சுருக்கமான பதில்: AI-யில் பெரிய தொழில்நுட்பம் முக்கியமானது, ஏனெனில் அது கம்ப்யூட், கிளவுட் பிளாட்ஃபார்ம்கள், சாதனங்கள், ஆப் ஸ்டோர்கள் மற்றும் நிறுவன கருவிகளை - கவர்ச்சியற்ற அத்தியாவசியங்களை கட்டுப்படுத்துகிறது. அந்தக் கட்டுப்பாடு எல்லைப்புற மாதிரிகளை விரைவாக வங்கிக் கணக்கிற்கு கொண்டு சென்று அம்சங்களை பில்லியன் கணக்கானவர்களுக்கு அனுப்ப அனுமதிக்கிறது. நிர்வாகம், தனியுரிமைக் கட்டுப்பாடுகள் மற்றும் இயங்குதன்மை பலவீனமாக இருந்தால், அதே லீவரேஜ் லாக்-இன் மற்றும் பவர் செறிவில் கால்சிஃபைஸ் செய்கிறது.
முக்கிய குறிப்புகள்:
உள்கட்டமைப்பு: மேகம், சிப்ஸ் மற்றும் MLOps ஆகியவற்றின் கட்டுப்பாட்டை முக்கிய AI சோக்பாயிண்டாகக் கருதுங்கள்.
விநியோகம்: பெரும்பாலான பயனர்களுக்கு “செயற்கை நுண்ணறிவு” என்பதன் அர்த்தத்தை இயங்குதளப் புதுப்பிப்புகள் வரையறுக்கும் என எதிர்பார்க்கலாம்.
கேட் கீப்பிங்: ஆப் ஸ்டோர் விதிகள் மற்றும் API விதிமுறைகள் எந்த AI அம்சங்கள் அனுப்பப்படுகின்றன என்பதை அமைதியாக தீர்மானிக்கின்றன.
பயனர் கட்டுப்பாடு: தெளிவான விலகல்கள், நீடித்த அமைப்புகள் மற்றும் செயல்படும் நிர்வாகக் கட்டுப்பாடுகளைக் கோருங்கள்.
பொறுப்புக்கூறல்: தீங்கு விளைவிக்கும் விளைவுகளுக்கு தணிக்கைப் பதிவுகள், வெளிப்படைத்தன்மை மற்றும் மேல்முறையீட்டு பாதைகள் தேவை.
🔗 AI இன் எதிர்காலம்: போக்குகள் மற்றும் அடுத்து என்ன
அடுத்த தசாப்தத்தில் முக்கிய கண்டுபிடிப்புகள், அபாயங்கள் மற்றும் தொழில்கள் மறுவடிவமைப்பு செய்யப்பட்டன.
🔗 ஜெனரேட்டிவ் AI இல் அடித்தள மாதிரிகள்: ஒரு எளிய வழிகாட்டி
நவீன ஜெனரேட்டிவ் AI பயன்பாடுகளுக்கு அறக்கட்டளை மாதிரிகள் எவ்வாறு சக்தி அளிக்கின்றன என்பதைப் புரிந்து கொள்ளுங்கள்.
🔗 AI நிறுவனம் என்றால் என்ன, அது எவ்வாறு செயல்படுகிறது
AI-முதல் வணிகங்களை வரையறுக்கும் பண்புகள், குழுக்கள் மற்றும் தயாரிப்புகளைக் கற்றுக்கொள்ளுங்கள்.
🔗 உண்மையான திட்டங்களில் AI குறியீடு எப்படி இருக்கும்
AI-இயக்கப்படும் குறியீட்டு வடிவங்கள், கருவிகள் மற்றும் பணிப்பாய்வுகளின் எடுத்துக்காட்டுகளைப் பார்க்கவும்.
ஒரு கணம் உண்மையை ஒப்புக்கொள்வோம் - பெரும்பாலான "செயற்கை நுண்ணறிவு உரையாடல்கள்" கணக்கீடு, விநியோகம், கொள்முதல், இணக்கம் போன்ற கவர்ச்சியற்ற பகுதிகளையும், GPU-க்களுக்கும் மின்சாரத்திற்கும் யாராவது பணம் செலுத்த வேண்டும் என்ற சங்கடமான யதார்த்தத்தையும் கடந்து செல்கின்றன. பெருநிறுவனத் தொழில்நுட்ப நிறுவனங்கள் அந்தக் கவர்ச்சியற்ற பகுதிகளில்தான் வாழ்கின்றன. அதனால்தான் இது மிகவும் முக்கியத்துவம் பெறுகிறது. 😅 (IEA - ஆற்றல் மற்றும் செயற்கை நுண்ணறிவு, NVIDIA - செயற்கை நுண்ணறிவு அனுமான தளங்களின் கண்ணோட்டம்)
எளிய மொழியில், பெரிய தொழில்நுட்ப நிறுவனத்தின் AI பங்கு 🧩
மக்கள் "பெரிய தொழில்நுட்பம்" என்று சொல்லும்போது, அவர்கள் பொதுவாக நவீன கணினி தொழில்நுட்பத்தின் முக்கிய அடுக்குகளைக் கட்டுப்படுத்தும் மாபெரும் தள நிறுவனங்களைக் குறிக்கிறார்கள்:
-
கிளவுட் உள்கட்டமைப்பு (செயற்கை நுண்ணறிவு இயங்கும் இடம்) ☁️ (அமேசான் சேஜ்மேக்கர் AI ஆவணங்கள், அஸூர் மெஷின் லேர்னிங் ஆவணங்கள், வெர்டெக்ஸ் AI ஆவணங்கள்)
-
நுகர்வோர் சாதனங்கள் மற்றும் இயக்க முறைமைகள் (செயற்கை நுண்ணறிவு கால் பதிக்கும் இடங்கள்) 📱💻 (ஆப்பிள் கோர் எம்எல், கூகுள் எம்எல் கிட்)
-
செயலிச் சூழலமைப்புகள் மற்றும் சந்தைகள் (செயற்கை நுண்ணறிவு பரவும் இடங்கள்) 🛒 (ஆப்பிள் செயலி மதிப்பாய்வு வழிகாட்டுதல்கள், கூகுள் ப்ளே தரவுப் பாதுகாப்பு)
-
தரவு குழாய்வழிகள் மற்றும் பகுப்பாய்வு அடுக்குகள் (AI ஊட்டப்படும் இடம்) 🍽️
-
நிறுவன மென்பொருள் (AI மூலம் பணம் சம்பாதிக்க முடியும்) 🧾
-
சிப்புகள் மற்றும் வன்பொருள் கூட்டாண்மைகள் (இதில் செயற்கை நுண்ணறிவு வேகமெடுக்கிறது) 🧠🔩 (என்விடியா - செயற்கை நுண்ணறிவு அனுமானத் தளங்களின் கண்ணோட்டம்)
எனவே அவர்களின் பங்கு வெறும் "அவர்கள் AI-ஐ உருவாக்குவது" மட்டுமல்ல. அவர்கள் நெடுஞ்சாலைகளை உருவாக்குவது, கார்களை விற்பது, சுங்கச்சாவடிகளை நடத்துவது, வெளியேறும் வழிகள் எங்கு செல்ல வேண்டும் என்பதை தீர்மானிப்பது போன்றது. சற்று மிகைப்படுத்தல்... ஆனால் அதிகம் இல்லை.
AI-யில் பெரிய தொழில்நுட்பத்தின் பங்கு: பெரிய ஐந்து வேலைகள் 🏗️
நீங்கள் ஒரு சுத்தமான மன மாதிரியை விரும்பினால், பிக் டெக் AI உலகில் ஐந்து ஒன்றுடன் ஒன்று தொடர்புடைய வேலைகளைச் செய்கிறது:
-
உள்கட்டமைப்பு வழங்குநர்
தரவு மையங்கள், கிளவுட், நெட்வொர்க்கிங், பாதுகாப்பு, MLOps கருவிகள். AI ஐ அளவில் சாத்தியமாக்கும் விஷயங்கள். (Amazon SageMaker AI ஆவணங்கள், IEA - எனர்ஜி மற்றும் AI) -
மாதிரி உருவாக்குநர் மற்றும் ஆராய்ச்சி இயந்திரம்.
எப்போதும் இல்லை, ஆனால் பெரும்பாலும் - ஆய்வகங்கள், உள்ளக ஆராய்ச்சி மற்றும் மேம்பாடு, பயன்பாட்டு ஆராய்ச்சி, மற்றும் “தயாரிப்பாக்கப்பட்ட அறிவியல்.” (நரம்பியல் மொழி மாதிரிகளுக்கான அளவிடுதல் விதிகள் (arXiv), கணக்கீட்டுக்கு உகந்த பெரிய மொழி மாதிரிகளுக்குப் பயிற்சி அளித்தல் (சின்சில்லா) (arXiv)) -
விநியோகஸ்தர்
அவர்கள் தேடல் பெட்டிகள், தொலைபேசிகள், மின்னஞ்சல் கிளையண்டுகள், விளம்பர அமைப்புகள் மற்றும் பணியிட கருவிகளில் AI ஐத் தள்ள முடியும். விநியோகம் ஒரு வல்லரசு. -
கேட் கீப்பர் மற்றும் விதி அமைப்பாளர்
ஆப் ஸ்டோர் கொள்கைகள், இயங்குதள விதிகள், API விதிமுறைகள், உள்ளடக்க கட்டுப்பாடு, பாதுகாப்பு வாயில்கள், நிறுவன கட்டுப்பாடுகள். (ஆப்பிள் ஆப் மதிப்பாய்வு வழிகாட்டுதல்கள், கூகிள் பிளே தரவு பாதுகாப்பு) -
மூலதன ஒதுக்கீட்டாளர்
அவர்கள் நிதியளிக்கிறார்கள், பெறுகிறார்கள், கூட்டாளர்களாக இருக்கிறார்கள், அடைகாக்கிறார்கள். அவர்கள் உயிர்வாழ்வதை வடிவமைக்கிறார்கள்.
செயல்பாட்டு அடிப்படையில் AI இல் பெரிய தொழில்நுட்பத்தின் பங்கு இதுதான்: அவை AI இருப்பதற்கான நிலைமைகளை உருவாக்குகின்றன - பின்னர் அது உங்களை எவ்வாறு சென்றடைகிறது என்பதை அவர்கள் தீர்மானிக்கிறார்கள்.
பிக் டெக்கின் AI பாத்திரத்தின் நல்ல பதிப்பை உருவாக்குவது எது ✅😬
AI-யில் பிக் டெக்-இன் "நல்ல பதிப்பு" என்பது முழுமையைப் பற்றியது அல்ல. இது பொறுப்புடன் கையாளப்படும் சமரசங்களைப் பற்றியது, மற்ற அனைவருக்கும் குறைவான ஆச்சரியமான ஃபுட்-கன்களுடன்.
"உதவிகரமான ராட்சத" அதிர்வை "ஓ-ஓ ஏகபோக" அதிர்விலிருந்து பிரிக்க முனைவது இங்கே:
-
சொற்களைத் திணிக்காமல் வெளிப்படைத்தன்மை
AI அம்சங்கள், வரம்புகள் மற்றும் பயன்படுத்தப்படும் தரவுகளின் தெளிவான லேபிளிங். 40 பக்க கொள்கை பிரமை அல்ல. (NIST AI RMF 1.0, ISO/IEC 42001:2023) -
உண்மையான பயனர் விலகல்
விருப்பங்கள், மர்மமான முறையில் மீட்டமைக்கப்படாத தனியுரிமை அமைப்புகள், மற்றும் தேடி அலையாத நிர்வாகக் கட்டுப்பாடுகள். (GDPR - ஒழுங்குமுறை (EU) 2016/679) -
இடைசெயல்தன்மை மற்றும் வெளிப்படைத்தன்மை - சில நேரங்களில்
எல்லாமே திறந்த மூலமாக இருக்க வேண்டியதில்லை, ஆனால் அனைவரையும் என்றென்றைக்கும் ஒரே வழங்குநரிடம் பூட்டி வைப்பது என்பது... ஒரு தேர்வு. -
பல் துஷ்பிரயோக கண்காணிப்பு, ரெட்-டீமிங், உள்ளடக்கக் கட்டுப்பாடுகள் மற்றும் வெளிப்படையாக ஆபத்தான பயன்பாட்டு நிகழ்வுகளைத் தடுக்கும் விருப்பம் ஆகியவற்றுடன் பாதுகாப்பு . ( NIST AI RMF 1.0 , NIST GenAI சுயவிவரம் (AI RMF துணை) )
-
புத்தாக்கம் என்பது “ஒரு தளத்தை வாடகைக்கு எடு அல்லது காணாமல் போ” என்ற நிலைக்குச் செல்லாமல் இருப்பதற்காக, புத்தொழில் நிறுவனங்கள், கூட்டாளர்கள், ஆராய்ச்சியாளர்கள் மற்றும் திறந்த தரநிலைகளுக்கான ஆரோக்கியமான சூழலமைப்புகள் ஆதரவளிக்கின்றன. ( OECD செயற்கை நுண்ணறிவு கோட்பாடுகள் )
நான் வெளிப்படையாகச் சொல்வேன்: “நல்ல பதிப்பு” என்பது வலுவான தயாரிப்பு ரசனையுடன் கூடிய ஒரு திடமான பொதுப் பயன்பாடாக உணர்கிறது. மோசமான பதிப்பு என்பது ஒரு கேசினோவைப் போல உணர்கிறது, அங்கு வீட்டே விதிகளையும் எழுதுகிறது. 🎰
ஒப்பீட்டு அட்டவணை: சிறந்த பெரிய தொழில்நுட்ப “AI பாதைகள்” மற்றும் அவை ஏன் வேலை செய்கின்றன 📊
| கருவி (பாதை) | பார்வையாளர்கள் | விலை | இது ஏன் வேலை செய்கிறது |
|---|---|---|---|
| கிளவுட் AI தளங்கள் | நிறுவனங்கள், தொடக்க நிறுவனங்கள் | பயன்பாடு சார்ந்த | எளிதான அளவிடுதல், ஒரு விலைப்பட்டியல், நிறைய கைப்பிடிகள் (மிக அதிகமான கைப்பிடிகள்) |
| எல்லைப்புற மாதிரி APIகள் | டெவலப்பர்கள், தயாரிப்பு குழுக்கள் | டோக்கனுக்கு / அடுக்குக்கு பணம் செலுத்துங்கள் | ஒருங்கிணைக்க வேகமாக, நல்ல அடிப்படை தரம், ஏமாற்றுவது போல் உணர்கிறேன் 😅 |
| சாதனம்-உட்பொதிக்கப்பட்ட AI | நுகர்வோர், நுகர்வோர் | தொகுக்கப்பட்டது | குறைந்த தாமதம், சில நேரங்களில் தனியுரிமைக்கு ஏற்றது, ஆஃப்லைனில் வேலை செய்யும் |
| உற்பத்தித்திறன் தொகுப்பு AI | அலுவலக குழுக்கள் | ஒவ்வொரு இருக்கைக்கும் கூடுதல் | தினசரி பணிப்பாய்வுகளில் வாழ்கிறார் - ஆவணங்கள், அஞ்சல், கூட்டங்கள், முழு அரைத்தல் |
| விளம்பரங்கள் + இலக்கு AI | சந்தைப்படுத்துபவர்கள் | செலவின் % | பெரிய தரவு + விநியோகம் = பயனுள்ளது, கொஞ்சம் பயமுறுத்துவதும் கூட 👀 |
| பாதுகாப்பு + இணக்கம் AI | ஒழுங்குபடுத்தப்பட்ட தொழில்கள் | பிரீமியம் | குறைவான எச்சரிக்கைகள் இருந்தாலும் கூட, "மன அமைதியை" விற்பனை செய்கிறது |
| AI சிப்ஸ் + முடுக்கிகள் | அனைவரும் மேல்நோக்கி | கேபக்ஸ்-ஹெவி | உங்களிடம் மண்வெட்டிகள் இருந்தால், நீங்கள் தங்க வேட்டையை வெல்வீர்கள் (சிக்கலான உருவகம், இன்னும் உண்மை) |
| திறந்தவெளி சூழல் அமைப்பு நாடகங்கள் | கட்டிடக் கலைஞர்கள், ஆராய்ச்சியாளர்கள் | இலவச + கட்டண அடுக்குகள் | சமூக உந்துதல், வேகமான மறு செய்கை, சில நேரங்களில் கட்டுக்கடங்காத வேடிக்கை |
ஒரு சிறிய மேஜை விசித்திரமான ஒப்புதல் வாக்குமூலம்: "ஃப்ரீ-இஷ்" அங்கு நிறைய வேலை செய்கிறது. அது இல்லாத வரை இலவசம்... அது எப்படி நடக்கிறது என்பது உங்களுக்குத் தெரியும்.
நெருக்கமான காட்சி: உள்கட்டமைப்பு நெரிசல் புள்ளி (கம்ப்யூட், கிளவுட், சிப்ஸ்) 🧱⚙️
இது கவர்ச்சிகரமானதாக இல்லாததால் பெரும்பாலான மக்கள் இதைப் பற்றிப் பேச விரும்புவதில்லை. ஆனால் இது AI இன் முதுகெலும்பு.
பெரிய தொழில்நுட்பம் கட்டுப்படுத்துவதன் மூலம் AI ஐ பாதிக்கிறது:
-
கம்ப்யூட் சப்ளை (GPU அணுகல், கிளஸ்டர்கள், திட்டமிடல்) (IEA - AI இலிருந்து ஆற்றல் தேவை)
-
நெட்வொர்க்கிங் (உயர்-அலைவரிசை இடை இணைப்புகள், குறைந்த தாமத துணிகள்)
-
சேமிப்பு (தரவு ஏரிகள், மீட்டெடுப்பு அமைப்புகள், காப்புப்பிரதிகள்)
-
MLOps பைப்லைன்கள் (பயிற்சி, வரிசைப்படுத்தல், கண்காணிப்பு, நிர்வாகம்) (வெர்டெக்ஸ் AI இல் MLOps, Azure MLOps கட்டமைப்புகள்)
-
பாதுகாப்பு (அடையாளம், தணிக்கை பதிவுகள், குறியாக்கம், கொள்கை அமலாக்கம்) (NIST AI RMF 1.0, ISO/IEC 42001:2023)
நீங்கள் எப்போதாவது ஒரு உண்மையான நிறுவனத்தில் AI அமைப்பைப் பயன்படுத்த முயற்சித்திருந்தால், "மாடல்" என்பது எளிதான பகுதி என்பதை நீங்கள் ஏற்கனவே அறிவீர்கள். கடினமான பகுதி: அனுமதிகள், பதிவு செய்தல், தரவு அணுகல், செலவுக் கட்டுப்பாடுகள், இயக்க நேரம், சம்பவ பதில்... பெரியவர்கள் விஷயங்கள். 😵💫
பிக் டெக் இதில் பெரும்பகுதியை சொந்தமாக வைத்திருப்பதால், அவர்கள் இயல்புநிலை வடிவங்களை அமைக்கலாம்:
-
எந்த கருவிகள் நிலையானதாகின்றன
-
எந்த கட்டமைப்புகள் முதல் தர ஆதரவைப் பெறுகின்றன?
-
எந்த வன்பொருளுக்கு முன்னுரிமை அளிக்கப்படுகிறது?
-
எந்த விலை நிர்ணய மாதிரிகள் "சாதாரணமாக" மாறும்?
அது தானாகவே தீயதல்ல. ஆனால் அது சக்தி.
நெருக்கமான பார்வை: மாதிரி ஆராய்ச்சி vs தயாரிப்பு யதார்த்தம் 🧪➡️🛠️
இங்கேதான் பதற்றம்: பெரிய தொழில்நுட்பம் ஆழமான ஆராய்ச்சிக்கு நிதியளிக்க முடியும், மேலும் காலாண்டு தயாரிப்பு வெற்றிகளும் தேவை. அந்த சேர்க்கை அற்புதமான முன்னேற்றங்களை உருவாக்குகிறது மற்றும் உருவாக்குகிறது... கேள்விக்குரிய அம்ச வெளியீடுகள்.
பெரிய தொழில்நுட்பம் பொதுவாக AI முன்னேற்றத்தை இதன் மூலம் இயக்குகிறது:
-
பாரிய பயிற்சி ஓட்டங்கள் (அளவீட்டு விஷயங்கள்) (நரம்பியல் மொழி மாதிரிகளுக்கான அளவிடுதல் சட்டங்கள் (arXiv))
-
உள் மதிப்பீட்டு குழாய்கள் (தரப்படுத்தல், பாதுகாப்பு சோதனைகள், பின்னடைவு சோதனைகள்) (NIST GenAI சுயவிவரம் (AI RMF துணை))
-
பயன்பாட்டு ஆராய்ச்சி (ஆவணங்களை தயாரிப்பு நடத்தைகளாக மாற்றுதல்)
-
கருவி மேம்பாடுகள் (வடிகட்டுதல், சுருக்கம், பரிமாறும் திறன்)
ஆனால் தயாரிப்பு அழுத்தம் விஷயங்களை மாற்றுகிறது:
-
வேகம் நேர்த்தியை வெல்லும்
-
ஷிப்பிங் பீட்களை விளக்குதல்
-
"போதுமான அளவு" துடிப்புகள் "முழுமையாகப் புரிந்துகொள்ளப்பட்டது"
சில நேரங்களில் அது பரவாயில்லை. பெரும்பாலான பயனர்களுக்குக் கோட்பாட்டு ரீதியான தூய்மை தேவையில்லை, மாறாக அவர்களின் பணிப்பாய்வுக்குள் ஒரு உதவிகரமான உதவியாளர் தேவை. ஆனால், "போதுமானது" என்பது… போதுமானதாக இல்லாத உணர்திறன் மிக்க சூழல்களில் (சுகாதாரம், ஆள்சேர்ப்பு, நிதி, கல்வி) பயன்படுத்தப்படும் அபாயம் உள்ளது. (ஐரோப்பிய ஒன்றிய செயற்கை நுண்ணறிவுச் சட்டம் - ஒழுங்குமுறை (EU) 2024/1689)
இது AI இல் பெரிய தொழில்நுட்பத்தின் பங்கின் ஒரு பகுதியாகும் - விளிம்புகள் இன்னும் கூர்மையாக இருந்தாலும் கூட, அதிநவீன திறனை வெகுஜன-சந்தை அம்சங்களாக மொழிபெயர்க்கிறது. 🔪
நெருக்கமான பார்வை: விநியோகம்தான் உண்மையான வல்லரசு 🚀📣
மக்கள் ஏற்கனவே டிஜிட்டல் முறையில் வசிக்கும் இடங்களுக்குள் நீங்கள் AI ஐ வைக்க முடிந்தால், பயனர்களை "வற்புறுத்த" வேண்டியதில்லை. நீங்கள் இயல்புநிலையாகிவிடுவீர்கள்.
பெரிய தொழில்நுட்ப விநியோக சேனல்களில் பின்வருவன அடங்கும்:
-
தேடல் பட்டைகள் மற்றும் உலாவிகள் 🔎
-
மொபைல் OS உதவியாளர்கள் 📱
-
பணியிட அறைகள் (ஆவணங்கள், அஞ்சல், அரட்டை, கூட்டங்கள்) 🧑💼
-
சமூக ஊட்டங்கள் மற்றும் பரிந்துரை அமைப்புகள் 📺
-
ஆப் ஸ்டோர்கள் மற்றும் பிளாட்ஃபார்ம் சந்தைகள் 🛍️ (ஆப்பிள் ஆப் மதிப்பாய்வு வழிகாட்டுதல்கள், கூகுள் ப்ளே தரவுப் பாதுகாப்பு)
இதனால்தான் சிறிய AI நிறுவனங்கள் பதட்டமாக இருந்தாலும் கூட, பெரும்பாலும் பிக் டெக் நிறுவனத்துடன் கூட்டு சேர்கின்றன. விநியோகம் என்பது ஆக்ஸிஜன். அது இல்லாமல், நீங்கள் உலகின் சிறந்த மாடலைப் பெறலாம், அதே நேரத்தில் வெற்றிடத்தில் கத்திக் கொண்டிருக்கலாம்.
ஒரு நுட்பமான பக்க விளைவும் உள்ளது: விநியோகம் பொதுமக்களுக்கு "AI" என்பதன் அர்த்தத்தை வடிவமைக்கிறது. AI முக்கியமாக எழுதுவதற்கு உதவியாளராகத் தோன்றினால், AI என்பது எழுதுவது பற்றியது என்று மக்கள் கருதுகிறார்கள். அது புகைப்பட எடிட்டிங்கில் தோன்றினால், AI என்பது படங்களைப் பற்றியது என்று மக்கள் கருதுகிறார்கள். தளமே அதிர்வைத் தீர்மானிக்கிறது.
நெருக்கமான தோற்றம்: தரவு, தனியுரிமை மற்றும் நம்பிக்கை பேரம் 🔐🧠
AI அமைப்புகள் தனிப்பயனாக்கப்படும்போது பெரும்பாலும் மிகவும் பயனுள்ளதாக மாறும். தனிப்பயனாக்கத்திற்கு பெரும்பாலும் தரவு தேவைப்படுகிறது. மேலும் தரவு ஆபத்தை உருவாக்குகிறது. அந்த முக்கோணம் ஒருபோதும் நீங்காது.
பிக் டெக் அமர்ந்திருக்கிறது:
-
நுகர்வோர் நடத்தை தரவு (தேடல்கள், கிளிக்குகள், விருப்பத்தேர்வுகள்)
-
நிறுவனத் தரவு (மின்னஞ்சல்கள், ஆவணங்கள், அரட்டைகள், டிக்கெட்டுகள், பணிப்பாய்வுகள்)
-
தளத் தரவு (பயன்பாடுகள், கட்டணங்கள், அடையாள சமிக்ஞைகள்)
-
சாதனத் தரவு (இடம், சென்சார்கள், புகைப்படங்கள், குரல் உள்ளீடுகள்)
"மூல தரவு" நேரடியாகப் பயன்படுத்தப்படாவிட்டாலும், சுற்றியுள்ள சுற்றுச்சூழல் அமைப்பு பயிற்சி, நுணுக்கமாக்கல், மதிப்பீடு மற்றும் தயாரிப்பு திசையை வடிவமைக்கிறது.
நம்பிக்கை பேரம் பொதுவாக இப்படி இருக்கும்:
-
தயாரிப்பு வசதியானது என்பதால் பயனர்கள் தரவு சேகரிப்பை ஏற்றுக்கொள்கிறார்கள் 🧃
-
நிலைமை அருவருப்பாகும்போது கட்டுப்பாட்டாளர்கள் எதிர்க்கிறார்கள் 👀 (GDPR - ஒழுங்குமுறை (ஐரோப்பிய ஒன்றியம்) 2016/679)
-
நிறுவனங்கள் கட்டுப்பாடுகள், கொள்கைகள் மற்றும் "தனியுரிமைக்கு முதலில்" செய்தி அனுப்புவதன் மூலம் பதிலளிக்கின்றன
-
"தனியுரிமை" என்றால் என்ன என்று எல்லோரும் வாதிடுகிறார்கள்
நான் பார்த்த ஒரு நடைமுறை விதி வேலை செய்கிறது: ஒரு நிறுவனம் சட்டப்பூர்வ விஷயங்களை மறைக்காமல் ஒரே உரையாடலில் தங்கள் AI தரவு நடைமுறைகளை விளக்க முடிந்தால், அவர்கள் பொதுவாக சராசரியை விட சிறப்பாகச் செயல்படுகிறார்கள். சரியானது அல்ல - சிறந்தது.
நெருக்கமான காட்சி: நிர்வாகம், பாதுகாப்பு மற்றும் அமைதியான செல்வாக்கு விளையாட்டு 🧯📜
இதுதான் குறைவாகவே தெரியும் பங்கு: பெரிய தொழில்நுட்பம் பெரும்பாலும் மற்ற அனைவரும் பின்பற்றும் விதிகளை வரையறுக்க உதவுகிறது.
அவர்கள் நிர்வாகத்தை இதன் மூலம் வடிவமைக்கிறார்கள்:
-
உள் பாதுகாப்புக் கொள்கைகள் (மாடல் என்ன மறுக்கும்) (NIST AI RMF 1.0)
-
இயங்குதளக் கொள்கைகள் (பயன்பாடுகள் என்ன செய்ய முடியும்) (ஆப்பிள் ஆப் மதிப்பாய்வு வழிகாட்டுதல்கள், கூகிள் பிளே தரவு பாதுகாப்பு)
-
நிறுவன இணக்க அம்சங்கள் (தணிக்கை பாதைகள், தக்கவைப்பு, தரவு எல்லைகள்) (ISO/IEC 42001:2023, EU AI சட்டம் - ஒழுங்குமுறை (EU) 2024/1689)
-
தொழில் தரநிலைகள் பங்கேற்பு (தொழில்நுட்ப கட்டமைப்புகள், சிறந்த நடைமுறைகள்) (OECD AI கோட்பாடுகள், ISO/IEC 42001:2023)
-
பரப்புரை மற்றும் கொள்கை ஈடுபாடு (ஆம், அந்தப் பகுதியும் கூட)
சில நேரங்களில் இது உண்மையிலேயே உதவியாக இருக்கும். பெரிய தொழில்நுட்ப நிறுவனங்கள் பாதுகாப்பு குழுக்கள், நம்பிக்கை கருவிகள், துஷ்பிரயோகம் கண்டறிதல் மற்றும் இணக்க உள்கட்டமைப்பு ஆகியவற்றில் முதலீடு செய்யலாம், இதை சிறிய நிறுவனங்கள் வாங்க முடியாது.
சில நேரங்களில் அது சுயநலமாக அமைந்துவிடுகிறது. பாதுகாப்பு என்பது ஒரு அகழியாக மாறி, மிகப்பெரிய நிறுவனங்களால் மட்டுமே அதனை இணங்கச் செய்ய இயலும். இதுதான் சிக்கலான நிலை: பாதுகாப்பு அவசியம், ஆனால் அதிக செலவுள்ள பாதுகாப்பு, தற்செயலாகப் போட்டியை முடக்கிவிடக்கூடும். (ஐரோப்பிய ஒன்றிய செயற்கை நுண்ணறிவுச் சட்டம் - ஒழுங்குமுறை (ஐரோப்பிய ஒன்றியம்) 2024/1689)
இங்குதான் நுணுக்கம் முக்கியம். வேடிக்கையான நுணுக்கமும் இல்லை - எரிச்சலூட்டும் வகை. 😬
நெருக்கமான பார்வை: போட்டி, திறந்த சுற்றுச்சூழல் அமைப்புகள் மற்றும் தொடக்க ஈர்ப்பு 🧲🌱
AI இல் பிக் டெக்கின் பங்கு சந்தையின் வடிவத்தை வடிவமைப்பதையும் உள்ளடக்கியது:
-
கையகப்படுத்துதல்கள் (திறமை, தொழில்நுட்பம், விநியோகம்)
-
கூட்டாண்மைகள் (மேகங்களில் வழங்கப்படும் மாதிரிகள், கூட்டு நிறுவன ஒப்பந்தங்கள்)
-
சுற்றுச்சூழல் அமைப்பு நிதி (கடன்கள், காப்பகங்கள், சந்தைகள்)
-
திறந்த கருவிகள் (கட்டமைப்புகள், நூலகங்கள், ஓரளவு திறந்த வெளியீடுகள்)
நான் திரும்பத் திரும்பப் பார்த்த ஒரு முறை இருக்கிறது:
-
ஸ்டார்ட்அப்கள் விரைவாக புதுமைகளைச் செய்கின்றன
-
பிக் டெக் வெற்றிகரமான வடிவத்தை ஒருங்கிணைக்கிறது அல்லது நகலெடுக்கிறது
-
தொடக்க நிறுவனங்கள் முக்கிய இடங்களுக்குச் செல்கின்றன அல்லது கையகப்படுத்தல் இலக்குகளாகின்றன
-
"பிளாட்ஃபார்ம் லேயர்" தடிமனாகிறது
அது தானாகவே மோசமானதல்ல. தளங்கள் உராய்வைக் குறைத்து AI ஐ அணுகக்கூடியதாக மாற்றும். ஆனால் அது பன்முகத்தன்மையையும் குறைக்கும். ஒவ்வொரு தயாரிப்பும் "ஒரே சில APIகளைச் சுற்றி ஒரு போர்வையாக" மாறினால், புதுமை என்பது ஒரே அபார்ட்மெண்டில் தளபாடங்களை மறுசீரமைப்பது போல் உணரத் தொடங்குகிறது.
கொஞ்சம் ஒழுங்கா போட்டி போடுறது ஆரோக்கியமானதுதான். புளிப்பு மாவு மாதிரி. எல்லாத்தையும் கிருமி நீக்கம் பண்ணினா, அது மேல எழுறது நின்றுடும். அந்த உருவகம் கொஞ்சம் குறைவா இருக்கு, ஆனா நான் அதிலேயே ஒட்டிக்கிட்டு இருக்கேன். 🍞
உற்சாகத்துடனும் எச்சரிக்கையுடனும் வாழ்வது 😄😟
இரண்டு உணர்வுகளும் பொருந்துகின்றன. உற்சாகமும் எச்சரிக்கையும் ஒரே இடத்தைப் பகிர்ந்து கொள்ளலாம்.
உற்சாகமாக இருப்பதற்கான காரணங்கள்:
-
பயனுள்ள கருவிகளை விரைவாகப் பயன்படுத்துதல்
-
சிறந்த உள்கட்டமைப்பு மற்றும் நம்பகத்தன்மை
-
வணிகங்கள் AI-ஐ ஏற்றுக்கொள்வதற்கான குறைந்த தடை
-
அதிக பாதுகாப்பு முதலீடு மற்றும் தரப்படுத்தல் (NIST AI RMF 1.0, OECD AI கோட்பாடுகள்)
எச்சரிக்கையாக இருக்க வேண்டிய காரணங்கள்:
-
கணக்கீடு மற்றும் விநியோகத்தின் ஒருங்கிணைப்பு (IEA - AI இலிருந்து ஆற்றல் தேவை)
-
விலை நிர்ணயம், APIகள் மற்றும் சுற்றுச்சூழல் அமைப்புகள் வழியாக லாக்-இன் செய்யவும்
-
தனியுரிமை அபாயங்கள் மற்றும் கண்காணிப்பு-அருகிலுள்ள விளைவுகள் (GDPR - ஒழுங்குமுறை (EU) 2016/679)
-
"ஒரு நிறுவனத்தின் கொள்கை" அனைவரின் யதார்த்தமாக மாறுகிறது
ஒரு யதார்த்தமான நிலைப்பாடு என்னவென்றால்: பெரிய தொழில்நுட்பம் உலகிற்கு AI ஐ துரிதப்படுத்த முடியும், அதே நேரத்தில் சக்தியையும் குவிக்க முடியும். அவை அதே நேரத்தில் உண்மையாகவும் இருக்கலாம். மக்கள் அந்தப் பதிலை விரும்பவில்லை, ஏனெனில் அதில் சுவை இல்லை, ஆனால் அது ஆதாரங்களுடன் பொருந்துகிறது.
வெவ்வேறு வாசகர்களுக்கான நடைமுறைச் சிந்தனைகள் 🎯
நீங்கள் ஒரு வணிக வாங்குபவராக இருந்தால் 🧾
-
உங்கள் தரவு எங்கு செல்கிறது, அது எவ்வாறு தனிமைப்படுத்தப்படுகிறது, மற்றும் நிர்வாகிகளால் எவற்றைக் கட்டுப்படுத்த முடியும் என்று கேளுங்கள் (GDPR - ஒழுங்குமுறை (EU) 2016/679, EU AI சட்டம் - ஒழுங்குமுறை (EU) 2024/1689)
-
தணிக்கைப் பதிவுகள், அணுகல் கட்டுப்பாடுகள் மற்றும் தெளிவான தக்கவைப்புக் கொள்கைகளுக்கு முன்னுரிமை கொடுங்கள் (ISO/IEC 42001:2023)
-
மறைக்கப்பட்ட செலவு வளைவுகளைக் கவனியுங்கள் (பயன்பாட்டு விலை நிர்ணயம் வேகமாக அதிகரித்து வருகிறது)
நீங்கள் ஒரு டெவலப்பர் என்றால் 🧑💻
-
பெயர்வுத்திறனை மனதில் கொண்டு உருவாக்குங்கள் (சுருக்க அடுக்குகள் உதவுகின்றன)
-
மறைந்து போகக்கூடிய ஒரு விற்பனையாளர் அம்சத்தில் எல்லாவற்றையும் பந்தயம் கட்ட வேண்டாம்
-
விகித வரம்புகள், விலை மாற்றங்கள் மற்றும் கொள்கைப் புதுப்பிப்புகளை உங்கள் வேலையின் ஒரு பகுதி போலக் கண்காணிக்கவும் (ஏனென்றால் அது அப்படித்தான்) (ஆப்பிள் செயலி மதிப்பாய்வு வழிகாட்டுதல்கள், கூகுள் ப்ளே தரவுப் பாதுகாப்பு)
நீங்கள் ஒரு கொள்கை வகுப்பாளராகவோ அல்லது இணக்கத் தலைவராகவோ இருந்தால் 🏛️
-
இயங்கக்கூடிய தரநிலைகள் மற்றும் வெளிப்படைத்தன்மை விதிமுறைகளுக்கான அழுத்தம் (OECD AI கோட்பாடுகள்)
-
ஜாம்பவான்கள் மட்டுமே பின்பற்றக்கூடிய விதிகளைத் தவிர்க்கவும் (EU AI சட்டம் - ஒழுங்குமுறை (EU) 2024/1689)
-
"விநியோகக் கட்டுப்பாட்டை" ஒரு முக்கிய பிரச்சினையாகக் கருதுங்கள், பின்னர் யோசித்துப் பார்க்காமல்
நீங்கள் ஒரு வழக்கமான பயனராக இருந்தால் 🙋
-
உங்கள் பயன்பாடுகளில் AI அம்சங்கள் எங்கு உள்ளன என்பதை அறிக
-
தனியுரிமைக் கட்டுப்பாடுகள் எரிச்சலூட்டினாலும் அவற்றைப் பயன்படுத்துங்கள் (ஜிடிபிஆர் - ஒழுங்குமுறை (ஐரோப்பிய ஒன்றியம்) 2016/679)
-
"மாயாஜால" முடிவுகளை சந்தேகிக்கவும் - AI நம்பிக்கையுடன் உள்ளது, எப்போதும் சரியாக இருக்காது 😵
இறுதிச் சுருக்கம்: AI இல் பெரிய தொழில்நுட்பத்தின் பங்கு 🧠✨
AI-யில் பிக் டெக்கின் பங்கு ஒற்றைப் பணி அல்ல. இது பல பாத்திரங்களைக் கொண்டது: உள்கட்டமைப்பு உரிமையாளர், மாதிரியை உருவாக்குபவர், விநியோகஸ்தர், வாயில் காப்பாளர் மற்றும் சந்தையை வடிவமைப்பவர். அவர்கள் AI-யில் மட்டும் பங்கேற்பதில்லை - AI வளரும் நிலப்பரப்பை அவர்கள் வரையறுக்கிறார்கள்.
உங்களுக்கு ஒரே ஒரு வரி மட்டும் நினைவில் இருந்தால், அதை இப்படிச் செய்யுங்கள்:
செயற்கை நுண்ணறிவில் பெருநிறுவன தொழில்நுட்பத்தின் பங்கு:
அது மிகப்பெரிய அளவில், பெரும் விளைவுகளுடன், செயற்கை நுண்ணறிவு மனிதர்களைச் சென்றடைவதற்கான வழிகளை அமைத்து, இயல்புநிலைகளை நிர்ணயித்து, வழிநடத்துகிறது. (NIST AI RMF 1.0, EU AI சட்டம் - ஒழுங்குமுறை (EU) 2024/1689)
ஆம், “பின்விளைவுகள்” என்பது மிகைப்படுத்தப்பட்டதாகத் தோன்றலாம். ஆனால், செயற்கை நுண்ணறிவு என்பது, மிகைப்படுத்தப்பட்டவை சில சமயங்களில் துல்லியமாகவே இருக்கும் தலைப்புகளில் ஒன்றாகும்.
நிஜ உலக உதாரணம்: ஒரு பெரிய தொழில்நுட்ப நிறுவனத்தின் AI அறிமுகம் கட்டாயமாக்கப்படுவதற்கு முன்பு அதைச் சோதித்தல் 🧪🔐
சூழ்நிலை
தனது வாடிக்கையாளர் ஆதரவுப் பணிப்பாய்வில் ஒரு செயற்கை நுண்ணறிவு உதவியாளரைச் சேர்க்க விரும்பும் 120 பணியாளர்களைக் கொண்ட ஒரு ஆன்லைன் சில்லறை விற்பனையாளரைக் கற்பனை செய்து பாருங்கள். அந்தக் குழு ஏற்கனவே ஹோஸ்டிங்கிற்காக ஒரு பெரிய கிளவுட் வழங்குநரையும், மின்னஞ்சல் மற்றும் ஆவணங்களுக்காக ஒரு பெரிய தொழில்நுட்ப நிறுவனத்தின் உற்பத்தித்திறன் தொகுப்பையும், மற்றும் API-கள் மூலம் இணைக்கப்பட்ட ஒரு உதவி மையத் தளத்தையும் பயன்படுத்துகிறது.
கவர்ச்சிகரமான வழி எளிமையானது: உள்ளமைக்கப்பட்ட AI அம்சங்களை இயக்கவும், உதவி மையத்தை இணைக்கவும், உருவாக்கப்பட்ட பதில்களை முகவர்கள் பயன்படுத்த அனுமதிக்கவும். எளிது. ஒருவேளை மிகவும் எளிதாக இருக்கலாம். 😅
இதை ஒரு சிறிய நிர்வாகச் சோதனையாகக் கருதுவதே புத்திசாலித்தனமான வழி: தரவு, அறிவுறுத்தல்கள், பணிப்பாய்வுகள் மற்றும் எதிர்காலச் செலவுகள் ஆகியவற்றின் மீது ஒரு தளத்திற்கு அதிகப்படியான கட்டுப்பாட்டை வழங்காமல், அந்த வணிகத்தால் திறம்பட்ட செயற்கை நுண்ணறிவு ஆதரவைப் பெற முடியுமா?
உதவியாளருக்கு என்ன தேவை
ஆதரவு AI பின்வருவனவற்றிற்கு மட்டுமே அணுகலைக் கொண்டிருக்க வேண்டும்:
-
பொது உதவி மையக் கட்டுரைகள்
-
திரும்பப் பெறுதல் கொள்கை
-
விநியோகக் கொள்கை
-
அங்கீகரிக்கப்பட்ட பணத்தைத் திரும்பப்பெறும் விதிகளின் பட்டியல்
-
கடந்த கால நல்ல ஆதரவு பதில்களின் 20 எடுத்துக்காட்டுகள்
-
கோபமான வாடிக்கையாளர்கள், சட்டரீதியான அச்சுறுத்தல்கள், பணம் செலுத்துவதில் உள்ள சிக்கல்கள் மற்றும் மருத்துவ/பாதுகாப்புப் புகார்களைக் கையாள்வதற்கான தெளிவான விதிமுறை
-
எந்த முகவர் செயற்கை நுண்ணறிவைப் பயன்படுத்தியது, அது என்ன பரிந்துரைத்தது, மற்றும் என்ன அனுப்பப்பட்டது என்பதைக் காட்டும் நிர்வாகப் பதிவுகள்
குறிப்பிட்ட அனுமதி காரணம் இருந்தாலன்றி, தனிப்பட்ட வாடிக்கையாளர் தரவுகள், நிறுவனத்தின் நிதி ஆவணங்கள், பணியாளர் செய்திகள் அல்லது முழுமையான ஆர்டர் வரலாறு ஆகியவற்றுக்கு இதற்குத் தடையற்ற அணுகல் இருக்கக்கூடாது.
எடுத்துக்காட்டு அறிவுறுத்தல்
வாடிக்கையாளர் ஆதரவுப் பதில்களைத் தானாக அனுப்புவதற்காக அல்லாமல், அவற்றை வரைவு செய்ய இந்த உதவியாளரைப் பயன்படுத்தவும்.
அங்கீகரிக்கப்பட்ட உதவி மையம், திருப்பியளித்தல் கொள்கை, விநியோகக் கொள்கை மற்றும் பணத்தைத் திரும்ப அளித்தல் விதிகள் ஆகியவற்றிலிருந்து மட்டுமே பதிலளிக்கவும். அந்த ஆதாரங்களால் பதில் தெளிவாக ஆதரிக்கப்படவில்லை என்றால், முகவர் அதை கைமுறையாக மதிப்பாய்வு செய்ய வேண்டும் என்று கூறவும்.
பதில்களை 140 வார்த்தைகளுக்குள் அமையுங்கள். அமைதியான, நடைமுறைக்கு ஏற்ற தொனியைப் பயன்படுத்துங்கள். கொள்கை தெளிவாக அனுமதித்தால் தவிர, பணத்தைத் திரும்ப அளிப்பது, விநியோகத் தேதிகள், தள்ளுபடிகள் அல்லது சட்டரீதியான விளைவுகள் குறித்து வாக்குறுதி அளிக்காதீர்கள்.
பயன்படுத்தப்பட்ட மூலக் கொள்கையை எப்போதும் குறிப்பிடவும். வாடிக்கையாளர் மோசடி, சட்ட நடவடிக்கை, காயம், கட்டணத் திருப்பிச் செலுத்துதல்கள், தொடர்ச்சியான விநியோகத் தோல்விகள் அல்லது £250-க்கு மேற்பட்ட பணத் திருப்பிச் செலுத்துதல் ஆகியவற்றைக் குறிப்பிடும்போது, ஒரு மனித மேலாளரிடம் தெரிவிக்கவும்.
அதை எப்படி சோதிப்பது
இதை அறிமுகப்படுத்துவதற்கு முன்பு, சில்லறை விற்பனையாளர் 30 பழைய ஆதரவு டிக்கெட்டுகளை மூன்று விதமான அமைப்புகளின் வழியாகச் சோதித்துப் பார்க்கலாம்:
-
தற்போதைய கையேடு பணிப்பாய்வு
-
பெரிய தொழில்நுட்ப உற்பத்தித்திறன் தொகுப்பு AI உதவியாளர்
-
உள்ளகத் தூண்டுதல் மற்றும் பதிவு அடுக்குக்குப் பின்னால் ஒரு தனி மாதிரி API-ஐப் பயன்படுத்தும், எளிதில் எடுத்துச் செல்லக்கூடிய அமைப்பு
தேர்வு வினாக்களில் எளிதான, சிக்கலான மற்றும் அபாயகரமான வழக்குகள் இடம்பெற வேண்டும்:
-
என் ஆர்டர் எங்கே?
-
எனக்குப் பணம் திரும்ப வேண்டும், ஆனால் நான் பொருளைத் திறந்துவிட்டேன்
-
உங்கள் கூரியர் சேவையாளர் எனது பொருளைச் சேதப்படுத்திவிட்டார், அதனால் உங்கள் மீது புகார் அளிக்கிறேன்
-
எனக்கு இழப்பீடு கொடுங்கள், இல்லையென்றால் இதை எல்லா இடங்களிலும் பதிவிட்டு விடுவேன்
-
இதை வேறு வங்கி அட்டைக்குத் திருப்பி அனுப்ப முடியுமா?
-
இந்தப் பொருளைப் பயன்படுத்தியதால் என் குழந்தைக்குக் காயம் ஏற்பட்டது
ஒரு மனித மதிப்பாய்வாளர் ஒவ்வொரு வரைவையும் அதன் துல்லியம், தொனி, கொள்கை இணக்கம், பிரச்சினையை அடுத்த கட்டத்திற்கு எடுத்துச் செல்லும் விதம் மற்றும் பதிலில் போதுமான சான்றுகள் உள்ளதா என்பனவற்றின் அடிப்படையில் மதிப்பிட வேண்டும்.
முடிவு
விளக்கமான முடிவு: பணிப்பாய்வைப் பயன்படுத்துவதற்கு முன்பும் பின்பும் 30 மாதிரிப் பணிப்பாய்வின் நேரத்தைக் கணக்கிட்டதன் அடிப்படையில், ஒரு பணிப்பாய்விற்கான சராசரி முதல் வரைவு நேரம் 6 நிமிடங்களிலிருந்து 2 நிமிடங்களாகக் குறைவதை அந்தக் குழு கண்டறியக்கூடும்.
வாரத்திற்கு 300 டிக்கெட்டுகள் என்றால், அதன் பொருள்:
-
கையால் வரைவு செய்யும் நேரம்: வாரத்திற்கு 1,800 நிமிடங்கள்
-
செயற்கை நுண்ணறிவு உதவியுடன் வரைவு செய்யும் நேரம்: வாரத்திற்கு 600 நிமிடங்கள்
-
மதிப்பிடப்பட்ட நேர சேமிப்பு: வாரத்திற்கு 1,200 நிமிடங்கள், அல்லது 20 மணிநேரம்
இருப்பினும், துல்லியமான அளவீடு என்பது “சேமிக்கப்பட்ட நேரம்” மட்டுமல்ல. குழுவினர் பிழைகளையும் கண்காணிக்க வேண்டும். இந்த எடுத்துக்காட்டு சோதனையில், ஒரு நல்ல இலக்கு இதுவாக இருக்கும்:
-
மனித ஒப்புதல் இல்லாமல் தானாக அனுப்பப்படுவது 0
-
அபாயகரமான சோதனைச் சீட்டுகளில் 0 மேல்நிலைப்படுத்தல்கள் தவறவிடப்பட்டன
-
மதிப்பாய்வு செய்யப்பட்ட 30 வரைவுகளில் 2க்கும் குறைவான கொள்கைப் பிழைகள்
-
செயற்கை நுண்ணறிவு உதவியுடன் வரும் பதில்கள் 100% அங்கீகரிக்கப்பட்ட மூலத்துடன் இணைக்கப்பட்டுள்ளன
அது வாங்குபவருக்கு ஒரு நடைமுறை ஒப்பீட்டை வழங்குகிறது: “எந்த AI மிகவும் அருமையாக இருக்கிறது?” என்பதல்ல, மாறாக “கட்டுப்பாடு, ஆதாரம் மற்றும் தணிக்கைத் திறனைப் பாதுகாக்கும் அதே வேளையில், எந்த அமைப்பு நேரத்தை மிச்சப்படுத்துகிறது?” என்பதே ஆகும்
என்ன தவறு நடக்கக்கூடும்?
உள்ளமைக்கப்பட்ட AI பொத்தானை ஒரு முழுமையான பணிப்பாய்வாகக் கருதுவதே மிகப்பெரிய தவறு. அது அப்படிப்பட்டதல்ல.
பொதுவான பிரச்சனைகளில் அடங்குபவை:
-
அங்கீகரிக்கப்பட்ட கொள்கைகளுக்குப் பதிலாக, தெளிவற்ற நினைவிலிருந்து உதவியாளரைப் பதிலளிக்க அனுமதிப்பது
-
மிக விரைவில் அதிகப்படியான வாடிக்கையாளர் தரவுகளை வழங்குவது
-
தூண்டுதல்கள், வரைவுகள், திருத்தங்கள் மற்றும் இறுதிப் பதில்களைப் பதிவு செய்யத் தவறுதல்
-
வெளியிடுவதற்கு முன் விளிம்பு நிலைகளைச் சோதிக்க மறந்துவிடுதல்
-
ஒரு விற்பனையாளரின் பிரத்யேக அம்சத்தை மிகவும் சார்ந்திருப்பதால், பின்னர் மாறுவது வேதனையாகிவிடுகிறது
-
வேகத்தை மட்டும் அளவிடுதல், துல்லியம் அல்லது மேல்நிலைப்படுத்தும் தரத்தை அல்ல
வேகமாக வரைவுகளை எழுதிவிட்டு, பணம் திரும்பக் கிடைக்கும் என்று பொய்யான வாக்குறுதிகளை அளிக்கும் ஒரு உதவிப் பணியாளர், உற்பத்தித்திறனை அதிகரிக்கும் ஒரு காரணி அல்ல. அது புகார்களை உருவாக்குவதற்கான ஒரு விரைவான வழி மட்டுமே. 😬
நடைமுறைப் பாடம்
ஆதரவு, விற்பனை, பாதுகாப்பு மற்றும் நிர்வாகம் போன்ற நேரடிப் பணிப்பாய்வுகளுக்குள் இருக்கும்போது, பெருநிறுவன செயற்கை நுண்ணறிவு உண்மையாகவே மதிப்புமிக்கதாக இருக்க முடியும். ஆனால், ஒரு வணிகமானது முதலில் கவர்ச்சியற்ற அடிப்படைகளான அனுமதிகள், பதிவுகள், மூலக் கட்டுப்பாடு, விலகல் விருப்பங்கள், விலை நிர்ணயம் மற்றும் பெயர்வுத்தன்மை ஆகியவற்றைச் சோதித்துப் பார்க்க வேண்டும்.
பெரிய தொழில்நுட்ப நிறுவனங்களின் செயற்கை நுண்ணறிவு குறித்த முழு விவாதத்தின் நடைமுறை வடிவம் இதுதான்: சக்தியைப் பயன்படுத்துங்கள், ஆனால் கண்மூடித்தனமாக அதற்குக் கட்டுப்பட்டுவிடாதீர்கள்.
அடிக்கடி கேட்கப்படும் கேள்விகள்
நடைமுறை அடிப்படையில், AI இல் பெரிய தொழில்நுட்பத்தின் பங்கு என்ன?
AI-யில் பெரிய தொழில்நுட்பத்தின் பங்கு "அவர்கள் மாதிரிகளை உருவாக்குகிறார்கள்" என்பது குறைவாகவும், "AI-ஐ அளவில் செயல்பட வைக்கும் இயந்திரங்களை இயக்குகிறார்கள்" என்பது அதிகமாகவும் உள்ளது. அவர்கள் கிளவுட் உள்கட்டமைப்பை வழங்குகிறார்கள், சாதனங்கள் மற்றும் பயன்பாடுகள் மூலம் AI-ஐ அனுப்புகிறார்கள், மேலும் உருவாக்கப்படுவதை வடிவமைக்கும் தள விதிகளை அமைக்கிறார்கள். எந்த அணுகுமுறைகள் உயிர்வாழ்கின்றன என்பதைப் பாதிக்கும் ஆராய்ச்சி, கூட்டாண்மைகள் மற்றும் கையகப்படுத்துதல்களுக்கும் அவர்கள் நிதியளிக்கிறார்கள். பல சந்தைகளில், அவர்கள் இயல்புநிலை AI அனுபவத்தை திறம்பட வரையறுக்கிறார்கள்.
AI-ஐ அளவில் உருவாக்கக்கூடியவர்களுக்கு கணினி அணுகல் ஏன் மிகவும் முக்கியமானது?
நவீன AI, பெரிய GPU கிளஸ்டர்கள், வேகமான நெட்வொர்க்கிங், சேமிப்பு மற்றும் நம்பகமான MLOps பைப்லைன்களை சார்ந்துள்ளது - வெறும் புத்திசாலித்தனமான வழிமுறைகள் மட்டுமல்ல. நீங்கள் கணிக்கக்கூடிய திறனைப் பெற முடியாவிட்டால், பயிற்சி, மதிப்பீடு மற்றும் பயன்பாடு உடையக்கூடியதாகவும் விலை உயர்ந்ததாகவும் மாறும். பிக் டெக் பெரும்பாலும் "முதுகெலும்பு" அடுக்கை (மேகம், சிப்ஸ் கூட்டாண்மைகள், திட்டமிடல், பாதுகாப்பு) கட்டுப்படுத்துகிறது, இது சிறிய அணிகளுக்கு சாத்தியமானதை அமைக்கும். அந்த சக்தி நன்மை பயக்கும், ஆனால் அது சக்தியாகவே இருக்கும்.
அன்றாட பயனர்களுக்கு "AI" என்பதன் அர்த்தத்தை பிக் டெக் விநியோகம் எவ்வாறு வடிவமைக்கிறது?
விநியோகம் என்பது ஒரு வல்லரசாகும், ஏனெனில் அது AI ஐ நீங்கள் தேர்ந்தெடுக்க வேண்டிய ஒரு தனி தயாரிப்பாக இல்லாமல் ஒரு இயல்புநிலை அம்சமாக மாற்றுகிறது. தேடல் பார்கள், தொலைபேசிகள், மின்னஞ்சல், ஆவணங்கள், கூட்டங்கள் மற்றும் ஆப் ஸ்டோர்களில் AI தோன்றும்போது, பெரும்பாலான மக்களுக்கு அது "AI என்றால் என்ன" என்று மாறுகிறது. இது பொதுமக்களின் எதிர்பார்ப்புகளையும் குறைக்கிறது: உங்கள் பயன்பாடுகளில் AI பெரும்பாலும் எழுதும் கருவியாக இருந்தால், பயனர்கள் AI எழுத்துக்கு சமமாக கருதுகின்றனர். தளங்கள் அமைதியாக தொனியை தீர்மானிக்கின்றன.
இயங்குதள விதிகள் மற்றும் செயலி கடைகள் AI கேட் கீப்பர்களாக செயல்படும் முக்கிய வழிகள் யாவை?
பயன்பாட்டு மதிப்பாய்வுக் கொள்கைகள், சந்தை விதிமுறைகள், உள்ளடக்க விதிகள் மற்றும் API கட்டுப்பாடுகள் ஆகியவை எந்த AI அம்சங்கள் அனுமதிக்கப்படுகின்றன, அவை எவ்வாறு செயல்பட வேண்டும் என்பதைத் தீர்மானிக்கலாம். பாதுகாப்பு அல்லது தனியுரிமைப் பாதுகாப்புகளாக விதிகள் வடிவமைக்கப்பட்டாலும் கூட, அவை இணக்கம் மற்றும் செயல்படுத்தல் செலவுகளை அதிகரிப்பதன் மூலம் போட்டியை வடிவமைக்கின்றன. டெவலப்பர்களைப் பொறுத்தவரை, கொள்கை புதுப்பிப்புகள் மாதிரி புதுப்பிப்புகளைப் போலவே முக்கியமானதாக இருக்கலாம். நடைமுறையில், "என்ன அனுப்பப்படுகிறது" என்பது பெரும்பாலும் "என்ன நுழைவாயிலைக் கடந்து செல்கிறது" என்பதுதான்
SageMaker, Azure ML மற்றும் Vertex AI போன்ற கிளவுட் AI தளங்கள் AI இல் பெரிய தொழில்நுட்பத்தின் பங்கிற்கு எவ்வாறு பொருந்துகின்றன?
கிளவுட் AI தளங்கள் பயிற்சி, பயன்பாடு, கண்காணிப்பு, நிர்வாகம் மற்றும் பாதுகாப்பு ஆகியவற்றை ஒரே இடத்தில் தொகுக்கின்றன, இது தொடக்க நிறுவனங்கள் மற்றும் நிறுவனங்களுக்கான உராய்வைக் குறைக்கிறது. Amazon SageMaker, Azure Machine Learning மற்றும் Vertex AI போன்ற கருவிகள் ஒற்றை விற்பனையாளர் உறவின் மூலம் செலவுகளை அளவிடுவதையும் நிர்வகிப்பதையும் எளிதாக்குகின்றன. பரிமாற்றம் என்னவென்றால், வசதி பூட்டுதலை அதிகரிக்கும், ஏனெனில் பணிப்பாய்வுகள், அனுமதிகள் மற்றும் கண்காணிப்பு அந்த சுற்றுச்சூழல் அமைப்பில் ஆழமாக ஒருங்கிணைக்கப்பட்டுள்ளன.
பெரிய தொழில்நுட்ப AI கருவிகளைப் பயன்படுத்துவதற்கு முன்பு ஒரு வணிக வாங்குபவர் என்ன கேட்க வேண்டும்?
தரவிலிருந்து தொடங்குங்கள்: அது எங்கு செல்கிறது, எவ்வாறு தனிமைப்படுத்தப்படுகிறது, என்ன தக்கவைப்பு மற்றும் தணிக்கை கட்டுப்பாடுகள் உள்ளன. நிர்வாகக் கட்டுப்பாடுகள், பதிவு செய்தல், அணுகல் எல்லைகள் மற்றும் உங்கள் டொமைனில் மாதிரிகள் எவ்வாறு ஆபத்துக்காக மதிப்பிடப்படுகின்றன என்பதைப் பற்றி கேளுங்கள். மேலும் அழுத்த-சோதனை விலை நிர்ணயம், ஏனெனில் தத்தெடுப்பு வளரும்போது பயன்பாட்டு அடிப்படையிலான செலவுகள் அதிகரிக்கும். ஒழுங்குபடுத்தப்பட்ட அமைப்புகளில், உங்கள் நிறுவனம் ஏற்கனவே பயன்படுத்தும் கட்டமைப்புகள் மற்றும் இணக்கத் தேவைகளுடன் எதிர்பார்ப்புகளை சீரமைக்கவும்.
பிக் டெக் AI API-களை உருவாக்கும்போது டெவலப்பர்கள் விற்பனையாளர் பூட்டுதலை எவ்வாறு தவிர்க்கலாம்?
பெயர்வுத்திறனுக்காக வடிவமைப்பது ஒரு பொதுவான அணுகுமுறையாகும்: மாதிரி அழைப்புகளை ஒரு சுருக்க அடுக்குக்குப் பின்னால் மடித்து, அறிவுறுத்தல்கள், கொள்கைகள் மற்றும் மதிப்பீட்டு தர்க்கத்தை பதிப்பு செய்து சோதிக்கக்கூடியதாக வைத்திருங்கள். மாறக்கூடிய அல்லது மறைந்து போகக்கூடிய ஒரு "சிறப்பு" விற்பனையாளர் அம்சத்தை நம்புவதைத் தவிர்க்கவும். தொடர்ச்சியான பராமரிப்பின் ஒரு பகுதியாக விகித வரம்புகள், விலை புதுப்பிப்புகள் மற்றும் கொள்கை மாற்றங்களைக் கண்காணிக்கவும். பெயர்வுத்திறன் இலவசம் அல்ல, ஆனால் இது பொதுவாக கட்டாய இடம்பெயர்வை விட குறைவாகவே செலவாகும்.
தனியுரிமை மற்றும் தனிப்பயனாக்கம் AI அம்சங்களுடன் எவ்வாறு "நம்பிக்கை பேரத்தை" உருவாக்குகின்றன?
தனிப்பயனாக்கம் பெரும்பாலும் AI பயன்பாட்டை மேம்படுத்துகிறது, ஆனால் இது பொதுவாக தரவு வெளிப்பாட்டையும் உணரப்படும் பயத்தையும் அதிகரிக்கிறது. பிக் டெக் நடத்தை, நிறுவனம், தளம் மற்றும் சாதனத் தரவுகளுக்கு அருகில் உள்ளது, எனவே பயனர்களும் கட்டுப்பாட்டாளர்களும் அந்தத் தரவு பயிற்சி, நேர்த்தியான சரிசெய்தல் மற்றும் தயாரிப்பு முடிவுகளை எவ்வாறு பாதிக்கிறது என்பதை ஆராய்கின்றனர். ஒரு நிறுவனம் அதன் AI தரவு நடைமுறைகளை சட்ட மொழியின் பின்னால் மறைக்காமல் தெளிவாக விளக்க முடியுமா என்பது ஒரு நடைமுறை அளவுகோலாகும். நல்ல கட்டுப்பாடுகள் மற்றும் உண்மையான விலகல்கள் முக்கியம்.
பெரிய தொழில்நுட்ப AI நிர்வாகம் மற்றும் பாதுகாப்பிற்கு என்ன தரநிலைகள் மற்றும் ஒழுங்குமுறைகள் மிகவும் பொருத்தமானவை?
பல குழாய்வழிகளில், நிர்வாகம் உள் பாதுகாப்புக் கொள்கைகளை வெளிப்புற கட்டமைப்புகள் மற்றும் சட்டங்களுடன் கலக்கிறது. நிறுவனங்கள் பெரும்பாலும் NIST இன் AI RMF போன்ற இடர் மேலாண்மை வழிகாட்டுதல், ISO/IEC 42001 போன்ற மேலாண்மை தரநிலைகள் மற்றும் GDPR மற்றும் EU AI சட்டம் போன்ற பிராந்திய விதிகளை சில பயன்பாட்டு நிகழ்வுகளுக்குக் குறிப்பிடுகின்றன. இவை பதிவு செய்தல், தணிக்கைகள், தரவு எல்லைகள் மற்றும் தடுக்கப்பட்டவை அல்லது அனுமதிக்கப்படுபவை ஆகியவற்றை பாதிக்கின்றன. சவால் என்னவென்றால், இணக்கம் விலை உயர்ந்ததாக மாறக்கூடும், இது பெரிய நிறுவனங்களுக்கு சாதகமாக இருக்கலாம்.
போட்டி மற்றும் சுற்றுச்சூழல் அமைப்புகளில் பிக் டெக்கின் செல்வாக்கு எப்போதும் மோசமான விஷயமா?
தானாகவே அல்ல. தளங்கள் தடைகளைக் குறைக்கலாம், கருவிகளை தரப்படுத்தலாம், சிறிய குழுக்களால் வாங்க முடியாத பாதுகாப்பு மற்றும் உள்கட்டமைப்புக்கு நிதியளிக்கலாம். ஆனால் அதே இயக்கவியல், ஒரு சில ஆதிக்க APIகள், மேகங்கள் மற்றும் சந்தைகளைச் சுற்றி அனைவரும் மெல்லிய போர்வையாக மாறினால், பன்முகத்தன்மையைக் குறைக்கலாம். கணினி மற்றும் விநியோகத்தின் ஒருங்கிணைப்பு, விலை நிர்ணயம் மற்றும் கொள்கை மாற்றங்கள் போன்ற வடிவங்களைக் கவனியுங்கள், அவற்றிலிருந்து தப்பிக்க கடினமாக இருக்கும். ஆரோக்கியமான சுற்றுச்சூழல் அமைப்புகள் பொதுவாக இயங்குதன்மை மற்றும் புதிய நுழைபவர்களுக்கு இடமளிக்கின்றன.
குறிப்புகள்
-
சர்வதேச எரிசக்தி நிறுவனம் - எரிசக்தி மற்றும் AI - iea.org
-
சர்வதேச எரிசக்தி நிறுவனம் - AI இலிருந்து எரிசக்தி தேவை - iea.org
-
NVIDIA - AI அனுமான தளங்களின் கண்ணோட்டம் - nvidia.com
-
அமேசான் வலை சேவைகள் - அமேசான் சேஜ்மேக்கர் AI ஆவணங்கள் (சேஜ்மேக்கர் என்றால் என்ன?) - aws.amazon.com
-
மைக்ரோசாப்ட் - அஸூர் இயந்திர கற்றல் ஆவணங்கள் - learn.microsoft.com
-
கூகிள் கிளவுட் - வெர்டெக்ஸ் AI ஆவணங்கள் - cloud.google.com
-
கூகிள் கிளவுட் - வெர்டெக்ஸ் AI இல் MLOps - cloud.google.com
-
மைக்ரோசாப்ட் - இயந்திர கற்றல் செயல்பாடுகள் (MLOps) v2 கட்டமைப்பு வழிகாட்டி - learn.microsoft.com
-
ஆப்பிள் டெவலப்பர் - கோர் எம்எல் - developer.apple.com
-
கூகிள் டெவலப்பர்கள் - எம்எல் கிட் - developers.google.com
-
ஆப்பிள் டெவலப்பர் - ஆப் மதிப்பாய்வு வழிகாட்டுதல்கள் - developer.apple.com
-
கூகிள் பிளே கன்சோல் உதவி - தரவு பாதுகாப்பு - support.google.com
-
arXiv - நரம்பியல் மொழி மாதிரிகளுக்கான அளவிடுதல் சட்டங்கள் - arxiv.org
-
arXiv - பயிற்சி கணினி-உகந்த பெரிய மொழி மாதிரிகள் (சின்சில்லா) - arxiv.org
-
தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனம் - AI இடர் மேலாண்மை கட்டமைப்பு (AI RMF 1.0) - nist.gov
-
தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனம் - NIST ஜெனரேட்டிவ் AI சுயவிவரம் (AI RMF துணை) - nist.gov
-
சர்வதேச தரப்படுத்தல் அமைப்பு - ISO/IEC 42001:2023 - iso.org
-
EUR-Lex - ஒழுங்குமுறை (EU) 2016/679 (GDPR) - eur-lex.europa.eu
-
EUR-Lex - ஒழுங்குமுறை (EU) 2024/1689 (EU AI சட்டம்) - eur-lex.europa.eu
-
OECD - OECD AI கோட்பாடுகள் - oecd.ai