எத்தனை சதவீத செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது? [காணொளி மற்றும் வினாவிடை]

சுருக்கமான பதில்: செயற்கை நுண்ணறிவின் பயன்பாட்டிற்கு ஏற்றுக்கொள்ளக்கூடிய ஒரே ஒரு சதவீதம் என்று எதுவும் இல்லை. பொருத்தமான அளவு என்பது, சம்பந்தப்பட்ட விஷயங்கள், செயற்கை நுண்ணறிவால் உருவாக்கப்பட்டவை, மற்றும் மனிதர் பொறுப்புடன் இருக்கிறாரா என்பனவற்றைப் பொறுத்தது. உண்மைகள் சரிபார்க்கப்படும்போது, ​​நிறுவனத்தின் உள்ளக, குறைந்த இடர் கொண்ட பணிகளில் செயற்கை நுண்ணறிவின் ஈடுபாடு கணிசமானதாக இருக்கலாம். ஆனால், தவறுகள் மக்களைத் தவறாக வழிநடத்தவோ, தீங்கு விளைவிக்கவோ, அல்லது நிபுணத்துவத்தைப் போலக் காட்டவோ வாய்ப்புள்ள சமயங்களில், அதன் ஈடுபாடு வரையறுக்கப்பட்டதாகவே இருக்க வேண்டும்.

முக்கிய அம்சங்கள்:

பொறுப்புக்கூறல்: நீங்கள் வெளியிடும் ஒவ்வொரு இறுதி வெளியீட்டிற்கும் ஒரு குறிப்பிட்ட மனிதரை நியமிக்கவும்.

ஆபத்து நிலை: முக்கியத்துவம் குறைந்த உள்ளகப் பணிகளுக்கு செயற்கை நுண்ணறிவை அதிகமாகவும், முக்கியத்துவம் வாய்ந்த பொதுப்பணிகளுக்குக் குறைவாகவும் பயன்படுத்தவும்.

சரிபார்ப்பு: செயற்கை நுண்ணறிவு உதவியுடன் உருவாக்கப்பட்ட உள்ளடக்கத்தை வெளியிடுவதற்கு முன், ஒவ்வொரு கூற்று, எண், மேற்கோள் மற்றும் சான்றையும் மதிப்பாய்வு செய்யவும்.

வெளிப்படைத்தன்மை: மறைக்கப்பட்ட தானியக்கமானது பார்வையாளர்களைத் தவறாக வழிநடத்தப்பட்டதாக உணரவைக்கக்கூடும் எனில், செயற்கை நுண்ணறிவு ஈடுபாட்டை வெளிப்படுத்தவும்.

குரல் கட்டுப்பாடு: கட்டமைப்பு மற்றும் திருத்தத்திற்கு செயற்கை நுண்ணறிவு உதவட்டும், அதே சமயம் மனிதனின் தீர்ப்பும் பாணியும் கட்டுப்பாட்டில் இருக்கட்டும்.

‘எத்தனை சதவீத செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது?’ என்பதே இப்போது ஏன் ஒரு கேள்வியாக எழுந்துள்ளது 🤔

சமீப காலம் வரை, “செயற்கை நுண்ணறிவு உதவி” என்றால் தானியங்கு திருத்தம் மற்றும் எழுத்துப்பிழை சரிபார்ப்பி என்றுதான் பொருள்பட்டது. இப்போது அதனால் சிந்திக்கவும், கோடிட்டுக் காட்டவும், எழுதவும், திருத்தி எழுதவும், சுருக்கவும், மொழிபெயர்க்கவும், படங்களை உருவாக்கவும், விரிதாளைச் சீர்படுத்தவும், குறியீடு எழுதவும், மேலும் உங்கள் மோசமான சொற்றொடர்களை நாகரிகமாகக் கிண்டல் செய்யவும் முடியும். எனவே, இதில் செயற்கை நுண்ணறிவு சம்பந்தப்பட்டிருக்கிறதா என்பது கேள்வியல்ல - அது ஏற்கெனவே சம்பந்தப்பட்டிருக்கிறது.

கேள்வி பின்வருமாறு உள்ளது:

• பொறுப்பு யாரிடம் உள்ளது. (நீங்கள், உங்கள் குழு, உங்கள் பதிப்பாசிரியர், கருவி…) OECD செயற்கை நுண்ணறிவு கோட்பாடுகள்

• என்ன உருவாக்கப்படுகிறது. (ஒரு கவிதை, ஒரு மருத்துவக் குறிப்பு, ஒரு சட்டக் கொள்கை, ஒரு பள்ளிக் கட்டுரை…) சுகாதாரத் துறையில் உருவாக்கும் செயற்கை நுண்ணறிவு குறித்த உலக சுகாதார அமைப்பின் வழிகாட்டுதல்

• இதை யார், ஏன் படிக்கிறார்கள். (வாடிக்கையாளர்கள், மாணவர்கள், வாக்காளர்கள், நோயாளிகள், உங்கள் மேலாளர்.)

• என்னென்ன தவறாகப் போகலாம். (தவறான தகவல், கருத்துத் திருட்டு போன்ற உணர்வு, இணக்கச் சிக்கல்கள், நற்பெயருக்கு ஏற்படும் சேதம்.) OpenAI: மொழி மாதிரிகள் ஏன் அமெரிக்க பதிப்புரிமை அலுவலகத்தின் செயற்கை நுண்ணறிவு வழிகாட்டுதல்களைப்

மேலும், ஒரு விசித்திரமான விதத்தில், எதையெல்லாம் பாதித்துள்ளது என்பதை விட, அந்த 'சதவீதம்' முக்கியத்துவம் பெறாமல் போகலாம். தொழில்நுட்ப ரீதியாக இரண்டுமே 30% செயற்கை நுண்ணறிவு அல்லது அதுபோன்றதாக இருந்தாலும் கூட, 'தலைப்புச் செய்திகளின் மாறுபாடுகளில்' செயற்கை நுண்ணறிவைச் சேர்ப்பதும், 'நிதி ஆலோசனையில்' செயற்கை நுண்ணறிவைச் சேர்ப்பதும் ஒன்றல்ல. 🙃

“ஏற்றுக்கொள்ளக்கூடிய AI சதவீதம்” என்பதன் ஒரு நல்ல வடிவம் எது? ✅

இந்தக் கருத்தின் ஒரு “சிறந்த வடிவத்தை” நாம் உருவாக்குகிறோம் என்றால், அது தத்துவ ரீதியாக நேர்த்தியாகத் தோற்றமளிப்பது மட்டுமல்லாமல், அன்றாட நடைமுறையிலும் செயல்படக்கூடியதாக இருக்க வேண்டும்.

செயற்கை நுண்ணறிவில் எத்தனை சதவீதம் ஏற்றுக்கொள்ளத்தக்கது? என்பதற்கான ஒரு நல்ல கட்டமைப்பு பின்வருமாறு அமைகிறது:

• சூழல் உணர்வு: வெவ்வேறு பணிகள், வெவ்வேறு சவால்கள். NIST AI RMF 1.0

• விளைவு சார்ந்த: தூய்மைச் சோதனைகளை விட துல்லியம், தனித்தன்மை மற்றும் நடைமுறை மதிப்புக்கே அதிக முக்கியத்துவம் அளிக்கப்படுகிறது.

• தணிக்கை செய்யக்கூடியது போன்றது: யாராவது கேட்டால் என்ன நடந்தது என்பதை உங்களால் விளக்க முடியும். OECD செயற்கை நுண்ணறிவு கோட்பாடுகள்

• மனித உரிமை: இறுதி வெளியீட்டிற்கு ஒரு உண்மையான நபர் பொறுப்பேற்கிறார் (ஆம், அது எரிச்சலூட்டுவதாக இருந்தாலும் கூட). OECD செயற்கை நுண்ணறிவு கோட்பாடுகள்

• பார்வையாளர்களை மதிக்கும் தன்மை: உள்ளடக்கம் “நன்றாக” இருந்தாலும் கூட, மக்கள் ஏமாற்றப்படுவதை வெறுக்கிறார்கள். செயற்கை நுண்ணறிவின் நெறிமுறைகள் குறித்த யுனெஸ்கோவின் பரிந்துரை.

மேலும், “அந்த வாக்கியம் 40% செயற்கை நுண்ணறிவா அல்லது 60%-ஆ?” என்பது போன்ற மன வித்தைகள் தேவைப்படக்கூடாது, ஏனெனில் அந்தப் பாதை பைத்தியக்காரத்தனத்தில் முடியும்... ஒரு லசான்யாவில் எவ்வளவு பகுதி “சீஸ் அதிகமாக உள்ளது” என்பதை அளவிட முயற்சிப்பதைப் போல. 🧀

குழப்பமடையாமல் “AI சதவீதத்தை” வரையறுப்பதற்கான ஒரு எளிய வழி 📏

ஒப்பீட்டு விஷயங்களுக்கு முன்பு, இதோ ஒரு தெளிவான மாதிரி. செயற்கை நுண்ணறிவுப் பயன்பாட்டைப் பல அடுக்குகளாகச் சிந்தித்துப் பாருங்கள்:

1. கருத்து அடுக்கு (சிந்தனைத் தூண்டல், தூண்டுதல்கள், வெளிக்கோடுகள்)

2. வரைவு நிலை (முதற்கட்ட எழுத்துப்பணி, கட்டமைப்பு, விரிவாக்கங்கள்)

3. லேயரைத் திருத்து (தெளிவுத் திருத்தங்கள், தொனியை மென்மையாக்குதல், இலக்கணம்)

4. உண்மை அடுக்கு (கூற்றுகள், புள்ளிவிவரங்கள், மேற்கோள்கள், துல்லியத்தன்மை)

5. குரல் அடுக்கு (பாணி, நகைச்சுவை, பிராண்டின் ஆளுமை, வாழ்வியல் அனுபவம்)

செயற்கை நுண்ணறிவு (AI) உண்மை அடுக்கை (Fact Layer) அதிகமாகத் தொட்டால், ஏற்றுக்கொள்ளக்கூடிய சதவீதம் பொதுவாக வேகமாக குறைகிறது. செயற்கை நுண்ணறிவு பெரும்பாலும் கருத்து + திருத்தம் (Idea + Edit) அடுக்குகளில் இருந்தால், மக்கள் சற்று நிம்மதியாக உணர்கிறார்கள். OpenAI: மொழி மாதிரிகள் ஏன் பிரமை கொள்கின்றன NIST GenAI சுயவிவரம் (AI RMF)

எனவே, யாராவது 'எத்தனை சதவீத செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது?' என்று கேட்டால் , நான் அதை, 'எந்தெந்த அடுக்குகள் செயற்கை நுண்ணறிவின் உதவியுடன் இயங்குகின்றன, மேலும் இந்தச் சூழலில் அந்த அடுக்குகள் எவ்வளவு அபாயகரமானவை?' என்று மொழிபெயர்க்கிறேன் . 🧠

ஒப்பீட்டு அட்டவணை - பொதுவான AI பயன்பாட்டு “செய்முறைகள்” மற்றும் அவை எங்குப் பொருந்தும் 🍳

இதோ ஒரு நடைமுறைச் சுருக்கக் குறிப்பு. உண்மையான அட்டவணைகள் ஒருபோதும் குறைபாடற்றதாக இருப்பதில்லை என்பதால், இதில் சில சிறிய வடிவமைப்புப் பிழைகளும் சேர்க்கப்பட்டுள்ளன, அல்லவா.

நான் 'முழுமையான செயற்கை நுண்ணறிவை' இயல்பாகவே தீயதாகக் கருதவில்லை என்பதை நீங்கள் கவனிப்பீர்கள். அது மனிதர்களை எதிர்கொள்ளும்போது, ​​பெரும்பாலும் பலவீனமானதாகவும், பொதுவானதாகவும், நற்பெயருக்கு ஆபத்தை விளைவிப்பதாகவும் இருக்கிறது, அவ்வளவுதான். 👀

சூழ்நிலை வாரியாக ஏற்றுக்கொள்ளக்கூடிய AI சதவிகிதங்கள் - யதார்த்தமான வரம்புகள் 🎛️

சரி, இப்போது எண்களைப் பற்றிப் பேசுவோம் - அவற்றைச் சட்டங்களாக அல்ல, மாறாகப் பாதுகாப்பு அரண்களாகக் கருதுவோம். இவை, “நான் அன்றாட வாழ்வில் தப்பிப் பிழைக்கத் தேவையான” வரம்புகள்.

1) சந்தைப்படுத்தல் உள்ளடக்கம் மற்றும் வலைப்பதிவுகள் ✍️

• பொதுவாக ஏற்றுக்கொள்ளத்தக்கது: 20% முதல் 60% வரை AI ஆதரவு

• பின்வரும் சமயங்களில் அபாயம் அதிகரிக்கிறது: கூற்றுகள் குறிப்பிட்டதாக மாறும்போது, ​​ஒப்பீடுகள் தீவிரமாகும்போது, ​​சான்றுகள் தோன்றும் போது, ​​அல்லது நீங்கள் அதை “தனிப்பட்ட நேரடி அனுபவமாக” முன்வைக்கும்போது. செயற்கை நுண்ணறிவு சந்தைப்படுத்தல் கூற்று அபாயங்களைக் குறிப்பிடும் FTC கருத்து. அமெரிக்க பதிப்புரிமை அலுவலகத்தின் செயற்கை நுண்ணறிவு வழிகாட்டுதல்.

இந்த விஷயத்தில் செயற்கை நுண்ணறிவு (AI) உங்களுக்கு வேகமாகச் செயல்பட உதவும், ஆனால் நாய்கள் பயத்தை மோப்பம் பிடிப்பதைப் போல, பார்வையாளர்கள் ஒரே மாதிரியான உள்ளடக்கத்தை எளிதில் கண்டுபிடித்துவிடுவார்கள். எனது இந்தச் சற்றே பொருத்தமற்ற உவமை இதுதான்: செயற்கை நுண்ணறிவு அதிகம் பயன்படுத்தப்பட்ட சந்தைப்படுத்தல் வாசகங்கள், துவைக்கப்படாத துணிகளின் மீது தெளிக்கப்பட்ட வாசனைத் திரவியத்தைப் போன்றவை - அது முயற்சி செய்யும், ஆனால் அதில் ஏதோ சரியில்லை. 😭

2) கல்விப் பணிகள் மற்றும் மாணவர் சமர்ப்பிப்புகள் 🎓

• பொதுவாக ஏற்றுக்கொள்ளத்தக்கது: 0% முதல் 30% வரை (விதிமுறைகள் மற்றும் பணியைப் பொறுத்து)

• பாதுகாப்பான பயன்பாடுகள்: சிந்தனைத் திரட்டல், கோடிட்டுக் காட்டுதல், இலக்கணச் சரிபார்ப்பு, படிப்பு விளக்கங்கள்

• செயற்கை நுண்ணறிவு வாதங்கள், பகுப்பாய்வுகள் அல்லது "அசல் சிந்தனையை" உருவாக்கும்போது அபாயம் அதிகரிக்கிறது. DfE: கல்வியில் உருவாக்கும் செயற்கை நுண்ணறிவு

ஒரு பெரிய பிரச்சினை என்பது வெறும் நியாயம் மட்டுமல்ல - அது கற்றல். செயற்கை நுண்ணறிவு சிந்தித்தால், மாணவனின் மூளை பெஞ்சில் அமர்ந்து ஆரஞ்சுத் துண்டுகளைச் சாப்பிட்டுக்கொண்டிருக்கும்.

3) பணியிட எழுத்துப்பணி (மின்னஞ்சல்கள், ஆவணங்கள், செயல்முறை வழிகாட்டுதல்கள், உள்ளகக் குறிப்புகள்) 🧾

• பொதுவாக ஏற்றுக்கொள்ளத்தக்கது: 30% முதல் 80% வரை

• ஏன் இவ்வளவு அதிகம்? அக எழுத்து என்பது தெளிவையும் வேகத்தையும் பற்றியது, இலக்கியத் தூய்மையைப் பற்றியது அல்ல.

• கொள்கை மொழிக்குச் சட்டரீதியான தாக்கங்கள் இருக்கும்போது, ​​அல்லது தரவுத் துல்லியம் முக்கியமானதாக இருக்கும்போது இடர் அதிகரிக்கிறது. NIST AI RMF 1.0

பல நிறுவனங்கள் ஏற்கனவே “அதிக செயற்கை நுண்ணறிவு உதவியுடன்” அமைதியாக இயங்கி வருகின்றன. அவர்கள் அதை அப்படி அழைப்பதில்லை, அவ்வளவுதான். அது பெரும்பாலும் “நாங்கள் திறமையாகச் செயல்படுகிறோம்” என்பது போலத்தான் இருக்கிறது - அது நியாயமானதே.

4) வாடிக்கையாளர் ஆதரவு மற்றும் அரட்டை பதில்கள் 💬

• பெரும்பாலும் ஏற்றுக்கொள்ளத்தக்கது: பாதுகாப்புத் தடுப்புகளுடன் 40% முதல் 90% வரை

• விட்டுக்கொடுக்க முடியாதவை: சிக்கலை அடுத்த கட்டத்திற்கு எடுத்துச் செல்லும் வழிமுறைகள், அங்கீகரிக்கப்பட்ட அறிவுத் தளம், அரிதான சூழல்களுக்கான வலுவான மறுஆய்வு.

• செயற்கை நுண்ணறிவு வாக்குறுதிகளை அளிக்கும்போது, ​​பணத்தைத் திரும்ப அளிக்கும்போது, ​​அல்லது கொள்கை விதிவிலக்குகளை வழங்கும்போது இடர் அதிகரிக்கிறது. OpenAI: ChatGPT உண்மையைக் கூறுகிறதா? NIST GenAI சுயவிவரம் (AI RMF)

வாடிக்கையாளர்கள் விரைவான உதவியைப் பொருட்படுத்துவதில்லை. அவர்கள் தவறான உதவியைப் பொருட்படுத்துகிறார்கள். மிகுந்த நம்பிக்கையுடன் வழங்கப்படும் தவறான உதவியை அவர்கள் இன்னும் அதிகமாகப் பொருட்படுத்துகிறார்கள்.

5) இதழியல், பொதுத் தகவல், சுகாதாரம், சட்டம் சார்ந்த தலைப்புகள் 🧠⚠️

• பெரும்பாலும் ஏற்றுக்கொள்ளத்தக்கது: 0% முதல் 25% வரை AI எழுத்து உதவி

• அதிகம் ஏற்றுக்கொள்ளத்தக்கவை: படியெடுத்தல், சுருக்கங்கள், ஒழுங்கமைத்தல் ஆகியவற்றுக்கான செயற்கை நுண்ணறிவு

• செயற்கை நுண்ணறிவு “இடைவெளிகளை நிரப்பும்போது” அல்லது நிச்சயமற்ற தன்மையை ஒரு போலியான உறுதியாக மாற்றும்போது அபாயம் அதிகரிக்கிறது. AP: உருவாக்க செயற்கை நுண்ணறிவு தொடர்பான தரநிலைகள்; சுகாதாரத்தில் உருவாக்க செயற்கை நுண்ணறிவு குறித்த WHO வழிகாட்டுதல்.

இங்கே, “சதவீதம்” என்பது தவறான கண்ணோட்டம். உங்களுக்கு மனிதத் திருத்தக் கட்டுப்பாடும் வலுவான சரிபார்ப்பும் தேவை. செயற்கை நுண்ணறிவு உதவலாம், ஆனால் அதுவே முடிவெடுக்கும் மூளையாக இருக்கக்கூடாது. SPJ நெறிமுறைத் தொகுப்பு

நம்பிக்கைக் காரணி - வெளிப்படுத்துவது ஏன் ஏற்றுக்கொள்ளக்கூடிய சதவீதத்தை மாற்றுகிறது 🧡

மக்கள் ஒரு படைப்பை அதன் தரத்தை மட்டும் கொண்டு மதிப்பிடுவதில்லை. அதனுடனான உறவைக். அந்த உறவில் உணர்வுகளும் அடங்கியுள்ளன. (சலிப்பூட்டினாலும், இது உண்மை.)

உங்கள் பார்வையாளர்கள் நம்பினால்:

• நீங்கள் வெளிப்படையானவர்,

• நீங்கள் பொறுப்புடையவர்

• நீங்கள் நிபுணத்துவத்தை போலியாகக் காட்டவில்லை

அப்போது உங்களால் பெரும்பாலும் எந்தவிதப் பின்னடைவும் இன்றி அதிக செயற்கை நுண்ணறிவைப் பயன்படுத்த முடியும்

ஆனால் உங்கள் பார்வையாளர்கள் உணர்ந்தால்:

• மறைக்கப்பட்ட தானியக்கம்,

• போலி “தனிப்பட்ட கதைகள்,”

• உருவாக்கப்பட்ட அதிகாரம்,

…அப்படியானால், ஒரு சிறிய செயற்கை நுண்ணறிவுப் பங்களிப்பு கூட, “வேண்டாம், நான் இதில் பங்கேற்கவில்லை” என்ற எதிர்வினையைத் தூண்டக்கூடும். வெளிப்படைத்தன்மைச் சிக்கல்: செயற்கை நுண்ணறிவு வெளிப்படுத்தல் மற்றும் நம்பிக்கை (ஷில்கே, 2025) செயற்கை நுண்ணறிவு வெளிப்படுத்தல் மற்றும் நம்பிக்கை குறித்த ஆக்ஸ்போர்டு ராய்ட்டர்ஸ் நிறுவனத்தின் ஆய்வறிக்கை (2024)

எனவே, 'எத்தனை சதவீத செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது?' என்று நீங்கள் கேட்கும்போது , ​​இந்த மறைக்கப்பட்ட மாறியையும் சேர்த்துக்கொள்ளுங்கள்:

• நம்பிக்கை வங்கிக் கணக்கில் அதிக பணம் உள்ளதா? நீங்கள் AI-க்கு அதிகமாகச் செலவிடலாம்.

• நம்பிக்கை வங்கிக் கணக்கில் பணம் குறைவாக உள்ளதா? நீங்கள் செய்யும் அனைத்தையும் செயற்கை நுண்ணறிவு ஒரு உருப்பெருக்கி போல உற்று நோக்குகிறது.

குரல் பிரச்சினை - செயற்கை நுண்ணறிவு சதவீதம் எப்படி உங்கள் வேலையை யாருக்கும் தெரியாமல் மழுங்கடிக்கிறது 😵💫

செயற்கை நுண்ணறிவு துல்லியமாக இருக்கும்போது கூட, அது பெரும்பாலும் குறைகளை மழுங்கடிக்கிறது. மேலும், அந்தக் குறைகளில்தான் ஆளுமை வாழ்கிறது.

குரல் அடுக்கில் அதிகப்படியான செயற்கை நுண்ணறிவின் அறிகுறிகள்:

• எல்லாம் ஒரு வெளிர் பழுப்பு நிற சோபாவை உங்களுக்கு விற்க முயற்சிப்பது போல, பணிவான நம்பிக்கையுடன் ஒலிக்கிறது

• நகைச்சுவை எடுபடும்... ஆனால் பிறகு மன்னிப்புக் கேட்டுவிடு

• வலுவான கருத்துக்கள் ‘அது சூழ்நிலையைப் பொறுத்தது’ என்பதாக நீர்த்துப்போகின்றன

• குறிப்பிட்ட அனுபவங்கள் “பலர் சொல்வது” ஆகிவிடுகின்றன

• உங்கள் எழுத்து, சிறிய, தனித்துவமான விகாரங்களை இழக்கிறது (அவை பொதுவாக உங்களுக்குச் சாதகமாக அமையும்)

இதனால்தான் பல “ஏற்றுக்கொள்ளக்கூடிய செயற்கை நுண்ணறிவு” உத்திகள் இவ்வாறு இருக்கின்றன:

• செயற்கை நுண்ணறிவு அமைப்பு மற்றும் தெளிவுக்கு உதவுகிறது.

• மனிதர்கள்தான் ரசனை, தீர்ப்பு, கதை, நிலைப்பாடு ஆகியவற்றை 😤

ஏனென்றால், சுவையை ஓட்ஸ் கஞ்சி போல ஆகாமல் தானியக்கமாக்குவதுதான் மிகவும் கடினமான பகுதி.

முதல் வாதத்திலேயே செயலிழக்காத ஒரு AI சதவீதக் கொள்கையை அமைப்பது எப்படி 🧩

நீங்கள் இதை உங்களுக்காகவோ அல்லது ஒரு குழுவிற்காகவோ செய்கிறீர்கள் என்றால், இது போன்ற ஒரு கொள்கையை எழுதாதீர்கள்:

30%க்கு மிகாமல் செயற்கை நுண்ணறிவு

மக்கள் உடனடியாக, “அதை எப்படி அளவிடுவது?” என்று கேட்பார்கள், பிறகு எல்லோரும் சோர்வடைந்து மீண்டும் தோராயமாகச் செய்யத் தொடங்கிவிடுவார்கள்.

அதற்கு பதிலாக, அடுக்கு மற்றும் இடர் அடிப்படையில் விதிகளை: NIST AI RMF 1.0 OECD AI கோட்பாடுகள்

நடைமுறைக்கு உகந்த கொள்கை வார்ப்புரு (இதை எடுத்துக்கொள்ளுங்கள்)

• செயற்கை நுண்ணறிவு பின்வருவனவற்றைச் செய்ய உதவுகிறது: சிந்தனைத் திரட்டல், கோடிட்டுக் காட்டுதல், தெளிவுபடுத்தும் திருத்தங்கள், வடிவமைத்தல், மொழிபெயர்ப்பு வரைவுகள் ✅

• செயற்கை நுண்ணறிவு கட்டுப்படுத்தப்பட்டுள்ள இடங்கள்: அசல் பகுப்பாய்வு, இறுதிக் கூற்றுகள், உணர்திறன் மிக்க தலைப்புகள், பொதுமக்களுக்கான “நிபுணர் ஆலோசனை” ⚠️ உலக சுகாதார அமைப்பு: சுகாதாரத்திற்கான செயற்கை நுண்ணறிவின் நெறிமுறைகள் மற்றும் ஆளுகை

• எப்போதும் தேவை: மனித மதிப்பாய்வு, விவரங்களுக்கான உண்மைச் சரிபார்ப்பு, பொறுப்புக்கூறல் ஒப்புதல் 🧍

• ஒருபோதும் அனுமதிக்கப்படாது: போலிச் சான்றுகள், புனையப்பட்ட தகுதிகள், புனையப்பட்ட “நான் இதை முயற்சித்தேன்” கதைகள் 😬 ஏமாற்றும் செயற்கை நுண்ணறிவு கூற்றுகள் குறித்த FTC கருத்து ராய்ட்டர்ஸ்: ஏமாற்றும் செயற்கை நுண்ணறிவு கூற்றுகள் மீதான FTCயின் கடும் நடவடிக்கை (2024-09-25)

பிறகு, உங்களுக்கு ஒரு எண் தேவைப்பட்டால், வரம்புகளைச் சேர்க்கவும்:

• குறைந்த பங்கு உள்: “அதிக உதவி” வரை

• பொது உள்ளடக்கம்: “மிதமான உதவி”

• முக்கியத்துவம் வாய்ந்த தகவல்: “குறைந்தபட்ச உதவி”

ஆம், அது தெளிவற்றதுதான். வாழ்க்கையே தெளிவற்றதுதான். அதைத் தெளிவாக்க முயற்சிப்பதால்தான், யாரும் பின்பற்றாத அர்த்தமற்ற விதிகள் உருவாகின்றன. 🙃

"எத்தனை சதவீத செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது?" என்பதற்கான ஒரு நடைமுறை சுய சரிபார்ப்புப் பட்டியல் 🧠✅

உங்கள் AI பயன்பாடு ஏற்றுக்கொள்ளத்தக்கதா என்பதைத் தீர்மானிக்கும்போது, ​​இவற்றைச் சரிபார்க்கவும்:

• நீங்கள் சங்கடமின்றி அந்த செயல்முறையை உரக்க எடுத்துரைக்கலாம்.

• நீங்கள் சரிபார்க்காத எந்தவொரு கூற்றையும் AI முன்வைக்கவில்லை. OpenAI: ChatGPT உண்மையைக் கூறுகிறதா?

• அதன் ஒலி உங்களைப் போலவே இருக்கிறது, விமான நிலைய அறிவிப்பு போல இல்லை.

• செயற்கை நுண்ணறிவு உதவியது என்பதை ஒருவர் அறிந்துகொண்டால், அவர் ஏமாற்றப்பட்டதாக உணரமாட்டார். ராய்ட்டர்ஸும் செயற்கை நுண்ணறிவும் (வெளிப்படைத்தன்மை அணுகுமுறை)

• இது தவறாக இருந்தால், யார் பாதிக்கப்படுவார்கள் - மற்றும் எவ்வளவு மோசமாகப் பாதிக்கப்படுவார்கள் என்பதை உங்களால் குறிப்பிட முடியும். NIST AI RMF 1.0

• நீங்கள் உருவாக்கு பொத்தானை அழுத்தி அனுப்புவதற்குப் பதிலாக, உண்மையான மதிப்பைச் சேர்த்துள்ளீர்கள்.

அவை சரியாக விழுந்தால், உங்கள் வெற்றி விகிதம் பெரும்பாலும் சரியாகவே இருக்கும்.

மேலும், ஒரு சின்ன ஒப்புதல்: சில சமயங்களில், மனித மூளையின் ஆற்றல் தேவைப்படும் பணிகளுக்காக உங்கள் ஆற்றலைச் சேமிப்பதே செயற்கை நுண்ணறிவை மிகவும் அறநெறிப்படிப் பயன்படுத்துவதாகும். கடினமான பகுதிகள். மிகவும் சிக்கலான பகுதிகள். "நான் எதை நம்புவது என்று தீர்மானிக்க வேண்டிய" பகுதிகள். 🧠✨

ஒரு சுருக்கமான மீள்பார்வை மற்றும் நிறைவுரை 🧾🙂

ஆகவே - எத்தனை சதவீத செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது? என்பது கணிதத்தை விட , பங்குகளின் தன்மை, படிநிலைகள், சரிபார்ப்பு மற்றும் நம்பிக்கை ஆகியவற்றையே. NIST AI RMF 1.0

நீங்கள் ஒரு எளிய சாராம்சத்தை விரும்பினால்:

• குறைந்த இடர்ப்பாடு + உள்ளகப் பணி: ஒரு மனிதர் பொறுப்பேற்றால், செயற்கை நுண்ணறிவானது ஒரு பெரும் பங்காக (பெரும்பாலானதாகவே கூட) இருக்க முடியும் - OECD செயற்கை நுண்ணறிவு கோட்பாடுகள்

• பொது உள்ளடக்கம்: துணைப் பணிகளுக்குச் செயற்கை நுண்ணறிவு உகந்தது, ஆனால் செய்தியை மனிதத் தீர்ப்பே வழிநடத்த வேண்டும்.

• முக்கியத்துவம் வாய்ந்த தகவல்கள் (சுகாதாரம், சட்டம், பாதுகாப்பு, பத்திரிகை): செயற்கை நுண்ணறிவு உதவியைக் குறைந்தபட்சமாகவும், கடுமையாகவும் கண்காணிக்கவும். சுகாதாரத் துறையில் உருவாக்கும் செயற்கை நுண்ணறிவு குறித்த உலக சுகாதார அமைப்பின் வழிகாட்டுதல். AP: உருவாக்கும் செயற்கை நுண்ணறிவு தொடர்பான தரநிலைகள்.

• வாழ்க்கை அனுபவங்கள், தகுதிகள் அல்லது விளைவுகளைப் போலியாகக் காட்டுவதற்கு ஒருபோதும் செயற்கை நுண்ணறிவைப் பயன்படுத்தாதீர்கள் - அங்கேதான் நம்பிக்கை செத்து மடியும் 😬 ஏமாற்றும் செயற்கை நுண்ணறிவு கூற்றுகளைக் குறிப்பிடும் FTC கருத்து அமெரிக்க பதிப்புரிமை அலுவலகத்தின் செயற்கை நுண்ணறிவு வழிகாட்டுதல்

இதோ எனது சற்றே மிகைப்படுத்தப்பட்ட கூற்று (ஏனென்றால் மனிதர்கள் அப்படித்தான் செய்வார்கள்):
உங்கள் பணி நம்பிக்கையின் மீது கட்டமைக்கப்பட்டிருந்தால், யாரும் பார்க்காதபோதும் அந்த நம்பிக்கையைப் பாதுகாப்பது எதுவோ அதுவே “ஏற்றுக்கொள்ளத்தக்க செயற்கை நுண்ணறிவு” ஆகும். செயற்கை நுண்ணறிவின் நெறிமுறைகள் குறித்த யுனெஸ்கோவின் பரிந்துரை.

நடைமுறை உதாரணம்: ஒரு சிறிய உள்ளடக்கக் குழுவிற்கான AI சதவீதக் கொள்கையை அமைத்தல் 🧪

சூழ்நிலை

ஒரு சிறிய மென்பொருள் நிறுவனத்தில் உள்ள ஆறு பேர் கொண்ட சந்தைப்படுத்தல் குழுவைக் கற்பனை செய்து பாருங்கள். அவர்கள் வலைப்பதிவுகள், தயாரிப்பு விளக்கங்கள், உதவி மையப் புதுப்பிப்புகள், வாடிக்கையாளர் மின்னஞ்சல்கள் மற்றும் நிறுவனரின் அவ்வப்போதைய ‘சிந்தனைத் தலைமை’க் கட்டுரைகளையும் வெளியிடுகிறார்கள்.

செயற்கை நுண்ணறிவுக்கு முன்பு, 1,500 வார்த்தைகள் கொண்ட ஒரு வலைப்பதிவை எழுதுவதற்கு, ஆராய்ச்சி, உள்ளடக்க வரைவு, வரைவு தயாரித்தல், திருத்துதல் மற்றும் ஒப்புதல்கள் என அனைத்திற்கும் சேர்த்து சுமார் 7 மணி நேரம் ஆனது. குழுவினர் செயற்கை நுண்ணறிவைப் பயன்படுத்தத் தொடங்கிய பிறகு, வரைவுகள் வேகமாகத் தயாராகின, ஆனால் பதிப்பாசிரியர் ஒரு புதிய சிக்கலைக் கவனித்தார்: எழுத்து நடை சரளமாக இருந்தாலும், அது மிகவும் பொதுவானதாக இருந்தது. மேலும், சில பதிவுகளில், யாராலும் சரியான ஆதாரங்களைக் குறிப்பிட முடியாத கூற்றுகளும் இடம்பெற்றிருந்தன.

எனவே, “எத்தனை சதவீத செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது?” என்று கேட்பதற்குப் பதிலாக, அந்தக் குழு ஒரு அடுக்கு அடிப்படையிலான விதியை உருவாக்குகிறது.

அணி அனுமதிப்பது

செயற்கை நுண்ணறிவு பின்வருவனவற்றிற்கு உதவ அனுமதிக்கப்படுகிறது:

வலைப்பதிவு கோணங்களுக்கான யோசனை உருவாக்கம்

தோராயமான கோடிட்டுக் காட்டல்

தலைப்பு மாறுபாடுகள்

நீண்ட பத்திகளை எளிதாக்குதல்

குறிப்புகளை முதல் கட்ட உள் சுருக்கங்களாக மாற்றுதல்

இலக்கணம் மற்றும் தொனித் திருத்தங்கள்

செயற்கை நுண்ணறிவு பின்வருவனவற்றிற்கு கட்டுப்படுத்தப்பட்டுள்ளது:

இறுதி உண்மைக் கூற்றுகள்

வாடிக்கையாளர் மேற்கோள்கள் அல்லது சான்றுகள்

தயாரிப்பு வாக்குறுதிகள்

சட்ட, விலை நிர்ணயம், அல்லது இணக்க மொழி

நிறுவனரின் கருத்துக்கள் அல்லது தனிப்பட்ட கதைகள்

ஒரு உண்மையான நபர் வழங்கியிருந்தால் தவிர, நேரடி அனுபவம் போல் தோன்றும் எதுவும்

ஒரு வலைப்பதிவு இடுகை “43% செயற்கை நுண்ணறிவு” கொண்டதா என்பதை அந்தக் குழு அளவிட முயற்சிப்பதில்லை. அவர்கள், செயற்கை நுண்ணறிவு எங்கு பயன்படுத்தப்பட்டது என்பதை அளவிடுகிறார்கள்.

எடுத்துக்காட்டு அறிவுறுத்தல்

ஒரு உள்ளடக்க மேலாளர் குழுவிற்கு இந்த பணி அறிவுறுத்தலை வழங்கலாம்:

கட்டமைப்பு, தெளிவு மற்றும் முதல்கட்ட வரைவு ஆகியவற்றிற்கு உதவ செயற்கை நுண்ணறிவைப் பயன்படுத்துங்கள், ஆனால் நமது தயாரிப்பு பற்றிய இறுதி உண்மைகள், வாடிக்கையாளர் எடுத்துக்காட்டுகள், தனிப்பட்ட கருத்துகள், புள்ளிவிவரங்கள் அல்லது கூற்றுகளை உருவாக்க செயற்கை நுண்ணறிவை அனுமதிக்காதீர்கள். பகிரப்படும் ஒவ்வொரு ஆவணத்திலும், செயற்கை நுண்ணறிவு கையாண்ட அடுக்குகளைக் குறிக்கவும்: கருத்து, வரைவு, திருத்தம், உண்மை மற்றும் கருத்துரை. நியமிக்கப்பட்ட ஒரு மனிதத் தொகுப்பாளர் இறுதிப் பதிப்பிற்கு ஒப்புதல் அளித்து, அனைத்துக் கூற்றுகள், இணைப்புகள், எண்கள் மற்றும் மேற்கோள்கள் சரிபார்க்கப்பட்டுள்ளன என்பதை உறுதிப்படுத்த வேண்டும்.

அந்த அறிவுறுத்தல், மிகச் சிறந்த விதத்தில் கவர்ச்சியற்றதாக இருக்கிறது. அது, ஒரு கருவியே ஒரே நேரத்தில் எழுத்தாளராகவும், ஆய்வாளராகவும், நிபுணராகவும் மாறிவிடாமல், மக்களுக்குச் சுதந்திரம் அளிக்கிறது.

அதை எப்படி சோதிப்பது

குழு மூன்று பொதுவான பணிகளில் கொள்கையைச் சோதிக்கிறது:

1. முக்கியத்துவம் குறைந்த உள்ளகக் கூட்டச் சுருக்கத்தை உருவாக்கும் ஒரு
   செயற்கை நுண்ணறிவால் முதல் சுருக்கத்தை உருவாக்க முடியும், ஆனால் முடிவுகள், பொறுப்பாளர்கள், தேதிகள் மற்றும் செயல் திட்டங்களை ஒரு மனிதரே சரிபார்க்கிறார்.

2. ஒரு பொது வலைப்பதிவின் உள்ளடக்கக் கட்டமைப்பை
   செயற்கை நுண்ணறிவு பரிந்துரைத்து, வரைவை மேம்படுத்த முடியும், ஆனால் எடுத்துக்காட்டுகள், கருத்துகள், தயாரிப்பு விவரங்கள் மற்றும் இறுதி வார்த்தைகளை வழங்குபவர் எழுத்தாளரே.

3. ஒரு வாடிக்கையாளர் ஆதரவு
   செயற்கை நுண்ணறிவு, அங்கீகரிக்கப்பட்ட உதவி மையக் கட்டுரையிலிருந்து பதிலை வரைவு செய்ய முடியும், ஆனால் அதனால் பணத்தைத் திரும்ப அளித்தல், தள்ளுபடிகள், கணக்கு மாற்றங்கள் அல்லது விதிவிலக்குகளுக்கு உறுதியளிக்க முடியாது.

ஒவ்வொரு பணிக்கும், மதிப்பாய்வாளர் பின்வருவனவற்றைச் சரிபார்க்கிறார்:

செயற்கை நுண்ணறிவு ஒரு கூற்றை உருவாக்கியதா?

அந்த உள்ளடக்கம் இன்னமும் அந்த நிறுவனத்தின் பாணியில் இருந்ததா?

செயற்கை நுண்ணறிவு உதவியது என்று தெரிந்தால் பார்வையாளர்கள் ஏமாற்றப்பட்டதாக உணர்வார்களா?

ஒரு மனிதனால் இறுதி வெளியீட்டை விளக்கி நியாயப்படுத்த முடியுமா?

ஆதாரங்கள், புள்ளிவிவரங்கள் மற்றும் தயாரிப்பு விவரங்கள் சரிபார்க்கக்கூடியவையா?

முடிவு

விளக்கமான முடிவு: இந்த பணிப்பாய்வைப் பயன்படுத்துவதற்கு முன்னும் பின்னும் மூன்று மாதிரிப் பணிகளின் நேரத்தைக் கணக்கிட்டதன் அடிப்படையில், குழுவினர் நியாயமான முறையில் பின்வருமாறு காண முடிந்தது:

வலைப்பதிவுக்கான கட்டமைப்பு மற்றும் முதல் வரைவு தயாரிப்பு: 2 மணி 30 நிமிடங்களிலிருந்து 55 நிமிடங்களாகக் குறைக்கப்பட்டது

உள்ளகக் கூட்டச் சுருக்கம்: 35 நிமிடங்களிலிருந்து 10 நிமிடங்களாகக் குறைக்கப்பட்டது

ஆதரவுப் பதில் வரைவு: ஒரு பதிலுக்கான நேரம் 12 நிமிடங்களிலிருந்து 4 நிமிடங்களாகக் குறைக்கப்பட்டது

உண்மை சரிபார்ப்பு நேரம்: ஒவ்வொரு பொதுக் கட்டுரைக்குமான நேரம் 20 நிமிடங்களிலிருந்து 35 நிமிடங்களாக அதிகரிக்கப்பட்டுள்ளது

லேயர் விதிகள் அறிமுகப்படுத்தப்பட்ட பிறகு, இறுதித் திருத்துநர் நிராகரிப்பு விகிதம்: செயற்கை நுண்ணறிவு சார்ந்த 10 வரைவுகளில் 4 நிராகரிக்கப்பட்டதிலிருந்து, 10 வரைவுகளில் 1 நிராகரிக்கப்பட்ட வரைவாகக் குறைந்தது

முக்கியமான விஷயம் என்னவென்றால், அந்தக் குழு வேகத்தை மட்டும் தனித்து அளவிடவில்லை. நிராகரிக்கப்பட்ட வரைவுகள், உண்மை சரிபார்ப்பு நேரம், மற்றும் இறுதித் தொகுப்பாளர் குரலை ஆரம்பத்திலிருந்து மீண்டும் உருவாக்க வேண்டியிருந்ததா என்பதையும் அவர்கள் அளவிட்டனர். சீரமைப்புப் பணிகளை அமைதியாகப் புறக்கணித்துவிட்டு, "செயற்கை நுண்ணறிவு எங்கள் 70% வேலையை மிச்சப்படுத்தியது" என்று சொல்வதை விட, இது மிகவும் துல்லியமான ஒரு சித்திரத்தை அளிக்கிறது.

என்ன தவறு நடக்கக்கூடும்?

மக்கள் செயற்கை நுண்ணறிவின் வெளியீட்டை ஏற்கனவே சரிபார்க்கப்பட்டதாகக் கருதினால், இந்தக் கொள்கை தோல்வியடையும்.

புனையப்பட்ட நடைமுறை உதாரணங்கள், கற்பனையான வாடிக்கையாளர் மேற்கோள்கள் அல்லது ஆதாரமற்ற உறுதியான புள்ளிவிவரங்களைச் சேர்ப்பது போன்ற, அதிகாரத்தைக் காட்டுவதற்காக எழுத்தாளர்கள் செயற்கை நுண்ணறிவைப் பயன்படுத்தினாலும் அது தோல்வியடைகிறது. அந்த இடத்தில்தான், செயற்கை நுண்ணறிவு சதவீதம் என்பது உற்பத்தித்திறன் சார்ந்த கேள்வியாக இருப்பதை நிறுத்தி, ஓர் நம்பிக்கைச் சிக்கலாக மாறுகிறது.

மற்றொரு பொதுவான தவறு என்னவென்றால், எல்லாவற்றையும் ஒரே நிறுவனப் பாணியில் செயற்கை நுண்ணறிவு (AI) மீண்டும் எழுத அனுமதிப்பதாகும். ஒரு சிறிய திருத்தம் தெளிவை மேம்படுத்தும். ஆனால், ஒரு கடுமையான திருத்தம், கருத்து, நகைச்சுவை, எரிச்சல், தயக்கம் போன்ற மனித இயல்புகளையும், எழுத்தை நம்பகத்தன்மை உடையதாக மாற்றும் அனைத்து சிறு விவரங்களையும் மழுங்கடித்துவிடும்.

நடைமுறைப் பாடம்

ஒரு நல்ல செயற்கை நுண்ணறிவு கொள்கையானது, துல்லியமான சதவீதங்களைப் பற்றி அதீத கவனம் செலுத்தத் தேவையில்லை. கட்டமைப்பு மற்றும் திருத்தம் போன்ற பாதுகாப்பான அடுக்குகளுக்கு செயற்கை நுண்ணறிவு உதவியதா, அல்லது உண்மைகள், நிபுணத்துவம், வாக்குறுதிகள் மற்றும் தனிப்பட்ட குரல் போன்ற அபாயகரமான அடுக்குகளை வடிவமைத்ததா என்பதே கூர்மையான சோதனையாகும்.

பொதுவாக விடை அங்குதான் அடங்கியிருக்கும்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

பெரும்பாலான வேலை வகைகளில் எத்தனை சதவீத செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது?

ஒவ்வொரு பணிக்கும் பொருந்தக்கூடிய ஒரே ஒரு சதவீதம் என்று எதுவும் இல்லை. சம்பந்தப்பட்ட பங்குகளின் தன்மை, பிழை ஏற்படும் அபாயம், பார்வையாளர்களின் எதிர்பார்ப்புகள் மற்றும் ஒரு படைப்பை உருவாக்குவதில் செயற்கை நுண்ணறிவு உதவிய பகுதி ஆகியவற்றைக் கொண்டு அதன் பயன்பாட்டை மதிப்பிடுவதே ஒரு சிறந்த அளவுகோலாகும். உள்ளகக் குறிப்புகளுக்கு அதிகப் பங்கு முற்றிலும் பொருத்தமானதாக இருக்கலாம், அதே சமயம் பொதுமக்களுக்கான அல்லது முக்கியத்துவம் வாய்ந்த தகவல்களுக்கு மிகக் குறைந்த பங்கைப் பயன்படுத்துவதே விவேகமானதாகும்.

துல்லியமான சதவீதங்களைப் பற்றி அதிகம் கவலைப்படாமல், செயற்கை நுண்ணறிவுப் பயன்பாட்டை நான் எப்படி அளவிடுவது?

ஒவ்வொரு வாக்கியத்திற்கும் ஒரு எண்ணை ஒதுக்க முயற்சிப்பதை விட, அடுக்குகளாகச் சிந்திப்பதே ஒரு நடைமுறை அணுகுமுறையாகும். இந்தக் கட்டுரை, யோசனை, வரைவு, திருத்தம், உண்மை மற்றும் குரல் ஆகிய அடுக்குகளில் செயற்கை நுண்ணறிவின் பயன்பாட்டை வரையறுக்கிறது. இது இடர் மதிப்பீட்டை எளிதாக்குகிறது, ஏனெனில் சிந்தனைப் பரிமாற்றம் அல்லது இலக்கண உதவியை விட, உண்மைகள் அல்லது தனிப்பட்ட குரலில் செயற்கை நுண்ணறிவின் ஈடுபாடு பொதுவாக அதிக முக்கியத்துவம் பெறுகிறது.

வலைப்பதிவுகள் மற்றும் சந்தைப்படுத்தல் உள்ளடக்கங்களுக்கு, எத்தனை சதவீத செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது?

வலைப்பதிவுகள் மற்றும் சந்தைப்படுத்தலுக்கு, சுமார் 20% முதல் 60% வரையிலான பரந்த அளவிலான செயற்கை நுண்ணறிவு ஆதரவு பொருத்தமானதாக இருக்கும். ஒரு மனிதர் குரலைக் கட்டுப்படுத்தி, கூற்றுகளைச் சரிபார்க்கும் பட்சத்தில், செயற்கை நுண்ணறிவு உள்ளடக்கக் குறிப்புகள், கட்டமைப்பு மற்றும் செம்மைப்படுத்துதலுக்கு உதவ முடியும். உள்ளடக்கத்தில் வலுவான ஒப்பீடுகள், சான்றுகள் அல்லது தனிப்பட்ட அனுபவத்தை உணர்த்தும் மொழி ஆகியவை இடம்பெறும்போது இடர் விரைவாக அதிகரிக்கிறது.

பள்ளிப் பணிகள் அல்லது கல்விசார் எழுத்துப் பணிகளுக்குச் செயற்கை நுண்ணறிவைப் பயன்படுத்துவது சரியா?

கல்விச் சூழல்களில், விதிகள் மற்றும் ஒப்படைப்பைப் பொறுத்து, ஏற்றுக்கொள்ளக்கூடிய பயன்பாடு பெரும்பாலும் 0% முதல் 30% வரை மிகவும் குறைவாகவே உள்ளது. சிந்தனைத் திரட்டல், கோடிட்டுக் காட்டுதல், இலக்கண ஆதரவு மற்றும் படிப்பு உதவி ஆகியவை பாதுகாப்பான பயன்பாடுகளில் அடங்கும். ஒரு மாணவர் வெளிப்படுத்த வேண்டும் என எதிர்பார்க்கப்படும் பகுப்பாய்வு, வாதம் அல்லது அசல் சிந்தனையை செயற்கை நுண்ணறிவு வழங்கும்போதுதான் சிக்கல் தொடங்குகிறது.

உள்ளகப் பணியிட ஆவணங்கள் மற்றும் மின்னஞ்சல்களுக்கு எந்த அளவு செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது?

பணியிட எழுத்துப்பணி என்பது பெரும்பாலும் நெகிழ்வுத்தன்மை வாய்ந்த வகைகளில் ஒன்றாகும், இதில் சுமார் 30% முதல் 80% வரை செயற்கை நுண்ணறிவு உதவி இருப்பது பொதுவானது. பல உள்ளக ஆவணங்கள், அவற்றின் தனித்தன்மையை விடத் தெளிவு மற்றும் வேகத்தின் அடிப்படையிலேயே அதிகம் மதிப்பிடப்படுகின்றன. அப்படியிருந்தும், ஒரு ஆவணத்தில் கொள்கை சார்ந்த வாசகங்கள், நுட்பமான விவரங்கள் அல்லது முக்கியமான உண்மைக் கூற்றுகள் இடம்பெறும்போது, ​​மனித மதிப்பாய்வு இன்றியமையாததாகிறது.

வாடிக்கையாளர் சேவைக் குழுக்கள் செயற்கை நுண்ணறிவு பதில்களைப் பெருமளவில் நம்பியிருக்க முடியுமா?

பல பணிப்பாய்வுகளில், ஆம், ஆனால் வலுவான பாதுகாப்பு வழிமுறைகளுடன் மட்டுமே. குழுக்களிடம் சிக்கல்களை மேல்நிலைக்குக் கொண்டு செல்லும் வழிகள், அங்கீகரிக்கப்பட்ட அறிவு மூலங்கள் மற்றும் அசாதாரண நிகழ்வுகளுக்கான மறுஆய்வு ஆகியவை இருக்கும்போது, ​​வாடிக்கையாளர் பதில்களுக்குச் சுமார் 40% முதல் 90% வரை செயற்கை நுண்ணறிவு ஆதரவு தேவை என்று இந்தக் கட்டுரை பரிந்துரைக்கிறது. மிகப்பெரிய ஆபத்து என்பது தானியக்கம் அல்ல, மாறாக, அது ஒருபோதும் செய்ய விரும்பாத நம்பிக்கையான வாக்குறுதிகள், விதிவிலக்குகள் அல்லது உறுதிமொழிகளை செயற்கை நுண்ணறிவு அளிப்பதே ஆகும்.

சுகாதாரம், சட்டம், பத்திரிக்கைத் துறை அல்லது பிற முக்கியத்துவம் வாய்ந்த தலைப்புகளுக்கு, எத்தனை சதவீத செயற்கை நுண்ணறிவு ஏற்றுக்கொள்ளத்தக்கது?

அதிக முக்கியத்துவம் வாய்ந்த துறைகளில், சதவிகிதக் கேள்வியை விட கட்டுப்பாட்டுக் கேள்விக்கே அதிக முக்கியத்துவம் உண்டு. படியெடுத்தல், சுருக்கமான தொகுப்புகள் அல்லது ஒழுங்கமைத்தல் போன்றவற்றில் செயற்கை நுண்ணறிவு உதவக்கூடும், ஆனால் இறுதி முடிவு மற்றும் சரிபார்ப்பு உறுதியாக மனிதர்களிடமே இருக்க வேண்டும். இத்துறைகளில், ஏற்றுக்கொள்ளக்கூடிய செயற்கை நுண்ணறிவு எழுத்து உதவியானது பெரும்பாலும் 0% முதல் 25% வரை குறைந்தபட்ச அளவிலேயே வைக்கப்படுகிறது, ஏனெனில் ஒரு உறுதியான தவறின் விலை மிக அதிகமாக இருக்கும்.

செயற்கை நுண்ணறிவுப் பயன்பாட்டை வெளிப்படுத்துவது, மக்கள் அதை மேலும் ஏற்றுக்கொள்ளச் செய்யுமா?

பல சந்தர்ப்பங்களில், வெறும் சதவீதத்தை விட வெளிப்படைத்தன்மையே மக்களின் எதிர்வினையை அதிகம் வடிவமைக்கிறது. ஒரு செயல்முறை வெளிப்படையானதாகவும், பொறுப்புக்கூறக்கூடியதாகவும், மனித நிபுணத்துவம் அல்லது நேரடி அனுபவம் போல் மறைக்கப்படாததாகவும் உணரப்படும்போது, ​​மக்கள் செயற்கை நுண்ணறிவு உதவியை மிகவும் எளிதாக ஏற்றுக்கொள்கிறார்கள். ஒரு படைப்பை உருவாக்கியவர் யார் என்பது குறித்து வாசகர்கள் தவறாக வழிநடத்தப்பட்டதாக உணரும்போது, ​​சிறிதளவு மறைக்கப்பட்ட தானியக்கம்கூட நம்பிக்கையைச் சிதைக்கக்கூடும்.

தொழில்நுட்ப ரீதியாகச் சரியாக இருந்தபோதிலும், செயற்கை நுண்ணறிவு சில சமயங்களில் எழுத்தை ஏன் உயிரற்றதாக உணர வைக்கிறது?

இக்கட்டுரை இதை ஒரு குரல் சிக்கலாக விவரிக்கிறது. செயற்கை நுண்ணறிவு பெரும்பாலும் உரைநடையை மெருகூட்டப்பட்ட, ஆனால் பொதுவான ஒன்றாக மாற்றிவிடுகிறது. இது நகைச்சுவை, உறுதிப்பாடு, துல்லியம் மற்றும் தனிப்பட்ட குணாதிசயங்களைச் சிதைத்துவிடும். இதனால்தான் பல குழுக்கள், கட்டமைப்பு மற்றும் தெளிவுக்காக செயற்கை நுண்ணறிவைப் பயன்படுத்துகின்றன; அதே சமயம், ரசனை, பகுத்தறிவு, கதைசொல்லல் மற்றும் வலுவான கண்ணோட்டங்கள் ஆகியவற்றின் மீதான கட்டுப்பாட்டை மனிதர் தக்கவைத்துக் கொள்கிறார்.

மக்கள் பின்பற்றும் வகையிலான ஒரு செயற்கை நுண்ணறிவு கொள்கையை ஒரு குழுவால் எவ்வாறு அமைக்க முடியும்?

ஒரு நடைமுறைக்கு உகந்த கொள்கையானது, பொதுவாக ஒரு இறுக்கமான சதவீத உச்சவரம்பை விட, பணிகள் மற்றும் இடர்பாடுகள் மீது கவனம் செலுத்துகிறது. சிந்தனைத் தூண்டல், கோடிட்டுக் காட்டுதல், திருத்துதல், வடிவமைத்தல் மற்றும் மொழிபெயர்ப்பு வரைவுகளுக்கு செயற்கை நுண்ணறிவை அனுமதிக்கும் அதே வேளையில், அசல் பகுப்பாய்வு, நுட்பமான தலைப்புகள் மற்றும் நிபுணர் ஆலோசனைகளுக்கு அதைக் கட்டுப்படுத்த வேண்டும் என்று இந்தக் கட்டுரை பரிந்துரைக்கிறது. மேலும், அது மனித மதிப்பாய்வு, உண்மைச் சரிபார்ப்பு, பொறுப்புக்கூறல் மற்றும் புனையப்பட்ட சான்றுகள் அல்லது புனையப்பட்ட அனுபவங்களுக்குத் தெளிவான தடை ஆகியவற்றையும் கட்டாயமாக்க வேண்டும்.

குறிப்புகள்

1. உலக சுகாதார அமைப்பு (WHO) - சுகாதாரத்தில் உருவாக்கும் செயற்கை நுண்ணறிவு குறித்த WHO வழிகாட்டுதல் - who.int

2. உலக சுகாதார அமைப்பு (WHO) - சுகாதாரத்திற்கான செயற்கை நுண்ணறிவின் நெறிமுறைகள் மற்றும் ஆளுகை - who.int

3. தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனம் (NIST) - AI RMF 1.0 - nvlpubs.nist.gov

4. தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனம் (NIST) - ஜென்ஏஐ சுயவிவரம் (AI RMF) - nvlpubs.nist.gov

5. பொருளாதார ஒத்துழைப்பு மற்றும் மேம்பாட்டு அமைப்பு (OECD) - OECD AI கோட்பாடுகள் - oecd.ai

6. யுனெஸ்கோ - செயற்கை நுண்ணறிவின் நெறிமுறைகள் குறித்த பரிந்துரை - unesco.org

7. அமெரிக்க பதிப்புரிமை அலுவலகம் - செயற்கை நுண்ணறிவு கொள்கை வழிகாட்டுதல் - copyright.gov

8. கூட்டாட்சி வர்த்தக ஆணையம் (FTC) - செயற்கை நுண்ணறிவு சந்தைப்படுத்தல் உரிமைகோரல் அபாயங்கள் குறித்த கருத்து - ftc.gov

9. ஐக்கிய இராச்சிய கல்வித் துறை (DfE) - கல்வியில் உருவாக்கும் செயற்கை நுண்ணறிவு - gov.uk

10. அசோசியேட்டட் பிரஸ் (AP) - உருவாக்க செயற்கை நுண்ணறிவு தொடர்பான தரநிலைகள் - ap.org

11. தொழில்முறை பத்திரிகையாளர் சங்கம் (SPJ) - SPJ நெறிமுறைகள் - spj.org

12. ராய்ட்டர்ஸ் - ஏமாற்றும் செயற்கை நுண்ணறிவு கூற்றுகள் மீதான FTCயின் கடும் நடவடிக்கை (2024-09-25) - ராய்ட்டர்ஸ்.காம்

13. ராய்ட்டர்ஸ் - ராய்ட்டர்ஸும் செயற்கை நுண்ணறிவும் (வெளிப்படைத்தன்மை அணுகுமுறை) - ராய்ட்டர்ஸ்.காம்

14. ஆக்ஸ்போர்டு பல்கலைக்கழகம் (ராய்ட்டர்ஸ் நிறுவனம்) - செயற்கை நுண்ணறிவு வெளிப்படுத்தல் மற்றும் நம்பிக்கை (2024) - ora.ox.ac.uk

15. சயின்ஸ்டைரக்ட் - வெளிப்படைத்தன்மைச் சிக்கல்: செயற்கை நுண்ணறிவு வெளிப்படுத்தல் மற்றும் நம்பிக்கை (ஷில்கே, 2025) - sciencedirect.com

16. OpenAI - மொழி மாதிரிகள் ஏன் மாயத்தோற்றத்தை ஏற்படுத்துகின்றன - openai.com

17. OpenAI உதவி மையம் - ChatGPT உண்மையைக் கூறுகிறதா? - help.openai.com

அதிகாரப்பூர்வ AI உதவியாளர் கடையில் சமீபத்திய AI ஐக் கண்டறியவும்

எங்களை பற்றி