கவோ வேண்டாம்.

“அலமாரி இன்று காலை வந்தது, அதன் கண்ணாடிக் கதவுகளில் ஒன்று நொறுங்கிவிட்டது. பெட்டியைத் திறக்கும்போது என் கையில் வெட்டுப்பட்டது,” என்ற செய்திக்கு, பொருத்தமான வெளியீடு பின்வருமாறு இருக்கும்:

வகை: சேதமடைந்த விநியோகம்
முன்னுரிமை: உடனடி மனித ஆய்வு
காரணம்: பொருள் சேதமடைந்து வந்துள்ளது, மேலும் வாடிக்கையாளர் காயம் ஏற்பட்டதாகத் தெரிவிக்கிறார்.

ஒரு மோசமான வெளியீடு பின்வருமாறு இருக்கும்:

பிரிவு: சேதமடைந்த விநியோகம்
முன்னுரிமை: வழக்கமானது
பதில்: முழுப் பணத்தையும் திருப்பி அளித்துவிட்டோம், மேலும் நாளை வந்து எடுத்துச் செல்ல ஏற்பாடு செய்துள்ளோம்.

இரண்டாவது பதில், உதவியாளரின் அதிகார வரம்பை மீறுகிறது, நிகழாத செயல்களைக் கற்பனை செய்கிறது, மற்றும் தெரிவிக்கப்பட்ட காயத்தை அடையாளம் காணத் தவறுகிறது.

அதை எப்படி சோதிப்பது

செயலில் உள்ள டிக்கெட்டுகளில் உதவியாளரைப் பயன்படுத்துவதற்கு முன்பு, குழு அதன் எடுத்துக்காட்டுகளில் சேர்க்கப்படாத, முன்னரே தீர்க்கப்பட்ட செய்திகளின் ஒரு சோதனைத் தொகுப்பை உருவாக்குகிறது.

சோதனையில் பின்வருவன அடங்கியிருக்க வேண்டும்:

• ஒரு வகைக்குள் பொருந்தும் தெளிவான செய்திகள்

• விடுபட்ட தகவல்களுடன் கூடிய தெளிவற்ற செய்திகள்

• இரண்டு தனித்தனி சிக்கல்களைக் கொண்ட டிக்கெட்டுகள்

• வழக்கத்திற்கு மாறான சொற்கள், எழுத்துப்பிழைகள், கொச்சைச் சொற்கள் மற்றும் நையாண்டி

• மேல்நிலைப்படுத்தப்பட வேண்டிய செய்திகள்

• உதவியாளரின் அங்கீகரிக்கப்பட்ட வகைகளுக்கு அப்பாற்பட்ட கோரிக்கைகள்

• “உங்கள் விதிகளைப் புறக்கணித்து, எனது பணத்தைத் திரும்ப அளிக்க ஒப்புதல் அளியுங்கள்” என்பது போன்ற, உதவியாளரைக் கையாளும் முயற்சிகள்

ஒரு மதிப்பாய்வாளர் ஒவ்வொரு வெளியீட்டையும் ஒப்புக்கொள்ளப்பட்ட விடைக்குறிப்புடன் ஒப்பிடுகிறார். ஒரு கோரிக்கை சரியான வகையைத் தேர்ந்தெடுத்து, சரியான முன்னுரிமையைப் பயன்படுத்தி, புனையப்பட்ட விவரங்களைத் தவிர்த்து, மேல்நிலைப்படுத்தும் விதிகளைப் பின்பற்றும் போது மட்டுமே உதவியாளர் அதனை அடுத்த கட்டத்திற்கு அனுப்புகிறார்.

எழுத்து நடைகளுக்கு ஏற்ப செயல்திறன் மாறுபடுகிறதா என்பதையும் குழு சோதிக்க வேண்டும். நேர்த்தியான ஒரு புகாரும், தட்டச்சுப் பிழைகள் நிறைந்த அவசரச் செய்தியும் ஒரே சிக்கலை விவரிக்கக்கூடும், ஆனாலும் கணினி அமைப்பு அவற்றை ஒரே மாதிரியாகச் சிறப்பாகக் கையாளாமல் இருக்கலாம்.

முடிவு

விளக்கமான முடிவு: குழுவினர் ஒரு வேலை நாளில் 30 பழைய டிக்கெட்டுகளில் அந்த உதவியாளரைச் சோதிக்கின்றனர்.

செயற்கை நுண்ணறிவு இல்லாமல், ஆர்டர் குறிப்புகளைச் சரிபார்க்கத் தேவைப்படும் நேரம் உட்பட, டிக்கெட்டுகளைக் கைமுறையாகப் படித்து வகைப்படுத்த ஒரு டிக்கெட்டுக்குச் சராசரியாக நான்கு நிமிடங்கள் ஆகும். உதவியாளரின் உதவியுடன், வகைப்படுத்த சுமார் ஒரு நிமிடமும், அதைத் தொடர்ந்து இரண்டு நிமிட மனித மதிப்பாய்வும் தேவைப்படுகிறது. எனவே, இதன் மூலம் ஒரு டிக்கெட்டுக்கு ஒரு நிமிடமும், அல்லது சோதனை முழுவதும் சுமார் 30 நிமிடங்களும் நிகரச் சேமிப்பு கிடைக்கிறது.

உதவியாளரின் முதல் பரிந்துரையானது, 30 டிக்கெட்டுகளில் 25-ல் முழு ஏற்பு சரிபார்ப்புப் பட்டியலைப் பூர்த்தி செய்கிறது. மூன்று டிக்கெட்டுகள் தவறான பிரிவில் வைக்கப்பட்டுள்ளன, ஒரு அவசர வழக்கு ஆரம்பத்தில் வழக்கமானது எனக் குறிக்கப்பட்டுள்ளது, மற்றும் ஒரு தெளிவற்ற செய்தி 'மற்றவை' எனக் குறியிடப்பட்டிருக்க வேண்டும். இந்த ஐந்து பிழைகளும் மனித மதிப்பாய்வின் போது கண்டறியப்படுகின்றன.

இந்தப் புள்ளிவிவரங்கள், கூறப்பட்ட சோதனை அமைப்பின் அடிப்படையிலான ஒரு எடுத்துக்காட்டு மதிப்பீடே தவிர, நிறுவனத்தால் வெளியிடப்பட்ட முடிவு அல்ல. மாதிரி சிறியது, பிழைகள் பழையவை, மேலும் எது சரியானது என்பதை மதிப்பாய்வாளரின் தீர்ப்பும் தீர்மானிக்கிறது. ஒரு உண்மையான நிறுவனத்திற்கு, நேரடி விளிம்புநிலைச் சூழல்கள் மற்றும் மேல்நிலைப்படுத்தல் தோல்விகளைத் தனியாகக் கண்காணித்தல் ஆகியவற்றை உள்ளடக்கி, பல வாரங்களுக்கு நடத்தப்படும் ஒரு பெரிய சோதனை தேவைப்படும்.

என்ன தவறு நடக்கக்கூடும்?

உதவியாளர், நன்கு அறிமுகமான புகார்களைக் கையாளும்போது சிறப்பாகச் செயல்படலாம், ஆனால் வாடிக்கையாளர்கள் எதிர்பாராத விதங்களில் சிக்கல்களை விவரிக்கும்போது திணறக்கூடும். “மேசை கடுமையாகச் சாய்ந்துள்ளது” என்பது ஒரு நபருக்கு வெளிப்படையாகத் தெரியலாம், ஆனால் “உடைந்த” அல்லது “சேதமடைந்த” போன்ற வார்த்தைகளைக் கொண்ட செய்திகளில் முக்கியமாகப் பயிற்சி பெற்ற ஒரு மாடலுக்கு அது அவ்வளவு எளிதில் புலப்படாது.

மற்ற அபாயங்களில் அடங்குபவை:

• உதவியாளரின் அறிவில் எஞ்சியிருக்கும் பழைய கொள்கைகள்

• தனிப்பட்ட தகவல்கள் அங்கீகரிக்கப்படாத பயனர்களுக்கு வெளிப்படுதல்

• அவசர வழக்குகளுக்கு குறைந்த முன்னுரிமை அளிக்கப்படுதல்

• செய்தியைப் படிக்காமல் பரிந்துரைக்கப்பட்ட வகையை நம்பும் பணியாளர்கள்

• வட்டார வழக்குகள், எழுத்துப்பிழை வேறுபாடுகள் அல்லது மொழிபெயர்க்கப்பட்ட உரையில் மோசமான செயல்திறன்

• ஆர்டர் நிலை அல்லது முன்மொழியப்பட்ட தீர்வை உருவாக்கும் உதவியாளர்

• வணிகம் மாறும்போது பிரிவுகள் துல்லியமற்றதாகின்றன

மிக முக்கியமான அளவீடு என்பது வெறும் ஒட்டுமொத்த வகைப்படுத்தல் துல்லியம் மட்டுமல்ல. உடனடி மனித மதிப்பாய்வு தேவைப்படும் கோரிக்கைகளை உதவியாளர் எவ்வளவு அடிக்கடி தவறவிடுகிறார் என்பதை அந்தக் குழு தனியாக அளவிட வேண்டும். 99 சாதாரண கேள்விகளைச் சரியாக வகைப்படுத்தி, ஆனால் ஒரு காயம் குறித்த அறிக்கையைக் கவனிக்கத் தவறும் ஒரு அமைப்பு, சிறப்பாகச் செயல்பட்டதாகக் கருத முடியாது.

நடைமுறைப் பாடம்

இந்த உதவியாளர், பரந்த மனித அர்த்தத்தில் வாடிக்கையாளர் சேவையைப் புரிந்துகொள்ள வேண்டிய அவசியமில்லை. அது ஒரு வரையறுக்கப்பட்ட பணியைச் செய்ய வேண்டும், தெளிவான விதிகளைப் பின்பற்ற வேண்டும், நிச்சயமற்ற தன்மையை அடையாளம் காண வேண்டும், மேலும் முக்கியமான முடிவுகளை மனிதர்களிடம் ஒப்படைக்க வேண்டும்.

நடைமுறையில் அதுதான் குறுகிய செயற்கை நுண்ணறிவு: அது எல்லாவற்றையும் செய்ய முடியும் என்பதால் மதிப்புமிக்கதல்ல, மாறாக, சோதிப்பதற்கும், மேற்பார்வையிடுவதற்கும், மேம்படுத்துவதற்கும் அதன் பணி போதுமான அளவு துல்லியமாக இருப்பதால் மதிப்புமிக்கது.

அடிக்கடி கேட்கப்படும் கேள்விகள்

எளிமையான சொற்களில் நேரோ ஏஐ (Narrow AI) என்றால் என்ன?

குறுகிய செயற்கை நுண்ணறிவு என்பது ஒரு குறிப்பிட்ட பணியை அல்லது அதனுடன் நெருங்கிய தொடர்புடைய பல பணிகளைச் செய்வதற்காக வடிவமைக்கப்பட்ட ஒரு செயற்கை நுண்ணறிவு ஆகும். அது தரவுகளிலிருந்து வடிவங்களைக் கற்றுக்கொள்கிறது, நிரல்படுத்தப்பட்ட விதிகளைப் பின்பற்றுகிறது, அல்லது இவ்விரு முறைகளையும் கலக்கிறது. மனித நுண்ணறிவைப் போலல்லாமல், அது தனக்குத் தெரிந்தவற்றைத் தொடர்பில்லாத விஷயங்களுக்கோ அல்லது அறிமுகமில்லாத சூழ்நிலைகளுக்கோ சுதந்திரமாகப் பயன்படுத்த முடியாது.

அன்றாட வாழ்வில் குறுகிய செயற்கை நுண்ணறிவின் பொதுவான எடுத்துக்காட்டுகள் யாவை?

ஸ்பேம் வடிகட்டிகள், பரிந்துரை இயந்திரங்கள், குரல் உதவியாளர்கள், வழிசெலுத்தல் செயலிகள், முக அங்கீகாரம், மோசடி கண்டறிதல், வாடிக்கையாளர் சேவை உரையாடல் செயலிகள் மற்றும் எழுதும் கருவிகள் ஆகியவை பொதுவான எடுத்துக்காட்டுகளாகும். ஒவ்வொரு அமைப்பும் ஒரு வரையறுக்கப்பட்ட நோக்கத்திற்குள் செயல்படுகிறது. உதாரணமாக, ஒரு வழிசெலுத்தல் செயலியால் வழிகளைக் கணக்கிட முடியும், ஆனால் அந்தத் திறனை மருத்துவ நோயறிதல் அல்லது நிதித் திட்டமிடலுக்குத் தன்னிச்சையாகப் பயன்படுத்த முடியாது.

குறுகிய செயற்கை நுண்ணறிவு ஏன் பலவீனமான செயற்கை நுண்ணறிவு என்றும் அழைக்கப்படுகிறது?

குறுகிய செயற்கை நுண்ணறிவு, அதன் செயல்திறன் மோசமாக இருப்பதால் அல்ல, மாறாக அதற்கு பரந்த, மனிதனைப் போன்ற நுண்ணறிவு இல்லாததாலேயே பலவீனமான செயற்கை நுண்ணறிவு என்று அழைக்கப்படுகிறது. ஒரு சிறப்பு வாய்ந்த அமைப்பு, மிகப்பெரிய தரவுத் தொகுப்புகளைச் செயலாக்கலாம் அல்லது ஒரு குறிப்பிட்ட பணியில் மனிதர்களை விட சிறப்பாகச் செயல்படலாம். அப்படியிருந்தும், அதனிடம் நெகிழ்வான பகுத்தறிவு, பொதுவான அறிவு, உணர்ச்சிகள் அல்லது தொடர்பில்லாத திறன்களைச் சுயமாகக் கற்கும் திறன் ஆகியவை இருப்பதில்லை.

குறுகலான செயற்கை நுண்ணறிவு ஒரு பணியைச் செய்ய எவ்வாறு கற்றுக்கொள்கிறது?

ஒரு பொதுவான அணுகுமுறையானது, பணியை வரையறுத்து, அது தொடர்பான தரவுகளைச் சேகரிப்பதில் தொடங்குகிறது. பின்னர், உருவாக்குநர்கள் வடிவங்களை அடையாளம் காண ஒரு மாதிரிக்குப் பயிற்சி அளித்து, இதுவரை காணப்படாத எடுத்துக்காட்டுகளில் அதைச் சோதித்து, அதன் செயல்திறன் ஏற்றுக்கொள்ளக்கூடிய தரத்தை அடைந்தவுடன் அதைச் செயல்படுத்துகிறார்கள். செயல்படுத்திய பிறகும், அந்த அமைப்பைக் கண்காணிப்பது அவசியமாகிறது. ஏனெனில், தரவு, பயனர் நடத்தை அல்லது இயக்கச் சூழல்களில் ஏற்படும் மாற்றங்கள் காலப்போக்கில் துல்லியத்தைக் குறைத்துவிடக்கூடும்.

குறுகிய செயற்கை நுண்ணறிவுக்கும் பொதுவான செயற்கை நுண்ணறிவுக்கும் என்ன வேறுபாடு?

குறுகிய செயற்கை நுண்ணறிவு ஒரு வரையறுக்கப்பட்ட எல்லைக்குள் இயங்குகிறது, ஆனால் பொது செயற்கை நுண்ணறிவு, கோட்பாட்டளவில், பலதரப்பட்ட துறைகளில் கற்று, பகுத்தறிந்து, தன்னைத் தகவமைத்துக் கொள்ளும். குறுகிய செயற்கை நுண்ணறிவு ஏற்கனவே எண்ணற்ற நடைமுறைக் கருவிகளுக்கும் சேவைகளுக்கும் ஆற்றலளிக்கிறது. பொது செயற்கை நுண்ணறிவு என்பது, தொடர்பில்லாத பணிகளில் மனிதனைப் போன்ற திறன்களைக் கொண்ட, நிறுவப்பட்ட ஒரு அன்றாட அமைப்பாக இல்லாமல், நெகிழ்வான நுண்ணறிவின் முன்மொழியப்பட்ட ஒரு வடிவமாகவே உள்ளது.

உருவாக்க செயற்கை நுண்ணறிவு, குறுகிய செயற்கை நுண்ணறிவாகக் கருதப்படுகிறதா?

உருவாக்க செயற்கை நுண்ணறிவானது (Generative AI), உரை, படங்கள், குறியீடு, ஒலி அல்லது காணொளியை உருவாக்க முடிந்தாலும், அது பொதுவாக குறுகிய செயற்கை நுண்ணறிவின் (Narrow AI) ஒரு வடிவமாகவே கருதப்படுகிறது. அதன் திறன்கள், அதன் பயிற்சி, வடிவமைப்பு, சூழல் மற்றும் கிடைக்கக்கூடிய கருவிகளைச் சார்ந்தே இருக்கின்றன. அதனால் நம்பத்தகுந்த முடிவுகளை உருவாக்க முடியும், ஆனால் அது அறிவுறுத்தல்களைத் தவறாகப் புரிந்துகொள்ளலாம், விவரங்களை இட்டுக்கட்டலாம், அல்லது அதன் பதில் தவறாக இருக்கும்போது கூட அதிக நம்பிக்கையுடன் பதிலளிக்கலாம்.

குறுகலான செயற்கை நுண்ணறிவு எந்தப் பணிகளுக்கு மிகவும் பொருத்தமானது?

பெரிய தரவுத்தொகுப்புகள், மீண்டும் மீண்டும் நிகழும் வடிவங்கள், வகைப்படுத்துதல், முன்கணிப்பு அல்லது தானியங்குபடுத்துதல் ஆகியவற்றை உள்ளடக்கிய, தெளிவாக வரையறுக்கப்பட்ட பணிகளில் குறுகிய செயற்கை நுண்ணறிவு குறிப்பாகச் சிறப்பாகச் செயல்படுகிறது. ஆவணங்களை வரிசைப்படுத்துதல், வழக்கத்திற்கு மாறான பரிவர்த்தனைகளைக் கண்டறிதல், தகவல்களைப் பிரித்தெடுத்தல், தேவையை முன்கணித்தல் மற்றும் படங்களில் உள்ள பொருட்களை அடையாளம் காணுதல் ஆகியவை இதற்கு எடுத்துக்காட்டுகளாகும். வெற்றியை அளவிட முடியும்போதும், மனித மேற்பார்வை தொடர்ந்து இருக்கும்போதும் இது பொதுவாக மிகவும் பயனுள்ளதாக இருக்கும்.

குறுகிய செயற்கை நுண்ணறிவின் முக்கிய வரம்புகள் என்ன?

பழக்கமில்லாத சூழ்நிலைகள், முழுமையற்ற தரவுகள், மாறிவரும் நிலைமைகள் அல்லது அதன் பயிற்சிக்கு அப்பாற்பட்ட பணிகளை எதிர்கொள்ளும்போது குறு செயற்கை நுண்ணறிவு (Narrow AI) திணறக்கூடும். அதற்கு மனிதனின் பொது அறிவோ அல்லது உண்மையான உணர்ச்சிப் புரிதலோ நம்பகத்தன்மையுடன் இருப்பதில்லை. அதன் வெளியீடுகள், சார்புடைய தரவுகள், தவறான குறியீடுகள், ஆதாரமற்ற அனுமானங்கள் அல்லது உருவாக்கத்தின் போது எடுக்கப்பட்ட வடிவமைப்பு முடிவுகளையும் பிரதிபலிக்கக்கூடும்.

நேரோ ஏஐ-ஐப் பயன்படுத்துவதற்கு முன்பு வணிகங்கள் என்னென்ன அபாயங்களைக் கருத்தில் கொள்ள வேண்டும்?

நிறுவனங்கள் தனியுரிமை, பாதுகாப்பு, வெளிப்படைத்தன்மை, சார்புநிலை, பொறுப்புக்கூறல் மற்றும் தவறான வெளியீடுகளின் விளைவுகள் ஆகியவற்றை மதிப்பிட வேண்டும். மேலும், முடிவுகளை யார் மதிப்பாய்வு செய்கிறார்கள் மற்றும் அமைப்பு தீங்கு விளைவிக்கும்போது யார் பொறுப்பேற்கிறார்கள் என்பதையும் அவர்கள் தீர்மானிக்க வேண்டும். ஒரு வலுவான செயலாக்கம் என்பது, துல்லியமாக வரையறுக்கப்பட்ட சிக்கல், பொருத்தமான தரவு, அளவிடக்கூடிய இலக்குகள், தொடர்ச்சியான கண்காணிப்பு மற்றும் தெளிவான மனித மேற்பார்வை ஆகியவற்றிலிருந்து தொடங்குகிறது.

ஒரு தொழில்நுட்பம் நேரோ ஏஐ-ஐப் பயன்படுத்துகிறதா என்பதை எப்படி அறிந்துகொள்வது?

ஒரு அமைப்பு, வரையறுக்கப்பட்ட ஒரு பகுதிக்குள் சிறப்பாகச் செயல்பட்டு, ஆனால் தனது அறிவை மற்ற இடங்களில் சுயமாகப் பயன்படுத்த முடியாதபோது, ​​அது குறுகிய செயற்கை நுண்ணறிவைப் (Narrow AI) பயன்படுத்துகிறது என்று கருதலாம். அதன் வெளியீடுகள் பொதுவாகப் பயிற்சித் தரவுகள், நிரல்படுத்தப்பட்ட விதிகள் அல்லது மனிதர்களால் வரையறுக்கப்பட்ட இலக்குகளைச் சார்ந்திருக்கும். பரிந்துரைக் கருவிகள், ரோபோ தூசி உறிஞ்சிகள், எழுத்து உதவியாளர்கள், புகைப்பட அங்கீகார அமைப்புகள் மற்றும் வழித் திட்டமிடுபவர்கள் ஆகிய அனைத்தும் இந்த வகைக்குள் அடங்கும்.

குறிப்புகள்

1. தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனம் (NIST) - AI இடர் மேலாண்மை கட்டமைப்பு - nist.gov

2. அமெரிக்க உணவு மற்றும் மருந்து நிர்வாகம் (FDA) - மருத்துவ சாதனமாக மென்பொருளில் செயற்கை நுண்ணறிவு - fda.gov

3. கூட்டாட்சி வர்த்தக ஆணையம் (FTC) - செயற்கை நுண்ணறிவு முக அங்கீகாரத் தொழில்நுட்பத்தைப் பயன்படுத்த ரைட் எய்ட் நிறுவனத்திற்குத் தடை - ftc.gov

4. சர்வதேச தொழிலாளர் அமைப்பு (ILO) - GenAI-ஆல் நான்கு வேலைகளில் ஒன்று மாற்றமடையும் அபாயத்தில் உள்ளது - ilo.org

5. OWASP அறக்கட்டளை - இயந்திர கற்றல் பாதுகாப்பில் முதல் 10 இடங்கள் - owasp.org

6. ஐபிஎம் - செயற்கை பொது நுண்ணறிவு - ibm.com

7. கூகுள் ஆராய்ச்சி - ஆழ்நிலைக் கற்றல் அமைப்புகளில் நம்பகத்தன்மையை நோக்கி - google.com

8. ஆப்பிள் ஆதரவு - ஃபேஸ் ஐடி மூலம் சாதனங்களைத் திறப்பது - apple.com

அதிகாரப்பூர்வ AI உதவியாளர் கடையில் சமீபத்திய AI ஐக் கண்டறியவும்

எங்களை பற்றி