மனித தலையீடு இல்லாமல் ஜெனரேட்டிவ் AI-ஐ என்ன செய்ய முடியும்?

நிர்வாகச் சுருக்கம்

இயந்திரங்கள் உரை, படங்கள், குறியீடு மற்றும் பலவற்றை உருவாக்க உதவும் தொழில்நுட்பமான ஜெனரேட்டிவ் ஆர்ட்டிஃபிஷியல் இன்டலிஜென்ஸ் (AI) சமீபத்திய ஆண்டுகளில் அபரிமிதமான வளர்ச்சியை அடைந்துள்ளது. இந்த வெள்ளை அறிக்கை, ஜெனரேட்டிவ் AI நம்பத்தகுந்த வகையில் செய்ய முடியும், அடுத்த தசாப்தத்தில் அது என்ன செய்ய எதிர்பார்க்கப்படுகிறது என்பதற்கான அணுகக்கூடிய கண்ணோட்டத்தை வழங்குகிறது. எழுத்து, கலை, குறியீட்டு முறை, வாடிக்கையாளர் சேவை, சுகாதாரம், கல்வி, தளவாடங்கள் மற்றும் நிதி ஆகியவற்றில் அதன் பயன்பாட்டை நாங்கள் ஆய்வு செய்கிறோம், AI தன்னாட்சி முறையில் எங்கு செயல்படுகிறது மற்றும் மனித மேற்பார்வை எங்கு முக்கியமானது என்பதை எடுத்துக்காட்டுகிறது. வெற்றிகள் மற்றும் வரம்புகள் இரண்டையும் விளக்குவதற்கு நிஜ உலக எடுத்துக்காட்டுகள் சேர்க்கப்பட்டுள்ளன. முக்கிய கண்டுபிடிப்புகளில் பின்வருவன அடங்கும்:

• பரவலான தத்தெடுப்பு: 2024 ஆம் ஆண்டில், கணக்கெடுக்கப்பட்ட நிறுவனங்களில் 65%, ஜெனரேட்டிவ் AI-ஐ தொடர்ந்து பயன்படுத்துவதாக தெரிவிக்கின்றன - முந்தைய ஆண்டை விட கிட்டத்தட்ட இரு மடங்கு பங்கு ( 2024 ஆம் ஆண்டின் தொடக்கத்தில் AI-யின் நிலை | மெக்கின்சி ). பயன்பாடுகள் சந்தைப்படுத்தல் உள்ளடக்க உருவாக்கம், வாடிக்கையாளர் ஆதரவு சாட்போட்கள், குறியீடு உருவாக்கம் மற்றும் பலவற்றை உள்ளடக்கியுள்ளன.

• தற்போதைய தன்னாட்சி திறன்கள்: இன்றைய உருவாக்க AI, குறைந்தபட்ச மேற்பார்வையுடன் கட்டமைக்கப்பட்ட, மீண்டும் மீண்டும் நிகழும் பணிகளை பிலானா பேட்டர்சன் - ONA சமூக சுயவிவரம் ), மின் வணிக தளங்களில் தயாரிப்பு விளக்கங்கள் மற்றும் மதிப்பாய்வு சிறப்பம்சங்களை உருவாக்குதல் மற்றும் குறியீட்டை தானாக நிறைவு செய்தல் ஆகியவை அடங்கும். இந்த களங்களில், வழக்கமான உள்ளடக்க உருவாக்கத்தை எடுத்துக்கொள்வதன் மூலம் AI பெரும்பாலும் மனித தொழிலாளர்களை அதிகரிக்கிறது.

• சிக்கலான பணிகளுக்கான மனித-சுழற்சி: படைப்பு எழுத்து, விரிவான பகுப்பாய்வு அல்லது மருத்துவ ஆலோசனை போன்ற மிகவும் சிக்கலான அல்லது திறந்தநிலை பணிகளுக்கு - உண்மை துல்லியம், நெறிமுறை தீர்ப்பு மற்றும் தரத்தை உறுதி செய்ய மனித மேற்பார்வை இன்னும் வழக்கமாக தேவைப்படுகிறது. இன்று பல AI பயன்பாடுகள் "மனித-சுழற்சி" மாதிரியைப் பயன்படுத்துகின்றன, அங்கு AI உள்ளடக்கத்தை வரைகிறது மற்றும் மனிதர்கள் அதை மதிப்பாய்வு செய்கிறார்கள்.

• குறுகிய கால மேம்பாடுகள்: அடுத்த 5-10 ஆண்டுகளில், ஜெனரேட்டிவ் AI மிகவும் நம்பகமானதாகவும் தன்னாட்சி பெற்றதாகவும் . மாதிரி துல்லியம் மற்றும் பாதுகாப்பு வழிமுறைகளில் ஏற்படும் முன்னேற்றங்கள், குறைந்தபட்ச மனித உள்ளீட்டைப் பயன்படுத்தி அதிக அளவிலான படைப்பு மற்றும் முடிவெடுக்கும் பணிகளை AI கையாள அனுமதிக்கலாம். உதாரணமாக, 2030 ஆம் ஆண்டுக்குள், AI பெரும்பாலான வாடிக்கையாளர் சேவை தொடர்புகள் மற்றும் முடிவுகளை நிகழ்நேரத்தில் கையாளும் என்று நிபுணர்கள் கணித்துள்ளனர் ( CX க்கு மாற்றத்தை மீண்டும் கற்பனை செய்ய, சந்தைப்படுத்துபவர்கள் இந்த 2 விஷயங்களைச் செய்ய வேண்டும் ), மேலும் 90% AI-உருவாக்கிய உள்ளடக்கத்துடன் ஒரு பெரிய திரைப்படத்தை உருவாக்க முடியும் ( ஜெனரேட்டிவ் AI பயன்பாட்டு வழக்குகள் தொழில்கள் மற்றும் நிறுவனங்களுக்கு ).

• 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 கவலைகள்: AI சுயாட்சி வளரும்போது, ​​கவலைகளும் அதிகரிக்கின்றன. இன்றைய பிரச்சினைகளில் மாயத்தோற்றம் (AI உண்மைகளை உருவாக்குதல்), உருவாக்கப்பட்ட உள்ளடக்கத்தில் சார்பு, வெளிப்படைத்தன்மை இல்லாமை மற்றும் தவறான தகவலுக்கு சாத்தியமான தவறான பயன்பாடு ஆகியவை அடங்கும். மேற்பார்வை இல்லாமல் செயல்படும்போது AI ஐ நம்ப மிக முக்கியமானது. முன்னேற்றம் ஏற்பட்டு வருகிறது - எடுத்துக்காட்டாக, நிறுவனங்கள் ஆபத்து குறைப்பில் (துல்லியம், சைபர் பாதுகாப்பு, ஐபி சிக்கல்களை நிவர்த்தி செய்தல்) அதிக முதலீடு செய்கின்றன ( AI நிலை: உலகளாவிய கணக்கெடுப்பு | மெக்கின்சி ) - ஆனால் வலுவான நிர்வாகம் மற்றும் நெறிமுறை கட்டமைப்புகள் தேவை.

• இந்த ஆய்வறிக்கையின் அமைப்பு: உருவாக்க AI பற்றிய அறிமுகம் மற்றும் தன்னாட்சி vs. மேற்பார்வையிடப்பட்ட பயன்பாடுகள் என்ற கருத்துடன் நாங்கள் தொடங்குகிறோம். பின்னர், ஒவ்வொரு முக்கிய களத்திற்கும் (எழுத்து, கலை, குறியீட்டு முறை போன்றவை), இன்று AI நம்பத்தகுந்த வகையில் என்ன செய்ய முடியும் என்பதை விட, அடிவானத்தில் உள்ளதைப் பற்றி விவாதிக்கிறோம். குறுக்கு வெட்டு சவால்கள், எதிர்கால கணிப்புகள் மற்றும் உருவாக்க AI ஐ பொறுப்புடன் பயன்படுத்துவதற்கான பரிந்துரைகளுடன் நாங்கள் முடிக்கிறோம்.

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

பகுப்பாய்வு செய்ய முடிந்தது , ஆனால் சமீபத்தில்தான் AI அமைப்புகள் உருவாக்கக் - உரைநடை எழுதுதல், படங்களை எழுதுதல், நிரலாக்க மென்பொருள் மற்றும் பல. இந்த ஜெனரேட்டிவ் AI மாதிரிகள் (உரைக்கு GPT-4 அல்லது படங்களுக்கு DALL·E போன்றவை) தூண்டுதல்களுக்கு பதிலளிக்கும் விதமாக புதிய உள்ளடக்கத்தை உருவாக்க பரந்த தரவுத்தொகுப்புகளில் பயிற்சி அளிக்கப்படுகின்றன. இந்த முன்னேற்றம் தொழில்கள் முழுவதும் புதுமை அலையை கட்டவிழ்த்துவிட்டது. இருப்பினும், ஒரு முக்கியமான கேள்வி எழுகிறது: ஒரு மனிதன் அதன் வெளியீட்டை இருமுறை சரிபார்க்காமல், AI தானாகவே என்ன செய்யும் என்று நாம் உண்மையில் நம்ப முடியும்?

மேற்பார்வையிடப்பட்ட மற்றும் தன்னாட்சி பயன்பாடுகளுக்கு இடையில் வேறுபடுத்துவது முக்கியம்

• 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.

இரண்டு முறைகளிலும் ஜெனரேட்டிவ் AI ஏற்கனவே பயன்படுத்தப்படுகிறது. 2023-2025 ஆம் ஆண்டில், தத்தெடுப்பு உயர்ந்துள்ளது , நிறுவனங்கள் ஆர்வத்துடன் பரிசோதனை செய்து வருகின்றன. 2024 ஆம் ஆண்டில் ஒரு உலகளாவிய கணக்கெடுப்பில் 65% நிறுவனங்கள் ஜெனரேட்டிவ் AI ஐ தொடர்ந்து பயன்படுத்துகின்றன, இது ஒரு வருடத்திற்கு முன்பு மூன்றில் ஒரு பங்காக இருந்தது ( 2024 ஆம் ஆண்டின் தொடக்கத்தில் AI இன் நிலை | மெக்கின்சி ). தனிநபர்களும் ChatGPT போன்ற கருவிகளை ஏற்றுக்கொண்டுள்ளனர் - 2023 ஆம் ஆண்டின் நடுப்பகுதியில் 79% நிபுணர்கள் ஜெனரேட்டிவ் AI க்கு குறைந்தபட்சம் சில வெளிப்பாடுகளைக் கொண்டிருந்ததாக மதிப்பிடப்பட்டுள்ளது ( 2023 இல் AI இன் நிலை: ஜெனரேட்டிவ் AI இன் பிரேக்அவுட் ஆண்டு | மெக்கின்சி ). இந்த விரைவான வளர்ச்சி செயல்திறன் மற்றும் படைப்பாற்றல் ஆதாயங்களின் வாக்குறுதியால் இயக்கப்படுகிறது. இருப்பினும் இது "ஆரம்ப நாட்களில்" உள்ளது, மேலும் பல நிறுவனங்கள் இன்னும் AI ஐ எவ்வாறு பொறுப்புடன் பயன்படுத்துவது என்பது குறித்த கொள்கைகளை உருவாக்கி வருகின்றன ( 2023 இல் AI இன் நிலை: ஜெனரேட்டிவ் AI இன் பிரேக்அவுட் ஆண்டு | மெக்கின்சி ).

சுயாட்சி ஏன் முக்கியம்: மனித மேற்பார்வை இல்லாமல் AI செயல்பட அனுமதிப்பது மிகப்பெரிய செயல்திறன் நன்மைகளைத் திறக்கலாம் - சலிப்பான பணிகளை முழுவதுமாக தானியக்கமாக்குதல் - ஆனால் இது நம்பகத்தன்மைக்கான பங்குகளையும் உயர்த்துகிறது. ஒரு தன்னாட்சி AI முகவர் விஷயங்களைச் சரியாகப் பெற வேண்டும் (அல்லது அதன் வரம்புகளை அறிந்து கொள்ள வேண்டும்) ஏனெனில் உண்மையான நேரத்தில் தவறுகளைக் கண்டறிய எந்த மனிதனும் இருக்கக்கூடாது. சில பணிகள் மற்றவற்றை விட இதற்கு அதிகமாக உதவுகின்றன. பொதுவாக, AI தன்னாட்சி முறையில் சிறப்பாகச் செயல்படும் போது:

• 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).

• சூழ்நிலைகளை உள்ளடக்கிய பயிற்சி தரவு உள்ளது

திறந்தநிலை , அதிக பங்குகள் கொண்ட 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.

இன்று, ஜெனரேட்டிவ் AI, குறைந்தபட்ச அல்லது மனித தலையீடு இல்லாமல் பல்வேறு வழக்கமான எழுத்துப் பணிகளை . இதழியலில் ஒரு சிறந்த உதாரணம்: அசோசியேட்டட் பிரஸ் பல ஆண்டுகளாக நிதித் தரவு ஊட்டங்களிலிருந்து ( பிலானா பேட்டர்சன் - ONA சமூக சுயவிவரம் ) ஒவ்வொரு காலாண்டிலும் ஆயிரக்கணக்கான நிறுவன வருவாய் அறிக்கைகளை உருவாக்க ஆட்டோமேஷனைப் பயன்படுத்துகிறது. இந்த சிறு செய்திகள் ஒரு டெம்ப்ளேட்டைப் பின்பற்றுகின்றன (எ.கா., "நிறுவனம் X Y இன் வருவாயைப் பதிவு செய்தது, Z% வரை...") மேலும் AI (இயற்கை மொழி உருவாக்க மென்பொருளைப் பயன்படுத்தி) எந்த மனிதனையும் விட வேகமாக எண்களையும் சொற்களையும் நிரப்ப முடியும். AP இன் அமைப்பு இந்த அறிக்கைகளை தானாகவே வெளியிடுகிறது, மனித எழுத்தாளர்கள் தேவையில்லாமல் அவற்றின் கவரேஜை வியத்தகு முறையில் (காலாண்டிற்கு 3,000 கதைகளுக்கு மேல்) விரிவுபடுத்துகிறது ( தானியங்கி வருவாய் கதைகள் பெருகும் | அசோசியேட்டட் பிரஸ் ).

விளையாட்டு இதழியல் இதேபோல் மேம்படுத்தப்பட்டுள்ளது: AI அமைப்புகள் விளையாட்டு விளையாட்டு புள்ளிவிவரங்களை எடுத்து மறுபரிசீலனை கதைகளை உருவாக்க முடியும். இந்த களங்கள் தரவு சார்ந்தவை மற்றும் சூத்திர ரீதியாக இருப்பதால், தரவு சரியாக இருக்கும் வரை பிழைகள் அரிதானவை. இந்த சந்தர்ப்பங்களில், நாம் உண்மையான சுயாட்சியைக் - AI எழுதுகிறது மற்றும் உள்ளடக்கம் உடனடியாக வெளியிடப்படுகிறது.

வணிகங்கள் தயாரிப்பு விளக்கங்கள், மின்னஞ்சல் செய்திமடல்கள் மற்றும் பிற சந்தைப்படுத்தல் உள்ளடக்கங்களை வரைவதற்கும் ஜெனரேட்டிவ் AI ஐப் பயன்படுத்துகின்றன. உதாரணமாக, மின்வணிக நிறுவனமான அமேசான் இப்போது தயாரிப்புகளுக்கான வாடிக்கையாளர் மதிப்புரைகளைச் சுருக்கமாக AI ஐப் பயன்படுத்துகிறது. AI பல தனிப்பட்ட மதிப்புரைகளின் உரையை ஸ்கேன் செய்து, அந்த உருப்படியைப் பற்றி மக்கள் என்ன விரும்புகிறார்கள் அல்லது விரும்பவில்லை என்பதற்கான சுருக்கமான சிறப்பம்சப் பத்தியை உருவாக்குகிறது, பின்னர் அது கைமுறையாகத் திருத்தப்படாமல் தயாரிப்பு பக்கத்தில் காட்டப்படும் ( Amazon AI உடன் வாடிக்கையாளர் மதிப்புரைகள் அனுபவத்தை மேம்படுத்துகிறது ). விளக்கப்படம் கீழே உள்ளது , அங்கு "வாடிக்கையாளர்கள் கூறுகிறார்கள்" என்ற பிரிவு முற்றிலும் மதிப்பாய்வுத் தரவிலிருந்து AI ஆல் உருவாக்கப்பட்டது:

( AI உடன் வாடிக்கையாளர் மதிப்புரைகள் அனுபவத்தை அமேசான் மேம்படுத்துகிறது ) மின்வணிக தயாரிப்பு பக்கத்தில் AI உருவாக்கிய மதிப்பாய்வு சுருக்கம். அமேசானின் அமைப்பு பயனர் மதிப்புரைகளிலிருந்து பொதுவான புள்ளிகளை (எ.கா., பயன்பாட்டின் எளிமை, செயல்திறன்) ஒரு சிறிய பத்தியில் சுருக்கமாகக் கூறுகிறது, இது வாங்குபவர்களுக்கு "வாடிக்கையாளர் மதிப்புரைகளின் உரையிலிருந்து AI உருவாக்கியது" என்று காட்டப்படுகிறது.

உள்ளடக்கம் ஒரு கணிக்கக்கூடிய வடிவத்தைப் பின்பற்றும்போது அல்லது ஏற்கனவே உள்ள தரவிலிருந்து ஒருங்கிணைக்கப்படும்போது, ​​AI பெரும்பாலும் அதைத் தனியாகக் கையாள முடியும் என்பதை இதுபோன்ற பயன்பாட்டு நிகழ்வுகள் நிரூபிக்கின்றன . 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 நேரடியான நிதி சுருக்கங்களை (காலாண்டு முடிவுகள், பங்குச் சந்தை விளக்கங்கள்) தானாகவே உருவாக்குகின்றன. 2014 முதல், ப்ளூம்பெர்க் மற்றும் பிற செய்தி நிறுவனங்கள் நிறுவனத்தின் வருவாய் குறித்த செய்தி விளக்கங்களை எழுதுவதற்கு உதவ AI ஐப் பயன்படுத்துகின்றன - தரவு வழங்கப்பட்டவுடன் பெரும்பாலும் தானாகவே இயங்கும் ஒரு செயல்முறை ( AP இன் 'ரோபோ பத்திரிகையாளர்கள்' இப்போது தங்கள் சொந்த கதைகளை எழுதுகிறார்கள் | தி வெர்ஜ் ) ( வயோமிங் நிருபர் போலி மேற்கோள்கள், கதைகளை உருவாக்க AI ஐப் பயன்படுத்தி 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 ஆண்டில் மனித மேற்பார்வை வழக்கமாக உள்ளது . செய்தி நிறுவனங்கள் AI இலிருந்து நேரடியாக புலனாய்வு அல்லது பகுப்பாய்வு கட்டுரைகளை அரிதாகவே வெளியிடுகின்றன - ஆசிரியர்கள் AI-எழுதப்பட்ட வரைவுகளை உண்மைகளைச் சரிபார்த்து செம்மைப்படுத்துவார்கள். AI பாணி மற்றும் கட்டமைப்பை நன்றாகப் பிரதிபலிக்க முடியும், ஆனால் உண்மை பிழைகள் (பெரும்பாலும் "மாயத்தோற்றங்கள்" என்று அழைக்கப்படுகிறது) அல்லது ஒரு மனிதன் பிடிக்க வேண்டிய மோசமான சொற்றொடர்களை அறிமுகப்படுத்தலாம். எடுத்துக்காட்டாக, ஜெர்மன் செய்தித்தாள் எக்ஸ்பிரஸ், ஆரம்ப செய்திகளை எழுத உதவுவதற்காக கிளாரா என்ற AI "டிஜிட்டல் சக ஊழியரை" அறிமுகப்படுத்தியது. கிளாரா விளையாட்டு அறிக்கைகளை திறமையாக வரையலாம் மற்றும் வாசகர்களை ஈர்க்கும் தலைப்புச் செய்திகளை கூட எழுதலாம், இது எக்ஸ்பிரஸின் 11% கட்டுரைகளுக்கு பங்களிக்கிறது - ஆனால் மனித ஆசிரியர்கள் இன்னும் துல்லியம் மற்றும் பத்திரிகை நேர்மைக்காக ஒவ்வொரு பகுதியையும் மதிப்பாய்வு செய்கிறார்கள், குறிப்பாக சிக்கலான கதைகளில் ( செய்தி அறையில் பத்திரிகையாளர்கள் AI கருவிகளைப் பயன்படுத்தும் 12 வழிகள் - ட்வைப் ). இந்த மனித-AI கூட்டாண்மை இன்று பொதுவானது: உரையை உருவாக்கும் பெரும் சுமையை AI கையாளுகிறது, மேலும் மனிதர்கள் தேவைக்கேற்ப சரிசெய்து சரிசெய்கிறார்கள்.

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:

• மேம்படுத்தப்பட்ட துல்லியம்: தவறான அல்லது பொருத்தமற்ற தகவல்களை உருவாக்கும் AI இன் போக்கை தற்போதைய ஆராய்ச்சி விரைவாகக் குறைத்து வருகிறது. 2030 ஆம் ஆண்டளவில், சிறந்த பயிற்சியுடன் கூடிய மேம்பட்ட மொழி மாதிரிகள் (நிகழ்நேரத்தில் தரவுத்தளங்களுடன் உண்மைகளைச் சரிபார்க்கும் நுட்பங்கள் உட்பட) உள்நாட்டில் கிட்டத்தட்ட மனித அளவிலான உண்மைச் சரிபார்ப்பை அடைய முடியும். இதன் பொருள், ஒரு AI, சரியான மேற்கோள்கள் மற்றும் மூலப் பொருட்களிலிருந்து தானாகவே எடுக்கப்பட்ட புள்ளிவிவரங்களுடன் ஒரு முழு செய்திக் கட்டுரையை வரையக்கூடும், இதற்கு சிறிய திருத்தம் தேவை.

• டொமைன்-குறிப்பிட்ட AIகள்: சில துறைகளுக்கு (சட்டம், மருத்துவம், தொழில்நுட்ப எழுத்து) சிறப்பாக வடிவமைக்கப்பட்ட சிறப்பு உருவாக்க மாதிரிகளை நாம் பார்ப்போம். 2030 ஆம் ஆண்டின் சட்ட AI மாதிரி, நிலையான ஒப்பந்தங்களை நம்பகமான முறையில் வரையலாம் அல்லது வழக்குச் சட்டத்தைச் சுருக்கமாகக் கூறலாம் - கட்டமைப்பில் சூத்திரமான ஆனால் தற்போது வழக்கறிஞர் நேரம் தேவைப்படும் பணிகள். AI சரிபார்க்கப்பட்ட சட்ட ஆவணங்களில் பயிற்சி பெற்றிருந்தால், அதன் வரைவுகள் ஒரு வழக்கறிஞர் விரைவான இறுதிப் பார்வையை மட்டுமே வழங்கும் அளவுக்கு நம்பகமானதாக இருக்கலாம்.

• இயற்கையான நடை மற்றும் ஒத்திசைவு: நீண்ட ஆவணங்களை விட மாதிரிகள் சூழலைப் பராமரிப்பதில் சிறந்து விளங்குகின்றன, இது மிகவும் ஒத்திசைவான மற்றும் சரியான நீண்ட வடிவ உள்ளடக்கத்திற்கு வழிவகுக்கிறது. 2035 ஆம் ஆண்டளவில், ஒரு AI ஒரு புனைகதை அல்லாத புத்தகம் அல்லது தொழில்நுட்ப கையேட்டின் ஒரு நல்ல முதல் வரைவைத் தானே எழுத முடியும், மனிதர்களை முதன்மையாக ஒரு ஆலோசனைப் பாத்திரத்தில் (இலக்குகளை நிர்ணயிப்பதற்கோ அல்லது சிறப்பு அறிவை வழங்குவதற்கோ) கொண்டு எழுத முடியும் என்பது நம்பத்தகுந்தது.

நடைமுறையில் இது எப்படி இருக்கும்? வழக்கமான பத்திரிகை சில குறிப்பிட்ட பீட்களுக்கு கிட்டத்தட்ட முழுமையாக தானியங்கிமயமாக்கப்படலாம். 2030 ஆம் ஆண்டில் ஒரு செய்தி நிறுவனம் ஒவ்வொரு வருவாய் அறிக்கை, விளையாட்டுக் கதை அல்லது தேர்தல் முடிவு புதுப்பிப்பின் முதல் பதிப்பை ஒரு AI அமைப்பு எழுதுவதை நாம் காணலாம், தர உறுதிப்பாட்டிற்காக ஒரு ஆசிரியர் சிலவற்றை மட்டுமே மாதிரியாக எடுத்துக்கொள்வார். உண்மையில், ஆன்லைன் உள்ளடக்கத்தின் வளர்ந்து வரும் பங்கு இயந்திரத்தால் உருவாக்கப்படும் என்று நிபுணர்கள் கணித்துள்ளனர் - தொழில்துறை ஆய்வாளர்களின் ஒரு துணிச்சலான கணிப்பு, 2026 ஆம் ஆண்டளவில் 90% ஆன்லைன் உள்ளடக்கம் AI-யால் உருவாக்கப்படலாம் என்று ( 2026 ஆம் ஆண்டளவில், மனிதர்கள் அல்லாதவர்களால் உருவாக்கப்பட்ட ஆன்லைன் உள்ளடக்கம் மனிதனால் உருவாக்கப்பட்ட உள்ளடக்கத்தை விட அதிகமாக இருக்கும் - OODAloop ), இருப்பினும் அந்த எண்ணிக்கை விவாதிக்கப்படுகிறது. 2030 களின் நடுப்பகுதியில், வழக்கமான வலை கட்டுரைகள், தயாரிப்பு நகல் மற்றும் ஒருவேளை தனிப்பயனாக்கப்பட்ட செய்தி ஊட்டங்களில் பெரும்பாலானவை AI ஆல் எழுதப்படுகின்றன.

சந்தைப்படுத்தல் மற்றும் பெருநிறுவன தகவல்தொடர்புகளில் , ஜெனரேட்டிவ் AI முழு பிரச்சாரங்களையும் தன்னியக்கமாக இயக்கும் பொறுப்பு ஒப்படைக்கப்படும். இது தனிப்பயனாக்கப்பட்ட மார்க்கெட்டிங் மின்னஞ்சல்கள், சமூக ஊடக இடுகைகள் மற்றும் விளம்பர நகல் மாறுபாடுகளை உருவாக்கி அனுப்பலாம், வாடிக்கையாளர் எதிர்வினைகளின் அடிப்படையில் செய்திகளை தொடர்ந்து மாற்றியமைக்கலாம் - இவை அனைத்தும் ஒரு மனித நகல் எழுத்தாளர் இல்லாமல். 2025 ஆம் ஆண்டளவில், பெரிய நிறுவனங்களின் வெளிச்செல்லும் மார்க்கெட்டிங் செய்திகளில் குறைந்தது 30% AI ( Generative AI Use Cases for Industries and Enterprises ) மூலம் செயற்கையாக உருவாக்கப்படும் என்றும், இந்த சதவீதம் 2030 ஆம் ஆண்டளவில் மட்டுமே உயரும் என்றும் கார்ட்னர் ஆய்வாளர்கள் கணித்துள்ளனர்.

மனித படைப்பாற்றல் மற்றும் தீர்ப்பு இன்னும் ஒரு பங்கை வகிக்கும் என்பதை கவனத்தில் கொள்ள வேண்டியது அவசியம் . 2035 ஆம் ஆண்டுக்குள், AI ஒரு செய்திக்குறிப்பு அல்லது வலைப்பதிவு இடுகையைத் தானே கையாளக்கூடும், ஆனால் பொறுப்புக்கூறல் அல்லது உணர்திறன் வாய்ந்த தலைப்புகளை உள்ளடக்கிய புலனாய்வு பத்திரிகைக்கு, ஊடகங்கள் இன்னும் மனித மேற்பார்வையை வலியுறுத்தக்கூடும். எதிர்காலம் ஒரு நிலைப்படுத்தப்பட்ட அணுகுமுறையைக் கொண்டுவரும்: AI தன்னாட்சி முறையில் அன்றாட உள்ளடக்கத்தின் பெரும்பகுதியை உருவாக்குகிறது, அதே நேரத்தில் மனிதர்கள் மூலோபாய அல்லது உணர்திறன் வாய்ந்த பகுதிகளைத் திருத்துவதிலும் தயாரிப்பதிலும் கவனம் செலுத்துகிறார்கள். அடிப்படையில், AI திறன் வளரும்போது "வழக்கமானது" என்று கருதப்படும் வரி விரிவடையும்.

AI-உருவாக்கிய ஊடாடும் விவரிப்புகள் அல்லது தனிப்பயனாக்கப்பட்ட அறிக்கைகள் போன்ற புதிய வடிவிலான உள்ளடக்கம் வெளிவரக்கூடும். எடுத்துக்காட்டாக, ஒரு நிறுவனத்தின் வருடாந்திர அறிக்கையை AI பல பாணிகளில் உருவாக்கலாம் - நிர்வாகிகளுக்கான சுருக்கமான விளக்கம், ஊழியர்களுக்கான விவரிப்பு பதிப்பு, பகுப்பாய்வாளர்களுக்கான தரவு நிறைந்த பதிப்பு - ஒவ்வொன்றும் ஒரே அடிப்படைத் தரவிலிருந்து தானாகவே உருவாக்கப்படும். கல்வியில், பாடப்புத்தகங்களை வெவ்வேறு வாசிப்பு நிலைகளுக்கு ஏற்றவாறு AI ஆல் மாறும் வகையில் எழுத முடியும். இந்தப் பயன்பாடுகள் பெரும்பாலும் தன்னாட்சி பெற்றதாக இருக்கலாம், ஆனால் சரிபார்க்கப்பட்ட தகவல்களால் ஆதரிக்கப்படலாம்.

எழுத்தில் உள்ள போக்கு, 2030களின் நடுப்பகுதியில், AI ஒரு சிறந்த எழுத்தாளராக இருக்கும் . உண்மையிலேயே தன்னாட்சி செயல்பாட்டிற்கான திறவுகோல் அதன் வெளியீடுகளில் நம்பிக்கையை ஏற்படுத்துவதாகும். AI தொடர்ந்து உண்மை துல்லியம், ஸ்டைலிஸ்டிக் தரம் மற்றும் நெறிமுறை தரங்களுடன் சீரமைவை நிரூபிக்க முடிந்தால், வரிக்கு வரி மனித மதிப்பாய்வின் தேவை குறையும். 2035 ஆம் ஆண்டளவில், இந்த வெள்ளை ஆய்வறிக்கையின் பகுதிகள், ஒரு ஆசிரியரின் தேவை இல்லாமல் ஒரு AI ஆராய்ச்சியாளரால் வரைவு செய்யப்படலாம் - சரியான பாதுகாப்புகள் இருந்தால், நாங்கள் எச்சரிக்கையுடன் நம்பிக்கையுடன் இருக்கும் ஒரு வாய்ப்பு.

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.

தேவைக்கேற்ப படங்களை உருவாக்குவதில் திறமையானவை . பயனர்கள் "வான் கோவின் பாணியில் சூரிய அஸ்தமனத்தில் ஒரு இடைக்கால நகரத்தை" வரைய ஒரு பட AI ஐக் கேட்கலாம் மற்றும் சில நொடிகளில் நம்பத்தகுந்த கலைப் படத்தைப் பெறலாம். இது கிராஃபிக் வடிவமைப்பு, சந்தைப்படுத்தல் மற்றும் பொழுதுபோக்கு ஆகியவற்றில் கருத்துக் கலை, முன்மாதிரிகள் மற்றும் சில சந்தர்ப்பங்களில் இறுதி காட்சிகளுக்கு கூட AI இன் பரவலான பயன்பாட்டிற்கு வழிவகுத்தது. குறிப்பிடத்தக்க வகையில்:

• கிராஃபிக் வடிவமைப்பு & ஸ்டாக் படங்கள்: நிறுவனங்கள் AI வழியாக வலைத்தள கிராபிக்ஸ், விளக்கப்படங்கள் அல்லது ஸ்டாக் புகைப்படங்களை உருவாக்குகின்றன, இதனால் ஒரு கலைஞரிடமிருந்து ஒவ்வொரு பகுதியையும் கமிஷன் செய்ய வேண்டிய தேவை குறைகிறது. பல மார்க்கெட்டிங் குழுக்கள் நுகர்வோரை ஈர்க்கும் விஷயங்களை சோதிக்க விளம்பரங்கள் அல்லது தயாரிப்பு படங்களின் மாறுபாடுகளை உருவாக்க AI 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: AI-உருவாக்கப்பட்ட கலை பத்திரிகை அட்டைகளிலும் புத்தக அட்டைகளிலும் இடம்பெற்றுள்ளது. ஒரு பிரபலமான நிகழ்வு ஆகஸ்ட் 2022 காஸ்மோபாலிட்டன் அட்டைப்படமாகும், அதில் ஒரு விண்வெளி வீரர் இடம்பெற்றிருந்தார் - இது ஒரு கலை இயக்குனரால் இயக்கப்பட்ட AI (OpenAI இன் DALL·E) ஆல் உருவாக்கப்பட்ட முதல் பத்திரிகை அட்டைப் படம் என்று கூறப்படுகிறது. இது மனித தூண்டுதல் மற்றும் தேர்வை உள்ளடக்கியது என்றாலும், உண்மையான கலைப்படைப்பு இயந்திரத்தால் வழங்கப்பட்டது.

முக்கியமாக, இந்த தற்போதைய பயன்பாடுகளில் பெரும்பாலானவை இன்னும் மனித க்யூரேஷன் மற்றும் மறு செய்கையை உள்ளடக்கியது . AI டஜன் கணக்கான படங்களை வெளியிட முடியும், மேலும் ஒரு மனிதன் சிறந்ததைத் தேர்ந்தெடுத்து அதைத் தொடக்கூடும். அந்த வகையில், உருவாக்க , ஆனால் மனிதர்கள் படைப்பு திசையை வழிநடத்தி இறுதித் தேர்வுகளைச் செய்கிறார்கள். இது நிறைய உள்ளடக்கத்தை விரைவாக உருவாக்குவதற்கு நம்பகமானது, ஆனால் முதல் முயற்சியிலேயே அனைத்துத் தேவைகளையும் பூர்த்தி செய்யும் என்று உத்தரவாதம் இல்லை. தவறான விவரங்கள் (எ.கா. AI தவறான எண்ணிக்கையிலான விரல்களால் கைகளை வரைதல், அறியப்பட்ட வினோதம்) அல்லது எதிர்பாராத முடிவுகள் போன்ற சிக்கல்கள் ஒரு மனித கலை இயக்குனர் பொதுவாக வெளியீட்டு தரத்தை மேற்பார்வையிட வேண்டும் என்பதாகும்.

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 குறைவான முதிர்ச்சியடைந்தாலும், வீடியோவிற்கான ஜெனரேட்டிவ் AI முன்னேறி வருகிறது. தரம் சீரற்றதாக இருந்தாலும், AI ஏற்கனவே குறுகிய வீடியோ கிளிப்புகள் அல்லது அனிமேஷன்களை தூண்டுதல்களிலிருந்து உருவாக்க முடியும். டீப்ஃபேக் தொழில்நுட்பம் - இது ஜெனரேட்டிவ் - யதார்த்தமான முக மாற்றீடுகள் அல்லது குரல் குளோன்களை உருவாக்க முடியும். கட்டுப்படுத்தப்பட்ட அமைப்பில், ஒரு ஸ்டுடியோ பின்னணி காட்சி அல்லது கூட்ட அனிமேஷனை தானாக உருவாக்க AI ஐப் பயன்படுத்தலாம்.

90% உள்ளடக்கத்தை AI (ஸ்கிரிப்ட் முதல் காட்சிகள் வரை) ( தொழில்துறைகள் மற்றும் நிறுவனங்களுக்கான ஜெனரேட்டிவ் AI பயன்பாட்டு வழக்குகள் ஒரு பெரிய பிளாக்பஸ்டர் படத்தைப் பார்ப்போம் என்று கார்ட்னர் கணித்துள்ளார் . 2025 ஆம் ஆண்டு நிலவரப்படி, நாங்கள் இன்னும் அந்த நிலையை அடையவில்லை - AI சுயாதீனமாக ஒரு அம்ச நீள திரைப்படத்தை உருவாக்க முடியாது. ஆனால் அந்த புதிரின் பகுதிகள் உருவாகி வருகின்றன: ஸ்கிரிப்ட் உருவாக்கம் (உரை AI), கதாபாத்திரம் மற்றும் காட்சி உருவாக்கம் (படம்/வீடியோ AI), குரல் நடிப்பு (AI குரல் குளோன்கள்) மற்றும் எடிட்டிங் உதவி (AI ஏற்கனவே வெட்டுக்கள் மற்றும் மாற்றங்களுக்கு உதவும்).

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

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

• முழுமையாக AI-உருவாக்கப்பட்ட திரைப்படங்கள் மற்றும் வீடியோக்கள்: அடுத்த பத்து ஆண்டுகளில், பெரும்பாலும் AI-உருவாக்கப்பட்ட முதல் திரைப்படங்கள் அல்லது தொடர்களைப் பார்ப்பது சாத்தியமாகும். மனிதர்கள் உயர் மட்ட இயக்கத்தை (எ.கா. ஒரு ஸ்கிரிப்ட் அவுட்லைன் அல்லது விரும்பிய பாணி) வழங்கக்கூடும், மேலும் AI காட்சிகளை வழங்கும், நடிகர் சாயல்களை உருவாக்கும் மற்றும் எல்லாவற்றையும் உயிரூட்டும். குறும்படங்களில் ஆரம்பகால சோதனைகள் சில ஆண்டுகளுக்குள் இருக்கலாம், 2030 களில் அம்ச நீள முயற்சிகளுடன். இந்த AI படங்கள் முக்கிய (பரிசோதனை அனிமேஷன் போன்றவை) தொடங்கலாம், ஆனால் தரம் மேம்படும்போது முக்கிய நீரோட்டமாக மாறக்கூடும். கார்ட்னரின் 2030 ஆம் ஆண்டளவில் 90% திரைப்பட கணிப்பு ( தொழில்துறைகள் மற்றும் நிறுவனங்களுக்கான ஜெனரேட்டிவ் AI பயன்பாட்டு வழக்குகள் ), லட்சியமாக இருந்தாலும், AI உள்ளடக்க உருவாக்கம் திரைப்படத் தயாரிப்பில் பெரும்பாலான சுமைகளைத் தாங்கும் அளவுக்கு அதிநவீனமாக இருக்கும் என்ற தொழில்துறையின் நம்பிக்கையை அடிக்கோடிட்டுக் காட்டுகிறது.

• வடிவமைப்பு ஆட்டோமேஷன்: ஃபேஷன் அல்லது கட்டிடக்கலை போன்ற துறைகளில், "செலவு, பொருட்கள், பாணி X" போன்ற அளவுருக்களின் அடிப்படையில் நூற்றுக்கணக்கான வடிவமைப்பு கருத்துக்களை தன்னியக்கமாக வரைவதற்கு ஜெனரேட்டிவ் AI பயன்படுத்தப்படும், இது இறுதி வடிவமைப்பைத் தேர்ந்தெடுக்க மனிதர்களை விட்டுச்செல்கிறது. இது தற்போதைய இயக்கவியலை புரட்டுகிறது: வடிவமைப்பாளர்கள் புதிதாக உருவாக்கி, உத்வேகத்திற்காக AI ஐப் பயன்படுத்துவதற்குப் பதிலாக, எதிர்கால வடிவமைப்பாளர்கள் கியூரேட்டர்களாக அதிகமாகச் செயல்படலாம், சிறந்த AI-உருவாக்கப்பட்ட வடிவமைப்பைத் தேர்ந்தெடுத்து அதை மாற்றியமைக்கலாம். 2035 ஆம் ஆண்டளவில், ஒரு கட்டிடக் கலைஞர் ஒரு கட்டிடத்திற்கான தேவைகளை உள்ளீடு செய்து, AI இன் பரிந்துரைகளாக முழுமையான வரைபடங்களைப் பெறலாம் (அனைத்தும் கட்டமைப்பு ரீதியாக சிறந்தவை, உட்பொதிக்கப்பட்ட பொறியியல் விதிகளின் மரியாதை).

• தனிப்பயனாக்கப்பட்ட உள்ளடக்க உருவாக்கம்: தனிப்பட்ட பயனர்களுக்காக AIகள் காட்சிகளை உருவாக்குவதை நாம் பார்க்கலாம். 2035 ஆம் ஆண்டில் ஒரு வீடியோ கேம் அல்லது மெய்நிகர் ரியாலிட்டி அனுபவத்தை கற்பனை செய்து பாருங்கள், அங்கு காட்சியமைப்புகள் மற்றும் கதாபாத்திரங்கள் வீரரின் விருப்பங்களுக்கு ஏற்ப மாற்றியமைக்கப்படுகின்றன, இது AI ஆல் நிகழ்நேரத்தில் உருவாக்கப்பட்டது. அல்லது ஒரு பயனரின் நாளின் அடிப்படையில் உருவாக்கப்பட்ட தனிப்பயனாக்கப்பட்ட காமிக் துண்டுகள் - உங்கள் உரை நாட்குறிப்பை ஒவ்வொரு மாலையும் தானாகவே விளக்கப்படங்களாக மாற்றும் ஒரு தன்னாட்சி "தினசரி டைரி காமிக்" AI.

• மல்டிமோடல் படைப்பாற்றல்: ஜெனரேட்டிவ் AI அமைப்புகள் பெருகிய முறையில் மல்டிமோடல் ஆகின்றன - அதாவது அவை உரை, படங்கள், ஆடியோ போன்றவற்றை ஒன்றாகக் கையாள முடியும். இவற்றை இணைப்பதன் மூலம், ஒரு AI "தயாரிப்பு X க்கான மார்க்கெட்டிங் பிரச்சாரத்தை உருவாக்கு" போன்ற ஒரு எளிய அறிவிப்பை எடுத்து, எழுதப்பட்ட நகலை மட்டுமல்ல, பொருந்தக்கூடிய கிராபிக்ஸ், ஒருவேளை குறுகிய விளம்பர வீடியோ கிளிப்களையும் கூட உருவாக்க முடியும், இவை அனைத்தும் ஒரே மாதிரியான பாணியில் இருக்கும். இந்த வகையான ஒரு கிளிக் உள்ளடக்க தொகுப்பு 2030 களின் முற்பகுதியில் ஒரு சேவையாக இருக்கும்.

மனித கலைஞர்களை AI ? இந்தக் கேள்வி அடிக்கடி எழுகிறது. AI நிறைய உற்பத்திப் பணிகளை (குறிப்பாக வணிகத்திற்குத் தேவையான திரும்பத் திரும்ப வரும் அல்லது வேகமாக மாறும் கலை) எடுத்துக் கொள்ளும் வாய்ப்பு உள்ளது, ஆனால் மனித கலைத்திறன் அசல் தன்மை மற்றும் புதுமைக்காகவே இருக்கும். 2035 ஆம் ஆண்டு வாக்கில், ஒரு தன்னாட்சி AI ஒரு பிரபலமான கலைஞரின் பாணியில் நம்பகத்தன்மையுடன் ஒரு படத்தை வரையக்கூடும் - ஆனால் ஒரு புதிய பாணியை உருவாக்குவது அல்லது ஆழமாக கலாச்சார ரீதியாக எதிரொலிக்கும் கலை இன்னும் ஒரு மனித பலமாக இருக்கலாம் (AI ஒரு கூட்டுப்பணியாளராக இருக்கக்கூடியது). மனித கலைஞர்கள் தன்னாட்சி AI "இணை கலைஞர்களுடன்" இணைந்து பணியாற்றும் எதிர்காலத்தை நாம் முன்னறிவிப்போம். ஒருவர் தனது வீட்டில் ஒரு டிஜிட்டல் கேலரிக்கு தொடர்ந்து கலையை உருவாக்க ஒரு தனிப்பட்ட AI ஐ நியமிக்கலாம், எடுத்துக்காட்டாக, எப்போதும் மாறிவரும் படைப்பு சூழலை வழங்குதல்.

நம்பகத்தன்மை நிலைப்பாட்டில் இருந்து, காட்சி உருவாக்க AI சில வழிகளில் உரையை விட சுயாட்சிக்கான எளிதான பாதையைக் கொண்டுள்ளது: ஒரு படம் சரியானதாக இல்லாவிட்டாலும் அகநிலை ரீதியாக "போதுமானதாக" இருக்கலாம், அதேசமயம் உரையில் ஒரு உண்மை பிழை மிகவும் சிக்கலானது. எனவே, ஒப்பீட்டளவில் குறைந்த ஆபத்துள்ள தத்தெடுப்பை - AI-உருவாக்கிய வடிவமைப்பு அசிங்கமாகவோ அல்லது தவறாகவோ இருந்தால், நீங்கள் அதைப் பயன்படுத்த வேண்டாம், ஆனால் அது தானாகவே எந்தத் தீங்கும் விளைவிக்காது. இதன் பொருள் 2030 களில், நிறுவனங்கள் மேற்பார்வையின்றி AI வடிவமைப்புகளை வெளியிட அனுமதிக்க வசதியாக இருக்கலாம், மேலும் உண்மையிலேயே புதுமையான அல்லது ஆபத்தான ஒன்று தேவைப்படும்போது மட்டுமே மனிதர்களை ஈடுபடுத்தலாம்.

சுருக்கமாக, 2035 ஆம் ஆண்டு வாக்கில், காட்சிகளில் ஒரு சக்திவாய்ந்த உள்ளடக்க உருவாக்குநராக ஜெனரேட்டிவ் AI இருக்கும் என்று எதிர்பார்க்கப்படுகிறது, இது நம்மைச் சுற்றியுள்ள படங்கள் மற்றும் ஊடகங்களின் குறிப்பிடத்தக்க பகுதிக்கு பொறுப்பாகும். இது பொழுதுபோக்கு, வடிவமைப்பு மற்றும் அன்றாட தகவல்தொடர்புகளுக்கான உள்ளடக்கத்தை நம்பகத்தன்மையுடன் உருவாக்கும். தன்னாட்சி பெற்ற கலைஞர் தொடுவானத்தில் இருக்கிறார் - AI படைப்பாற்றலாகக் கருதப்படுகிறதா அல்லது மிகவும் புத்திசாலித்தனமான கருவியாகக் கருதப்படுகிறதா என்பது ஒரு விவாதமாகும், ஏனெனில் அதன் வெளியீடுகள் மனிதனால் உருவாக்கப்பட்டவற்றிலிருந்து வேறுபடுத்த முடியாததாக மாறும் போது அது உருவாகும்.

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:

• தொழில்முறை டெவலப்பர்களில் பாதிக்கும் மேற்பட்டவர்கள் 2023 ஆம் ஆண்டின் பிற்பகுதியில் AI குறியீட்டு உதவியாளர்களை ஏற்றுக்கொண்டனர் ( கோபிலட்டில் குறியீட்டு முறை: 2023 தரவு குறியீட்டு தரத்தில் கீழ்நோக்கிய அழுத்தத்தை பரிந்துரைக்கிறது (2024 கணிப்புகள் உட்பட) - GitClear ), இது விரைவான உறிஞ்சுதலைக் குறிக்கிறது. பரவலாகக் கிடைக்கும் முதல் கருவிகளில் ஒன்றான GitHub Copilot, அது பயன்படுத்தப்படும் திட்டங்களில் சராசரியாக 30-40% குறியீட்டை உருவாக்குவதாகக் கூறப்படுகிறது ( கோடிங் இனி ஒரு MOAT அல்ல. GitHub இல் 46% குறியீடுகள் ஏற்கனவே ... ). இதன் பொருள் AI ஏற்கனவே குறியீட்டின் குறிப்பிடத்தக்க பகுதிகளை எழுதி வருகிறது, இருப்பினும் ஒரு மனிதன் அதை இயக்கி சரிபார்த்து வருகிறான்.

• 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.

• பிழை சரிசெய்தல் மற்றும் விளக்கத்திலும் உதவுகின்றன : டெவலப்பர்கள் ஒரு பிழைச் செய்தியை ஒட்டலாம், AI ஒரு தீர்வை பரிந்துரைக்கலாம், அல்லது "இந்தக் குறியீடு என்ன செய்கிறது?" என்று கேட்டு இயல்பான மொழி விளக்கத்தைப் பெறலாம். இது ஒரு வகையில் தன்னாட்சி பெற்றது (AI தானாகவே சிக்கல்களைக் கண்டறிய முடியும்), ஆனால் ஒரு மனிதன் சரிசெய்தலைப் பயன்படுத்தலாமா வேண்டாமா என்பதைத் தீர்மானிக்கிறான்.

• முக்கியமாக, தற்போதைய AI குறியீட்டு உதவியாளர்கள் தவறே செய்ய முடியாதவர்கள் அல்ல. அவர்கள் பாதுகாப்பற்ற குறியீட்டை அல்லது சிக்கலை கிட்டத்தட்ட ஒரு மனிதனை சுழற்சியில் வைத்திருப்பது - டெவலப்பர்கள் மனிதனால் எழுதப்பட்ட குறியீட்டைப் போலவே AI-எழுதப்பட்ட குறியீட்டை சோதித்து பிழைத்திருத்துகிறார்கள். ஒழுங்குபடுத்தப்பட்ட தொழில்கள் அல்லது முக்கியமான மென்பொருளில் (மருத்துவம் அல்லது விமான அமைப்புகள் போன்றவை), எந்தவொரு AI பங்களிப்புகளும் கடுமையான மதிப்பாய்வுக்கு உட்படுகின்றன.

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.

• AI உடன் குறைந்த குறியீடு/குறியீடு இல்லாத தளங்கள்: சில தளங்கள் நிரலாக்குநர்கள் அல்லாதவர்கள் தங்களுக்கு என்ன வேண்டும் என்பதை விவரிக்க அனுமதிக்கின்றன (எ.கா. "உள்ளீடுகளைச் சேமிக்க தொடர்பு படிவம் மற்றும் தரவுத்தளத்துடன் ஒரு வலைப்பக்கத்தை உருவாக்குங்கள்") மேலும் கணினி குறியீட்டை உருவாக்குகிறது. ஆரம்ப கட்டங்களில் இருந்தாலும், நிலையான பயன்பாட்டு நிகழ்வுகளுக்கு AI தன்னியக்கமாக மென்பொருளை உருவாக்கக்கூடிய எதிர்காலத்தை இது குறிக்கிறது.

• ஸ்கிரிப்டிங் மற்றும் பசை குறியீடு: ஐடி ஆட்டோமேஷன் பெரும்பாலும் அமைப்புகளை இணைக்க ஸ்கிரிப்ட்களை எழுதுவதை உள்ளடக்கியது. AI கருவிகள் பெரும்பாலும் இந்த சிறிய ஸ்கிரிப்ட்களை தானாகவே உருவாக்க முடியும். எடுத்துக்காட்டாக, ஒரு பதிவு கோப்பை பாகுபடுத்தி மின்னஞ்சல் எச்சரிக்கையை அனுப்ப ஸ்கிரிப்டை எழுதுதல் - ஒரு AI குறைந்தபட்ச அல்லது திருத்தங்கள் இல்லாமல் செயல்படும் 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 அம்ச செயல்படுத்தல்: 2030 ஆம் ஆண்டளவில், AI எளிய பயன்பாட்டு அம்சங்களை முழுமையாக செயல்படுத்தும் திறன் கொண்டதாக இருக்கும் என்று நாங்கள் எதிர்பார்க்கிறோம். ஒரு தயாரிப்பு மேலாளர் ஒரு அம்சத்தை எளிய மொழியில் விவரிக்கலாம் ("பயனர்கள் மின்னஞ்சல் இணைப்பு வழியாக தங்கள் கடவுச்சொல்லை மீட்டமைக்க முடியும்") மேலும் AI தேவையான குறியீட்டை (முன்-இறுதி படிவம், பின்-இறுதி தர்க்கம், தரவுத்தள புதுப்பிப்பு, மின்னஞ்சல் அனுப்புதல்) உருவாக்கி அதை குறியீட்டுத் தளத்தில் ஒருங்கிணைக்க முடியும். விவரக்குறிப்புகளைப் பின்பற்றக்கூடிய ஒரு இளைய டெவலப்பராக AI திறம்பட செயல்படும். ஒரு மனித பொறியாளர் ஒரு குறியீடு மதிப்பாய்வைச் செய்து சோதனைகளை இயக்கலாம். AI நம்பகத்தன்மை மேம்படும்போது, ​​குறியீடு மதிப்பாய்வு விரைவான சறுக்கலாக மாறக்கூடும்.

• தன்னியக்க குறியீடு பராமரிப்பு: மென்பொருள் பொறியியலின் பெரும்பகுதி புதிய குறியீட்டை எழுதுவது மட்டுமல்ல, ஏற்கனவே உள்ள குறியீட்டைப் புதுப்பிப்பதும் ஆகும் - பிழைகளை சரிசெய்தல், செயல்திறனை மேம்படுத்துதல், புதிய தேவைகளுக்கு ஏற்ப மாற்றியமைத்தல். எதிர்கால AI டெவலப்பர்கள் இதில் சிறந்து விளங்குவார்கள். ஒரு குறியீட்டுத் தளம் மற்றும் ஒரு உத்தரவு ("பல பயனர்கள் ஒரே நேரத்தில் உள்நுழையும்போது எங்கள் பயன்பாடு செயலிழக்கிறது") கொடுக்கப்பட்டால், AI சிக்கலைக் கண்டறிந்து (ஒரு ஒத்திசைவு பிழை போல) அதை சரிசெய்யக்கூடும். 2035 ஆம் ஆண்டளவில், AI அமைப்புகள் வழக்கமான பராமரிப்பு டிக்கெட்டுகளை ஒரே இரவில் தானாகவே கையாளக்கூடும், மென்பொருள் அமைப்புகளுக்கான அயராத பராமரிப்பு குழுவாக செயல்படும்.

• ஒருங்கிணைப்பு மற்றும் API பயன்பாடு: அதிகமான மென்பொருள் அமைப்புகள் மற்றும் APIகள் AI-படிக்கக்கூடிய ஆவணங்களுடன் வருவதால், ஒரு AI முகவர் பசை குறியீட்டை எழுதுவதன் மூலம் சிஸ்டம் A ஐ சேவை B உடன் எவ்வாறு இணைப்பது என்பதை சுயாதீனமாகக் கண்டுபிடிக்க முடியும். உதாரணமாக, ஒரு நிறுவனம் தங்கள் உள் HR அமைப்பை ஒரு புதிய ஊதிய API உடன் ஒத்திசைக்க விரும்பினால், அவர்கள் ஒரு AI-ஐ "இவற்றை ஒருவருக்கொருவர் பேச வைக்க" பணிக்கலாம், மேலும் அது இரண்டு அமைப்புகளின் விவரக்குறிப்புகளைப் படித்த பிறகு ஒருங்கிணைப்பு குறியீட்டை எழுதும்.

• தரம் மற்றும் உகப்பாக்கம்: எதிர்கால குறியீடு-உருவாக்க மாதிரிகள் குறியீடு செயல்படுகிறதா என்பதை சரிபார்க்க பின்னூட்ட சுழல்களை இணைக்கும் (எ.கா., சாண்ட்பாக்ஸில் சோதனைகள் அல்லது உருவகப்படுத்துதல்களை இயக்குதல்). இதன் பொருள் ஒரு AI குறியீட்டை எழுதுவது மட்டுமல்லாமல், அதைச் சோதிப்பதன் மூலம் தன்னைத்தானே சரிசெய்து கொள்ளவும் முடியும். 2035 ஆம் ஆண்டளவில், ஒரு பணி கொடுக்கப்பட்டால், அனைத்து சோதனைகளும் தேர்ச்சி பெறும் வரை அதன் குறியீட்டை மீண்டும் மீண்டும் செய்யும் ஒரு AI-யை நாம் கற்பனை செய்யலாம் - ஒரு மனிதன் வரிக்கு வரி கண்காணிக்க வேண்டிய அவசியமில்லாத ஒரு செயல்முறை. இது தன்னியக்கமாக உருவாக்கப்பட்ட குறியீட்டின் மீதான நம்பிக்கையை பெரிதும் 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 மென்பொருளுக்கு (இயக்க முறைமைகள், மேம்பட்ட AI வழிமுறைகள் போன்றவை), மனித வல்லுநர்கள் இன்னும் ஆழமாக ஈடுபடுவார்கள். மென்பொருளில் உள்ள ஆக்கப்பூர்வமான சிக்கல் தீர்க்கும் மற்றும் கட்டடக்கலை வடிவமைப்பு சிறிது காலத்திற்கு மனிதனால் வழிநடத்தப்படும். AI நிறைய குறியீட்டு பணிகளைக் கையாளக்கூடும், ஆனால் எதை உருவாக்குவது மற்றும் ஒட்டுமொத்த கட்டமைப்பை வடிவமைப்பது என்பதைத் தீர்மானிப்பது வேறுபட்ட சவாலாகும். இருப்பினும், ஜெனரேட்டிவ் AI ஒத்துழைக்கத் தொடங்கும் போது - ஒரு அமைப்பின் வெவ்வேறு கூறுகளைக் கையாளும் பல AI முகவர்கள் - அவர்கள் ஓரளவுக்கு கட்டமைப்புகளை இணைந்து வடிவமைக்க முடியும் என்பது கற்பனைக்குரியது (எடுத்துக்காட்டாக, ஒரு AI ஒரு அமைப்பு வடிவமைப்பை முன்மொழிகிறது, மற்றொரு AI அதை விமர்சிக்கிறது, மேலும் அவர்கள் செயல்முறையை மேற்பார்வையிடும் ஒரு மனிதருடன் மீண்டும் மீண்டும் செய்கிறார்கள்).

குறியீட்டில் AI இன் முக்கிய எதிர்பார்க்கப்படும் நன்மை உற்பத்தித்திறன் பெருக்கம் . 2028 ஆம் ஆண்டளவில், 90% மென்பொருள் பொறியாளர்கள் AI குறியீடு உதவியாளர்களைப் பயன்படுத்துவார்கள் என்று கார்ட்னர் கணித்துள்ளார் (2024 இல் 15% க்கும் குறைவாக இருந்தது) ( GitHub Copilot AI குறியீடு உதவியாளர்கள் பற்றிய ஆராய்ச்சி அறிக்கையில் முதலிடம் வகிக்கிறது - விஷுவல் ஸ்டுடியோ இதழ் ). இது வெளிப்புறங்கள் - AI ஐப் பயன்படுத்தாதவர்கள் - குறைவாகவே இருக்கும் என்பதைக் குறிக்கிறது. AI இடைவெளிகளை நிரப்புவதன் மூலம் சில பகுதிகளில் மனித டெவலப்பர்களின் பற்றாக்குறை குறைக்கப்படுவதையும் நாம் காணலாம்; அடிப்படையில் ஒவ்வொரு டெவலப்பரும் தன்னியக்கமாக குறியீட்டை வரையக்கூடிய AI உதவியாளருடன் அதிகம் 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

இன்றைய நிலவரப்படி, பல நிறுவனங்கள் முதல் தொடர்பு புள்ளியாக AI சாட்பாட்களைப் . இவை எளிய விதி அடிப்படையிலான பாட்கள் (“பில்லிங்கிற்கு 1 ஐ அழுத்தவும், ஆதரவிற்கு 2 ஐ அழுத்தவும்…”) முதல் இலவச வடிவ கேள்விகளை விளக்கி உரையாடலாக பதிலளிக்கக்கூடிய மேம்பட்ட ஜெனரேட்டிவ் AI சாட்பாட்கள் வரை உள்ளன. 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 மொழி புரிதல்: நவீன உருவாக்க மாதிரிகள் அதிக திரவம் மற்றும் "மனிதனைப் போன்ற" தொடர்புக்கு அனுமதிக்கின்றன. வாடிக்கையாளர்கள் தங்கள் சொந்த வார்த்தைகளில் ஒரு கேள்வியை தட்டச்சு செய்யலாம், மேலும் AI பொதுவாக நோக்கத்தைப் புரிந்துகொள்ளும். சில ஆண்டுகளுக்கு முன்பு இருந்த முட்டாள்தனமான போட்களை விட இன்றைய AI முகவர்கள் வாடிக்கையாளர்களுக்கு மிகவும் திருப்திகரமாக இருப்பதாக நிறுவனங்கள் தெரிவிக்கின்றன - கிட்டத்தட்ட பாதி வாடிக்கையாளர்கள் இப்போது AI முகவர்கள் கவலைகளை நிவர்த்தி செய்யும் போது பச்சாதாபமாகவும் பயனுள்ளதாகவும் இருக்க முடியும் என்று நம்புகிறார்கள் ( 2025க்கான 59 AI வாடிக்கையாளர் சேவை புள்ளிவிவரங்கள் ), AI-இயக்கப்படும் சேவையில் வளர்ந்து வரும் நம்பிக்கையைக் காட்டுகிறது.

• பல சேனல் ஆதரவு: AI என்பது வெறும் அரட்டையில் மட்டும் இல்லை. குரல் உதவியாளர்கள் (AI உடன் கூடிய தொலைபேசி IVR அமைப்புகள் போன்றவை) அழைப்புகளைக் கையாளத் தொடங்கியுள்ளனர், மேலும் AI வாடிக்கையாளர் விசாரணைகளுக்கான மின்னஞ்சல் பதில்களையும் வரைய முடியும், அவை துல்லியமாகக் கருதப்பட்டால் தானாகவே வெளியேறக்கூடும்.

• மனிதர்கள் தலையிடும்போது: பொதுவாக, AI குழப்பமடைந்தாலோ அல்லது கேள்வி மிகவும் சிக்கலானதாக இருந்தாலோ, அது ஒரு மனித முகவருக்கு ஒப்படைக்கப்படும். தற்போதைய அமைப்புகள் தங்கள் வரம்புகளை அறிந்து கொள்வதில் . உதாரணமாக, ஒரு வாடிக்கையாளர் அசாதாரணமான ஒன்றைக் கேட்டாலோ அல்லது விரக்தியைக் காட்டினால் (“நான் உங்களைத் தொடர்புகொள்வது இது மூன்றாவது முறை, நான் மிகவும் வருத்தமாக இருக்கிறேன்…”), AI இதை ஒரு மனிதர் பொறுப்பேற்கக் காரணமாக இருக்கலாம். வாடிக்கையாளர் திருப்தியுடன் செயல்திறனை சமநிலைப்படுத்த நிறுவனங்களால் கையகப்படுத்தலுக்கான வரம்பு நிர்ணயிக்கப்படுகிறது.

பல நிறுவனங்கள் குறிப்பிடத்தக்க அளவிலான தொடர்புகளை AI மட்டுமே தீர்க்கும் என்று தெரிவித்துள்ளன. தொழில்துறை ஆய்வுகளின்படி, இன்று வழக்கமான வாடிக்கையாளர் விசாரணைகளில் சுமார் 70-80% AI சாட்போட்களால் கையாள முடியும், மேலும் சேனல்கள் முழுவதும் சுமார் 40% நிறுவனங்களின் வாடிக்கையாளர் தொடர்புகள் ஏற்கனவே தானியங்கி அல்லது AI உதவியுடன் உள்ளன ( 52 AI வாடிக்கையாளர் சேவை புள்ளிவிவரங்கள் நீங்கள் தெரிந்து கொள்ள வேண்டும் - Plivo ). IBM இன் உலகளாவிய AI தத்தெடுப்பு குறியீடு (2022), 2025 ஆம் ஆண்டுக்குள் 80% நிறுவனங்கள் வாடிக்கையாளர் சேவைக்காக AI சாட்போட்களைப் பயன்படுத்துகின்றன அல்லது பயன்படுத்தத் திட்டமிட்டுள்ளன என்பதைக் குறிக்கிறது.

ஒரு சுவாரஸ்யமான வளர்ச்சி என்னவென்றால், AI வாடிக்கையாளர்களுக்கு பதிலளிப்பது மட்டுமல்லாமல், மனித முகவர்களுக்கு முன்கூட்டியே உதவுவதும் ஆகும். எடுத்துக்காட்டாக, நேரடி அரட்டை அல்லது அழைப்பின் போது, ​​ஒரு AI, மனித முகவருக்கு பரிந்துரைக்கப்பட்ட பதில்கள் அல்லது தொடர்புடைய தகவல்களை உடனடியாகக் கேட்டு வழங்கக்கூடும். இது சுயாட்சியின் கோட்டை மங்கலாக்குகிறது - AI வாடிக்கையாளரை மட்டும் எதிர்கொள்ளவில்லை, ஆனால் வெளிப்படையான மனித வினவல் இல்லாமல் அது தீவிரமாக ஈடுபட்டுள்ளது. இது முகவருக்கு ஒரு தன்னாட்சி ஆலோசகராக திறம்பட 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 வினவல்கள் தீர்க்கப்படுகின்றன: AI மாதிரிகள் பரந்த அறிவை ஒருங்கிணைத்து பகுத்தறிவை மேம்படுத்துவதால், அவை மிகவும் சிக்கலான வாடிக்கையாளர் கோரிக்கைகளைக் கையாள முடியும். “ஒரு பொருளை நான் எப்படித் திருப்பித் தருவது?” என்று பதிலளிப்பதற்குப் பதிலாக, எதிர்கால AI, உரையாடல் மூலம் சிக்கலைக் கண்டறிந்து, மேம்பட்ட சரிசெய்தல் மூலம் வாடிக்கையாளருக்கு வழிகாட்டுவதன் மூலம், மற்ற அனைத்தும் ஒரு தொழில்நுட்ப வல்லுநரை திட்டமிடத் தவறினால் மட்டுமே - இன்று மனித ஆதரவு தொழில்நுட்பம் தேவைப்படும் பணிகள் மூலம், “எனது இணையம் செயலிழந்தது, நான் மறுதொடக்கம் செய்ய முயற்சித்தேன், உங்களால் உதவ முடியுமா?” போன்ற பல-படி சிக்கல்களைக் கையாளக்கூடும். சுகாதார வாடிக்கையாளர் சேவையில், ஒரு AI நோயாளி சந்திப்பு திட்டமிடல் அல்லது காப்பீட்டு வினவல்களை இறுதி முதல் இறுதி வரை கையாளக்கூடும்.

• முழுமையான சேவை தீர்வு: AI என்பது வாடிக்கையாளருக்கு என்ன செய்ய வேண்டும் என்று சொல்வது மட்டுமல்லாமல், அதைச் செய்வதையும் . உதாரணமாக, ஒரு வாடிக்கையாளர் "எனது விமானத்தை அடுத்த திங்கட்கிழமைக்கு மாற்றி மற்றொரு பையைச் சேர்க்க விரும்புகிறேன்" என்று சொன்னால், 2030 ஆம் ஆண்டில் ஒரு AI முகவர் விமான நிறுவனத்தின் முன்பதிவு அமைப்புடன் நேரடியாக தொடர்பு கொண்டு, மாற்றத்தைச் செய்து, பைக்கான கட்டணத்தைச் செயல்படுத்தி, வாடிக்கையாளருக்கு உறுதிப்படுத்தலாம் - அனைத்தும் தன்னாட்சி முறையில். AI ஒரு முழு சேவை முகவராக மாறுகிறது, வெறும் தகவல் மூலமாக அல்ல.

• எங்கும் நிறைந்த AI முகவர்கள்: நிறுவனங்கள் வாடிக்கையாளர் தொடர்பு கொள்ளும் அனைத்து இடங்களிலும் - தொலைபேசி, அரட்டை, மின்னஞ்சல், சமூக ஊடகங்கள் - AI ஐப் பயன்படுத்த வாய்ப்புள்ளது. பல வாடிக்கையாளர்கள் தாங்கள் ஒரு AI உடன் பேசுகிறார்களா அல்லது ஒரு மனிதனுடன் பேசுகிறார்களா என்பதை உணராமல் இருக்கலாம், குறிப்பாக AI குரல்கள் மிகவும் இயல்பானதாகவும், அரட்டை பதில்கள் சூழல்-விழிப்புணர்வாகவும் மாறும்போது. 2035 வாக்கில், வாடிக்கையாளர் சேவையைத் தொடர்புகொள்வது என்பது பெரும்பாலும் உங்கள் கடந்தகால தொடர்புகளை நினைவில் வைத்திருக்கும், உங்கள் விருப்பங்களைப் புரிந்துகொள்ளும் மற்றும் உங்கள் தொனிக்கு ஏற்ப மாற்றியமைக்கும் ஒரு ஸ்மார்ட் AI உடன் தொடர்புகொள்வதைக் குறிக்கும் - அடிப்படையில் ஒவ்வொரு வாடிக்கையாளருக்கும் ஒரு தனிப்பயனாக்கப்பட்ட மெய்நிகர் முகவர்.

• தொடர்புகளில் AI முடிவெடுத்தல்: கேள்விகளுக்கு பதிலளிப்பதைத் தவிர, தற்போது நிர்வாக ஒப்புதல் தேவைப்படும் முடிவுகளை AI எடுக்கத் தொடங்கும். எடுத்துக்காட்டாக, இன்று ஒரு மனித முகவர் கோபமடைந்த வாடிக்கையாளரை திருப்திப்படுத்த பணத்தைத் திரும்பப் பெறுதல் அல்லது சிறப்பு தள்ளுபடி வழங்க மேற்பார்வையாளரின் ஒப்புதல் தேவைப்படலாம். எதிர்காலத்தில், கணக்கிடப்பட்ட வாடிக்கையாளர் வாழ்நாள் மதிப்பு மற்றும் உணர்வு பகுப்பாய்வின் அடிப்படையில், வரையறுக்கப்பட்ட வரம்புகளுக்குள், அந்த முடிவுகளை ஒரு AI-யிடம் ஒப்படைக்க முடியும். 2030 ஆம் ஆண்டுக்குள் நிகழ்நேர வாடிக்கையாளர் ஈடுபாடுகளின் போது எடுக்கப்பட்ட முடிவுகளில் சுமார் 69% ஸ்மார்ட் இயந்திரங்களால் எடுக்கப்படும் என்று Futurum/IBM நடத்திய ஆய்வு கணித்துள்ளது ( CX-க்கு மாற்றத்தை மீண்டும் கற்பனை செய்ய, சந்தைப்படுத்துபவர்கள் இந்த 2 விஷயங்களைச் செய்ய வேண்டும் ) - ஒரு தொடர்புகளில் சிறந்த நடவடிக்கையை AI திறம்பட தீர்மானிக்கிறது.

• 100% AI ஈடுபாடு: ஒவ்வொரு வாடிக்கையாளர் தொடர்புகளிலும் ( 2025க்கான 59 AI வாடிக்கையாளர் சேவை புள்ளிவிவரங்கள் இறுதியில் AI ஒரு பங்கை வகிக்கும் என்று கூறுகிறது . அதாவது, ஒரு மனிதன் ஒரு வாடிக்கையாளருடன் தொடர்பு கொண்டாலும், அவர்களுக்கு AI (பரிந்துரைகளை வழங்குதல், தகவல்களை மீட்டெடுத்தல்) உதவும். மாற்றாக, எந்த வாடிக்கையாளர் வினவலும் எந்த நேரத்திலும் பதிலளிக்கப்படாமல் போகும் என்பது விளக்கம் - மனிதர்கள் ஆஃப்லைனில் இருந்தால், AI எப்போதும் இருக்கும்.

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.

நெறிமுறைப்படி, நிறுவனங்கள் எப்போது "நீங்கள் ஒரு AI உடன் பேசுகிறீர்கள்" என்பதை வெளிப்படுத்த வேண்டும் என்பதை முடிவு செய்து நியாயத்தை உறுதி செய்ய வேண்டும் (சார்புடைய பயிற்சி காரணமாக AI சில வாடிக்கையாளர்களை எதிர்மறையான முறையில் வித்தியாசமாக நடத்துவதில்லை). இவை நிர்வகிக்கப்படுகின்றன என்று வைத்துக் கொண்டால், வணிக வழக்கு வலுவானது: AI வாடிக்கையாளர் சேவை செலவுகளையும் காத்திருப்பு நேரங்களையும் வியத்தகு முறையில் குறைக்க முடியும். 2030 ஆம் ஆண்டுக்குள் வாடிக்கையாளர் சேவையில் AIக்கான சந்தை பல்லாயிரக்கணக்கான டாலர்களாக வளரும் என்று எதிர்பார்க்கப்படுகிறது ( வாடிக்கையாளர் சேவை சந்தை அறிக்கை 2025-2030 இல் AI: வழக்கு ) ( எப்படி ஜெனரேட்டிவ் AI லாஜிஸ்டிக்ஸ்களை மேம்படுத்துகிறது | ரைடர் ). நிறுவனங்கள் இந்த திறன்களில் முதலீடு செய்வதால்.

சுருக்கமாக, தன்னாட்சி AI வாடிக்கையாளர் சேவையே வழக்கமாக இருக்கும் . உதவி பெறுவது என்பது பெரும்பாலும் உங்கள் சிக்கலை விரைவாக தீர்க்கக்கூடிய ஒரு ஸ்மார்ட் இயந்திரத்துடன் தொடர்புகொள்வதாகும். மேற்பார்வை மற்றும் அவசரகால வழக்குகளைக் கையாள்வதில் மனிதர்கள் இன்னும் வளையத்தில் இருப்பார்கள், ஆனால் AI பணியாளர்களின் மேற்பார்வையாளர்களாகவே இருப்பார்கள். கடந்த கால "ரோபோ ஹாட்லைன்" அனுபவங்களின் ஏமாற்றங்களைத் தடுக்க AI முறையாகப் பயிற்சியளிக்கப்பட்டு கண்காணிக்கப்படும் வரை - இதன் விளைவாக நுகர்வோருக்கு விரைவான, தனிப்பயனாக்கப்பட்ட சேவையாக இருக்கலாம்.

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.

, தன்னாட்சி முடிவெடுப்பவராக இல்லாமல், மருத்துவ நிபுணர்களுக்கு சக்திவாய்ந்த உதவியாளராக முதன்மையாகச் செயல்படுகிறது

• மருத்துவ ஆவணங்கள்: சுகாதாரப் பராமரிப்பில் AI இன் மிகவும் வெற்றிகரமான பயன்பாடுகளில் ஒன்று, மருத்துவர்களுக்கு காகித வேலைகளில் உதவுவதாகும். இயற்கை மொழி மாதிரிகள் நோயாளி வருகைகளை படியெடுக்கவும், மருத்துவ குறிப்புகள் அல்லது வெளியேற்ற சுருக்கங்களை உருவாக்கவும் முடியும். நிறுவனங்களில் "AI எழுத்தாளர்கள்" உள்ளனர், அவர்கள் தேர்வின் போது (மைக்ரோஃபோன் வழியாக) கேட்கிறார்கள் மற்றும் மருத்துவர் மதிப்பாய்வு செய்வதற்காக சந்திப்பு குறிப்புகளின் வரைவை தானாகவே உருவாக்குகிறார்கள். இது மருத்துவர்களின் தட்டச்சு நேரத்தை மிச்சப்படுத்துகிறது. சில அமைப்புகள் மின்னணு சுகாதார பதிவுகளின் பகுதிகளை கூட தானாக நிரப்புகின்றன. இதை குறைந்தபட்ச தலையீட்டால் செய்ய முடியும் - மருத்துவர் வரைவில் ஏதேனும் சிறிய பிழைகளை சரிசெய்கிறார், அதாவது குறிப்பு எழுதுதல் பெரும்பாலும் தன்னாட்சி முறையில் உள்ளது.

• கதிரியக்கவியல் மற்றும் இமேஜிங்: ஜெனரேட்டிவ் மாதிரிகள் உட்பட AI, எக்ஸ்-கதிர்கள், எம்ஆர்ஐகள் மற்றும் சிடி ஸ்கேன்களை பகுப்பாய்வு செய்து முரண்பாடுகளைக் (கட்டிகள் அல்லது எலும்பு முறிவுகள் போன்றவை) கண்டறிய முடியும். 2018 ஆம் ஆண்டில், விழித்திரை படங்களில் நீரிழிவு ரெட்டினோபதியை (ஒரு கண் நிலை) தன்னியக்கமாகக் கண்டறிவதற்கான ஒரு AI அமைப்பை FDA அங்கீகரித்தது - குறிப்பாக, அந்த குறிப்பிட்ட ஸ்கிரீனிங் சூழலில் ஒரு நிபுணரின் மதிப்பாய்வு இல்லாமல் அழைப்பைச் செய்ய அது அங்கீகரிக்கப்பட்டது. அந்த அமைப்பு ஜெனரேட்டிவ் AI அல்ல, ஆனால் கட்டுப்பாட்டாளர்கள் வரையறுக்கப்பட்ட சந்தர்ப்பங்களில் தன்னியக்க AI நோயறிதலை அனுமதித்துள்ளனர் என்பதைக் காட்டுகிறது. விரிவான அறிக்கைகளை உருவாக்குவதற்கு ஜெனரேட்டிவ் மாதிரிகள் செயல்படுகின்றன. உதாரணமாக, ஒரு AI மார்பு எக்ஸ்-ரேயை பரிசோதித்து, ஒரு கதிரியக்கவியலாளரின் அறிக்கையை வரையலாம். பின்னர் கதிரியக்கவியலாளர் உறுதிப்படுத்தி அடையாளப்படுத்துகிறார். சில வழக்கமான நிகழ்வுகளில், கதிரியக்கவியலாளர் AI-ஐ நம்பி விரைவான சரிபார்ப்பைச் செய்தால், இந்த அறிக்கைகள் திருத்தங்கள் இல்லாமல் வெளியேறக்கூடும்.

• அறிகுறி சரிபார்ப்பவர்கள் மற்றும் மெய்நிகர் செவிலியர்கள்: ஜெனரேட்டிவ் AI சாட்போட்கள் முன்னணி அறிகுறி சரிபார்ப்பாளர்களாகப் பயன்படுத்தப்படுகின்றன. நோயாளிகள் தங்கள் அறிகுறிகளை உள்ளிடலாம் மற்றும் ஆலோசனைகளைப் பெறலாம் (எ.கா., "இது ஒரு சாதாரண சளியாக இருக்கலாம்; ஓய்வு மற்றும் திரவங்கள், ஆனால் X அல்லது Y ஏற்பட்டால் மருத்துவரைப் பார்க்கவும்."). பாபிலோன் ஹெல்த் போன்ற பயன்பாடுகள் பரிந்துரைகளை வழங்க AI ஐப் பயன்படுத்துகின்றன. தற்போது, ​​இவை பொதுவாக உறுதியான மருத்துவ ஆலோசனையாக அல்ல, தகவலறிந்ததாக வடிவமைக்கப்பட்டுள்ளன, மேலும் அவை கடுமையான பிரச்சினைகளுக்கு ஒரு மனித மருத்துவருடன் பின்தொடர்தலை ஊக்குவிக்கின்றன.

• மருந்து கண்டுபிடிப்பு (ஜெனரேட்டிவ் கெமிஸ்ட்ரி): ஜெனரேட்டிவ் AI மாதிரிகள் மருந்துகளுக்கான புதிய மூலக்கூறு கட்டமைப்புகளை முன்மொழிய முடியும். இது நோயாளி பராமரிப்பை விட ஆராய்ச்சித் துறையில் அதிகம். இந்த AIகள், விரும்பிய பண்புகளைக் கொண்ட ஆயிரக்கணக்கான வேட்பாளர் சேர்மங்களை பரிந்துரைக்க தன்னாட்சி முறையில் செயல்படுகின்றன, பின்னர் அவற்றை மனித வேதியியலாளர்கள் ஆய்வகத்தில் மதிப்பாய்வு செய்து சோதிக்கின்றனர். இன்சிலிகோ மெடிசின் போன்ற நிறுவனங்கள், கணிசமாகக் குறைந்த நேரத்தில் புதிய மருந்து வேட்பாளர்களை உருவாக்க AI ஐப் பயன்படுத்தியுள்ளன. இது நோயாளிகளுடன் நேரடியாக தொடர்பு கொள்ளவில்லை என்றாலும், மனிதர்கள் கண்டுபிடிக்க அதிக நேரம் எடுக்கும் தீர்வுகளை (மூலக்கூறு வடிவமைப்புகள்) AI தன்னாட்சி முறையில் உருவாக்குவதற்கான ஒரு எடுத்துக்காட்டு இது.

• 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.

2025 ஆம் ஆண்டு நிலவரப்படி, மனித ஒப்புதல் இல்லாமல் எந்த மருத்துவமனையும் AI-ஐ சுயாதீனமாக முக்கிய மருத்துவ முடிவுகளையோ அல்லது சிகிச்சைகளையோ எடுக்க அனுமதிப்பதில்லை என்பதைக் குறிப்பிடுவது முக்கியம் நோயறிதல் மற்றும் சிகிச்சை திட்டமிடல் மனித கைகளில் உறுதியாக உள்ளது, AI உள்ளீட்டை வழங்குகிறது. ஒரு நோயாளிக்கு "உங்களுக்கு புற்றுநோய் உள்ளது" என்று முழுமையாகத் தன்னாட்சியாகச் சொல்ல அல்லது மருந்துகளை பரிந்துரைக்க AI-க்குத் தேவையான நம்பிக்கை இன்னும் இல்லை, மேலும் அது விரிவான சரிபார்ப்பு இல்லாமல் இருக்கக்கூடாது. மருத்துவ வல்லுநர்கள் AI-ஐ இரண்டாவது ஜோடி கண்களாகவோ அல்லது நேரத்தைச் சேமிக்கும் கருவியாகவோ பயன்படுத்துகிறார்கள், ஆனால் அவர்கள் முக்கியமான 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:

• தானியங்கி ஆரம்பகால நோயறிதல்கள்: 2030 ஆம் ஆண்டுக்குள், பல பொதுவான நிலைமைகளுக்கான ஆரம்ப பகுப்பாய்வை AI நம்பகமான முறையில் கையாள முடியும். ஒரு மருத்துவமனையில் ஒரு AI அமைப்பை கற்பனை செய்து பாருங்கள், இது ஒரு நோயாளியின் அறிகுறிகள், மருத்துவ வரலாறு, அவர்களின் தொனி மற்றும் முக குறிப்புகளை கூட கேமரா மூலம் படித்து, நோயறிதல் பரிந்துரை மற்றும் பரிந்துரைக்கப்பட்ட சோதனைகளை வழங்குகிறது - இவை அனைத்தும் மனித மருத்துவர் நோயாளியைப் பார்ப்பதற்கு முன்பே. பின்னர் மருத்துவர் நோயறிதலை உறுதிப்படுத்துவதிலும் விவாதிப்பதிலும் கவனம் செலுத்தலாம். டெலிமெடிசினில், ஒரு நோயாளி முதலில் சிக்கலைச் சுருக்கும் ஒரு AI உடன் அரட்டை அடிக்கலாம் (எ.கா., சாத்தியமான சைனஸ் தொற்று vs. மிகவும் கடுமையான ஒன்று) பின்னர் தேவைப்பட்டால் ஒரு மருத்துவருடன் இணைக்கலாம். அதிகாரப்பூர்வமாக கண்டறிய கட்டுப்பாட்டாளர்கள் AI ஐ அனுமதிக்கலாம் - எடுத்துக்காட்டாக, ஓட்டோஸ்கோப் படத்திலிருந்து நேரடியான காது தொற்றுநோயைக் கண்டறியும் AI சாத்தியமாகும்.

• தனிப்பட்ட சுகாதார கண்காணிப்பாளர்கள்: அணியக்கூடிய சாதனங்களின் (ஸ்மார்ட்வாட்ச்கள், சுகாதார உணரிகள்) பெருகிய முறையில், AI நோயாளிகளைத் தொடர்ந்து கண்காணித்து, சிக்கல்களைத் தன்னிச்சையாக எச்சரிக்கும். எடுத்துக்காட்டாக, 2035 ஆம் ஆண்டுக்குள் உங்கள் அணியக்கூடிய சாதனத்தின் AI அசாதாரண இதயத் துடிப்பைக் கண்டறிந்து, அவசர மெய்நிகர் ஆலோசனைக்காக உங்களைத் தன்னிச்சையாக திட்டமிடலாம் அல்லது மாரடைப்பு அல்லது பக்கவாதத்தின் அறிகுறிகளைக் கண்டறிந்தால் ஆம்புலன்ஸை அழைக்கலாம். இது தன்னாட்சி முடிவெடுக்கும் பகுதிக்குள் செல்கிறது - ஒரு சூழ்நிலையை அவசரநிலை என்று தீர்மானித்து செயல்படுவது - இது AI இன் சாத்தியமான மற்றும் உயிர்காக்கும் பயன்பாடாகும்.

• சிகிச்சை பரிந்துரைகள்: மருத்துவ இலக்கியம் மற்றும் நோயாளி தரவுகளில் பயிற்சி பெற்ற ஜெனரேட்டிவ் AI, தனிப்பயனாக்கப்பட்ட சிகிச்சைத் திட்டங்களை பரிந்துரைக்கலாம். 2030 ஆம் ஆண்டுக்குள், புற்றுநோய் போன்ற சிக்கலான நோய்களுக்கு, AI கட்டி வாரியங்கள் ஒரு நோயாளியின் மரபணு அமைப்பு மற்றும் மருத்துவ வரலாற்றை பகுப்பாய்வு செய்து, பரிந்துரைக்கப்பட்ட சிகிச்சை முறையை (கீமோ திட்டம், மருந்து தேர்வு) தன்னியக்கமாக வரையலாம். மனித மருத்துவர்கள் அதை மதிப்பாய்வு செய்வார்கள், ஆனால் காலப்போக்கில் நம்பிக்கை அதிகரிக்கும் போது, ​​அவர்கள் AI-உருவாக்கிய திட்டங்களை குறிப்பாக வழக்கமான நிகழ்வுகளுக்கு ஏற்றுக்கொள்ளத் தொடங்கலாம், தேவைப்படும்போது மட்டுமே சரிசெய்யலாம்.

• மெய்நிகர் செவிலியர்கள் மற்றும் வீட்டு பராமரிப்பு: மருத்துவ வழிகாட்டுதலை வழங்கக்கூடிய ஒரு AI, நிறைய பின்தொடர்தல் மற்றும் நாள்பட்ட பராமரிப்பு கண்காணிப்பைக் கையாள முடியும். உதாரணமாக, நாள்பட்ட நோய்களால் பாதிக்கப்பட்ட வீட்டில் உள்ள நோயாளிகள், ஆலோசனை வழங்கும் AI செவிலியர் உதவியாளரிடம் தினசரி அளவீடுகளைப் புகாரளிக்கலாம் ("உங்கள் இரத்த சர்க்கரை சற்று அதிகமாக உள்ளது, உங்கள் மாலை சிற்றுண்டியை சரிசெய்வதைக் கருத்தில் கொள்ளுங்கள்") மேலும் அளவீடுகள் வரம்பிற்கு வெளியே இருக்கும்போது அல்லது சிக்கல்கள் ஏற்படும் போது மட்டுமே மனித செவிலியரில் சுழலும். இந்த AI ஒரு மருத்துவரின் தொலைதூர மேற்பார்வையின் கீழ் பெரும்பாலும் தன்னாட்சி முறையில் செயல்பட முடியும்.

• மருத்துவ இமேஜிங் மற்றும் ஆய்வக பகுப்பாய்வு - முழுமையாக தானியங்கி பைப்லைன்கள்: 2035 ஆம் ஆண்டளவில், சில துறைகளில் மருத்துவ ஸ்கேன்களைப் படிப்பது முக்கியமாக AI ஆல் செய்யப்படலாம். கதிரியக்க வல்லுநர்கள் AI அமைப்புகளை மேற்பார்வையிட்டு சிக்கலான நிகழ்வுகளைக் கையாள்வார்கள், ஆனால் பெரும்பாலான சாதாரண ஸ்கேன்கள் (உண்மையில் இயல்பானவை) ஒரு AI ஆல் நேரடியாக "படிக்கப்பட்டு" கையொப்பமிடப்படலாம். இதேபோல், நோயியல் ஸ்லைடுகளை பகுப்பாய்வு செய்வது (உதாரணமாக, பயாப்ஸியில் புற்றுநோய் செல்களைக் கண்டறிதல்) ஆரம்ப பரிசோதனைக்காக தன்னியக்கமாக செய்யப்படலாம், இது ஆய்வக முடிவுகளை வியத்தகு முறையில் விரைவுபடுத்துகிறது.

• 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.

AI மருத்துவரின் பார்வை இன்னும் வெகு தொலைவில் உள்ளது மற்றும் சர்ச்சைக்குரியதாகவே உள்ளது. 2035 ஆம் ஆண்டளவில் கூட, மனித தொடுதலுக்கு மாற்றாக இல்லாமல் மருத்துவர்களுக்கு ஒரு சக ஊழியராக . நோயாளி சூழலைப் புரிந்துகொள்ள சிக்கலான நோயறிதலுக்கு பெரும்பாலும் உள்ளுணர்வு, நெறிமுறைகள் மற்றும் உரையாடல்கள் தேவைப்படுகின்றன - மனித மருத்துவர்கள் சிறந்து விளங்கும் பகுதிகள். இருப்பினும், ஒரு AI வழக்கமான பணிச்சுமையில் 80% ஐ கையாளக்கூடும்: காகித வேலை, நேரடியான வழக்குகள், கண்காணிப்பு போன்றவை, மனித மருத்துவர்கள் சிக்கலான 20% மற்றும் நோயாளி உறவுகளில் கவனம் செலுத்த அனுமதிக்கிறது.

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 ஆண்டுக்குள் சுகாதாரப் பராமரிப்பு AI ஆழமாக ஒருங்கிணைக்கப்படும், ஆனால் பெரும்பாலும் மறைமுகமாகவோ அல்லது துணைப் பாத்திரங்களிலோ இருக்கும். ஸ்கேன்களைப் படிப்பது, உயிர்ச்சக்திகளைக் கண்காணிப்பது, வரைவுத் திட்டங்களைத் தயாரிப்பது என AI தானாகவே பலவற்றைச் செய்யும் என்று , ஆனால் முக்கியமான முடிவுகளுக்கு மனித மேற்பார்வையின் பாதுகாப்பு வலை இன்னும் இருக்கும். இதன் விளைவாக, AI அதிக சுமைகளைக் கையாளும் மற்றும் மனிதர்கள் பச்சாதாபம் மற்றும் இறுதித் தீர்ப்பை வழங்கும் மிகவும் திறமையான, பதிலளிக்கக்கூடிய சுகாதார அமைப்பாக இருக்கலாம்.

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

துணை கருவியாகப் பயன்படுத்தப்படுகிறது . தற்போதைய பயன்பாட்டின் எடுத்துக்காட்டுகள்:

• AI பயிற்சி உதவியாளர்கள்: கான் அகாடமியின் “கான்மிகோ” (GPT-4 ஆல் இயக்கப்படுகிறது) போன்ற கருவிகள் அல்லது பல்வேறு மொழி கற்றல் பயன்பாடுகள், ஒருவருக்கு ஒருவர் ஆசிரியர் அல்லது உரையாடல் கூட்டாளரை உருவகப்படுத்த AI ஐப் பயன்படுத்துகின்றன. மாணவர்கள் இயற்கையான மொழியில் கேள்விகளைக் கேட்டு பதில்கள் அல்லது விளக்கங்களைப் பெறலாம். வீட்டுப்பாடப் பிரச்சினைகளுக்கான குறிப்புகளை AI வழங்கலாம், வெவ்வேறு வழிகளில் கருத்துக்களை விளக்கலாம் அல்லது ஊடாடும் வரலாற்றுப் பாடத்திற்கான வரலாற்று நபராக பங்கு வகிக்கலாம். இருப்பினும், இந்த AI பயிற்சியாளர்கள் பொதுவாக மேற்பார்வையுடன் பயன்படுத்தப்படுகிறார்கள்; ஆசிரியர்கள் அல்லது பயன்பாட்டு பராமரிப்பாளர்கள் பெரும்பாலும் உரையாடல்களைக் கண்காணிக்கிறார்கள் அல்லது AI விவாதிக்கக்கூடியவற்றில் எல்லைகளை அமைக்கிறார்கள் (தவறான தகவல் அல்லது பொருத்தமற்ற உள்ளடக்கத்தைத் தவிர்க்க).

• ஆசிரியர்களுக்கான உள்ளடக்க உருவாக்கம்: ஜெனரேட்டிவ் AI, வினாடி வினா கேள்விகள், வாசிப்புகளின் சுருக்கங்கள், பாடத் திட்ட வரைவுகள் மற்றும் பலவற்றை உருவாக்குவதன் மூலம் ஆசிரியர்களுக்கு உதவுகிறது. ஒரு ஆசிரியர் ஒரு AI-யிடம், "பதில்களுடன் இருபடி சமன்பாடுகளில் 5 பயிற்சி சிக்கல்களை உருவாக்குங்கள்" என்று கேட்கலாம், இது தயாரிப்பில் நேரத்தை மிச்சப்படுத்துகிறது. இது தன்னாட்சி உள்ளடக்க உருவாக்கம், ஆனால் ஒரு ஆசிரியர் பொதுவாக பாடத்திட்டத்துடன் துல்லியம் மற்றும் சீரமைப்புக்கான வெளியீட்டை மதிப்பாய்வு செய்கிறார். எனவே இது முழுமையாக சுயாதீனமாக இருப்பதற்குப் பதிலாக உழைப்பைச் சேமிக்கும் சாதனமாகும்.

• 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 செயல்திறனை அடிப்படையாகக் கொண்டு பாடத்தின் சிரமம் அல்லது பாணியை சரிசெய்யும் தளங்கள். மாணவர்களின் தேவைகளுக்கு ஏற்ப புதிய சிக்கல்கள் அல்லது எடுத்துக்காட்டுகளை உருவாக்குவதன் மூலம் ஜெனரேட்டிவ் AI இதை மேம்படுத்துகிறது. உதாரணமாக, ஒரு மாணவர் ஒரு கருத்துடன் போராடினால், AI அந்தக் கருத்தை மையமாகக் கொண்ட மற்றொரு ஒப்புமை அல்லது பயிற்சி கேள்வியை உருவாக்கக்கூடும். இது ஓரளவு தன்னாட்சி கொண்டது, ஆனால் கல்வியாளர்களால் வடிவமைக்கப்பட்ட ஒரு அமைப்பிற்குள்.

• கற்றலுக்கான மாணவர் பயன்பாடு: மாணவர்கள் கற்றலுக்கு உதவ ChatGPT போன்ற கருவிகளைப் பயன்படுத்துகின்றனர் - தெளிவுபடுத்தல்கள், மொழிபெயர்ப்புகளைக் கேட்பது அல்லது ஒரு கட்டுரை வரைவில் கருத்துகளைப் பெற AI ஐப் பயன்படுத்துதல் ("எனது அறிமுகப் பத்தியை மேம்படுத்து"). இது சுயமாக இயக்கப்பட்டது மற்றும் ஆசிரியரின் அறிவு இல்லாமல் இருக்கலாம். இந்த சூழ்நிலையில் AI ஒரு தேவைக்கேற்ப பயிற்சியாளராக அல்லது சரிபார்ப்பவராக செயல்படுகிறது. மாணவர்கள் பதில்களைப் பெறுவதற்குப் பதிலாக (கல்வி ஒருமைப்பாடு) கற்றலுக்கு அதைப் பயன்படுத்துவதை உறுதி செய்வதே சவால்.

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 தசாப்தத்தில், ஆசிரியர்களின் பாத்திரங்கள் உருவாகும்போது, தனிப்பயனாக்கப்பட்ட மற்றும் தன்னாட்சி கற்றல் அனுபவங்களை

• ஒவ்வொரு மாணவருக்கும் AI தனிப்பட்ட ஆசிரியர்கள்: 2030 ஆம் ஆண்டுக்குள், (கான் அகாடமியின் சல் கான் போன்ற நிபுணர்களால் பகிர்ந்து கொள்ளப்பட்ட) தொலைநோக்குப் பார்வை என்னவென்றால், ஒவ்வொரு மாணவரும் பல விஷயங்களில் ஒரு மனித ஆசிரியரைப் போலவே பயனுள்ள ஒரு AI ஆசிரியரை அணுக முடியும் ( இந்த AI ஆசிரியர் மனிதர்களை 10 மடங்கு புத்திசாலிகளாக மாற்ற முடியும் என்று அதன் படைப்பாளர் கூறுகிறார் ). இந்த AI ஆசிரியர்கள் 24/7 கிடைப்பார்கள், மாணவரின் கற்றல் வரலாற்றை நெருக்கமாக அறிந்துகொள்வார்கள், அதற்கேற்ப அவர்களின் கற்பித்தல் பாணியை மாற்றியமைப்பார்கள். எடுத்துக்காட்டாக, ஒரு மாணவர் ஒரு இயற்கணிதக் கருத்துடன் போராடும் ஒரு காட்சி கற்பவராக இருந்தால், AI ஒரு காட்சி விளக்கம் அல்லது ஊடாடும் உருவகப்படுத்துதலை மாறும் வகையில் உருவாக்கக்கூடும். AI காலப்போக்கில் மாணவரின் முன்னேற்றத்தைக் கண்காணிக்க முடியும் என்பதால், அடுத்து எந்த தலைப்பை மதிப்பாய்வு செய்ய வேண்டும் அல்லது எப்போது ஒரு புதிய திறனுக்கு முன்னேற வேண்டும் என்பதை அது தன்னியக்கமாக தீர்மானிக்க முடியும் - அந்த மாணவருக்கான பாடத் திட்டத்தை நுண்ணிய அர்த்தத்தில் திறம்பட நிர்வகித்தல்

• வழக்கமான பணிகளில் குறைக்கப்பட்ட ஆசிரியர் பணிச்சுமை: தரப்படுத்துதல், பணித்தாள்களை உருவாக்குதல், பாடப் பொருட்களை வரைதல் - இந்தப் பணிகளை 2030 களுக்குள் கிட்டத்தட்ட முழுமையாக AI-க்கு ஏற்றலாம். ஒரு AI ஒரு வகுப்பிற்கான ஒரு வார மதிப்புள்ள தனிப்பயனாக்கப்பட்ட வீட்டுப்பாடத்தை உருவாக்க முடியும், கடந்த வாரத்தின் அனைத்துப் பணிகளையும் (திறந்தநிலையானவை கூட) பின்னூட்டங்களுடன் தரப்படுத்த முடியும், மேலும் எந்தெந்த தலைப்புகளில் எந்த மாணவர்களுக்கு கூடுதல் உதவி தேவைப்படலாம் என்பதை ஆசிரியருக்கு எடுத்துக்காட்டும். இது குறைந்தபட்ச ஆசிரியர் உள்ளீட்டைக் கொண்டு நிகழலாம், AI இன் தரங்கள் நியாயமானதாகத் தோன்றுவதை உறுதிசெய்ய ஒரு விரைவான பார்வை மட்டுமே இருக்கலாம்.

• தன்னியக்க தகவமைப்பு கற்றல் தளங்கள்: சில பாடங்களுக்கு முழுமையாக AI-சார்ந்த படிப்புகளை நாம் பார்க்கலாம். மனித பயிற்றுவிப்பாளர் இல்லாத ஒரு ஆன்லைன் பாடத்தை கற்பனை செய்து பாருங்கள், அங்கு ஒரு AI முகவர் உள்ளடக்கத்தை அறிமுகப்படுத்துகிறார், எடுத்துக்காட்டுகளை வழங்குகிறார், கேள்விகளுக்கு பதிலளிக்கிறார் மற்றும் மாணவருக்கு ஏற்ப வேகத்தை சரிசெய்கிறார். மாணவரின் அனுபவம் அவர்களுக்கு தனித்துவமானதாக இருக்கலாம், நிகழ்நேரத்தில் உருவாக்கப்படுகிறது. சில நிறுவன பயிற்சி மற்றும் வயது வந்தோர் கற்றல் விரைவில் இந்த மாதிரிக்கு நகரக்கூடும், அங்கு 2035 ஆம் ஆண்டளவில் ஒரு ஊழியர் "நான் மேம்பட்ட எக்செல் மேக்ரோக்களைக் கற்றுக்கொள்ள விரும்புகிறேன்" என்று கூறலாம், மேலும் ஒரு AI ஆசிரியர் ஒரு மனித பயிற்சியாளர் இல்லாமல் பயிற்சிகளை உருவாக்குதல் மற்றும் அவற்றின் தீர்வுகளை மதிப்பீடு செய்தல் உள்ளிட்ட தனிப்பயனாக்கப்பட்ட பாடத்திட்டத்தின் மூலம் அவர்களுக்குக் கற்பிப்பார்.

• வகுப்பறை AI உதவியாளர்கள்: இயற்பியல் அல்லது மெய்நிகர் வகுப்பறைகளில், AI வகுப்பு விவாதங்களைக் கேட்டு ஆசிரியருக்கு உடனடியாக உதவ முடியும் (எ.கா., காதுகுழாய் வழியாக கிசுகிசுக்கும் பரிந்துரைகள்: “பல மாணவர்கள் அந்தக் கருத்தைப் பற்றி குழப்பமடைகிறார்கள், ஒருவேளை மற்றொரு உதாரணத்தைக் கொடுங்கள்”). இது ஆன்லைன் வகுப்பு மன்றங்களை நிர்வகிக்கவும், மாணவர்கள் கேட்கும் நேரடியான கேள்விகளுக்கு பதிலளிக்கவும் முடியும் (“பணி எப்போது வர வேண்டும்?” அல்லது ஒரு விரிவுரைப் புள்ளியை தெளிவுபடுத்தவும் கூட) இதனால் ஆசிரியர் மின்னஞ்சல்களால் தாக்கப்படுவதில்லை. 2035 வாக்கில், அறையில் ஒரு AI இணை ஆசிரியர் இருப்பது, மனித ஆசிரியர் உயர் மட்ட வழிகாட்டுதல் மற்றும் ஊக்கமளிக்கும் அம்சங்களில் கவனம் செலுத்துவது, நிலையானதாக இருக்கலாம்.

• உலகளாவிய கல்வி அணுகல்: ஆசிரியர் பற்றாக்குறை உள்ள பகுதிகளில் மாணவர்களுக்கு கல்வி கற்பிக்க தன்னாட்சி AI ஆசிரியர்கள் உதவ முடியும். AI ஆசிரியருடன் கூடிய ஒரு டேப்லெட், அடிப்படை கல்வியறிவு மற்றும் கணிதத்தை உள்ளடக்கிய, குறைந்த பள்ளிக் கல்வி உள்ள மாணவர்களுக்கு முதன்மை பயிற்றுவிப்பாளராகச் செயல்படக்கூடும். 2035 ஆம் ஆண்டளவில், இது மிகவும் தாக்கத்தை ஏற்படுத்தும் பயன்பாடுகளில் ஒன்றாக இருக்கலாம் - மனித ஆசிரியர்கள் கிடைக்காத இடைவெளிகளை AI நிரப்புகிறது. இருப்பினும், வெவ்வேறு சூழல்களில் AI கல்வியின் தரம் மற்றும் கலாச்சார பொருத்தத்தை உறுதி செய்வது மிக முக்கியமானதாக இருக்கும்.

AI என்பது ஆசிரியர்களை மாற்றுமா? முழுமையாக இருக்காது. கற்பித்தல் என்பது உள்ளடக்கத்தை வழங்குவதை விட அதிகம் - அது வழிகாட்டுதல், உத்வேகம், சமூக-உணர்ச்சி ஆதரவு. அந்த மனித கூறுகளை AI பிரதிபலிப்பது கடினம். ஆனால் AI வகுப்பறையில் இரண்டாவது ஆசிரியராகவோ

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

முடிவு ஆதரவு கருவியாகப் பயன்படுத்தப்படுகிறது :

• வழி உகப்பாக்கம்: UPS மற்றும் FedEx போன்ற நிறுவனங்கள் ஏற்கனவே விநியோக வழிகளை மேம்படுத்த AI வழிமுறைகளைப் பயன்படுத்துகின்றன - ஓட்டுநர்கள் மிகவும் திறமையான பாதையை எடுப்பதை உறுதி செய்கின்றன. பாரம்பரியமாக இவை செயல்பாட்டு ஆராய்ச்சி வழிமுறைகளாக இருந்தன, ஆனால் இப்போது உருவாக்க அணுகுமுறைகள் பல்வேறு நிலைமைகளின் கீழ் (போக்குவரத்து, வானிலை) மாற்று வழித்தட உத்திகளை ஆராய உதவும். AI வழிகளை பரிந்துரைக்கும் அதே வேளையில், மனித அனுப்புநர்கள் அல்லது மேலாளர்கள் அளவுருக்களை (எ.கா., முன்னுரிமைகள்) அமைத்து, தேவைப்பட்டால் அவற்றை மீறலாம்.

• சுமை மற்றும் இட திட்டமிடல்: லாரிகள் அல்லது கப்பல் கொள்கலன்களை பேக் செய்வதற்கு, AI உகந்த ஏற்றுதல் திட்டங்களை உருவாக்க முடியும் (எந்தப் பெட்டி எங்கு செல்கிறது). ஒரு ஜெனரேட்டிவ் AI, விண்வெளி பயன்பாட்டை அதிகரிக்க பல பேக்கிங் உள்ளமைவுகளை உருவாக்கக்கூடும், அடிப்படையில் மனிதர்கள் தேர்வுசெய்யக்கூடிய தீர்வுகளை "உருவாக்குகிறது". அமெரிக்காவில் லாரிகள் பெரும்பாலும் 30% காலியாக இயங்குகின்றன, மேலும் AI இன் உதவியுடன் சிறந்த திட்டமிடல் அந்த வீணாவதைக் குறைக்க முடியும் என்பதைக் குறிப்பிட்டு ஒரு ஆய்வின் மூலம் இது சிறப்பிக்கப்பட்டது ( லாஜிஸ்டிக்ஸில் சிறந்த ஜெனரேட்டிவ் AI பயன்பாட்டு வழக்குகள் ). இந்த AI-உருவாக்கப்பட்ட சுமைத் திட்டங்கள் எரிபொருள் செலவுகள் மற்றும் உமிழ்வைக் குறைப்பதை நோக்கமாகக் கொண்டுள்ளன, மேலும் சில கிடங்குகளில் அவை குறைந்தபட்ச கையேடு மாற்றங்களுடன் செயல்படுத்தப்படுகின்றன.

• தேவை முன்னறிவிப்பு மற்றும் சரக்கு மேலாண்மை: AI மாதிரிகள் தயாரிப்பு தேவையை முன்னறிவித்து மறு சேமிப்பு திட்டங்களை உருவாக்க முடியும். ஒரு உருவாக்கும் மாதிரி வெவ்வேறு தேவை சூழ்நிலைகளை உருவகப்படுத்தலாம் (எடுத்துக்காட்டாக, ஒரு AI வரவிருக்கும் விடுமுறை காரணமாக தேவை அதிகரிப்பதை "கற்பனை செய்கிறது") அதற்கேற்ப சரக்குகளை திட்டமிடலாம். இது விநியோகச் சங்கிலி மேலாளர்கள் தயார் செய்ய உதவுகிறது. தற்போது, ​​AI முன்னறிவிப்புகள் மற்றும் பரிந்துரைகளை வழங்குகிறது, ஆனால் மனிதர்கள் பொதுவாக உற்பத்தி நிலைகள் அல்லது ஆர்டர் செய்வதில் இறுதி முடிவை 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 ஆட்டோமேஷன்: பல கிடங்குகள் அரை தானியங்கி முறையில் பொருட்களை எடுப்பதற்கும் பேக் செய்வதற்கும் ரோபோக்களைக் கொண்டுள்ளன. ஜெனரேட்டிவ் AI, ரோபோக்களுக்கும் மனிதர்களுக்கும் உகந்த ஓட்டத்திற்காக பணிகளை மாறும் வகையில் ஒதுக்க முடியும். உதாரணமாக, ஒரு AI, ஆர்டர்களின் அடிப்படையில் ஒவ்வொரு காலையிலும் ரோபோ பிக்கர்களுக்கான வேலை வரிசையை உருவாக்கக்கூடும். இது பெரும்பாலும் செயல்படுத்தலில் முழுமையாக தன்னாட்சி கொண்டது, மேலாளர்கள் KPIகளை மட்டுமே கண்காணிக்கிறார்கள் - ஆர்டர்கள் எதிர்பாராத விதமாக அதிகரித்தால், AI தானாகவே செயல்பாடுகளை சரிசெய்கிறது.

• 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, AI ஆல் இயக்கப்படும் தளவாடங்களில் தன்னாட்சி ஒருங்கிணைப்பை

• தன்னியக்க வாகனங்கள் மற்றும் ட்ரோன்கள்: சுய-ஓட்டுநர் லாரிகள் மற்றும் டெலிவரி ட்ரோன்கள், ஒரு பரந்த AI/ரோபாட்டிக்ஸ் தலைப்பு, தளவாடங்களை நேரடியாக பாதிக்கிறது. 2030 ஆம் ஆண்டுக்குள், ஒழுங்குமுறை மற்றும் தொழில்நுட்ப சவால்கள் சமாளிக்கப்பட்டால், நெடுஞ்சாலைகளில் வழக்கமாக AI லாரிகளை ஓட்டும் அல்லது நகரங்களில் கடைசி மைல் டெலிவரியை கையாளும் ட்ரோன்களை நாம் கொண்டிருக்கலாம். இந்த AIகள் மனித ஓட்டுநர்கள் இல்லாமல் நிகழ்நேர முடிவுகளை (பாதை மாற்றங்கள், தடைகளைத் தவிர்ப்பது) எடுக்கும். இந்த வாகன AIகள் பரந்த தரவு மற்றும் உருவகப்படுத்துதல்களிலிருந்து எவ்வாறு கற்றுக்கொள்கின்றன என்பதில்தான் உற்பத்தி கோணம் உள்ளது, எண்ணற்ற சூழ்நிலைகளில் திறம்பட "பயிற்சி" அளிக்கின்றன. ஒரு முழுமையான தன்னாட்சி கடற்படை 24/7 இயங்க முடியும், மனிதர்கள் தொலைதூரத்தில் மட்டுமே கண்காணிக்க முடியும். இது தளவாட செயல்பாடுகளில் இருந்து ஒரு பெரிய மனித உறுப்பை (ஓட்டுநர்கள்) நீக்குகிறது, வியத்தகு முறையில் சுயாட்சியை அதிகரிக்கிறது.

• சுய-குணப்படுத்தும் விநியோகச் சங்கிலிகள்: உற்பத்தி AI, விநியோகச் சங்கிலி சூழ்நிலைகளைத் தொடர்ந்து உருவகப்படுத்தவும், தற்செயல் திட்டங்களைத் தயாரிக்கவும் பயன்படுத்தப்படும். 2035 ஆம் ஆண்டுக்குள், ஒரு சப்ளையர் தொழிற்சாலை மூடப்பட்டதை (செய்திகள் அல்லது தரவு ஊட்டங்கள் மூலம்) ஒரு AI தானாகவே கண்டறிந்து, உடனடியாக மூலப்பொருளை மாற்றக்கூடும். இதன் பொருள் AI முன்முயற்சி எடுப்பதன் மூலம் விநியோகச் சங்கிலி இடையூறுகளிலிருந்து தன்னை "குணப்படுத்துகிறது". தீர்வைத் தொடங்கியவர்களை விட, AI என்ன செய்தது என்பது மனித மேலாளர்களுக்குத் தெரிவிக்கப்படும்.

• முழுமையான சரக்கு உகப்பாக்கம்: கிடங்குகள் மற்றும் கடைகளின் முழு வலையமைப்பிலும் AI தன்னியக்கமாக சரக்குகளை நிர்வகிக்க முடியும். இது எப்போது, ​​எங்கு சரக்குகளை நகர்த்துவது என்பதை தீர்மானிக்கும் (ஒருவேளை ரோபோக்கள் அல்லது தானியங்கி வாகனங்களைப் பயன்படுத்தி அவ்வாறு செய்யலாம்), ஒவ்வொரு இடத்திலும் போதுமான சரக்குகளை வைத்திருக்கும். AI அடிப்படையில் விநியோகச் சங்கிலி கட்டுப்பாட்டு கோபுரத்தை இயக்குகிறது: அனைத்து ஓட்டங்களையும் பார்த்து, நிகழ்நேரத்தில் மாற்றங்களைச் செய்கிறது. 2035 வாக்கில், "சுய-ஓட்டுநர்" விநியோகச் சங்கிலியின் யோசனை, அமைப்பு ஒவ்வொரு நாளும் சிறந்த விநியோகத் திட்டத்தைக் கண்டறிந்து, தயாரிப்புகளை ஆர்டர் செய்து, தொழிற்சாலை இயக்கங்களை அட்டவணைப்படுத்தி, போக்குவரத்தை தானே ஏற்பாடு செய்வதைக் குறிக்கலாம். மனிதர்கள் ஒட்டுமொத்த உத்தியை மேற்பார்வையிடுவார்கள் மற்றும் AI இன் தற்போதைய புரிதலுக்கு அப்பாற்பட்ட விதிவிலக்குகளைக் கையாள்வார்கள்.

• தளவாடங்களில் உருவாக்க வடிவமைப்பு: புதிய விநியோகச் சங்கிலி நெட்வொர்க்குகளை AI வடிவமைப்பதை நாம் காணலாம். ஒரு நிறுவனம் ஒரு புதிய பிராந்தியத்திற்கு விரிவடைகிறது என்று வைத்துக்கொள்வோம்; ஒரு AI அந்த பிராந்தியத்திற்கான உகந்த கிடங்கு இருப்பிடங்கள், போக்குவரத்து இணைப்புகள் மற்றும் சரக்குக் கொள்கைகளை தரவு மூலம் உருவாக்க முடியும் - இன்று ஆலோசகர்கள் மற்றும் ஆய்வாளர்கள் செய்யும் ஒன்று. 2030 ஆம் ஆண்டுக்குள், நிறுவனங்கள் விநியோகச் சங்கிலி வடிவமைப்புத் தேர்வுகளுக்கு AI பரிந்துரைகளை நம்பியிருக்கலாம், காரணிகளை விரைவாக எடைபோடும் என்று நம்பலாம் மற்றும் மனிதர்கள் தவறவிடும் ஆக்கப்பூர்வமான தீர்வுகளை (வெளிப்படையான விநியோக மையங்கள் போன்றவை) கண்டறியலாம்.

• உற்பத்தியுடன் ஒருங்கிணைப்பு (தொழில் 4.0): தளவாடங்கள் தனித்து நிற்கவில்லை; அது உற்பத்தியுடன் பிணைக்கப்பட்டுள்ளது. எதிர்கால தொழிற்சாலைகள் உற்பத்தி இயக்கங்களை திட்டமிடுதல், மூலப்பொருட்களை சரியான நேரத்தில் ஆர்டர் செய்தல், பின்னர் தளவாட நெட்வொர்க்கை உடனடியாக தயாரிப்புகளை அனுப்ப அறிவுறுத்துதல் ஆகியவற்றைக் கொண்டிருக்கலாம். இந்த ஒருங்கிணைந்த AI என்பது ஒட்டுமொத்தமாக குறைவான மனித திட்டமிடலைக் குறிக்கும் - உற்பத்தியிலிருந்து விநியோகம் வரை செலவு, வேகம் மற்றும் நிலைத்தன்மையை மேம்படுத்தும் வழிமுறைகளால் இயக்கப்படும் ஒரு தடையற்ற சங்கிலி. ஏற்கனவே, 2025 வாக்கில், உயர் செயல்திறன் கொண்ட விநியோகச் சங்கிலிகள் தரவு சார்ந்தவை; 2035 வாக்கில் அவை பெரும்பாலும் AI சார்ந்தவையாக இருக்கலாம்.

• தளவாடங்களில் டைனமிக் வாடிக்கையாளர் சேவை: வாடிக்கையாளர் சேவை AI-ஐ அடிப்படையாகக் கொண்டு, விநியோகச் சங்கிலி AI-கள் வாடிக்கையாளர்கள் அல்லது வாடிக்கையாளர்களுடன் நேரடியாக தொடர்பு கொள்ளலாம். எடுத்துக்காட்டாக, ஒரு பெரிய வாடிக்கையாளர் கடைசி நேரத்தில் தங்கள் மொத்த ஆர்டரை மாற்ற விரும்பினால், ஒரு AI முகவர் ஒரு மனித மேலாளருக்காகக் காத்திருக்காமல் சாத்தியமான மாற்றுகளை ("இப்போது பாதியை வழங்க முடியும், அடுத்த வாரம் பாதியை வழங்க முடியும்" போன்றவை) பேச்சுவார்த்தை நடத்தலாம். இதில் இரு தரப்பினரையும் (வாடிக்கையாளர் தேவை vs. செயல்பாட்டு திறன்) புரிந்துகொள்வதும், வாடிக்கையாளர்களை திருப்திப்படுத்தும் அதே வேளையில் செயல்பாடுகளை சீராக வைத்திருக்கும் முடிவுகளை எடுப்பதும் அடங்கும்.

எதிர்பார்க்கப்படும் நன்மை மிகவும் திறமையான, மீள்தன்மை கொண்ட மற்றும் பதிலளிக்கக்கூடிய தளவாட அமைப்பாகும். நிறுவனங்கள் மிகப்பெரிய சேமிப்பை எதிர்பார்க்கின்றன - AI-இயக்கப்படும் விநியோகச் சங்கிலி மேம்படுத்தல்கள் செலவுகளைக் கணிசமாகக் குறைத்து சேவை நிலைகளை மேம்படுத்தலாம், இதனால் தொழில்கள் முழுவதும் டிரில்லியன் கணக்கான மதிப்பைச் சேர்க்கலாம் என்று மெக்கின்சி மதிப்பிட்டுள்ளது ( 2023 இல் AI இன் நிலை: ஜெனரேட்டிவ் AI இன் பிரேக்அவுட் 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.

உடல் கட்டுப்பாடுகள் என்பதை நாம் கருத்தில் கொள்ள வேண்டும் , எனவே இங்கு புரட்சி என்பது முற்றிலும் புதிய இயற்பியல் யதார்த்தத்தை விட சிறந்த திட்டமிடல் மற்றும் சொத்துக்களின் பயன்பாடு பற்றியது. ஆனால் அந்த வரம்புகளுக்குள் கூட, ஜெனரேட்டிவ் AI இன் ஆக்கப்பூர்வமான தீர்வுகள் மற்றும் இடைவிடாத உகப்பாக்கம் ஆகியவை குறைந்தபட்ச கையேடு திட்டமிடலுடன் உலகம் முழுவதும் பொருட்கள் எவ்வாறு நகரும் என்பதை 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 ஏராளமான அறிக்கைகளை உருவாக்குகின்றன - வருவாய் சுருக்கங்கள், சந்தை வர்ணனை, போர்ட்ஃபோலியோ பகுப்பாய்வு போன்றவை. இவற்றை வரைவதற்கு AI ஏற்கனவே பயன்படுத்தப்படுகிறது. எடுத்துக்காட்டாக, ப்ளூம்பெர்க், BloombergGPT ஐ , இது அவர்களின் முனைய பயனர்களுக்கான செய்தி வகைப்பாடு மற்றும் கேள்வி பதில் போன்ற பணிகளுக்கு உதவுகிறது ( ஜெனரேட்டிவ் AI நிதிக்கு வருகிறது ). மனிதர்கள் தகவல்களைக் கண்டறிய உதவுவதே இதன் முதன்மைப் பயன்பாடாகும், ஆனால் இது AI இன் வளர்ந்து வரும் பங்கைக் காட்டுகிறது. தானியங்கி நுண்ணறிவுகள் (AP உடன் பணிபுரிந்த நிறுவனம்) நிதிக் கட்டுரைகளையும் உருவாக்கியது. பல முதலீட்டு செய்திமடல்கள் தினசரி சந்தை நகர்வுகள் அல்லது பொருளாதார குறிகாட்டிகளை மீண்டும் பெற AI ஐப் பயன்படுத்துகின்றன. பொதுவாக, மனிதர்கள் வாடிக்கையாளர்களுக்கு அனுப்புவதற்கு முன்பு இவற்றை மதிப்பாய்வு செய்கிறார்கள், ஆனால் இது புதிதாக எழுதுவதை விட விரைவான திருத்தமாகும்.

• 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 கண்டறியப்பட்ட முரண்பாடுகளுக்கான விவரிப்புகள் அல்லது விளக்கங்களை உருவாக்க ஜெனரேட்டிவ் AI உதவும். எடுத்துக்காட்டாக, சந்தேகத்திற்கிடமான செயல்பாடு கொடியிடப்பட்டால், ஒரு AI வாடிக்கையாளருக்கு ஒரு விளக்கச் செய்தியை உருவாக்கலாம் (“புதிய சாதனத்திலிருந்து உள்நுழைவை நாங்கள் கவனித்தோம்…”) அல்லது ஆய்வாளர்களுக்கு ஒரு அறிக்கையை உருவாக்கலாம். கண்டறிதல் தானியங்கி முறையில் செய்யப்படுகிறது (AI/ML ஒழுங்கின்மை கண்டறிதலைப் பயன்படுத்தி), மேலும் தகவல்தொடர்பு பெருகிய முறையில் தானியங்கி முறையில் செய்யப்படுகிறது, இருப்பினும் இறுதி நடவடிக்கைகள் (ஒரு கணக்கைத் தடுப்பது) பெரும்பாலும் சில மனித சோதனைகளைக் கொண்டிருக்கும்.

• நிதி ஆலோசனை (வரையறுக்கப்பட்டவை): சில ரோபோ-ஆலோசகர்கள் (தானியங்கி முதலீட்டு தளங்கள்) மனித ஆலோசகர்கள் இல்லாமல் போர்ட்ஃபோலியோக்களை நிர்வகிக்க அல்காரிதம்களை (அவசியமாக ஜெனரேட்டிவ் AI அல்ல) பயன்படுத்துகின்றனர். ஜெனரேட்டிவ் AI, சில வர்த்தகங்கள் ஏன் செய்யப்பட்டன என்பது குறித்த வர்ணனையை உருவாக்குவதன் மூலம் அல்லது வாடிக்கையாளருக்கு ஏற்றவாறு போர்ட்ஃபோலியோ செயல்திறனின் சுருக்கத்தை உருவாக்குவதன் மூலம் நுழைகிறது. இருப்பினும், தூய நிதி ஆலோசனை (சிக்கலான நிதி திட்டமிடல் போன்றவை) இன்னும் பெரும்பாலும் மனித அல்லது விதி அடிப்படையிலான அல்காரிதமிக் ஆகும்; மேற்பார்வை இல்லாமல் இலவச-வடிவ ஜெனரேட்டிவ் ஆலோசனை தவறாக இருந்தால் பொறுப்பு காரணமாக ஆபத்தானது.

• இடர் மதிப்பீடுகள் மற்றும் காப்பீட்டு ஒப்பந்தம்: காப்பீட்டு நிறுவனங்கள் தானாக இடர் மதிப்பீட்டு அறிக்கைகளை எழுத அல்லது பாலிசி ஆவணங்களை வரைவதற்கு AI ஐ சோதித்து வருகின்றன. உதாரணமாக, ஒரு சொத்து பற்றிய தரவு கொடுக்கப்பட்டால், ஒரு AI ஆபத்து காரணிகளை விவரிக்கும் வரைவு காப்பீட்டுக் கொள்கையையோ அல்லது காப்பீட்டாளரின் அறிக்கையையோ உருவாக்க முடியும். ஒப்பந்தத்தில் ஏதேனும் பிழைகள் விலை உயர்ந்ததாக இருப்பதால், மனிதர்கள் தற்போது இந்த வெளியீடுகளை மதிப்பாய்வு செய்கிறார்கள்.

• 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:

• AI நிதி ஆய்வாளர்கள்: நிறுவனங்கள் மற்றும் சந்தைகளை பகுப்பாய்வு செய்து, மனித பங்கு ஆராய்ச்சி ஆய்வாளரின் மட்டத்தில் பரிந்துரைகள் அல்லது அறிக்கைகளை உருவாக்கக்கூடிய AI அமைப்புகளை நாம் காணலாம். 2030 ஆம் ஆண்டுக்குள், ஒரு AI ஒரு நிறுவனத்தின் அனைத்து நிதித் தாக்கல்களையும் படித்து, தொழில்துறை தரவுகளுடன் ஒப்பிட்டு, முதலீட்டு பரிந்துரை அறிக்கையை ("வாங்க/விற்க" பகுத்தறிவுடன்) தானாகவே தயாரிக்க முடியும். சில ஹெட்ஜ் நிதிகள் ஏற்கனவே வர்த்தக சமிக்ஞைகளை உருவாக்க AI ஐப் பயன்படுத்துகின்றன; 2030 களில், AI ஆராய்ச்சி அறிக்கைகள் பொதுவானதாக இருக்கலாம். மனித போர்ட்ஃபோலியோ மேலாளர்கள் AI-உருவாக்கிய பகுப்பாய்வை மற்றவற்றுடன் ஒரு உள்ளீடாக நம்பத் தொடங்கலாம். AI தன்னியக்கமாக போர்ட்ஃபோலியோக்களை நிர்வகிக்கும் சாத்தியக்கூறுகள் கூட உள்ளன: முன் வரையறுக்கப்பட்ட உத்தியின்படி முதலீடுகளை தொடர்ந்து கண்காணித்தல் மற்றும் மறு சமநிலைப்படுத்துதல். உண்மையில், அல்காரிதமிக் வர்த்தகம் ஏற்கனவே பெரிதும் தானியங்கி முறையில் உள்ளது - புதிய வர்த்தக மாதிரிகளை உருவாக்கி சோதிப்பதன் மூலம் ஜெனரேட்டிவ் AI உத்திகளை மேலும் தகவமைப்புக்கு ஏற்றதாக மாற்றக்கூடும்.

• தானியங்கி நிதி திட்டமிடல்: நுகர்வோரை மையமாகக் கொண்ட AI ஆலோசகர்கள் தனிநபர்களுக்கான வழக்கமான நிதித் திட்டமிடலைக் கையாள முடியும். 2030 ஆம் ஆண்டுக்குள், நீங்கள் ஒரு AI-யிடம் உங்கள் இலக்குகளை (வீடு வாங்குதல், கல்லூரிக்குச் சேமித்தல்) சொல்லலாம், மேலும் அது உங்களுக்கு ஏற்றவாறு ஒரு முழுமையான நிதித் திட்டத்தை (பட்ஜெட், முதலீட்டு ஒதுக்கீடுகள், காப்பீட்டு பரிந்துரைகள்) உருவாக்க முடியும். ஆரம்பத்தில் ஒரு மனித நிதித் திட்டமிடுபவர் அதை மதிப்பாய்வு செய்யலாம், ஆனால் நம்பிக்கை வளரும்போது, ​​அத்தகைய ஆலோசனை நுகர்வோருக்கு நேரடியாக வழங்கப்படலாம், பொருத்தமான மறுப்புகளுடன். AI-யின் ஆலோசனை விதிமுறைகளுக்கு இணங்குவதையும் வாடிக்கையாளரின் நலனுக்காக இருப்பதையும் உறுதி செய்வதே முக்கியமாகும். தீர்க்கப்பட்டால், AI அடிப்படை நிதி ஆலோசனையை குறைந்த செலவில் மிகவும் அணுகக்கூடியதாக மாற்றும்.

• பின்-அலுவலக ஆட்டோமேஷன்: கடன் விண்ணப்பங்கள், இணக்க அறிக்கைகள், தணிக்கை சுருக்கங்கள் என பல பின்-அலுவலக ஆவணங்களை ஜெனரேட்டிவ் AI தன்னியக்கமாக கையாளக்கூடும். எடுத்துக்காட்டாக, ஒரு AI அனைத்து பரிவர்த்தனை தரவையும் எடுத்து, தணிக்கை அறிக்கையை உருவாக்க . 2035 ஆம் ஆண்டில் தணிக்கையாளர்கள் எல்லாவற்றையும் தாங்களாகவே சரிபார்ப்பதற்குப் பதிலாக AI-கொடியிடப்பட்ட விதிவிலக்குகளை மதிப்பாய்வு செய்வதில் அதிக நேரம் செலவிடலாம். இதேபோல், இணக்கத்திற்காக, AI சந்தேகத்திற்கிடமான செயல்பாட்டு அறிக்கைகளை (SARகள்) ஒழுங்குமுறை அதிகாரிகளுக்கு உருவாக்க முடியும், ஒரு ஆய்வாளர் புதிதாக அவற்றை எழுதாமல். மனித மேற்பார்வை விதிவிலக்கு அடிப்படையில் நகரும் இந்த வழக்கமான ஆவணங்களின் தன்னியக்க உருவாக்கம் 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: நிர்வாகிகளுக்கான வணிக அறிக்கைகளை உடனடியாக உருவாக்கக்கூடிய ஒரு AI "தலைமைப் பணியாளர்"யை கற்பனை செய்து பாருங்கள். "இந்த காலாண்டில் நமது ஐரோப்பிய பிரிவு எவ்வாறு செயல்பட்டது, கடந்த ஆண்டை விட முக்கிய இயக்கிகள் என்ன?" என்று கேட்டால், AI தரவுகளிலிருந்து எடுக்கப்பட்ட விளக்கப்படங்களுடன் கூடிய ஒரு சுருக்கமான அறிக்கையை உருவாக்கும். இந்த வகையான மாறும், தன்னாட்சி அறிக்கையிடல் மற்றும் பகுப்பாய்வு ஒரு உரையாடலைப் போல எளிதாகிவிடும். 2030 ஆம் ஆண்டளவில், வணிக நுண்ணறிவுக்காக AI ஐ வினவுவதும், அது சரியான பதில்களை வழங்கும் என்று நம்புவதும் பெரும்பாலும் நிலையான அறிக்கைகளை மாற்றும், மேலும் சில ஆய்வாளர் பாத்திரங்களையும் கூட மாற்றும்.

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 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 அவர்களின் முடிவுகளை வெளிப்படையானதாக மாற்ற விளக்கக்கூடிய AI

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, மெக்கின்சி, AI (குறிப்பாக ஜென் AI) ஆண்டுதோறும் வங்கிச் சேவையில் 200-340 பில்லியன் டாலர் மதிப்பைச் சேர்க்கக்கூடும் என்றும், காப்பீடு மற்றும் மூலதனச் சந்தைகளில் இதேபோன்ற பெரிய தாக்கங்களை ஏற்படுத்தக்கூடும் என்றும் மதிப்பிட்டுள்ளது ( 2023 இல் AI இன் நிலை: ஜெனரேட்டிவ் AI இன் திருப்புமுனை ஆண்டு | மெக்கின்சி ) ( ஜெனரேட்டிவ் AI இன் எதிர்காலம் என்ன? | மெக்கின்சி ). இது செயல்திறன் மற்றும் சிறந்த முடிவெடுக்கும் முடிவுகள் மூலம். அந்த மதிப்பைப் பிடிக்க, வழக்கமான நிதி பகுப்பாய்வு மற்றும் தகவல்தொடர்புகள் நிறைய AI அமைப்புகளுக்கு மாற்றப்படும்.

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 பிரச்சனை: உருவாக்கும் AI மாதிரிகள் தவறான அல்லது முற்றிலும் புனையப்பட்ட வெளியீடுகளை உருவாக்கலாம், அவை நம்பிக்கையுடன் இருக்கும். தவறுகளைப் பிடிக்க எந்த மனிதனும் இல்லாதபோது இது மிகவும் ஆபத்தானது. ஒரு சாட்பாட் வாடிக்கையாளருக்கு தவறான வழிமுறைகளை வழங்கக்கூடும், அல்லது AI-எழுதப்பட்ட அறிக்கையில் ஒரு கற்பனை புள்ளிவிவரம் இருக்கலாம். 2025 ஆம் ஆண்டு நிலவரப்படி, நிறுவனங்களால் உருவாக்கும் AI இன் முக்கிய ஆபத்தாக துல்லியமின்மை அங்கீகரிக்கப்பட்டுள்ளது ( 2023 இல் AI இன் நிலை: உருவாக்கும் AI இன் பிரேக்அவுட் ஆண்டு | மெக்கின்சி ) ( AI இன் நிலை: உலகளாவிய கணக்கெடுப்பு | மெக்கின்சி ). முன்னோக்கிச் செல்லும்போது, ​​தரவுத்தளங்களுக்கு எதிரான உண்மைச் சரிபார்ப்பு, மாதிரி கட்டமைப்பு மேம்பாடுகள் மற்றும் பின்னூட்டங்களுடன் வலுவூட்டல் கற்றல் போன்ற நுட்பங்கள் மாயத்தோற்றங்களைக் குறைக்கப் பயன்படுத்தப்படுகின்றன. தன்னாட்சி AI அமைப்புகளுக்கு கடுமையான சோதனை மற்றும் முக்கியமான பணிகளுக்கு (தவறாக இருந்தால் பிழைகள்/பாதுகாப்பு குறைபாடுகளை அறிமுகப்படுத்தக்கூடிய குறியீடு உருவாக்கம் போன்றவை) முறையான சரிபார்ப்பு தேவைப்படும்.

நிலைத்தன்மை: AI அமைப்புகள் காலப்போக்கில் மற்றும் பல்வேறு சூழ்நிலைகளில் நம்பகத்தன்மையுடன் செயல்பட வேண்டும். உதாரணமாக, ஒரு AI நிலையான கேள்விகளில் சிறப்பாகச் செயல்படக்கூடும், ஆனால் சில நேரங்களில் தடுமாறும். நிலையான செயல்திறனை உறுதி செய்வதற்கு பல்வேறு சூழ்நிலைகளை உள்ளடக்கிய விரிவான பயிற்சித் தரவு மற்றும் தொடர்ச்சியான கண்காணிப்பு தேவைப்படும். பல நிறுவனங்கள் கலப்பின அணுகுமுறைகளைக் கொண்டிருக்க திட்டமிட்டுள்ளன - AI வேலை செய்கிறது, ஆனால் சீரற்ற மாதிரிகள் மனிதர்களால் தணிக்கை செய்யப்படுகின்றன - தொடர்ச்சியான துல்லிய விகிதங்களை அளவிட.

தோல்வி-பாதுகாப்புகள்: AI தன்னாட்சி பெற்றதாக இருக்கும்போது, ​​அது அதன் சொந்த நிச்சயமற்ற தன்மையை அங்கீகரிப்பது மிக முக்கியம். இந்த அமைப்பு "அது தெரியாதபோது தெரிந்துகொள்ளும் வகையில்" வடிவமைக்கப்பட வேண்டும். எடுத்துக்காட்டாக, ஒரு AI மருத்துவர் ஒரு நோயறிதலைப் பற்றி உறுதியாக தெரியவில்லை என்றால், அது சீரற்ற யூகத்தை வழங்குவதற்குப் பதிலாக மனித மதிப்பாய்விற்காகக் குறிக்கப்பட வேண்டும். AI வெளியீடுகளில் நிச்சயமற்ற மதிப்பீட்டை உருவாக்குவது (மற்றும் தானியங்கி மனித கையளிப்புக்கான வரம்புகளைக் கொண்டிருப்பது) வளர்ச்சியின் ஒரு செயலில் உள்ள பகுதியாகும்.

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.

• வெளிப்படைத்தன்மை என்பது, AI vs மனிதனை கையாளும் போது

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 இடப்பெயர்ச்சி: மனித தலையீடு இல்லாமல் AI பணிகளைச் செய்ய முடிந்தால், அந்த வேலைகளுக்கு என்ன நடக்கும்? வரலாற்று ரீதியாக, தொழில்நுட்பம் சில வேலைகளை தானியக்கமாக்குகிறது, ஆனால் மற்றவற்றை உருவாக்குகிறது. தானியங்கியாக மாறும் பணிகளில் திறன்களைக் கொண்ட தொழிலாளர்களுக்கு இந்த மாற்றம் வேதனையாக இருக்கலாம். மறு திறன் மேம்பாடு, கல்வி மற்றும் பொருளாதார ஆதரவை மறுபரிசீலனை செய்வதன் மூலம் சமூகம் இதை நிர்வகிக்க வேண்டும் (சிலர் நிறைய வேலைகள் தானியங்கி செய்யப்பட்டால் AI உலகளாவிய அடிப்படை வருமானம் போன்ற யோசனைகளை அவசியமாக்கக்கூடும் என்று கூறுகிறார்கள்). ஏற்கனவே, கணக்கெடுப்புகள் கலவையான உணர்வுகளைக் காட்டுகின்றன - ஒரு ஆய்வில் மூன்றில் ஒரு பங்கு தொழிலாளர்கள் AI வேலைகளை மாற்றுவது குறித்து கவலைப்படுவதாகவும், மற்றவர்கள் அதை சோர்வை நீக்குவதாகவும் பார்க்கிறார்கள்.

• மனித திறன்கள் அரிப்பு: AI ஆசிரியர்கள் கற்பித்தால், AI தன்னியக்க பைலட்டுகள் இயக்கினால், AI குறியீட்டை எழுதினால், மக்கள் இந்தத் திறன்களை இழப்பார்களா? AI-ஐ அதிகமாக நம்பியிருப்பது மோசமான நிலையில் நிபுணத்துவத்தை அரித்துவிடும்; கல்வி மற்றும் பயிற்சித் திட்டங்கள் சரிசெய்ய வேண்டிய ஒன்று, AI உதவியிருந்தாலும் கூட, மக்கள் இன்னும் அடிப்படைகளைக் கற்றுக்கொள்வதை உறுதிசெய்கிறது.

• 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.

• உள்ளடக்கம்: AI நன்மைகள் பரவலாக விநியோகிக்கப்படுவதை உறுதி செய்வது ஒரு நெறிமுறை இலக்கு. பெரிய நிறுவனங்கள் மட்டுமே மேம்பட்ட AI-ஐ வாங்க முடிந்தால், சிறிய வணிகங்கள் அல்லது ஏழைப் பகுதிகள் பின்தங்கக்கூடும். திறந்த மூல முயற்சிகள் மற்றும் மலிவு விலை AI தீர்வுகள் அணுகலை ஜனநாயகப்படுத்த உதவும். மேலும், AI கருவிகளை (வெவ்வேறு மொழிகள், குறைபாடுகள் உள்ளவர்களுக்கான அணுகல் போன்றவை) யார் வேண்டுமானாலும் பயன்படுத்தக்கூடிய வகையில் இடைமுகங்கள் வடிவமைக்கப்பட வேண்டும், இல்லையெனில் "யாருக்கு AI உதவியாளர் இருக்கிறார், யாருக்கு இல்லை" என்ற புதிய டிஜிட்டல் பிளவை உருவாக்குவோம்.

தற்போதைய இடர் குறைப்பு: நேர்மறையான பக்கத்தில், நிறுவனங்கள் தலைமுறை AI ஐ வெளியிடுவதால், இந்த பிரச்சினைகள் குறித்த விழிப்புணர்வும் நடவடிக்கையும் அதிகரித்து வருகின்றன. 2023 ஆம் ஆண்டின் பிற்பகுதியில், AI ஐப் பயன்படுத்தும் கிட்டத்தட்ட பாதி நிறுவனங்கள் துல்லியமின்மை ( 2023 இல் AI இன் நிலை: ஜெனரேட்டிவ் AI இன் பிரேக்அவுட் ஆண்டு | மெக்கின்சி ) ( AI இன் நிலை: உலகளாவிய கணக்கெடுப்பு | மெக்கின்சி ) போன்ற அபாயங்களைக் குறைக்க தீவிரமாகச் செயல்பட்டு வந்தன, மேலும் அந்த எண்ணிக்கை அதிகரித்து வருகிறது. தொழில்நுட்ப நிறுவனங்கள் AI நெறிமுறை வாரியங்களை அமைத்துள்ளன; அரசாங்கங்கள் விதிமுறைகளை வரைந்து வருகின்றன. பின்னர் எதிர்வினையாற்றுவதற்குப் பதிலாக, AI வளர்ச்சியில் தொடக்கத்திலிருந்தே நெறிமுறைகளை (“வடிவமைப்பு மூலம் நெறிமுறைகள்”) புகுத்துவதே 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 எதிர்நோக்குகையில், AI இன்னும் எங்கும் நிறைந்த ஒத்துழைப்பாளராக இருக்கும் ஒரு சகாப்தத்தின் விளிம்பில் நாம் நிற்கிறோம் - பெரும்பாலும் மனிதர்கள் விதிவிலக்கானவற்றில் கவனம் செலுத்தக்கூடிய வகையில் வழக்கத்தை கையாளும் ஒரு கண்ணுக்குத் தெரியாத டிஜிட்டல் பணியாளர் . எங்கள் சாலைகளில் கார்கள் மற்றும் லாரிகளை நம்பகத்தன்மையுடன் ஓட்டுவதற்கும், கிடங்குகளில் சரக்குகளை நிர்வகிப்பதற்கும், அறிவுள்ள தனிப்பட்ட உதவியாளர்களாக எங்கள் கேள்விகளுக்கு பதிலளிப்பதற்கும், உலகெங்கிலும் உள்ள மாணவர்களுக்கு நேரடி அறிவுறுத்தல்களை வழங்குவதற்கும், மருத்துவத்தில் புதிய சிகிச்சைகளைக் கண்டறிய உதவுவதற்கும் ஜெனரேட்டிவ் AI ஐ நாங்கள் எதிர்பார்க்கிறோம் - இவை அனைத்தும் பெருகிய முறையில் குறைந்தபட்ச நேரடி மேற்பார்வையுடன். AI செயலற்ற முறையில் வழிமுறைகளைப் பின்பற்றுவதிலிருந்து முன்கூட்டியே தீர்வுகளை உருவாக்குவதற்கு நகரும்போது கருவிக்கும் முகவருக்கும் இடையிலான கோடு மங்கலாகிவிடும்.

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

• இன்றைய யதார்த்த சோதனை: AI என்பது தவறே செய்ய முடியாதது அல்ல. இது வடிவ அங்கீகாரம் மற்றும் உள்ளடக்க உருவாக்கத்தில் சிறந்து விளங்குகிறது, ஆனால் மனித உணர்வில் உண்மையான புரிதலும் பொது அறிவும் இல்லை. எனவே, இப்போதைக்கு, மனித மேற்பார்வை பாதுகாப்பு வலையாக உள்ளது. AI தனியாக பறக்கத் தயாராக இருக்கும் இடத்தை (மற்றும் அது இல்லாத இடத்தை) அங்கீகரிப்பது மிக முக்கியம். இன்று பல வெற்றிகள் மனித-AI குழு மாதிரியிலிருந்து வருகின்றன, மேலும் முழு சுயாட்சி இன்னும் விவேகமானதாக இல்லாத இடங்களில் இந்த கலப்பின அணுகுமுறை தொடர்ந்து மதிப்புமிக்கதாக இருக்கும்.

• நாளைய வாக்குறுதி: மாதிரி கட்டமைப்புகள், பயிற்சி நுட்பங்கள் மற்றும் மேற்பார்வை வழிமுறைகளில் ஏற்பட்டுள்ள முன்னேற்றங்களுடன், AI இன் திறன்கள் தொடர்ந்து விரிவடையும். அடுத்த தசாப்தத்தில் ஆராய்ச்சி மற்றும் மேம்பாடு பல தற்போதைய சிக்கல்களைத் தீர்க்கக்கூடும் (மாயத்தோற்றங்களைக் குறைத்தல், விளக்கத்தை மேம்படுத்துதல், AI ஐ மனித மதிப்புகளுடன் இணைத்தல்). அப்படியானால், 2035 ஆம் ஆண்டளவில் AI அமைப்புகள் மிகப் பெரிய சுயாட்சியை ஒப்படைக்கும் அளவுக்கு வலுவானதாக இருக்கும். இந்த ஆய்வறிக்கையில் உள்ள கணிப்புகள் - AI ஆசிரியர்கள் முதல் பெரும்பாலும் சுயமாக நடத்தப்படும் வணிகங்கள் வரை - நமது யதார்த்தமாக இருக்கலாம் அல்லது இன்று கற்பனை செய்ய முடியாத புதுமைகளால் கூட மிஞ்சலாம்.

• மனிதப் பங்கு மற்றும் தகவமைப்பு: AI மனிதர்களை நேரடியாக மாற்றுவதற்குப் பதிலாக, பாத்திரங்கள் உருவாகி வருவதை நாம் முன்கூட்டியே எதிர்பார்க்கிறோம். ஒவ்வொரு துறையிலும் உள்ள வல்லுநர்கள் உடன் - அதை வழிநடத்துதல், அதைச் சரிபார்த்தல் மற்றும் பச்சாத்தாபம், மூலோபாய சிந்தனை மற்றும் சிக்கலான சிக்கல் தீர்க்கும் திறன் போன்ற தனித்துவமான மனித பலங்கள் தேவைப்படும் பணியின் அம்சங்களில் கவனம் செலுத்துதல். கல்வி மற்றும் பணியாளர் பயிற்சி இந்த தனித்துவமான மனித திறன்களை வலியுறுத்துவதற்கும், அனைவருக்கும் AI கல்வியறிவை வலியுறுத்துவதற்கும் மையமாக இருக்க வேண்டும். கொள்கை வகுப்பாளர்களும் வணிகத் தலைவர்களும் தொழிலாளர் சந்தையில் மாற்றங்களுக்குத் திட்டமிட வேண்டும் மற்றும் ஆட்டோமேஷனால் பாதிக்கப்பட்டவர்களுக்கு ஆதரவு அமைப்புகளை உறுதி செய்ய வேண்டும்.

• நெறிமுறைகள் மற்றும் நிர்வாகம்: ஒருவேளை மிக முக்கியமாக, நெறிமுறை AI பயன்பாடு மற்றும் நிர்வாகத்தின் கட்டமைப்பானது இந்த தொழில்நுட்ப வளர்ச்சியை ஆதரிக்க வேண்டும். நம்பிக்கை என்பது தத்தெடுப்பின் நாணயம் - மக்கள் AI பாதுகாப்பானது என்று நம்பினால் மட்டுமே அதை ஒரு காரை ஓட்டவோ அல்லது அறுவை சிகிச்சைக்கு உதவவோ அனுமதிப்பார்கள். அந்த நம்பிக்கையை உருவாக்குவது கடுமையான சோதனை, வெளிப்படைத்தன்மை, பங்குதாரர் ஈடுபாடு (எ.கா., மருத்துவ AIகளை வடிவமைப்பதில் மருத்துவர்கள், AI கல்வி கருவிகளில் ஆசிரியர்கள் ஈடுபடுவது) மற்றும் பொருத்தமான ஒழுங்குமுறை ஆகியவற்றை உள்ளடக்கியது. டீப்ஃபேக்ஸ் அல்லது போரில் AI போன்ற சவால்களைக் கையாள சர்வதேச ஒத்துழைப்பு அவசியமாக இருக்கலாம், இது பொறுப்பான பயன்பாட்டிற்கான உலகளாவிய விதிமுறைகளை உறுதி செய்கிறது.

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 உருவாக்கப்படுகின்றன.- AI ஆல் சுருக்கப்பட்ட தயாரிப்பு மதிப்புரைகள்.- மனித திருத்தத்திற்கான கட்டுரைகள் அல்லது மின்னஞ்சல்களின் வரைவுகள். ( பிலானா பேட்டர்சன் - ONA சமூக சுயவிவரம் ) ( அமேசான் AI உடன் வாடிக்கையாளர் மதிப்புரை 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	- AI குறியீட்டை தானாக நிறைவு செய்கிறது & எளிய செயல்பாடுகளை எழுதுகிறது (dev ஆல் மதிப்பாய்வு செய்யப்பட்டது).- தானியங்கி சோதனை உருவாக்கம் மற்றும் பிழை பரிந்துரைகள். ( Copilot இல் குறியீட்டு முறை: 2023 தரவு குறியீட்டு தரத்தில் கீழ்நோக்கிய அழுத்தத்தை பரிந்துரைக்கிறது (2024 கணிப்புகள் உட்பட) - GitClear ) ( AI குறியீடு உதவியாளர்கள் பற்றிய ஆராய்ச்சி அறிக்கையில் GitHub Copilot முதலிடத்தில் உள்ளது -- 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, பிலானா. தானியங்கி வருவாய் கதைகள் பெருகும் . அசோசியேட்டட் பிரஸ் (2015) – மனித எழுத்தாளர் இல்லாமல் ஆயிரக்கணக்கான வருவாய் அறிக்கைகளின் AP இன் தானியங்கி உருவாக்கத்தை விவரிக்கிறது ( தானியங்கி வருவாய் கதைகள் பெருகும் | அசோசியேட்டட் பிரஸ் ).

2. மெக்கின்சி & கம்பெனி. 2024 ஆம் ஆண்டின் தொடக்கத்தில் AI இன் நிலை: ஜெனரல் AI தத்தெடுப்பு அதிகரித்து மதிப்பை உருவாக்கத் தொடங்குகிறது . (2024) – 65% நிறுவனங்கள் ஜெனரேட்டிவ் AI ஐ தவறாமல் பயன்படுத்துவதாகவும், 2023 ஐ விட கிட்டத்தட்ட இரு மடங்காக இருப்பதாகவும் ( 2024 ஆம் ஆண்டின் தொடக்கத்தில் AI இன் நிலை | மெக்கின்சி ) அறிக்கை செய்கிறது, மேலும் ஆபத்து குறைப்பு முயற்சிகளைப் பற்றி விவாதிக்கிறது ( AI இன் நிலை: உலகளாவிய கணக்கெடுப்பு | மெக்கின்சி ).

3. கார்ட்னர். ChatGPTக்கு அப்பால்: நிறுவனங்களுக்கான ஜெனரேட்டிவ் AI இன் எதிர்காலம் . (2023) – 2030 ஆம் ஆண்டளவில், ஒரு பிளாக்பஸ்டர் படத்தின் 90% AI-உருவாக்கப்பட்டதாக இருக்கலாம் என்று கணித்துள்ளது ( தொழில்கள் மற்றும் நிறுவனங்களுக்கான ஜெனரேட்டிவ் AI பயன்பாட்டு வழக்குகள் ) மற்றும் மருந்து வடிவமைப்பு போன்ற ஜெனரேட்டிவ் AI பயன்பாட்டு நிகழ்வுகளை எடுத்துக்காட்டுகிறது ( தொழில்கள் மற்றும் நிறுவனங்களுக்கான ஜெனரேட்டிவ் AI பயன்பாட்டு வழக்குகள் ).

4. ட்வைப் செய்யவும். செய்தி அறையில் பத்திரிகையாளர்கள் AI கருவிகளைப் பயன்படுத்தும் 12 வழிகள் . (2024) - ஒரு செய்தி நிறுவனத்தில் "கிளாரா" AI இன் உதாரணம் 11% கட்டுரைகளை எழுதுகிறது, மனித ஆசிரியர்கள் அனைத்து AI உள்ளடக்கத்தையும் மதிப்பாய்வு செய்கிறார்கள் ( செய்தி அறையில் பத்திரிகையாளர்கள் AI கருவிகளைப் பயன்படுத்தும் 12 வழிகள் - ட்வைப் ).

5. Amazon.com செய்திகள். Amazon, AI உடன் வாடிக்கையாளர் மதிப்புரைகள் அனுபவத்தை மேம்படுத்துகிறது . (2023) – வாங்குபவர்களுக்கு உதவ தயாரிப்பு பக்கங்களில் AI-உருவாக்கிய மதிப்பாய்வு சுருக்கங்களை அறிவிக்கிறது ( Amazon, AI உடன் வாடிக்கையாளர் மதிப்புரைகள் அனுபவத்தை மேம்படுத்துகிறது ).

6. Zendesk. 2025க்கான 59 AI வாடிக்கையாளர் சேவை புள்ளிவிவரங்கள் . (2023) - CX நிறுவனங்களில் மூன்றில் இரண்டு பங்குக்கும் அதிகமானோர் ஜெனரேட்டிவ் AI சேவையில் "அரவணைப்பை" சேர்க்கும் என்று நினைக்கிறார்கள் ( 59 2025க்கான AI வாடிக்கையாளர் சேவை புள்ளிவிவரங்கள் ) மற்றும் இறுதியில் 100% வாடிக்கையாளர் தொடர்புகளில் AI ஐ கணிக்கிறார்கள் ( 59 2025க்கான AI வாடிக்கையாளர் சேவை புள்ளிவிவரங்கள் ).

7. ஃபியூச்சுரம் ஆராய்ச்சி & SAS. அனுபவம் 2030: வாடிக்கையாளர் அனுபவத்தின் எதிர்காலம் . (2019) - வாடிக்கையாளர் ஈடுபாட்டின் போது பிராண்டுகள் ~69% முடிவுகளை ஸ்மார்ட் இயந்திரங்களால் 2030 ஆம் ஆண்டுக்குள் எடுக்க வேண்டும் என்று எதிர்பார்க்கின்றன என்று கணக்கெடுப்பு கண்டறிந்துள்ளது ( CX க்கு மாற்றத்தை மறுபரிசீலனை செய்ய, சந்தைப்படுத்துபவர்கள் இந்த 2 விஷயங்களைச் செய்ய வேண்டும் ).

8. டேட்டாயிகு. தளவாடங்களில் சிறந்த ஜெனரேட்டிவ் AI பயன்பாட்டு வழக்குகள் . (2023) – GenAI எவ்வாறு ஏற்றுதலை மேம்படுத்துகிறது (~30% காலியான டிரக் இடத்தைக் குறைக்கிறது) ( தளவாடங்களில் சிறந்த ஜெனரேட்டிவ் AI பயன்பாட்டு வழக்குகள் ) மற்றும் செய்திகளை ஸ்கேன் செய்வதன் மூலம் விநியோகச் சங்கிலி அபாயங்களைக் கொடியிடுகிறது என்பதை விவரிக்கிறது.

9. விஷுவல் ஸ்டுடியோ இதழ். AI குறியீடு உதவியாளர்கள் குறித்த ஆராய்ச்சி அறிக்கையில் GitHub Copilot முதலிடத்தில் உள்ளது . (2024) - கார்ட்னரின் மூலோபாய திட்டமிடல் அனுமானங்கள்: 2028 ஆம் ஆண்டளவில், 90% நிறுவன டெவலப்பர்கள் AI குறியீடு உதவியாளர்களைப் பயன்படுத்துவார்கள் (2024 இல் 14% ஆக இருந்தது) ( AI குறியீடு உதவியாளர்கள் குறித்த ஆராய்ச்சி அறிக்கையில் GitHub Copilot முதலிடத்தில் உள்ளது -- விஷுவல் ஸ்டுடியோ இதழ் ).

10. ப்ளூம்பெர்க் செய்திகள். ப்ளூம்பெர்க்ஜிபிடியை அறிமுகப்படுத்துதல் . (2023) – நிதிப் பணிகளை இலக்காகக் கொண்ட ப்ளூம்பெர்க்கின் 50B-அளவுரு மாதிரியின் விவரங்கள், கேள்வி பதில் மற்றும் பகுப்பாய்வு ஆதரவுக்கான முனையத்தில் கட்டமைக்கப்பட்டுள்ளன ( ஜெனரேட்டிவ் AI நிதிக்கு வருகிறது ).

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 AI ஆல் மாற்ற முடியாத வேலைகள் - மேலும் AI எந்த வேலைகளை மாற்றும்?
வளர்ந்து வரும் வேலை நிலப்பரப்பு குறித்த உலகளாவிய பார்வை, எந்தப் பாத்திரங்கள் AI இடையூறுகளிலிருந்து பாதுகாப்பானவை மற்றும் எவை அதிக ஆபத்தில் உள்ளன என்பதை ஆராய்கிறது.

🔗 பங்குச் சந்தையை AI கணிக்க முடியுமா?
பங்குச் சந்தை முன்னறிவிப்புக்கு AI ஐப் பயன்படுத்துவதன் திறன்கள், வரம்புகள் மற்றும் நெறிமுறைக் கருத்தாய்வுகள் பற்றிய ஆழமான ஆய்வு.

🔗 சைபர் பாதுகாப்பில் ஜெனரேட்டிவ் AI எவ்வாறு பயன்படுத்தப்படலாம்?
ஒழுங்கின்மை கண்டறிதல் முதல் அச்சுறுத்தல் மாதிரியாக்கம் வரை சைபர் அச்சுறுத்தல்களுக்கு எதிராக ஜெனரேட்டிவ் AI எவ்வாறு பயன்படுத்தப்படுகிறது என்பதை அறிக.