மனித தலையீடு இல்லாமல் ஜெனரேட்டிவ் AI-ஐ என்ன செய்ய முடியும்?

நிர்வாகச் சுருக்கம்

இயந்திரங்கள் உரை, படங்கள், குறியீடு மற்றும் பலவற்றை உருவாக்க உதவும் தொழில்நுட்பமான உருவாக்க செயற்கை நுண்ணறிவு (AI), சமீபத்திய ஆண்டுகளில் அபரிமிதமான வளர்ச்சியைப் பெற்றுள்ளது. இந்த ஆய்வறிக்கை, மனிதத் தலையீடு இல்லாமல் உருவாக்க செயற்கை நுண்ணறிவால் நம்பகத்தன்மையுடன் செய்ய முடியும் என்பதையும், அடுத்த பத்தாண்டுகளில் அது என்ன செய்யும் என்று எதிர்பார்க்கப்படுகிறது என்பதையும் எளிதில் புரிந்துகொள்ளக்கூடிய வகையில் ஒரு கண்ணோட்டத்தை வழங்குகிறது. எழுத்து, கலை, குறியீடாக்கம், வாடிக்கையாளர் சேவை, சுகாதாரம், கல்வி, தளவாடங்கள் மற்றும் நிதி ஆகிய துறைகளில் அதன் பயன்பாட்டை நாங்கள் ஆய்வு செய்கிறோம்; இதில், செயற்கை நுண்ணறிவு எங்கு தன்னிச்சையாகச் செயல்படுகிறது மற்றும் எங்கு மனித மேற்பார்வை இன்றியமையாததாக உள்ளது என்பதை எடுத்துக்காட்டுகிறோம். அதன் வெற்றிகள் மற்றும் வரம்புகள் இரண்டையும் விளக்குவதற்காக நிஜ உலக எடுத்துக்காட்டுகள் சேர்க்கப்பட்டுள்ளன. முக்கியக் கண்டுபிடிப்புகள் பின்வருமாறு:

• பரவலான பயன்பாடு: 2024-ல், கணக்கெடுக்கப்பட்ட நிறுவனங்களில் 65% நிறுவனங்கள் ஜெனரேட்டிவ் ஏஐ-ஐத் தவறாமல் பயன்படுத்துவதாகத் தெரிவிக்கின்றன – இது முந்தைய ஆண்டின் பங்கை விட கிட்டத்தட்ட இருமடங்கு ஆகும் (2024-ன் தொடக்கத்தில் ஏஐ-யின் நிலை | மெக்கின்சி). இதன் பயன்பாடுகள் சந்தைப்படுத்தல் உள்ளடக்க உருவாக்கம், வாடிக்கையாளர் ஆதரவு சாட்பாட்கள், குறியீடு உருவாக்கம் மற்றும் பலவற்றை உள்ளடக்கியுள்ளன.

• தற்போதைய தன்னாட்சித் திறன்கள்: இன்றைய உருவாக்கச் செயற்கை நுண்ணறிவு, கட்டமைக்கப்பட்ட, திரும்பத் திரும்பச் செய்யப்படும் பணிகளை . சூத்திர அடிப்படையிலான செய்தி அறிக்கைகளை (எ.கா. பெருநிறுவன வருவாய் சுருக்கங்கள்) தானாக உருவாக்குதல் (ஃபிலானா பேட்டர்சன் – ONA சமூக சுயவிவரம்), மின்வணிகத் தளங்களில் தயாரிப்பு விளக்கங்கள் மற்றும் மதிப்புரைகளின் சிறப்பம்சங்களை உருவாக்குதல், மற்றும் குறியீட்டைத் தானாகவே பூர்த்தி செய்தல் ஆகியவை இதற்கு எடுத்துக்காட்டுகளாகும். இந்தத் துறைகளில், வழக்கமான உள்ளடக்க உருவாக்கப் பணிகளை செயற்கை நுண்ணறிவு ஏற்றுக்கொள்வதன் மூலம், அது பெரும்பாலும் மனிதப் பணியாளர்களுக்குத் துணைபுரிகிறது.

• சிக்கலான பணிகளுக்கான மனித மேற்பார்வை: படைப்பு எழுத்து, விரிவான பகுப்பாய்வு அல்லது மருத்துவ ஆலோசனை போன்ற மிகவும் சிக்கலான அல்லது வரையறுக்கப்படாத பணிகளுக்கு, உண்மைத் துல்லியம், நெறிமுறை சார்ந்த முடிவு மற்றும் தரம் ஆகியவற்றை உறுதிப்படுத்த பொதுவாக மனித மேற்பார்வை தேவைப்படுகிறது. இன்று பல செயற்கை நுண்ணறிவுப் பயன்பாடுகள், செயற்கை நுண்ணறிவு உள்ளடக்கத்தை வரைவு செய்ய, மனிதர்கள் அதை மதிப்பாய்வு செய்யும் 'மனித மேற்பார்வை' மாதிரியைப் பயன்படுத்துகின்றன.

• அண்மைக்கால மேம்பாடுகள்: அடுத்த 5–10 ஆண்டுகளில், உருவாக்கும் செயற்கை நுண்ணறிவு (generative AI) மிகவும் நம்பகமானதாகவும் தன்னாட்சி கொண்டதாகவும். மாதிரித் துல்லியம் மற்றும் பாதுகாப்பு வழிமுறைகளில் ஏற்படும் முன்னேற்றங்கள், குறைந்தபட்ச மனித உள்ளீட்டுடன், படைப்பு மற்றும் முடிவெடுக்கும் பணிகளில் ஒரு பெரிய பங்கை செயற்கை நுண்ணறிவு கையாள அனுமதிக்கலாம். உதாரணமாக, 2030-ஆம் ஆண்டளவில், பெரும்பாலான வாடிக்கையாளர் சேவைத் தொடர்புகளையும் முடிவுகளையும் செயற்கை நுண்ணறிவு நிகழ்நேரத்தில் கையாளும் என்று வல்லுநர்கள் கணிக்கின்றனர் (வாடிக்கையாளர் அனுபவத்திற்கான மாற்றத்தை மறுபரிசீலனை செய்ய, சந்தைப்படுத்துபவர்கள் இந்த 2 விஷயங்களைச் செய்ய வேண்டும்), மேலும் ஒரு பெரிய திரைப்படம் 90% செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட உள்ளடக்கத்துடன் தயாரிக்கப்படலாம் (தொழில்துறைகள் மற்றும் நிறுவனங்களுக்கான உருவாக்கும் செயற்கை நுண்ணறிவின் பயன்பாட்டு நிகழ்வுகள்).

• 2035 ஆம் ஆண்டுக்குள்: ஒரு தசாப்தத்தில், தன்னாட்சி AI முகவர்கள் பொதுவானவர்களாக இருப்பார்கள் என்று நாங்கள் எதிர்பார்க்கிறோம். AI ஆசிரியர்கள் தனிப்பயனாக்கப்பட்ட கல்வியை அளவில் வழங்க முடியும், AI உதவியாளர்கள் நிபுணர் கையொப்பத்திற்காக சட்ட ஒப்பந்தங்கள் அல்லது மருத்துவ அறிக்கைகளை நம்பகத்தன்மையுடன் வரையலாம், மேலும் சுய-ஓட்டுநர் அமைப்புகள் (ஜெனரேட்டிவ் சிமுலேஷன் மூலம் உதவுகின்றன) தளவாட செயல்பாடுகளை இறுதி முதல் இறுதி வரை இயக்கக்கூடும். இருப்பினும், சில உணர்திறன் வாய்ந்த பகுதிகள் (எ.கா. அதிக பங்கு மருத்துவ நோயறிதல்கள், இறுதி சட்ட முடிவுகள்) பாதுகாப்பு மற்றும் பொறுப்புக்கூறலுக்கு மனித தீர்ப்பு இன்னும் தேவைப்படும்.

• நெறிமுறை மற்றும் நம்பகத்தன்மை குறித்த கவலைகள்: செயற்கை நுண்ணறிவின் தன்னாட்சி வளரும்போது, ​​அது குறித்த கவலைகளும் அதிகரிக்கின்றன. இன்றைய சிக்கல்களில் மாயத்தோற்றம் (செயற்கை நுண்ணறிவு உண்மைகளைத் திரித்துக்கூறுவது), உருவாக்கப்படும் உள்ளடக்கத்தில் உள்ள சார்புநிலை, வெளிப்படைத்தன்மை இல்லாமை, மற்றும் தவறான தகவல்களைப் பரப்புவதற்காக அதனைத் தவறாகப் பயன்படுத்தும் சாத்தியம் ஆகியவை அடங்கும். மேற்பார்வையின்றிச் செயல்படும்போது செயற்கை நுண்ணறிவை நம்புவதை மிக முக்கியமானது. முன்னேற்றம் ஏற்பட்டு வருகிறது – உதாரணமாக, நிறுவனங்கள் இடர் தணிப்பில் (துல்லியம், இணையப் பாதுகாப்பு, அறிவுசார் சொத்துரிமைச் சிக்கல்களைக் கையாளுதல்) அதிக முதலீடு செய்கின்றன (செயற்கை நுண்ணறிவின் நிலை: உலகளாவிய ஆய்வு | மெக்கின்சி) – ஆனால், வலுவான நிர்வாக மற்றும் நெறிமுறைக் கட்டமைப்புகள் தேவைப்படுகின்றன.

• இந்தக் கட்டுரையின் கட்டமைப்பு: உருவாக்கச் செயற்கை நுண்ணறிவு (generative AI) மற்றும் அதன் தன்னாட்சிப் பயன்பாடுகள் (autonomous applications) மற்றும் மேற்பார்வையிடப்பட்ட பயன்பாடுகள் (supervised applications) குறித்த ஒரு அறிமுகத்துடன் நாங்கள் தொடங்குகிறோம். பின்னர், ஒவ்வொரு முக்கியத் துறைக்கும் (எழுத்து, கலை, நிரலாக்கம் போன்றவை), இன்று செயற்கை நுண்ணறிவால் நம்பகத்தன்மையுடன் என்ன செய்ய முடியும் என்பதையும், எதிர்காலத்தில் என்ன வரவிருக்கிறது என்பதையும் விவாதிக்கிறோம். இக்கட்டுரையின் இறுதியில், பொதுவான சவால்கள், எதிர்காலக் கணிப்புகள் மற்றும் உருவாக்கச் செயற்கை நுண்ணறிவைப் பொறுப்புடன் பயன்படுத்துவதற்கான பரிந்துரைகளுடன் இக்கட்டுரை நிறைவடைகிறது.

ஒட்டுமொத்தமாக, ஜெனரேட்டிவ் AI, நிலையான மனித வழிகாட்டுதல் இல்லாமல் ஆச்சரியப்படத்தக்க பணிகளைக் கையாளும் திறன் கொண்டது என்பதை ஏற்கனவே நிரூபித்துள்ளது. அதன் தற்போதைய வரம்புகள் மற்றும் எதிர்கால ஆற்றலைப் புரிந்துகொள்வதன் மூலம், AI வெறும் ஒரு கருவியாக மட்டுமல்லாமல், வேலை மற்றும் படைப்பாற்றலில் தன்னாட்சி ஒத்துழைப்பாளராகவும் இருக்கும் ஒரு சகாப்தத்திற்கு நிறுவனங்களும் பொதுமக்களும் சிறப்பாகத் தயாராக முடியும்.

அறிமுகம்

திறன் பெற்றிருந்தாலும் பகுப்பாய்வு செய்யும் AI அமைப்புகள் சமீபத்தில்தான் கற்றுக்கொண்டுள்ளன எழுதுதல் , படங்களை உருவாக்குதல், மென்பொருள் நிரலாக்கம் மற்றும் பலவற்றைச் செய்ய உருவாக்கத் திறன் கொண்ட AI மாதிரிகள் (உதாரணமாக, உரைக்கான GPT-4 அல்லது படங்களுக்கான DALL·E), தூண்டுதல்களுக்கு ஏற்ப புதுமையான உள்ளடக்கத்தை உருவாக்க, பரந்த தரவுத் தொகுப்புகளில் பயிற்சி அளிக்கப்படுகின்றன. இந்த முன்னேற்றம், பல்வேறு தொழில்துறைகளில் ஒரு புதுமை அலையைத் தூண்டியுள்ளது. இருப்பினும், ஒரு முக்கியமான கேள்வி எழுகிறது: ஒரு மனிதர் அதன் வெளியீட்டை இருமுறை சரிபார்க்காமல், AI தானாகவே என்ன செய்யும் என்று நாம் உண்மையில் நம்ப முடியும்?

இடையே உள்ள வேறுபாட்டை அறிவது முக்கியம் மேற்பார்வையிடப்பட்ட மற்றும் தன்னாட்சிப் பயன்பாடுகளுக்கு

• மனித மேற்பார்வையிடப்பட்ட AI என்பது AI வெளியீடுகள் இறுதி செய்யப்படுவதற்கு முன்பு மக்களால் மதிப்பாய்வு செய்யப்படும் அல்லது நிர்வகிக்கப்படும் சூழ்நிலைகளைக் குறிக்கிறது. எடுத்துக்காட்டாக, ஒரு பத்திரிகையாளர் ஒரு கட்டுரையை வரைவதற்கு AI எழுத்து உதவியாளரைப் பயன்படுத்தலாம், ஆனால் ஒரு ஆசிரியர் அதைத் திருத்தி அங்கீகரிக்கிறார்.

• தன்னியக்க AI (மனித தலையீடு இல்லாத AI) என்பது பணிகளைச் செயல்படுத்தும் அல்லது மனித எடிட்டிங் இல்லாமல் நேரடியாகப் பயன்பாட்டிற்கு வரும் உள்ளடக்கத்தை உருவாக்கும் AI அமைப்புகளைக் குறிக்கிறது. ஒரு மனித முகவர் இல்லாமல் வாடிக்கையாளர் வினவலை தீர்க்கும் தானியங்கி சாட்பாட் அல்லது AI ஆல் உருவாக்கப்பட்ட விளையாட்டு மதிப்பெண் மறுபரிசீலனையை ஒரு செய்தி நிறுவனம் தானாகவே வெளியிடுவது ஒரு எடுத்துக்காட்டு.

உருவாக்கும் செயற்கை நுண்ணறிவு (Generative AI) ஏற்கனவே இரண்டு முறைகளிலும் பயன்படுத்தப்பட்டு வருகிறது. 2023-2025-ல்,நிறுவனங்கள் ஆர்வத்துடன் பரிசோதனை செய்வதால், இதன் பயன்பாடு பன்மடங்கு அதிகரித்துள்ளது. 2024-ல் நடத்தப்பட்ட ஒரு உலகளாவிய கணக்கெடுப்பில், 65% நிறுவனங்கள் உருவாக்கும் செயற்கை நுண்ணறிவைத் தொடர்ந்து பயன்படுத்தி வருவதாகக் கண்டறியப்பட்டது; இது, ஒரு வருடத்திற்கு முன்பு இருந்த மூன்றில் ஒரு பங்கிலிருந்து அதிகரித்துள்ளது (2024-ன் தொடக்கத்தில் செயற்கை நுண்ணறிவின் நிலை | மெக்கின்சி). தனிநபர்களும் ChatGPT போன்ற கருவிகளை ஏற்றுக்கொண்டுள்ளனர் – 2023-ன் நடுப்பகுதியில், மதிப்பிடப்பட்ட 79% தொழில் வல்லுநர்கள் உருவாக்கும் செயற்கை நுண்ணறிவுடன் குறைந்தபட்சம் ஓரளவுக்காவது பரிச்சயம் கொண்டிருந்தனர் (2023-ல் செயற்கை நுண்ணறிவின் நிலை: உருவாக்கும் செயற்கை நுண்ணறிவின் திருப்புமுனை ஆண்டு | மெக்கின்சி). செயல்திறன் மற்றும் படைப்பாற்றல் ஆதாயங்கள் குறித்த நம்பிக்கையால் இந்த விரைவான பயன்பாடு உந்தப்படுகிறது. இருப்பினும், இது இன்னும் "ஆரம்பக் கட்டத்தில்" உள்ளது, மேலும் பல நிறுவனங்கள் செயற்கை நுண்ணறிவை எவ்வாறு பொறுப்புடன் பயன்படுத்துவது என்பது குறித்த கொள்கைகளை இன்னும் வகுத்து வருகின்றன (2023-ல் செயற்கை நுண்ணறிவின் நிலை: உருவாக்கும் செயற்கை நுண்ணறிவின் திருப்புமுனை ஆண்டு | மெக்கின்சி).

தன்னாட்சி ஏன் முக்கியமானது: மனித மேற்பார்வையின்றி செயற்கை நுண்ணறிவைச் செயல்பட அனுமதிப்பது, சலிப்பூட்டும் பணிகளை முழுமையாகத் தானியக்கமாக்குவது போன்ற மிகப்பெரிய செயல்திறன் நன்மைகளைத் தரக்கூடும். ஆனால், அது நம்பகத்தன்மைக்கான சவால்களையும் அதிகரிக்கிறது. ஒரு தன்னாட்சி செயற்கை நுண்ணறிவு முகவர், தவறுகளைக் கண்டறிய நிகழ்நேரத்தில் மனிதர் யாரும் இல்லாததால், எல்லாவற்றையும் சரியாகச் செய்ய வேண்டும் (அல்லது அதன் வரம்புகளை அறிந்திருக்க வேண்டும்). சில பணிகள் மற்றவற்றை விட இதற்கு மிகவும் உகந்தவை. பொதுவாக, செயற்கை நுண்ணறிவு தன்னாட்சியாகச் சிறப்பாகச் செயல்படும்போது:

• இந்தப் பணி தெளிவான அமைப்பு அல்லது வடிவத்தைக் (எ.கா. தரவிலிருந்து வழக்கமான அறிக்கைகளை உருவாக்குதல்).

• பிழைகள் குறைந்த ஆபத்து அல்லது எளிதில் பொறுத்துக்கொள்ளக்கூடியவை (எ.கா. மருத்துவ நோயறிதலுடன் ஒப்பிடும்போது, ​​திருப்தியற்றதாக இருந்தால் நிராகரிக்கக்கூடிய பட உருவாக்கம்).

• இருப்பதால் பயிற்சித் தரவுகள் , செயற்கை நுண்ணறிவின் வெளியீடு உண்மையான எடுத்துக்காட்டுகளை அடிப்படையாகக் கொண்டுள்ளது (இதனால் யூகங்களுக்கு இடமில்லை).

இதற்கு நேர்மாறாக, திறந்தநிலை, அதிக பங்குகள் கொண்டஅல்லது நுணுக்கமான தீர்ப்பு தேவைப்படும் பணிகள் இன்று பூஜ்ஜிய மேற்பார்வைக்கு குறைவாகவே பொருந்துகின்றன.

பின்வரும் பிரிவுகளில், உருவாக்க AI இப்போது என்ன செய்கிறது, அடுத்து என்ன செய்கிறது என்பதைப் பார்க்க பல்வேறு துறைகளை ஆராய்வோம். AI-யால் எழுதப்பட்ட செய்திக் கட்டுரைகள் மற்றும் AI-உருவாக்கப்பட்ட கலைப்படைப்புகள் முதல் குறியீடு எழுதும் உதவியாளர்கள் மற்றும் மெய்நிகர் வாடிக்கையாளர் சேவை முகவர்கள் வரை - AI-யால் எந்தெந்தப் பணிகளை முழுமையாகச் செய்ய முடியும், எதற்கு இன்னும் ஒரு மனிதனின் உதவி தேவை என்பதை எடுத்துக்காட்டும் உறுதியான எடுத்துக்காட்டுகளைப் பார்ப்போம். ஒவ்வொரு டொமைனுக்கும், 2035 ஆம் ஆண்டுக்குள் நம்பகமானதாக இருக்கக்கூடியவற்றின் யதார்த்தமான கணிப்புகளிலிருந்து தற்போதைய திறன்களை (சுமார் 2025) தெளிவாகப் பிரிக்கிறோம்.

பல்வேறு களங்களில் தன்னாட்சி AI இன் நிகழ்காலத்தையும் எதிர்காலத்தையும் வரைபடமாக்குவதன் மூலம், வாசகர்களுக்கு ஒரு சமநிலையான புரிதலை வழங்குவதை நோக்கமாகக் கொண்டுள்ளோம்: AI ஐ மாயாஜாலமாக தவறாதது என்று மிகைப்படுத்தவோ அல்லது அதன் உண்மையான மற்றும் வளர்ந்து வரும் திறன்களை குறைத்து மதிப்பிடவோ கூடாது. இந்த அடித்தளத்துடன், நெறிமுறை பரிசீலனைகள் மற்றும் இடர் மேலாண்மை உள்ளிட்ட மேற்பார்வை இல்லாமல் AI ஐ நம்புவதில் உள்ள முக்கிய சவால்களைப் பற்றி விவாதிப்போம், பின்னர் முக்கிய முடிவுகளை எடுப்பதற்கு முன்.

எழுத்து மற்றும் உள்ளடக்க உருவாக்கத்தில் உருவாக்கும் AI

உருவாக்க AI முதன்முதலில் பிரபலமடைந்த களங்களில் ஒன்று உரை உருவாக்கம் ஆகும். பெரிய மொழி மாதிரிகள் செய்தி கட்டுரைகள் மற்றும் சந்தைப்படுத்தல் நகல் முதல் சமூக ஊடக இடுகைகள் மற்றும் ஆவணங்களின் சுருக்கங்கள் வரை அனைத்தையும் உருவாக்க முடியும். ஆனால் இந்த எழுத்தில் எவ்வளவு பகுதியை மனித ஆசிரியர் இல்லாமல் செய்ய முடியும்?

தற்போதைய திறன்கள் (2025): வழக்கமான உள்ளடக்கத்தை தானாக எழுதுபவராக AI

பல்வேறு வழக்கமான எழுத்துப் பணிகளை , குறைந்தபட்ச அல்லது மனிதத் தலையீடு இல்லாமலேயே,ஃபிலானா பேட்டர்சன் – ONA சமூக சுயவிவரம்). இந்தச் சிறிய செய்தித் துணுக்குகள் ஒரு வார்ப்புருவைப் பின்பற்றுகின்றன (எ.கா., “நிறுவனம் X, Y வருவாயைப் பதிவு செய்துள்ளது, இது Z% அதிகரித்துள்ளது...”). மேலும், செயற்கை நுண்ணறிவு (இயல் மொழி உருவாக்கும் மென்பொருளைப் பயன்படுத்தி), எந்தவொரு மனிதனையும் விட வேகமாக எண்களையும் சொற்களையும் நிரப்ப முடியும். AP-யின் அமைப்பு இந்த அறிக்கைகளைத் தானாகவே வெளியிடுகிறது, இதன் மூலம் மனித எழுத்தாளர்கள் தேவையின்றி, அதன் செய்திக் கவரேஜை வியத்தகு முறையில் (ஒரு காலாண்டிற்கு 3,000-க்கும் மேற்பட்ட செய்திகள்) விரிவுபடுத்துகிறது (தானியங்கு வருவாய் செய்திகள் பெருகுகின்றன | தி அசோசியேட்டட் பிரஸ்).

விளையாட்டு இதழியலும் இதேபோல் மேம்படுத்தப்பட்டுள்ளது: செயற்கை நுண்ணறிவு அமைப்புகளால் விளையாட்டுப் புள்ளிவிவரங்களை எடுத்து, சுருக்கக் கட்டுரைகளை உருவாக்க முடியும். இந்தத் துறைகள் தரவுகளை அடிப்படையாகக் கொண்டவை மற்றும் ஒரு குறிப்பிட்ட சூத்திரத்தின்படி இயங்குவதால், தரவுகள் சரியாக இருக்கும் பட்சத்தில் பிழைகள் ஏற்படுவது அரிது. இத்தகைய சூழல்களில், நாம் உண்மையான தன்னாட்சியைக் – செயற்கை நுண்ணறிவு எழுதுகிறது, அந்த உள்ளடக்கம் உடனடியாக வெளியிடப்படுகிறது.

நிறுவனங்கள், தயாரிப்பு விளக்கங்கள், மின்னஞ்சல் செய்திமடல்கள் மற்றும் பிற சந்தைப்படுத்தல் உள்ளடக்கங்களை உருவாக்குவதற்கும் ஜெனரேட்டிவ் ஏஐ-ஐப் பயன்படுத்துகின்றன. உதாரணமாக, இ-காமர்ஸ் ஜாம்பவானான அமேசான், தயாரிப்புகளுக்கான வாடிக்கையாளர் மதிப்புரைகளைச் சுருக்கிக் கூற இப்போது ஏஐ-ஐப் பயன்படுத்துகிறது. அந்த ஏஐ, பல தனிப்பட்ட மதிப்புரைகளின் உரையை ஸ்கேன் செய்து, ஒரு பொருளைப் பற்றி மக்கள் விரும்பும் அல்லது விரும்பாத விஷயங்களைச் சுருக்கமாகக் குறிப்பிடும் ஒரு பத்தியை உருவாக்குகிறது. இது பின்னர், கைமுறையாகத் திருத்தப்படாமல் தயாரிப்புப் பக்கத்தில் காட்டப்படுகிறது (ஏஐ மூலம் வாடிக்கையாளர் மதிப்புரைகளின் அனுபவத்தை அமேசான் மேம்படுத்துகிறது). ஒரு எடுத்துக்காட்டு கீழே கொடுக்கப்பட்டுள்ளது . இதில், "வாடிக்கையாளர்கள் கூறுவது" என்ற பகுதி, மதிப்புரைத் தரவுகளிலிருந்து முழுவதுமாக ஏஐ-ஆல் உருவாக்கப்பட்டுள்ளது:

(அமேசான் செயற்கை நுண்ணறிவு மூலம் வாடிக்கையாளர் மதிப்புரைகளின் அனுபவத்தை மேம்படுத்துகிறது) ஒரு மின்வணிகத் தயாரிப்புப் பக்கத்தில் செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட மதிப்புரைச் சுருக்கம். அமேசானின் அமைப்பு, பயனர் மதிப்புரைகளிலிருந்து பொதுவான அம்சங்களை (எ.கா., பயன்படுத்த எளிமை, செயல்திறன்) ஒரு சிறிய பத்தியாகச் சுருக்கி, வாங்குபவர்களுக்கு “வாடிக்கையாளர் மதிப்புரைகளின் உரையிலிருந்து செயற்கை நுண்ணறிவால் உருவாக்கப்பட்டது” என்று காட்டுகிறது.

என்பதை இதுபோன்ற பயன்பாட்டு நிகழ்வுகள் நிரூபிக்கின்றன உள்ளடக்கம் ஒரு கணிக்கக்கூடிய வடிவத்தைப் பின்பற்றும்போது அல்லது ஏற்கனவே உள்ள தரவிலிருந்து ஒருங்கிணைக்கப்படும்போது, ​​AI பெரும்பாலும் அதைத் தனியாகக் கையாள முடியும். தற்போதைய பிற எடுத்துக்காட்டுகள் பின்வருமாறு:

• வானிலை மற்றும் போக்குவரத்து புதுப்பிப்புகள்: சென்சார் தரவுகளின் அடிப்படையில் தினசரி வானிலை அறிக்கைகள் அல்லது போக்குவரத்து அறிவிப்புகளைத் தொகுக்க AI ஐப் பயன்படுத்தும் ஊடக நிறுவனங்கள்.

• நிதி அறிக்கைகள்: நிறுவனங்கள் எளிமையான நிதிச் சுருக்கங்களை (காலாண்டு முடிவுகள், பங்குச் சந்தை விளக்கங்கள்) தானாகவே உருவாக்குகின்றன. 2014 முதல், ப்ளூம்பெர்க் மற்றும் பிற செய்தி நிறுவனங்கள், நிறுவனங்களின் வருவாய் குறித்த சிறு செய்திகளை எழுதுவதற்கு செயற்கை நுண்ணறிவைப் பயன்படுத்தி வருகின்றன – தரவுகள் உள்ளீடு செய்யப்பட்டவுடன் இந்தச் செயல்முறை பெரும்பாலும் தானாகவே இயங்குகிறது (AP-யின் 'ரோபோ பத்திரிகையாளர்கள்' இப்போது தங்கள் சொந்தக் கதைகளை எழுதுகிறார்கள் | தி வெர்ஜ்) (போலி மேற்கோள்கள், கதைகளை உருவாக்க செயற்கை நுண்ணறிவைப் பயன்படுத்திய வயோமிங் நிருபர் பிடிபட்டார்).

• மொழிபெயர்ப்பு மற்றும் டிரான்ஸ்கிரிப்ஷன்: டிரான்ஸ்கிரிப்ஷன் சேவைகள் இப்போது மனித தட்டச்சு செய்பவர்கள் இல்லாமல் சந்திப்பு டிரான்ஸ்கிரிப்டுகள் அல்லது தலைப்புகளை உருவாக்க AI ஐப் பயன்படுத்துகின்றன. படைப்பு அர்த்தத்தில் உருவாக்கக்கூடியதாக இல்லாவிட்டாலும், இந்த மொழிப் பணிகள் தெளிவான ஆடியோவிற்காக அதிக துல்லியத்துடன் தன்னியக்கமாக இயங்குகின்றன.

• வரைவு உருவாக்கம்: பல வல்லுநர்கள் மின்னஞ்சல்களை அல்லது ஆவணங்களின் முதல் பதிப்புகளை வரைவதற்கு ChatGPT போன்ற கருவிகளைப் பயன்படுத்துகின்றனர், எப்போதாவது உள்ளடக்கம் குறைந்த ஆபத்துள்ளதாக இருந்தால், அவற்றை சிறிய அல்லது திருத்தங்கள் இல்லாமல் அனுப்புகிறார்கள்.

இருப்பினும், மிகவும் சிக்கலான உரைநடைக்கு, 2025-ஆம் ஆண்டிலும் மனித மேற்பார்வையே வழக்கமாக உள்ளது. செய்தி நிறுவனங்கள், செயற்கை நுண்ணறிவிலிருந்து நேரடியாக புலனாய்வு அல்லது பகுப்பாய்வுக் கட்டுரைகளை அரிதாகவே வெளியிடுகின்றன – செயற்கை நுண்ணறிவால் எழுதப்பட்ட வரைவுகளை ஆசிரியர்களே உண்மை சரிபார்ப்பு செய்து செம்மைப்படுத்துவார்கள். செயற்கை நுண்ணறிவால் நடையையும் கட்டமைப்பையும் நன்றாகப் பின்பற்ற முடியும், ஆனால் அது உண்மைப் பிழைகளையோ (பெரும்பாலும் "மாயத்தோற்றங்கள்" என்று அழைக்கப்படும்) அல்லது மனிதர்கள் கண்டறிய வேண்டிய பொருத்தமற்ற சொற்றொடர்களையோ அறிமுகப்படுத்தக்கூடும். உதாரணமாக, ஜெர்மன் செய்தித்தாளான எக்ஸ்பிரஸ், ஆரம்பகட்ட செய்தித் துணுக்குகளை எழுத உதவுவதற்காக கிளாரா என்ற பெயரில் ஒரு செயற்கை நுண்ணறிவு "டிஜிட்டல் சக ஊழியரை" அறிமுகப்படுத்தியது. கிளாராவால் விளையாட்டுச் செய்திகளைத் திறமையாக வரைவு செய்ய முடியும், மேலும் வாசகர்களை ஈர்க்கும் தலைப்புகளையும் எழுத முடியும். இது எக்ஸ்பிரஸ் பத்திரிகையின் 11% கட்டுரைகளுக்குப் பங்களிக்கிறது – ஆனால் மனித ஆசிரியர்கள் ஒவ்வொரு துணுக்கையும் அதன் துல்லியம் மற்றும் பத்திரிகைத் நேர்மைக்காக, குறிப்பாக சிக்கலான செய்திகளில், இன்றும் மதிப்பாய்வு செய்கிறார்கள் (செய்தி அறையில் பத்திரிகையாளர்கள் செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தும் 12 வழிகள் - ட்வைப்). இந்த மனித-செயற்கை நுண்ணறிவு கூட்டாண்மை இன்று பொதுவானதாக உள்ளது: உரையை உருவாக்கும் கடினமான வேலையை செயற்கை நுண்ணறிவு கையாளுகிறது, மேலும் மனிதர்கள் தேவைக்கேற்ப திருத்திச் செம்மைப்படுத்துகிறார்கள்.

2030-2035 ஆம் ஆண்டிற்கான எதிர்பார்ப்பு: நம்பகமான தன்னாட்சி எழுத்தை நோக்கி

அடுத்த தசாப்தத்தில், உயர்தர, உண்மைக்கு ஏற்றவாறு சரியான உரையை உருவாக்குவதில் ஜெனரேட்டிவ் AI மிகவும் நம்பகமானதாக மாறும் என்று நாங்கள் எதிர்பார்க்கிறோம், இது தன்னியக்கமாக கையாளக்கூடிய எழுத்துப் பணிகளின் வரம்பை விரிவுபடுத்தும். பல போக்குகள் இதை ஆதரிக்கின்றன:

• மேம்பட்ட துல்லியம்: தொடர்ச்சியான ஆராய்ச்சி, செயற்கை நுண்ணறிவு தவறான அல்லது பொருத்தமற்ற தகவல்களை உருவாக்கும் போக்கை வேகமாக குறைத்து வருகிறது. 2030-ஆம் ஆண்டிற்குள், சிறந்த பயிற்சி பெற்ற மேம்பட்ட மொழி மாதிரிகள் (நிகழ்நேரத்தில் தரவுத்தளங்களுடன் உண்மைகளைச் சரிபார்க்கும் நுட்பங்கள் உட்பட), கிட்டத்தட்ட மனித அளவிலான உண்மைச் சரிபார்ப்பை உள்ளகமாகவே அடைய முடியும். இதன் பொருள், ஒரு செயற்கை நுண்ணறிவு, மூலப் பொருட்களிலிருந்து எடுக்கப்பட்ட சரியான மேற்கோள்கள் மற்றும் புள்ளிவிவரங்களுடன் ஒரு முழுமையான செய்தி கட்டுரையை தானாகவே வரைவு செய்ய முடியும், இதற்கு மிகக் குறைந்த திருத்தங்களே தேவைப்படும்.

• துறை சார்ந்த செயற்கை நுண்ணறிவுகள்: சட்டம், மருத்துவம், தொழில்நுட்ப எழுத்து போன்ற குறிப்பிட்ட துறைகளுக்காக நுட்பமாகச் சரிசெய்யப்பட்ட, மேலும் பல சிறப்பு வாய்ந்த உருவாக்க மாதிரிகளை நாம் காண்போம். 2030-ஆம் ஆண்டின் ஒரு சட்டச் செயற்கை நுண்ணறிவு மாதிரியானது, வழக்கமான ஒப்பந்தங்களை நம்பகத்தன்மையுடன் வரைவு செய்யலாம் அல்லது வழக்குச் சட்டங்களைச் சுருக்கிச் சொல்லலாம் – இவை கட்டமைப்பில் சூத்திர அடிப்படையிலான பணிகள் என்றாலும், தற்போது வழக்கறிஞரின் நேரத்தைக் கோருபவையாகும். சரிபார்க்கப்பட்ட சட்ட ஆவணங்களில் அந்தச் செயற்கை நுண்ணறிவுக்குப் பயிற்சி அளிக்கப்பட்டால், அதன் வரைவுகள் ஒரு வழக்கறிஞர் விரைவான இறுதிப் பார்வையை மட்டும் செலுத்தும் அளவுக்குப் போதுமான நம்பகத்தன்மையுடன் இருக்கலாம்.

• இயல்பான நடை மற்றும் ஒத்திசைவு: நீண்ட ஆவணங்களில் சூழலைத் தக்கவைப்பதில் மாதிரிகள் சிறந்து விளங்குகின்றன, இது மேலும் ஒத்திசைவான மற்றும் நேரடியான நீண்ட வடிவ உள்ளடக்கத்திற்கு வழிவகுக்கிறது. 2035-ஆம் ஆண்டளவில், மனிதர்கள் முதன்மையாக ஆலோசனை வழங்கும் பாத்திரத்தில் (இலக்குகளை நிர்ணயிப்பதற்கோ அல்லது சிறப்பு அறிவை வழங்குவதற்கோ) இருக்கும் நிலையில், ஒரு புனைவல்லாத புத்தகத்தின் அல்லது ஒரு தொழில்நுட்பக் கையேட்டின் ஒரு தரமான முதல் வரைவை ஒரு செயற்கை நுண்ணறிவு தானாகவே உருவாக்க முடியும் என்பது சாத்தியமானதே.

நடைமுறையில் இது எப்படி இருக்கும்? வழக்கமான பத்திரிக்கைத் துறை, சில குறிப்பிட்ட பணிகளுக்கு ஏறக்குறைய முழுமையாகத் தானியங்குமயமாகலாம். 2030-ல் ஒரு செய்தி நிறுவனம், ஒவ்வொரு வருவாய் அறிக்கை, விளையாட்டுச் செய்தி அல்லது தேர்தல் முடிவு அறிவிப்பின் முதல் பதிப்பை ஒரு செயற்கை நுண்ணறிவு அமைப்பு எழுதுவதையும், அதன் ஆசிரியர் தர உறுதிப்படுத்தலுக்காக ஒரு சிலவற்றை மட்டும் மாதிரிக்கு எடுப்பதையும் நாம் காணலாம். உண்மையில், இணைய உள்ளடக்கத்தின் பெருகிவரும் பங்கு இயந்திரங்களால் உருவாக்கப்படும் என்று வல்லுநர்கள் கணிக்கின்றனர் – தொழில்துறை ஆய்வாளர்களின் ஒரு துணிச்சலான கணிப்பின்படி, 2026-க்குள் இணைய உள்ளடக்கத்தில் 90% வரை செயற்கை நுண்ணறிவால் உருவாக்கப்படலாம் (2026-க்குள், மனிதர்களால் உருவாக்கப்பட்ட உள்ளடக்கத்தை விட மனிதரல்லாதவற்றால் உருவாக்கப்பட்ட இணைய உள்ளடக்கம் பெருமளவில் அதிகமாக இருக்கும் — OODAloop), இருப்பினும் அந்த எண்ணிக்கை விவாதத்திற்குரியது. இன்னும் மிதமான கணிப்பின்படி பார்த்தால், 2030-களின் நடுப்பகுதியில், பெரும்பாலான வழக்கமான இணையக் கட்டுரைகள், தயாரிப்பு விளம்பரங்கள், மற்றும் தனிப்பயனாக்கப்பட்ட செய்தித் தொகுப்புகள் கூட செயற்கை நுண்ணறிவால் எழுதப்படும்.

, சந்தைப்படுத்தல் மற்றும் பெருநிறுவனத் தகவல்தொடர்புகளில்முழுமையான பிரச்சாரங்களையும் தன்னிச்சையாக நடத்துவதற்கு உருவாக்க செயற்கை நுண்ணறிவு (generative AI) நம்பி ஒப்படைக்கப்பட வாய்ப்புள்ளது. இது தனிப்பயனாக்கப்பட்ட சந்தைப்படுத்தல் மின்னஞ்சல்கள், சமூக ஊடகப் பதிவுகள் மற்றும் விளம்பர வாசகங்களின் பல்வேறு வடிவங்களை உருவாக்கி அனுப்ப முடியும்; மேலும், வாடிக்கையாளர்களின் எதிர்வினைகளின் அடிப்படையில் செய்திகளைத் தொடர்ந்து மாற்றியமைத்துக் கொண்டே இருக்கும் – இவை அனைத்தையும் ஒரு மனித விளம்பர வாசக எழுத்தாளரின் தலையீடு இல்லாமலேயே செய்ய முடியும். 2025-ஆம் ஆண்டிற்குள், பெரிய நிறுவனங்களின் வெளிச்செல்லும் சந்தைப்படுத்தல் செய்திகளில் குறைந்தது 30% செயற்கை நுண்ணறிவால் செயற்கையாக உருவாக்கப்படும் என்று கார்ட்னர் ஆய்வாளர்கள் கணித்துள்ளனர் (தொழில்துறைகள் மற்றும் நிறுவனங்களுக்கான உருவாக்க செயற்கை நுண்ணறிவின் பயன்பாட்டு நிகழ்வுகள்), மேலும் இந்த சதவீதம் 2030-ஆம் ஆண்டிற்குள் இன்னும் அதிகரிக்கும்.

என்பதைக் கவனத்தில் கொள்ள வேண்டியது அவசியம் மனிதனின் படைப்பாற்றலும் முடிவெடுக்கும் திறனும், குறிப்பாக அதிக முக்கியத்துவம் வாய்ந்த உள்ளடக்கங்களுக்கு, தொடர்ந்து ஒரு பங்கைக் கொண்டிருக்கும். 2035-ஆம் ஆண்டளவில், ஒரு பத்திரிகைச் செய்தியையோ அல்லது வலைப்பதிவையோ செயற்கை நுண்ணறிவு தானாகவே கையாளக்கூடும், ஆனால் பொறுப்புக்கூறல் அல்லது நுட்பமான தலைப்புகளை உள்ளடக்கிய புலனாய்வு இதழியலுக்கு, ஊடக நிறுவனங்கள் மனித மேற்பார்வையை வலியுறுத்தக்கூடும். எதிர்காலம் ஒரு படிநிலை அணுகுமுறையைக் கொண்டுவரும்: அன்றாட உள்ளடக்கத்தின் பெரும்பகுதியை செயற்கை நுண்ணறிவு தன்னிச்சையாக உருவாக்கும், அதே நேரத்தில் மனிதர்கள் உத்திசார்ந்த அல்லது நுட்பமான பகுதிகளைத் திருத்துவதிலும் தயாரிப்பதிலும் கவனம் செலுத்துவார்கள். அடிப்படையில், செயற்கை நுண்ணறிவின் திறன் வளர வளர, "வழக்கமானது" என்று கருதப்படும் விஷயங்களின் எல்லை விரிவடையும்.

போன்ற புதிய உள்ளடக்க வடிவங்கள் செயற்கை நுண்ணறிவால் உருவாக்கப்படும் ஊடாடும் விவரிப்புகள் அல்லது தனிப்பயனாக்கப்பட்ட அறிக்கைகள் உருவாகலாம். உதாரணமாக, ஒரு நிறுவனத்தின் ஆண்டு அறிக்கையைச் செயற்கை நுண்ணறிவு பல பாணிகளில் உருவாக்க முடியும் – நிர்வாகிகளுக்கான ஒரு சுருக்கம், ஊழியர்களுக்கான ஒரு விவரிப்புப் பதிப்பு, ஆய்வாளர்களுக்கான தரவுகள் நிறைந்த ஒரு பதிப்பு – இவை ஒவ்வொன்றும் ஒரே அடிப்படைத் தரவிலிருந்து தானாகவே உருவாக்கப்படும். கல்வியில், வெவ்வேறு வாசிப்பு நிலைகளுக்கு ஏற்றவாறு பாடப்புத்தகங்களைச் செயற்கை நுண்ணறிவு மூலம் மாறும் தன்மையுடன் எழுத முடியும். இந்தப் பயன்பாடுகள் பெரும்பாலும் தன்னாட்சி கொண்டவையாக இருந்தாலும், சரிபார்க்கப்பட்ட தகவல்களின் அடிப்படையில் இயங்கக்கூடியவையாக இருக்கும்.

எழுத்துத் துறையின் போக்கைப் பார்க்கும்போது, ​​2030-களின் நடுப்பகுதியில் செயற்கை நுண்ணறிவு ஒரு சிறந்த எழுத்தாளராக உருவெடுக்கும் என்று. அதன் வெளியீடுகளில் நம்பிக்கையை ஏற்படுத்துவதே, அது முற்றிலும் தன்னாட்சியாகச் செயல்படுவதற்கான திறவுகோலாக அமையும். செயற்கை நுண்ணறிவு, உண்மைகளின் துல்லியம், நடையின் தரம் மற்றும் நெறிமுறைத் தரங்களுடன் இணக்கம் ஆகியவற்றைத் தொடர்ந்து வெளிப்படுத்த முடிந்தால், வரிக்கு வரி மனித மதிப்பாய்வின் தேவை குறையும். 2035-ஆம் ஆண்டிற்குள், இந்த வெள்ளை அறிக்கையின் சில பகுதிகளைக்கூட ஒரு பதிப்பாசிரியரின் உதவியின்றி ஒரு செயற்கை நுண்ணறிவு ஆராய்ச்சியாளரே வரைவு செய்யக்கூடும் – முறையான பாதுகாப்பு ஏற்பாடுகள் இருக்கும் பட்சத்தில், இந்த வாய்ப்பு குறித்து நாங்கள் எச்சரிக்கையுடன் நம்பிக்கையுடன் இருக்கிறோம்.

காட்சி கலைகள் மற்றும் வடிவமைப்பில் உருவாக்க AI

படங்கள் மற்றும் கலைப்படைப்புகளை உருவாக்கும் ஜெனரேட்டிவ் AI-யின் திறன் பொதுமக்களின் கற்பனையை ஈர்த்துள்ளது, AI-உருவாக்கிய ஓவியங்கள் கலைப் போட்டிகளில் வெற்றி பெறுவது முதல் உண்மையான காட்சிகளிலிருந்து பிரித்தறிய முடியாத ஆழமான போலி வீடியோக்கள் வரை. காட்சி களங்களில், ஜெனரேட்டிவ் எதிரி நெட்வொர்க்குகள் (GANகள்) மற்றும் பரவல் மாதிரிகள் (எ.கா. நிலையான பரவல், மிட்ஜர்னி) போன்ற AI மாதிரிகள் உரைத் தூண்டுதல்களின் அடிப்படையில் அசல் படங்களை உருவாக்க முடியும். எனவே, AI இப்போது ஒரு தன்னாட்சி கலைஞராகவோ அல்லது வடிவமைப்பாளராகவோ செயல்பட முடியுமா?

தற்போதைய திறன்கள் (2025): ஒரு படைப்பு உதவியாளராக AI

2025-ஆம் ஆண்டு நிலவரப்படி, உருவாக்க மாதிரிகள் (generative models) தேவைக்கேற்ப , பிரமிக்க வைக்கும் துல்லியத்துடன் படங்களை உருவாக்குவதில் தேர்ச்சி பெற்றுள்ளன. பயனர்கள் ஒரு பட செயற்கை நுண்ணறிவிடம் (image AI), "வான் கோவின் பாணியில் சூரிய அஸ்தமனத்தில் ஒரு இடைக்கால நகரத்தை" வரையுமாறு கேட்டு, சில நொடிகளில் நம்பத்தகுந்த கலைநயம் மிக்க ஒரு படத்தைப் பெற முடியும். இது, வரைகலை, சந்தைப்படுத்தல் மற்றும் பொழுதுபோக்குத் துறைகளில் கருத்துருக் கலை, முன்மாதிரிகள், மற்றும் சில சமயங்களில் இறுதிக் காட்சிப் படங்கள் போன்றவற்றுக்காகவும் செயற்கை நுண்ணறிவின் பரவலான பயன்பாட்டிற்கு வழிவகுத்துள்ளது. குறிப்பாக:

• வரைகலை வடிவமைப்பு மற்றும் ஆயத்தப் படங்கள்: நிறுவனங்கள் செயற்கை நுண்ணறிவு (AI) மூலம் இணையதள வரைகலைகள், விளக்கப்படங்கள் அல்லது ஆயத்தப் புகைப்படங்களை உருவாக்குகின்றன. இதனால், ஒவ்வொரு படைப்பையும் ஒரு கலைஞரிடம் இருந்து பெற வேண்டிய தேவை குறைகிறது. பல சந்தைப்படுத்தல் குழுக்கள், நுகர்வோரைக் கவர்வது எது என்பதைச் சோதிப்பதற்காக, விளம்பரங்கள் அல்லது தயாரிப்புப் படங்களின் பல்வேறு வடிவங்களை உருவாக்க செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்துகின்றன.

• கலை மற்றும் விளக்கப்படம்: தனிப்பட்ட கலைஞர்கள் AI உடன் இணைந்து கருத்துக்களை மூளைச்சலவை செய்ய அல்லது விவரங்களை நிரப்புகிறார்கள். எடுத்துக்காட்டாக, ஒரு இல்லஸ்ட்ரேட்டர் பின்னணி காட்சிகளை உருவாக்க AI ஐப் பயன்படுத்தலாம், பின்னர் அவர்கள் அதை மனிதர்களால் வரையப்பட்ட கதாபாத்திரங்களுடன் ஒருங்கிணைக்கிறார்கள். சில காமிக் புத்தக படைப்பாளர்கள் AI-உருவாக்கிய பேனல்கள் அல்லது வண்ணமயமாக்கலைப் பரிசோதித்துள்ளனர்.

• ஊடகம் மற்றும் பொழுதுபோக்கு: செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட கலைப்படைப்புகள் பத்திரிகை மற்றும் புத்தக அட்டைகளில் இடம்பெற்றுள்ளன. இதற்கு ஒரு பிரபலமான உதாரணம், ஆகஸ்ட் 2022 காஸ்மோபாலிட்டன் பத்திரிகையின் அட்டைப்படம் ஆகும். அதில் ஒரு விண்வெளி வீரர் இடம்பெற்றிருந்தார். இது, ஒரு கலை இயக்குநரின் வழிகாட்டுதலின்படி, ஒரு செயற்கை நுண்ணறிவால் (OpenAI-இன் DALL·E) உருவாக்கப்பட்ட முதல் பத்திரிகை அட்டைப்படம் என்று கூறப்படுகிறது. இதில் மனிதர்களின் தூண்டுதலும் தேர்வும் இடம்பெற்றிருந்தாலும், உண்மையான கலைப்படைப்பு இயந்திரத்தால் உருவாக்கப்பட்டது.

முக்கியமாக, இந்த தற்போதைய பயன்பாடுகளில் பெரும்பாலானவை இன்னும் மனித மேற்பார்வை மற்றும் திருத்தங்களை உள்ளடக்கியுள்ளன. செயற்கை நுண்ணறிவு டஜன் கணக்கான படங்களை உருவாக்க முடியும், மேலும் ஒரு மனிதர் சிறந்ததைத் தேர்ந்தெடுத்து, தேவைப்பட்டால் அதை மெருகூட்டுகிறார். அந்த வகையில், செயற்கை நுண்ணறிவு தன்னிச்சையாகச் செயல்பட்டு உருவாக்குகிறது , ஆனால் மனிதர்கள் படைப்புசார் திசையை வழிநடத்தி இறுதித் தேர்வுகளை மேற்கொள்கின்றனர். இது விரைவாக அதிக உள்ளடக்கத்தை உருவாக்குவதற்கு நம்பகமானது, ஆனால் முதல் முயற்சியிலேயே அனைத்துத் தேவைகளையும் பூர்த்தி செய்யும் என்பதற்கு உத்தரவாதம் இல்லை. தவறான விவரங்கள் (எ.கா. செயற்கை நுண்ணறிவு தவறான எண்ணிக்கையிலான விரல்களுடன் கைகளை வரைவது, இது ஒரு அறியப்பட்ட குறைபாடு) அல்லது எதிர்பாராத முடிவுகள் போன்ற சிக்கல்கள் காரணமாக, வெளியீட்டின் தரத்தை ஒரு மனித கலை இயக்குநர் மேற்பார்வையிட வேண்டியுள்ளது.

இருப்பினும், AI முழு சுயாட்சியை நெருங்கும் களங்கள் உள்ளன:

• உருவாக்க வடிவமைப்பு: கட்டிடக்கலை மற்றும் தயாரிப்பு வடிவமைப்பு போன்ற துறைகளில், AI கருவிகள் குறிப்பிட்ட கட்டுப்பாடுகளை பூர்த்தி செய்யும் வடிவமைப்பு முன்மாதிரிகளை தன்னியக்கமாக உருவாக்க முடியும். உதாரணமாக, ஒரு தளபாடத்தின் விரும்பிய பரிமாணங்கள் மற்றும் செயல்பாடுகளைக் கருத்தில் கொண்டு, ஒரு உருவாக்க வழிமுறை ஆரம்ப விவரக்குறிப்புகளுக்கு அப்பால் மனித தலையீடு இல்லாமல் பல சாத்தியமான வடிவமைப்புகளை (சில மிகவும் வழக்கத்திற்கு மாறானவை) வெளியிடக்கூடும். இந்த வடிவமைப்புகளை பின்னர் மனிதர்கள் நேரடியாகப் பயன்படுத்தலாம் அல்லது மேம்படுத்தலாம். இதேபோல், பொறியியலில், உருவாக்க AI, எடை மற்றும் வலிமைக்கு உகந்ததாக பாகங்களை (எடுத்துக்காட்டாக, ஒரு விமானக் கூறு) வடிவமைக்க முடியும், இது ஒரு மனிதன் கற்பனை செய்யாத புதிய வடிவங்களை உருவாக்குகிறது.

• வீடியோ கேம் சொத்துக்கள்: AI ஆனது வீடியோ கேம்களுக்கான அமைப்புகளை, 3D மாதிரிகளை அல்லது முழு நிலைகளையும் தானாகவே உருவாக்க முடியும். உள்ளடக்க உருவாக்கத்தை விரைவுபடுத்த டெவலப்பர்கள் இவற்றைப் பயன்படுத்துகின்றனர். சில இண்டி கேம்கள், நடைமுறை ரீதியாக உருவாக்கப்பட்ட கலைப்படைப்புகளையும், குறைந்தபட்ச மனிதனால் உருவாக்கப்பட்ட சொத்துக்களுடன் பரந்த, ஆற்றல்மிக்க விளையாட்டு உலகங்களை உருவாக்க (மொழி மாதிரிகள் வழியாக) உரையாடலையும் இணைக்கத் தொடங்கியுள்ளன.

• அனிமேஷன் மற்றும் வீடியோ (வளர்ந்து வரும்): நிலையான படங்களை விட வளர்ச்சி குன்றியிருந்தாலும், வீடியோவிற்கான உருவாக்கும் செயற்கை நுண்ணறிவு (generative AI) முன்னேறி வருகிறது. செயற்கை நுண்ணறிவால் ஏற்கனவே கட்டளைகளிலிருந்து குறுகிய வீடியோ கிளிப்புகள் அல்லது அனிமேஷன்களை உருவாக்க முடியும், இருப்பினும் தரம் சீரற்றதாக உள்ளது. உருவாக்கும் தன்மையுடைய டீப்ஃபேக் தொழில்நுட்பம், தத்ரூபமான முக மாற்றங்களையோ அல்லது குரல் நகல்களையோ உருவாக்க முடியும். கட்டுப்படுத்தப்பட்ட சூழலில், ஒரு ஸ்டுடியோ செயற்கை நுண்ணறிவைப் பயன்படுத்தி ஒரு பின்னணிக் காட்சியையோ அல்லது ஒரு கூட்ட அனிமேஷனையோ தானாகவே உருவாக்க முடியும்.

குறிப்பாக, 2030-ஆம் ஆண்டிற்குள், ஒரு மாபெரும் வெற்றிப் படத்தின் 90% உள்ளடக்கம் (திரைக்கதை முதல் காட்சிகள் வரை) செயற்கை நுண்ணறிவால் உருவாக்கப்படும் என்று கார்ட்னர் கணித்துள்ளது (தொழில்துறைகள் மற்றும் நிறுவனங்களுக்கான உருவாக்கச் செயற்கை நுண்ணறிவின் பயன்பாட்டு நிகழ்வுகள்). 2025-ஆம் ஆண்டு நிலவரப்படி, நாம் இன்னும் அந்த நிலையை அடையவில்லை – செயற்கை நுண்ணறிவால் தனித்து ஒரு முழு நீளத் திரைப்படத்தை உருவாக்க முடியாது. ஆனால், அந்தப் புதிரின் பாகங்கள் உருவாகி வருகின்றன: திரைக்கதை உருவாக்கம் (உரைச் செயற்கை நுண்ணறிவு), பாத்திரம் மற்றும் காட்சி உருவாக்கம் (படம்/காணொளிச் செயற்கை நுண்ணறிவு), குரல் நடிப்பு (செயற்கைக் குரல் நகல்கள்), மற்றும் படத்தொகுப்பு உதவி (வெட்டுக்கள் மற்றும் நிலைமாற்றங்களுக்குச் செயற்கை நுண்ணறிவால் ஏற்கனவே உதவ முடியும்).

2030-2035 ஆம் ஆண்டிற்கான எதிர்பார்ப்புகள்: அளவில் AI-உருவாக்கப்பட்ட ஊடகங்கள்

எதிர்காலத்தில், காட்சி கலைகள் மற்றும் வடிவமைப்பில் உருவாக்க AI இன் பங்கு வியத்தகு முறையில் விரிவடையும். 2035 ஆம் ஆண்டளவில், முதன்மை உள்ளடக்க உருவாக்குநராக பல காட்சி ஊடகங்களில்

• முழுவதும் செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட திரைப்படங்கள் மற்றும் காணொளிகள்: அடுத்த பத்து ஆண்டுகளில், பெருமளவில் செயற்கை நுண்ணறிவால் தயாரிக்கப்படும் முதல் திரைப்படங்கள் அல்லது தொடர்களை நாம் காண்பதற்கு அதிக வாய்ப்புள்ளது. மனிதர்கள் உயர் மட்ட வழிகாட்டுதலை (எ.கா. ஒரு திரைக்கதைச் சுருக்கம் அல்லது விரும்பிய பாணி) வழங்கக்கூடும், மேலும் செயற்கை நுண்ணறிவானது காட்சிகளை ரெண்டர் செய்து, நடிகர்களின் உருவ ஒற்றுமைகளை உருவாக்கி, அனைத்தையும் அனிமேட் செய்யும். குறும்படங்களுக்கான ஆரம்பகட்ட சோதனைகள் சில ஆண்டுகளில் நிகழ வாய்ப்புள்ளது, மேலும் 2030-களில் முழு நீளத் திரைப்பட முயற்சிகள் மேற்கொள்ளப்படும். இந்த செயற்கை நுண்ணறிவுத் திரைப்படங்கள் ஒரு குறிப்பிட்ட பிரிவினருக்காக (சோதனை அனிமேஷன் போன்றவை) தொடங்கலாம், ஆனால் தரம் மேம்பட மேம்பட அவை பிரதான நீரோட்டமாக மாறக்கூடும். கார்ட்னரின் '2030-க்குள் 90% திரைப்படங்கள்' என்ற கணிப்பு (தொழில்துறைகள் மற்றும் நிறுவனங்களுக்கான செயற்கை நுண்ணறிவின் பயன்பாட்டு நிகழ்வுகள்), லட்சியமானதாக இருந்தாலும், திரைப்படத் தயாரிப்பில் பெரும்பாலான சுமையை ஏற்கும் அளவுக்கு செயற்கை நுண்ணறிவு உள்ளடக்க உருவாக்கம் அதிநவீனமாக இருக்கும் என்ற தொழில்துறையின் நம்பிக்கையை அடிக்கோடிட்டுக் காட்டுகிறது.

• வடிவமைப்புத் தானியக்கம்: ஃபேஷன் அல்லது கட்டிடக்கலை போன்ற துறைகளில், "செலவு, பொருட்கள், பாணி X" போன்ற அளவுருக்களின் அடிப்படையில் நூற்றுக்கணக்கான வடிவமைப்பு கருத்துருக்களைத் தன்னிச்சையாக வரைவதற்கு உருவாக்கத்திறன் மிக்க செயற்கை நுண்ணறிவு (generative AI) பயன்படுத்தப்பட வாய்ப்புள்ளது. இது இறுதி வடிவமைப்பைத் தேர்ந்தெடுக்கும் பொறுப்பை மனிதர்களிடம் விட்டுவிடும். இது தற்போதைய இயக்கவியலைத் தலைகீழாக மாற்றுகிறது: வடிவமைப்பாளர்கள் புதிதாக உருவாக்கி, ஒருவேளை உத்வேகத்திற்காக செயற்கை நுண்ணறிவைப் பயன்படுத்துவதற்குப் பதிலாக, எதிர்கால வடிவமைப்பாளர்கள் சிறந்த செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட வடிவமைப்பைத் தேர்ந்தெடுத்து, ஒருவேளை அதைச் செம்மைப்படுத்தும் தொகுப்பாளர்களாகச் செயல்படக்கூடும். 2035-ஆம் ஆண்டளவில், ஒரு கட்டிடக் கலைஞர் ஒரு கட்டிடத்திற்கான தேவைகளை உள்ளீடு செய்தால், ஒரு செயற்கை நுண்ணறிவிலிருந்து பரிந்துரைகளாக முழுமையான வரைபடங்களைப் பெறக்கூடும் (உட்பொதிக்கப்பட்ட பொறியியல் விதிகளின் உதவியால், அவை அனைத்தும் கட்டமைப்பு ரீதியாக உறுதியானவையாக இருக்கும்).

• தனிப்பயனாக்கப்பட்ட உள்ளடக்க உருவாக்கம்: தனிப்பட்ட பயனர்களுக்காக, செயற்கை நுண்ணறிவுகள் உடனடியாகக் காட்சிகளை உருவாக்குவதை நாம் காணலாம். 2035-ஆம் ஆண்டில், ஒரு வீடியோ கேம் அல்லது மெய்நிகர் யதார்த்த அனுபவத்தில், செயற்கை நுண்ணறிவால் நிகழ்நேரத்தில் உருவாக்கப்படும் காட்சிகளும் கதாபாத்திரங்களும் விளையாடுபவரின் விருப்பங்களுக்கு ஏற்பத் தங்களை மாற்றிக்கொள்வதைக் கற்பனை செய்து பாருங்கள். அல்லது, ஒரு பயனரின் அன்றாட நிகழ்வுகளின் அடிப்படையில் உருவாக்கப்படும் தனிப்பயனாக்கப்பட்ட சித்திரக்கதைகள் – அதாவது, ஒவ்வொரு மாலையும் உங்கள் உரைப் பதிவேட்டைத் தானாகவே சித்திரங்களாக மாற்றும் ஒரு தன்னாட்சி பெற்ற “தினசரி நாட்குறிப்பு சித்திரக்கதை” செயற்கை நுண்ணறிவைக் கற்பனை செய்து பாருங்கள்.

• பன்முறைப் படைப்பாற்றல்: உருவாக்கச் செயற்கை நுண்ணறிவு அமைப்புகள் பெருகிய முறையில் பன்முறைத் தன்மை கொண்டவையாக மாறி வருகின்றன – அதாவது, அவற்றால் உரை, படங்கள், ஒலி போன்றவற்றை ஒரே நேரத்தில் கையாள முடியும். இவற்றை ஒன்றிணைப்பதன் மூலம், ஒரு செயற்கை நுண்ணறிவால், “தயாரிப்பு X-க்காக எனக்கு ஒரு சந்தைப்படுத்தல் பிரச்சாரத்தை உருவாக்கு” ​​என்பது போன்ற ஒரு எளிய கட்டளையை எடுத்துக்கொண்டு, எழுதப்பட்ட உரையை மட்டுமல்லாமல், அதற்கேற்ற வரைகலைகளையும், ஒருவேளை குறுகிய விளம்பர காணொளிக் காட்சிகளையும் கூட, அனைத்தும் ஒரே பாணியில் உருவாக்க முடியும். இந்த வகையான ஒரே சொடுக்கு உள்ளடக்கத் தொகுப்பு, 2030-களின் முற்பகுதியில் ஒரு சேவையாக உருவெடுப்பதற்கான வாய்ப்புள்ளது.

செயற்கை நுண்ணறிவு மனிதக் கலைஞர்களை மாற்றிவிடுமா? இந்தக் கேள்வி அடிக்கடி எழுகிறது. செயற்கை நுண்ணறிவு பல உற்பத்திப் பணிகளை (குறிப்பாக வணிகத்திற்குத் தேவைப்படும், திரும்பத் திரும்பச் செய்யப்படும் அல்லது விரைவாக முடிக்கப்பட வேண்டிய கலைப்படைப்புகளை) எடுத்துக்கொள்ள வாய்ப்புள்ளது, ஆனால் தனித்துவம் மற்றும் புதுமைக்காக மனிதக் கலைத்திறன் நிலைத்திருக்கும். 2035-ஆம் ஆண்டளவில், ஒரு தன்னாட்சி செயற்கை நுண்ணறிவு, ஒரு புகழ்பெற்ற கலைஞரின் பாணியில் நம்பகத்தன்மையுடன் ஒரு ஓவியத்தை வரையக்கூடும் – ஆனால் ஒரு புதிய பாணியை உருவாக்குவது அல்லது கலாச்சார ரீதியாக ஆழமான தாக்கத்தை ஏற்படுத்தும் கலையை உருவாக்குவது இன்னும் மனிதர்களின் தனித்திறமையாகவே இருக்கலாம் (ஒருவேளை செயற்கை நுண்ணறிவு ஒரு கூட்டாளியாக இருக்கலாம்). மனிதக் கலைஞர்கள் தன்னாட்சி செயற்கை நுண்ணறிவு "இணைக் கலைஞர்களுடன்" இணைந்து பணியாற்றும் ஒரு எதிர்காலத்தை நாங்கள் காண்கிறோம். உதாரணமாக, ஒருவர் தனது வீட்டில் உள்ள ஒரு டிஜிட்டல் கலைக்கூடத்திற்காக, தொடர்ந்து கலைப்படைப்புகளை உருவாக்க ஒரு தனிப்பட்ட செயற்கை நுண்ணறிவை நியமிக்கலாம், இது எப்போதும் மாறிக்கொண்டிருக்கும் ஒரு படைப்புச் சூழலை வழங்கும்.

நம்பகத்தன்மையின் கண்ணோட்டத்தில், காட்சிவழி உருவாக்கும் செயற்கை நுண்ணறிவு, சில வழிகளில் உரையை விட தன்னாட்சி பெறுவதற்கான எளிதான பாதையைக் கொண்டுள்ளது: ஒரு படம் முழுமையாக இல்லாவிட்டாலும், அகநிலையாகப் பார்க்கும்போது அது 'போதுமானதாக' இருக்கலாம், ஆனால் உரையில் உள்ள ஒரு உண்மைப் பிழை அதிக சிக்கலை ஏற்படுத்துகிறது. எனவே, ஒப்பீட்டளவில் குறைந்த இடர் கொண்ட தத்தெடுப்பை – ஒரு செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட வடிவமைப்பு அசிங்கமாகவோ அல்லது தவறாகவோ இருந்தால், நீங்கள் அதை எளிமையாகப் பயன்படுத்துவதில்லை, ஆனால் அது தானாகவே எந்தத் தீங்கையும் விளைவிப்பதில்லை. இதன் பொருள், 2030-களில், நிறுவனங்கள் செயற்கை நுண்ணறிவை மேற்பார்வையின்றி வடிவமைப்புகளை உருவாக்க அனுமதிப்பதில் சௌகரியமாக இருக்கலாம், மேலும் உண்மையிலேயே புதுமையான அல்லது இடர் நிறைந்த ஒன்று தேவைப்படும்போது மட்டுமே மனிதர்களை ஈடுபடுத்தக்கூடும்.

சுருக்கமாக, 2035-ஆம் ஆண்டளவில், உருவாக்கும் செயற்கை நுண்ணறிவு (generative AI) காட்சி வடிவங்களில் ஒரு சக்திவாய்ந்த உள்ளடக்கப் படைப்பாளராக உருவெடுக்கும் என்று எதிர்பார்க்கப்படுகிறது; நம்மைச் சுற்றியுள்ள படங்கள் மற்றும் ஊடகங்களின் கணிசமான பகுதிக்கு இதுவே காரணமாக அமையக்கூடும். அது பொழுதுபோக்கு, வடிவமைப்பு மற்றும் அன்றாடத் தகவல்தொடர்புகளுக்காக நம்பகமான முறையில் உள்ளடக்கத்தை உருவாக்கும். தன்னாட்சி கலைஞர் விரைவில் உருவாகவிருக்கிறார் – இருப்பினும், செயற்கை நுண்ணறிவு படைப்பாற்றல் அல்லது வெறும் ஒரு மிக அறிவார்ந்த கருவியாகக் கருதப்படுகிறதா என்பது, அதன் வெளியீடுகள் மனிதனால் உருவாக்கப்பட்டவற்றிலிருந்து வேறுபடுத்த முடியாத அளவுக்கு மாறும்போது உருவாகும் ஒரு விவாதமாகும்.

மென்பொருள் மேம்பாட்டில் (குறியீட்டு முறை) உருவாக்க AI

மென்பொருள் மேம்பாடு மிகவும் பகுப்பாய்வு ரீதியான பணியாகத் தோன்றலாம், ஆனால் அது ஒரு படைப்பு அம்சத்தையும் கொண்டுள்ளது - குறியீடு எழுதுதல் என்பது அடிப்படையில் ஒரு கட்டமைக்கப்பட்ட மொழியில் உரையை உருவாக்குவதாகும். நவீன ஜெனரேட்டிவ் AI, குறிப்பாக பெரிய மொழி மாதிரிகள், குறியீட்டில் மிகவும் திறமையானவை என்பதை நிரூபித்துள்ளன. GitHub Copilot, Amazon CodeWhisperer மற்றும் பிற கருவிகள் AI ஜோடி புரோகிராமர்களாகச் செயல்படுகின்றன, டெவலப்பர்கள் தட்டச்சு செய்யும் போது குறியீடு துணுக்குகள் அல்லது முழு செயல்பாடுகளையும் பரிந்துரைக்கின்றன. இது தன்னாட்சி நிரலாக்கத்தை நோக்கி எவ்வளவு தூரம் செல்ல முடியும்?

தற்போதைய திறன்கள் (2025): குறியீட்டு இணை விமானியாக AI

2025 ஆம் ஆண்டளவில், பல டெவலப்பர்களின் பணிப்பாய்வுகளில் AI குறியீடு ஜெனரேட்டர்கள் பொதுவானதாகிவிட்டன. இந்த கருவிகள் குறியீட்டு வரிகளை தானாக நிரப்பலாம், பாய்லர் பிளேட்டை உருவாக்கலாம் (நிலையான செயல்பாடுகள் அல்லது சோதனைகள் போன்றவை), மற்றும் இயற்கையான மொழி விளக்கத்தின் கீழ் எளிய நிரல்களை எழுதலாம். இருப்பினும், முக்கியமாக, அவை ஒரு டெவலப்பரின் மேற்பார்வையின் கீழ் செயல்படுகின்றன - டெவலப்பர் AI இன் பரிந்துரைகளை மதிப்பாய்வு செய்து ஒருங்கிணைக்கிறார்.

சில தற்போதைய உண்மைகள் மற்றும் புள்ளிவிவரங்கள்:

• 2023-ஆம் ஆண்டின் பிற்பகுதியில், பாதிக்கும் மேற்பட்ட தொழில்முறை டெவலப்பர்கள் AI கோடிங் உதவியாளர்களைப் பயன்படுத்தத் தொடங்கியிருந்தனர் (Coding on Copilot: 2023 Data Suggests Downward Pressure on Code Quality (incl 2024 projections) - GitClear), இது விரைவான பயன்பாட்டைக் குறிக்கிறது. பரவலாகக் கிடைத்த முதல் கருவிகளில் ஒன்றான GitHub Copilot, அது பயன்படுத்தப்படும் திட்டங்களில் சராசரியாக 30-40% குறியீடுகளை உருவாக்குவதாகக் கூறப்படுகிறது (Coding is no more a MOAT. 46% of codes on GitHub is already ...). இதன் பொருள், ஒரு மனிதர் குறியீட்டை வழிநடத்திச் சரிபார்த்தாலும், AI ஏற்கனவே குறியீட்டின் குறிப்பிடத்தக்க பகுதிகளை எழுதி வருகிறது.

• இந்த AI கருவிகள் மீண்டும் மீண்டும் குறியீட்டை எழுதுதல் (எ.கா., தரவு மாதிரி வகுப்புகள், பெறுபவர்/செட்டர் முறைகள்), ஒரு நிரலாக்க மொழியை மற்றொரு நிரலாக்க மொழிக்கு மாற்றுதல் அல்லது பயிற்சி எடுத்துக்காட்டுகளை ஒத்த நேரடியான வழிமுறைகளை உருவாக்குதல் போன்ற பணிகளில் சிறந்து விளங்குகின்றன. உதாரணமாக, ஒரு டெவலப்பர் "// செயல்பாடு பயனர்களின் பட்டியலை பெயரால் வரிசைப்படுத்த" என்று கருத்து தெரிவிக்கலாம், மேலும் AI கிட்டத்தட்ட உடனடியாக பொருத்தமான வரிசைப்படுத்தும் செயல்பாட்டை உருவாக்கும்.

• அவை உதவுகின்றன பிழைகளைச் சரிசெய்வதற்கும் விளக்குவதற்கும்: டெவலப்பர்கள் ஒரு பிழைச் செய்தியை ஒட்டலாம், அதற்கு அந்தச் செயற்கை நுண்ணறிவு ஒரு தீர்வைப் பரிந்துரைக்கலாம், அல்லது "இந்தக் குறியீடு என்ன செய்கிறது?" என்று கேட்டு, இயல்பான மொழி விளக்கத்தைப் பெறலாம். இது ஒரு வகையில் தன்னாட்சியானது (செயற்கை நுண்ணறிவால் சிக்கல்களைத் தானாகவே கண்டறிய முடியும்), ஆனால் அந்தத் தீர்வைப் பயன்படுத்துவதா வேண்டாமா என்பதை ஒரு மனிதரே தீர்மானிக்கிறார்.

• குறியீட்டையோ பரிந்துரைக்கலாம் ஏறக்குறைய சிக்கலை ஒரு மனிதரை இந்தச் செயல்பாட்டில் ஈடுபடுத்துவதே – அதாவது, மனிதனால் எழுதப்பட்ட குறியீட்டைச் சோதிப்பது மற்றும் பிழைதிருத்துவது போலவே, செயற்கை நுண்ணறிவால் எழுதப்பட்ட குறியீட்டையும் மென்பொருள் உருவாக்குநர் சோதித்துப் பிழைதிருத்தம் செய்ய வேண்டும். ஒழுங்குபடுத்தப்பட்ட தொழில்துறைகளிலோ அல்லது முக்கியமான மென்பொருள்களிலோ (மருத்துவ அல்லது விமான அமைப்புகள் போன்றவை), செயற்கை நுண்ணறிவின் எந்தவொரு பங்களிப்பும் கடுமையான மதிப்பாய்வுக்கு உட்படுத்தப்படுகிறது.

இன்றைய எந்தவொரு பிரதான மென்பொருள் அமைப்பும் டெவலப்பர் மேற்பார்வை இல்லாமல் AI ஆல் முழுமையாக எழுதப்பட்டதாக முழுமையாகப் பயன்படுத்தப்படுவதில்லை. இருப்பினும், சில தன்னாட்சி அல்லது அரை தன்னாட்சி பயன்பாடுகள் உருவாகி வருகின்றன:

• தானாக உருவாக்கப்பட்ட அலகு சோதனைகள்: AI குறியீட்டை பகுப்பாய்வு செய்து பல்வேறு நிகழ்வுகளை உள்ளடக்கிய அலகு சோதனைகளை உருவாக்க முடியும். ஒரு சோதனை கட்டமைப்பு பிழைகளைப் பிடிக்க இந்த AI-எழுதப்பட்ட சோதனைகளை தன்னியக்கமாக உருவாக்கி இயக்கக்கூடும், இது மனிதனால் எழுதப்பட்ட சோதனைகளை அதிகரிக்கிறது.

• செயற்கை நுண்ணறிவுடன் கூடிய லோ-கோட்/நோ-கோட் தளங்கள்: சில தளங்கள், நிரலாளர்கள் அல்லாதவர்கள் தங்களுக்கு என்ன வேண்டும் என்பதை விவரிக்க அனுமதிக்கின்றன (எ.கா. "தொடர்புப் படிவம் மற்றும் பதிவுகளைச் சேமிப்பதற்கான தரவுத்தளத்துடன் ஒரு வலைப்பக்கத்தை உருவாக்குங்கள்"), மேலும் அந்த அமைப்பு அதற்கான குறியீட்டை உருவாக்குகிறது. இது இன்னும் ஆரம்பக் கட்டத்தில் இருந்தாலும், எதிர்காலத்தில் செயற்கை நுண்ணறிவு, பொதுவான பயன்பாட்டுச் சூழல்களுக்குத் தானாகவே மென்பொருளை உருவாக்கக்கூடும் என்பதற்கான ஒரு குறிப்பை இது அளிக்கிறது.

• ஸ்கிரிப்டிங் மற்றும் க்ளூ கோட்: தகவல் தொழில்நுட்பத் தன்னியக்கமாக்கலில், கணினி அமைப்புகளை இணைப்பதற்காக ஸ்கிரிப்டுகளை எழுதுவது பெரும்பாலும் அடங்கும். செயற்கை நுண்ணறிவு (AI) கருவிகளால் இந்தச் சிறிய ஸ்கிரிப்டுகளைத் தானாகவே உருவாக்க முடியும். உதாரணமாக, ஒரு பதிவுக் கோப்பைப் பகுப்பாய்வு செய்து மின்னஞ்சல் எச்சரிக்கையை அனுப்புவதற்கான ஸ்கிரிப்டை எழுதும்போது, ​​ஒரு செயற்கை நுண்ணறிவு கருவியால் மிகக் குறைந்த அல்லது எந்த மாற்றங்களும் இல்லாமல் செயல்படும் ஒரு ஸ்கிரிப்டை உருவாக்க முடியும்.

2030-2035 ஆம் ஆண்டிற்கான எதிர்பார்ப்பு: "சுய-வளர்ச்சி" மென்பொருளை நோக்கி

அடுத்த தசாப்தத்தில், குறியீட்டுச் சுமையில் பெரும் பங்கை ஜெனரேட்டிவ் AI ஏற்கும் என்று எதிர்பார்க்கப்படுகிறது, மேலும் சில வகை திட்டங்களுக்கு முழு தன்னாட்சி மென்பொருள் மேம்பாட்டிற்கு நெருக்கமாக நகரும். சில திட்டமிடப்பட்ட மேம்பாடுகள்:

• முழுமையான அம்சச் செயலாக்கம்: 2030-ஆம் ஆண்டிற்குள், செயற்கை நுண்ணறிவு (AI) எளிய பயன்பாட்டு அம்சங்களை முழுமையாகச் செயல்படுத்தும் திறன் பெற்றிருக்கும் என்று நாங்கள் எதிர்பார்க்கிறோம். ஒரு தயாரிப்பு மேலாளர் ஒரு அம்சத்தை எளிய மொழியில் விவரிக்கலாம் (“பயனர்கள் மின்னஞ்சல் இணைப்பு வழியாகத் தங்கள் கடவுச்சொல்லை மீட்டமைக்க முடிய வேண்டும்”), மேலும் அந்தச் செயற்கை நுண்ணறிவு தேவையான குறியீட்டை (முன்பக்கப் படிவம், பின்தளத் தர்க்கம், தரவுத்தளப் புதுப்பிப்பு, மின்னஞ்சல் அனுப்புதல்) உருவாக்கி, அதை குறியீட்டுத் தொகுப்பில் ஒருங்கிணைக்க முடியும். அந்தச் செயற்கை நுண்ணறிவு, விவரக்குறிப்புகளைப் பின்பற்றக்கூடிய ஒரு இளநிலை உருவாக்குநராகத் திறம்படச் செயல்படும். ஒரு மனிதப் பொறியாளர் குறியீட்டை மதிப்பாய்வு செய்து சோதனைகளை மட்டும் இயக்கக்கூடும். செயற்கை நுண்ணறிவின் நம்பகத்தன்மை மேம்படும்போது, ​​குறியீட்டு மதிப்பாய்வு என்பது தேவைப்பட்டால் ஒரு விரைவான மேலோட்டப் பார்வையாக மாறக்கூடும்.

• தன்னியக்கக் குறியீடு பராமரிப்பு: மென்பொருள் பொறியியலின் ஒரு முக்கியப் பகுதி என்பது புதிய குறியீட்டை எழுதுவது மட்டுமல்ல, ஏற்கனவே உள்ள குறியீட்டைப் புதுப்பிப்பதும் ஆகும் – அதாவது, பிழைகளைச் சரிசெய்தல், செயல்திறனை மேம்படுத்துதல், புதிய தேவைகளுக்கு ஏற்ப மாற்றியமைத்தல். எதிர்கால செயற்கை நுண்ணறிவு உருவாக்குநர்கள் இதில் சிறந்து விளங்குவார்கள். ஒரு குறியீட்டுத் தொகுப்பும் ஒரு வழிகாட்டுதலும் (“ஒரே நேரத்தில் பல பயனர்கள் உள்நுழையும்போது எங்கள் செயலி செயலிழக்கிறது”) கொடுக்கப்பட்டால், அந்தச் செயற்கை நுண்ணறிவு சிக்கலைக் (ஒருங்கிணைப்புப் பிழை போன்றவை) கண்டறிந்து அதைச் சரிசெய்யக்கூடும். 2035-ஆம் ஆண்டளவில், செயற்கை நுண்ணறிவு அமைப்புகள் வழக்கமான பராமரிப்புப் பணிகளை இரவில் தானாகவே கையாளக்கூடும், இதன் மூலம் மென்பொருள் அமைப்புகளுக்கு அயராத பராமரிப்புக் குழுவாகச் செயல்படும்.

• ஒருங்கிணைப்பு மற்றும் API பயன்பாடு: அதிகமான மென்பொருள் அமைப்புகளும் API-களும் செயற்கை நுண்ணறிவால் படிக்கக்கூடிய ஆவணங்களுடன் வருவதால், ஒரு செயற்கை நுண்ணறிவு முகவர், இணைப்பு குறியீட்டை எழுதுவதன் மூலம், அமைப்பு A-ஐ சேவை B-உடன் எவ்வாறு இணைப்பது என்பதைத் தானாகவே கண்டறிய முடியும். உதாரணமாக, ஒரு நிறுவனம் தனது உள்ளக மனிதவள அமைப்பை ஒரு புதிய ஊதிய API-உடன் ஒத்திசைக்க விரும்பினால், அவர்கள் ஒரு செயற்கை நுண்ணறிவுக்கு "இவை ஒன்றோடொன்று தொடர்பு கொள்ளச் செய்யுங்கள்" என்று பணிக்கலாம், மேலும் அது இரண்டு அமைப்புகளின் விவரக்குறிப்புகளையும் படித்த பிறகு ஒருங்கிணைப்பு குறியீட்டை எழுதும்.

• தரம் மற்றும் உகப்பாக்கம்: எதிர்காலக் குறியீடு உருவாக்கும் மாதிரிகள், குறியீடு செயல்படுகிறதா என்பதைச் சரிபார்க்க பின்னூட்டச் சுழல்களை உள்ளடக்கக்கூடும் (எ.கா., ஒரு சோதனைக் களத்தில் சோதனைகள் அல்லது உருவகப்படுத்துதல்களை இயக்குதல்). இதன் பொருள், ஒரு செயற்கை நுண்ணறிவு குறியீட்டை எழுதுவது மட்டுமல்லாமல், அதைச் சோதிப்பதன் மூலம் தன்னைத்தானே சரிசெய்துகொள்ளவும் முடியும். 2035-ஆம் ஆண்டளவில், ஒரு பணி கொடுக்கப்பட்டால், அனைத்து சோதனைகளிலும் வெற்றி பெறும் வரை தனது குறியீட்டைத் தொடர்ந்து செம்மைப்படுத்தும் ஒரு செயற்கை நுண்ணறிவை நம்மால் கற்பனை செய்ய முடியும் – இந்தச் செயல்முறையை ஒரு மனிதர் வரிக்கு வரி கண்காணிக்கத் தேவையில்லை. இது, தானாக உருவாக்கப்பட்ட குறியீட்டின் மீதான நம்பிக்கையை வெகுவாக அதிகரிக்கும்.

2035 ஆம் ஆண்டுக்குள் ஒரு சிறிய மென்பொருள் திட்டம் - ஒரு வணிகத்திற்கான தனிப்பயன் மொபைல் செயலியை உதாரணமாகக் கூறலாம் - உயர் மட்ட அறிவுறுத்தல்கள் வழங்கப்பட்ட ஒரு AI முகவரால் பெரும்பாலும் உருவாக்கப்படக்கூடிய ஒரு சூழ்நிலையை ஒருவர் கற்பனை செய்யலாம். அந்த சூழ்நிலையில் மனித "டெவலப்பர்" என்பவர் ஒரு திட்ட மேலாளர் அல்லது சரிபார்ப்பவராக இருக்கிறார், அவர் தேவைகள் மற்றும் கட்டுப்பாடுகளை (பாதுகாப்பு, பாணி வழிகாட்டுதல்கள்) குறிப்பிடுகிறார் மற்றும் AI உண்மையான குறியீட்டின் பெரும் சுமையைச் செய்ய அனுமதிக்கிறார்.

இருப்பினும், சிக்கலான, பெரிய அளவிலான மென்பொருட்களுக்கு (இயங்குதளங்கள், மேம்பட்ட செயற்கை நுண்ணறிவு வழிமுறைகள் போன்றவை), மனித வல்லுநர்கள் தொடர்ந்தும் ஆழமாக ஈடுபடுவார்கள். மென்பொருளில் உள்ள ஆக்கப்பூர்வமான சிக்கல் தீர்த்தல் மற்றும் கட்டமைப்பு வடிவமைப்பு ஆகியவை ஒருவேளை இன்னும் சிறிது காலத்திற்கு மனிதர்களால் வழிநடத்தப்படும். செயற்கை நுண்ணறிவு பல குறியீட்டுப் பணிகளைக் கையாளக்கூடும், ஆனால் எதைக் கட்டமைப்பது என்று தீர்மானிப்பதும், ஒட்டுமொத்த கட்டமைப்பை வடிவமைப்பதும் ஒரு வேறுபட்ட சவாலாகும். இருப்பினும், உருவாக்கும் செயற்கை நுண்ணறிவு ஒத்துழைக்கத் தொடங்கும் போது – அதாவது, ஒரு அமைப்பின் வெவ்வேறு கூறுகளைப் பல செயற்கை நுண்ணறிவு முகவர்கள் கையாளும் போது – அவை ஓரளவிற்கு கட்டமைப்புகளை இணைந்து வடிவமைக்கக்கூடும் என்று கருதலாம் (உதாரணமாக, ஒரு செயற்கை நுண்ணறிவு ஒரு அமைப்பு வடிவமைப்பை முன்மொழிகிறது, மற்றொன்று அதை விமர்சிக்கிறது, பின்னர் அவை மீண்டும் மீண்டும் செம்மைப்படுத்துகின்றன, இந்தச் செயல்முறையை ஒரு மனிதர் மேற்பார்வையிடுவார்).

நிரலாக்கத்தில் செயற்கை நுண்ணறிவின் ஒரு முக்கிய எதிர்பார்க்கப்படும் நன்மை உற்பத்தித்திறன் பெருக்கம். 2028-ஆம் ஆண்டிற்குள், மென்பொருள் பொறியாளர்களில் முழுமையாக 90% பேர் செயற்கை நுண்ணறிவு குறியீட்டு உதவியாளர்களைப் பயன்படுத்துவார்கள் என்று கார்ட்னர் கணிக்கிறது (2024-இல் 15%-க்கும் குறைவாக இருந்த இந்த எண்ணிக்கை இப்போது உயரும்) (கிட்ஹப் கோபைலட், செயற்கை நுண்ணறிவு குறியீட்டு உதவியாளர்கள் குறித்த ஆய்வறிக்கையில் முதலிடம் வகிக்கிறது -- விஷுவல் ஸ்டுடியோ இதழ்). இது, செயற்கை நுண்ணறிவைப் பயன்படுத்தாதவர்கள் என்ற விதிவிலக்குகள் மிகச் சிலரே இருப்பார்கள் என்பதை உணர்த்துகிறது. மேலும், சில குறிப்பிட்ட துறைகளில் மனித மென்பொருள் உருவாக்குநர்களின் பற்றாக்குறையை, செயற்கை நுண்ணறிவு அந்த இடைவெளிகளை நிரப்புவதன் மூலம் நாம் காணக்கூடும்; அடிப்படையில், தன்னிச்சையாகக் குறியீட்டை உருவாக்கும் ஒரு செயற்கை நுண்ணறிவு உதவியாளரின் உதவியுடன் ஒவ்வொரு மென்பொருள் உருவாக்குநரும் இன்னும் பலவற்றைச் செய்ய முடியும்.

நம்பிக்கை ஒரு மையப் பிரச்சினையாகவே இருக்கும். 2035 ஆம் ஆண்டிலும் கூட, நிறுவனங்கள் தன்னியக்கமாக உருவாக்கப்பட்ட குறியீடு பாதுகாப்பானது (AI பாதிப்புகளை அறிமுகப்படுத்தக்கூடாது) மற்றும் சட்ட/நெறிமுறை விதிமுறைகளுடன் ஒத்துப்போவதை உறுதி செய்ய வேண்டும் (எ.கா., முறையான உரிமம் இல்லாமல் திறந்த மூல நூலகத்திலிருந்து திருட்டு குறியீட்டை AI சேர்க்காது). ஆபத்து இல்லாமல் அதிக தன்னியக்க குறியீட்டை செயல்படுத்த உதவும் வகையில், AI-எழுதப்பட்ட குறியீட்டு மூலத்தைச் சரிபார்த்து, கண்டறியக்கூடிய மேம்படுத்தப்பட்ட AI நிர்வாகக் கருவிகளை நாங்கள் எதிர்பார்க்கிறோம்.

சுருக்கமாக, 2030களின் நடுப்பகுதியில், வழக்கமான மென்பொருள் பணிகளுக்கான குறியீட்டு முறையின் பெரும்பகுதியை ஜெனரேட்டிவ் AI கையாளும் மற்றும் சிக்கலானவற்றில் கணிசமாக உதவும். மென்பொருள் மேம்பாட்டு வாழ்க்கைச் சுழற்சி மிகவும் தானியங்கி முறையில் இருக்கும் - தேவைகள் முதல் பயன்பாடு வரை - AI தானாகவே குறியீடு மாற்றங்களை உருவாக்கி பயன்படுத்த வாய்ப்புள்ளது. மனித டெவலப்பர்கள் உயர் மட்ட தர்க்கம், பயனர் அனுபவம் மற்றும் மேற்பார்வையில் அதிக கவனம் செலுத்துவார்கள், அதே நேரத்தில் AI முகவர்கள் செயல்படுத்தல் விவரங்களைச் சரியாகப் பயன்படுத்துவார்கள்.

வாடிக்கையாளர் சேவை மற்றும் ஆதரவில் உருவாக்க AI

நீங்கள் சமீப காலங்களில் ஆன்லைன் வாடிக்கையாளர் ஆதரவு அரட்டையுடன் தொடர்பு கொண்டிருந்தால், அதன் ஒரு பகுதிக்கு ஒரு AI மறுமுனையில் இருந்திருக்க அதிக வாய்ப்பு உள்ளது. வாடிக்கையாளர் சேவை என்பது AI ஆட்டோமேஷனுக்கு ஏற்ற ஒரு களமாகும்: இது பயனர் வினவல்களுக்கு பதிலளிப்பதை உள்ளடக்கியது, இதில் ஜெனரேட்டிவ் AI (குறிப்பாக உரையாடல் மாதிரிகள்) மிகச் சிறப்பாகச் செயல்பட முடியும், மேலும் இது பெரும்பாலும் ஸ்கிரிப்டுகள் அல்லது அறிவுத் தளக் கட்டுரைகளைப் பின்பற்றுகிறது, இதை AI கற்றுக்கொள்ள முடியும். AI வாடிக்கையாளர்களை எவ்வளவு தன்னாட்சி முறையில் கையாள முடியும்?

தற்போதைய திறன்கள் (2025): முன்னணியில் இருக்கும் சாட்பாட்கள் மற்றும் மெய்நிகர் முகவர்கள்

தற்போதைய நிலையில், பல நிறுவனங்கள் முதல் தொடர்புப் புள்ளியாக AI சாட்பாட்களைப் . இவை, ("கட்டண விவரங்களுக்கு 1-ஐ அழுத்தவும், ஆதரவுக்கு 2-ஐ அழுத்தவும்...") போன்ற எளிய விதி அடிப்படையிலான பாட்கள் முதல், தன்னிச்சையான கேள்விகளைப் புரிந்துகொண்டு உரையாடல் பாணியில் பதிலளிக்கக்கூடிய மேம்பட்ட உருவாக்கும் திறன் கொண்ட AI சாட்பாட்கள் வரை பரந்துள்ளன. முக்கிய குறிப்புகள்:

• பொதுவான கேள்விகளைக் கையாளுதல்: அடிக்கடி கேட்கப்படும் கேள்விகளுக்கு பதிலளிப்பதிலும், தகவல்களை வழங்குவதிலும் (கடை நேரம், பணத்தைத் திரும்பப் பெறும் கொள்கைகள், அறியப்பட்ட சிக்கல்களுக்கான சரிசெய்தல் படிகள்) மற்றும் நிலையான நடைமுறைகள் மூலம் பயனர்களை வழிநடத்துவதிலும் AI முகவர்கள் சிறந்து விளங்குகிறார்கள். எடுத்துக்காட்டாக, ஒரு வங்கிக்கான AI சாட்பாட், மனித உதவியின்றி, ஒரு பயனரின் கணக்கு இருப்பைச் சரிபார்க்க, கடவுச்சொல்லை மீட்டமைக்க அல்லது கடனுக்கு எவ்வாறு விண்ணப்பிப்பது என்பதை விளக்க தன்னியக்கமாக உதவும்.

• இயற்கை மொழிப் புரிதல்: நவீன உருவாக்க மாதிரிகள், மிகவும் இயல்பான மற்றும் "மனிதனைப் போன்ற" ஊடாடலை அனுமதிக்கின்றன. வாடிக்கையாளர்கள் தங்கள் சொந்த வார்த்தைகளில் ஒரு கேள்வியைத் தட்டச்சு செய்யலாம், மேலும் செயற்கை நுண்ணறிவால் பொதுவாக அதன் நோக்கத்தைப் புரிந்துகொள்ள முடியும். சில ஆண்டுகளுக்கு முந்தைய, பயன்படுத்தச் சிரமமான போட்களை விட இன்றைய செயற்கை நுண்ணறிவு முகவர்கள் வாடிக்கையாளர்களுக்கு மிகவும் திருப்தியளிப்பதாக நிறுவனங்கள் தெரிவிக்கின்றன – வாடிக்கையாளர்களின் கவலைகளைக் கையாளும்போது, ​​செயற்கை நுண்ணறிவு முகவர்கள் பரிவுடனும் திறமையுடனும் செயல்பட முடியும் என்று இப்போது கிட்டத்தட்ட பாதி வாடிக்கையாளர்கள் நம்புகிறார்கள் (2025-ஆம் ஆண்டிற்கான 59 செயற்கை நுண்ணறிவு வாடிக்கையாளர் சேவை புள்ளிவிவரங்கள்), இது செயற்கை நுண்ணறிவால் இயக்கப்படும் சேவையின் மீதான நம்பிக்கை வளர்ந்து வருவதைக் காட்டுகிறது.

• பன்முனை ஆதரவு: செயற்கை நுண்ணறிவு (AI) அரட்டைக்கு மட்டும் உரியதல்ல. குரல்வழி உதவியாளர்கள் (AI ஆதரவுடன் இயங்கும் தொலைபேசி IVR அமைப்புகள் போன்றவை) அழைப்புகளைக் கையாளத் தொடங்கியுள்ளன. மேலும், வாடிக்கையாளர் விசாரணைகளுக்கு AI மின்னஞ்சல் பதில்களையும் வரைவு செய்ய முடியும்; அவை துல்லியமானவை எனக் கருதப்பட்டால் தானாகவே அனுப்பப்படவும் கூடும்.

• மனிதர்கள் தலையிடும்போது: பொதுவாக, செயற்கை நுண்ணறிவு குழப்பமடைந்தாலோ அல்லது கேள்வி மிகவும் சிக்கலானதாக இருந்தாலோ, அது ஒரு மனித முகவரிடம் பொறுப்பை ஒப்படைக்கும். தற்போதைய அமைப்புகள் தங்கள் வரம்புகளை அறிந்து கொள்வதில் . உதாரணமாக, ஒரு வாடிக்கையாளர் வழக்கத்திற்கு மாறான ஒன்றைக் கேட்டாலோ அல்லது விரக்தியை வெளிப்படுத்தினாலோ ("இது நான் உங்களைத் தொடர்புகொள்வது மூன்றாவது முறை, நான் மிகவும் வருத்தமாக இருக்கிறேன்..."), ஒரு மனிதர் பொறுப்பேற்பதற்காக செயற்கை நுண்ணறிவு இதைக் குறித்துக் காட்டக்கூடும். செயல்திறனையும் வாடிக்கையாளர் திருப்தியையும் சமநிலைப்படுத்துவதற்காக, பொறுப்பை ஒப்படைப்பதற்கான வரம்பு நிறுவனங்களால் நிர்ணயிக்கப்படுகிறது.

பல நிறுவனங்கள் தங்களின் உரையாடல்களில் கணிசமான பகுதிகள் செயற்கை நுண்ணறிவால் மட்டுமே தீர்க்கப்படுவதாகத் தெரிவித்துள்ளன. தொழில்துறை ஆய்வுகளின்படி, இன்று சுமார் 70-80% வழக்கமான வாடிக்கையாளர் விசாரணைகளை செயற்கை நுண்ணறிவு உரையாடல் மென்பொருட்கள் மூலம் கையாள முடியும், மேலும் பல்வேறு வழிகளில் நிறுவனங்களின் வாடிக்கையாளர் உரையாடல்களில் சுமார் 40% ஏற்கனவே தானியங்குபடுத்தப்பட்டவையாகவோ அல்லது செயற்கை நுண்ணறிவு உதவியுடனோ நடைபெறுகின்றன (நீங்கள் தெரிந்துகொள்ள வேண்டிய 52 செயற்கை நுண்ணறிவு வாடிக்கையாளர் சேவை புள்ளிவிவரங்கள் - பிளிவோ). ஐபிஎம்-இன் உலகளாவிய செயற்கை நுண்ணறிவு பயன்பாட்டுக் குறியீடு (2022), 2025-ஆம் ஆண்டிற்குள் 80% நிறுவனங்கள் வாடிக்கையாளர் சேவைக்காக செயற்கை நுண்ணறிவு உரையாடல் மென்பொருட்களைப் பயன்படுத்துகின்றன அல்லது பயன்படுத்தத் திட்டமிட்டுள்ளன என்பதைக் குறிப்பிட்டது.

ஒரு சுவாரஸ்யமான முன்னேற்றம் என்னவென்றால், செயற்கை நுண்ணறிவு (AI) வாடிக்கையாளர்களுக்குப் பதிலளிப்பது மட்டுமல்லாமல், மனித முகவர்களுக்கு நிகழ்நேரத்தில் முன்முயற்சியுடன் உதவுகிறது . உதாரணமாக, ஒரு நேரலை உரையாடல் அல்லது அழைப்பின் போது, ​​ஒரு செயற்கை நுண்ணறிவு மனித முகவரின் பேச்சைக் கேட்டு, பரிந்துரைக்கப்பட்ட பதில்களையோ அல்லது தொடர்புடைய தகவல்களையோ உடனடியாக வழங்கக்கூடும். இது தன்னாட்சியின் எல்லையை மங்கச் செய்கிறது – செயற்கை நுண்ணறிவு வாடிக்கையாளரைத் தனியாக எதிர்கொள்வதில்லை, மாறாக, மனிதனின் வெளிப்படையான கேள்வியின்றி அது தீவிரமாக ஈடுபடுகிறது. அது திறம்பட முகவருக்கு ஒரு தன்னாட்சி ஆலோசகராகச் செயல்படுகிறது.

2030-2035 ஆம் ஆண்டிற்கான எதிர்பார்ப்புகள்: பெரும்பாலும் AI சார்ந்த வாடிக்கையாளர் தொடர்புகள்

2030 ஆம் ஆண்டுக்குள், பெரும்பாலான வாடிக்கையாளர் சேவை தொடர்புகள் AI-ஐ உள்ளடக்கியதாக இருக்கும் என்று எதிர்பார்க்கப்படுகிறது, மேலும் பலவற்றை தொடக்கத்திலிருந்து முடிவு வரை முழுமையாக AI கையாளும். இதை ஆதரிக்கும் கணிப்புகள் மற்றும் போக்குகள்:

• அதிக சிக்கலான வினவல்களுக்குத் தீர்வு: செயற்கை நுண்ணறிவு மாதிரிகள் பரந்த அறிவை ஒருங்கிணைத்து, பகுத்தறியும் திறனை மேம்படுத்தும்போது, ​​அவை மிகவும் சிக்கலான வாடிக்கையாளர் கோரிக்கைகளைக் கையாளும் திறன் பெறும். "ஒரு பொருளை நான் எப்படித் திருப்பி அனுப்புவது?" என்பதற்கு மட்டும் பதிலளிப்பதற்குப் பதிலாக, எதிர்கால செயற்கை நுண்ணறிவு, "எனது இணையம் செயலிழந்துவிட்டது, நான் மறுதொடக்கம் செய்துவிட்டேன், நீங்கள் உதவ முடியுமா?" போன்ற பல-படிநிலைச் சிக்கல்களை உரையாடல் மூலம் கண்டறிந்து, மேம்பட்ட பழுதுநீக்கும் வழிமுறைகளில் வாடிக்கையாளருக்கு வழிகாட்டி, வேறு வழியே இல்லாத பட்சத்தில் மட்டுமே ஒரு தொழில்நுட்ப வல்லுநரை வரவழைப்பதன் மூலம் கையாளக்கூடும் – இன்று இத்தகைய பணிகளுக்கு ஒரு மனித ஆதரவு தொழில்நுட்ப வல்லுநர் தேவைப்படுவார். சுகாதார வாடிக்கையாளர் சேவையில், ஒரு செயற்கை நுண்ணறிவு, நோயாளிக்கான சந்திப்பு நேரங்களை முன்பதிவு செய்வது அல்லது காப்பீடு தொடர்பான வினவல்களை முழுமையாகக் கையாளக்கூடும்.

• முழுமையான சேவைத் தீர்வு: செயற்கை நுண்ணறிவு (AI) வாடிக்கையாளரிடம் என்ன செய்ய வேண்டும் என்று சொல்வதோடு மட்டுமல்லாமல், அதைச் செய்வதையும் . உதாரணமாக, ஒரு வாடிக்கையாளர், "நான் எனது விமானப் பயணத்தை அடுத்த திங்கட்கிழமைக்கு மாற்றி, கூடுதலாக ஒரு பையைச் சேர்க்க விரும்புகிறேன்" என்று கூறினால், 2030-ல் ஒரு செயற்கை நுண்ணறிவு முகவர், விமான நிறுவனத்தின் முன்பதிவு அமைப்புடன் நேரடியாகத் தொடர்பு கொண்டு, அந்த மாற்றத்தைச் செய்து, பைக்கான கட்டணத்தைச் செலுத்தி, வாடிக்கையாளருக்கு அதை உறுதிப்படுத்தக்கூடும் – இவை அனைத்தையும் அது தானாகவே செய்யும். அந்தச் செயற்கை நுண்ணறிவு வெறும் தகவல் மூலமாக இல்லாமல், ஒரு முழுமையான சேவை முகவராக மாறுகிறது.

• எங்கும் நிறைந்த செயற்கை நுண்ணறிவு முகவர்கள்: நிறுவனங்கள் தொலைபேசி, அரட்டை, மின்னஞ்சல், சமூக ஊடகங்கள் போன்ற அனைத்து வாடிக்கையாளர் தொடர்பு தளங்களிலும் செயற்கை நுண்ணறிவைப் பயன்படுத்தக்கூடும். குறிப்பாக, செயற்கை நுண்ணறிவின் குரல்கள் மிகவும் இயல்பானதாகவும், அரட்டைப் பதில்கள் சூழலுக்கு ஏற்பப் புரிந்துகொள்ளும் தன்மையுடனும் மாறும்போது, ​​பல வாடிக்கையாளர்கள் தாங்கள் ஒரு செயற்கை நுண்ணறிவுடன் பேசுகிறார்களா அல்லது ஒரு மனிதருடன் பேசுகிறார்களா என்பதை உணராமல் கூட இருக்கலாம். 2035-ஆம் ஆண்டளவில், வாடிக்கையாளர் சேவையைத் தொடர்புகொள்வது என்பது, உங்கள் கடந்தகால உரையாடல்களை நினைவில் வைத்திருக்கும், உங்கள் விருப்பங்களைப் புரிந்துகொள்ளும், மற்றும் உங்கள் குரல் தொனிக்கு ஏற்பத் தன்னை மாற்றிக்கொள்ளும் ஒரு அறிவார்ந்த செயற்கை நுண்ணறிவுடன் உரையாடுவதாக அமையக்கூடும் – அடிப்படையில் இது ஒவ்வொரு வாடிக்கையாளருக்குமான ஒரு தனிப்பயனாக்கப்பட்ட மெய்நிகர் முகவர் ஆகும்.

• உரையாடல்களில் செயற்கை நுண்ணறிவின் முடிவெடுத்தல்: கேள்விகளுக்குப் பதிலளிப்பதைத் தாண்டி, தற்போது நிர்வாக ஒப்புதல் தேவைப்படும் முடிவுகளை செயற்கை நுண்ணறிவு எடுக்கத் தொடங்கும். உதாரணமாக, இன்று ஒரு கோபமான வாடிக்கையாளரைச் சமாதானப்படுத்த, பணத்தைத் திரும்ப அளிக்கவோ அல்லது சிறப்புத் தள்ளுபடி வழங்கவோ ஒரு மனித முகவருக்கு மேற்பார்வையாளரின் ஒப்புதல் தேவைப்படலாம். எதிர்காலத்தில், கணக்கிடப்பட்ட வாடிக்கையாளர் வாழ்நாள் மதிப்பு மற்றும் உணர்வுப் பகுப்பாய்வின் அடிப்படையில், வரையறுக்கப்பட்ட வரம்புகளுக்குள், அந்த முடிவுகளை எடுக்கும் பொறுப்பு ஒரு செயற்கை நுண்ணறிவிடம் ஒப்படைக்கப்படலாம். Futurum/IBM நடத்திய ஒரு ஆய்வின்படி, 2030-ஆம் ஆண்டளவில் நிகழ்நேர வாடிக்கையாளர் தொடர்புகளின் போது எடுக்கப்படும் முடிவுகளில் சுமார் 69% திறன்மிகு இயந்திரங்களால் எடுக்கப்படும் என்று கணிக்கப்பட்டுள்ளது (வாடிக்கையாளர்அனுபவத்திற்கான மாற்றத்தை மறுபரிசீலனை செய்ய, சந்தைப்படுத்துபவர்கள் இந்த 2 விஷயங்களைச் செய்ய வேண்டும்) – இது ஒரு உரையாடலில் எடுக்க வேண்டிய சிறந்த நடவடிக்கையை செயற்கை நுண்ணறிவே தீர்மானிக்கும் செயலாகும்.

• 100% செயற்கை நுண்ணறிவு ஈடுபாடு: செயற்கை நுண்ணறிவு இறுதியில் ஒரு பங்கை வகிக்கும் என்று கூறுகிறது ஒவ்வொரு வாடிக்கையாளர் தொடர்பிலும்2025-க்கான 59 செயற்கை நுண்ணறிவு வாடிக்கையாளர் சேவை புள்ளிவிவரங்கள்), அது நேரடியாகவோ அல்லது பின்னணியிலோ இருக்கலாம். இதன் பொருள், ஒரு மனிதர் வாடிக்கையாளருடன் உரையாடிக் கொண்டிருந்தாலும், அவருக்கு செயற்கை நுண்ணறிவு (பரிந்துரைகளை வழங்குதல், தகவல்களைப் பெறுதல்) உதவி செய்யும் என்பதாகும். மாற்றாக, இதன் விளக்கம் என்னவென்றால், எந்தவொரு வாடிக்கையாளர் கேள்விக்கும் எந்த நேரத்திலும் பதிலளிக்கப்படாமல் போவதில்லை – மனிதர்கள் இணையத்தில் இல்லாதபோதும், செயற்கை நுண்ணறிவு எப்போதும் உடனிருக்கும்.

2035 ஆம் ஆண்டளவில், மனித வாடிக்கையாளர் சேவை முகவர்கள் மிகவும் உணர்திறன் வாய்ந்த அல்லது அதிக தொடுதல் சூழ்நிலைகளுக்கு மட்டுமே நிபுணத்துவம் பெற்றிருப்பதைக் காணலாம் (எ.கா., விஐபி வாடிக்கையாளர்கள் அல்லது மனித பச்சாதாபம் தேவைப்படும் சிக்கலான புகார் தீர்வு). வழக்கமான வினவல்கள் - வங்கி முதல் சில்லறை விற்பனை வரை தொழில்நுட்ப ஆதரவு வரை - 24/7 வேலை செய்யும் AI முகவர்களின் தொகுப்பால் சேவை செய்யப்படலாம், ஒவ்வொரு தொடர்புகளிலிருந்தும் தொடர்ந்து கற்றுக் கொள்ளலாம். இந்த மாற்றம் வாடிக்கையாளர் சேவையை மிகவும் நிலையானதாகவும் உடனடியாகவும் மாற்றக்கூடும், ஏனெனில் AI மக்களை காத்திருக்க வைக்காது மற்றும் கோட்பாட்டளவில் வரம்பற்ற வாடிக்கையாளர்களை ஒரே நேரத்தில் கையாள பல பணிகளைச் செய்ய முடியும்.

இந்த தொலைநோக்குப் பார்வையில் கடக்க வேண்டிய சவால்கள் உள்ளன: மனித வாடிக்கையாளர்களின் கணிக்க முடியாத தன்மையைக் கையாள AI மிகவும் வலுவானதாக இருக்க வேண்டும். இது பேச்சுவழக்கு, கோபம், குழப்பம் மற்றும் மக்கள் தொடர்பு கொள்ளும் முடிவில்லாத பல்வேறு வழிகளைக் கையாளும் திறன் கொண்டதாக இருக்க வேண்டும். இதற்கு புதுப்பித்த அறிவும் தேவை (AI இன் தகவல் காலாவதியானது என்றால் எந்த அர்த்தமும் இல்லை). AI மற்றும் நிறுவன தரவுத்தளங்களுக்கு இடையில் ஒருங்கிணைப்பில் முதலீடு செய்வதன் மூலம் (ஆர்டர்கள், செயலிழப்புகள் போன்றவற்றின் நிகழ்நேரத் தகவலுக்கு), இந்த தடைகளை நிவர்த்தி செய்ய முடியும்.

நெறிமுறைகளின்படி, நிறுவனங்கள் "நீங்கள் ஒரு செயற்கை நுண்ணறிவுடன் (AI) பேசுகிறீர்கள்" என்பதை எப்போது வெளிப்படுத்துவது என்று தீர்மானிக்க வேண்டும், மேலும் நியாயத்தையும் உறுதி செய்ய வேண்டும் (சார்புடைய பயிற்சியின் காரணமாக, செயற்கை நுண்ணறிவு சில வாடிக்கையாளர்களை எதிர்மறையாகப் பாகுபடுத்தாது). இவை நிர்வகிக்கப்படும் பட்சத்தில், இதன் வணிக ரீதியான சாத்தியக்கூறுகள் வலுவாக உள்ளன: செயற்கை நுண்ணறிவு வாடிக்கையாளர் சேவையானது செலவுகளையும் காத்திருப்பு நேரங்களையும் பெருமளவில் குறைக்க முடியும். நிறுவனங்கள் இந்தத் திறன்களில் முதலீடு செய்வதால், வாடிக்கையாளர் சேவையில் செயற்கை நுண்ணறிவுக்கான சந்தை 2030-ஆம் ஆண்டிற்குள் பல்லாயிரக்கணக்கான கோடி டாலர்களாக வளரும் என்று கணிக்கப்பட்டுள்ளது (வாடிக்கையாளர் சேவையில் செயற்கை நுண்ணறிவு சந்தை அறிக்கை 2025-2030: ஒரு கண்ணோட்டம்) (உருவாக்கும் செயற்கை நுண்ணறிவு தளவாடங்களை எவ்வாறு மேம்படுத்துகிறது | ரைடர்).

சுருக்கமாகச் சொன்னால், எதிர்காலத்தில் தானியங்கி செயற்கை நுண்ணறிவு வாடிக்கையாளர் சேவையே இயல்பான ஒன்றாக இருக்கும் என. உதவி பெறுவது என்பது, உங்கள் சிக்கலை விரைவாகத் தீர்க்கக்கூடிய ஒரு அறிவார்ந்த இயந்திரத்துடன் உரையாடுவதாகவே பெரும்பாலும் அமையும். மேற்பார்வை செய்வதற்கும், சிக்கலான சூழ்நிலைகளைக் கையாளுவதற்கும் மனிதர்கள் தொடர்ந்து இருப்பார்கள், ஆனால் அவர்கள் பெரும்பாலும் செயற்கை நுண்ணறிவுப் பணியாளர்களின் மேற்பார்வையாளர்களாகவே செயல்படுவார்கள். கடந்த கால "ரோபோ உதவி மைய" அனுபவங்களின் விரக்திகளைத் தடுப்பதற்காக, அந்தச் செயற்கை நுண்ணறிவுக்கு முறையாகப் பயிற்சி அளிக்கப்பட்டு, அது கண்காணிக்கப்படும் பட்சத்தில், இதன் விளைவாக நுகர்வோருக்கு வேகமான, மேலும் தனிப்பயனாக்கப்பட்ட சேவை கிடைக்கக்கூடும்.

சுகாதாரம் மற்றும் மருத்துவத்தில் உருவாக்கும் AI

சுகாதாரப் பராமரிப்பு என்பது அதிக பங்குகளைக் கொண்ட ஒரு துறையாகும். மருத்துவத்தில் மனித மேற்பார்வை இல்லாமல் AI செயல்படும் என்ற எண்ணம் உற்சாகத்தையும் (செயல்திறன் மற்றும் அணுகலுக்காக) எச்சரிக்கையையும் (பாதுகாப்பு மற்றும் பச்சாதாப காரணங்களுக்காக) தூண்டுகிறது. மருத்துவ இமேஜிங் பகுப்பாய்வு, மருத்துவ ஆவணங்கள் மற்றும் மருந்து கண்டுபிடிப்பு போன்ற துறைகளில் கூட ஜெனரேட்டிவ் AI ஊடுருவத் தொடங்கியுள்ளது. அது பொறுப்புடன் தனியாக என்ன செய்ய முடியும்?

தற்போதைய திறன்கள் (2025): மருத்துவர்களுக்கு உதவுதல், அவர்களை மாற்றுவது அல்ல

தற்போது, ​​சுகாதாரப் பராமரிப்பில் உருவாக்க AI, சக்திவாய்ந்த உதவியாளராக தன்னாட்சி முடிவெடுப்பவராக இல்லாமல், மருத்துவ நிபுணர்களுக்கு

• மருத்துவ ஆவணப்படுத்தல்: சுகாதாரத் துறையில் செயற்கை நுண்ணறிவின் மிகவும் வெற்றிகரமான பயன்பாடுகளில் ஒன்று, மருத்துவர்களுக்கு ஆவணப் பணிகளில் உதவுவதாகும். இயல்மொழி மாதிரிகள், நோயாளிகளின் வருகைப் பதிவுகளைப் படியெடுத்து, மருத்துவக் குறிப்புகள் அல்லது மருத்துவமனையிலிருந்து வெளியேற்றப்பட்டதற்கான சுருக்கங்களை உருவாக்க முடியும். நிறுவனங்கள், பரிசோதனையின் போது (மைக்ரோஃபோன் வழியாக) கவனித்து, மருத்துவர் மதிப்பாய்வு செய்வதற்காக சந்திப்புக் குறிப்புகளின் வரைவைத் தானாகவே உருவாக்கும் "செயற்கை நுண்ணறிவு எழுதுபவர்களை" (AI scribes) கொண்டுள்ளன. இது மருத்துவர்களின் தட்டச்சு நேரத்தை மிச்சப்படுத்துகிறது. சில அமைப்புகள் மின்னணு சுகாதாரப் பதிவுகளின் சில பகுதிகளைத் தானாகவே நிரப்புகின்றன. இதை மிகக் குறைந்த தலையீடே கொண்டு செய்ய முடியும் – மருத்துவர் வரைவில் உள்ள சிறிய பிழைகளை மட்டும் திருத்தினால் போதும், அதாவது குறிப்பு எழுதும் செயல்பாடு பெரும்பாலும் தன்னிச்சையாகவே நடைபெறுகிறது.

• கதிரியக்கவியல் மற்றும் படமெடுத்தல்: செயற்கை நுண்ணறிவு (AI), குறிப்பாக உருவாக்க மாதிரிகள் (generative models), எக்ஸ்-கதிர்கள், எம்.ஆர்.ஐ (MRI), மற்றும் சி.டி (CT) ஸ்கேன்களைப் பகுப்பாய்வு செய்து, கட்டிகள் அல்லது எலும்பு முறிவுகள் போன்ற குறைபாடுகளைக் கண்டறியும் திறன் கொண்டது. 2018-ல், விழித்திரை படங்களில் நீரிழிவு விழித்திரை நோயை (ஒரு கண் பாதிப்பு) தானாகவே கண்டறியும் ஒரு செயற்கை நுண்ணறிவு அமைப்புக்கு FDA ஒப்புதல் அளித்தது. குறிப்பாக, அந்த குறிப்பிட்ட பரிசோதனைச் சூழலில் ஒரு நிபுணரின் மதிப்பாய்வு இல்லாமலேயே இந்த முடிவை எடுக்க அதற்கு அதிகாரம் வழங்கப்பட்டது. அந்த அமைப்பு உருவாக்க செயற்கை நுண்ணறிவு அல்ல, ஆனால் சில குறிப்பிட்ட நேர்வுகளில் தானியங்கி செயற்கை நுண்ணறிவு நோயறிதலை ஒழுங்குமுறை அமைப்புகள் அனுமதித்துள்ளன என்பதை அது காட்டுகிறது. விரிவான அறிக்கைகளை உருவாக்குவதற்கு உருவாக்க மாதிரிகள் பயன்படுகின்றன. உதாரணமாக, ஒரு செயற்கை நுண்ணறிவு மார்பு எக்ஸ்-கதிரை ஆய்வு செய்து, ஒரு கதிரியக்க நிபுணரின் அறிக்கையைத் தயாரிக்கலாம். பின்னர் கதிரியக்க நிபுணர் அதை உறுதிசெய்து கையொப்பமிடுவார். சில வழக்கமான நேர்வுகளில், கதிரியக்க நிபுணர் அந்த செயற்கை நுண்ணறிவை நம்பி ஒரு விரைவான சோதனையை மட்டும் செய்தால், இந்த அறிக்கைகள் எந்தத் திருத்தங்களும் இன்றி அனுப்பப்படலாம்.

• அறிகுறிகளைச் சரிபார்ப்பவர்கள் மற்றும் மெய்நிகர் செவிலியர்கள்: உருவாக்கத் திறன் கொண்ட செயற்கை நுண்ணறிவு உரையாடல் செயலிகள், நோயாளிகளின் அறிகுறிகளை நேரடியாகச் சரிபார்க்கப் பயன்படுத்தப்படுகின்றன. நோயாளிகள் தங்கள் அறிகுறிகளை உள்ளிட்டு ஆலோசனைகளைப் பெறலாம் (உதாரணமாக, “இது ஒரு சாதாரண சளியாக இருக்கலாம்; ஓய்வெடுங்கள் மற்றும் திரவங்களை அருந்துங்கள், ஆனால் X அல்லது Y ஏற்பட்டால் மருத்துவரை அணுகவும்.”). பாபிலோன் ஹெல்த் போன்ற செயலிகள், பரிந்துரைகளை வழங்க செயற்கை நுண்ணறிவைப் பயன்படுத்துகின்றன. தற்போது, ​​இவை பொதுவாக உறுதியான மருத்துவ ஆலோசனையாக அல்லாமல், தகவல் சார்ந்தவையாகவே வழங்கப்படுகின்றன. மேலும், தீவிரமான பிரச்சனைகளுக்கு மனித மருத்துவரைத் தொடர்ந்து அணுகுமாறு அவை ஊக்குவிக்கின்றன.

• மருந்து கண்டுபிடிப்பு (உருவாக்க வேதியியல்): உருவாக்க செயற்கை நுண்ணறிவு மாதிரிகள், மருந்துகளுக்கான புதிய மூலக்கூறு கட்டமைப்புகளை முன்மொழிய முடியும். இது நோயாளி பராமரிப்பை விட ஆராய்ச்சித் துறையைச் சார்ந்தது. இந்த செயற்கை நுண்ணறிவுகள், விரும்பிய பண்புகளுடன் கூடிய ஆயிரக்கணக்கான சாத்தியமான சேர்மங்களைத் தன்னிச்சையாகப் பரிந்துரைக்கின்றன; பின்னர் மனித வேதியியலாளர்கள் அவற்றை ஆய்வகத்தில் மதிப்பாய்வு செய்து சோதிக்கின்றனர். இன்சிலிகோ மெடிசின் போன்ற நிறுவனங்கள், புதிய மருந்து வேட்பாளர்களைக் கணிசமாகக் குறைந்த நேரத்தில் உருவாக்க செயற்கை நுண்ணறிவைப் பயன்படுத்தியுள்ளன. இது நோயாளிகளுடன் நேரடியாகத் தொடர்பு கொள்ளாவிட்டாலும், மனிதர்கள் கண்டறிய அதிக காலம் எடுத்திருக்கக்கூடிய தீர்வுகளை (மூலக்கூறு வடிவமைப்புகளை) செயற்கை நுண்ணறிவு தன்னிச்சையாக உருவாக்கும் ஒரு எடுத்துக்காட்டாக இது விளங்குகிறது.

• சுகாதாரப் பராமரிப்பு செயல்பாடுகள்: மருத்துவமனைகளில் திட்டமிடல், விநியோக மேலாண்மை மற்றும் பிற தளவாடங்களை மேம்படுத்த AI உதவுகிறது. எடுத்துக்காட்டாக, ஒரு உருவாக்கும் மாதிரி நோயாளி ஓட்டத்தை உருவகப்படுத்தி, காத்திருப்பு நேரங்களைக் குறைக்க திட்டமிடல் சரிசெய்தல்களை பரிந்துரைக்கலாம். அவ்வளவு தெளிவாகத் தெரியவில்லை என்றாலும், இவை குறைந்தபட்ச கைமுறை மாற்றங்களுடன் ஒரு AI எடுக்கக்கூடிய முடிவுகள்.

என்பதைக் குறிப்பிடுவது அவசியம் 2025 ஆம் ஆண்டு நிலவரப்படி, எந்தவொரு மருத்துவமனையும் மனித ஒப்புதல் இல்லாமல், முக்கிய மருத்துவ முடிவுகளையோ சிகிச்சைகளையோ தன்னிச்சையாக எடுக்க செயற்கை நுண்ணறிவை (AI) அனுமதிப்பதில்லை நோயறிதல் மற்றும் சிகிச்சைத் திட்டமிடல் ஆகியவை செயற்கை நுண்ணறிவின் உள்ளீடுகளை மட்டும் கொண்டு, உறுதியாக மனிதர்களின் கைகளிலேயே இருக்கின்றன. ஒரு நோயாளியிடம் "உங்களுக்குப் புற்றுநோய் உள்ளது" என்று ஒரு செயற்கை நுண்ணறிவு முழுமையாகத் தன்னிச்சையாகக் கூறுவதற்கோ அல்லது மருந்து பரிந்துரைப்பதற்கோ தேவையான நம்பிக்கை இன்னும் ஏற்படவில்லை; விரிவான சரிபார்ப்பு இல்லாமல் அது ஏற்படவும் கூடாது. மருத்துவ வல்லுநர்கள் செயற்கை நுண்ணறிவை ஒரு கூடுதல் பார்வையாகவோ அல்லது நேரத்தைச் சேமிக்கும் கருவியாகவோ பயன்படுத்துகின்றனர், ஆனால் அவர்கள் அதன் முக்கிய வெளியீடுகளைச் சரிபார்க்கிறார்கள்.

2030-2035 ஆம் ஆண்டிற்கான எதிர்பார்ப்பு: ஒரு மருத்துவரின் சக ஊழியராக (மற்றும் ஒரு செவிலியர் அல்லது மருந்தாளுநராக இருக்கலாம்) AI

வரவிருக்கும் தசாப்தத்தில், ஜெனரேட்டிவ் AI, வழக்கமான மருத்துவப் பணிகளைத் தன்னாட்சி முறையில் மேற்கொள்ளும் என்றும், சுகாதார சேவைகளின் அணுகலை மேம்படுத்தும் என்றும் நாங்கள் எதிர்பார்க்கிறோம்:

• தானியங்கு ஆரம்பகட்ட நோயறிதல்: 2030-ஆம் ஆண்டிற்குள், பல பொதுவான நோய்களுக்கான ஆரம்பகட்டப் பகுப்பாய்வை செயற்கை நுண்ணறிவால் நம்பகத்தன்மையுடன் கையாள முடியும். ஒரு மருத்துவமனையில் உள்ள ஒரு செயற்கை நுண்ணறிவு அமைப்பைக் கற்பனை செய்து பாருங்கள். அது ஒரு நோயாளியின் அறிகுறிகள், மருத்துவ வரலாறு, கேமரா வழியாக அவர்களின் குரல் தொனி மற்றும் முகபாவனைகளைக் கூடப் படித்து, ஒரு நோயறிதல் பரிந்துரையையும், பரிந்துரைக்கப்பட்ட சோதனைகளையும் வழங்குகிறது – இவை அனைத்தையும் மனித மருத்துவர் நோயாளியைப் பார்ப்பதற்கு முன்பே செய்கிறது. அதன் பிறகு, மருத்துவர் நோயறிதலை உறுதி செய்வதிலும், அதைப் பற்றி விவாதிப்பதிலும் கவனம் செலுத்தலாம். தொலை மருத்துவத்தில், ஒரு நோயாளி முதலில் ஒரு செயற்கை நுண்ணறிவுடன் உரையாடலாம். அது பிரச்சினையை (உதாரணமாக, சைனஸ் தொற்று அல்லது அதைவிடக் கடுமையான ஒன்று) சுருக்கி, தேவைப்பட்டால் அவரை ஒரு மருத்துவரிடம் இணைக்கும். அதிகாரப்பூர்வமாகக் கண்டறிய ஒழுங்குமுறை அமைப்புகள் செயற்கை நுண்ணறிவை அனுமதிக்கலாம் – உதாரணமாக, ஓட்டோஸ்கோப் படத்திலிருந்து ஒரு சாதாரண காது நோய்த்தொற்றை ஒரு செயற்கை நுண்ணறிவு கண்டறிவது சாத்தியமாகலாம்.

• தனிநபர் சுகாதாரக் கண்காணிப்புக் கருவிகள்: அணியக்கூடிய சாதனங்களின் (ஸ்மார்ட்வாட்சுகள், சுகாதார உணர்விகள்) பெருக்கத்தால், செயற்கை நுண்ணறிவு (AI) நோயாளிகளைத் தொடர்ச்சியாகக் கண்காணித்து, பிரச்சனைகள் குறித்துத் தானாகவே எச்சரிக்கும். உதாரணமாக, 2035-ஆம் ஆண்டுக்குள், உங்கள் அணியக்கூடிய சாதனத்தின் செயற்கை நுண்ணறிவு, அசாதாரணமான இதயத் துடிப்பைக் கண்டறிந்து, உங்களுக்கு அவசர மெய்நிகர் ஆலோசனைக்குத் தானாகவே ஏற்பாடு செய்யலாம் அல்லது மாரடைப்பு அல்லது பக்கவாதத்திற்கான அறிகுறிகளைக் கண்டறிந்தால் ஆம்புலன்ஸை அழைக்கவும் கூடும். இது, ஒரு சூழ்நிலையை அவசரநிலை எனத் தீர்மானித்து அதற்கேற்பச் செயல்படும் தன்னியக்க முடிவெடுக்கும் எல்லைக்குள் நுழைகிறது – இது செயற்கை நுண்ணறிவின் சாத்தியமான மற்றும் உயிர்காக்கும் ஒரு பயன்பாடாகும்.

• சிகிச்சை பரிந்துரைகள்: மருத்துவ இலக்கியங்கள் மற்றும் நோயாளித் தரவுகளின் அடிப்படையில் பயிற்சி பெற்ற உருவாக்கச் செயற்கை நுண்ணறிவு, தனிப்பயனாக்கப்பட்ட சிகிச்சைத் திட்டங்களைப் பரிந்துரைக்கக்கூடும். 2030-ஆம் ஆண்டளவில், புற்றுநோய் போன்ற சிக்கலான நோய்களுக்கு, செயற்கை நுண்ணறிவு கட்டிக் குழுக்கள் ஒரு நோயாளியின் மரபணு அமைப்பு மற்றும் மருத்துவ வரலாற்றை ஆய்வு செய்து, பரிந்துரைக்கப்பட்ட சிகிச்சை முறையை (கீமோ திட்டம், மருந்துத் தேர்வு) தன்னிச்சையாக வரைவு செய்யக்கூடும். மனித மருத்துவர்கள் அதை மதிப்பாய்வு செய்வார்கள், ஆனால் காலப்போக்கில் நம்பிக்கை வளர வளர, அவர்கள் குறிப்பாக வழக்கமான நிகழ்வுகளுக்கு, செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட திட்டங்களை ஏற்கத் தொடங்கி, தேவைப்படும்போது மட்டுமே மாற்றங்களைச் செய்யக்கூடும்.

• மெய்நிகர் செவிலியர்கள் மற்றும் வீட்டுப் பராமரிப்பு: உரையாடவும் மருத்துவ வழிகாட்டுதலை வழங்கவும் திறன் கொண்ட ஒரு செயற்கை நுண்ணறிவு, தொடர் கண்காணிப்பு மற்றும் நாள்பட்ட நோய்களுக்கான பராமரிப்பு போன்ற பல பணிகளைக் கையாள முடியும். உதாரணமாக, நாள்பட்ட நோய்களால் வீட்டில் இருக்கும் நோயாளிகள், தங்களின் தினசரி அளவீடுகளை ஒரு செயற்கை நுண்ணறிவு செவிலியர் உதவியாளரிடம் தெரிவிக்கலாம். அந்த உதவியாளர், ("உங்கள் இரத்தச் சர்க்கரை அளவு சற்று அதிகமாக உள்ளது, உங்கள் இரவு நேர சிற்றுண்டியை மாற்றியமைப்பது குறித்து யோசியுங்கள்") என அறிவுரை வழங்குவார். மேலும், அளவீடுகள் இயல்புக்கு அதிகமாக இருக்கும்போதோ அல்லது சிக்கல்கள் எழும்போதோ மட்டுமே ஒரு மனித செவிலியரை இந்தப் பணிக்கு அழைப்பார். இந்தச் செயற்கை நுண்ணறிவு, ஒரு மருத்துவரின் தொலைநிலை மேற்பார்வையின் கீழ் பெரும்பாலும் தன்னிச்சையாகச் செயல்பட முடியும்.

• மருத்துவப் படமெடுத்தல் மற்றும் ஆய்வகப் பகுப்பாய்வு – முழுமையாகத் தானியங்குமயமாக்கப்பட்ட செயல்முறைகள்: 2035-ஆம் ஆண்டளவில், சில துறைகளில் மருத்துவ ஸ்கேன்களைப் படிக்கும் பணி பெரும்பாலும் செயற்கை நுண்ணறிவால் (AI) செய்யப்படலாம். கதிரியக்க நிபுணர்கள் AI அமைப்புகளை மேற்பார்வையிட்டு, சிக்கலான நிகழ்வுகளைக் கையாள்வார்கள். ஆனால், பெரும்பாலான இயல்பான ஸ்கேன்களை (உண்மையில் அவை இயல்பானவையே) ஒரு AI நேரடியாகப் படித்து, ஒப்புதல் அளிக்க முடியும். இதேபோல், நோயியல் ஸ்லைடுகளைப் பகுப்பாய்வு செய்வதும் (உதாரணமாக, பயாப்ஸியில் புற்றுநோய் செல்களைக் கண்டறிதல்) ஆரம்பகட்ட பரிசோதனைக்காகத் தானாகவே செய்யப்படலாம். இது ஆய்வக முடிவுகளை வியத்தகு முறையில் விரைவுபடுத்தும்.

• மருந்து கண்டுபிடிப்பு மற்றும் மருத்துவ பரிசோதனைகள்: AI மருந்து மூலக்கூறுகளை வடிவமைப்பது மட்டுமல்லாமல், சோதனைகளுக்கான செயற்கை நோயாளி தரவை உருவாக்கும் அல்லது உகந்த சோதனை வேட்பாளர்களைக் கண்டறியும். உண்மையான சோதனைகளுக்கு முன் விருப்பங்களைக் குறைக்க இது தன்னியக்கமாக மெய்நிகர் சோதனைகளை இயக்கலாம் (நோயாளிகள் எவ்வாறு எதிர்வினையாற்றுவார்கள் என்பதை உருவகப்படுத்துதல்). இது குறைவான மனித-இயக்கப்படும் பரிசோதனைகளுடன் மருந்துகளை விரைவாக சந்தைக்குக் கொண்டுவரும்.

தொலைநோக்குப் பார்வை செயற்கை நுண்ணறிவு மருத்துவர், மனித மருத்துவரை முழுமையாக மாற்றிவிடுவார் என்ற சக ஊழியராகவே . சிக்கலான நோயறிதலுக்கு, நோயாளியின் சூழலைப் புரிந்துகொள்ள உள்ளுணர்வு, நெறிமுறைகள் மற்றும் உரையாடல்கள் தேவைப்படுகின்றன – இவை மனித மருத்துவர்கள் சிறந்து விளங்கும் துறைகளாகும். இருப்பினும், ஒரு செயற்கை நுண்ணறிவு, ஆவணப் பணிகள், நேரடியான வழக்குகள், கண்காணிப்பு போன்ற வழக்கமான வேலைப்பளுவில் சுமார் 80%-ஐக் கையாளக்கூடும். இது, மனித மருத்துவர்களைக் கடினமான மீதமுள்ள 20% மற்றும் நோயாளிகளுடனான உறவுகளில் கவனம் செலுத்த அனுமதிக்கும்.

குறிப்பிடத்தக்க தடைகள் உள்ளன: சுகாதாரப் பராமரிப்பில் தன்னாட்சி AI-க்கான ஒழுங்குமுறை ஒப்புதல் கடுமையானது (பொருத்தமாகவே). AI அமைப்புகளுக்கு விரிவான மருத்துவ சரிபார்ப்பு தேவைப்படும். அதிகரிக்கும் ஏற்றுக்கொள்ளலை நாம் காணலாம் - எ.கா., மருத்துவர்கள் இல்லாத சேவை குறைவாக உள்ள பகுதிகளில் AI தன்னாட்சி முறையில் கண்டறிய அல்லது சிகிச்சையளிக்க அனுமதிக்கப்படுகிறது, இது சுகாதார அணுகலை நீட்டிக்கும் ஒரு வழியாகும் (நகரத்தில் உள்ள ஒரு மருத்துவரின் அவ்வப்போது தொலைதூர மேற்பார்வையுடன் செயல்படும் 2030 ஆம் ஆண்டுக்குள் ஒரு தொலைதூர கிராமத்தில் ஒரு "AI மருத்துவமனையை" கற்பனை செய்து பாருங்கள்).

நெறிமுறை சார்ந்த பரிசீலனைகள் மிக முக்கியமானவை. பொறுப்புக்கூறல் (நோயறிதலில் ஒரு தன்னாட்சி AI தவறு செய்தால், யார் பொறுப்பு?), தகவலறிந்த ஒப்புதல் (AI அவர்களின் பராமரிப்பில் ஈடுபட்டுள்ளதா என்பதை நோயாளிகள் தெரிந்து கொள்ள வேண்டும்), மற்றும் சமத்துவத்தை உறுதி செய்தல் (AI அனைத்து மக்களுக்கும் நன்றாக வேலை செய்கிறது, சார்புகளைத் தவிர்ப்பது) ஆகியவை வழிசெலுத்துவதில் சவால்கள். அவை தீர்க்கப்பட்டால், 2030களின் நடுப்பகுதியில் ஜெனரேட்டிவ் AI சுகாதாரப் பராமரிப்பு விநியோகத்தில் பின்னிப் பிணைந்து, மனித வழங்குநர்களை விடுவிக்கும் பல பணிகளைச் செய்து, தற்போது குறைந்த அணுகல் உள்ள நோயாளிகளை அடையக்கூடும்.

சுருக்கமாக, 2035-ஆம் ஆண்டளவில் சுகாதாரத் துறையில் செயற்கை நுண்ணறிவு ஆழமாக ஒருங்கிணைக்கப்படும், ஆனால் அது பெரும்பாலும் மறைமுகமாகவோ அல்லது துணைப் பாத்திரங்களிலோதான் செயல்படும். போன்ற பலவற்றைச் செயற்கை நுண்ணறிவு தானாகவே செய்யும் என்று . ஆனால், முக்கியமான முடிவுகளுக்கு மனித மேற்பார்வை என்ற பாதுகாப்பு வலை தொடர்ந்து இருக்கும். இதன் விளைவாக, செயற்கை நுண்ணறிவு கடினமான பணிகளைக் கையாளவும், மனிதர்கள் பரிவுணர்வையும் இறுதி முடிவையும் வழங்கவும் கூடிய, மிகவும் திறமையான மற்றும் பதிலளிக்கக்கூடிய ஒரு சுகாதார அமைப்பு உருவாகக்கூடும்.

கல்வியில் உருவாக்கும் AI

கல்வி என்பது AI-இயக்கப்படும் பயிற்சி பாட்கள் முதல் தானியங்கி தரப்படுத்தல் மற்றும் உள்ளடக்க உருவாக்கம் வரை ஜெனரேட்டிவ் AI அலைகளை உருவாக்கும் மற்றொரு துறையாகும். கற்பித்தல் மற்றும் கற்றல் என்பது தகவல் தொடர்பு மற்றும் படைப்பாற்றலை உள்ளடக்கியது, இவை ஜெனரேட்டிவ் மாதிரிகளின் பலங்கள். ஆனால் ஆசிரியரின் மேற்பார்வை இல்லாமல் AI கல்வி கற்பிப்பதாக நம்ப முடியுமா?

தற்போதைய திறன்கள் (2025): ஒரே கட்டமாக ஆசிரியர்கள் மற்றும் உள்ளடக்கத்தை உருவாக்குபவர்கள்

தற்போது, ​​கல்வியில் AI என்பது ஒரு தனி ஆசிரியராகப் பயன்படுத்தப்படுவதற்குப் பதிலாக, முதன்மையாக ஒரு துணை கருவியாகப் . தற்போதைய பயன்பாட்டின் எடுத்துக்காட்டுகள்:

• செயற்கை நுண்ணறிவு பயிற்றுவிப்பு உதவியாளர்கள்: கான் அகாடமியின் “கான்மிகோ” (GPT-4 ஆல் இயக்கப்படுகிறது) போன்ற கருவிகள் அல்லது பல்வேறு மொழி கற்றல் செயலிகள், ஒரு தனிப்பட்ட பயிற்றுவிப்பாளர் அல்லது உரையாடல் கூட்டாளியைப் போல செயல்பட செயற்கை நுண்ணறிவைப் பயன்படுத்துகின்றன. மாணவர்கள் இயல்பான மொழியில் கேள்விகளைக் கேட்டு பதில்களையோ விளக்கங்களையோ பெறலாம். இந்தச் செயற்கை நுண்ணறிவு, வீட்டுப்பாடக் கணக்குகளுக்குக் குறிப்புகளை வழங்கலாம், கருத்துகளைப் பல்வேறு வழிகளில் விளக்கலாம், அல்லது ஒரு ஊடாடும் வரலாற்றுப் பாடத்திற்காக ஒரு வரலாற்றுப் பாத்திரமாக நடித்துக் காட்டலாம். இருப்பினும், இந்தச் செயற்கை நுண்ணறிவுப் பயிற்றுவிப்பாளர்கள் பொதுவாகக் கண்காணிப்புடன் பயன்படுத்தப்படுகிறார்கள்; தவறான தகவல்கள் அல்லது பொருத்தமற்ற உள்ளடக்கத்தைத் தவிர்ப்பதற்காக, ஆசிரியர்கள் அல்லது செயலி பராமரிப்பாளர்கள் பெரும்பாலும் உரையாடல்களைக் கண்காணிப்பார்கள் அல்லது செயற்கை நுண்ணறிவு எதைப் பற்றி விவாதிக்கலாம் என்பதற்கு வரம்புகளை நிர்ணயிப்பார்கள்.

• ஆசிரியர்களுக்கான உள்ளடக்க உருவாக்கம்: உருவாக்கும் செயற்கை நுண்ணறிவு (Generative AI), வினாடி வினா கேள்விகள், பாடங்களின் சுருக்கங்கள், பாடத்திட்ட வரைவுகள் போன்றவற்றை உருவாக்குவதன் மூலம் ஆசிரியர்களுக்கு உதவுகிறது. ஒரு ஆசிரியர், "இருபடிச் சமன்பாடுகள் குறித்த 5 பயிற்சிக் கணக்குகளை விடைகளுடன் உருவாக்கு" என்று ஒரு செயற்கை நுண்ணறிவிடம் கேட்கலாம், இது தயாரிப்பு நேரத்தை மிச்சப்படுத்துகிறது. இது ஒரு தன்னிச்சையான உள்ளடக்க உருவாக்கம் என்றாலும், ஒரு ஆசிரியர் பொதுவாக அதன் வெளியீட்டின் துல்லியத்தையும் பாடத்திட்டத்துடனான அதன் பொருத்தத்தையும் மதிப்பாய்வு செய்வார். எனவே, இது முழுமையாகத் தன்னிச்சையானதை விட, உழைப்பைச் சேமிக்கும் ஒரு கருவியாகவே உள்ளது.

• தரப்படுத்தல் மற்றும் கருத்து: AI தானாகவே பல தேர்வுத் தேர்வுகளை மதிப்பிட முடியும் (புதிதாக எதுவும் இல்லை) மேலும் குறுகிய பதில்கள் அல்லது கட்டுரைகளை மதிப்பீடு செய்வதை அதிகளவில் செய்ய முடியும். சில பள்ளி அமைப்புகள் எழுதப்பட்ட பதில்களை மதிப்பிடவும் மாணவர்களுக்கு கருத்துகளை வழங்கவும் AI ஐப் பயன்படுத்துகின்றன (எ.கா., இலக்கணத் திருத்தங்கள், ஒரு வாதத்தை விரிவுபடுத்துவதற்கான பரிந்துரைகள்). ஒரு உருவாக்கப் பணியாக இல்லாவிட்டாலும், புதிய AIகள் உருவாக்கலாம் , மேம்படுத்த வேண்டிய பகுதிகளை எடுத்துக்காட்டுகின்றன. நுணுக்கங்கள் குறித்த கவலைகள் காரணமாக ஆசிரியர்கள் பெரும்பாலும் இந்த கட்டத்தில் AI- தரப்படுத்தப்பட்ட கட்டுரைகளை இருமுறை சரிபார்க்கிறார்கள்.

• தகவமைப்பு கற்றல் அமைப்புகள்: இவை ஒரு மாணவரின் செயல்திறனின் அடிப்படையில் பாடப்பொருளின் கடினத்தன்மையையோ அல்லது பாணியையோ சரிசெய்யும் தளங்களாகும். உருவாக்கும் செயற்கை நுண்ணறிவு (Generative AI), மாணவரின் தேவைகளுக்கு ஏற்ப புதிய கணக்குகளையோ அல்லது எடுத்துக்காட்டுகளையோ உடனடியாக உருவாக்குவதன் மூலம் இதை மேம்படுத்துகிறது. உதாரணமாக, ஒரு மாணவர் ஒரு கருத்தைப் புரிந்துகொள்வதில் சிரமப்பட்டால், அந்தக் கருத்தை மையமாகக் கொண்டு செயற்கை நுண்ணறிவு மற்றொரு ஒப்புமையையோ அல்லது பயிற்சிக் கேள்வியையோ உருவாக்கக்கூடும். இது ஓரளவிற்குத் தன்னியக்கமானது, ஆனால் கல்வியாளர்களால் வடிவமைக்கப்பட்ட ஒரு அமைப்புக்குள் இயங்குகிறது.

• கற்றலுக்கான மாணவர் பயன்பாடு: மாணவர்கள் தாங்களாகவே ChatGPT போன்ற கருவிகளைக் கற்றலுக்கு உதவியாகப் பயன்படுத்துகின்றனர் – தெளிவுபடுத்தல்கள், மொழிபெயர்ப்புகளைக் கேட்பது, அல்லது ஒரு கட்டுரை வரைவின் மீதான பின்னூட்டத்தைப் பெற செயற்கை நுண்ணறிவைப் பயன்படுத்துவது ("எனது அறிமுகப் பத்தியை மேம்படுத்துங்கள்") போன்றவை இதில் அடங்கும். இது சுய-இயக்கமானது மற்றும் ஆசிரியரின் அறிவே இல்லாமலும் நிகழலாம். இந்தச் சூழலில், செயற்கை நுண்ணறிவு தேவைக்கேற்ப ஒரு பயிற்றுவிப்பாளராகவோ அல்லது பிழைதிருத்துபவராகவோ செயல்படுகிறது. மாணவர்கள் வெறும் பதில்களைப் பெறுவதற்காக மட்டும் இதைப் பயன்படுத்தாமல், கற்றலுக்காகப் பயன்படுத்துவதை உறுதி செய்வதே இதில் உள்ள சவாலாகும் (கல்விசார் நேர்மை).

2025 ஆம் ஆண்டு நிலவரப்படி, கல்வியில் AI சக்தி வாய்ந்தது, ஆனால் பொதுவாக AI இன் பங்களிப்புகளை நிர்வகிக்கும் ஒரு மனித கல்வியாளருடன் செயல்படுகிறது என்பது தெளிவாகிறது. புரிந்துகொள்ளக்கூடிய எச்சரிக்கை உள்ளது: தவறான தகவல்களைக் கற்பிப்பதற்கோ அல்லது வெற்றிடத்தில் உணர்திறன் வாய்ந்த மாணவர் தொடர்புகளைக் கையாளுவதற்கோ ஒரு AI ஐ நம்புவதை நாங்கள் விரும்பவில்லை. ஆசிரியர்கள் AI ஆசிரியர்களை மாணவர்களுக்கு அதிக பயிற்சி மற்றும் வழக்கமான கேள்விகளுக்கு உடனடி பதில்களை வழங்கக்கூடிய உதவியாளர்களாகக் கருதுகின்றனர், இதனால் ஆசிரியர்கள் ஆழ்ந்த வழிகாட்டுதலில் கவனம் செலுத்த முடியும்.

2030-2035 ஆம் ஆண்டிற்கான எதிர்பார்ப்புகள்: தனிப்பயனாக்கப்பட்ட AI ஆசிரியர்கள் மற்றும் தானியங்கி கற்பித்தல் உதவியாளர்கள்

அடுத்த பத்தாண்டுகளில், உருவாக்க செயற்கை நுண்ணறிவு மேலும் தனிப்பயனாக்கப்பட்ட மற்றும் தன்னாட்சி கற்றல் அனுபவங்களை, அதே நேரத்தில் ஆசிரியர்களின் பங்கும் பரிணமிக்கும் என்றும் நாங்கள் எதிர்பார்க்கிறோம்:

• ஒவ்வொரு மாணவருக்குமான செயற்கை நுண்ணறிவு தனிப்பட்ட பயிற்றுநர்கள்: 2030-ஆம் ஆண்டிற்குள், ஒவ்வொரு மாணவரும் பல அம்சங்களில் ஒரு மனிதப் பயிற்றுநரைப் போலவே திறம்படச் செயல்படும் ஒரு செயற்கை நுண்ணறிவு பயிற்றுநரை அணுக முடியும் என்பதே (கான் அகாடமியின் சால் கான் போன்ற நிபுணர்களால் பகிரப்பட்ட) ஒரு தொலைநோக்குப் பார்வையாகும் (இந்த செயற்கை நுண்ணறிவு பயிற்றுநர் மனிதர்களை 10 மடங்கு புத்திசாலியாக்க முடியும் என்று அதன் உருவாக்கியவர் கூறுகிறார்). இந்த செயற்கை நுண்ணறிவு பயிற்றுநர்கள் 24/7 கிடைக்கும்படி இருப்பார்கள், மாணவரின் கற்றல் வரலாற்றை ஆழமாக அறிந்திருப்பார்கள், மேலும் அதற்கேற்ப தங்கள் கற்பித்தல் பாணியை மாற்றியமைப்பார்கள். உதாரணமாக, ஒரு மாணவர் காட்சிகளின் மூலம் கற்பவராக இருந்து, இயற்கணிதக் கருத்து ஒன்றில் சிரமப்பட்டால், அவருக்கு உதவுவதற்காக அந்தச் செயற்கை நுண்ணறிவு தானாகவே ஒரு காட்சி விளக்கத்தையோ அல்லது ஊடாடும் உருவகப்படுத்துதலையோ உருவாக்கக்கூடும். காலப்போக்கில் மாணவரின் முன்னேற்றத்தை அந்தச் செயற்கை நுண்ணறிவால் கண்காணிக்க முடிவதால், அடுத்து எந்தத் தலைப்பை மீள்பார்வை செய்வது அல்லது எப்போது ஒரு புதிய திறனுக்கு முன்னேறுவது என்பதை அது தன்னிச்சையாகத் தீர்மானிக்க முடியும் – இதன் மூலம் பாடத்திட்டத்தை ஒரு நுண் மட்டத்தில் திறம்பட நிர்வகிக்கிறது.

• வழக்கமான பணிகளில் ஆசிரியரின் பணிச்சுமை குறைதல்: மதிப்பெண் வழங்குதல், பணித்தாள்களை உருவாக்குதல், பாடப் பொருட்களைத் தயாரித்தல் போன்ற பணிகளை 2030-களுக்குள் ஏறக்குறைய முழுமையாக செயற்கை நுண்ணறிவிடம் (AI) ஒப்படைக்க முடியும். ஒரு செயற்கை நுண்ணறிவால், ஒரு வகுப்பிற்கு ஒரு வாரத்திற்கான தனிப்பயனாக்கப்பட்ட வீட்டுப்பாடங்களை உருவாக்க முடியும்; கடந்த வாரத்தின் அனைத்துப் பணிகளுக்கும் (திறந்தநிலை வினாக்கள் உட்பட) பின்னூட்டத்துடன் மதிப்பெண் வழங்க முடியும்; மேலும், எந்தெந்த மாணவர்களுக்கு எந்தெந்தத் தலைப்புகளில் கூடுதல் உதவி தேவைப்படலாம் என்பதை ஆசிரியருக்குச் சுட்டிக்காட்டவும் முடியும். ஆசிரியரின் குறைந்தபட்ச உள்ளீட்டுடன் இது நிகழக்கூடும்; ஒருவேளை, செயற்கை நுண்ணறிவின் மதிப்பெண்கள் நியாயமானதாகத் தோன்றுகிறதா என்பதை உறுதிப்படுத்த ஒரு விரைவான பார்வை மட்டும் போதுமானது.

• தன்னியக்க தகவமைப்பு கற்றல் தளங்கள்: சில பாடங்களுக்கு முழுமையாக செயற்கை நுண்ணறிவால் இயக்கப்படும் பாடத்திட்டங்களை நாம் காணக்கூடும். மனித பயிற்றுவிப்பாளர் இல்லாத ஒரு இணையவழிப் பாடத்திட்டத்தைக் கற்பனை செய்து பாருங்கள்; அதில் ஒரு செயற்கை நுண்ணறிவு முகவர் பாடப்பொருளை அறிமுகப்படுத்தி, எடுத்துக்காட்டுகளை வழங்கி, கேள்விகளுக்குப் பதிலளித்து, மாணவரின் தேவைக்கேற்ப கற்றல் வேகத்தைச் சரிசெய்கிறது. மாணவரின் அனுபவம், நிகழ்நேரத்தில் உருவாக்கப்பட்டு, அவருக்கே உரித்தானதாக இருக்கலாம். சில பெருநிறுவனப் பயிற்சிகள் மற்றும் வயது வந்தோருக்கான கற்றல் ஆகியவை இந்த மாதிரிக்கு விரைவில் மாறக்கூடும். இதன் மூலம், 2035-ஆம் ஆண்டளவில் ஒரு ஊழியர், "நான் மேம்பட்ட எக்செல் மேக்ரோக்களைக் கற்றுக்கொள்ள விரும்புகிறேன்" என்று கூறும்போது, ​​ஒரு செயற்கை நுண்ணறிவு பயிற்றுவிப்பாளர், மனிதப் பயிற்சியாளர் இல்லாமல், பயிற்சிகளை உருவாக்குதல் மற்றும் அவர்களின் தீர்வுகளை மதிப்பீடு செய்தல் உட்பட, தனிப்பயனாக்கப்பட்ட பாடத்திட்டத்தின் மூலம் அவர்களுக்குக் கற்பிப்பார்.

• வகுப்பறை செயற்கை நுண்ணறிவு உதவியாளர்கள்: நேரடி அல்லது மெய்நிகர் வகுப்பறைகளில், செயற்கை நுண்ணறிவு வகுப்பு விவாதங்களைக் கேட்டு, ஆசிரியருக்கு உடனடியாக உதவக்கூடும் (எ.கா., காதுக்கருவி வழியாக ஆலோசனைகளை மெதுவாகக் கூறுவது: “பல மாணவர்கள் அந்தக் கருத்தைப் பற்றிக் குழப்பமாகத் தெரிகிறார்கள், ஒருவேளை மற்றொரு உதாரணத்தைக் கொடுக்கலாம்”). அது இணையவழி வகுப்புக் கலந்துரையாடல்களை நெறிப்படுத்தவும், மாணவர்கள் கேட்கும் நேரடியான கேள்விகளுக்குப் பதிலளிக்கவும் (“ஒப்படைப்பை எப்போது சமர்ப்பிக்க வேண்டும்?” அல்லது ஒரு விரிவுரைக் கருத்தைத் தெளிவுபடுத்துவது போன்றவை) முடியும். இதனால், ஆசிரியர் மின்னஞ்சல்களால் திணறடிக்கப்படுவதில்லை. 2035-ஆம் ஆண்டளவில், மனித ஆசிரியர் உயர்நிலை வழிகாட்டுதல் மற்றும் ஊக்கமளிக்கும் அம்சங்களில் கவனம் செலுத்தும்போது, ​​வகுப்பறையில் ஒரு செயற்கை நுண்ணறிவு இணை ஆசிரியர் இருப்பது ஒரு பொதுவான நடைமுறையாக மாறக்கூடும்.

• உலகளாவிய கல்விக்கான அணுகல்: ஆசிரியர் பற்றாக்குறை உள்ள பகுதிகளில் மாணவர்களுக்குக் கல்வி கற்பிக்க தன்னாட்சி செயற்கை நுண்ணறிவுப் பயிற்றுநர்கள் உதவக்கூடும். ஒரு செயற்கை நுண்ணறிவுப் பயிற்றுநரைக் கொண்ட டேப்லெட், அடிப்படை எழுத்தறிவு மற்றும் கணிதத்தைக் கற்பிக்கும் ஒரு முதன்மைப் பயிற்றுவிப்பாளராக, குறைந்த அளவிலான பள்ளிக்கல்வியையே கொண்டிருக்கக்கூடும். 2035-ஆம் ஆண்டளவில், மனித ஆசிரியர்கள் இல்லாத இடங்களில் செயற்கை நுண்ணறிவு அந்த இடைவெளிகளை இணைக்கும் என்பது, மிகவும் தாக்கத்தை ஏற்படுத்தக்கூடிய பயன்பாடுகளில் ஒன்றாக இருக்கலாம். இருப்பினும், வெவ்வேறு சூழல்களில் செயற்கை நுண்ணறிவுக் கல்வியின் தரம் மற்றும் கலாச்சாரப் பொருத்தத்தை உறுதி செய்வது இன்றியமையாததாக இருக்கும்.

செயற்கை நுண்ணறிவு ஆசிரியர்களுக்குப் பதிலாக வருமா? முழுமையாக வருவது சாத்தியமில்லை. கற்பித்தல் என்பது பாட உள்ளடக்கத்தை வழங்குவதை விட மேலானது – அது வழிகாட்டுதல், ஊக்கமளித்தல், சமூக-உணர்ச்சி ரீதியான ஆதரவு. அந்த மனிதக் கூறுகளை செயற்கை நுண்ணறிவால் மீண்டும் உருவாக்குவது கடினம். ஆனால், செயற்கை நுண்ணறிவு வகுப்பறையில் ஒரு இரண்டாவது ஆசிரியராகவோ அல்லது அறிவுப் பரிமாற்றத்திற்கான முதல் ஆசிரியராகவோ கூட மாற முடியும். இதன் மூலம், மனிதக் கல்வியாளர்கள், மனிதர்கள் சிறப்பாகச் செய்யும் பணிகளான பச்சாதாபம் காட்டுதல், ஊக்கப்படுத்துதல் மற்றும் விமர்சன சிந்தனையை வளர்த்தல் ஆகியவற்றில் கவனம் செலுத்த முடியும்.

நிர்வகிக்க வேண்டிய கவலைகள் உள்ளன: AI துல்லியமான தகவல்களை வழங்குவதை உறுதி செய்தல் (தவறான உண்மைகளின் கல்வி மாயத்தோற்றங்கள் இல்லை), கல்வி உள்ளடக்கத்தில் சார்புகளைத் தவிர்ப்பது, மாணவர் தரவு தனியுரிமையைப் பராமரித்தல் மற்றும் மாணவர்களை ஈடுபாட்டுடன் வைத்திருப்பது (AI சரியானதாக மட்டுமல்லாமல், ஊக்கமளிப்பதாகவும் இருக்க வேண்டும்). AI கல்வி அமைப்புகள் - பாடப்புத்தகங்கள் அங்கீகரிக்கப்படுவதைப் போன்றது - தரநிலைகளைப் பூர்த்தி செய்வதை உறுதி செய்வதற்காக - அங்கீகாரம் அல்லது சான்றிதழைப் பெறுவதை நாம் காணலாம்.

மற்றொரு சவால் அதிகப்படியான சார்பு: ஒரு AI ஆசிரியர் மிக எளிதாக பதில்களை வழங்கினால், மாணவர்கள் விடாமுயற்சி அல்லது சிக்கல் தீர்க்கும் திறனைக் கற்றுக்கொள்ளாமல் போகலாம். இதைத் தணிக்க, எதிர்கால AI ஆசிரியர்கள் சில சமயங்களில் மாணவர்கள் (ஒரு மனித ஆசிரியர் செய்வது போல) போராட அனுமதிக்க அல்லது தீர்வுகளை வழங்குவதற்குப் பதிலாக குறிப்புகளுடன் சிக்கல்களைத் தீர்க்க ஊக்குவிக்கும் வகையில் வடிவமைக்கப்படலாம்.

2035 ஆம் ஆண்டளவில், வகுப்பறை மாற்றப்படலாம்: ஒவ்வொரு மாணவரும் AI-இணைக்கப்பட்ட சாதனத்துடன் தங்கள் சொந்த வேகத்தில் அவர்களை வழிநடத்துவார்கள், அதே நேரத்தில் ஆசிரியர் குழு செயல்பாடுகளை ஒழுங்கமைத்து மனித நுண்ணறிவை வழங்குவார்கள். கல்வி மிகவும் திறமையானதாகவும் தனிப்பயனாக்கப்பட்டதாகவும் மாறக்கூடும். ஒவ்வொரு மாணவரும் தங்களுக்குத் தேவைப்படும்போது அவர்களுக்குத் தேவையான உதவியைப் பெறுவதே வாக்குறுதி - ஒரு உண்மையான "தனிப்பட்ட ஆசிரியர்" அனுபவம். ஆபத்து என்னவென்றால், சில மனித தொடர்பை இழப்பது அல்லது AI ஐ தவறாகப் பயன்படுத்துவது (மாணவர்கள் AI வழியாக ஏமாற்றுவது போல). ஆனால் ஒட்டுமொத்தமாக, நன்கு நிர்வகிக்கப்பட்டால், ஒரு மாணவரின் கல்விப் பயணத்தில் எப்போதும் கிடைக்கக்கூடிய, அறிவுள்ள துணையாக இருப்பதன் மூலம் கற்றலை ஜனநாயகப்படுத்தவும் மேம்படுத்தவும் ஜெனரேட்டிவ் AI நிற்கிறது.

தளவாடங்கள் மற்றும் விநியோகச் சங்கிலியில் உருவாக்கும் AI

பொருட்களை நகர்த்துதல் மற்றும் விநியோகச் சங்கிலிகளை நிர்வகித்தல் ஆகியவற்றின் கலை மற்றும் அறிவியல் - லாஜிஸ்டிக்ஸ் என்பது "உருவாக்கும்" AI-க்கான பாரம்பரிய களமாகத் தெரியாமல் இருக்கலாம், ஆனால் ஆக்கப்பூர்வமான சிக்கல் தீர்வு மற்றும் திட்டமிடல் ஆகியவை இந்தத் துறையில் முக்கியமானவை. ஜெனரேட்டிவ் AI, காட்சிகளை உருவகப்படுத்துதல், திட்டங்களை மேம்படுத்துதல் மற்றும் ரோபோ அமைப்புகளைக் கட்டுப்படுத்துவதன் மூலம் உதவ முடியும். லாஜிஸ்டிக்ஸில் குறிக்கோள் செயல்திறன் மற்றும் செலவு சேமிப்பு ஆகும், இது தரவை பகுப்பாய்வு செய்வதிலும் தீர்வுகளை முன்மொழிவதிலும் AI இன் பலங்களுடன் நன்கு ஒத்துப்போகிறது. எனவே விநியோகச் சங்கிலிகள் மற்றும் தளவாட செயல்பாடுகளை இயக்குவதில் AI எவ்வளவு தன்னாட்சி பெற முடியும்?

தற்போதைய திறன்கள் (2025): மனித மேற்பார்வையுடன் மேம்படுத்துதல் மற்றும் நெறிப்படுத்துதல்

பயன்படுத்தப்படுகிறது முடிவு ஆதரவு கருவியாகப்:

• வழித்தட உகப்பாக்கம்: UPS மற்றும் FedEx போன்ற நிறுவனங்கள், ஓட்டுநர்கள் மிகவும் திறமையான பாதையைத் தேர்ந்தெடுப்பதை உறுதிசெய்யும் வகையில், விநியோக வழித்தடங்களை உகப்பாக்க ஏற்கனவே செயற்கை நுண்ணறிவு வழிமுறைகளைப் பயன்படுத்துகின்றன. பாரம்பரியமாக இவை செயல்பாட்டு ஆராய்ச்சி வழிமுறைகளாக இருந்தன, ஆனால் இப்போது உருவாக்க அணுகுமுறைகள், பல்வேறு சூழ்நிலைகளின் (போக்குவரத்து நெரிசல், வானிலை) கீழ் மாற்று வழித்தட உத்திகளை ஆராய உதவுகின்றன. செயற்கை நுண்ணறிவு வழித்தடங்களைப் பரிந்துரைத்தாலும், மனித அனுப்பீட்டாளர்கள் அல்லது மேலாளர்கள் அளவுருக்களை (எ.கா., முன்னுரிமைகள்) நிர்ணயிக்கின்றனர், மேலும் தேவைப்பட்டால் அவற்றை மாற்றியமைக்கவும் முடியும்.

• சுமை மற்றும் இடத் திட்டமிடல்: பொதி செய்யும் லாரிகள் அல்லது சரக்குக் கொள்கலன்களுக்கு, செயற்கை நுண்ணறிவால் உகந்த சுமையேற்றும் திட்டங்களை (எந்தப் பெட்டி எங்கு செல்கிறது) உருவாக்க முடியும். ஒரு உருவாக்கச் செயற்கை நுண்ணறிவு, இடப் பயன்பாட்டை அதிகபட்சமாக்குவதற்காகப் பல பொதியிடல் உள்ளமைப்புகளை உருவாக்கக்கூடும்; அடிப்படையில், மனிதர்கள் தேர்ந்தெடுக்கக்கூடிய தீர்வுகளை இது "உருவாக்குகிறது". அமெரிக்காவில் லாரிகள் பெரும்பாலும் 30% காலியாகவே இயக்கப்படுகின்றன என்றும், செயற்கை நுண்ணறிவின் உதவியுடன் செய்யப்படும் சிறந்த திட்டமிடல் அந்த வீணடிப்பைக் குறைக்க முடியும் என்றும் ஒரு ஆய்வு சுட்டிக்காட்டியது (சரக்குப் போக்குவரத்தில் உருவாக்கச் செயற்கை நுண்ணறிவின் முக்கியப் பயன்பாட்டு நிகழ்வுகள்). செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட இந்தச் சுமையேற்றும் திட்டங்கள் எரிபொருள் செலவுகளையும் வெளியேற்றப்படும் புகையையும் குறைப்பதை நோக்கமாகக் கொண்டுள்ளன, மேலும் சில கிடங்குகளில் இவை குறைந்தபட்ச மனித மாற்றங்களுடன் செயல்படுத்தப்படுகின்றன.

• தேவை முன்னறிவிப்பு மற்றும் சரக்கு மேலாண்மை: செயற்கை நுண்ணறிவு மாதிரிகள், பொருட்களின் தேவையைக் கணித்து, அவற்றை மீண்டும் நிரப்புவதற்கான திட்டங்களை உருவாக்க முடியும். ஒரு உருவாக்க மாதிரியானது, பல்வேறு தேவைச் சூழல்களை உருவகப்படுத்தி (உதாரணமாக, வரவிருக்கும் விடுமுறை காரணமாக தேவை திடீரென அதிகரிக்கும் என ஒரு செயற்கை நுண்ணறிவு 'கற்பனை' செய்யலாம்) அதற்கேற்ப சரக்குகளைத் திட்டமிடலாம். இது விநியோகச் சங்கிலி மேலாளர்கள் தங்களைத் தயார்படுத்திக்கொள்ள உதவுகிறது. தற்போது, ​​செயற்கை நுண்ணறிவு முன்னறிவிப்புகளையும் பரிந்துரைகளையும் வழங்குகிறது, ஆனால் உற்பத்தி அளவுகள் அல்லது ஆர்டர் செய்வது குறித்த இறுதி முடிவை பொதுவாக மனிதர்களே எடுக்கிறார்கள்.

• இடர் மதிப்பீடு: உலகளாவிய விநியோகச் சங்கிலி இடையூறுகளை எதிர்கொள்கிறது (இயற்கை பேரழிவுகள், துறைமுக தாமதங்கள், அரசியல் பிரச்சினைகள்). AI அமைப்புகள் இப்போது செய்திகள் மற்றும் தரவுகளை ஆராய்ந்து, வரவிருக்கும் அபாயங்களை அடையாளம் காண்கின்றன. எடுத்துக்காட்டாக, ஒரு தளவாட நிறுவனம் இணையத்தை ஸ்கேன் செய்து, ஆபத்தான போக்குவரத்து வழித்தடங்களைக் (ஒரு சூறாவளி அல்லது அமைதியின்மை காரணமாக சிக்கல் ஏற்படக்கூடிய பகுதிகள்) (தளவாடங்களில் சிறந்த உற்பத்தி AI பயன்பாட்டு வழக்குகள்) குறிக்க ஜெனரல் AI ஐப் பயன்படுத்துகிறது. அந்தத் தகவலுடன், திட்டமிடுபவர்கள் சிக்கல் நிறைந்த இடங்களைச் சுற்றி ஏற்றுமதிகளை தன்னியக்கமாக மாற்றலாம். சில சந்தர்ப்பங்களில், AI தானாகவே பாதை மாற்றங்கள் அல்லது போக்குவரத்து முறை மாற்றங்களை பரிந்துரைக்கக்கூடும், பின்னர் மனிதர்கள் அதை அங்கீகரிக்கிறார்கள்.

• கிடங்கு தானியக்கம்: பல கிடங்குகள், பொருட்களைத் தேர்ந்தெடுப்பதற்கும் பொதி செய்வதற்கும் ரோபோக்களைக் கொண்டு பகுதியளவு தானியக்கப்படுத்தப்பட்டுள்ளன. உகந்த பணி ஓட்டத்திற்காக, உருவாக்கும் செயற்கை நுண்ணறிவால் (Generative AI) ரோபோக்களுக்கும் மனிதர்களுக்கும் பணிகளை மாறும் தன்மையுடன் ஒதுக்க முடியும். உதாரணமாக, ஒரு செயற்கை நுண்ணறிவு, ஒவ்வொரு காலையிலும் வரும் ஆர்டர்களின் அடிப்படையில், ரோபோ மூலம் பொருட்களைத் தேர்ந்தெடுப்பதற்கான பணி வரிசையை உருவாக்கக்கூடும். இது பெரும்பாலும் முழுமையாகத் தன்னியக்கமாகச் செயல்படும்; மேலாளர்கள் முக்கிய செயல்திறன் குறிகாட்டிகளை (KPIs) மட்டும் கண்காணித்தால் போதும் – ஆர்டர்கள் எதிர்பாராதவிதமாக அதிகரித்தால், அந்தச் செயற்கை நுண்ணறிவு தானாகவே செயல்பாடுகளைச் சரிசெய்துகொள்ளும்.

• வாகனக் குழு மேலாண்மை: வாகனப் பராமரிப்பு முறைகளை பகுப்பாய்வு செய்வதன் மூலமும், செயலிழப்பு நேரத்தைக் குறைக்கும் உகந்த பராமரிப்பு அட்டவணைகளை உருவாக்குவதன் மூலமும், AI வாகனங்களுக்கான பராமரிப்பைத் திட்டமிட உதவுகிறது. பயணங்களைக் குறைக்க இது ஏற்றுமதிகளைக் குழுவாக்க முடியும். சேவைத் தேவைகளைப் பூர்த்தி செய்யும் வரை, இந்த முடிவுகளை AI மென்பொருளால் தானாகவே எடுக்க முடியும்.

ஒட்டுமொத்தமாக, 2025 ஆம் ஆண்டு நிலவரப்படி, மனிதர்கள் இலக்குகளை நிர்ணயித்துள்ளனர் (எ.கா., "செலவைக் குறைத்தல் ஆனால் 2 நாள் விநியோகத்தை உறுதி செய்தல்") மேலும் அதை அடைய AI தீர்வுகள் அல்லது அட்டவணைகளை வகுக்கிறது. அசாதாரணமான ஒன்று நடக்கும் வரை அமைப்புகள் தலையீடு இல்லாமல் நாளுக்கு நாள் இயங்க முடியும். பல தளவாடங்கள் மீண்டும் மீண்டும் முடிவுகளை உள்ளடக்கியது (இந்த ஏற்றுமதி எப்போது புறப்பட வேண்டும்? இந்த ஆர்டரை எந்த கிடங்கிலிருந்து நிறைவேற்ற வேண்டும்?), எந்த AI தொடர்ந்து எடுக்க கற்றுக்கொள்ள முடியும். நிறுவனங்கள் படிப்படியாக இந்த நுண்ணிய முடிவுகளைக் கையாள AI ஐ நம்புகின்றன, மேலும் விதிவிலக்குகள் ஏற்படும் போது மேலாளர்களை மட்டுமே எச்சரிக்கின்றன.

2030-2035 ஆம் ஆண்டிற்கான எதிர்பார்ப்புகள்: சுயமாக இயக்கப்படும் விநியோகச் சங்கிலிகள்

அடுத்த தசாப்தத்தில், தன்னாட்சி ஒருங்கிணைப்பை AI ஆல் இயக்கப்படும் தளவாடங்களில்

• தானியங்கி வாகனங்கள் மற்றும் ட்ரோன்கள்: சுயமாக ஓட்டும் டிரக்குகள் மற்றும் டெலிவரி ட்ரோன்கள், ஒரு பரந்த செயற்கை நுண்ணறிவு/ரோபோடிக்ஸ் தலைப்பாக இருந்தாலும், அவை சரக்குப் போக்குவரத்தில் நேரடியாகத் தாக்கத்தை ஏற்படுத்துகின்றன. 2030-ஆம் ஆண்டிற்குள், ஒழுங்குமுறை மற்றும் தொழில்நுட்பச் சவால்களைக் கடந்துவிட்டால், நெடுஞ்சாலைகளில் வழக்கமாகச் செயற்கை நுண்ணறிவு டிரக்குகளை ஓட்டுவதையோ அல்லது நகரங்களில் இறுதிநிலை விநியோகத்தை ட்ரோன்கள் கையாள்வதையோ நாம் காணக்கூடும். இந்தச் செயற்கை நுண்ணறிவுகள், மனித ஓட்டுநர்கள் இல்லாமலேயே நிகழ்நேர முடிவுகளை (பாதை மாற்றங்கள், தடைகளைத் தவிர்த்தல்) எடுக்கும். இந்த வாகனச் செயற்கை நுண்ணறிவுகள், பரந்த தரவுகள் மற்றும் உருவகப்படுத்துதல்களிலிருந்து கற்றுக்கொண்டு, எண்ணற்ற சூழ்நிலைகளில் திறம்பட "பயிற்சி" பெறுவதே இதன் உருவாக்கக் கோணமாகும். ஒரு முழுமையான தானியங்கி வாகனக் குழுமம் 24/7 இயங்க முடியும், மனிதர்கள் தொலைவிலிருந்து கண்காணிப்பது மட்டுமே இதன் பணியாக இருக்கும். இது சரக்குப் போக்குவரத்துச் செயல்பாடுகளிலிருந்து ஒரு பெரிய மனிதக் கூறான (ஓட்டுநர்கள்) தேவையை நீக்கி, தானியங்கித் தன்மையை வியத்தகு முறையில் அதிகரிக்கிறது.

• சுயமாகச் சரிசெய்யும் விநியோகச் சங்கிலிகள்: விநியோகச் சங்கிலிச் சூழல்களைத் தொடர்ந்து உருவகப்படுத்தவும், அவசரகாலத் திட்டங்களைத் தயாரிக்கவும் உருவாக்கச் செயற்கை நுண்ணறிவு (Generative AI) பயன்படுத்தப்பட வாய்ப்புள்ளது. 2035-ஆம் ஆண்டுக்குள், ஒரு விநியோகஸ்தரின் தொழிற்சாலை எப்போது மூடப்படுகிறது என்பதை ஒரு செயற்கை நுண்ணறிவு (செய்திகள் அல்லது தரவு ஊட்டங்கள் வழியாக) தானாகவே கண்டறிந்து, உடனடியாக கொள்முதலை மாற்றக்கூடும். இதன் பொருள், செயற்கை நுண்ணறிவு முன்முயற்சி எடுப்பதன் மூலம், விநியோகச் சங்கிலி இடையூறுகளிலிருந்து தன்னைத்தானே "சரிசெய்து" கொள்கிறது. மாற்று வழியைத் தொடங்குபவர்களுக்குப் பதிலாக, செயற்கை நுண்ணறிவு என்ன செய்தது என்பது மனித மேலாளர்களுக்குத் தெரிவிக்கப்படும்.

• முழுமையான சரக்கு மேலாண்மை உகப்பாக்கம்: ஒரு முழுமையான கிடங்குகள் மற்றும் கடைகளின் வலையமைப்பு முழுவதும் செயற்கை நுண்ணறிவால் சரக்குகளைத் தன்னிச்சையாக நிர்வகிக்க முடியும். ஒவ்வொரு இடத்திலும் போதுமான அளவு சரக்குகளை மட்டும் வைத்துக்கொண்டு, சரக்குகளை எப்போது, ​​எங்கே நகர்த்துவது என்பதை அதுவே தீர்மானிக்கும் (ஒருவேளை ரோபோக்கள் அல்லது தானியங்கி வாகனங்களைப் பயன்படுத்தி இதைச் செய்யலாம்). அடிப்படையில், இந்த செயற்கை நுண்ணறிவே விநியோகச் சங்கிலியின் கட்டுப்பாட்டுக் கோபுரத்தை இயக்குகிறது: அனைத்துப் பரிமாற்றங்களையும் கண்காணித்து, நிகழ்நேரத்தில் மாற்றங்களைச் செய்கிறது. 2035-ஆம் ஆண்டளவில், ஒரு "தன்னியக்க" விநியோகச் சங்கிலி என்பது, ஒவ்வொரு நாளும் சிறந்த விநியோகத் திட்டத்தை அந்த அமைப்பே கண்டறிந்து, பொருட்களை ஆர்டர் செய்து, தொழிற்சாலை இயக்கங்களைத் திட்டமிட்டு, போக்குவரத்தையும் தானாகவே ஏற்பாடு செய்யும் என்பதாகும். மனிதர்கள் ஒட்டுமொத்த உத்தியைக் கண்காணித்து, செயற்கை நுண்ணறிவின் தற்போதைய புரிதலுக்கு அப்பாற்பட்ட விதிவிலக்குகளைக் கையாள்வார்கள்.

• தளவாடங்களில் உருவாக்க வடிவமைப்பு: செயற்கை நுண்ணறிவு புதிய விநியோகச் சங்கிலி வலையமைப்புகளை வடிவமைப்பதை நாம் காண முடியும். ஒரு நிறுவனம் ஒரு புதிய பிராந்தியத்திற்கு விரிவடைகிறது என்று வைத்துக்கொள்வோம்; இன்று ஆலோசகர்களும் ஆய்வாளர்களும் செய்வதைப் போல, கொடுக்கப்பட்ட தரவுகளின் அடிப்படையில் அந்தப் பிராந்தியத்திற்கான உகந்த கிடங்கு இடங்கள், போக்குவரத்து இணைப்புகள் மற்றும் சரக்கு இருப்பு கொள்கைகளை ஒரு செயற்கை நுண்ணறிவு உருவாக்க முடியும். 2030-ஆம் ஆண்டளவில், நிறுவனங்கள் தங்கள் விநியோகச் சங்கிலி வடிவமைப்புத் தேர்வுகளுக்காக செயற்கை நுண்ணறிவின் பரிந்துரைகளைச் சார்ந்திருக்கக்கூடும்; காரணிகளை விரைவாக எடைபோட்டு, மனிதர்கள் கவனிக்கத் தவறும் ஆக்கப்பூர்வமான தீர்வுகளை (வெளிப்படையாகத் தெரியாத விநியோக மையங்கள் போன்றவை) அது கண்டறியும் என்று நம்பலாம்.

• உற்பத்தியுடன் ஒருங்கிணைப்பு (தொழில் 4.0): தளவாடங்கள் தனித்து இயங்குவதில்லை; அது உற்பத்தியுடன் பிணைக்கப்பட்டுள்ளது. எதிர்காலத் தொழிற்சாலைகளில், உற்பத்திச் சுழற்சிகளைத் திட்டமிடவும், சரியான நேரத்தில் மூலப்பொருட்களை ஆர்டர் செய்யவும், பின்னர் பொருட்களை உடனடியாக அனுப்புமாறு தளவாட வலையமைப்பிற்கு அறிவுறுத்தவும் உருவாக்கும் செயற்கை நுண்ணறிவு (generative AI) இருக்கலாம். இந்த ஒருங்கிணைந்த செயற்கை நுண்ணறிவு, ஒட்டுமொத்தமாக மனிதத் திட்டமிடலைக் குறைக்கக்கூடும் – அதாவது, செலவு, வேகம் மற்றும் நிலைத்தன்மைக்காக உகந்ததாக்கப்படும் வழிமுறைகளால் இயக்கப்படும், உற்பத்தியிலிருந்து விநியோகம் வரையிலான ஒரு தடையற்ற சங்கிலியை இது உருவாக்கும். ஏற்கெனவே, 2025-ஆம் ஆண்டளவில், உயர் செயல்திறன் கொண்ட விநியோகச் சங்கிலிகள் தரவு சார்ந்தவையாக உள்ளன; 2035-ஆம் ஆண்டளவில் அவை பெரும்பாலும் செயற்கை நுண்ணறிவு சார்ந்தவையாக மாறக்கூடும்.

• தளவாடங்களில் ஆற்றல்மிக்க வாடிக்கையாளர் சேவை: வாடிக்கையாளர் சேவை செயற்கை நுண்ணறிவை அடிப்படையாகக் கொண்டு, விநியோகச் சங்கிலி செயற்கை நுண்ணறிவுகள் வாடிக்கையாளர்களுடன் நேரடியாகத் தொடர்பு கொள்ளலாம். உதாரணமாக, ஒரு பெரிய வாடிக்கையாளர் தனது மொத்த ஆர்டரை கடைசி நிமிடத்தில் மாற்ற விரும்பினால், ஒரு மனித மேலாளருக்காகக் காத்திருக்காமல், ஒரு செயற்கை நுண்ணறிவு முகவர் சாத்தியமான மாற்று வழிகளைப் பற்றிப் பேச்சுவார்த்தை நடத்தலாம் ("கட்டுப்பாடுகள் காரணமாக, பாதியை இப்போது வழங்கலாம், பாதியை அடுத்த வாரம் வழங்கலாம்" என்பது போல). இது, உருவாக்கும் செயற்கை நுண்ணறிவு இரு தரப்பினரையும் (வாடிக்கையாளரின் தேவை மற்றும் செயல்பாட்டுத் திறன்) புரிந்துகொண்டு, வாடிக்கையாளர்களைத் திருப்திப்படுத்தும் அதே வேளையில் செயல்பாடுகளைச் சீராக வைத்திருக்க முடிவுகளை எடுப்பதை உள்ளடக்கியது.

எதிர்பார்க்கப்படும் நன்மை என்பது மிகவும் திறமையான, மீள்திறன் கொண்ட மற்றும் பதிலளிக்கக்கூடிய தளவாட அமைப்பாகும். நிறுவனங்கள் பெரும் சேமிப்பை எதிர்பார்க்கின்றன – மெக்கின்சி மதிப்பிட்டுள்ளபடி, செயற்கை நுண்ணறிவால் இயக்கப்படும் விநியோகச் சங்கிலி மேம்படுத்தல்கள் செலவுகளைக் கணிசமாகக் குறைத்து, சேவைத் தரங்களை மேம்படுத்தி, தொழில்துறைகள் முழுவதும் டிரில்லியன் கணக்கான மதிப்பைச் சேர்க்கக்கூடும் (2023-இல் செயற்கை நுண்ணறிவின் நிலை: உருவாக்கும் செயற்கை நுண்ணறிவின் திருப்புமுனை ஆண்டு | மெக்கின்சி).

இருப்பினும், AI-க்கு கூடுதல் கட்டுப்பாட்டை மாற்றுவது ஆபத்துகளையும் கொண்டுள்ளது, AI-யின் தர்க்கம் குறைபாடுடையதாக இருந்தால் அடுக்குப் பிழைகள் போன்றவை (எ.கா., மாடலிங் பிழை காரணமாக ஒரு நிறுவனத்தை கவனக்குறைவாக கையிருப்பில் இருந்து வெளியேற்றும் AI விநியோகச் சங்கிலியின் பிரபலமற்ற சூழ்நிலை). "பெரிய முடிவுகளுக்கான சுழற்சியில் மனிதன்" அல்லது விரைவான மனித மேலெழுதலை அனுமதிக்கும் டாஷ்போர்டுகள் போன்ற பாதுகாப்புகள் 2035 வரை நீடிக்கும். காலப்போக்கில், AI முடிவுகள் நிரூபிக்கப்படும்போது, ​​மனிதர்கள் பின்வாங்குவது மிகவும் வசதியாகிவிடும்.

சுவாரஸ்யமாக, செயல்திறனை மேம்படுத்துவதன் மூலம், AI சில நேரங்களில் மனித விருப்பங்களுடனோ அல்லது பாரம்பரிய நடைமுறைகளுடனோ முரண்படும் தேர்வுகளைச் செய்யலாம். எடுத்துக்காட்டாக, முற்றிலும் மேம்படுத்துவது மிகவும் மெலிந்த சரக்குகளுக்கு வழிவகுக்கும், இது திறமையானது ஆனால் ஆபத்தானதாக உணரலாம். 2030 ஆம் ஆண்டில் விநியோகச் சங்கிலி வல்லுநர்கள் தங்கள் உள்ளுணர்வை சரிசெய்ய வேண்டியிருக்கும், ஏனெனில் AI, பாரிய தரவை நசுக்குவது, அதன் அசாதாரண உத்தி உண்மையில் சிறப்பாக செயல்படுகிறது என்பதை நிரூபிக்கக்கூடும்.

என்பதை நாம் கருத்தில் கொள்ள வேண்டும் பௌதீகக் கட்டுப்பாடுகள் . எனவே, இங்குள்ள புரட்சி என்பது முற்றிலும் புதிய பௌதீக யதார்த்தத்தைப் பற்றியதல்ல, மாறாக புத்திசாலித்தனமான திட்டமிடல் மற்றும் சொத்துக்களைப் பயன்படுத்துவதைப் பற்றியது. ஆனால் அந்த வரம்புகளுக்குள்ளும் கூட, உருவாக்க செயற்கை நுண்ணறிவின் ஆக்கப்பூர்வமான தீர்வுகள் மற்றும் இடைவிடாத உகப்பாக்கம், குறைந்தபட்ச மனிதத் திட்டமிடலுடன், உலகம் முழுவதும் பொருட்கள் கொண்டு செல்லப்படும் விதத்தை வியத்தகு முறையில் மேம்படுத்தக்கூடும்.

சுருக்கமாக, 2035 ஆம் ஆண்டளவில் தளவாடங்கள் நன்கு எண்ணெய் பூசப்பட்ட தானியங்கி இயந்திரத்தைப் போலவே செயல்படக்கூடும்: பொருட்கள் திறமையாகப் பாயும், இடையூறுகளுக்கு ஏற்ப நிகழ்நேரத்தில் பாதைகள் சரிசெய்யப்படும், ரோபோக்களைப் பயன்படுத்தி தங்களை நிர்வகிக்கும் கிடங்குகள் மற்றும் முழு அமைப்பும் தொடர்ந்து தரவுகளைக் கற்றுக்கொண்டு மேம்படும் - இவை அனைத்தும் செயல்பாட்டின் மூளையாகச் செயல்படும் ஜெனரேட்டிவ் AI ஆல் ஒழுங்கமைக்கப்படும்.

நிதி மற்றும் வணிகத்தில் உருவாக்கும் AI

நிதித் துறை தகவல்களில் அதிக அளவில் ஈடுபட்டுள்ளது - அறிக்கைகள், பகுப்பாய்வு, வாடிக்கையாளர் தொடர்புகள் - இது உருவாக்க AI க்கு வளமான நிலமாக அமைகிறது. வங்கியியல் முதல் முதலீட்டு மேலாண்மை மற்றும் காப்பீடு வரை, நிறுவனங்கள் ஆட்டோமேஷன் மற்றும் நுண்ணறிவு உருவாக்கத்திற்காக AI ஐ ஆராய்ந்து வருகின்றன. கேள்வி என்னவென்றால், இந்த களத்தில் துல்லியம் மற்றும் நம்பிக்கையின் முக்கியத்துவத்தைக் கருத்தில் கொண்டு, மனித மேற்பார்வை இல்லாமல் AI எந்த நிதிப் பணிகளை நம்பகத்தன்மையுடன் கையாள முடியும்?

தற்போதைய திறன்கள் (2025): தானியங்கி அறிக்கைகள் மற்றும் முடிவு ஆதரவு

இன்றைய நிலவரப்படி, ஜெனரேட்டிவ் AI பல வழிகளில் நிதியத்தில் பங்களிக்கிறது, பெரும்பாலும் மனித மேற்பார்வையின் கீழ்:

• அறிக்கை உருவாக்கம்: வங்கிகள் மற்றும் நிதி நிறுவனங்கள் வருவாய் சுருக்கங்கள், சந்தை வர்ணனைகள், முதலீட்டுத் தொகுப்பு பகுப்பாய்வு போன்ற பல அறிக்கைகளைத் தயாரிக்கின்றன. இவற்றை வரைவு செய்ய செயற்கை நுண்ணறிவு (AI) ஏற்கனவே பயன்படுத்தப்படுகிறது. உதாரணமாக, ப்ளூம்பெர்க் நிறுவனம், ப்ளூம்பெர்க்ஜிபிடி-ஐ. இது, அதன் முனையப் பயனர்களுக்கான செய்தி வகைப்பாடு மற்றும் கேள்வி-பதில் போன்ற பணிகளுக்கு உதவுகிறது (உருவாக்கும் செயற்கை நுண்ணறிவு நிதித் துறைக்கு வருகிறது). இதன் முதன்மைப் பயன்பாடு, மனிதர்கள் தகவல்களைக் கண்டறிய உதவுவதாக இருந்தாலும், இது செயற்கை நுண்ணறிவின் வளர்ந்து வரும் பங்கைக் காட்டுகிறது. ஆட்டோமேட்டட் இன்சைட்ஸ் (Automated Insights) நிறுவனமும் (AP உடன் பணிபுரிந்த நிறுவனம்) நிதி தொடர்பான கட்டுரைகளை உருவாக்கியது. பல முதலீட்டு செய்திமடல்கள், தினசரி சந்தை நகர்வுகள் அல்லது பொருளாதாரக் குறிகாட்டிகளைத் தொகுத்து வழங்க செயற்கை நுண்ணறிவைப் பயன்படுத்துகின்றன. பொதுவாக, வாடிக்கையாளர்களுக்கு அனுப்புவதற்கு முன்பு மனிதர்கள் இவற்றை மதிப்பாய்வு செய்கிறார்கள், ஆனால் இது புதிதாக எழுதுவதற்குப் பதிலாக ஒரு விரைவான திருத்தமாகவே உள்ளது.

• வாடிக்கையாளர் தொடர்பு: சில்லறை வங்கியில், கணக்கு இருப்புக்கள், பரிவர்த்தனைகள் அல்லது தயாரிப்புத் தகவல் (வாடிக்கையாளர் சேவை களத்தில் கலத்தல்) பற்றிய வாடிக்கையாளர் வினவல்களை AI சாட்பாட்கள் கையாளுகின்றன. மேலும், AI தனிப்பயனாக்கப்பட்ட நிதி ஆலோசனை கடிதங்கள் அல்லது தூண்டுதல்களை உருவாக்க முடியும். உதாரணமாக, ஒரு வாடிக்கையாளர் கட்டணங்களைச் சேமிக்க முடியும் என்பதை ஒரு AI அடையாளம் கண்டு, வேறு கணக்கு வகைக்கு மாற பரிந்துரைக்கும் ஒரு செய்தியை தானாகவே வரையலாம், பின்னர் அது குறைந்தபட்ச மனித தலையீட்டோடு வெளியேறும். இந்த வகையான தனிப்பயனாக்கப்பட்ட தொடர்பு என்பது நிதித்துறையில் AI இன் தற்போதைய பயன்பாடாகும்.

• மோசடி கண்டறிதல் மற்றும் எச்சரிக்கைகள்: மோசடி அமைப்புகளால் கண்டறியப்படும் முரண்பாடுகளுக்கு விளக்கங்களையோ அல்லது விவரிப்புகளையோ உருவாக்க, உருவாக்கும் செயற்கை நுண்ணறிவு (Generative AI) உதவக்கூடும். உதாரணமாக, சந்தேகத்திற்கிடமான செயல்பாடு சுட்டிக்காட்டப்பட்டால், ஒரு செயற்கை நுண்ணறிவு வாடிக்கையாளருக்காக (“ஒரு புதிய சாதனத்திலிருந்து உள்நுழைவைக் கவனித்தோம்…”) என்ற விளக்கச் செய்தியையோ அல்லது ஆய்வாளர்களுக்கான அறிக்கையையோ உருவாக்கக்கூடும். கண்டறிதல் தானியங்குபடுத்தப்படுகிறது (செயற்கை நுண்ணறிவு/இயந்திர கற்றல் முரண்பாடு கண்டறிதலைப் பயன்படுத்தி), மற்றும் தகவல்தொடர்பும் பெருகிய முறையில் தானியங்குபடுத்தப்படுகிறது, இருப்பினும் இறுதி நடவடிக்கைகள் (ஒரு கணக்கைத் தடுப்பது) பெரும்பாலும் சில மனித சரிபார்ப்புகளைக் கொண்டுள்ளன.

• நிதி ஆலோசனை (வரையறுக்கப்பட்டது): சில ரோபோ ஆலோசகர்கள் (தானியங்கு முதலீட்டுத் தளங்கள்), மனித ஆலோசகர்கள் இல்லாமல் முதலீட்டுத் தொகுப்புகளை நிர்வகிக்க நெறிமுறைகளைப் (உருவாக்கும் செயற்கை நுண்ணறிவு மட்டுமல்ல) பயன்படுத்துகின்றன. குறிப்பிட்ட வர்த்தகங்கள் ஏன் செய்யப்பட்டன என்பது குறித்த விளக்கத்தை உருவாக்குவது அல்லது வாடிக்கையாளருக்கு ஏற்றவாறு முதலீட்டுத் தொகுப்பின் செயல்திறன் சுருக்கத்தை வழங்குவது போன்றவற்றின் மூலம் உருவாக்கும் செயற்கை நுண்ணறிவு தற்போது பயன்பாட்டில் உள்ளது. இருப்பினும், முழுமையான நிதி ஆலோசனை (சிக்கலான நிதித் திட்டமிடல் போன்றவை) இன்னும் பெரும்பாலும் மனித அல்லது விதி அடிப்படையிலான நெறிமுறை சார்ந்ததாகவே உள்ளது; மேற்பார்வையற்ற தன்னிச்சையான உருவாக்கும் ஆலோசனையானது, அது தவறாக இருந்தால் ஏற்படும் பொறுப்பு காரணமாக அபாயகரமானது.

• இடர் மதிப்பீடுகள் மற்றும் காப்பீட்டு ஒப்புதல்: இடர் மதிப்பீட்டு அறிக்கைகளைத் தானாகவே எழுதுவதற்கும் அல்லது கொள்கை ஆவணங்களின் வரைவுகளை உருவாக்குவதற்கும் காப்பீட்டு நிறுவனங்கள் செயற்கை நுண்ணறிவைச் சோதித்து வருகின்றன. உதாரணமாக, ஒரு சொத்தைப் பற்றிய தரவுகள் கொடுக்கப்பட்டால், ஒரு செயற்கை நுண்ணறிவால் இடர் காரணிகளை விவரிக்கும் ஒரு வரைவுக் காப்பீட்டுக் கொள்கையையோ அல்லது காப்பீட்டு ஒப்புதல் அறிக்கையையோ உருவாக்க முடியும். ஒரு ஒப்பந்தத்தில் ஏற்படும் எந்தவொரு பிழையும் பெரும் செலவை ஏற்படுத்தக்கூடும் என்பதால், தற்போது மனிதர்களே இந்த வெளியீடுகளை மதிப்பாய்வு செய்கின்றனர்.

• தரவு பகுப்பாய்வு மற்றும் நுண்ணறிவுகள்: AI நிதி அறிக்கைகள் அல்லது செய்திகளை இணைத்து சுருக்கங்களை உருவாக்க முடியும். ஆய்வாளர்கள் 100 பக்க வருடாந்திர அறிக்கையை முக்கிய புள்ளிகளாக உடனடியாக சுருக்கமாகக் கூறக்கூடிய அல்லது வருவாய் அழைப்பு டிரான்ஸ்கிரிப்ட்டிலிருந்து முக்கிய முடிவுகளைப் பிரித்தெடுக்கக்கூடிய கருவிகளைப் பயன்படுத்துகின்றனர். இந்த சுருக்கங்கள் நேரத்தை மிச்சப்படுத்துகின்றன, மேலும் முடிவெடுப்பதில் நேரடியாகப் பயன்படுத்தப்படலாம் அல்லது அனுப்பப்படலாம், ஆனால் விவேகமான ஆய்வாளர்கள் முக்கியமான விவரங்களை இருமுறை சரிபார்க்கிறார்கள்.

சாராம்சத்தில், நிதித்துறையில் தற்போதைய AI ஒரு சளைக்காத பகுப்பாய்வாளராக/எழுத்தாளராக செயல்படுகிறது, மனிதர்கள் மெருகூட்டும் உள்ளடக்கத்தை உருவாக்குகிறது. தரவு சார்ந்த செய்திகள் (அகநிலை தீர்ப்பு தேவையில்லை) அல்லது வாடிக்கையாளர் சேவை பதில்கள் போன்ற நன்கு வரையறுக்கப்பட்ட பகுதிகளில் முழுமையாக தன்னாட்சி பயன்பாடு பெரும்பாலும் உள்ளது. அதிக பங்குகள் மற்றும் ஒழுங்குமுறை ஆய்வு காரணமாக பணம் பற்றிய முடிவுகளில் (நிதியை நகர்த்துவது, முன் அமைக்கப்பட்ட வழிமுறைகளுக்கு அப்பால் வர்த்தகங்களைச் செயல்படுத்துவது போன்றவை) AI ஐ நேரடியாக நம்புவது அரிது.

2030-2035 ஆம் ஆண்டிற்கான எதிர்பார்ப்புகள்: AI ஆய்வாளர்கள் மற்றும் தன்னாட்சி நிதி செயல்பாடுகள்

எதிர்காலத்தில், 2035 ஆம் ஆண்டளவில், உருவாக்க AI நிதி நடவடிக்கைகளில் ஆழமாகப் பதிக்கப்படலாம், பல பணிகளைத் தன்னாட்சி முறையில் கையாளும் திறன் கொண்டது:

• செயற்கை நுண்ணறிவு நிதி ஆய்வாளர்கள்: நிறுவனங்களையும் சந்தைகளையும் பகுப்பாய்வு செய்து, ஒரு மனித பங்கு ஆராய்ச்சி ஆய்வாளரின் மட்டத்தில் பரிந்துரைகள் அல்லது அறிக்கைகளை உருவாக்கக்கூடிய செயற்கை நுண்ணறிவு அமைப்புகளை நாம் காணலாம். 2030-ஆம் ஆண்டிற்குள், ஒரு செயற்கை நுண்ணறிவு, ஒரு நிறுவனத்தின் அனைத்து நிதித் தாக்கல் விவரங்களையும் படித்து, தொழில் துறைத் தரவுகளுடன் ஒப்பிட்டு, தானாகவே ஒரு முதலீட்டுப் பரிந்துரை அறிக்கையை ("காரணங்களுடன் வாங்கு/விற்க") உருவாக்கக்கூடும். சில ஹெட்ஜ் நிதிகள் ஏற்கனவே வர்த்தக சமிக்ஞைகளை உருவாக்க செயற்கை நுண்ணறிவைப் பயன்படுத்துகின்றன; 2030-களில், செயற்கை நுண்ணறிவு ஆராய்ச்சி அறிக்கைகள் சாதாரணமாகிவிடும். மனித போர்ட்ஃபோலியோ மேலாளர்கள், செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட பகுப்பாய்வை மற்ற உள்ளீடுகளில் ஒன்றாக நம்பத் தொடங்கலாம். முன்வரையறுக்கப்பட்ட உத்தியின்படி முதலீடுகளைத் தொடர்ந்து கண்காணித்து, மறுசமநிலைப்படுத்துவதன் மூலம், போர்ட்ஃபோலியோக்களைத் தன்னிச்சையாக நிர்வகிப்பதற்கான சாத்தியக்கூறுகளும் செயற்கை நுண்ணறிவுக்கு உள்ளன. உண்மையில், அல்காரிதமிக் வர்த்தகம் ஏற்கனவே பெருமளவில் தானியங்குபடுத்தப்பட்டுள்ளது – உருவாக்கும் செயற்கை நுண்ணறிவு, புதிய வர்த்தக மாதிரிகளைத் தானே உருவாக்கிச் சோதிப்பதன் மூலம், உத்திகளை மேலும் தகவமைக்கக்கூடியதாக மாற்றக்கூடும்.

• தானியங்கு நிதித் திட்டமிடல்: நுகர்வோரை நேரடியாக அணுகும் செயற்கை நுண்ணறிவு ஆலோசகர்கள், தனிநபர்களுக்கான வழக்கமான நிதித் திட்டமிடலைக் கையாள முடியும். 2030-ஆம் ஆண்டிற்குள், நீங்கள் ஒரு செயற்கை நுண்ணறிவிடம் உங்கள் இலக்குகளை (வீடு வாங்குவது, கல்லூரிப் படிப்புக்காகச் சேமிப்பது) கூறினால், அது உங்களுக்கேற்ற ஒரு முழுமையான நிதித் திட்டத்தை (வரவு செலவுத் திட்டம், முதலீட்டு ஒதுக்கீடுகள், காப்பீட்டுப் பரிந்துரைகள்) உருவாக்கிவிடும். ஆரம்பத்தில், ஒரு மனித நிதித் திட்டமிடுபவர் அதை மதிப்பாய்வு செய்யலாம், ஆனால் அதன் மீதான நம்பிக்கை வளர வளர, அத்தகைய ஆலோசனைகள் பொருத்தமான பொறுப்புத் துறப்புகளுடன் நேரடியாக நுகர்வோருக்கு வழங்கப்படலாம். செயற்கை நுண்ணறிவின் ஆலோசனையானது விதிமுறைகளுக்கு இணங்குவதையும், அது வாடிக்கையாளரின் நலனுக்கு உகந்ததாக இருப்பதையும் உறுதி செய்வதே இதில் முக்கியமாகும். இந்தச் சிக்கல் தீர்க்கப்பட்டால், செயற்கை நுண்ணறிவு அடிப்படை நிதி ஆலோசனைகளை மிகக் குறைந்த செலவில் மிகவும் எளிதாக அணுகக்கூடியதாக மாற்றும்.

• பின்-அலுவலக தானியக்கம்: உருவாக்கும் செயற்கை நுண்ணறிவு (Generative AI), கடன் விண்ணப்பங்கள், இணக்க அறிக்கைகள், தணிக்கைச் சுருக்கங்கள் போன்ற பல பின்-அலுவலக ஆவணங்களைத் தன்னிச்சையாகக் கையாளக்கூடும். உதாரணமாக, ஒரு செயற்கை நுண்ணறிவு அனைத்துப் பரிவர்த்தனைத் தரவுகளையும் உள்ளீடாகப் பெற்று, அதில் ஒரு தணிக்கை அறிக்கையை உருவாக்க முடியும் . 2035-ஆம் ஆண்டில் தணிக்கையாளர்கள், அனைத்தையும் தாங்களாகவே அலசி ஆராய்வதற்குப் பதிலாக, செயற்கை நுண்ணறிவால் சுட்டிக்காட்டப்பட்ட விதிவிலக்குகளை மதிப்பாய்வு செய்வதில் அதிக நேரத்தைச் செலவிடக்கூடும். இதேபோல், இணக்கத்திற்காக, ஒரு ஆய்வாளர் புதிதாக எழுதாமலேயே, ஒழுங்குமுறை அமைப்புகளுக்காகச் சந்தேகத்திற்கிடமான செயல்பாட்டு அறிக்கைகளை (SARs) செயற்கை நுண்ணறிவு உருவாக்க முடியும். மனித மேற்பார்வையானது விதிவிலக்குகளின் அடிப்படையில் மாறும் நிலையில், இந்த வழக்கமான ஆவணங்களைத் தன்னிச்சையாக உருவாக்குவது ஒரு தரநிலையாக மாறக்கூடும்.

• காப்பீட்டு உரிமைகோரல்கள் மற்றும் காப்பீட்டு ஒப்பந்தக் கடிதம்: ஒரு AI காப்பீட்டு உரிமைகோரலை (புகைப்பட ஆதாரங்களுடன், முதலியன) செயல்படுத்தலாம், காப்பீட்டை தீர்மானிக்கலாம் மற்றும் பணம் செலுத்தும் முடிவு கடிதத்தை தானாகவே உருவாக்கலாம். நேரடியான கோரிக்கைகள் (தெளிவான தரவுகளுடன் கூடிய வாகன விபத்துகள் போன்றவை) சமர்ப்பிக்கப்பட்ட சில நிமிடங்களில் AI ஆல் முழுமையாக தீர்க்கப்படும் ஒரு நிலையை நாம் அடையலாம். புதிய காப்பீட்டு ஒப்பந்தக் கடிதம் இதேபோன்றதாக இருக்கலாம்: AI ஆபத்தை மதிப்பிட்டு பாலிசி விதிமுறைகளை உருவாக்குகிறது. 2035 வாக்கில், சிக்கலான அல்லது எல்லைக்கோட்டு வழக்குகள் மட்டுமே மனித காப்பீட்டு நிறுவனங்களுக்கு அதிகரிக்கக்கூடும்.

• மோசடி மற்றும் பாதுகாப்பு: நிதித்துறையில் மோசடி அல்லது சைபர் அச்சுறுத்தல்களைக் கண்டறிந்து பதிலளிப்பதில் AI இன்னும் முக்கியமானதாக இருக்கும். தன்னாட்சி AI முகவர்கள் பரிவர்த்தனைகளை நிகழ்நேரத்தில் கண்காணித்து, சில அளவுகோல்கள் பாதிக்கப்படும்போது உடனடி நடவடிக்கைகளை எடுக்கலாம் (கணக்குகளைத் தடுப்பது, பரிவர்த்தனைகளை முடக்குவது), பின்னர் ஒரு காரணத்தை உருவாக்கலாம். இங்கே வேகம் மிக முக்கியமானது, எனவே குறைந்தபட்ச மனித ஈடுபாடு விரும்பப்படுகிறது. இந்த செயல்களை வாடிக்கையாளர்கள் அல்லது ஒழுங்குமுறை அதிகாரிகளுக்கு தெளிவான முறையில் தெரிவிப்பதில் உருவாக்கப் பகுதி வரலாம்.

• நிர்வாக ஆதரவு: நிர்வாகிகளுக்கு உடனடியாக வணிக அறிக்கைகளை உருவாக்கக்கூடிய ஒரு செயற்கை நுண்ணறிவு "தலைமைப் பணியாளரை" கற்பனை செய்து பாருங்கள். "இந்தக் காலாண்டில் நமது ஐரோப்பியப் பிரிவு எப்படிச் செயல்பட்டது, கடந்த ஆண்டுடன் ஒப்பிடும்போது அதன் முக்கிய உந்து சக்திகள் என்ன?" என்று கேளுங்கள், அந்தச் செயற்கை நுண்ணறிவு, தரவுகளிலிருந்து தகவல்களைப் பெற்று, துல்லியமான வரைபடங்களுடன் ஒரு சுருக்கமான அறிக்கையை உருவாக்கும். இந்த வகையான மாறும், தன்னாட்சி அறிக்கையிடல் மற்றும் பகுப்பாய்வு, ஒரு உரையாடலைப் போல எளிதாகிவிடும். 2030-ஆம் ஆண்டளவில், வணிக நுண்ணறிவுக்காகச் செயற்கை நுண்ணறிவிடம் வினவி, அது சரியான பதில்களை வழங்கும் என்று நம்புவது, நிலையான அறிக்கைகளையும், ஒருவேளை சில பகுப்பாய்வாளர் பணிகளையும் கூட பெருமளவில் மாற்றிவிடும்.

ஒரு சுவாரஸ்யமான கணிப்பு: 2030 களில், பெரும்பாலான நிதி உள்ளடக்கம் (செய்திகள், அறிக்கைகள், முதலியன) AI-யால் உருவாக்கப்பட்டதாக இருக்கலாம். ஏற்கனவே, டவ் ஜோன்ஸ் மற்றும் ராய்ட்டர்ஸ் போன்ற நிறுவனங்கள் சில செய்தித் துண்டுகளுக்கு ஆட்டோமேஷனைப் பயன்படுத்துகின்றன. அந்தப் போக்கு தொடர்ந்தால், நிதித் தரவுகளின் வெடிப்பு ஏற்பட்டால், அதில் பெரும்பாலானவற்றை வடிகட்டுவதற்கும் தொடர்புகொள்வதற்கும் AI பொறுப்பேற்கக்கூடும்.

இருப்பினும், நம்பிக்கை மற்றும் சரிபார்ப்பு மையமாக இருக்கும். நிதித் துறை பெரிதும் ஒழுங்குபடுத்தப்பட்டுள்ளது மற்றும் தன்னாட்சி முறையில் இயங்கும் எந்தவொரு AIயும் கடுமையான தரநிலைகளைப் பூர்த்தி செய்ய வேண்டும்:

• மாயத்தோற்றங்கள் இல்லை என்பதை உறுதி செய்தல் (உண்மையல்லாத ஒரு நிதி அளவீட்டைக் கண்டுபிடிக்க ஒரு AI ஆய்வாளரை நீங்கள் கட்டாயப்படுத்த முடியாது - அது சந்தைகளை தவறாக வழிநடத்தக்கூடும்).

• சார்பு அல்லது சட்டவிரோத நடைமுறைகளைத் தவிர்ப்பது (சார்பு பயிற்சி தரவு காரணமாக கடன் முடிவுகளில் கவனக்குறைவாக சிவப்பு கோடு போடுவது போன்றவை).

• தணிக்கை செய்யும் தன்மை: AI முடிவுகள் விளக்கக்கூடியதாக இருக்க வேண்டும் என்று ஒழுங்குமுறை அதிகாரிகள் கோருவார்கள். ஒரு AI கடனை நிராகரித்தால் அல்லது வர்த்தக முடிவை எடுத்தால், ஆராயக்கூடிய ஒரு பகுத்தறிவு இருக்க வேண்டும். உருவாக்கும் மாதிரிகள் ஒரு கருப்புப் பெட்டியாக இருக்கலாம், எனவே விளக்கக்கூடிய AI அவர்களின் முடிவுகளை வெளிப்படையானதாக மாற்ற

அடுத்த 10 ஆண்டுகளில் AI மற்றும் நிதி நிபுணர்களிடையே நெருக்கமான ஒத்துழைப்பு இருக்கும், நம்பிக்கை வளரும்போது படிப்படியாக சுயாட்சிக் கோட்டை நகர்த்தும். குறைந்த ஆபத்துள்ள ஆட்டோமேஷனில் (அறிக்கை உருவாக்கம் போன்றவை) ஆரம்ப வெற்றிகள் வரும். கடன் முடிவுகள் அல்லது முதலீட்டுத் தேர்வுகள் போன்ற முக்கிய தீர்ப்புகள் கடினமாக இருக்கும், ஆனால் AI இன் சாதனைப் பதிவு வளரும்போது, ​​நிறுவனங்கள் அதற்கு அதிக சுயாட்சியை வழங்கக்கூடும். எடுத்துக்காட்டாக, செயல்திறன் விலகினால் அல்லது AI நிச்சயமற்ற தன்மையைக் குறைத்தால் மட்டுமே தலையிடும் ஒரு மனித மேற்பார்வையாளருடன் ஒரு AI நிதி இயங்கும்.

பொருளாதார ரீதியாக, செயற்கை நுண்ணறிவு (குறிப்பாக உருவாக்க செயற்கை நுண்ணறிவு) வங்கித் துறைக்கு ஆண்டுதோறும் சுமார் 200-340 பில்லியன் டாலர் மதிப்பைச் சேர்க்கக்கூடும் என்றும், காப்பீடு மற்றும் மூலதனச் சந்தைகளிலும் இதேபோன்ற பெரிய தாக்கங்களை ஏற்படுத்தும் என்றும் மெக்கின்சி மதிப்பிட்டுள்ளது (2023-இல் செயற்கை நுண்ணறிவின் நிலை: உருவாக்க செயற்கை நுண்ணறிவின் திருப்புமுனை ஆண்டு | மெக்கின்சி) (உருவாக்க செயற்கை நுண்ணறிவின் எதிர்காலம் என்ன? | மெக்கின்சி). இது செயல்திறன் மற்றும் சிறந்த முடிவெடுக்கும் விளைவுகள் மூலம் சாத்தியமாகும். அந்த மதிப்பைப் பெறுவதற்காக, பல வழக்கமான நிதிப் பகுப்பாய்வுகளும் தகவல்தொடர்புகளும் பெரும்பாலும் செயற்கை நுண்ணறிவு அமைப்புகளிடம் ஒப்படைக்கப்படும்.

சுருக்கமாக, 2035 ஆம் ஆண்டளவில், உருவாக்க AI என்பது நிதித்துறை முழுவதும் பணிபுரியும் இளைய ஆய்வாளர்கள், ஆலோசகர்கள் மற்றும் எழுத்தர்களின் படையைப் போல இருக்கக்கூடும், அவர்கள் பெரும்பாலான கடினமான வேலைகளையும் சில அதிநவீன பகுப்பாய்வுகளையும் தன்னாட்சி முறையில் செய்வார்கள். மனிதர்கள் இன்னும் இலக்குகளை நிர்ணயிப்பார்கள் மற்றும் உயர் மட்ட உத்தி, வாடிக்கையாளர் உறவுகள் மற்றும் மேற்பார்வையைக் கையாளுவார்கள். நிதி உலகம், எச்சரிக்கையாக இருப்பதால், படிப்படியாக சுயாட்சியை விரிவுபடுத்தும் - ஆனால் திசை தெளிவாக உள்ளது, மேலும் தகவல் செயலாக்கம் மற்றும் முடிவெடுக்கும் பரிந்துரைகள் கூட AI இலிருந்து வரும். வெறுமனே, இது வேகமான சேவை (உடனடி கடன்கள், 24 மணி நேர ஆலோசனை), குறைந்த செலவுகள் மற்றும் சாத்தியமான அதிக புறநிலை (தரவு வடிவங்களை அடிப்படையாகக் கொண்ட முடிவுகள்) ஆகியவற்றிற்கு வழிவகுக்கிறது. ஆனால் நம்பிக்கையைப் பராமரிப்பது மிக முக்கியமானதாக இருக்கும்; நிதியத்தில் ஒரு உயர்நிலை AI பிழை மிகப்பெரிய சேதத்தை ஏற்படுத்தக்கூடும் (AI- தூண்டப்பட்ட ஃபிளாஷ் செயலிழப்பு அல்லது ஆயிரக்கணக்கான மக்களுக்கு தவறாக மறுக்கப்பட்ட நன்மையை கற்பனை செய்து பாருங்கள்). எனவே, பின்-அலுவலக செயல்முறைகள் மிகவும் தன்னாட்சி பெற்றாலும், குறிப்பாக நுகர்வோர் எதிர்கொள்ளும் செயல்களுக்கு பாதுகாப்புத் தடுப்புகள் மற்றும் மனித சோதனைகள் நீடிக்கும்.

சவால்கள் மற்றும் நெறிமுறை பரிசீலனைகள்

இந்த எல்லா களங்களிலும், ஜெனரேட்டிவ் AI அதிக தன்னாட்சி பொறுப்புகளை ஏற்கும்போது, ​​பொதுவான சவால்கள் மற்றும் நெறிமுறை கேள்விகள் எழுகின்றன. AI ஒரு நம்பகமான மற்றும் நன்மை பயக்கும் தன்னாட்சி முகவராக இருப்பதை உறுதி செய்வது ஒரு தொழில்நுட்ப பணி மட்டுமல்ல, ஒரு சமூக பணியாகும். முக்கிய கவலைகள் மற்றும் அவை எவ்வாறு தீர்க்கப்படுகின்றன (அல்லது தீர்க்கப்பட வேண்டும்) என்பதை இங்கே கோடிட்டுக் காட்டுகிறோம்:

நம்பகத்தன்மை மற்றும் துல்லியம்

மாயத்தோற்றப் பிரச்சினை: உருவாக்க செயற்கை நுண்ணறிவு மாதிரிகள், நம்பகத்தன்மை வாய்ந்ததாகத் தோன்றும் தவறான அல்லது முற்றிலும் புனையப்பட்ட வெளியீடுகளை உருவாக்கக்கூடும். தவறுகளைக் கண்டறிய எந்த மனிதரும் இல்லாதபோது இது மிகவும் ஆபத்தானது. ஒரு சாட்பாட் வாடிக்கையாளருக்குத் தவறான வழிமுறைகளை வழங்கக்கூடும், அல்லது செயற்கை நுண்ணறிவால் எழுதப்பட்ட ஒரு அறிக்கையில் புனையப்பட்ட புள்ளிவிவரம் இருக்கலாம். 2025 ஆம் ஆண்டு நிலவரப்படி, உருவாக்க செயற்கை நுண்ணறிவின் முதன்மையான அபாயமாகத் துல்லியமின்மை நிறுவனங்களால் அங்கீகரிக்கப்பட்டுள்ளது (2023 இல் செயற்கை நுண்ணறிவின் நிலை: உருவாக்க செயற்கை நுண்ணறிவின் திருப்புமுனை ஆண்டு | மெக்கின்சி) (செயற்கை நுண்ணறிவின் நிலை: உலகளாவிய ஆய்வு | மெக்கின்சி). இனிவரும் காலங்களில், மாயத்தோற்றங்களைக் குறைப்பதற்காக, தரவுத்தளங்களுடன் உண்மை சரிபார்ப்பு, மாதிரி கட்டமைப்பு மேம்பாடுகள் மற்றும் பின்னூட்டத்துடன் கூடிய வலுவூட்டல் கற்றல் போன்ற நுட்பங்கள் பயன்படுத்தப்படுகின்றன. தன்னாட்சி செயற்கை நுண்ணறிவு அமைப்புகளுக்குக் கடுமையான சோதனையும், முக்கியமான பணிகளுக்கு (தவறாக இருந்தால் பிழைகள்/பாதுகாப்புக் குறைபாடுகளை அறிமுகப்படுத்தக்கூடிய குறியீடு உருவாக்கம் போன்றவை) முறையான சரிபார்ப்பும் தேவைப்படலாம்.

நிலைத்தன்மை: செயற்கை நுண்ணறிவு அமைப்புகள் காலப்போக்கில் மற்றும் பல்வேறு சூழ்நிலைகளில் நம்பகத்தன்மையுடன் செயல்பட வேண்டும். உதாரணமாக, ஒரு செயற்கை நுண்ணறிவு வழக்கமான கேள்விகளில் சிறப்பாகச் செயல்படலாம், ஆனால் சிக்கலான சூழ்நிலைகளில் தடுமாறக்கூடும். நிலையான செயல்திறனை உறுதிசெய்ய, பல்வேறு சூழ்நிலைகளை உள்ளடக்கிய விரிவான பயிற்சித் தரவுகளும் தொடர்ச்சியான கண்காணிப்பும் தேவைப்படும். பல நிறுவனங்கள், தொடர்ச்சியான துல்லிய விகிதங்களை அளவிடுவதற்காக, செயற்கை நுண்ணறிவு செயல்படும் அதே வேளையில், சீரற்ற மாதிரிகள் மனிதர்களால் தணிக்கை செய்யப்படும் கலப்பு அணுகுமுறைகளைக் கொண்டிருக்கத் திட்டமிடுகின்றன.

பாதுகாப்பு ஏற்பாடுகள்: செயற்கை நுண்ணறிவு தன்னாட்சி முறையில் செயல்படும்போது, ​​அது தனது நிச்சயமற்ற தன்மையை உணர்ந்துகொள்வது மிகவும் முக்கியமானது. அந்த அமைப்பு, 'தனக்குத் தெரியாதபோது அதை அறிந்துகொள்ளும்' வகையில் வடிவமைக்கப்பட வேண்டும். உதாரணமாக, ஒரு செயற்கை நுண்ணறிவு மருத்துவருக்கு ஒரு நோயறிதல் குறித்து உறுதியாகத் தெரியவில்லை என்றால், அது தோராயமாக ஒரு யூகத்தைக் கூறுவதற்குப் பதிலாக, மனித மதிப்பாய்விற்காக அதைக் குறிப்பிட வேண்டும். செயற்கை நுண்ணறிவின் வெளியீடுகளில் நிச்சயமற்ற தன்மையை மதிப்பிடும் முறையை உருவாக்குவதும் (மற்றும் தானியங்கி மனிதப் பரிமாற்றத்திற்கான வரம்புகளைக் கொண்டிருப்பதும்) தீவிரமாக மேம்படுத்தப்பட்டு வரும் ஒரு துறையாகும்.

சார்பு மற்றும் நியாயத்தன்மை

இனம், பாலினம் போன்ற சார்புகளைக் கொண்ட வரலாற்றுத் தரவுகளிலிருந்து ஜெனரேட்டிவ் AI கற்றுக்கொள்கிறது. ஒரு தன்னாட்சி AI அந்த சார்புகளை நிலைநிறுத்தலாம் அல்லது பெருக்கலாம்:

• பணியமர்த்தல் அல்லது சேர்க்கைகளில், ஒரு AI முடிவெடுப்பவர் தனது பயிற்சி தரவு சார்புடையதாக இருந்தால் நியாயமற்ற முறையில் பாகுபாடு காட்டக்கூடும்.

• வாடிக்கையாளர் சேவையில், கவனமாக சரிபார்க்கப்படாவிட்டால், பேச்சுவழக்கு அல்லது பிற காரணிகளின் அடிப்படையில் ஒரு AI பயனர்களுக்கு வித்தியாசமாக பதிலளிக்கக்கூடும்.

• படைப்புத் துறைகளில், பயிற்சித் தொகுப்பு சமநிலையற்றதாக இருந்தால், AI சில கலாச்சாரங்கள் அல்லது பாணிகளைக் குறைவாகப் பிரதிநிதித்துவப்படுத்தக்கூடும்.

இதை நிவர்த்தி செய்வதற்கு கவனமாக தரவுத்தொகுப்பு கணக்கீடு, சார்பு சோதனை மற்றும் நியாயத்தை உறுதி செய்வதற்கான வழிமுறை சரிசெய்தல் தேவை. வெளிப்படைத்தன்மை முக்கியமானது: நிறுவனங்கள் AI முடிவு அளவுகோல்களை வெளியிட வேண்டும், குறிப்பாக ஒரு தன்னாட்சி AI ஒருவரின் வாய்ப்புகள் அல்லது உரிமைகளை (கடன் அல்லது வேலை பெறுவது போன்றவை) பாதித்தால். ஒழுங்குமுறை அதிகாரிகள் ஏற்கனவே கவனம் செலுத்தி வருகின்றனர்; எ.கா., EU இன் AI சட்டம் (2020களின் நடுப்பகுதியில் செயல்பாட்டில் உள்ளது) அதிக ஆபத்துள்ள AI அமைப்புகளுக்கு சார்பு மதிப்பீடுகளை கோரும்.

பொறுப்புடைமை மற்றும் சட்டப் பொறுப்பு

தன்னாட்சி முறையில் இயங்கும் ஒரு AI அமைப்பு தீங்கு விளைவித்தாலோ அல்லது தவறு செய்தாலோ, யார் பொறுப்பு? சட்ட கட்டமைப்புகள் தொடர்ந்து பின்பற்றப்படுகின்றன:

• AI-ஐப் பயன்படுத்தும் நிறுவனங்கள், ஒரு பணியாளரின் செயல்களுக்குப் பொறுப்பேற்பது போன்ற பொறுப்பை ஏற்க வாய்ப்புள்ளது. உதாரணமாக, ஒரு AI மோசமான நிதி ஆலோசனையை வழங்கினால், அதன் விளைவாக இழப்பு ஏற்பட்டால், நிறுவனம் வாடிக்கையாளருக்கு இழப்பீடு வழங்க வேண்டியிருக்கும்.

• AI "ஆளுமை" அல்லது மேம்பட்ட AI ஓரளவு பொறுப்பேற்க முடியுமா என்பது பற்றிய விவாதம் உள்ளது, ஆனால் இப்போது அது மிகவும் தத்துவார்த்தமானது. நடைமுறையில், பழி டெவலப்பர்கள் அல்லது ஆபரேட்டர்கள் மீது திரும்பும்.

• AI தோல்விகளுக்கு புதிய காப்பீட்டுத் தயாரிப்புகள் வெளிவரக்கூடும். தானாக இயங்கும் லாரி விபத்தை ஏற்படுத்தினால், உற்பத்தியாளரின் காப்பீடு அதை ஈடுகட்டக்கூடும், இது தயாரிப்புப் பொறுப்பைப் போன்றது.

• பிரேத பரிசோதனைகளுக்கு AI முடிவுகளை ஆவணப்படுத்துவதும் பதிவு செய்வதும் முக்கியமானதாக இருக்கும். ஏதாவது தவறு நடந்தால், அதிலிருந்து கற்றுக்கொண்டு பொறுப்பை ஒப்படைக்க AI இன் முடிவுப் பாதையை நாம் தணிக்கை செய்ய வேண்டும். இந்தக் காரணத்திற்காகவே, தன்னாட்சி AI நடவடிக்கைகளுக்கு உள்நுழைவதை ஒழுங்குமுறை அதிகாரிகள் கட்டாயப்படுத்தலாம்.

வெளிப்படைத்தன்மை மற்றும் விளக்கக்கூடிய தன்மை

தன்னாட்சி AI அதன் காரணத்தை மனிதர்களுக்குப் புரியும் வகையில், குறிப்பாக அதன் விளைவு களங்களில் (நிதி, சுகாதாரம், நீதி அமைப்பு) விளக்க முடியும். விளக்கக்கூடிய AI என்பது கருப்புப் பெட்டியைத் திறக்க பாடுபடும் ஒரு துறையாகும்:

• ஒரு AI ஆல் கடன் மறுக்கப்பட்டால், விதிமுறைகள் (அமெரிக்காவில், ECOA போன்றவை) விண்ணப்பதாரருக்கு ஒரு காரணத்தைக் கூற வேண்டியிருக்கலாம். எனவே AI காரணிகளை (எ.கா., "அதிக கடன்-வருமான விகிதம்") விளக்கமாக வெளியிட வேண்டும்.

• AI உடன் தொடர்பு கொள்ளும் பயனர்கள் (AI பயிற்சியாளரைக் கொண்ட மாணவர்கள் அல்லது AI சுகாதார செயலியைக் கொண்ட நோயாளிகள் போன்றவை) அது எவ்வாறு ஆலோசனை பெறுகிறது என்பதை அறிந்து கொள்ள வேண்டும். மாதிரிகளை எளிமைப்படுத்துவதன் மூலமோ அல்லது இணையான விளக்க மாதிரிகளைக் கொண்டிருப்பதன் மூலமோ AI பகுத்தறிவை மேலும் கண்டறியக்கூடியதாக மாற்ற முயற்சிகள் நடந்து வருகின்றன.

• தெரிந்துகொள்ள வேண்டும் என்பதையும் குறிக்கிறது என்பதைத் . ஒரு வாடிக்கையாளர் ஒரு போட் உடன் பேசுகிறார் என்றால், அதை வெளிப்படுத்த வேண்டும் என்று நெறிமுறை வழிகாட்டுதல்கள் (மற்றும் சில சட்டங்களும்) வலியுறுத்துகின்றன. இது ஏமாற்றத்தைத் தடுப்பதோடு, பயனரின் ஒப்புதலையும் அனுமதிக்கிறது. நம்பிக்கையைத் தக்கவைப்பதற்காக, சில நிறுவனங்கள் இப்போது செயற்கை நுண்ணறிவால் எழுதப்பட்ட உள்ளடக்கத்தை (உதாரணமாக, “இந்தக் கட்டுரை செயற்கை நுண்ணறிவால் உருவாக்கப்பட்டது”) வெளிப்படையாகக் குறிப்பிடுகின்றன.

தனியுரிமை மற்றும் தரவு பாதுகாப்பு

உருவாக்க AI செயல்பட அல்லது கற்றுக்கொள்ள பெரும்பாலும் தரவு தேவைப்படுகிறது - சாத்தியமான உணர்திறன் வாய்ந்த தனிப்பட்ட தரவு உட்பட. தன்னாட்சி செயல்பாடுகள் தனியுரிமையை மதிக்க வேண்டும்:

• ஒரு வாடிக்கையாளருக்கு உதவ ஒரு AI வாடிக்கையாளர் சேவை முகவர் கணக்குத் தகவலை அணுகுவார்; அந்தத் தரவு பாதுகாக்கப்பட வேண்டும் மற்றும் பணிக்கு மட்டுமே பயன்படுத்தப்பட வேண்டும்.

• AI ஆசிரியர்கள் மாணவர் சுயவிவரங்களை அணுக முடிந்தால், கல்வித் தரவு தனியுரிமையை உறுதி செய்வதற்காக FERPA (அமெரிக்காவில்) போன்ற சட்டங்களின் கீழ் பரிசீலனைகள் உள்ளன.

• பெரிய மாதிரிகள் தங்கள் பயிற்சித் தரவிலிருந்து குறிப்பிட்டவற்றை தற்செயலாக நினைவில் வைத்திருக்கலாம் (எ.கா., பயிற்சியின் போது காணப்பட்ட ஒரு நபரின் முகவரியை மீண்டும் மீண்டும் கூறுதல்). உருவாக்கப்பட்ட வெளியீடுகளில் தனிப்பட்ட தகவல் கசிவதைத் தடுக்க, பயிற்சியின் போது வேறுபட்ட தனியுரிமை மற்றும் தரவு அநாமதேயமாக்கல் போன்ற நுட்பங்கள் முக்கியம்.

• GDPR போன்ற விதிமுறைகள் தனிநபர்களைப் பாதிக்கும் தானியங்கி முடிவுகள் மீது உரிமைகளை வழங்குகின்றன. மக்கள் மனித மதிப்பாய்வைக் கோரலாம் அல்லது முடிவுகளை அவை கணிசமாகப் பாதித்தால் அவை மட்டுமே தானியங்கிப்படுத்தப்படக்கூடாது என்று கோரலாம். 2030 ஆம் ஆண்டளவில், AI மிகவும் பரவலாகும்போது இந்த விதிமுறைகள் உருவாகக்கூடும், விளக்க உரிமைகளை அறிமுகப்படுத்தலாம் அல்லது AI செயலாக்கத்திலிருந்து விலகலாம்.

பாதுகாப்பு மற்றும் துஷ்பிரயோகம்

தன்னாட்சி AI அமைப்புகள் ஹேக்கிங்கிற்கான இலக்குகளாக இருக்கலாம் அல்லது தீங்கிழைக்கும் செயல்களைச் செய்ய சுரண்டப்படலாம்:

• ஒரு AI உள்ளடக்க உருவாக்குநரை தவறாகப் பயன்படுத்தி, தவறான தகவல்களை (deepfake videos, fake news articles) அளவில் உருவாக்க முடியும், இது ஒரு சமூக ஆபத்து. மிகவும் சக்திவாய்ந்த உருவாக்க மாதிரிகளை வெளியிடுவதன் நெறிமுறைகள் பரபரப்பாக விவாதிக்கப்படுகின்றன (உதாரணமாக, GPT-4 இன் படத் திறன்களில் OpenAI ஆரம்பத்தில் எச்சரிக்கையாக இருந்தது). போலிகளைக் கண்டறிய உதவும் AI-உருவாக்கிய உள்ளடக்கத்தை வாட்டர்மார்க் செய்தல் மற்றும் AI-ஐ எதிர்த்துப் போராட AI ஐப் பயன்படுத்துதல் (deepfakes-க்கான கண்டறிதல் வழிமுறைகள் போன்றவை) ஆகியவை தீர்வுகளில் அடங்கும்.

• ஒரு AI இயற்பியல் செயல்முறைகளை (ட்ரோன்கள், கார்கள், தொழில்துறை கட்டுப்பாடு) கட்டுப்படுத்தினால், அதை சைபர் தாக்குதல்களிலிருந்து பாதுகாப்பது மிக முக்கியம். ஹேக் செய்யப்பட்ட தன்னாட்சி அமைப்பு நிஜ உலக தீங்கு விளைவிக்கும். இதன் பொருள் வலுவான குறியாக்கம், தோல்வி-பாதுகாப்புகள் மற்றும் ஏதாவது சமரசம் செய்யப்பட்டதாகத் தோன்றினால் மனித மேலெழுதும் அல்லது நிறுத்தும் திறன்.

• AI நோக்கம் கொண்ட வரம்புகளுக்கு அப்பால் செல்வது குறித்த கவலையும் உள்ளது ("முரட்டு AI" சூழ்நிலை). தற்போதைய AI-களுக்கு முகமை அல்லது நோக்கம் இல்லை என்றாலும், எதிர்கால தன்னாட்சி அமைப்புகள் அதிக முகமை கொண்டவை என்றால், அவை அங்கீகரிக்கப்படாத வர்த்தகங்களைச் செயல்படுத்துவதில்லை அல்லது தவறாகக் குறிப்பிடப்பட்ட குறிக்கோள் காரணமாக சட்டங்களை மீறுவதில்லை என்பதை உறுதிப்படுத்த கடுமையான கட்டுப்பாடுகள் மற்றும் கண்காணிப்பு தேவை.

நெறிமுறை பயன்பாடு மற்றும் மனித தாக்கம்

இறுதியாக, பரந்த நெறிமுறை பரிசீலனைகள்:

• வேலை இழப்பு: மனிதத் தலையீடு இல்லாமல் செயற்கை நுண்ணறிவால் பணிகளைச் செய்ய முடிந்தால், அந்த வேலைகளுக்கு என்னவாகும்? வரலாற்று ரீதியாக, தொழில்நுட்பம் சில வேலைகளைத் தானியக்கமாக்குகிறது, ஆனால் மற்ற சில வேலைகளை உருவாக்குகிறது. தானியக்கமாக்கப்படும் பணிகளில் தங்கள் திறமைகளைக் கொண்ட தொழிலாளர்களுக்கு இந்த மாற்றம் வேதனையாக இருக்கலாம். சமூகம் இதை மறுதிறன் பயிற்சி, கல்வி மற்றும் பொருளாதார ஆதரவை மறுபரிசீலனை செய்வதன் மூலம் நிர்வகிக்க வேண்டும் (பல வேலைகள் தானியக்கமாக்கப்பட்டால், அனைவருக்கும் அடிப்படை வருமானம் போன்ற யோசனைகளை செயற்கை நுண்ணறிவு அவசியமாக்கக்கூடும் என்று சிலர் கூறுகின்றனர்). ஏற்கனவே, ஆய்வுகள் கலவையான உணர்வுகளைக் காட்டுகின்றன – ஒரு ஆய்வில் மூன்றில் ஒரு பங்கு தொழிலாளர்கள் செயற்கை நுண்ணறிவு வேலைகளை மாற்றுவது குறித்து கவலைப்படுவதாகவும், மற்றவர்கள் அது கடின உழைப்பை நீக்குவதாகவும் கருதுகின்றனர்.

• மனிதத் திறன்கள் சிதைதல்: செயற்கை நுண்ணறிவுப் பயிற்றுநர்கள் கற்பித்தால், செயற்கை நுண்ணறிவுத் தானியங்கிகள் வாகனங்களை இயக்கினால், மற்றும் செயற்கை நுண்ணறிவு நிரல்களை எழுதினால், மக்கள் இந்தத் திறன்களை இழந்துவிடுவார்களா? செயற்கை நுண்ணறிவை அதிகமாகச் சார்ந்திருப்பது, மோசமான நிலையில் நிபுணத்துவத்தைச் சிதைத்துவிடும்; செயற்கை நுண்ணறிவு உதவினாலும் மக்கள் அடிப்படைகளைத் தொடர்ந்து கற்றுக்கொள்வதை உறுதிசெய்யும் வகையில், கல்வி மற்றும் பயிற்சித் திட்டங்கள் இதற்கேற்ப தங்களை மாற்றியமைத்துக் கொள்ள வேண்டும்.

• நெறிமுறை முடிவெடுத்தல்: AI-க்கு மனித தார்மீக தீர்ப்பு இல்லை. சுகாதாரப் பராமரிப்பு அல்லது சட்டத்தில், முற்றிலும் தரவு சார்ந்த முடிவுகள் தனிப்பட்ட வழக்குகளில் கருணை அல்லது நீதியுடன் முரண்படக்கூடும். நாம் நெறிமுறை கட்டமைப்புகளை AI-யில் குறியீடாக்க வேண்டியிருக்கலாம் (AI நெறிமுறை ஆராய்ச்சியின் ஒரு பகுதி, எ.கா., AI முடிவுகளை மனித மதிப்புகளுடன் இணைப்பது). குறைந்தபட்சம், நெறிமுறை சார்ந்த முடிவுகளுக்கு மனிதர்களை விழிப்புடன் வைத்திருப்பது நல்லது.

• அனைவரையும் உள்ளடக்குதல்: செயற்கை நுண்ணறிவின் நன்மைகள் பரவலாகப் பகிரப்படுவதை உறுதி செய்வது ஒரு அறநெறி சார்ந்த இலக்காகும். பெரிய நிறுவனங்களால் மட்டுமே மேம்பட்ட செயற்கை நுண்ணறிவை வாங்க முடிந்தால், சிறு வணிகங்கள் அல்லது ஏழ்மையான பகுதிகள் பின்தங்கிவிடக்கூடும். திறந்த மூல முயற்சிகளும் மலிவு விலை செயற்கை நுண்ணறிவுத் தீர்வுகளும், அவற்றை அனைவருக்கும் கிடைக்கச் செய்ய உதவும். மேலும், "யாரிடம் செயற்கை நுண்ணறிவு உதவியாளர் இருக்கிறார், யாரிடம் இல்லை" என்ற ஒரு புதிய எண்ணிமப் பிளவை நாம் உருவாக்கிவிடாதபடி, யார் வேண்டுமானாலும் செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தும் வகையில் இடைமுகங்கள் வடிவமைக்கப்பட வேண்டும் (பல்வேறு மொழிகள், மாற்றுத்திறனாளிகளுக்கான அணுகல் வசதி போன்றவை).

தற்போதைய இடர் தணிப்பு: சாதகமான அம்சமாக, நிறுவனங்கள் உருவாக்க செயற்கை நுண்ணறிவை (generative AI) அறிமுகப்படுத்தும்போது, ​​இந்தப் பிரச்சினைகள் குறித்த விழிப்புணர்வும் நடவடிக்கைகளும் அதிகரித்து வருகின்றன. 2023-ஆம் ஆண்டின் பிற்பகுதியில், செயற்கை நுண்ணறிவைப் பயன்படுத்தும் நிறுவனங்களில் கிட்டத்தட்ட பாதி, துல்லியமின்மை போன்ற இடர்களைத் தணிக்க தீவிரமாகச் செயல்பட்டு வந்தன (2023-இல் செயற்கை நுண்ணறிவின் நிலை: உருவாக்க செயற்கை நுண்ணறிவின் திருப்புமுனை ஆண்டு | மெக்கின்சி) (செயற்கை நுண்ணறிவின் நிலை: உலகளாவிய கணக்கெடுப்பு | மெக்கின்சி), மேலும் அந்த எண்ணிக்கை அதிகரித்து வருகிறது. தொழில்நுட்ப நிறுவனங்கள் செயற்கை நுண்ணறிவு நெறிமுறைக் குழுக்களை அமைத்துள்ளன; அரசாங்கங்கள் விதிமுறைகளை உருவாக்கி வருகின்றன. பிற்காலத்தில் எதிர்வினையாற்றுவதை விட, தொடக்கத்திலிருந்தே செயற்கை நுண்ணறிவு உருவாக்கத்தில் நெறிமுறைகளை ஒருங்கிணைப்பதே (“வடிவமைப்பால் நெறிமுறைகள்”) முக்கியமாகும்.

சவால்கள் குறித்து முடிவாக: AI-க்கு அதிக சுயாட்சி வழங்குவது இரட்டை முனைகள் கொண்ட வாள். இது செயல்திறனையும் புதுமையையும் தரக்கூடும், ஆனால் அதற்கு அதிக பொறுப்புணர்வு தேவைப்படுகிறது. வரும் ஆண்டுகளில் தொழில்நுட்ப தீர்வுகள் (AI நடத்தையை மேம்படுத்த), செயல்முறை தீர்வுகள் (கொள்கை மற்றும் மேற்பார்வை கட்டமைப்புகள்) மற்றும் ஒருவேளை புதிய தரநிலைகள் அல்லது சான்றிதழ்கள் (இன்றைய இயந்திரங்கள் அல்லது மின்னணுவியல் போன்றவை AI அமைப்புகள் தணிக்கை செய்யப்பட்டு சான்றளிக்கப்படலாம்) ஆகியவற்றின் கலவையைக் காண வாய்ப்புள்ளது. இந்த சவால்களை வெற்றிகரமாக வழிநடத்துவது, மனித நல்வாழ்வையும் நம்பிக்கையையும் அதிகரிக்கும் வகையில் தன்னாட்சி AI-ஐ சமூகத்தில் எவ்வளவு சீராக ஒருங்கிணைக்க முடியும் என்பதை தீர்மானிக்கும்.

முடிவுரை

ஒரு புதுமையான பரிசோதனையிலிருந்து, நமது வாழ்வின் ஒவ்வொரு மூலையையும் தொடும் ஒரு மாற்றத்தை ஏற்படுத்தும் பொது நோக்க தொழில்நுட்பமாக ஜெனரேட்டிவ் AI விரைவாக வளர்ச்சியடைந்துள்ளது. இந்த வெள்ளை அறிக்கை, 2025 ஆம் ஆண்டளவில், AI அமைப்புகள் ஏற்கனவே கட்டுரைகளை எழுதுதல், கிராபிக்ஸ் வடிவமைத்தல், மென்பொருளை குறியிடுதல், வாடிக்கையாளர்களுடன் அரட்டையடித்தல், மருத்துவக் குறிப்புகளைச் சுருக்கமாகக் கூறுதல், மாணவர்களுக்கு பயிற்சி அளித்தல், விநியோகச் சங்கிலிகளை மேம்படுத்துதல் மற்றும் நிதி அறிக்கைகளை வரைதல் ஆகியவற்றை எவ்வாறு உருவாக்குகின்றன என்பதை ஆராய்ந்துள்ளது. முக்கியமாக, இந்தப் பணிகளில் பலவற்றில், குறிப்பாக நன்கு வரையறுக்கப்பட்ட, மீண்டும் மீண்டும் செய்யக்கூடிய வேலைகளுக்கு, AI மனித தலையீடு இல்லாமல் அல்லது மிகக் குறைவாகவோ. நிறுவனங்களும் தனிநபர்களும் AI இந்தக் கடமைகளை தன்னியக்கமாகச் செய்யும் என்றும், வேகத்திலும் அளவிலும் பலன்களைப் பெறும் என்றும் நம்பத் தொடங்கியுள்ளனர்.

2035-ஆம் ஆண்டை எதிர்நோக்கிப் பார்க்கையில், செயற்கை நுண்ணறிவு (AI) இன்னும் பரவலான ஒரு கூட்டாளியாக மாறும் ஒரு சகாப்தத்தின் விளிம்பில் நாம் நிற்கிறோம். மனிதர்கள் சிறப்பானவற்றில் கவனம் செலுத்த ஏதுவாக, இது பெரும்பாலும் கண்ணுக்குத் தெரியாத ஒரு டிஜிட்டல் பணியாளராக அன்றாடப் பணிகளைக் கையாளும். உருவாக்கும் திறன் கொண்ட செயற்கை நுண்ணறிவு, நமது சாலைகளில் கார்களையும் லாரிகளையும் நம்பகத்தன்மையுடன் ஓட்டும், கிடங்குகளில் இரவோடு இரவாக சரக்குகளை நிர்வகிக்கும், அறிவுள்ள தனிப்பட்ட உதவியாளர்களைப் போல நமது கேள்விகளுக்குப் பதிலளிக்கும், உலகெங்கிலும் உள்ள மாணவர்களுக்கு நேருக்கு நேர் அறிவுரைகளை வழங்கும், மேலும் மருத்துவத்தில் புதிய சிகிச்சைகளைக் கண்டறிய உதவும் என நாம் எதிர்பார்க்கிறோம் – இவை அனைத்தும் மிகக் குறைந்த நேரடி மேற்பார்வையுடனேயே நடக்கும். செயற்கை நுண்ணறிவு, செயலற்ற முறையில் அறிவுறுத்தல்களைப் பின்பற்றுவதிலிருந்து, முன்முயற்சியுடன் தீர்வுகளை உருவாக்கும் நிலைக்கு நகரும்போது, ​​கருவிக்கும் முகவருக்கும் இடையிலான கோடு மங்கிவிடும்.

இருப்பினும், இந்த தன்னாட்சி AI எதிர்காலத்திற்கான பயணத்தை கவனமாக வழிநடத்த வேண்டும். நாம் ஏற்கனவே குறிப்பிட்டுள்ளபடி, ஒவ்வொரு களமும் அதன் சொந்த வரம்புகள் மற்றும் பொறுப்புகளைக் கொண்டுள்ளது:

• இன்றைய யதார்த்தப் பார்வை: செயற்கை நுண்ணறிவு தவறுகளுக்கு அப்பாற்பட்டது அல்ல. அது வடிவங்களை அடையாளம் காண்பதிலும், உள்ளடக்கங்களை உருவாக்குவதிலும் சிறந்து விளங்குகிறது, ஆனால் மனிதர்களுக்குரிய உண்மையான புரிதலும் பொது அறிவும் அதனிடம் இல்லை. எனவே, தற்போதைக்கு, மனித மேற்பார்வையே பாதுகாப்பு வலையாகத் தொடர்கிறது. செயற்கை நுண்ணறிவு எங்கு தனித்துச் செயல்படத் தயாராக உள்ளது (எங்கு இல்லை) என்பதை அறிந்துகொள்வது மிகவும் முக்கியமானது. இன்று பல வெற்றிகள் மனித-செயற்கை நுண்ணறிவு குழு மாதிரியிலிருந்து வருகின்றன, மேலும் முழுமையான தன்னாட்சி இன்னும் விவேகமானதாக இல்லாத இடங்களில் இந்தக் கலப்பின அணுகுமுறை தொடர்ந்து மதிப்புமிக்கதாக இருக்கும்.

• நாளைய நம்பிக்கை: மாதிரி கட்டமைப்புகள், பயிற்சி நுட்பங்கள் மற்றும் மேற்பார்வை வழிமுறைகளில் ஏற்படும் முன்னேற்றங்களால், செயற்கை நுண்ணறிவின் திறன்கள் தொடர்ந்து விரிவடையும். அடுத்த பத்தாண்டுகளுக்கான ஆராய்ச்சி மற்றும் மேம்பாடு, தற்போதைய பல சிக்கல்களைத் தீர்க்கக்கூடும் (மாயத்தோற்றங்களைக் குறைத்தல், புரிந்துகொள்ளும் திறனை மேம்படுத்துதல், செயற்கை நுண்ணறிவை மனித விழுமியங்களுடன் ஒருங்கிணைத்தல்). அவ்வாறானால், 2035-ஆம் ஆண்டிற்குள் செயற்கை நுண்ணறிவு அமைப்புகள், மிக அதிக தன்னாட்சியுடன் ஒப்படைக்கப்படும் அளவிற்கு வலிமையானவையாக இருக்கக்கூடும். செயற்கை நுண்ணறிவு ஆசிரியர்கள் முதல் பெரும்பாலும் சுயமாக இயங்கும் வணிகங்கள் வரையிலான, இந்தக் கட்டுரையில் உள்ள கணிப்புகள் நமது நிஜமாகலாம், அல்லது இன்று கற்பனை செய்யவே கடினமான புத்தாக்கங்களால் விஞ்சப்படவும் கூடும்.

• மனிதனின் பங்கு மற்றும் தகவமைப்பு: செயற்கை நுண்ணறிவு மனிதர்களை முழுமையாக மாற்றுவதற்குப் பதிலாக, அவர்களின் பங்குகள் பரிணமிக்கும் என நாங்கள் எதிர்பார்க்கிறோம். ஒவ்வொரு துறையிலும் உள்ள வல்லுநர்கள், செயற்கை நுண்ணறிவுடன் பணியாற்றுவதில் தேர்ச்சி பெற வேண்டியிருக்கும் – அதாவது, அதற்கு வழிகாட்டுவது, அதைச் சரிபார்ப்பது, மற்றும் பச்சாதாபம், வியூகச் சிந்தனை, சிக்கலான பிரச்சனைகளைத் தீர்த்தல் போன்ற தனித்துவமான மனித பலங்கள் தேவைப்படும் பணியின் அம்சங்களில் கவனம் செலுத்துவது. கல்வி மற்றும் பணியாளர் பயிற்சி ஆகியவை, இந்தத் தனித்துவமான மனிதத் திறன்களுக்கும், அனைவருக்கும் செயற்கை நுண்ணறிவு குறித்த கல்வியறிவுக்கும் முக்கியத்துவம் அளிக்கும் வகையில் தங்களை மாற்றிக்கொள்ள வேண்டும். கொள்கை வகுப்பாளர்களும் வணிகத் தலைவர்களும் தொழிலாளர் சந்தையில் ஏற்படும் மாற்றங்களுக்குத் திட்டமிட வேண்டும், மேலும் தானியக்கத்தால் பாதிக்கப்பட்டவர்களுக்கு ஆதரவு அமைப்புகள் இருப்பதை உறுதி செய்ய வேண்டும்.

• நெறிமுறைகள் மற்றும் ஆளுகை: ஒருவேளை மிக முக்கியமாக, நெறிமுறை சார்ந்த செயற்கை நுண்ணறிவுப் பயன்பாடு மற்றும் ஆளுகைக்கான ஒரு கட்டமைப்பு இந்தத் தொழில்நுட்ப வளர்ச்சிக்கு அடித்தளமாக அமைய வேண்டும். நம்பிக்கையே ஏற்றுக்கொள்ளுதலின் நாணயம் – ஒரு செயற்கை நுண்ணறிவு பாதுகாப்பானது என்று மக்கள் நம்பினால் மட்டுமே, அதை ஒரு காரை ஓட்டவோ அல்லது அறுவை சிகிச்சையில் உதவவோ அனுமதிப்பார்கள். அந்த நம்பிக்கையைக் கட்டியெழுப்புவதற்கு, கடுமையான சோதனைகள், வெளிப்படைத்தன்மை, சம்பந்தப்பட்டவர்களின் ஈடுபாடு (எ.கா., மருத்துவ செயற்கை நுண்ணறிவுகளை வடிவமைப்பதில் மருத்துவர்களை ஈடுபடுத்துதல், செயற்கை நுண்ணறிவு கல்வி கருவிகளில் ஆசிரியர்களை ஈடுபடுத்துதல்), மற்றும் பொருத்தமான ஒழுங்குமுறை ஆகியவை தேவைப்படுகின்றன. டீப்ஃபேக்குகள் அல்லது போர்க்களத்தில் செயற்கை நுண்ணறிவு போன்ற சவால்களைக் கையாள்வதற்கும், பொறுப்பான பயன்பாட்டிற்கான உலகளாவிய நெறிமுறைகளை உறுதி செய்வதற்கும் சர்வதேச ஒத்துழைப்பு அவசியமாகலாம்.

முடிவில், உருவாக்க AI என்பது முன்னேற்றத்திற்கான ஒரு சக்திவாய்ந்த இயந்திரமாக செயல்படுகிறது. புத்திசாலித்தனமாகப் பயன்படுத்தினால், அது மனிதர்களை சோர்விலிருந்து விடுவிக்கவும், படைப்பாற்றலைத் திறக்கவும், சேவைகளைத் தனிப்பயனாக்கவும், இடைவெளிகளை நிவர்த்தி செய்யவும் முடியும் (நிபுணர்கள் பற்றாக்குறையாக இருக்கும் இடங்களில் நிபுணத்துவத்தைக் கொண்டுவரவும்). மனித ஆற்றலை ஓரங்கட்டுவதற்குப் பதிலாக பெருக்கும். உடனடி வார்த்தையில், அதாவது AI ஐ வழிநடத்த மனிதர்களை வளையத்தில் வைத்திருப்பது. நீண்ட காலத்திற்கு, இது AI அமைப்புகளின் மையத்தில் மனிதநேய மதிப்புகளை குறியீடாக்குவதைக் குறிக்கிறது, இதனால் அவை சுயாதீனமாகச் செயல்படும்போது கூட, அவை நமது கூட்டு நலனுக்காகச் செயல்படுகின்றன.

டொமைன்	நம்பகமான தன்னாட்சி இன்று (2025)	2035 ஆம் ஆண்டுக்குள் எதிர்பார்க்கப்படும் நம்பகமான சுயாட்சி
எழுத்து & உள்ளடக்கம்	- வழக்கமான செய்திகள் (விளையாட்டு, வருவாய்) தானாக உருவாக்கப்படும். - தயாரிப்பு மதிப்புரைகள் செயற்கை நுண்ணறிவால் சுருக்கப்படும். - மனிதத் திருத்தத்திற்காக கட்டுரைகள் அல்லது மின்னஞ்சல்களின் வரைவுகள். (ஃபிலானா பேட்டர்சன் – ONA சமூக சுயவிவரம்) (அமேசான் செயற்கை நுண்ணறிவு மூலம் வாடிக்கையாளர் மதிப்புரைகளின் அனுபவத்தை மேம்படுத்துகிறது)	- பெரும்பாலான செய்திகள் மற்றும் சந்தைப்படுத்தல் உள்ளடக்கம் உண்மைத் துல்லியத்துடன் தானாக எழுதப்படுகிறது.- AI குறைந்தபட்ச மேற்பார்வையுடன் முழுமையான கட்டுரைகள் மற்றும் பத்திரிகை வெளியீடுகளை உருவாக்குகிறது.- தேவைக்கேற்ப உருவாக்கப்படும் மிகவும் தனிப்பயனாக்கப்பட்ட உள்ளடக்கம்.
காட்சி கலைகள் & வடிவமைப்பு	- AI தூண்டுதல்களிலிருந்து படங்களை உருவாக்குகிறது (மனிதர்கள் சிறந்ததைத் தேர்ந்தெடுக்கிறார்கள்).- கருத்து கலை மற்றும் வடிவமைப்பு மாறுபாடுகள் தன்னியக்கமாக உருவாக்கப்படுகின்றன.	- AI முழு வீடியோ/திரைப்படக் காட்சிகள் மற்றும் சிக்கலான கிராபிக்ஸ்களை உருவாக்குகிறது.- தயாரிப்புகளின் உருவாக்க வடிவமைப்பு/கட்டிடக்கலை சந்திப்பு விவரக்குறிப்புகள்.- தேவைக்கேற்ப உருவாக்கப்பட்ட தனிப்பயனாக்கப்பட்ட ஊடகம் (படங்கள், வீடியோ).
மென்பொருள் குறியீட்டு முறை	- செயற்கை நுண்ணறிவு குறியீட்டைத் தானாகவே பூர்த்தி செய்கிறது மற்றும் எளிய செயல்பாடுகளை எழுதுகிறது (டெவலப்பரால் மதிப்பாய்வு செய்யப்பட்டது).- தானியங்கு சோதனை உருவாக்கம் மற்றும் பிழை பரிந்துரைகள். (கோபைலட்டில் குறியிடுதல்: 2023 தரவு குறியீட்டுத் தரத்தில் கீழ்நோக்கிய அழுத்தத்தைக் காட்டுகிறது (2024 கணிப்புகள் உட்பட) - கிட்கிளியர்) (கிட்ஹப் கோபைலட் செயற்கை நுண்ணறிவு குறியீட்டு உதவியாளர்கள் குறித்த ஆராய்ச்சி அறிக்கையில் முதலிடம் வகிக்கிறது -- விஷுவல் ஸ்டுடியோ இதழ்)	- விவரக்குறிப்புகளிலிருந்து முழு அம்சங்களையும் AI நம்பகத்தன்மையுடன் செயல்படுத்துகிறது.- அறியப்பட்ட வடிவங்களுக்கான தன்னாட்சி பிழைத்திருத்தம் மற்றும் குறியீடு பராமரிப்பு.- சிறிய மனித உள்ளீட்டைக் கொண்டு குறைந்த குறியீடு பயன்பாட்டு உருவாக்கம்.
வாடிக்கையாளர் சேவை	- Chatbots அடிக்கடி கேட்கப்படும் கேள்விகளுக்கு பதிலளிக்கிறது, எளிய சிக்கல்களை தீர்க்கிறது (சிக்கலான வழக்குகளை மாற்றுகிறது).- AI சில சேனல்களில் ~70% வழக்கமான விசாரணைகளைக் கையாளுகிறது. (2025க்கான 59 AI வாடிக்கையாளர் சேவை புள்ளிவிவரங்கள்) (2030 வாக்கில், வாடிக்கையாளர் தொடர்புகளின் போது 69% முடிவுகள் ...)	- சிக்கலான வினவல்கள் உட்பட பெரும்பாலான வாடிக்கையாளர் தொடர்புகளை AI முழுமையாகக் கையாளுகிறது.- சேவை சலுகைகளுக்கான (பணத்தைத் திரும்பப் பெறுதல், மேம்படுத்தல்கள்) நிகழ்நேர AI முடிவெடுத்தல்.- அதிகரிப்புகள் அல்லது சிறப்பு நிகழ்வுகளுக்கு மட்டுமே மனித முகவர்கள்.
சுகாதாரம்	- AI மருத்துவக் குறிப்புகளை வரைகிறது; மருத்துவர்கள் சரிபார்க்கும் நோயறிதல்களை பரிந்துரைக்கிறது. - AI சில ஸ்கேன்களை (கதிரியக்கவியல்) மேற்பார்வையுடன் படிக்கிறது; எளிய நிகழ்வுகளை வகைப்படுத்துகிறது. (AI மருத்துவ இமேஜிங் தயாரிப்புகள் 2035 ஆம் ஆண்டளவில் ஐந்து மடங்கு அதிகரிக்கக்கூடும்)	- AI நம்பகமான முறையில் பொதுவான நோய்களைக் கண்டறிந்து பெரும்பாலான மருத்துவப் படங்களை விளக்குகிறது. - AI நோயாளிகளைக் கண்காணித்து பராமரிப்பைத் தொடங்குகிறது (எ.கா., மருந்து நினைவூட்டல்கள், அவசர எச்சரிக்கைகள்). - மெய்நிகர் AI "செவிலியர்கள்" வழக்கமான பின்தொடர்தல்களைக் கையாளுகிறார்கள்; மருத்துவர்கள் சிக்கலான பராமரிப்பில் கவனம் செலுத்துகிறார்கள்.
கல்வி	- AI ஆசிரியர்கள் மாணவர்களின் கேள்விகளுக்கு பதிலளிக்கிறார்கள், பயிற்சி சிக்கல்களை உருவாக்குகிறார்கள் (ஆசிரியர் கண்காணிக்கிறார்கள்).- AI தரப்படுத்தலுக்கு உதவுகிறது (ஆசிரியர் மதிப்பாய்வுடன்). ([K-12 கல்விக்கான பொதுவான AI)	Applify வழங்கும் ஆராய்ச்சி அறிக்கை](https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces))
தளவாடங்கள்	- AI விநியோக வழிகள் மற்றும் பேக்கிங்கை மேம்படுத்துகிறது (மனிதர்கள் இலக்குகளை நிர்ணயிக்கிறார்கள்).- AI விநியோகச் சங்கிலி அபாயங்களைக் குறிக்கிறது மற்றும் தணிப்புகளை பரிந்துரைக்கிறது. (லாஜிஸ்டிக்ஸில் சிறந்த ஜெனரேட்டிவ் AI பயன்பாட்டு வழக்குகள்)	- AI கட்டுப்பாட்டாளர்களால் மேற்பார்வையிடப்படும் பெருமளவில் சுய-ஓட்டுநர் விநியோகங்கள் (டிரக்குகள், ட்ரோன்கள்). - இடையூறுகளைச் சுற்றி AI தன்னியக்கமாக ஏற்றுமதிகளை மறுவழிப்பாதையில் செலுத்துகிறது மற்றும் சரக்குகளை சரிசெய்கிறது. - AI ஆல் நிர்வகிக்கப்படும் முழுமையான விநியோகச் சங்கிலி ஒருங்கிணைப்பு (ஆர்டர் செய்தல், விநியோகம்).
நிதி	- AI நிதி அறிக்கைகள்/செய்தி சுருக்கங்களை உருவாக்குகிறது (மனித மதிப்பாய்வு செய்யப்பட்டது).- ரோபோ-ஆலோசகர்கள் எளிய போர்ட்ஃபோலியோக்களை நிர்வகிக்கிறார்கள்; AI அரட்டை வாடிக்கையாளர் வினவல்களைக் கையாளுகிறது. (ஜெனரேட்டிவ் AI நிதிக்கு வருகிறது)	- AI ஆய்வாளர்கள் முதலீட்டு பரிந்துரைகள் மற்றும் இடர் அறிக்கைகளை அதிக துல்லியத்துடன் தயாரிக்கிறார்கள்.- நிர்ணயிக்கப்பட்ட வரம்புகளுக்குள் தன்னாட்சி வர்த்தகம் மற்றும் போர்ட்ஃபோலியோ மறுசீரமைப்பு.- AI நிலையான கடன்கள்/உரிமைகோரல்களை தானாக அங்கீகரிக்கிறது; மனிதர்கள் விதிவிலக்குகளைக் கையாளுகிறார்கள்.

குறிப்புகள்:

1. பேட்டர்சன், ஃபிலானா. தானியங்கு வருவாய் செய்திகள் பெருகுகின்றன. அசோசியேட்டட் பிரஸ் (2015) – மனித எழுத்தாளர் இல்லாமல் ஆயிரக்கணக்கான வருவாய் அறிக்கைகளை AP தானியங்கு முறையில் உருவாக்கும் முறையை விவரிக்கிறது (தானியங்கு வருவாய் செய்திகள் பெருகுகின்றன | அசோசியேட்டட் பிரஸ்).

2. மெக்கின்சி & கம்பெனி. 2024-ன் தொடக்கத்தில் செயற்கை நுண்ணறிவின் நிலை: உருவாக்க செயற்கை நுண்ணறிவின் பயன்பாடு அதிகரித்து மதிப்பை உருவாக்கத் தொடங்குகிறது. (2024) – 65% நிறுவனங்கள் உருவாக்க செயற்கை நுண்ணறிவைத் தவறாமல் பயன்படுத்துவதாக அறிக்கை அளிக்கிறது, இது 2023-ஐ விட கிட்டத்தட்ட இரு மடங்கு அதிகம் (2024-ன் தொடக்கத்தில் செயற்கை நுண்ணறிவின் நிலை | மெக்கின்சி), மேலும் இடர் தணிப்பு முயற்சிகளைப் பற்றி விவாதிக்கிறது (செயற்கை நுண்ணறிவின் நிலை: உலகளாவிய கணக்கெடுப்பு | மெக்கின்சி).

3. கார்ட்னர். சாட்ஜிபிடிக்கு அப்பால்: நிறுவனங்களுக்கான உருவாக்க செயற்கை நுண்ணறிவின் எதிர்காலம். (2023) – 2030-க்குள், ஒரு பிரம்மாண்ட வெற்றிப் படத்தின் 90% செயற்கை நுண்ணறிவால் உருவாக்கப்படலாம் என்று கணிக்கிறது (தொழில்கள் மற்றும் நிறுவனங்களுக்கான உருவாக்க செயற்கை நுண்ணறிவின் பயன்பாட்டு நிகழ்வுகள்) மற்றும் மருந்து வடிவமைப்பு போன்ற உருவாக்க செயற்கை நுண்ணறிவின் பயன்பாட்டு நிகழ்வுகளை எடுத்துக்காட்டுகிறது (தொழில்கள் மற்றும் நிறுவனங்களுக்கான உருவாக்க செயற்கை நுண்ணறிவின் பயன்பாட்டு நிகழ்வுகள்).

4. ட்வைப். செய்தி அறையில் பத்திரிகையாளர்கள் செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தும் 12 வழிகள். (2024) – ஒரு செய்தி நிறுவனத்தில் “கிளாரா” செயற்கை நுண்ணறிவு 11% கட்டுரைகளை எழுதுவதற்கும், அனைத்து செயற்கை நுண்ணறிவு உள்ளடக்கத்தையும் மனிதத் தொகுப்பாளர்கள் மதிப்பாய்வு செய்வதற்கும் ஒரு எடுத்துக்காட்டு (செய்தி அறையில் பத்திரிகையாளர்கள் செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தும் 12 வழிகள் - ட்வைப்).

5. அமேசான்.காம் செய்திகள். அமேசான் செயற்கை நுண்ணறிவு மூலம் வாடிக்கையாளர் மதிப்புரைகளின் அனுபவத்தை மேம்படுத்துகிறது. (2023) – வாங்குபவர்களுக்கு உதவ, தயாரிப்புப் பக்கங்களில் செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட மதிப்புரைச் சுருக்கங்களை அறிவிக்கிறது (அமேசான் செயற்கை நுண்ணறிவு மூலம் வாடிக்கையாளர் மதிப்புரைகளின் அனுபவத்தை மேம்படுத்துகிறது).

6. ஜென்டெஸ்க். 2025-ஆம் ஆண்டுக்கான 59 செயற்கை நுண்ணறிவு வாடிக்கையாளர் சேவைப் புள்ளிவிவரங்கள். (2023) – மூன்றில் இரண்டுக்கும் மேற்பட்ட வாடிக்கையாளர் அனுபவ (CX) நிறுவனங்கள், உருவாக்கும் செயற்கை நுண்ணறிவு (generative AI) சேவையில் ஒருவித “நெருக்கத்தை” சேர்க்கும் என்று கருதுவதையும் (2025-ஆம் ஆண்டுக்கான 59 செயற்கை நுண்ணறிவு வாடிக்கையாளர் சேவைப் புள்ளிவிவரங்கள்), இறுதியில் 100% வாடிக்கையாளர் தொடர்புகளிலும் செயற்கை நுண்ணறிவு இருக்கும் என்று கணிப்பதையும் இது குறிப்பிடுகிறது (2025-ஆம் ஆண்டுக்கான 59 செயற்கை நுண்ணறிவு வாடிக்கையாளர் சேவைப் புள்ளிவிவரங்கள்).

7. ஃபியூச்சுரம் ரிசர்ச் & எஸ்ஏஎஸ். எக்ஸ்பீரியன்ஸ் 2030: வாடிக்கையாளர் அனுபவத்தின் எதிர்காலம். (2019) – 2030-ஆம் ஆண்டிற்குள் வாடிக்கையாளர் ஈடுபாட்டின் போது எடுக்கப்படும் முடிவுகளில் சுமார் 69% ஸ்மார்ட் இயந்திரங்களால் எடுக்கப்படும் என்று பிராண்டுகள் எதிர்பார்ப்பதாக ஒரு கணக்கெடுப்பு கண்டறிந்துள்ளது (வாடிக்கையாளர் அனுபவத்திற்கான மாற்றத்தை மறுபரிசீலனை செய்ய, சந்தைப்படுத்துபவர்கள் இந்த 2 விஷயங்களைச் செய்ய வேண்டும்).

8. டேட்டாய்கு. சரக்குப் போக்குவரத்தில் முதன்மையான உருவாக்க செயற்கை நுண்ணறிவுப் பயன்பாட்டு நிகழ்வுகள். (2023) – செய்திகளை ஆய்வு செய்வதன் மூலம், ஜென்ஏஐ எவ்வாறு சரக்கு ஏற்றுதலை மேம்படுத்துகிறது (சுமார் 30% காலி டிரக் இடத்தை குறைக்கிறது) (சரக்குப் போக்குவரத்தில் முதன்மையான உருவாக்க செயற்கை நுண்ணறிவுப் பயன்பாட்டு நிகழ்வுகள்) மற்றும் விநியோகச் சங்கிலி அபாயங்களைக் கண்டறிகிறது என்பதை விவரிக்கிறது.

9. விஷுவல் ஸ்டுடியோ இதழ். செயற்கை நுண்ணறிவு குறியீட்டு உதவியாளர்கள் குறித்த ஆய்வறிக்கையில் கிட்ஹப் கோபைலட் முதலிடம். (2024) – கார்ட்னரின் மூலோபாயத் திட்டமிடல் அனுமானங்கள்: 2028-க்குள், 90% நிறுவன டெவலப்பர்கள் செயற்கை நுண்ணறிவு குறியீட்டு உதவியாளர்களைப் பயன்படுத்துவார்கள் (2024-ல் 14% ஆக இருந்தது) (கிட்ஹப் கோபைலட் செயற்கை நுண்ணறிவு குறியீட்டு உதவியாளர்கள் குறித்த ஆய்வறிக்கையில் முதலிடம் -- விஷுவல் ஸ்டுடியோ இதழ்).

10. ப்ளூம்பெர்க் நியூஸ். ப்ளூம்பெர்க்ஜிபிடி-ஐ அறிமுகப்படுத்துகிறது. (2023) – கேள்வி-பதில் மற்றும் பகுப்பாய்வு ஆதரவிற்காக டெர்மினலில் கட்டமைக்கப்பட்ட, நிதிப் பணிகளை இலக்காகக் கொண்ட ப்ளூம்பெர்க்கின் 50 பில்லியன் அளவுருக்கள் கொண்ட மாதிரியை விவரிக்கிறது (உருவாக்கும் செயற்கை நுண்ணறிவு நிதித்துறைக்கு வருகிறது).

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 செயற்கை நுண்ணறிவால் மாற்றியமைக்க முடியாத வேலைகள் – மற்றும் எந்த வேலைகளை அது மாற்றியமைக்கும்?
மாறிவரும் வேலைவாய்ப்புச் சூழல் குறித்த ஒரு உலகளாவிய கண்ணோட்டம்; இதில், எந்தப் பணிகள் செயற்கை நுண்ணறிவின் சீர்குலைவிலிருந்து பாதுகாப்பாக உள்ளன, எவை அதிக ஆபத்தில் உள்ளன என்பது ஆராயப்படுகிறது.

🔗 செயற்கை நுண்ணறிவால் பங்குச் சந்தையைக் கணிக்க முடியுமா?
பங்குச் சந்தை முன்னறிவிப்பிற்காக செயற்கை நுண்ணறிவைப் பயன்படுத்துவதில் உள்ள திறன்கள், வரம்புகள் மற்றும் நெறிமுறைக் கருத்தாய்வுகள் குறித்த ஒரு ஆழமான ஆய்வு.

🔗 இணையப் பாதுகாப்பில் உருவாக்கச் செயற்கை நுண்ணறிவை எவ்வாறு பயன்படுத்தலாம்?
இயல்புமீறலைக் கண்டறிவது முதல் அச்சுறுத்தலை மாதிரியாக்குவது வரை, இணைய அச்சுறுத்தல்களுக்கு எதிராகப் பாதுகாக்க உருவாக்கச் செயற்கை நுண்ணறிவு எவ்வாறு பயன்படுத்தப்படுகிறது என்பதைத் தெரிந்துகொள்ளுங்கள்.