AI-யின் எதிர்காலம் என்ன?

சுருக்கமான பதில்: செயற்கை நுண்ணறிவின் எதிர்காலம், மேம்பட்ட திறனை கடுமையான எதிர்பார்ப்புகளுடன் ஒன்றிணைக்கிறது: அது கேள்விகளுக்குப் பதிலளிப்பதிலிருந்து ஒரு வகையான "இணைப் பணியாளராக" பணிகளை முடிக்கும் நிலைக்கு நகரும், அதே நேரத்தில் சிறிய சாதன மாதிரிகள் வேகம் மற்றும் தனியுரிமைக்காக விரிவடையும். அதிக முக்கியத்துவம் வாய்ந்த முடிவுகளில் செயற்கை நுண்ணறிவு செல்வாக்கு செலுத்தும் இடங்களில், தணிக்கைகள், பொறுப்புக்கூறல் மற்றும் அர்த்தமுள்ள மேல்முறையீடுகள் போன்ற நம்பகத்தன்மை அம்சங்கள் தவிர்க்க முடியாதவையாக மாறும்.

முக்கிய குறிப்புகள்:

முகவர்கள்: முழுமையான பணிகளுக்கும் செயற்கை நுண்ணறிவைப் பயன்படுத்துங்கள்; தோல்விகள் கவனிக்கப்படாமல் கடந்து செல்லாதவாறு திட்டமிட்ட சோதனைகளை மேற்கொள்ளுங்கள்.

அனுமதி: தரவு அணுகலை பேச்சுவார்த்தை மூலம் பெறப்பட்ட ஒன்றாகக் கருதுங்கள்; ஒப்புதல் பெறுவதற்கு பாதுகாப்பான, சட்டபூர்வமான, நற்பெயர் சார்ந்த பாதுகாப்பான பாதைகளை உருவாக்குங்கள்.

உள்கட்டமைப்பு: தயாரிப்புகளில் AI ஐ ஒரு இயல்புநிலை அடுக்காகத் திட்டமிடுங்கள், இயக்க நேரம் மற்றும் ஒருங்கிணைப்பு முதல்-வரிசை முன்னுரிமைகளாகக் கருதப்படும்.

நம்பிக்கை: அதிக விளைவு கொண்ட முடிவுகளில் ஈடுபடுவதற்கு முன், கண்டறியும் தன்மை, பாதுகாப்புத் தடுப்புகள் மற்றும் மனித மேலெழுதலை இடத்தில் வைக்கவும்.

திறன்கள்: பணி சுருக்கத்தைக் குறைத்து தரத்தைப் பாதுகாக்க, சிக்கல்களை உருவாக்குதல், சரிபார்ப்பு மற்றும் தீர்ப்பை நோக்கி குழுக்களை நகர்த்தவும்.

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 ஜெனரேட்டிவ் AI இல் அடித்தள மாதிரிகள் விளக்கப்பட்டுள்ளன
அடித்தள மாதிரிகள், அவற்றின் பயிற்சி மற்றும் உருவாக்கும் AI பயன்பாடுகளைப் புரிந்து கொள்ளுங்கள்.

🔗 AI சுற்றுச்சூழலை எவ்வாறு பாதிக்கிறது
AI இன் ஆற்றல் பயன்பாடு, உமிழ்வு மற்றும் நிலைத்தன்மை வர்த்தகங்களை ஆராயுங்கள்.

🔗 ஒரு AI நிறுவனம் என்றால் என்ன?
ஒரு AI நிறுவனத்தை என்ன வரையறுக்கிறது மற்றும் முக்கிய வணிக மாதிரிகளை அறிக.

🔗 AI மேம்பாடு எவ்வாறு செயல்படுகிறது
AI-இயக்கப்படும் விவர உருவாக்கம் மூலம் மேம்பாடு எவ்வாறு தெளிவுத்திறனை மேம்படுத்துகிறது என்பதைப் பாருங்கள்.

"AI இன் எதிர்காலம் என்ன?" திடீரென்று அவசரமாக உணரப்படுவது ஏன் 🚨

இந்தக் கேள்வி டர்போ பயன்முறையைத் தாக்கியதற்கான சில காரணங்கள்:

• செயற்கை நுண்ணறிவு புதுமை என்ற நிலையிலிருந்து பயன்பாடு என்ற நிலைக்கு மாறியுள்ளது. இது இனி ஒரு “அருமையான செயல்விளக்கம்” அல்ல, மாறாக “இது என் இன்பாக்ஸில், என் தொலைபேசியில், என் பணியிடத்தில், என் பிள்ளையின் வீட்டுப்பாடத்தில் இருக்கிறது” 😬 (ஸ்டான்போர்ட் செயற்கை நுண்ணறிவு குறியீட்டு அறிக்கை 2025)

• வேகம் திசைதிருப்புகிறது. மனிதர்கள் படிப்படியான மாற்றத்தை விரும்புகிறார்கள். AI என்பது ஆச்சரியம்! புதிய விதிகள் போன்றது.

• விஷயம் தனிப்பட்டதாக மாறியது. செயற்கை நுண்ணறிவு உங்கள் வேலை, தனியுரிமை, கற்றல், மருத்துவ முடிவுகள் ஆகியவற்றில் தாக்கத்தை ஏற்படுத்தினால்... நீங்கள் அதை ஒரு சாதனம் போலக் கருதுவதை நிறுத்திவிடுவீர்கள். (பணியிடத்தில் செயற்கை நுண்ணறிவு குறித்த பியூ ஆராய்ச்சி மையம்)

ஒருவேளை மிகப்பெரிய மாற்றம் தொழில்நுட்ப ரீதியாகக் கூட இல்லாமல் இருக்கலாம். அது உளவியல் ரீதியாக இருக்கலாம். நீங்கள் தூங்கும்போது புத்திசாலித்தனத்தை தொகுத்து, வாடகைக்கு எடுத்து, உட்பொதித்து, அமைதியாக மேம்படுத்தலாம் என்ற கருத்தை மக்கள் ஏற்றுக்கொள்கிறார்கள். நீங்கள் நம்பிக்கையுடன் இருந்தாலும், உணர்ச்சி ரீதியாக அதைச் சாப்பிடுவது மிகவும் முக்கியம்.

எதிர்காலத்தை வடிவமைக்கும் பெரிய சக்திகள் (யாரும் கவனிக்காவிட்டாலும் கூட) ⚙️🧠

நாம் பெரிதாக்கினால், "AI இன் எதிர்காலம்" ஒரு சில ஈர்ப்பு விசைகளால் இழுக்கப்படுகிறது:

1) வசதி எப்போதும் வெல்லும்... அது வெல்லாத வரை 😌

நேரத்தை மிச்சப்படுத்துவதை மக்கள் ஏற்றுக்கொள்கிறார்கள். AI உங்களை வேகமாக, அமைதியாக, பணக்காரராக அல்லது குறைவாக எரிச்சலடையச் செய்தால் - அது பயன்படுத்தப்படும். நெறிமுறைகள் தெளிவற்றதாக இருந்தாலும் கூட. (ஆம், அது சங்கடமாக இருக்கிறது.)

2) தரவு இன்னும் எரிபொருள், ஆனால் "அனுமதி" என்பது புதிய நாணயம் 🔐

எதிர்காலம் என்பது எவ்வளவு தரவுகள் உள்ளன என்பதைப் பற்றியது மட்டுமல்ல - அது, எந்தத் தரவுகளைப் பின்விளைவுகள் இன்றி சட்டப்பூர்வமாகவும், கலாச்சார ரீதியாகவும், நற்பெயருக்கு உகந்த வகையிலும் பயன்படுத்த முடியும் என்பதைப் பற்றியது. (சட்டப்பூர்வமான அடிப்படையில் ICO வழிகாட்டுதல்)

3) மாதிரிகள் உள்கட்டமைப்பாக மாறி வருகின்றன 🏗️

AI "மின்சாரம்" பாத்திரத்தில் சறுக்கி வருகிறது - உண்மையில் அல்ல, ஆனால் சமூக ரீதியாக. நீங்கள் அங்கு இருக்க வேண்டும் என்று எதிர்பார்க்கும் ஒன்று. நீங்கள் மேலே கட்டமைக்கும் ஒன்று. அது செயலிழந்திருக்கும் போது நீங்கள் சபிக்கும் ஒன்று.

4) நம்பிக்கை என்பது ஒரு தயாரிப்பு அம்சமாக மாறும் (அடிக்குறிப்பு அல்ல) ✅

நிஜ வாழ்க்கை முடிவுகளை AI எவ்வளவு அதிகமாகப் பாதிக்கிறதோ, அவ்வளவு அதிகமாக நாம் கோருவோம்:

• கண்டறியும் தன்மை

• நம்பகத்தன்மை

• நிலைத்தன்மை

• பாதுகாப்புத் தடுப்புகள்

• மற்றும், தவறுகள் நிகழும்போது ஆவியாகிவிடாத ஒருவித பொறுப்புக்கூறல் (NIST AI இடர் மேலாண்மை கட்டமைப்பு 1.0, OECD AI கோட்பாடுகள்)

AI இன் எதிர்காலத்தின் நல்ல பதிப்பை உருவாக்குவது எது? ✅ (மக்கள் தவிர்க்கும் பகுதி)

ஒரு “நல்ல” எதிர்கால செயற்கை நுண்ணறிவு என்பது வெறும் புத்திசாலித்தனமானது மட்டுமல்ல. அது சிறப்பாக நடந்துகொள்ளும், அதிக வெளிப்படைத்தன்மை கொண்ட, மற்றும் மனிதர்கள் வாழும் முறையுடன் மிகவும் ஒத்துப்போகும். சுருக்கமாகச் சொல்வதென்றால், ஒரு நல்ல எதிர்கால செயற்கை நுண்ணறிவில் பின்வருவன அடங்கும்:

• பகட்டான தன்னம்பிக்கையை விட நடைமுறைத் துல்லியமே சிறந்தது 😵💫

• தெளிவான எல்லைகள் - தன்னால் என்ன செய்ய முடியாது என்பதை அது அறிந்திருக்க வேண்டும்.

• இயல்பான தனியுரிமை (அல்லது குறைந்தபட்சம் முனைவர் பட்டம் தேவைப்படாத தனியுரிமை) (ஜிடிபிஆர் பிரிவு 25: வடிவமைப்பின் மூலமும் இயல்பானதன் மூலமும் தரவுப் பாதுகாப்பு)

• உண்மையிலேயே செயல்படும் மனித மேலெழுதல் ( EU AI சட்டம்: ஒழுங்குமுறை (EU) 2024/1689 )

• குறைந்த உராய்வு பொறுப்பு - நீங்கள் வெளியீடுகளை சவால் செய்யலாம், தீங்கைப் புகாரளிக்கலாம் மற்றும் பிழைகளை சரிசெய்யலாம் (NIST AI இடர் மேலாண்மை கட்டமைப்பு 1.0)

• பலன்கள் ஒரு சில அஞ்சல் குறியீட்டுப் பகுதிகளில் மட்டும் குவிந்துவிடாமல் இருப்பதற்கான அணுகல் வசதி

• ஆற்றல் விவேகம் - ஏனெனில் ஆம், மின்சாரப் பயன்பாடு கவர்ச்சிகரமானதாக இல்லாவிட்டாலும் அது முக்கியமானது (IEA: ஆற்றல் மற்றும் செயற்கை நுண்ணறிவு (செயல்முறைச் சுருக்கம்))

மோசமான எதிர்காலம் என்பது "AI தீயதாக மாறுவது" அல்ல. அதுதான் திரைப்பட மூளை. மோசமான எதிர்காலம் மிகவும் சாதாரணமானது - AI எங்கும் நிறைந்ததாகவும், சற்று நம்பகத்தன்மையற்றதாகவும், கேள்வி கேட்பது கடினமாகவும், நீங்கள் வாக்களிக்காத ஊக்கத்தொகைகளால் கட்டுப்படுத்தப்படுவதாகவும் மாறும். உலகை இயக்கும் ஒரு விற்பனை இயந்திரம் போல. அருமை.

எனவே AI இன் எதிர்காலம் என்ன என்று நீங்கள் கேட்கும்போது , ​​நாம் பொறுத்துக்கொள்ளும் எதிர்கால வகையும், நாம் வலியுறுத்தும் வகையும்தான் கூர்மையான கோணம்.

ஒப்பீட்டு அட்டவணை: AI இன் எதிர்காலம் எடுக்கும் மிகவும் சாத்தியமான “பாதைகள்” 📊🤝

AI எங்கு செல்கிறது என்பது பற்றிய ஒரு சிறிய, ஓரளவு அபூரண அட்டவணை இங்கே (ஏனென்றால் வாழ்க்கை சற்று அபூரணமானது). விலைகள் வேண்டுமென்றே தெளிவற்றவை, ஏனென்றால்... சரி... விலை மாதிரிகள் மனநிலை மாற்றங்கள் போல மாறுகின்றன.

காணாமல் போனது ஒரு "வெற்றியாளர்" மட்டுமே. எதிர்காலம் ஒரு சிக்கலான கலவையாக இருக்கும். பாதி உணவுகளைக் கேட்காமல், இன்னும் அவற்றைச் சாப்பிட்டுக்கொண்டிருக்கும் ஒரு பஃபே போல.

நெருக்கமாகப் பாருங்கள்: AI உங்கள் சக ஊழியராக மாறுகிறது (உங்கள் ரோபோ வேலைக்காரனாக அல்ல) 🧑💻🤖

மிகப்பெரிய மாற்றங்களில் ஒன்று, செயற்கை நுண்ணறிவு 'கேள்விகளுக்குப் பதிலளிப்பதிலிருந்து' வேலை செய்வதை. (கணக்கெடுப்பு: LLM-அடிப்படையிலான தன்னாட்சி முகவர்கள்)

அது இப்படித் தெரிகிறது:

• உங்கள் கருவிகள் முழுவதும் வரைவு செய்தல், திருத்துதல் மற்றும் சுருக்கமாகச் சொல்லுதல்

• வாடிக்கையாளர் செய்திகளை வரிசைப்படுத்துதல்

• குறியீட்டை எழுதுதல், பின்னர் அதைச் சோதித்தல், பின்னர் அதைப் புதுப்பித்தல்

• அட்டவணைகளைத் திட்டமிடுதல், டிக்கெட்டுகளை நிர்வகித்தல், அமைப்புகளுக்கு இடையில் தகவல்களை நகர்த்துதல்

• டேஷ்போர்டுகளைப் பார்த்து முடிவுகளை எடுப்பது

ஆனால் மனித உண்மை இதுதான்: சிறந்த AI சக பணியாளர் மந்திரம் போல உணர மாட்டார். அது இப்படி இருக்கும்:

• சில நேரங்களில் விசித்திரமாகச் சொல்லர்த்தமாகச் செயல்படும் திறமையான உதவியாளர்

• சலிப்பூட்டும் வேலைகளில் வேகமாக

• சில நேரங்களில் தன்னம்பிக்கையுடன் இருக்கும்போது தவறாக (அச்சச்சோ) (கருத்துக்கணிப்பு: LLM களில் மாயத்தோற்றம்)

• நீங்கள் அதை எவ்வாறு அமைக்கிறீர்கள் என்பதைப் பொறுத்தது

பணியிடத்தில் செயற்கை நுண்ணறிவின் எதிர்காலம் என்பது, “செயற்கை நுண்ணறிவு அனைவரையும் மாற்றிவிடும்” என்பதை விட, “பணிகள் தொகுக்கப்படும் விதத்தையே செயற்கை நுண்ணறிவு மாற்றும்” என்பதாகவே உள்ளது. நீங்கள் காண்பீர்கள்:

• குறைவான ஆரம்ப நிலை "முணுமுணுப்பு" பாத்திரங்கள்

• மேற்பார்வை + உத்தி + கருவி பயன்பாடு ஆகியவற்றைக் கலக்கும் அதிக கலப்பினப் பாத்திரங்கள்

• தீர்ப்பு, ரசனை மற்றும் பொறுப்பு ஆகியவற்றில் அதிக முக்கியத்துவம்

இது எல்லோருக்கும் ஒரு சக்தி கருவியைக் கொடுப்பது போன்றது. எல்லோரும் தச்சர்களாக மாறுவதில்லை, ஆனால் எல்லோருடைய வேலைத் தளமும் மாறுகிறது.

நெருக்கமான தோற்றம்: சிறிய AI மாதிரிகள் மற்றும் சாதனத்தில் உள்ள நுண்ணறிவு 📱⚡

எல்லாமே பிரம்மாண்டமான மேக மூளைகளாக இருக்காது. AI இன் எதிர்காலம் என்ன AI சிறியதாகவும், மலிவாகவும், நீங்கள் இருக்கும் இடத்திற்கு நெருக்கமாகவும் மாறி வருகிறது. (TinyML கண்ணோட்டம்)

சாதனத்தில் AI என்றால்:

• வேகமான பதில் (குறைவான காத்திருப்பு)

• அதிக தனியுரிமை சாத்தியம் (தரவு உள்ளூர் அளவில் இருக்கும்)

• இணைய அணுகலைச் சார்ந்திருத்தல் குறைவு

• உங்கள் முழு வாழ்க்கையையும் ஒரு சேவையகத்திற்கு அனுப்ப வேண்டிய அவசியமில்லாத கூடுதல் தனிப்பயனாக்கம்

ஆம், சமரசங்கள் உள்ளன:

• சிறிய மாதிரிகள் சிக்கலான பகுத்தறிவுடன் போராடக்கூடும்

• புதுப்பிப்புகள் மெதுவாக இருக்கலாம்

• சாதன வரம்புகள் முக்கியம்

ஆனாலும், இந்த திசை குறைவாக மதிப்பிடப்படுகிறது. “AI என்பது நீங்கள் பார்வையிடும் ஒரு வலைத்தளம்” மற்றும் “AI என்பது உங்கள் வாழ்க்கை அமைதியாக நம்பியிருக்கும் ஒரு அம்சம்” ஆகியவற்றுக்கு இடையேயான வித்தியாசம் இதுதான். தானியங்கு திருத்தம் போல, ஆனால்... புத்திசாலி. மேலும் உங்கள் சிறந்த நண்பரின் பெயரைப் பற்றி குறைவான தவறுகள் இருக்கும் என்று நம்புகிறேன் 😵

நெருக்கமான பார்வை: மல்டிமாடல் AI - AI எப்போது பார்க்க முடியும், கேட்க முடியும் மற்றும் விளக்க முடியும் 🧠👀🎧

உரை மட்டும் கொண்ட AI சக்தி வாய்ந்தது, ஆனால் மல்டிமாடல் AI விளையாட்டை மாற்றுகிறது, ஏனெனில் அது விளக்க முடியும்:

• படங்கள் (ஸ்கிரீன்ஷாட்கள், வரைபடங்கள், தயாரிப்பு புகைப்படங்கள்)

• ஆடியோ (கூட்டங்கள், அழைப்புகள், சுற்றுப்புற குறிப்புகள்)

• காணொளி (செயல்முறைகள், இயக்கம், நிகழ்வுகள்)

• மற்றும் கலவையான சூழல்கள் ("இந்தப் படிவத்திலும் இந்தப் பிழைச் செய்தியிலும் என்ன தவறு?" என்பது போன்றவை) (GPT-4o சிஸ்டம் கார்டு)

மனிதர்கள் உலகை எப்படி உணர்கிறார்கள் என்பதை AI நெருங்கிச் செல்லும் இடம் இதுதான். இது உற்சாகமானது... கொஞ்சம் பயமுறுத்துவதும் கூட.

தலைகீழாக:

• சிறந்த பயிற்சி மற்றும் அணுகல் கருவிகள்

• சிறந்த மருத்துவ வகைப்படுத்தல் ஆதரவு (கடுமையான பாதுகாப்புகளுடன்)

• மேலும் இயற்கையான இடைமுகங்கள்

• "வார்த்தைகளில் விளக்க" குறைவான சிக்கல்கள்

பாதகம்:

• கண்காணிப்பு எளிதாகிறது

• தவறான தகவல்கள் மேலும் உறுதியானதாகின்றன

• தனியார் மற்றும் பொது மக்களுக்கு இடையிலான எல்லை மங்கலாகிறது (NIST: செயற்கை உள்ளடக்கத்தால் ஏற்படும் அபாயங்களைக் குறைத்தல்)

வசதி என்பது வர்த்தகத்திற்கு மதிப்புள்ளதா என்பதை சமூகம் தீர்மானிக்க வேண்டிய பகுதி இதுதான். வரலாற்று ரீதியாக, சமூகம் நீண்டகால சிந்தனையில் சிறந்ததல்ல. நாங்கள் பெரும்பாலும் - ஓஹோ பளபளப்பு! 😬✨

நம்பிக்கை பிரச்சனை: பாதுகாப்பு, நிர்வாகம் மற்றும் "ஆதாரம்" 🛡️🧾

ஒரு நேரடியான கருத்து: செயற்கை நுண்ணறிவின் எதிர்காலம் அதன் திறனால் மட்டுமல்ல, நம்பிக்கையாலேயே தீர்மானிக்கப்படும் . ( NIST செயற்கை நுண்ணறிவு இடர் மேலாண்மை கட்டமைப்பு 1.0 )

ஏனெனில் AI தொடும்போது:

• பணியமர்த்தல்

• கடன் கொடுத்தல்

• சுகாதார வழிகாட்டுதல்

• சட்ட முடிவுகள்

• கல்வி முடிவுகள்

• பாதுகாப்பு அமைப்புகள்

• பொது சேவைகள்

நீங்கள் வெறுமனே தோள்களைக் குலுக்கிவிட்டு, “அந்த மாடல் பிரமை கண்டது” என்று சொல்ல முடியாது. அது ஏற்றுக்கொள்ள முடியாதது. (ஐரோப்பிய ஒன்றிய செயற்கை நுண்ணறிவுச் சட்டம்: ஒழுங்குமுறை (EU) 2024/1689)

எனவே நாம் மேலும் பார்க்கப் போகிறோம்:

• தணிக்கைகள் (மாதிரி நடத்தை சோதனை)

• அணுகல் கட்டுப்பாடுகள் (யார் என்ன செய்ய முடியும்)

• கண்காணிப்பு (தவறான பயன்பாடு மற்றும் நகர்வுக்காக)

• விளக்கக்கூடிய அடுக்குகள் (சரியானவை அல்ல, ஆனால் எதையும் விட சிறந்தது)

• மனித மறுஆய்வு குழாய்கள் மிகவும் முக்கியத்துவம் வாய்ந்த இடத்தில் (NIST AI RMF)

ஆமாம், சிலர் இது புதுமைகளை மெதுவாக்குகிறது என்று புகார் கூறுவார்கள். ஆனால் அது சீட் பெல்ட்கள் வாகனம் ஓட்டுவதை மெதுவாக்குகின்றன என்று புகார் கூறுவது போன்றது. தொழில்நுட்ப ரீதியாக... நிச்சயமாக... ஆனால் வாருங்கள்.

வேலைகள் மற்றும் திறன்கள்: மோசமான நடுத்தர கட்டம் (இப்போது ஆற்றல் என்றும் அழைக்கப்படுகிறது) 💼😵💫

AI தங்கள் வேலையை எடுத்துக்கொள்கிறதா என்பது குறித்து நிறைய பேர் தெளிவான பதிலை விரும்புகிறார்கள்.

நேரடியான பதில் இதுதான்: செயற்கை நுண்ணறிவு மாற்றும் , மேலும் சில பணிகளுக்கு, அந்த மாற்றம் தொழில்நுட்ப ரீதியாக "மறுசீரமைப்பு" என்றாலும், அது ஒரு பதிலீடு போலவே உணரப்படும். (இது பெருநிறுவனங்களின் பேச்சுவழக்கு, கேட்பதற்குச் சலிப்பூட்டும்.) (ஐ.எல்.ஓ ஆய்வறிக்கை: உருவாக்கும் செயற்கை நுண்ணறிவும் வேலைகளும்)

நீங்கள் மூன்று வடிவங்களைக் காண்பீர்கள்:

1) பணி சுருக்கம்

முன்பு 5 பேர் மட்டுமே பணியாற்றிய இந்தப் பணி, இப்போது 2 பேரைப் பணியமர்த்தியுள்ளது, ஏனெனில் AI மீண்டும் மீண்டும் நிகழும் பணிகளைச் சரி செய்கிறது. (ILO பணித்தாள்: ஜெனரேட்டிவ் AI மற்றும் வேலைகள்)

2) புதிய கலப்பின பாத்திரங்கள்

AI-ஐ திறம்பட இயக்கக்கூடியவர்கள் பெருக்கிகளாக மாறுகிறார்கள். அவர்கள் மேதைகள் என்பதால் அல்ல, ஆனால் அவர்களால் முடியும் என்பதால்:

• முடிவுகளை தெளிவாகக் குறிப்பிடவும்

• முடிவுகளைச் சரிபார்க்கவும்

• பிழைகளைப் பிடிக்கவும்

• டொமைன் தீர்ப்பைப் பயன்படுத்துங்கள்

• விளைவுகளைப் புரிந்து கொள்ளுங்கள்

3) திறன் துருவப்படுத்தல்

தங்களைத் தகவமைத்துக் கொள்பவர்கள் சாதகத்தைப் பெறுகிறார்கள். அவ்வாறு செய்யாதவர்கள்… நெருக்கடிக்கு உள்ளாகிறார்கள். இதைச் சொல்வதை நான் வெறுக்கிறேன், ஆனால் இதுதான் உண்மை. (செயற்கை நுண்ணறிவு மற்றும் மாறிவரும் திறன் தேவை குறித்த OECD-யின் கருத்து)

மிகவும் மதிப்புமிக்கதாக மாறும் நடைமுறை திறன்கள்:

• பிரச்சனையை வடிவமைத்தல் (இலக்கை தெளிவாக வரையறுத்தல்)

• தொடர்பு (ஆம், இன்னும்)

• QA மனநிலை (சிக்கல்களைக் கண்டறிதல், வெளியீடுகளைச் சோதித்தல்)

• நெறிமுறை பகுத்தறிவு மற்றும் ஆபத்து விழிப்புணர்வு

• கள நிபுணத்துவம் - உண்மையான, அடிப்படை அறிவு

• மற்றவர்களுக்குக் கற்பிக்கும் திறன் மற்றும் அமைப்புகளை உருவாக்கும் திறன் (AI மற்றும் மாறிவரும் திறன் தேவை குறித்த OECD)

எதிர்காலம், வழிநடத்தக்கூடியவர்களுக்கு மட்டுமல்ல, வழிநடத்தக்கூடியவர்களுக்கும்.

வணிக எதிர்காலம்: AI உட்பொதிக்கப்பட்டு, தொகுக்கப்பட்டு, அமைதியாக ஏகபோகப்படுத்தப்படுகிறது 🧩💰

AI இன் எதிர்காலம் என்ன என்பதன் ஒரு நுட்பமான பகுதி AI எவ்வாறு விற்கப்படும் என்பதுதான்.

பெரும்பாலான பயனர்கள் "AI-ஐ வாங்க மாட்டார்கள்." அவர்கள் வாங்குவார்கள்:

• AI ஐ உள்ளடக்கிய மென்பொருள்

• AI ஒரு அம்சமாக இருக்கும் தளங்கள்

• AI முன்பே ஏற்றப்பட்ட சாதனங்கள்

• AI செலவைக் குறைக்கும் சேவைகள் (அவை உங்களுக்குச் சொல்லக்கூடாமல் இருக்கலாம்)

நிறுவனங்கள் இதில் போட்டியிடும்:

• நம்பகத்தன்மை

• ஒருங்கிணைப்புகள்

• தரவு அணுகல்

• வேகம்

• பாதுகாப்பு

• மற்றும் பிராண்ட் நம்பிக்கை (ஒரு முறை எரியும் வரை மென்மையாகத் தோன்றும்)

மேலும், இன்னும் அதிகமான “AI பணவீக்கத்தை” எதிர்பார்க்கலாம் - எல்லாம் AI-ஆற்றல் மிக்கதாகக் கூறப்படும் இடத்தில், அது அடிப்படையில் ஒரு ஆடம்பரமான தொப்பியை அணிந்துகொண்டு தானாகவே நிறைவடைந்தாலும் கூட 🎩🤖

இது அன்றாட வாழ்க்கைக்கு என்ன அர்த்தம் - அமைதியான, தனிப்பட்ட மாற்றங்கள் 🏡📲

அன்றாட வாழ்க்கையில், AI இன் எதிர்காலம் குறைவான வியத்தகு தன்மையுடையதாகத் தெரிகிறது, ஆனால் மிகவும் நெருக்கமானதாகத் தெரிகிறது:

• சூழலை நினைவில் வைத்திருக்கும் தனிப்பட்ட உதவியாளர்கள்

• மனநிலையைப் பொறுத்து ஆதரவாகவோ அல்லது எரிச்சலூட்டுவதாகவோ உணரும் சுகாதாரத் தூண்டுதல்கள் (தூக்கம், உணவு, மன அழுத்தம்)

• உங்கள் வேகத்திற்கு ஏற்ற கல்வி ஆதரவு

• முடிவெடுக்கும் சோர்வைக் குறைக்கும் ஷாப்பிங் மற்றும் திட்டமிடல்

• நீங்கள் என்ன பார்க்கிறீர்கள், என்ன ஒருபோதும் பார்க்கக்கூடாது என்பதை தீர்மானிக்கும் உள்ளடக்க வடிப்பான்கள் (பெரிய விஷயம்)

• போலி ஊடகங்களை உருவாக்குவது எளிதாகி வருவதால் டிஜிட்டல் அடையாள சவால்கள் ( NIST: செயற்கை உள்ளடக்கத்தால் ஏற்படும் அபாயங்களைக் குறைத்தல் )

உணர்ச்சி ரீதியான தாக்கமும் முக்கியமானது. AI ஒரு இயல்பான தோழராக மாறினால், சிலர் தனிமைப்படுத்தப்படுவதைக் குறைப்பார்கள். சிலர் கையாளப்பட்டதாக உணருவார்கள். சிலர் ஒரே வாரத்தில் இரண்டையும் உணருவார்கள்.

நான் சொல்வது என்னவென்றால் - AI இன் எதிர்காலம் வெறும் தொழில்நுட்பக் கதை அல்ல. இது ஒரு உறவுக் கதை. மேலும் உறவுகள் முடிச்சுப் போடும்... ஒரு பக்கம் குறியீடாக இருந்தாலும் கூட.

“AI இன் எதிர்காலம் என்ன?” என்ற தலைப்பில் இறுதிச் சுருக்கம் 🧠✅

AI இன் எதிர்காலம் ஒரு இறுதிப் புள்ளி அல்ல. இது பாதைகளின் தொகுப்பு:

• செயற்கை நுண்ணறிவு , கேள்விகளுக்குப் பதிலளிப்பது மட்டுமல்லாமல், பணிகளையும் செய்து முடிக்கும் ஒரு சக ஊழியராக மாறுகிறது 🤝 ( கணக்கெடுப்பு: LLM அடிப்படையிலான தன்னாட்சி முகவர்கள் )

• சிறிய மாடல்கள் செயற்கை நுண்ணறிவைச் சாதனங்களுக்குள் கொண்டு செல்கின்றன, இதனால் அது வேகமாகவும் மேலும் தனிப்பட்டதாகவும் 📱 (TinyML கண்ணோட்டம்)

• பன்முறை செயற்கை நுண்ணறிவு, அமைப்புகளை நிஜ உலகச் சூழலைப் பற்றி மேலும் விழிப்புணர்வுடன் 👀 (ஜிபிடி-4ஓ சிஸ்டம் கார்டு)

• நம்பிக்கை, ஆளுகை மற்றும் பாதுகாப்பு ஆகியவை மையமானவை ஆகின்றன - விருப்பத் தேர்வு அல்ல 🛡️ (NIST AI RMF, EU AI சட்டம்)

• பணிகள் தீர்ப்பு வழங்குதல், மேற்பார்வை செய்தல் மற்றும் சிக்கல்களை வரையறுத்தல் ஆகியவற்றை நோக்கி நகர்கின்றன 💼 ( ஐ.எல்.ஓ ஆய்வறிக்கை: உருவாக்கும் செயற்கை நுண்ணறிவும் பணிகளும் )

• பின்னணி உள்கட்டமைப்பைப் போல உணரும் வரை AI தயாரிப்புகளில் உட்பொதிக்கப்படுகிறது 🏗️

மேலும் தீர்மானிக்கும் காரணி மூல நுண்ணறிவு அல்ல. AI இருக்கும் ஒரு எதிர்காலத்தை நாம் உருவாக்குகிறோமா என்பதுதான்:

• பொறுப்புள்ள

• புரிந்துகொள்ளக்கூடிய

• மனித மதிப்புகளுடன் ஒத்துப்போகிறது

• மேலும் (ஏற்கனவே அதிகாரம் உள்ளவர்களுக்கு மட்டுமல்ல) நியாயமாக விநியோகிக்கப்படுகிறது (OECD AI கோட்பாடுகள்)

ஆகவே, 'செயற்கை நுண்ணறிவின் எதிர்காலம் என்ன?' என்று நீங்கள் கேட்கும்போது, ​​அதற்கான மிகவும் யதார்த்தமான பதில் இதுதான்: அது நாம் முனைப்புடன் வடிவமைக்கும் எதிர்காலம். அல்லது, நாம் அறியாமலே அதில் நுழைந்துவிடுகிறோம். நாம் முதல் விருப்பத்தையே தேர்ந்தெடுப்போம் 😅

நிஜ உலக உதாரணம்: வாடிக்கையாளர் ஆதரவுப் பிரச்சனைகளை வகைப்படுத்த ஒரு AI சக பணியாளரை உருவாக்குதல் 🤝📩

சூழ்நிலை

ஐந்து பேர் கொண்ட ஆதரவுக் குழுவைக் கொண்ட ஒரு சிறிய SaaS நிறுவனத்தைக் கற்பனை செய்து பாருங்கள். அவர்கள் மின்னஞ்சல், நேரலை அரட்டை மற்றும் உதவி மையக் கருவி வழியாக ஒரு நாளைக்குச் சுமார் 120 வாடிக்கையாளர் செய்திகளைப் பெறுகிறார்கள்.

செயற்கை நுண்ணறிவு வருவதற்கு முன்பு, ஒவ்வொரு காலையிலும் முதல் உதவிப் பணியாளர், கட்டண விவரங்கள், உள்நுழைவுச் சிக்கல்கள், பிழைகள், புதிய அம்சங்களுக்கான கோரிக்கைகள், ரத்துசெய்தல் மற்றும் அவசர கணக்குச் சிக்கல்கள் போன்ற வகைகளாகப் புகார்களைப் பிரிப்பதற்கு 60-90 நிமிடங்கள் செலவிடுவார். அவ்வாறு பிரிப்பது சலிப்பூட்டக்கூடியதுதான், ஆனாலும் அது முக்கியமானது. கட்டண விவரம் தொடர்பான தகராறோ அல்லது பாதுகாப்பு தொடர்பான உள்நுழைவுச் சிக்கலோ கவனிக்கப்படாமல் போனால், நிறுவனம் மீதான நம்பிக்கையை அது விரைவாக இழக்கக்கூடும்.

எனவே, அந்தக் குழு ஒரு எளிய செயற்கை நுண்ணறிவு வகைப்படுத்தும் உதவியாளரை உருவாக்குகிறது. அது வாடிக்கையாளர்களுக்குத் தானாகப் பதிலளிப்பதில்லை. அதன் பணி மிகவும் குறுகியது: வரும் புகார்களைப் படித்து, அவற்றுக்கு வகைப்படுத்தி, முன்னுரிமையைப் பரிந்துரைப்பது, ஒரு சிறிய உள்ளகச் சுருக்கத்தை வரைவது, மற்றும் மனித மதிப்பாய்வு தேவைப்படும் எதையும் சுட்டிக்காட்டுவது.

செயற்கை நுண்ணறிவு செயல்படுவதன் எதிர்காலம் இதுதான்: ஒரு ரோபோ குழுவிற்குப் பதிலாக வருவதல்ல, மாறாக ஒரு சக ஊழியர் முதற்கட்டப் பணியைக் கையாள்வதால், மனிதர்கள் முடிவெடுப்பதில் கவனம் செலுத்த முடிகிறது.

உதவியாளருக்கு என்ன தேவை

பாதுகாப்பாகப் பணியாற்ற, உதவியாளருக்குச் செய்திகளை அணுகும் வசதி மட்டுமல்ல, தெளிவான எல்லைகளும் தேவை.

பயனுள்ள உள்ளீடுகளில் அடங்குபவை:

• நிறுவனத்தின் டிக்கெட் பிரிவுகள் மற்றும் முன்னுரிமை விதிகள்

• பணம் செலுத்துவதில் ஏற்படும் தகராறுகள், பாதுகாப்பு தொடர்பான கவலைகள், சட்டரீதியான அச்சுறுத்தல்கள், கோபமான ரத்துச் செய்திகள் அல்லது பாதிக்கப்படக்கூடிய வாடிக்கையாளர் சூழ்நிலைகள் போன்ற, எப்போதும் மேல் அதிகாரிகளுக்குத் தெரிவிக்க வேண்டிய சூழ்நிலைகளின் பட்டியல்

• சரியாகக் குறியிடப்பட்ட கடந்த கால டிக்கெட்டுகளின் 20-30 எடுத்துக்காட்டுகள்

• தனியுரிமை விதி: சுருக்கங்களில் முழுமையான கட்டண விவரங்கள், கடவுச்சொற்கள், தனிப்பட்ட ஆவணங்கள் அல்லது தேவையற்ற இரகசியத் தரவுகளை வெளிப்படுத்த வேண்டாம்

• “குறிச்சொல்லிடவும் வரைவு செய்யவும் முடியும், ஆனால் பதில்களை அனுப்பவோ, பணத்தைத் திரும்ப வழங்கவோ, டிக்கெட்டுகளை மூடவோ, அல்லது கணக்கு அமைப்புகளை மாற்றவோ முடியாது” என்பது போன்ற அனுமதி வரம்புகள்

• அவசரமான, நுட்பமான அல்லது நிச்சயமற்ற வழக்குகளுக்கான மனித மதிப்பாய்வாளர்

எடுத்துக்காட்டு அறிவுறுத்தல்

நீங்கள் ஒரு SaaS நிறுவனத்தின் ஆதரவு வகைப்படுத்தல் உதவியாளர். ஒவ்வொரு புதிய வாடிக்கையாளர் டிக்கெட்டையும் படித்து, வகை, முன்னுரிமை, உள் சுருக்கம் மற்றும் பரிந்துரைக்கப்பட்ட அடுத்தகட்ட நடவடிக்கை ஆகிய நான்கு தகவல்களைத் தெரிவிக்கவும்.

இந்தப் பிரிவுகளை மட்டும் பயன்படுத்தவும்: கட்டணம், உள்நுழைவு/அணுகல், பிழை அறிக்கை, அம்சக் கோரிக்கை, ரத்துசெய்தல், கணக்குப் பாதுகாப்பு, பொதுவான கேள்வி, மற்றவை.

பணம் செலுத்துவதில் தோல்வி, கணக்கு முடக்கம், பாதுகாப்பு, சட்ட நடவடிக்கை, தரவு இழப்பு, கோபமான ரத்து, அல்லது அவசர வணிக பாதிப்பு போன்றவற்றை ஒரு டிக்கெட் குறிப்பிட்டால், அதை உயர் முன்னுரிமை உடையதாகக் குறிக்கவும்.

வாடிக்கையாளர்களுக்குச் செய்திகளை அனுப்ப வேண்டாம். பணத்தைத் திரும்பத் தருவதாகவோ, சரிசெய்வதாகவோ, தள்ளுபடி அளிப்பதாகவோ, அல்லது காலக்கெடுவை வழங்குவதாகவோ வாக்குறுதி அளிக்க வேண்டாம். உங்களுக்கு உறுதியாகத் தெரியவில்லை என்றால், அந்தப் புகாரை “மனித மதிப்பாய்வு தேவை” எனக் குறிக்கவும்.

சுருக்கங்களை 40 வார்த்தைகளுக்குள் வைக்கவும். தேவையற்ற தனிப்பட்ட விவரங்களை நீக்கவும்.

அதை எப்படி சோதிப்பது

நேரடி டிக்கெட்டுகளுடன் இணைப்பதற்கு முன், ஒரு சிறிய சோதனைத் தொகுப்புடன் தொடங்குங்கள்.

குழுவால் ஏற்கனவே கையாளப்பட்ட 50 பழைய ஆதரவு டிக்கெட்டுகளைப் பயன்படுத்தவும். அசல் லேபிள்களை மறைத்து, உதவியாளரை அவற்றை வகைப்படுத்த விடுங்கள், பின்னர் அதன் வெளியீட்டை மனித லேபிள்களுடன் ஒப்பிடுங்கள்.

நல்ல தேர்வு கேள்விகளில் பின்வருவன அடங்கும்:

• அது அவசரமான கட்டணம் மற்றும் கணக்குப் பாதுகாப்புச் சிக்கல்களைச் சரியாகக் கண்டறிந்ததா?

• அது தீங்கற்ற செய்திகளுக்கு அதிக முன்னுரிமை அளித்ததா?

• கோபம் அல்லது ரத்து தொடர்பான செய்திகள் எதையாவது அது தவறவிட்டதா?

• சுருக்கங்களில் முக்கியமான வாடிக்கையாளர் தரவுகள் சேர்க்கப்பட்டிருந்தனவா?

• பரிந்துரைக்கப்பட்ட அடுத்தகட்ட நடவடிக்கை நிறுவனத்தின் கொள்கையுடன் பொருந்தியதா?

• செய்தி தெளிவற்றதாக இருந்தபோது, ​​'மனித மதிப்பாய்வு தேவை' என்று அது குறிப்பிட்டதா?

ஒரு சிறந்த விதி: உதவியாளர் எச்சரிக்கையாக இருக்க அனுமதிக்கப்பட வேண்டும். தவறான ஒரு மேல்நிலைப்படுத்தல் எரிச்சலூட்டும். கவனிக்கப்படாத ஒரு பாதுகாப்பு அல்லது கட்டணப் பிரச்சினை அதைவிட மோசமானது.

முடிவு

பணிப்பாய்வைப் பயன்படுத்துவதற்கு முன்னும் பின்னும் 50-டிக்கெட் சோதனையின் நேரத்தைக் கணக்கிட்டதன் அடிப்படையிலான விளக்க முடிவு:

50 டிக்கெட்டுகளைக் கைமுறையாக வகைப்படுத்த 72 நிமிடங்கள் ஆனது, அதாவது ஒரு டிக்கெட்டுக்குச் சுமார் 1.4 நிமிடங்கள்.

குறியிடப்பட்ட டிக்கெட்டுகளை மனிதர்கள் மதிப்பாய்வு செய்ததையும் சேர்த்து, AI உதவியுடனான வகைப்படுத்தலுக்கு 19 நிமிடங்கள் ஆனது; அதாவது ஒரு டிக்கெட்டுக்குச் சுமார் 23 வினாடிகள்.

இதனால், நோயாளிகளை வகைப்படுத்தும் நேரத்தில் சுமார் 74% குறைவு ஏற்படுகிறது.

அதே சோதனையில், 50 டிக்கெட்டுகளில் 43-ல் உதவியாளர் குழுவின் அசல் வகைப்பாட்டுடன் பொருந்திப் போனார். ஐந்து டிக்கெட்டுகள் “மனித மதிப்பாய்வு தேவை” எனக் குறிக்கப்பட்டன. இரண்டு டிக்கெட்டுகள் தவறாக வகைப்படுத்தப்பட்டிருந்தன, மேலும் வாடிக்கையாளருக்கு எந்தப் பதிலும் அனுப்பப்படுவதற்கு முன்பே ஆதரவுத் தலைவரால் அவை சரிசெய்யப்பட்டன.

முக்கியமான எண் என்பது வெறும் வேகம் மட்டுமல்ல. அது வேகம் மற்றும் பிழைகளைக் கண்டறியும் திறன் ஆகியவற்றின் கலவையாகும். அந்த உதவியாளர் பதில்களை அனுப்பாமலும், புகார்களை முடிக்காமலும் இருந்ததால், அதன் தவறுகள் வாடிக்கையாளர்களைச் சென்றடைவதற்கு முன்பே தெரிந்துவிட்டன.

என்ன தவறு நடக்கக்கூடும்?

மௌனமான தன்னம்பிக்கையே மிகவும் ஆபத்தான தோல்வியாகும். உதவியாளர் ஒரு அவசரப் புகாரை, யாருக்கும் தெரியாமல் 'பொதுவான கேள்வி' என்று தவறாகக் குறிப்பிட்டால், குழுவினர் மிகவும் தாமதமாகப் பதிலளிக்க நேரிடலாம்.

பொதுவான தவறுகளில் அடங்குபவை:

• சோதிக்கப்படுவதற்கு முன்பே பதில்களை அனுப்ப உதவியாளருக்கு அனுமதி அளித்தல்

• உதாரணங்கள் இல்லாமல் “முக்கியமானது” அல்லது “சாதாரணமானது” போன்ற தெளிவற்ற வகைகளைப் பயன்படுத்துதல்

• மேல்நிலைப்படுத்தல் விதிகளை வரையறுக்க மறப்பது

• உணர்திறன் மிக்க தகவல்களை அது மிகவும் தாராளமாகச் சுருக்கிச் சொல்ல அனுமதிப்பது

• சேமிக்கப்பட்ட நேரத்தை மட்டுமே அளவிடுதல், பிழை விகிதத்தை அல்ல

• தயாரிப்புகள், கொள்கைகள் அல்லது விலை நிர்ணயம் மாறும்போது மறுபரிசோதனை செய்யத் தவறுதல்

உதவியாளரின் செயல்திறன் விலகலையும் சரிபார்க்க வேண்டும். ஜனவரியில் சிறப்பாகச் செயல்படும் ஒரு பணிப்பாய்வு, ஒரு புதிய தயாரிப்பு அறிமுகம், விலை மாற்றம் அல்லது பிழைகளின் திடீர் அதிகரிப்புக்குப் பிறகு மோசமாகச் செயல்படக்கூடும்.

நடைமுறைப் பாடம்

பல குழுக்களுக்கு, செயற்கை நுண்ணறிவின் எதிர்காலம் அநேகமாக இப்படித்தான் இருக்கும்: அதாவது, அன்றாடப் பணிகளுக்குள்ளேயே இயங்கி, முதல் கட்ட முயற்சியை நீக்கிவிடும் சிறிய, நடைமுறைக்கு உகந்த அமைப்புகளாக அவை திகழும்.

வெற்றி என்பது “செயற்கை நுண்ணறிவு ஆதரவை வழங்குகிறது” என்பதல்ல. வெற்றி என்பது, மனிதர்கள் தங்கள் நாளைத் தெளிவான பணிப் பட்டியல்கள், தெளிவான முன்னுரிமைகள் மற்றும் குறைவான திரும்பத் திரும்ப எடுக்க வேண்டிய முடிவுகளுடன் தொடங்குவதே ஆகும். ஆனால், நம்பகத்தன்மை அடுக்கு முக்கியமானது. பதிவுகள், வரம்புகள், மறுஆய்வுப் படிகள் மற்றும் மேல்நிலைப்படுத்தும் விதிகள் போன்றவையே ஒரு செயற்கை நுண்ணறிவு உதவியாளரை அபாயகரமான குறுக்குவழியிலிருந்து நம்பகமான சக பணியாளராக மாற்றுகின்றன.

அடிக்கடி கேட்கப்படும் கேள்விகள்

அடுத்த சில ஆண்டுகளில் AI இன் எதிர்காலம் எப்படி இருக்கும்?

குறுகிய காலத்தில், AI இன் எதிர்காலம் "ஸ்மார்ட் அரட்டை" போலக் குறைவாகவும், ஒரு நடைமுறை சக ஊழியரைப் போலவும் தெரிகிறது. அமைப்புகள் பதில்களில் மட்டும் நின்றுவிடாமல், கருவிகள் முழுவதும் பணிகளை முழுமையாகக் கொண்டு செல்வது அதிகரித்து வருகிறது. இணையாக, எதிர்பார்ப்புகள் இறுக்கமடையும்: AI உண்மையான முடிவுகளை பாதிக்கத் தொடங்கும்போது நம்பகத்தன்மை, கண்டறியும் தன்மை மற்றும் பொறுப்புக்கூறல் ஆகியவை மிகவும் முக்கியமானதாக இருக்கும். திசை தெளிவாக உள்ளது - கடுமையான தரநிலைகளுடன் இணைந்த அதிக திறன்.

AI முகவர்கள் உண்மையில் அன்றாட வேலையை எவ்வாறு மாற்றுவார்கள்?

AI முகவர்கள் ஒவ்வொரு அடியையும் கைமுறையாகச் செய்வதிலிருந்து விலகி, பயன்பாடுகள் மற்றும் அமைப்புகளுக்கு இடையே நகரும் பணிப்பாய்வுகளை மேற்பார்வையிடுவதை நோக்கி வேலையை மாற்றுவார்கள். பொதுவான பயன்பாடுகளில் வரைவு செய்தல், செய்திகளை வரிசைப்படுத்துதல், கருவிகளுக்கு இடையில் தரவை நகர்த்துதல் மற்றும் மாற்றங்களுக்கான டாஷ்போர்டுகளைப் பார்ப்பது ஆகியவை அடங்கும். மிகப்பெரிய ஆபத்து அமைதியான தோல்வி, எனவே வலுவான அமைப்புகளில் வேண்டுமென்றே சரிபார்ப்புகள், பதிவு செய்தல் மற்றும் விளைவுகள் அதிகமாக இருக்கும்போது மனித மதிப்பாய்வு ஆகியவை அடங்கும். "தானியங்கி பைலட்" அல்ல, "பகிர்வு" என்று சிந்தியுங்கள்

ஏன் சிறிய சாதன மாதிரிகள் AI இன் எதிர்காலத்தின் ஒரு பெரிய பகுதியாக மாறி வருகின்றன?

இணைய அணுகலை குறைவாகச் சார்ந்து, சாதனத்தில் AI வேகமாகவும், தனிப்பட்டதாகவும் இருக்க முடியும் என்பதால் அது வளர்ந்து வருகிறது. தரவை உள்ளூர்மயமாக்குவது வெளிப்பாட்டைக் குறைத்து, தனிப்பயனாக்கம் பாதுகாப்பானதாக உணர வைக்கும். பெரிய கிளவுட் அமைப்புகளுடன் ஒப்பிடும்போது சிறிய மாதிரிகள் சிக்கலான பகுத்தறிவுடன் போராடக்கூடும் என்பதே இதன் சமரசம். பல தயாரிப்புகள் இரண்டையும் கலக்க வாய்ப்புள்ளது: வேகம் மற்றும் தனியுரிமைக்கு உள்ளூர், அதிக எடையைத் தூக்குவதற்கு மேகம்.

AI தரவு அணுகலுக்கு "அனுமதி புதிய நாணயம்" என்றால் என்ன?

இதன் பொருள் என்ன தரவு உள்ளது என்பது மட்டுமல்ல, எந்த தரவை சட்டப்பூர்வமாகவும் நற்பெயர் பின்னடைவு இல்லாமல் பயன்படுத்தலாம் என்பதும் கேள்வி. பல குழாய்வழிகளில், அணுகல் பேச்சுவார்த்தைக்குட்பட்டதாகக் கருதப்படும்: தெளிவான ஒப்புதல் பாதைகள், அணுகல் கட்டுப்பாடுகள் மற்றும் சட்ட மற்றும் கலாச்சார எதிர்பார்ப்புகளுடன் ஒத்துப்போகும் கொள்கைகள். அனுமதிக்கப்பட்ட பாதைகளை முன்கூட்டியே உருவாக்குவது தரநிலைகள் இறுக்கமடைவதால் பின்னர் இடையூறுகளைத் தடுக்கலாம். இது ஒரு உத்தியாக மாறி வருகிறது, காகித வேலை அல்ல.

அதிக பங்குகள் கொண்ட AI-க்கு என்ன நம்பிக்கை அம்சங்கள் பேரம் பேச முடியாததாக மாறும்?

பணியமர்த்தல், கடன் வழங்குதல், சுகாதாரம், கல்வி அல்லது பாதுகாப்பு ஆகியவற்றை AI தொடும்போது, ​​"மாதிரி தவறு" என்பது ஏற்றுக்கொள்ளப்படாது. நம்பிக்கை அம்சங்களில் பொதுவாக தணிக்கைகள் மற்றும் சோதனை, வெளியீடுகளின் தடமறிதல், பாதுகாப்புத் தடுப்புகள் மற்றும் உண்மையான மனித மேலெழுதல் ஆகியவை அடங்கும். அர்த்தமுள்ள மேல்முறையீட்டு செயல்முறையும் முக்கியமானது, எனவே மக்கள் முடிவுகளை சவால் செய்யலாம் மற்றும் பிழைகளை சரிசெய்யலாம். ஏதாவது உடைந்தால் ஆவியாகாத பொறுப்புணர்வே இதன் நோக்கம்.

மல்டிமாடல் AI தயாரிப்புகள் மற்றும் ஆபத்தை எவ்வாறு மாற்றும்?

மல்டிமாடல் AI உரை, படங்கள், ஆடியோ மற்றும் வீடியோவை ஒன்றாக விளக்க முடியும், இது அன்றாட மதிப்பை மேம்படுத்துகிறது - ஸ்கிரீன்ஷாட்டில் இருந்து படிவப் பிழையைக் கண்டறிதல் அல்லது கூட்டங்களைச் சுருக்கமாகக் கூறுதல் போன்றவை. இது பயிற்சி மற்றும் அணுகல் கருவிகளை மிகவும் இயல்பானதாக உணர வைக்கும். இதன் குறைபாடு என்னவென்றால், அதிகரித்த கண்காணிப்பு மற்றும் மிகவும் உறுதியான செயற்கை ஊடகம். மல்டிமாடல் பரவும்போது, ​​தனியுரிமை எல்லைக்கு தெளிவான விதிகள் மற்றும் வலுவான கட்டுப்பாடுகள் தேவைப்படும்.

AI வேலைகளை எடுத்துக் கொள்ளுமா, அல்லது அவற்றை மட்டும் மாற்றுமா?

மிகவும் யதார்த்தமான முறை பணி சுருக்கம்: AI படிகளை சரிசெய்வதால் மீண்டும் மீண்டும் வேலை செய்வதற்கு குறைவான நபர்களே தேவைப்படுகிறார்கள். மறுசீரமைப்பாக வடிவமைக்கப்பட்டாலும் கூட அது மாற்றாக உணரலாம். மேற்பார்வை, உத்தி மற்றும் கருவி பயன்பாட்டைச் சுற்றி புதிய கலப்பினப் பாத்திரங்கள் வளர்கின்றன, அங்கு மக்கள் அமைப்புகளை இயக்குகிறார்கள் மற்றும் விளைவுகளை நிர்வகிக்கிறார்கள். நன்மை வழிநடத்தக்கூடிய, சரிபார்க்கக்கூடிய மற்றும் தீர்ப்பைப் பயன்படுத்தக்கூடியவர்களுக்கு செல்கிறது.

AI ஒரு "சகப் பணியாளராக" மாறும்போது என்ன திறன்கள் மிகவும் முக்கியம்?

பிரச்சனை-கட்டமைத்தல் மிக முக்கியமானதாகிறது: விளைவுகளை தெளிவாக வரையறுத்தல் மற்றும் என்ன தவறாக நடக்கக்கூடும் என்பதைக் கண்டறிதல். சரிபார்ப்புத் திறன்களும் உயர்கின்றன - வெளியீடுகளைச் சோதித்தல், பிழைகளைக் கண்டறிதல் மற்றும் மனிதர்களிடம் எப்போது பரவ வேண்டும் என்பதை அறிதல். AI நம்பிக்கையுடன் தவறாக இருக்கலாம் என்பதால் தீர்ப்பு மற்றும் கள நிபுணத்துவம் மிகவும் முக்கியமானது. குழுக்களுக்கு ஆபத்து விழிப்புணர்வும் தேவை, குறிப்பாக முடிவுகள் மக்களின் வாழ்க்கையைப் பாதிக்கும் இடங்களில். தரம் மேற்பார்வையிலிருந்து வருகிறது, வேகம் மட்டும் அல்ல.

நிறுவனங்கள் தயாரிப்பு உள்கட்டமைப்பாக AI-ஐ எவ்வாறு திட்டமிட வேண்டும்?

AI-ஐ ஒரு பரிசோதனையாகக் கருதுவதற்குப் பதிலாக ஒரு இயல்புநிலை அடுக்காகக் கருதுங்கள்: இயக்க நேரம், கண்காணிப்பு, ஒருங்கிணைப்புகள் மற்றும் தெளிவான உரிமைக்கான திட்டமிடல். பாதுகாப்பான தரவு பாதைகள் மற்றும் அணுகல் கட்டுப்பாட்டை உருவாக்குங்கள், இதனால் அனுமதிகள் பின்னர் ஒரு தடையாக மாறாது. நிர்வாகத்தை முன்கூட்டியே சேர்க்கவும் - பதிவுகள், மதிப்பீடு மற்றும் திரும்பப் பெறும் திட்டங்கள் - குறிப்பாக வெளியீடுகள் முடிவுகளை பாதிக்கும் இடங்களில். வெற்றியாளர்கள் "புத்திசாலிகளாக" மட்டும் இருக்க மாட்டார்கள், அவர்கள் நம்பகமானவர்களாகவும் நன்கு ஒருங்கிணைக்கப்பட்டவர்களாகவும் இருப்பார்கள்.

குறிப்புகள்

1. ஸ்டான்போர்ட் HAI ​​- ஸ்டான்போர்ட் AI இன்டெக்ஸ் அறிக்கை 2025 - hai.stanford.edu

2. பியூ ஆராய்ச்சி மையம் - அமெரிக்க தொழிலாளர்கள் பணியிடத்தில் எதிர்கால AI பயன்பாடு குறித்து நம்பிக்கையுடன் இருப்பதை விட அதிகம் கவலைப்படுகிறார்கள் - pewresearch.org

3. தகவல் ஆணையர் அலுவலகம் (ICO) - சட்டப்பூர்வ அடிப்படைக்கான வழிகாட்டி - ico.org.uk

4. தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனம் (NIST) - AI இடர் மேலாண்மை கட்டமைப்பு 1.0 (NIST AI 100-1) - nvlpubs.nist.gov

5. பொருளாதார ஒத்துழைப்பு மற்றும் மேம்பாட்டு அமைப்பு (OECD) - OECD AI கோட்பாடுகள் (OECD சட்ட கருவி 0449) - oecd.org

6. UK சட்டம் - GDPR பிரிவு 25: வடிவமைப்பு மற்றும் இயல்புநிலை மூலம் தரவு பாதுகாப்பு - legislation.gov.uk

7. EUR-Lex - EU AI சட்டம்: ஒழுங்குமுறை (EU) 2024/1689 - eur-lex.europa.eu

8. சர்வதேச எரிசக்தி நிறுவனம் (IEA) - எரிசக்தி மற்றும் AI (நிர்வாகச் சுருக்கம்) - iea.org

9. arXiv - கணக்கெடுப்பு: LLM-அடிப்படையிலான தன்னாட்சி முகவர்கள் - arxiv.org

10. ஹார்வர்ட் ஆன்லைன் (ஹார்வர்டு/எட்எக்ஸ்) - டைனிஎம்எல்லின் அடிப்படைகள் - pll.harvard.edu

11. OpenAI - GPT-4o சிஸ்டம் கார்டு - openai.com

12. arXiv - கணக்கெடுப்பு: LLM-களில் மாயத்தோற்றம் - arxiv.org

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

14. தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனம் (NIST) - செயற்கை உள்ளடக்கத்தால் ஏற்படும் அபாயங்களைக் குறைத்தல் (NIST AI 100-4, IPD) - airc.nist.gov

15. சர்வதேச தொழிலாளர் அமைப்பு (ILO) - பணித்தாள்: உருவாக்கும் AI மற்றும் வேலைகள் (WP140) - ilo.org

16. தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனம் (NIST) - வேறுபட்ட தனியார் செயற்கை தரவு - nist.gov

17. பொருளாதார ஒத்துழைப்பு மற்றும் மேம்பாட்டு அமைப்பு (OECD) - செயற்கை நுண்ணறிவு மற்றும் தொழிலாளர் சந்தையில் திறன்களுக்கான மாறிவரும் தேவை - oecd.org

அதிகாரப்பூர்வ AI உதவியாளர் கடையில் சமீபத்திய AI ஐக் கண்டறியவும்

எங்களை பற்றி