கணினி அறிவியலுக்குப் பதிலாக செயற்கை நுண்ணறிவு வருமா? [காணொளி மற்றும் வினாவிடை]

பதில்: செயற்கை நுண்ணறிவு கணினி அறிவியலுக்கு மாற்றாக அமையாது; அது வழக்கமான கணினி நிரலாக்கத்தைத் தானியக்கமாக்குவதோடு, முடிவெடுக்கும் திறன், அமைப்புசார் சிந்தனை மற்றும் பொறுப்புக்கூறல் ஆகியவற்றின் தரத்தையும் உயர்த்தும். தொடரியல் மற்றும் நகலெடுக்கப்பட்ட வெளியீட்டை மட்டுமே நம்பியிருக்கும் மாணவர்கள் அல்லது மென்பொருள் உருவாக்குநர்கள் எளிதில் பாதிக்கப்படக்கூடியவர்களாக ஆகிறார்கள்; அடிப்படைகளைப் புரிந்துகொள்பவர்கள் செயற்கை நுண்ணறிவைப் பாதுகாப்பாகவும் திறம்படவும் பயன்படுத்தலாம்.

முக்கிய குறிப்புகள்:

அடிப்படைகள்: மேலோட்டமான தொடரியல் மனப்பாடத்தைக் காட்டிலும் நெறிமுறைகள், அமைப்புகள், பாதுகாப்பு மற்றும் பிழைதிருத்தம் ஆகியவற்றுக்கு முன்னுரிமை அளியுங்கள்.

பொறுப்புக்கூறல்: செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீட்டை, நீங்கள் சரிபார்த்து, சோதித்து, பொறுப்பேற்க வேண்டிய ஒரு வரைவுப் பணியாகக் கருதுங்கள்.

தொடக்க நிலை இடர்: உண்மையான திட்டங்களை உருவாக்குங்கள், ஏனெனில் வழக்கமான இளநிலை பணிகள் சுருங்கலாம், மாறலாம் அல்லது கருவிகளால் உள்வாங்கப்படலாம்.

செயற்கை நுண்ணறிவு அறிவு: கண்மூடித்தனமான குறியீடு ஒட்டுதலுக்குப் பதிலாக, விளக்கங்கள், ஒப்பீடுகள் மற்றும் மீளாய்வுக்குச் செயற்கை நுண்ணறிவைப் பயன்படுத்துங்கள்.

தொழில்சார் மீள்திறன்: கருவிகளால் நம்பகத்தன்மையுடன் மாற்றீடு செய்ய முடியாத முடிவெடுத்தல், தகவல் தொடர்பு மற்றும் கட்டமைப்புத் திறன்களை வளர்த்துக் கொள்ளுங்கள்.

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 செயற்கை நுண்ணறிவு திட்ட மேலாளர்களை மாற்றுமா?
திட்ட மேலாண்மைப் பணிகளை செயற்கை நுண்ணறிவு எவ்வாறு மாற்றியமைக்கக்கூடும் என்பதை ஆராயுங்கள்.

🔗 மருந்தாளுநர்களுக்குப் பதிலாக செயற்கை நுண்ணறிவு வருமா?
மருந்தகப் பணி மற்றும் நோயாளிப் பராமரிப்பில் செயற்கை நுண்ணறிவின் தாக்கத்தைப் புரிந்துகொள்ளுங்கள்.

🔗 நிபுணத்துவத்தை மாற்றாமல், சிவில் பொறியாளர்களுக்கு செயற்கை நுண்ணறிவு எவ்வாறு ஆதரவளிக்கிறது என்பதைத் தெரிந்துகொள்ளுங்கள்

🔗 கணக்காளர்களை செயற்கை நுண்ணறிவு மாற்றுமா?
தானியக்கம் கணக்கியல் பணிகளையும் எதிர்காலத் தேவையையும் எவ்வாறு மாற்றுகிறது என்பதைப் பாருங்கள்.

1. செயற்கை நுண்ணறிவு யுகத்தில் கணினி அறிவியலின் ஒரு சிறந்த வடிவம் என்பது என்ன? 🧩

இன்றைய காலகட்டத்தில் ஒரு சிறந்த கணினி அறிவியல் என்பது, வெறுமனே “பைத்தான் கற்றுக்கொண்டு எல்லாம் சரியாக நடக்கும் என நம்புவது” அல்ல. அது ஒருபோதும் போதுமானதாக இருந்ததில்லை, ஆனாலும் ஒரு சில காலம் மக்கள் அதிலிருந்து தப்பித்து வந்தனர்.

ஒரு வலுவான கணினி அறிவியல் அடித்தளத்தில் பின்வருவன அடங்கும்:

• நெறிமுறைகளும் தரவுக் கட்டமைப்புகளும் - நீங்கள் ஒவ்வொரு காலையும் ஒரு ரெட்-பிளாக் ட்ரீயை கைமுறையாகக் குறியீடு செய்வீர்கள் என்பதற்காக அல்ல, மாறாக நீங்கள் சாதக பாதகங்களைப் புரிந்துகொள்ள வேண்டும் என்பதற்காகவே.

• அமைப்புசார் சிந்தனை - இயக்க முறைமைகள், வலையமைப்புகள், தரவுத்தளங்கள், பரவலாக்கப்பட்ட அமைப்புகள், வன்பொருள் வரம்புகள்.

• கணிதப் பகுத்தறிவு - தருக்கம், நிகழ்தகவு, தனித்த கணிதம், தேவைப்படும்போது நேரியல் இயற்கணிதம்.

• மென்பொருள் பொறியியல் திறன் மதிப்பீடு - கட்டமைப்பு, பராமரிப்புத்தன்மை, பிழைதிருத்தம், சோதனை, ஆவணப்படுத்தல்.

• பாதுகாப்பு விழிப்புணர்வு - ஏனெனில் செயற்கை நுண்ணறிவால் உருவாக்கப்படும் நிரல், இன்னமும் நகைப்புக்குரிய வகையில் பாதுகாப்பற்றதாக இருக்கக்கூடும்.

• மனிதனை மையமாகக் கொண்ட வடிவமைப்பு - பயனர்கள் கணிக்க முடியாத செயல்களைச் செய்வார்கள். எப்போதும். அதற்கேற்பத் திட்டமிடுங்கள்.

• செயற்கை நுண்ணறிவு அறிவு - மாதிரிகளால் என்ன செய்ய முடியும், என்ன செய்ய முடியாது, மேலும் அவை எங்கே நம்பிக்கையுடன் தடம் புரள்கின்றன என்பதை அறிந்துகொள்வது.

தொழில்முறை பாடத்திட்ட அமைப்புகள், கணினி அறிவியலை வெறும் நிரலாக்கப் பயிற்சியாகக் கருதாமல், நெறிமுறைகள், அமைப்புமுறைகள், மென்பொருள் உருவாக்கம், இணையப் பாதுகாப்பு, தரவு அறிவியல் மற்றும் செயற்கை நுண்ணறிவு போன்ற துறைகளை உள்ளடக்கிய ஒரு பரந்த பாடப்பிரிவாகவே இன்றும் கருதுகின்றன.

எனவே, சிறந்த கேள்வி என்பது “கணினி அறிவியலுக்குப் பதிலாக செயற்கை நுண்ணறிவு வருமா?” என்பது மட்டுமல்ல ; அது: கணினி அறிவியலின் எந்த வடிவம் நிலைத்து நின்று மேலும் மதிப்புமிக்கதாக மாறும் என்பதே ஆகும்.

பதில் என்பது ஆழமான வடிவம். அது பகுத்தறிவுடன் கூடிய வடிவம்.

2. ஒப்பீட்டு அட்டவணை: செயற்கை நுண்ணறிவு மற்றும் கணினி அறிவியல் திறன்கள் ⚖️

3. செயற்கை நுண்ணறிவு கணினி அறிவியலை மாற்றிவிடும் என்று மக்கள் ஏன் நினைக்கிறார்கள் 😬

இந்த அச்சத்தை யாரும் சும்மா உருவாக்கவில்லை. செயற்கை நுண்ணறிவு குறியீட்டுக் கருவிகள் உண்மையிலேயே வியக்கத்தக்கவை. அவற்றால் செயல்பாடுகளை உருவாக்கவும், பிழைகளை விளக்கவும், குறியீட்டை மற்றொரு மொழியில் மீண்டும் எழுதவும், API எடுத்துக்காட்டுகளை உருவாக்கவும், ஒரு செயலியின் தரமான முதல் வரைவை உருவாக்கவும் கூட முடியும்.

அது ஒன்றுமில்லாததல்ல.

ஒரு தொடக்கநிலையாளருக்கு, இது ஒரு மாயாஜாலம் போலத் தோன்றலாம். நீங்கள், “சரிபார்ப்புடன் கூடிய ஒரு உள்நுழைவுப் படிவத்தை எனக்கு உருவாக்குங்கள்” என்று தட்டச்சு செய்கிறீர்கள், பளீர் - நிரல் தோன்றுகிறது. பிறகு நீங்கள் வடிவமைப்பு (ஸ்டைலிங்) கேட்கிறீர்கள், மேலும் நிரல் தோன்றுகிறது. பின்னர் நீங்கள் சோதனைகள் (டெஸ்ட்ஸ்) கேட்கிறீர்கள், அது சோதனை போன்ற தோற்றமுடைய ஒன்றை உங்களுக்குத் தருகிறது. திடீரென்று அந்தத் தொடக்கநிலையாளர், “ஒரு நிமிடம், நான் ஏன் லூப்களைக் கற்றுக்கொள்கிறேன்?” என்று வியப்படைவார்

நியாயமான கேள்விதான். ஆனால், இது முழுமையான உண்மையும் அல்ல.

செயற்கை நுண்ணறிவு எப்போது மிகவும் வலிமையாக இருக்கும்:

• பணி தெளிவாக வரையறுக்கப்பட்டுள்ளது.

• இந்த அமைப்புமுறை ஏற்கனவே பயிற்சித் தரவுகளில் உள்ளது.

• சூழல் வழக்கமானதாக உள்ளது.

• பங்கு குறைவு அல்லது எளிதில் சோதிக்கக்கூடியது.

• பயனர் வெளியீட்டைச் சரிபார்க்கலாம்.

செயற்கை நுண்ணறிவு பின்வரும் சமயங்களில் வலுவிழக்கிறது:

• தேவைகள் தெளிவற்றவையாக உள்ளன.

• இந்த அமைப்பு பெரியதாகவும் ஒழுங்கற்றதாகவும் உள்ளது.

• பாதுகாப்பு விஷயங்கள்.

• செயல்திறன் முக்கியமானது.

• மறைக்கப்பட்ட சூழலால் இந்தப் பிழை ஏற்படுகிறது.

• சரியான பதில், யாரும் எழுதி வைக்காத வணிகத் தர்க்கத்தைச் சார்ந்துள்ளது.

கடைசியாகச் சொன்னது? அதுதான் பெரும்பாலான உற்பத்தி மென்பொருட்கள்.

ஆம், செயற்கை நுண்ணறிவால் சில நிரலாக்கப் பணிகளை மாற்றீடு செய்ய முடியும். ஆனால், பணிகளை மாற்றீடு செய்வதும் கணினி அறிவியலை மாற்றீடு செய்வதும் ஒன்றல்ல . ஒரு மண்வெட்டியால் கையை விட வேகமாகத் தோண்ட முடியும், ஆனால் அது புவியியலுக்கு மாற்றாகாது. சரி, ஒருவேளை இந்த உவமை சற்று தடுமாற்றமாக இருக்கலாம் - ஆனால் உங்களுக்குப் புரிகிறது.

4. வேலைச் சந்தையின் யதார்த்தம்: பேரழிவும் அல்ல, ஆறுதலும் அல்ல 📊

இங்குதான் உரையாடல் வழக்கத்திற்கு மாறாக உணர்ச்சிப்பூர்வமாக மாறுகிறது.

ஒருபுறம், கணினி தொடர்பான பணிகளுக்கு வலுவான தேவை இருப்பதாக தொழிலாளர் சந்தை கணிப்புகள் இன்னும் காட்டுகின்றன. அமெரிக்க தொழிலாளர் புள்ளிவிவரப் பணியகம், மென்பொருள் உருவாக்குநர், தர உறுதி ஆய்வாளர் மற்றும் சோதனையாளர் போன்ற பதவிகள் சராசரி தொழிலை விட மிக வேகமாக வளரும் என்று கணித்துள்ளது; மேலும், இந்தக் கணிப்புக் காலம் முழுவதும் ஒவ்வொரு ஆண்டும் பல காலிப் பணியிடங்கள் உருவாகும் என எதிர்பார்க்கப்படுகிறது. அதுமட்டுமின்றி, கணினி மற்றும் தகவல் தொழில்நுட்பத் தொழில்கள் ஒட்டுமொத்தமாக சராசரியை விட மிக வேகமாக வளரும் என்றும் அது கணித்துள்ளது.

மறுபுறம், செயற்கை நுண்ணறிவு சில தொடக்க நிலை பணிகளுக்கு அழுத்தம் கொடுக்கிறது. செயற்கை நுண்ணறிவால் ஏற்படும் செயற்கை நுண்ணறிவு சார்ந்த தொழிலாளர் வெளிப்பாடு எடுத்துக்காட்டியுள்ளன; குறிப்பாக, வழக்கமான குறியீடாக்கம், பகுப்பாய்வு அல்லது எழுதுதல் போன்ற பணிகள் இதில் அடங்கும்.

இரண்டுமே உண்மையாக இருக்கலாம். எரிச்சலூட்டக்கூடியது, ஆனால் உண்மை.

சில தொடக்க நிலை வேலைகளைப் பெறுவது கடினமாகி வரும் வேளையில், இத்துறை வளரவும் வாய்ப்புள்ளது. நிறுவனங்களுக்கு மென்பொருள் பொறியாளர்கள், தரவுப் பொறியாளர்கள், பாதுகாப்பு ஆய்வாளர்கள், செயற்கை நுண்ணறிவுப் பொறியாளர்கள், உள்கட்டமைப்பு வல்லுநர்கள் மற்றும் ஆராய்ச்சி மனப்பான்மை கொண்ட கணினி விஞ்ஞானிகள் ஆகியோர் இன்னமும் தேவைப்படலாம். ஆனால், இளநிலை ஊழியர்கள் முதல் நாளிலிருந்தே செயற்கை நுண்ணறிவுக் கருவிகளைக் கொண்டு, அதிகப் பணிகளை வேகமாகவும் அதிகமாகவும் செய்வார்கள் என்று அவர்கள் எதிர்பார்க்கலாம்.

அதன் அர்த்தம், புதிய நுழைவு நிலைத் தகுதி பின்வருமாறு மாறக்கூடும்:

உங்களால் நிரல் எழுத முடியுமா?

செய்ய:

உங்களால் செயற்கை நுண்ணறிவைப் பயன்படுத்தி, நிரலைப் புரிந்துகொண்டு, தவறுகளைக் கண்டறிந்து, கட்டமைப்பை மேம்படுத்தி, சாதக பாதகங்களை விளக்கி, தற்செயலாக ஒரு பாதுகாப்புப் பேரழிவை வெளியிடாமல் இருக்க முடியுமா?

அது மிகவும் அதிகம். சற்றே மரியாதைக் குறைவாகவும் இருக்கிறது.

5. பல்கலைக்கழகங்களில் கணினி அறிவியலுக்குப் பதிலாக செயற்கை நுண்ணறிவு வருமா? 🎓

இல்லை, ஆனால் கணினி அறிவியல் கல்வி மாற வேண்டும். சில இடங்களில், அது ஏற்கெனவே மாறிக்கொண்டுதான் இருக்கிறது.

ஒரு பாரம்பரிய கணினி அறிவியல் பாடத்திட்டத்தில் பெரும்பாலும் நிரலாக்கம், தரவுக் கட்டமைப்புகள், நெறிமுறைகள், கணினி கட்டமைப்பு, இயக்க முறைமைகள், தரவுத்தளங்கள், கோட்பாடு, மென்பொருள் பொறியியல் மற்றும் செயற்கை நுண்ணறிவு, வரைகலை, இணையப் பாதுகாப்பு அல்லது மனித-கணினி தொடர்பு போன்ற விருப்பப் பாடங்களும் அடங்கும். செயற்கை நுண்ணறிவு அந்தத் தலைப்புகளை நீக்கிவிடுவதில்லை. மாறாக, அவற்றில் பலவற்றை அது இன்னும் அவசரமானதாக ஆக்குகிறது.

ஏன்?

ஏனென்றால், செயற்கை நுண்ணறிவு நிரல் எழுதினாலும், யாராவது ஒருவர் இதைக் கேட்க வேண்டியிருக்கிறது:

• இந்த வழிமுறை செயல்திறன் மிக்கதா?

• இது நினைவகப் பாதுகாப்பானதா?

• இந்த தரவுத்தள வினவல் விரிவடையுமா?

• இந்த மாதிரி ஒருதலைப்பட்சமானதா?

• இந்த அமைப்பைத் தாக்க முடியுமா?

• ஏபிஐ செயலிழந்தால் என்ன நடக்கும்?

• வெளியீடு தவறாக இருக்கும்போது யார் பொறுப்பு?

• இந்த விஷயத்தை நாம் எப்படி முறையாகச் சோதிப்பது?

சமீபத்திய முக்கிய இளங்கலை கணினி அறிவியல் பாடத்திட்டப் பணிகள், செயற்கை நுண்ணறிவை ஒரு சிறிய, தனிப்பட்ட விருப்பப் பாடமாகக் கருதாமல், மாணவர்கள் இத்துறை முழுவதும் புரிந்துகொள்ள வேண்டிய ஒன்றாகக் கருதி, அதனை கணினி அறிவியல் கல்வியில் இன்னும் விரிவாக ஒருங்கிணைத்துள்ளன.

அதுதான் விவேகமான திசை. “செயற்கை நுண்ணறிவு இருப்பதால் கணினி அறிவியலைக் கற்பிப்பதை நிறுத்துங்கள்” என்பதல்ல. மாறாக, “செயற்கை நுண்ணறிவு வகுப்பறையில் இருக்கும்போதே கணினி அறிவியலைக் கற்பியுங்கள்” என்பதே சரி

செயற்கை நுண்ணறிவு ஒரு பயிற்றுவிப்பாளராக, ஆய்வக உதவியாளராக, நிரல் மதிப்பாய்வாளராக, பிழைதிருத்தும் கூட்டாளியாக, மற்றும் புதிய யோசனைகளை உருவாக்குபவராக மாற முடியும். ஆனால், மாணவர் தொடர்ந்து கற்க வேண்டியது அவசியம். இல்லையெனில், அவர்கள் திசைக்காட்டியும், வரைபடமும் இல்லாத, அபாயகரமான அளவு தன்னம்பிக்கை கொண்ட ஒரு தானியங்கி காரில் பயணிக்கும் பயணியாகி விடுவார்கள்.

6. கணினி அறிவியல் பணிகளில் செயற்கை நுண்ணறிவு எவற்றை மாற்றியமைக்கிறது 🧰

வெளிப்படையாகச் சொல்வதானால்: நிரலாக்கத்தின் சில எரிச்சலூட்டும் பகுதிகளைச் செயற்கை நுண்ணறிவு நிச்சயமாக மாற்றிவிடுகிறது. நல்லவேளையாக, சில சமயங்களில் அது சாத்தியமாகிறது.

செயற்கை நுண்ணறிவு பின்வருவனவற்றை மாற்றுவதிலோ அல்லது குறைப்பதிலோ சிறந்து விளங்குகிறது:

• திரும்பத் திரும்ப வரும் வார்ப்புரு.

• எளிய ஸ்கிரிப்டுகள்.

• முதல் வரைவு ஆவணங்கள்.

• அடிப்படை அலகு சோதனைகள்.

• வழக்கமான கோவையின் உதவி.

• விரைவான தொடரியல் மொழிபெயர்ப்பு.

• வார்ப்புருக்களை அதிகம் கொண்ட ஃப்ரண்ட்எண்ட் பகுதிகள்.

• எளிய தரவு சுத்திகரிப்புத் துணுக்குகள்.

• "என் மடிக்கணினியைத் தூக்கி எறிவதற்கு முன் இந்தப் பிழைச் செய்தியை விளக்குங்கள்" என்று தோன்றும் தருணங்கள்.

இது உதவிகரமானது. இதன் விளைவை நீங்கள் புரிந்துகொண்டால், இது ஏமாற்று ஆகாது.

ஆனால், செயற்கை நுண்ணறிவு இவற்றை நம்பகத்தன்மையுடன் மாற்றுவதில்லை:

• ஆழ்ந்த பிழைதிருத்தம்.

• உற்பத்திப் பொறுப்புக்கூறல்.

• கட்டிடக்கலை உரிமை.

• நீண்ட காலப் பராமரிப்புத்தன்மை.

• பாதுகாப்பு ஆய்வு.

• அசாதாரண அமைப்புகளில் செயல்திறன் சரிசெய்தல்.

• பயனர் தேவைகளைப் புரிந்துகொள்ளுதல்.

• அறநெறி மற்றும் சட்டரீதியான தீர்ப்பு.

• ஆராய்ச்சி நிலை சிக்கல் உருவாக்கம்.

• குழு ஒருங்கிணைப்பு மற்றும் தொழில்நுட்பத் தலைமைத்துவம்.

முக்கியமான மாற்றம் என்னவென்றால், கணினி விஞ்ஞானிகளும் உருவாக்குநர்களும் எல்லாவற்றையும் கைமுறையாகத் தட்டச்சு செய்வதில் குறைவான நேரத்தையும், மீளாய்வு செய்தல், வடிவமைத்தல், ஒருங்கிணைத்தல், சோதித்தல் மற்றும் முடிவெடுத்தல் ஆகியவற்றில் அதிக நேரத்தையும் செலவிடக்கூடும். இது கேட்பதற்கு ஆடம்பரமாகத் தோன்றலாம். ஆனால், என்ன நடக்கிறது என்று யாருக்கும் தெரியாத பட்சத்தில், தவறுகள் பெரிதாகிவிடும் என்பதையும் இது குறிக்கிறது.

செயற்கை நுண்ணறிவு, மக்கள் குறியீடுகளை வேகமாக உருவாக்க உதவுகிறது. ஆனால், அது தானாகவே அந்தக் குறியீடுகளைச் சரியானதாக மாற்றிவிடுவதில்லை.

அந்த வாக்கியம் ஒரு குவளையில் அச்சிடப்பட வேண்டும். ☕

7. தொடக்கநிலையாளர் பிரச்சினை: யாரும் பேச விரும்பாத மிகவும் கடினமான பகுதி 🚪

இந்த முழு அமைப்பிலேயே மிகவும் பலவீனமான பகுதி, தொடக்கநிலையாளர்களை உள்ளீர்க்கும் வழிமுறைதான்.

வழக்கமாக, இளநிலை டெவலப்பர்கள் சிறிய பணிகளைச் செய்வதன் மூலம் கற்றுக்கொண்டனர். இந்தப் பிழையைச் சரிசெய்யுங்கள். இந்த எண்ட்பாயிண்ட்டை எழுதுங்கள். இந்தப் படிவத்தைச் சேர்க்கவும். இந்தச் சிறிய மாட்யூலை மறுசீரமைக்கவும். சற்றே சலிப்பூட்டும் வேலைகளைச் செய்துவிட்டு, படிப்படியாகப் பெரிய சவால்களை எதிர்கொள்ளுங்கள்.

ஆனால், செயற்கை நுண்ணறிவால் பல சிறு பணிகளைச் செய்ய முடிந்தால், நிறுவனங்கள் குறைவான இளநிலை ஊழியர்களைப் பணியமர்த்தக்கூடும் அல்லது இளநிலை ஊழியர்கள், ஒரு செயற்கை நுண்ணறிவுத் துணையுடன் இடைநிலை மென்பொருள் உருவாக்குநர்களைப் போலச் செயல்படுவார்கள் என எதிர்பார்க்கலாம். இது ஒரு விரும்பத்தகாத சிறிய முரண்பாட்டை உருவாக்குகிறது:

செயற்கை நுண்ணறிவைச் சிறப்பாக மேற்பார்வையிட உங்களுக்கு அனுபவம் தேவை, ஆனால் அனுபவத்தைப் பெறுவதற்கு ஆரம்பநிலை பணிகள் அவசியம்.

இதன் அர்த்தம் ஆரம்பநிலையாளர்கள் தோல்வியடைந்து விடுவார்கள் என்பதல்ல. ஆரம்பநிலையாளர்கள் வித்தியாசமான முறையில் கற்க வேண்டும் என்பதே இதன் அர்த்தம்.

செயற்கை நுண்ணறிவைத் தூண்டி, குறியீடுகளை அப்படியே ஒட்டும் ஒரு தொடக்கநிலையாளர் சிக்கலில் இருக்கிறார். திட்டமிட்ட பயிற்சியை விரைவுபடுத்த செயற்கை நுண்ணறிவைப் பயன்படுத்தும் ஒரு தொடக்கநிலையாளர் மிகவும் வலிமைமிக்கவராக ஆக முடியும்.

தொடக்கநிலையாளர்களுக்கான சிறந்த பழக்கவழக்கங்களில் இப்போது அடங்குபவை:

• செயற்கை நுண்ணறிவிடம் பதில்களை மட்டும் கேட்காதீர்கள், விளக்கங்களையும் கேளுங்கள்.

• உருவாக்கப்பட்ட குறியீட்டை கைமுறையாக மீண்டும் எழுதவும்.

• வேண்டுமென்றே நிரலைச் சிதைத்து, அதைச் சரிசெய்யுங்கள்.

• இரண்டு தீர்வுகளை ஒப்பிட்டு, அவற்றின் சாதக பாதகங்களை விளக்கவும்.

• பயிற்சி வகுப்பு நிலைக்குச் சற்றே அப்பாற்பட்ட செயல்திட்டங்களை உருவாக்குங்கள்.

• பிழைதிருத்தும் கருவிகளை முன்கூட்டியே கற்றுக்கொள்ளுங்கள்.

• ஆம், அது வேதனையளித்தாலும் ஆவணங்களைப் படியுங்கள்.

• சில சமயங்களில் AI இல்லாமல் பயிற்சி செய்யுங்கள், உதாரணமாக கணுக்கால் எடைகளுடன் பயிற்சி செய்வது.

• பிழைகளையும் அவை எதனால் ஏற்பட்டன என்பதையும் ஒரு “தவறுகள் குறிப்பேட்டில்” குறித்து வைக்கவும்.

சிறந்த தொடக்கநிலையாளர்கள் என்பவர்கள் செயற்கை நுண்ணறிவைத் தவிர்ப்பவர்களாக இருக்க மாட்டார்கள். மாறாக, அதற்கு அடிமையாகாமல் அதைப் பயன்படுத்துபவர்களாகவே இருப்பார்கள்; இது சற்றே முதிர்ச்சியானதாகத் தோன்றினாலும், துல்லியமானதாகும்.

8. கணினி அறிவியல் அடிப்படைகள் ஏன் மதிப்பு குறையாமல், மேலும் கூடுகின்றன 🧠

இதில்தான் ஒரு திருப்பம் உள்ளது: செயற்கை நுண்ணறிவு, கணினி அறிவியலின் அடிப்படைகளை மேலும் முக்கியமானதாக மாற்றக்கூடும்.

நிரலை உருவாக்குவது மலிவாகும்போது, ​​பகுத்தறியும் திறன் என்பது அரிதான திறமையாகிவிடுகிறது.

இரண்டு பேர் ஒரே AI கோடிங் உதவியாளரைப் பயன்படுத்துவதைக் கற்பனை செய்து பாருங்கள்.

நபர் A கூறுகிறார்: “எனக்கு ஒரு செயலியை உருவாக்கித் தாருங்கள்.”

நபர் B கூறுகிறார்: “அங்கீகாரம், வணிகத் தர்க்கம் மற்றும் நிலைத்தன்மை ஆகியவற்றுக்கு இடையே தெளிவான பிரிவினையுடன் ஒரு குறைந்தபட்ச API-ஐ உருவாக்கவும். உள்ளீட்டுச் சரிபார்ப்பைப் பயன்படுத்தவும், விளிம்புநிலைச் சூழல்களில் சோதனைகளைச் சேர்க்கவும், குறியீட்டில் இரகசியங்களைச் சேமிப்பதைத் தவிர்க்கவும், மேலும் தேடல் செயல்பாட்டின் சிக்கலான தன்மையை விளக்கவும்.”

அதே கருவி. மிகவும் மாறுபட்ட வெளியீடு.

வேறுபாடு தட்டச்சு வேகத்தில் இல்லை. அது புரிந்துகொள்ளும் திறனில் உள்ளது.

கணினி அறிவியல் அடிப்படைகள் உங்களுக்கு உதவுகின்றன:

• சிறந்த கேள்விகளைக் கேளுங்கள்.

• அபத்தத்தை விரைவாகக் கண்டறியுங்கள்.

• மாதிரி வெளியீட்டை மதிப்பிடுங்கள்.

• பாதுகாப்பான அமைப்புகளை வடிவமைக்கவும்.

• செயல்திறன் சமரசங்களை மேற்கொள்ளுங்கள்.

• அளவுக்கு அதிகமாகக் கட்டுவதைத் தவிர்க்கவும்.

• எளிய நிரல் எப்போது சிறந்தது என்பதை அறிந்து கொள்ளுங்கள்.

• அந்தக் கருவி எதை மறைக்கிறது என்பதைப் புரிந்து கொள்ளுங்கள்.

செயற்கை நுண்ணறிவு என்பது, எல்லாவற்றையும் படித்த, எதையும் மறக்காத, சில சமயங்களில் பொய் சொல்லும், ஒருபோதும் சங்கடப்படாத ஒரு மிக வேகமான பயிற்சியாளரை போன்றது. உதவிகரமானதா? நிச்சயமாக. மேற்பார்வையின்றி பாதுகாப்பானதா? முழுமையாக இல்லை.

அந்த மேற்பார்வையில்தான் கணினி அறிவியல் இயங்குகிறது.

9. புதிய கணினி அறிவியல் தொழில் வழிகாட்டி வரைபடம் 🗺️

பழைய தொழில் வரைபடம் ஏறக்குறைய இதுபோல இருந்தது:

கோடிங் கற்றுக்கொள் → தொடக்கநிலை வேலையில் சேர் → அனுபவம் பெறு → நிபுணத்துவம் பெறு.

புதிய வரைபடம் ஏறக்குறைய இதுபோலத் தெரிகிறது:

கணினி அறிவியலின் அடிப்படைகளைக் கற்றுக்கொள் → செயற்கை நுண்ணறிவுடனும் அது இல்லாமலும் நிரலாக்கம் செய்யக் கற்றுக்கொள் → உண்மையான திட்டங்களை உருவாக்கு → கணினி அமைப்புகளைப் புரிந்துகொள் → நிபுணத்துவம் பெறு → என்றென்றும் மாற்றியமைத்துக் கொண்டே இரு.

சில பகுதிகள் குறிப்பாக மதிப்புமிக்கதாக மாறக்கூடும்:

செயற்கை நுண்ணறிவுப் பொறியியல் மற்றும் பயன்பாட்டு இயந்திரக் கற்றல் 🤖

மாதிரிகளுக்குப் பயிற்சி அளிப்பது மட்டுமல்லாமல், தயாரிப்புகளில் செயற்கை நுண்ணறிவை ஒருங்கிணைத்தல், வெளியீடுகளை மதிப்பீடு செய்தல், மீட்டெடுப்பு அமைப்புகளை நிர்வகித்தல், உட்பொதிவுகளுடன் பணியாற்றுதல், மாதிரி வரம்புகளைக் கையாளுதல் மற்றும் திறமையான பணிப்பாய்வுகளை உருவாக்குதல் ஆகியவையும் இதில் அடங்கும்.

சைபர் பாதுகாப்பு 🔐

செயற்கை நுண்ணறிவால் பாதுகாப்பற்ற குறியீடுகளை விரைவாக எழுத முடியும். தாக்குதல் நடத்துபவர்களும் செயற்கை நுண்ணறிவைப் பயன்படுத்தலாம். இது பாதுகாப்பு குறித்த அறிவின் முக்கியத்துவத்தைக் குறைப்பதற்குப் பதிலாக, அதை மேலும் அதிகரிக்கிறது.

தரவுப் பொறியியல் மற்றும் தரவுத்தளங்கள் 🗄️

செயற்கை நுண்ணறிவு தரவுகளின் அடிப்படையில் இயங்குகிறது, ஆனால் பெரும்பாலான நிறுவனத் தரவுகள் சிக்கலானவை, நகல் எடுக்கப்பட்டவை, முரண்பாடானவை மற்றும் தெளிவற்றவை. நம்பகமான தரவுப் பாதைகளை உருவாக்கக்கூடியவர்கள் தொடர்ந்து மதிப்புமிக்கவர்களாக இருப்பார்கள்.

அமைப்புகள் மற்றும் உள்கட்டமைப்பு ⚙️

கிளவுட் அமைப்புகள், பரவலாக்கப்பட்ட கணினிமுறை, கண்காணிப்புத்தன்மை, தாமதம், விரிவாக்குதல், நம்பகத்தன்மை - இவற்றுள் செயற்கை நுண்ணறிவு உதவக்கூடும், ஆனால் உற்பத்தி அமைப்புகளுக்கு, தோல்வியைப் புரிந்துகொள்ளும் மனிதர்கள் இன்னமும் தேவைப்படுகிறார்கள்.

மனித-கணினி தொடர்பு 🧑💻

செயற்கை நுண்ணறிவு மென்பொருள் இடைமுகங்களின் ஓர் அங்கமாகி வருவதால், புரிந்துகொள்ளக்கூடிய, நம்பகமான, மனிதர்களுக்கு உகந்த அமைப்புகளை வடிவமைப்பது ஒரு முக்கியமான திறமையாகிறது.

தயாரிப்பு சார்ந்த மென்பொருள் பொறியியல் 🧭

தலைசிறந்த பொறியாளர்கள், “இதை நம்மால் உருவாக்க முடியுமா?” என்று மட்டும் கேட்பதில்லை. அவர்கள், “இதை நாம் உருவாக்க வேண்டுமா, யாருக்காக, அப்படி உருவாக்கினால் என்னென்ன பழுதடையும்?” என்றும் கேட்கிறார்கள்

அது நீங்கப் போவதில்லை.

10. மாணவர்கள் தொடர்ந்து கணினி அறிவியல் படிக்க வேண்டுமா? 📚

ஆம் - ஆனால் அவர்கள் அதைத் திறந்த மனதுடன் ஆராய வேண்டும்.

கணினி அறிவியல் இன்றும் ஒரு சக்திவாய்ந்த பட்டப்படிப்பாகவும் திறன் தொகுப்பாகவும் விளங்குகிறது. ஏனெனில், மருத்துவம், நிதி, தளவாடங்கள், பொழுதுபோக்கு, காலநிலை ஆய்வு, கல்வி, உற்பத்தி, ரோபோட்டிக்ஸ், பாதுகாப்பு மற்றும் உலகை அமைதியாக இயக்கும் சாதாரண நிறுவன மென்பொருள் என கணக்கீடு கிட்டத்தட்ட எல்லாத் துறைகளிலும் பரவி வருகிறது. சொல்லப்போனால், ஆடம்பரமற்ற மென்பொருள் நிறைய வருமானம் ஈட்டித் தருகிறது.

ஆனால், மாணவர்கள் கணினி அறிவியலை ஒரு உறுதியான வெற்றி வாய்ப்பாகக் கருதக்கூடாது. அது, “ஒரு மொழியைக் கற்றுக்கொள், சம்பளம் வாங்கு” என்பதல்ல. ஒருவேளை அது ஒருபோதும் அப்படி இருந்ததில்லை, ஆனால் அந்தக் கட்டுக்கதை நீண்ட விடுமுறையைக் கழித்திருந்தது.

மாணவர்கள் பின்வருவனவற்றில் கவனம் செலுத்த வேண்டும்:

• வெறும் வகுப்புப் பணிகளை அல்ல, உண்மையான செயல்திட்டங்களை உருவாக்குதல்.

• ஒரு மொழியை ஆழமாகக் கற்றுக்கொள்வது, பின்னர் மற்ற மொழிகளை நடைமுறைக்கு ஏற்றவாறு கற்றுக்கொள்வது.

• நேர்காணல் தந்திரங்களுக்கு அப்பாற்பட்டு தரவுக் கட்டமைப்புகளையும் நெறிமுறைகளையும் புரிந்துகொள்ளுதல்.

• லினக்ஸ், கிட், ஏபிஐகள், தரவுத்தளங்கள் மற்றும் சோதனை ஆகியவற்றில் பரிச்சயம் பெறுதல்.

• செயற்கை நுண்ணறிவு கருவிகளை தினமும், ஆனால் விமர்சன ரீதியாகப் பயன்படுத்துதல்.

• உருவாக்கப்பட்ட குறியீட்டை வரி வரியாகப் படித்தல்.

• தகவல் தொடர்பைப் பயிற்சி செய்தல்.

• பதற்றமடையாத அளவுக்குக் கணிதம் கற்றுக்கொள்வது.

• வெறும் ஸ்கிரீன்ஷாட்களை மட்டுமல்லாமல், பகுத்தறியும் திறனையும் வெளிப்படுத்தும் ஒரு போர்ட்ஃபோலியோவை உருவாக்குதல்.

தனது முடிவுகளைத் தெளிவாக விளக்கக்கூடிய ஒரு கணினி அறிவியல் மாணவர் தனித்துத் தெரிவார். "இதைச் செயற்கை நுண்ணறிவு எழுதியது" என்று கூறிவிட்டுத் தோள்களைக் குலுக்கும் ஒரு மாணவரா? அவ்வளவு சிறந்தவர் அல்ல.

11. நிறுவனங்கள் விரும்புவது என்ன 🏢

நிறுவனங்கள் நிரலாளர்களை விட முடிவுகளையே அதிகம் விரும்புகின்றன.

அவர்கள், செயல்படக்கூடிய, விரிவாக்கக்கூடிய, பாதுகாப்பாக இருக்கக்கூடிய, வாடிக்கையாளர்களைத் திருப்திபடுத்தக்கூடிய, செலவுகளைக் குறைக்கக்கூடிய, வருவாயை உருவாக்கக்கூடிய, வழக்குகளைத் தவிர்க்கக்கூடிய, மற்றும் ஒரு செயல்விளக்கம் தொடங்கும் சரியான தருணத்தில் செயலிழக்காத அமைப்புகளை விரும்புகிறார்கள். வருந்தத்தக்க வகையில், இது ஒரு வழக்கமான செயல்விளக்கத்தின் நடத்தைதான்.

செயற்கை நுண்ணறிவு, அந்த விளைவுகள் உருவாக்கப்படும் விதத்தை மாற்றுகிறது. அது சில கைமுறைச் செயலாக்கப் பணிகளின் தேவையைக் குறைக்கக்கூடும். ஆனால், பின்வருவனவற்றை ஒருங்கிணைக்கக்கூடிய மனிதர்களுக்கான தேவையை அது அதிகரிக்கிறது:

• தொழில்நுட்ப ஆழம்.

• துறை சார்ந்த புரிதல்.

• செயற்கை நுண்ணறிவுத் திறன்.

• ஆபத்து குறித்த விழிப்புணர்வு.

• தகவல் தொடர்பு.

• சுவைத்துப் பாருங்கள்.

ரசனை என்பது குறைவாக மதிப்பிடப்படுகிறது. ஒரு நிரல் எப்போது மிகவும் நுட்பமாக இருக்கிறது, ஒரு அமைப்பு எப்போது மிகவும் பலவீனமாக இருக்கிறது, ஒரு வடிவமைப்பு எப்போது மிகவும் சிக்கலாக இருக்கிறது, அல்லது ஒரு தற்காலிகத் தீர்வு எப்போது ஒரு சிறிய தொப்பியை அணிந்த எதிர்காலப் பேரழிவாக மாறுகிறது என்பதை நல்ல பொறியாளர்கள் உணர்ந்துகொள்ளும் திறனை வளர்த்துக் கொள்கிறார்கள். 🎩

செயற்கை நுண்ணறிவால் தேர்வுகளை உருவாக்க முடியும். மனிதர்களுக்கு இன்னும் சுவை தேவைப்படுகிறது.

12. அப்படியானால், கணினி அறிவியலுக்குப் பதிலாக செயற்கை நுண்ணறிவு வருமா? நிறைவுரை 🧾

அப்படியானால், கணினி அறிவியலுக்குப் பதிலாக செயற்கை நுண்ணறிவு வருமா? இல்லை - ஒரு துறையாகவோ, ஒரு சிந்தனை முறையாகவோ, அல்லது நவீன கணினிவியலின் அடித்தளமாகவோ அது வராது.

ஆனால், நிரலாக்கத்தின் சில பகுதிகள் தானியக்கமாக்கப்படும். சில தொடக்க நிலை வேலைகள் மாறும். மேலோட்டமான நிரலாக்கத் திறன்களை மட்டுமே நம்பியிருக்கும் சிலர் நெருக்கடியை உணர்வார்கள். அதுதான் சங்கடமான பகுதி.

செயற்கை நுண்ணறிவைச் சிறப்பாகப் பயன்படுத்தும் அளவுக்குக் கணினி அறிவியலை ஆழமாகப் புரிந்துகொள்பவர்களுக்கே சிறந்த எதிர்காலம் சொந்தம்.

செயற்கை நுண்ணறிவு இதற்குப் பதிலாக வரலாம்:

• சில திரும்பத் திரும்ப வரும் கோடிங்.

• சில அடிப்படைச் செயலாக்கப் பணிகள்.

• குறைந்த சூழல் சார்ந்த பிழைதிருத்தம்.

• சில பயிற்சி வகுப்பு அளவிலான பணிகள்.

• சிலரின் திறன் தொகுப்புகள், அவர்களுக்கு இலக்கண அமைப்பு மட்டுமே தெரியும் என்பதைக் காட்டுகின்றன.

செயற்கை நுண்ணறிவு மாற்றீடு செய்யாது:

• கணக்கீட்டுச் சிந்தனை.

• அமைப்பு வடிவமைப்பு.

• பாதுகாப்பு தீர்ப்பு.

• ஆராய்ச்சிப் படைப்பாற்றல்.

• தயாரிப்பு சார்ந்த பகுத்தறிவு.

• மனிதப் பொறுப்பு.

• மென்பொருள் என்ன செய்ய வேண்டும், ஏன் செய்ய வேண்டும் என்பதைப் புரிந்துகொள்ள வேண்டிய அவசியம்.

‘கணினி அறிவியலுக்குப் பதிலாக செயற்கை நுண்ணறிவு வருமா?’ என்ற கேள்விக்கான உண்மையான பதில் இதுதான்:

செயற்கை நுண்ணறிவால் கணினி அறிவியல் மாற்றமடையும். பலவீனமான, மேலோட்டமான, நகலெடுத்து ஒட்டும் வடிவம் மறைந்து போகலாம். பகுத்தறிவு, அமைப்புமுறைகள், கருத்தியல் மற்றும் கணிப்பு ஆகியவற்றின் அடிப்படையில் கட்டமைக்கப்பட்ட ஆழமான வடிவம், முன்னெப்போதையும் விட அதிக முக்கியத்துவம் பெறுகிறது.

வேறுவிதமாகச் சொன்னால், செயற்கை நுண்ணறிவால் ஒரு செயல்பாட்டை எழுத முடியும் என்பதற்காகக் கணினி அறிவியலைக் கைவிடாதீர்கள்.

கணினி அறிவியலைக் கற்றுக்கொள்ளுங்கள், அப்போதுதான் அந்தச் செயல்பாடு பயனற்றதா இல்லையா என்பதை உங்களால் கண்டறிய முடியும். 🚀

விரைவான பார்வை ✅

செயற்கை நுண்ணறிவு, கணினி அறிவியலுக்கு மாற்றாக அமையாது. அது சில வழக்கமான நிரலாக்கப் பணிகளுக்கு மாற்றாக வந்து, மாணவர்கள் மற்றும் உருவாக்குநர்களுக்கான திறன் தரத்தை உயர்த்தும். அடிப்படைகளைக் கற்றுக்கொள்வது, உண்மையான செயல்திட்டங்களை உருவாக்குவது, செயற்கை நுண்ணறிவை ஒரு கருவியாகப் பயன்படுத்துவது, மற்றும் அது உருவாக்கும் படைப்புகளைச் சரிபார்க்கவும், மேம்படுத்தவும், பொறுப்பேற்கவும் தேவையான பகுத்தறியும் திறனை வளர்த்துக்கொள்வது ஆகியவையே மிகவும் பாதுகாப்பான வழியாகும்.

நிஜ உலக உதாரணம்: ஒரு சிறிய திருப்புதல் திட்டமிடல் செயலியை உருவாக்க செயற்கை நுண்ணறிவைப் பயன்படுத்துதல் 🛠️

சூழ்நிலை

இரண்டாம் ஆண்டு கணினி அறிவியல் மாணவர் ஒருவர், தேர்வுகளுக்காக ஒரு எளிய திருப்புதல் திட்ட வரைவை உருவாக்க விரும்புகிறார் என்று கற்பனை செய்து பாருங்கள். அது ஒன்றும் பெரிய விஷயமல்ல. ஒரு பயனர் பாடப்பிரிவுகள், காலக்கெடு, தலைப்புகள் மற்றும் படிப்பதற்கு உள்ள நேரங்களைச் சேர்த்து, பின்னர் வாராந்திரத் திட்டத்தைப் பெறக்கூடிய ஒரு சிறிய வலைச் செயலி போதுமானது.

மாணவர், ஒரே கட்டளையில் முழுவதையும் உருவாக்குமாறு செயற்கை நுண்ணறிவிடம் கேட்கலாம். அது, ஐந்து நிமிடங்களுக்குப் பிரமாதமாகத் தோற்றமளிக்கும் ஒன்றை உருவாக்கலாம்; ஆனால், காலக்கெடு ஒன்றுடன் ஒன்று மோதும்போதோ, பக்கத்தைப் புதுப்பித்த பிறகு தரவுகள் மறைந்துவிடும்போதோ, அல்லது அட்டவணை அமைதியாக ஒரு செவ்வாய்க்கிழமைக்கு 19 மணிநேரப் படிப்பை ஒதுக்கும்போதோ அது செயலிழந்து போகலாம்.

கணினி அறிவியல் சார்ந்த பகுத்தறிவைப் பயன்படுத்திக்கொண்டே, செயற்கை நுண்ணறிவை ஒரு நிரலாக்க உதவியாளராகப் பயன்படுத்துவதே ஒரு சிறந்த அணுகுமுறையாகும். இதன் நோக்கம், “செயற்கை நுண்ணறிவைக் கொண்டு எனது செயலியை உருவாக்கு” ​​என்பதல்ல. மாறாக, “ஒவ்வொரு வடிவமைப்புத் தேர்வையும் நான் புரிந்துகொள்ளும் அதே வேளையில், விரைவாகச் செயல்பட செயற்கை நுண்ணறிவைப் பயன்படுத்து” என்பதேயாகும்

திட்டத்திற்கு என்ன தேவை

தூண்டுவதற்கு முன், மாணவர் சில அடிப்படைகளை வரையறுக்க வேண்டும்:

• முக்கிய அம்சங்கள்: பாடத்தொகுதிகளைச் சேர்த்தல், தலைப்புகளைச் சேர்த்தல், தேர்வுத் தேதிகளை அமைத்தல், படிப்பதற்கு உள்ள நேரத்தை உள்ளிடுதல், வாராந்திரத் திட்டத்தை உருவாக்குதல்.

• தரவு மாதிரி: தொகுதிகள், தலைப்புகள், காலக்கெடுக்கள், முன்னுரிமைகள், முடிக்கப்பட்ட பணிகள்.

• கட்டுப்பாடுகள்: நள்ளிரவுக்குப் பிறகு படிப்பு அமர்வுகள் இல்லை, ஒரே மாதிரியான தலைப்புகள் இல்லை, பயனர் உள்ளிட்ட நேரத்தை விட அதிக நேரம் திட்டமிடுவதைத் தவிர்க்கவும்.

• தொழில்நுட்பக் கட்டமைப்பு: எடுத்துக்காட்டாக, இடைமுகத்திற்கு ரியாக்ட், ஒரு சிறிய நோட்/எக்ஸ்பிரஸ் ஏபிஐ, மற்றும் முதல் பதிப்பிற்கு எஸ்.கியூ.எல்.லைட் அல்லது உள்ளூர் சேமிப்பகம்.

• சோதனைத் திட்டம்: காலியான உள்ளீடுகள், சாத்தியமற்ற அட்டவணைகள், நகல் தொகுதிகள் மற்றும் தேதி தொடர்பான சிக்கலான நிகழ்வுகளைச் சரிபார்க்கவும்.

• பாதுகாப்பு விதி: மாணவர்களின் தனிப்பட்ட தரவுகள் அடையாளம் மறைக்கப்படாமல், பொது செயற்கை நுண்ணறிவு கருவிக்கு அனுப்பப்படக்கூடாது.

எடுத்துக்காட்டு அறிவுறுத்தல்

ஒரு பலவீனமான தூண்டுதல் இதுவாக இருக்கும்:

எனக்காக ஒரு திருப்புதல் திட்டமிடல் செயலியை உருவாக்கித் தாருங்கள்.

அது, செயற்கை நுண்ணறிவுக்குப் புதிதாகக் கண்டுபிடிக்கவோ, தேவைக்கு அதிகமாக உருவாக்கவோ, அல்லது முக்கியமான விவரங்களைத் தவறவிடவோ அதிக வாய்ப்பை அளிக்கிறது.

இதைவிட வலுவான ஒரு தூண்டுதல் இதுவாக இருக்கும்:

நான் ஒரு கணினி அறிவியல் போர்ட்ஃபோலியோ திட்டப்பணிக்காக ஒரு சிறிய திருப்புதல் திட்டமிடல் செயலியை உருவாக்கி வருகிறேன்.
இதன் ஃப்ரண்ட்எண்டிற்கு ரியாக்டைப் பயன்படுத்தவும், முதல் பதிப்பை எளிமையாக வைத்திருக்கவும்.
பயனரால் ஒரு மாட்யூலைச் சேர்க்கவும், அந்த மாட்யூலின் கீழ் தலைப்புகளைச் சேர்க்கவும், தேர்வுத் தேதியை அமைக்கவும், ஒரு நாளைக்குக் கிடைக்கும் படிப்பு நேரங்களை உள்ளிடவும், மற்றும் ஒரு வாராந்திர திருப்புதல் திட்டத்தை உருவாக்கவும் முடிய வேண்டும்.

இப்போதைக்கு அங்கீகாரச் சரிபார்ப்பை உருவாக்க வேண்டாம்.
முதல் பதிப்பிற்கான தரவுகளை உள்ளூர் சேமிப்பகத்தில் சேமிக்கவும்.
காலியான பாடப்பிரிவுப் பெயர்கள், கடந்த தேர்வுத் தேதிகள், நகல் தலைப்புகள் மற்றும் ஒரு நாளைக்கு 12 மணி நேரத்திற்கு மேலான படிப்பு நேரம் ஆகியவற்றுக்கான உள்ளீட்டுச் சரிபார்ப்பைச் சேர்க்கவும்.

முதலில், தரவு மாதிரி மற்றும் கூறு கட்டமைப்பை முன்மொழியுங்கள்.
நான் கட்டமைப்பை அங்கீகரிக்கும் வரை முழு நிரலையும் எழுத வேண்டாம்.
நன்மை தீமைகளைத் தெளிவான, எளிய மொழியில் விளக்குங்கள்.

இந்தத் தூண்டுதல் சிறப்பாகச் செயல்படுகிறது, ஏனெனில் இது செயற்கை நுண்ணறிவின் வேகத்தைக் குறைக்கிறது. இது குறியீட்டிற்கு முன் வடிவமைப்பைக் கோருகிறது. அங்குதான் கணினி அறிவியல் சார்ந்த கணிப்பு முக்கியத்துவம் பெறத் தொடங்குகிறது.

அதை எப்படி சோதிப்பது

மாணவர்கள், முதலில் செயல்படும் டெமோவை நம்பக்கூடாது. அதை உடைக்க முயற்சிப்பவரைப் போல அவர்கள் அதைச் சோதிக்க வேண்டும், ஏனென்றால் பயனர்கள் நிச்சயமாக அதைச் செய்வார்கள்.

நல்ல சோதனை நிகழ்வுகளில் பின்வருவன அடங்கும்:

• பெயரில்லாத ஒரு தொகுதியைச் சேர்க்கவும்.

• ஒரே தலைப்பை இருமுறை சேர்க்கவும்.

• கடந்த காலத்தில் ஒரு தேர்வு தேதியை நிர்ணயித்துக் கொள்ளுங்கள்.

• ஒவ்வொரு நாளும் படிப்பதற்கு கிடைக்கும் நேரத்தை பூஜ்ஜியம் என உள்ளிடவும்.

• ஒரு நாளைக்கு 20 படிப்பு மணிநேரங்களை உள்ளிடவும்.

• நாளை முடிக்க வேண்டிய ஐந்து தலைப்புகளைச் சேர்த்து, அந்தச் செயலி ஒரு சாத்தியமற்ற திட்டத்தை உருவாக்குகிறதா என்று சரிபார்க்கவும்.

• பக்கத்தைப் புதுப்பித்து, சேமிக்கப்பட்ட தரவுகள் இன்னும் தென்படுகின்றனவா எனச் சரிபார்க்கவும்.

• ஒரு தலைப்பை நிறைவடைந்ததாகக் குறித்து, அட்டவணை சரியாகப் புதுப்பிக்கப்படுகிறதா எனச் சரிபார்க்கவும்.

அவர்கள் அந்தத் தர்க்கத்தை மறுபரிசீலனை செய்யுமாறு செயற்கை நுண்ணறிவிடம் கேட்கலாம்:

இதோ எனது திட்டமிடல் செயல்பாடு. இது நடைமுறைக்கு ஒவ்வாத அல்லது தவறான திருத்தத் திட்டத்தை உருவாக்கக்கூடிய விளிம்புநிலைச் சூழல்களைக் கண்டறியுங்கள். இப்போதைக்கு இதை மீண்டும் எழுத வேண்டாம். முதலில் சிக்கலை விளக்குங்கள், பிறகு நான் சேர்க்க வேண்டிய சோதனைகளைப் பரிந்துரை செய்யுங்கள்.

அது செயற்கை நுண்ணறிவை சிந்தனைக்கு மாற்றாகக் கருதாமல், ஓர் மதிப்பாய்வாளராக மாற்றிவிடுகிறது.

என்ன தவறு நடக்கக்கூடும்?

உருவாக்கப்பட்ட குறியீட்டைப் புரிந்து கொள்ளாமல் நகலெடுப்பதே மிகவும் வெளிப்படையான தவறாகும். செயலி செயல்படுவது போல் தோன்றலாம், ஆனால் ஒரு மாணவரால் நேர்காணலில் அதன் தரவுக் கட்டமைப்பை விளக்கவோ, ஒரு பிழையைச் சரிசெய்யவோ, அல்லது தனது வடிவமைப்புத் தேர்வுகளை நியாயப்படுத்தவோ முடியாமல் போகலாம்.

மற்ற யதார்த்தமான சிக்கல்களில் பின்வருவன அடங்கும்:

• அந்தச் செயற்கை நுண்ணறிவு, கிடைக்கும் நேரங்களைப் புறக்கணிக்கும் ஒரு திட்டமிடல் வழிமுறையை எழுதுகிறது.

• செயலி எல்லாவற்றையும் ஒரே ஒழுங்கற்ற பொருளில் சேமிப்பதால், அதைப் பராமரிப்பது கடினமாகிறது.

• உள்ளீட்டுச் சரிபார்ப்பு இடைமுகத்தில் மட்டுமே நடைபெறுகிறது, அடிப்படைத் தர்க்கத்தில் அல்ல.

• உருவாக்கப்பட்ட நிரலானது, மாணவருக்குப் புரியாத நூலகங்களைப் பயன்படுத்துகிறது.

• செயற்கை நுண்ணறிவு, ஒருபோதும் கோரப்படாத அம்சங்களைக் கண்டுபிடிக்கிறது.

• மாணவர் 'சிறந்த நிரலை' கேட்கிறார், ஆனால் அவருக்குக் கிடைப்பது உண்மையாகவே சிறந்ததல்ல, மாறாக மிகவும் சிக்கலான ஒன்றுதான்.

• இந்தச் செயலியில் சோதனைகள் எதுவும் இல்லை, எனவே ஒவ்வொரு மாற்றமும் திட்டமிடும் கருவியை செயலிழக்கச் செய்யும் அபாயத்தைக் கொண்டுள்ளது.

ஒரு பயனுள்ள விதி இதுதான்: ஒரு மாணவரால் ஒரு செயல்பாட்டை வரிக்கு வரி விளக்க முடியாவிட்டால், அது இன்னும் அவருடைய திட்டப்பணி முழுமையாக ஆகாது.

நடைமுறைப் பாடம்

செயற்கை நுண்ணறிவை மோசமாகப் பயன்படுத்துவதற்கும் சிறப்பாகப் பயன்படுத்துவதற்கும் உள்ள வேறுபாடு இதுதான்.

செயற்கை நுண்ணறிவை தவறாகப் பயன்படுத்துவதாவது, ஒரு முழுமையான செயலியை கேட்டுப் பெற்று, அதன் வெளியீட்டை அப்படியே ஒட்டி, யாரும் அதை உன்னிப்பாக ஆராய மாட்டார்கள் என்று நம்புவதாகும்.

செயற்கை நுண்ணறிவைச் சிறந்த முறையில் பயன்படுத்துவது என்பது, இறுதி நிரல் மாணவரின் வசமே இருக்கும்போதே, அதன் கட்டமைப்பு குறித்து விவாதிப்பது, நன்மை தீமைகளை ஒப்பிடுவது, வரைவுகளை உருவாக்குவது, சோதனைகளைப் பரிந்துரைப்பது மற்றும் சிக்கலான சூழல்களை மதிப்பாய்வு செய்வது போன்றவற்றைச் செய்வதாகும்.

அதனால்தான் கணினி அறிவியல் இன்றும் முக்கியத்துவம் வாய்ந்ததாக இருக்கிறது. திருப்புதல் திட்ட வரைவை வேகமாக உருவாக்க செயற்கை நுண்ணறிவு உதவக்கூடும், ஆனால் அந்தத் திட்ட வரைவு சரியானதா, பராமரிக்கக்கூடியதா, சோதிக்கக்கூடியதா, மற்றும் யாருக்கும் காண்பிக்கத் தகுதியானதா என்பதைத் தீர்மானிக்க மாணவருக்குக் கணினி அறிவியல் அறிவு தேவைப்படுகிறது.

அடிக்கடி கேட்கப்படும் கேள்விகள்

எதிர்காலத்தில் கணினி அறிவியலுக்குப் பதிலாக செயற்கை நுண்ணறிவு வருமா?

கணினி அறிவியலுக்குப் பதிலாக செயற்கை நுண்ணறிவு ஒரு துறையாக வராது. செயற்கை நுண்ணறிவால் சில நிரலாக்கப் பணிகளைத் தானியக்கமாக்கவும், வரைவுகளை உருவாக்கவும், பிழைகளை விளக்கவும், வழக்கமான பணிகளை வேகப்படுத்தவும் முடியும். ஆனால் கணினி அறிவியலில் அமைப்புமுறைகள், நெறிமுறைகள், பாதுகாப்பு, தரவு, கட்டமைப்பு, கோட்பாடு மற்றும் பகுத்தறிவு ஆகியவையும் அடங்கும். அந்தத் துறைகளுக்கு, தெளிவாகப் பகுத்தறியவும், முடிவுகளைச் சரிபார்க்கவும், ஒரு மென்பொருள் என்ன செய்ய வேண்டும் என்பதைப் புரிந்துகொள்ளவும் கூடிய நபர்கள் இன்னமும் தேவைப்படுகிறார்கள்.

கணினி அறிவியல் பணியின் எந்தெந்தப் பகுதிகளைச் செயற்கை நுண்ணறிவால் தானியக்கமாக்க முடியும்?

மீண்டும் மீண்டும் செய்யப்படும், நன்கு வரையறுக்கப்பட்ட பணிகளில் செயற்கை நுண்ணறிவு மிகவும் திறம்படச் செயல்படுகிறது. இது வார்ப்புருக் குறியீடு, எளிய ஸ்கிரிப்டுகள், அடிப்படைச் சோதனைகள், ஆவண வரைவுகள், தொடரியல் மொழிபெயர்ப்பு, வழக்கமான கோவைகள் மற்றும் விரைவான முன்மாதிரிகள் ஆகியவற்றிற்கு உதவக்கூடும். இவை உண்மையான உற்பத்தித்திறன் ஆதாயங்கள் ஆகும். இருப்பினும், ஒரு மனிதர் வெளியீட்டை மதிப்பாய்வு செய்து, சூழலைப் புரிந்துகொண்டு, உருவாக்கப்பட்ட தீர்வு பாதுகாப்பானதா மற்றும் பொருத்தமானதா என்பதைத் தீர்மானிக்க முடிந்தால், தானியக்கம் மிகச் சிறப்பாகச் செயல்படும்.

செயற்கை நுண்ணறிவு ஏன் கணினி அறிவியல் வேலைகளை முழுமையாக மாற்றிவிடாது?

செயற்கை நுண்ணறிவால் நிரல்களை உருவாக்க முடியும், ஆனால் அதன் விளைவுகளுக்கு அது உறுதியாகப் பொறுப்பேற்பதில்லை. மென்பொருள் பணியில் தெளிவற்ற தேவைகள், வணிக விதிகள், பயனர்கள், பாதுகாப்பு அபாயங்கள், உற்பத்திப் பிழைகள், செயல்திறன் சமரசங்கள் மற்றும் நீண்ட காலப் பராமரிப்பு ஆகியவை அடங்கியுள்ளன. அமைப்புகளை வடிவமைக்கவும், சிக்கலான பிரச்சனைகளைச் சரிசெய்யவும், தெளிவாகத் தொடர்புகொள்ளவும், ஏதேனும் பழுதடையும்போது பொறுப்பேற்கவும் திறன் கொண்ட மனிதர்கள் நிறுவனங்களுக்கு இன்றும் தேவைப்படுகிறார்கள். செயற்கை நுண்ணறிவு பணிகளுக்கு உதவுகிறது, முழுமையான தொழில்முறை முடிவெடுக்கும் திறனை அல்ல.

செயற்கை நுண்ணறிவு தொடக்க நிலை கணினி அறிவியல் வேலைகளை எவ்வாறு மாற்றுகிறது?

செயற்கை நுண்ணறிவு (AI), தொடக்கநிலை நிரலாக்கப் பணிகளில் சிலவற்றைத் தானியக்கமாக்குவதை எளிதாக்கக்கூடும், இது இளநிலை வேலைகளுக்கான தகுதியை உயர்த்தும். ஒருவரால் நிரல் எழுத முடியுமா என்று மட்டும் கேட்பதற்குப் பதிலாக, தொடக்கநிலையாளர்கள் செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்துவார்கள், உருவாக்கப்பட்ட நிரலை மதிப்பாய்வு செய்வார்கள், தவறுகளைக் கண்டறிவார்கள், நன்மை தீமைகளை விளக்குவார்கள், மற்றும் முறையாகச் சோதிப்பார்கள் என்று வேலையளிப்பவர்கள் எதிர்பார்க்கலாம். இது, மாணவர்கள் மற்றும் புதிய மென்பொருள் உருவாக்குநர்களுக்கு அடிப்படைகளையும் திட்டமிட்ட பயிற்சியையும் மேலும் முக்கியமானதாக ஆக்குகிறது.

செயற்கை நுண்ணறிவு காரணமாக மாணவர்கள் இன்னும் கணினி அறிவியலைப் படிக்க வேண்டுமா?

ஆம், மாணவர்கள் கணினி அறிவியலைத் தொடர்ந்து படிக்க வேண்டும், ஆனால் யதார்த்தமான எதிர்பார்ப்புகளுடன். அதை வேலைக்கான ஒரு உறுதியான குறுக்கு வழியாகக் கருதக்கூடாது. மாணவர்களுக்கு அடிப்படைகள், உண்மையான செயல்திட்டங்கள், பிழைதிருத்தும் திறன்கள், Git, தரவுத்தளங்கள், சோதனை, தகவல் தொடர்பு மற்றும் செயற்கை நுண்ணறிவு அறிவு ஆகியவை தேவை. இதன் நோக்கம், குறியீட்டை வேகமாக உருவாக்குவது மட்டுமல்ல, அதை மேம்படுத்தவும் பாதுகாக்கவும் போதுமான அளவு ஆழமாகப் புரிந்துகொள்வதாகும்.

ஆரம்பநிலையாளர்கள் செயற்கை நுண்ணறிவைச் சார்ந்திருக்காமல் அதை எப்படிப் பயன்படுத்தலாம்?

ஆரம்பநிலையாளர்கள் செயற்கை நுண்ணறிவை (AI) வெறும் பதிலளிக்கும் இயந்திரமாக மட்டும் கருதாமல், ஒரு பயிற்றுவிப்பாளராகவும் பயிற்சித் துணையாகவும் பயன்படுத்த வேண்டும். விளக்கங்களைக் கேட்பது, உருவாக்கப்பட்ட நிரல்களைக் கைமுறையாக மீண்டும் எழுதுவது, வேண்டுமென்றே நிரல்களைச் செயலிழக்கச் செய்வது, தீர்வுகளை ஒப்பிடுவது, மற்றும் சில நேரங்களில் செயற்கை நுண்ணறிவின்றிப் பிழைதிருத்தம் செய்வது போன்றவை ஒரு சிறந்த அணுகுமுறையாகும். ஆவணங்களைப் படிப்பதும், தவறுகளைக் கண்காணிப்பதும் கூட உதவும். செயல்படும் நிரல் துணுக்குகளைச் சேகரிப்பது மட்டுமல்லாமல், புரிதலை உருவாக்குவதே முக்கியமாகும்.

செயற்கை நுண்ணறிவுக்கு கணினி அறிவியல் அடிப்படைகள் ஏன் அதிக முக்கியத்துவம் வாய்ந்தவை?

செயற்கை நுண்ணறிவு குறியீட்டை உருவாக்குவதை எளிதாக்கும்போது, ​​முடிவெடுக்கும் திறன் அதிக மதிப்புமிக்கதாகிறது. அடிப்படைகள், மக்கள் சிறந்த கேள்விகளைக் கேட்கவும், பலவீனமான தீர்வுகளைக் கண்டறியவும், செயல்திறனைப் புரிந்துகொள்ளவும், கட்டமைப்பை மதிப்பீடு செய்யவும், மற்றும் பாதுகாப்புச் சிக்கல்களைக் கவனிக்கவும் உதவுகின்றன. இருவர் ஒரே செயற்கை நுண்ணறிவு கருவியைப் பயன்படுத்தினாலும், அவர்களின் அறிவைப் பொறுத்து மிகவும் மாறுபட்ட முடிவுகளைப் பெறலாம். வலுவான கணினி அறிவியல் அடித்தளங்கள், அந்தக் கருவியை மிகவும் திறம்படச் செயல்பட வைப்பதோடு, அதன் அபாயங்களையும் குறைக்கின்றன.

பல்கலைக்கழகங்களில் கணினி அறிவியலுக்குப் பதிலாக செயற்கை நுண்ணறிவு இடம்பெறுமா?

செயற்கை நுண்ணறிவு (AI) இருப்பதால், பல்கலைக்கழகங்களிலிருந்து கணினி அறிவியல் மறைந்துவிடாது. மாறாக, நிரலாக்கம், நெறிமுறைகள், தரவுக் கட்டமைப்புகள், அமைப்புகள், தரவுத்தளங்கள், கோட்பாடு மற்றும் மென்பொருள் பொறியியல் ஆகியவற்றைக் கற்பிக்கும் அதே வேளையில், கல்வியானது செயற்கை நுண்ணறிவை இன்னும் நேரடியாக உள்ளடக்க வேண்டும். செயற்கை நுண்ணறிவு ஒரு பயிற்றுவிப்பாளராகவோ அல்லது நிரலாக்க உதவியாளராகவோ செயல்பட முடியும், ஆனாலும் அமைப்புகள் எவ்வாறு செயல்படுகின்றன என்பதையும், உருவாக்கப்பட்ட பதில்களை எவ்வாறு மதிப்பிடுவது என்பதையும் மாணவர்கள் கற்றுக்கொள்ள வேண்டும்.

செயற்கை நுண்ணறிவு தானியக்கத்திலிருந்து எந்தக் கணினி அறிவியல் திறன்கள் மிகவும் பாதுகாப்பானவை?

சூழல், பகுத்தறிவு மற்றும் பொறுப்புணர்வு ஆகியவற்றை உள்ளடக்கிய திறன்களை முழுமையாகத் தானியக்கமாக்குவது கடினம். அமைப்பு வடிவமைப்பு, இணையப் பாதுகாப்பு, உற்பத்திப் பிழைதிருத்தம், கட்டமைப்பு, செயல்திறன் சீரமைப்பு, தயாரிப்புப் பகுத்தறிவு, மனித-கணினி இடைச்செயல், தரவுப் பொறியியல், உள்கட்டமைப்பு மற்றும் ஆராய்ச்சி அளவிலான சிக்கல் வரையறை ஆகியவை இவற்றில் அடங்கும். செயற்கை நுண்ணறிவு இந்தத் துறைகளில் உதவ முடியும், ஆனால் நன்மை தீமைகளை எடைபோட்டு, சுயமாக முடிவெடுக்கும் மனிதனின் திறனை அதனால் பொதுவாக மாற்றிவிட முடியாது.

செயற்கை நுண்ணறிவுடன் கணினி அறிவியல் பணிகளுக்குத் தயாராவதற்கான சிறந்த வழி என்ன?

அடிப்படைகளை நடைமுறை செயற்கை நுண்ணறிவுத் திறனுடன் இணைப்பதே மிகச் சிறந்த வழியாகும். ஒரு நிரலாக்க மொழியை ஆழமாகக் கற்றுக்கொள்ளுங்கள், உண்மையான திட்டங்களை உருவாக்குங்கள், நெறிமுறைகளையும் அமைப்புகளையும் புரிந்து கொள்ளுங்கள், சோதனை மற்றும் பிழைதிருத்தத்தைப் பயிற்சி செய்யுங்கள், மேலும் செயற்கை நுண்ணறிவு கருவிகளை விமர்சன ரீதியாகப் பயன்படுத்துங்கள். உருவாக்கப்பட்ட குறியீட்டை வரிக்கு வரி படித்து, வடிவமைப்புத் தேர்வுகளை விளக்கத் தயாராக இருங்கள். முடிவுகளை உருவாக்கவும், அபாயங்களைப் புரிந்து கொள்ளவும் கூடிய நபர்களை வேலையளிப்பவர்கள் மதிப்பார்கள்.

குறிப்புகள்

1. அமெரிக்க தொழிலாளர் புள்ளிவிவரப் பணியகம் - கணினி மற்றும் தகவல் தொழில்நுட்பத் தொழில்கள் - bls.gov

2. கணினி இயந்திரங்களுக்கான சங்கம் - CS2023 பாடத்திட்ட வழிகாட்டுதல்கள் - acm.org

3. CSET, ஜார்ஜ்டவுன் பல்கலைக்கழகம் - செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீட்டின் இணையப் பாதுகாப்பு அபாயங்கள் - cset.georgetown.edu

4. ஆந்த்ரோபிக் - செயற்கை நுண்ணறிவு உழைப்பு வெளிப்பாடு - anthropic.com

5. ஸ்டாக் ஓவர்ஃப்ளோ - AI குறியீட்டுக் கருவிகள் - survey.stackoverflow.co

6. AAAI - ஒருங்கிணைந்த செயற்கை நுண்ணறிவு பரந்த அளவில் - ojs.aaai.org

7. OWASP ஏமாற்றுத் தாள் தொடர் - AI முகவர் பாதுகாப்பு ஏமாற்றுத் தாள் - cheatsheetseries.owasp.org

அதிகாரப்பூர்வ AI உதவியாளர் கடையில் சமீபத்திய AI ஐக் கண்டறியவும்

எங்களை பற்றி