புத்திசாலித்தனமான, வேகமான மற்றும் மலிவான AI-க்கான தேடல்
பெரிய மொழி மாதிரிகளின் (LLMs) ஒரு புதிய தலைமுறை உருவாகி வருகிறது, ஒவ்வொன்றும் ஆதிக்கத்திற்காக போட்டியிடுகின்றன. OpenAI’யின் GPT-4.5, Anthropic’கின் Claude 3.7, xAI’யின் Grok 3 மற்றும் Tencent’டின் Hunyuan Turbo S ஆகியவை ஒரு சில உதாரணங்கள். DeepSeek’கின் அடுத்த தலைமுறை மாதிரியின் ஆரம்ப வெளியீடு பற்றிய கிசுகிசுக்களும் உள்ளன. இந்த விரைவான பரிணாமம் ஒரு முக்கியமான கேள்வியை எழுப்புகிறது: AI மாதிரிகள் ஒரே நேரத்தில் அதிக புத்திசாலித்தனம், வேகம் மற்றும் மலிவுத்தன்மையை அடைய முடியுமா?
பாரம்பரிய அறிவு பெரும்பாலும் AI முன்னேற்றத்தை பெரிய மாதிரிகள் மற்றும் எப்போதும் விரிவடையும் தரவுத்தொகுப்புகளுடன் சமன் செய்துள்ளது. இருப்பினும், தரவு திறனுக்கு முன்னுரிமை அளிக்கும் ஒரு புதிய முன்னுதாரணம் உருவாகி வருகிறது. DeepSeek R1 இன் வருகை, AI இன் எதிர்காலம் முழுமையாக அளவிடுதலில் இல்லை என்பதைக் குறிக்கிறது. மாறாக, இயந்திர கற்றல் முறைகளில் புதுமை, மாதிரிகள் குறைந்த தரவுகளில் இருந்து அதிகம் கற்றுக்கொள்ள அனுமதிப்பது, முக்கியமாக இருக்கலாம்.
கணினியின் பரிணாமம் மற்றும் செயல்திறனின் எழுச்சி
செயல்திறனை நோக்கிய இந்த மாற்றம் கணினியின் பரந்த பரிணாமத்தை பிரதிபலிக்கிறது. பாரிய, மையப்படுத்தப்பட்ட மெயின்பிரேம்களில் இருந்து விநியோகிக்கப்பட்ட, தனிப்பயனாக்கப்பட்ட மற்றும் அதிக திறன் கொண்ட கணினி சாதனங்களுக்கு மாறுவதை நாம் கண்டுள்ளோம். இதேபோல், AI ಕ್ಷೇತ್ರமானது ஒற்றைக்கல், தரவு-பசி கொண்ட மாதிரிகளில் இருந்து விலகி, அதிக சுறுசுறுப்பான, தகவமைப்பு மற்றும் வள-நினைவு வடிவமைப்புகளை நோக்கி நகர்கிறது.
முக்கிய கொள்கை முடிவில்லாமல் தரவுகளை குவிப்பது அல்ல, ஆனால் கற்றல் செயல்முறையை மேம்படுத்துவது. இது குறைந்தபட்ச தரவுகளில் இருந்து அதிகபட்ச நுண்ணறிவுகளைப் பிரித்தெடுப்பது பற்றியது, இது ‘சிறப்பாகக் கற்றுக்கொள்வது எப்படி’ என்று அறியப்படுகிறது.
தரவு திறன்: புதிய எல்லை
AI இல் மிகவும் அற்புதமான ஆராய்ச்சிகளில் சில தரவு திறனில் நேரடியாக கவனம் செலுத்துகின்றன. பெர்க்லியில் ஜியாயி பான் மற்றும் ஸ்டான்போர்டில் ஃபீ-ஃபீ லி போன்ற ஆராய்ச்சியாளர்களின் முன்னோடிப் பணி இந்த போக்கை எடுத்துக்காட்டுகிறது.
இந்த திட்டங்கள், பயிற்சி தரவின் அளவை விட தரத்திற்கு முன்னுரிமை அளிப்பது குறிப்பிடத்தக்க முடிவுகளைத் தரும் என்பதை நிரூபிக்கின்றன. சிறந்த பயிற்சி நுட்பங்களைப் பயன்படுத்துவதன் மூலம், AI மாதிரிகள் கணிசமாக குறைந்த தரவுகளுடன் உயர்ந்த செயல்திறனை அடைய முடியும். இது பயிற்சி செலவுகளைக் குறைப்பது மட்டுமல்லாமல், அதிக அணுகக்கூடிய மற்றும் சுற்றுச்சூழல் ரீதியாக நிலையான AI வளர்ச்சிக்கு வழி வகுக்கிறது.
Open-Source AI: கண்டுபிடிப்புக்கான ஊக்கியாக
இந்த மாற்றத்தை இயக்கும் மற்றொரு முக்கியமான காரணி open-source AI வளர்ச்சியின் எழுச்சி. அடிப்படை மாதிரிகள் மற்றும் நுட்பங்களை பொதுவில் கிடைக்கச் செய்வதன் மூலம், புலம் ஒரு கூட்டு சூழலை வளர்க்கிறது. இது சிறிய ஆராய்ச்சி ஆய்வகங்கள், ஸ்டார்ட்அப்கள் மற்றும் தனிப்பட்ட டெவலப்பர்களை கூட அதிக திறன் கொண்ட பயிற்சி முறைகளை பரிசோதிக்க ஊக்குவிக்கிறது.
இதன் விளைவாக ஒரு குறிப்பிட்ட தேவைகள் மற்றும் செயல்பாட்டு தடைகளுக்கு ஏற்ப வடிவமைக்கப்பட்ட மாதிரிகளின் பரந்த வரம்பைக் கொண்ட ஒரு மாறுபட்ட மற்றும் ஆற்றல்மிக்க AI சுற்றுச்சூழல் அமைப்பு உள்ளது. AI இன் இந்த ஜனநாயகமயமாக்கல் கண்டுபிடிப்பின் வேகத்தை துரிதப்படுத்துகிறது மற்றும் பெரிய, வளங்கள் நிறைந்த நிறுவனங்களின் ஆதிக்கத்திற்கு சவால் விடுகிறது.
வணிக மாதிரிகள் செயல்திறனைத் தழுவுகின்றன
தரவு திறன் கொள்கைகள் ஏற்கனவே வணிக AI மாதிரிகளில் தங்கள் வழியை உருவாக்குகின்றன. உதாரணமாக, Anthropic’கின் Claude 3.7 Sonnet, டெவலப்பர்களுக்கு பகுத்தறிவு சக்தி மற்றும் செலவுக்கு இடையிலான சமநிலையில் சிறுமணி கட்டுப்பாட்டை வழங்குகிறது. டோக்கன் பயன்பாட்டை சரிசெய்ய பயனர்களை அனுமதிப்பதன் மூலம், Anthropic செயல்திறன் மற்றும் மலிவுத்தன்மையை மேம்படுத்துவதற்கான ஒரு நடைமுறை பொறிமுறையை வழங்குகிறது.
இந்த அணுகுமுறை DeepSeek’கின் ஆராய்ச்சியுடன் ஒத்துப்போகிறது, இது ஒரு மாதிரியில் நீண்ட உரை புரிதல் மற்றும் பகுத்தறிவு திறன்களை ஒருங்கிணைப்பதை வலியுறுத்துகிறது. xAI போன்ற சில நிறுவனங்கள் Grok மாதிரியுடன் பாரிய கணக்கீட்டு சக்தியை நம்பியிருந்தாலும், மற்றவர்கள் செயல்திறனில் தங்கள் பந்தயம் வைக்கின்றனர். DeepSeek’கின் முன்மொழியப்பட்ட ‘தீவிர சமநிலை அல்காரிதம் வடிவமைப்பு’ மற்றும் ‘வன்பொருள்-சீரமைக்கப்பட்ட மேம்படுத்தல்கள்’ செயல்திறனை தியாகம் செய்யாமல் கணக்கீட்டு செலவைக் குறைப்பதை நோக்கமாகக் கொண்டுள்ளன.
திறமையான AI-யின் சிற்றலை விளைவுகள்
அதிக திறன் கொண்ட LLMகளை நோக்கிய மாற்றம் தொலைநோக்கு விளைவுகளை ஏற்படுத்தும். ஒரு குறிப்பிடத்தக்க தாக்கம், உருவகப்படுத்தப்பட்ட நுண்ணறிவு மற்றும் ரோபாட்டிக்ஸ் ஆகியவற்றில் கண்டுபிடிப்புகளை துரிதப்படுத்துவதாகும். இந்த துறைகளுக்கு குறைந்த ஆன் போர்டு செயலாக்க சக்தி மற்றும் நிகழ்நேர பகுத்தறிவுடன் செயல்படக்கூடிய AI மாதிரிகள் தேவை.
மேலும், பாரிய தரவு மையங்களில் AI இன் சார்புநிலையை குறைப்பது தொழில்நுட்பத்தின் கார்பன் தடத்தை கணிசமாகக் குறைக்கும். நிலைத்தன்மை பற்றிய கவலைகள் அதிகரிக்கும் போது, சுற்றுச்சூழலுக்கு உகந்த AI தீர்வுகளின் வளர்ச்சி பெருகிய முறையில் முக்கியமானது.
புத்திசாலித்தனமான, பெரிய AI மட்டும் அல்ல, வரையறுக்கப்பட்ட எதிர்காலம்
GPT-4.5 இன் வெளியீடு LLM ஆயுதப் போட்டியின் அதிகரிப்புக்கு ஒரு தெளிவான அறிகுறியாகும். இருப்பினும், இந்த போட்டியில் உண்மையான வெற்றியாளர்கள் மிகப்பெரிய மாதிரிகள் அல்லது அதிக தரவுகளைக் கொண்டவர்கள் அல்ல. மாறாக, திறமையான நுண்ணறிவின் கலையில் தேர்ச்சி பெற்ற நிறுவனங்கள் மற்றும் ஆராய்ச்சிக் குழுக்கள் வெற்றிபெற சிறந்த நிலையில் இருக்கும்.
இந்த கண்டுபிடிப்பாளர்கள் செலவுகளைக் குறைப்பது மட்டுமல்லாமல், தனிப்பயனாக்கப்பட்ட AI, எட்ஜ் கம்ப்யூட்டிங் மற்றும் உலகளாவிய அணுகல் ஆகியவற்றில் புதிய சாத்தியங்களைத் திறப்பார்கள். AI நம் வாழ்வின் ஒவ்வொரு அம்சத்திலும் ஊடுருவும் எதிர்காலத்தில், மிகவும் தாக்கத்தை ஏற்படுத்தும் மாதிரிகள் பெஹிமோத்களாக இருக்காது, மாறாக குறைந்த அளவுடன் புத்திசாலித்தனமாக சிந்திக்கக்கூடியவையாக இருக்கலாம். அவை கற்றல் திறன், தகவமைப்பு மற்றும் நிலைத்தன்மைக்கு முன்னுரிமை அளிக்கும் மாதிரிகளாக இருக்கும், இறுதியில் AI சக்திவாய்ந்ததாகவும் பொறுப்புள்ளதாகவும் இருக்கும் எதிர்காலத்தை வடிவமைக்கும்.
தரவுகளைச் சேகரிப்பதை விட, இருக்கும் தரவுகளிலிருந்து மிகவும் திறம்படக் கற்றுக்கொள்ளும் அல்காரிதங்களை உருவாக்குவதில் முக்கியத்துவம் மாறுகிறது. இந்த அணுகுமுறை, open-source வளர்ச்சியின் கூட்டு மனப்பான்மையுடன் இணைந்து, AI கண்டுபிடிப்பின் ஒரு புதிய சகாப்தத்தை வளர்க்கிறது, இது மிகவும் உள்ளடக்கிய, நிலையான மற்றும் இறுதியில், மிகவும் தாக்கத்தை ஏற்படுத்தும் என்று உறுதியளிக்கிறது. பந்தயம் தொடங்கிவிட்டது, முடிவுக் கோடு அளவு பற்றியது அல்ல, ஆனால் புத்திசாலித்தனம், செயல்திறன் மற்றும் வேகமாக மாறிவரும் உலகில் கற்றுக்கொள்ளவும் மாற்றியமைக்கவும் உள்ள திறன் பற்றியது.
பெரிய மாடல்களை உருவாக்குவதில் மட்டும் கவனம் செலுத்தாமல், கிடைக்கக்கூடிய தரவுகளிலிருந்து அதிகபட்ச மதிப்பைப் பிரித்தெடுக்கக்கூடிய புத்திசாலித்தனமான அமைப்புகளை வடிவமைப்பதில் கவனம் செலுத்தப்படுகிறது. இந்த முன்னுதாரண மாற்றம் AI நிலப்பரப்பை மறுவடிவமைக்கிறது, அதை மேலும் அணுகக்கூடியதாகவும், நிலையானதாகவும், இறுதியில், ஒட்டுமொத்த சமூகத்திற்கும் மிகவும் பயனளிப்பதாகவும் ஆக்குகிறது. AI இன் எதிர்காலம் அளவைப் பற்றியது மட்டுமல்ல; இது புத்திசாலித்தனம், செயல்திறன் மற்றும் தொடர்ந்து மாறிவரும் உலகில் கற்றுக்கொள்ளவும் மாற்றியமைக்கவும் உள்ள திறன் பற்றியது.
அதிக சக்திவாய்ந்த AI க்கான தேடல் இனி மாதிரிகள் மற்றும் தரவுத்தொகுப்புகளின் அளவை அதிகரிப்பது மட்டுமல்ல. புதிய எல்லை தரவு திறன் - கணிசமாக குறைந்த தரவுகளுடன் உயர்ந்த செயல்திறனை அடையக்கூடிய AI மாதிரிகளைப் பயிற்றுவிக்கும் திறன். இந்த மாற்றம் AI இன் எதிர்காலத்திற்கு ஆழமான தாக்கங்களைக் கொண்டுள்ளது, இது மிகவும் அணுகக்கூடியதாகவும், நிலையானதாகவும், பரந்த அளவிலான பயன்பாடுகளுக்கு ஏற்றதாகவும் அமைகிறது.
முரட்டு-படை அளவிடுதலில் இருந்து புத்திசாலித்தனமான கற்றலுக்கு கவனம் மாறுகிறது. AI மாதிரிகள் குறைந்த தரவுகளில் இருந்து அதிகம் கற்றுக்கொள்ளும் வகையில் உருவாக்கப்படுகின்றன, பயிற்சி செலவுகளைக் குறைத்தல் மற்றும் அவற்றின் சுற்றுச்சூழல் தாக்கத்தை குறைத்தல். இந்த புதிய அணுகுமுறை AI வளர்ச்சியை ஜனநாயகப்படுத்துகிறது, சிறிய நிறுவனங்களுக்கு வாய்ப்புகளைத் திறக்கிறது மற்றும் மிகவும் மாறுபட்ட மற்றும் புதுமையான சுற்றுச்சூழல் அமைப்பை வளர்க்கிறது.
AI மாடல்களில் அதிக தரவுகளை வீசுவதற்கான நாட்கள் முடிவுக்கு வருகின்றன. புதுமையான அல்காரிதங்கள் மற்றும் அளவை விட தரத்தில் கவனம் செலுத்துவதன் மூலம் தரவு திறனின் ஒரு புதிய சகாப்தம் உதயமாகிறது. இந்த மாற்றம் AI ஐ மேலும் அணுகக்கூடியதாகவும், நிலையானதாகவும், இறுதியில், அதிக சக்திவாய்ந்ததாகவும் ஆக்குகிறது.
மிகவும் சக்திவாய்ந்த AI ஐ உருவாக்குவதற்கான போட்டி இனி அளவு பற்றியது மட்டுமல்ல. இது செயல்திறன், புத்திசாலித்தனம் மற்றும் குறைவாகக் கற்றுக்கொள்ளும் திறன் பற்றியது. இந்த புதிய முன்னுதாரணம் AI நிலப்பரப்பை மறுவடிவமைக்கிறது, அதை மேலும் நிலையானதாகவும், அணுகக்கூடியதாகவும், இறுதியில், சமூகத்திற்கு மிகவும் பயனளிப்பதாகவும் ஆக்குகிறது.
AI இன் எதிர்காலம் பெரிய மாதிரிகளைப் பற்றியது அல்ல; இது புத்திசாலித்தனமான மாதிரிகளைப் பற்றியது. குறைந்த தரவுகளில் இருந்து அதிகம் கற்றுக்கொள்ளக்கூடிய, புதிய சவால்களுக்கு ஏற்ப, மற்றும் வள-கட்டுப்படுத்தப்பட்ட சூழல்களில் திறமையாக செயல்படக்கூடிய மாதிரிகள். இது AI ஆராய்ச்சி மற்றும் வளர்ச்சியின் புதிய எல்லை, மேலும் இது சாத்தியக்கூறுகளின் உலகத்தைத் திறக்கும் என்று உறுதியளிக்கிறது.
எப்போதும் பெரிய AI மாடல்களைத் தொடர்வது செயல்திறன் பற்றிய ஒரு புதிய கவனத்திற்கு வழிவகுக்கிறது. ஆராய்ச்சியாளர்களும் டெவலப்பர்களும் இப்போது AI அமைப்புகளின் வளர்ச்சிக்கு முன்னுரிமை அளிக்கின்றனர், அவை குறைந்த தரவுகளில் இருந்து அதிகம் கற்றுக்கொள்ள முடியும், செலவுகளைக் குறைத்தல் மற்றும் அவற்றின் சுற்றுச்சூழல் தாக்கத்தை குறைத்தல். இந்த மாற்றம் AI நிலப்பரப்பை மாற்றியமைக்கிறது, இது மிகவும் அணுகக்கூடியதாகவும், பரந்த அளவிலான பயன்பாடுகளுக்கு ஏற்றதாகவும் அமைகிறது.
AI மாடல்களை அளவிடுதல் என்ற பாரம்பரிய அணுகுமுறை ஒரு புதிய முன்னுதாரணத்தால் சவால் செய்யப்படுகிறது: தரவு திறன். இந்த புதிய அணுகுமுறை, அதிக தரவுகளைச் சேகரிப்பதை விட, இருக்கும் தரவுகளிலிருந்து மிகவும் திறம்படக் கற்றுக்கொள்ளக்கூடிய AI அமைப்புகளை உருவாக்குவதில் கவனம் செலுத்துகிறது. இந்த மாற்றம் AI ஐ மேலும் அணுகக்கூடியதாகவும், நிலையானதாகவும், இறுதியில், அதிக சக்திவாய்ந்ததாகவும் ஆக்குகிறது.
மிகவும் மேம்பட்ட AI ஐ உருவாக்குவதற்கான போட்டி இனி அளவு மற்றும் அளவைப் பற்றியது மட்டுமல்ல. இது புத்திசாலித்தனம், செயல்திறன் மற்றும் குறைவாகக் கற்றுக்கொள்ளும் திறன் பற்றியது. இந்த புதிய முன்னுதாரணம் AI நிலப்பரப்பை மறுவடிவமைக்கிறது, அதை மேலும் நிலையானதாகவும், அணுகக்கூடியதாகவும், இறுதியில், அனைவருக்கும் மிகவும் பயனளிப்பதாகவும் ஆக்குகிறது.
அளவு முதல் தரம் வரை கவனம் மாறுகிறது. பரந்த அளவிலான தரவுகளைச் சேகரிப்பதற்குப் பதிலாக, ஆராய்ச்சியாளர்கள் இப்போது சிறிய, கவனமாகத் தொகுக்கப்பட்ட தரவுத்தொகுப்புகளிலிருந்து மிகவும் திறம்படக் கற்றுக்கொள்ளக்கூடிய AI மாதிரிகளின் வளர்ச்சிக்கு முன்னுரிமை அளிக்கின்றனர். இந்த அணுகுமுறை மிகவும் திறமையானது மட்டுமல்லாமல், மிகவும் நிலையானது, AI வளர்ச்சியின் சுற்றுச்சூழல் தாக்கத்தை குறைக்கிறது.
பெரிய மாடல்களை உருவாக்குவதில் முக்கியத்துவம் இல்லை, ஆனால் புத்திசாலித்தனமான அல்காரிதங்களை வடிவமைப்பதில் உள்ளது. இந்த அல்காரிதம்கள் குறைந்த தரவுகளில் இருந்து அதிகம் கற்றுக்கொள்ளலாம், புதிய சவால்களுக்கு ஏற்ப, மற்றும் வள-கட்டுப்படுத்தப்பட்ட சூழல்களில் திறமையாக செயல்படலாம். இது AI ஆராய்ச்சி மற்றும் வளர்ச்சியின் புதிய எல்லை, மேலும் இது சாத்தியக்கூறுகளின் உலகத்தைத் திறக்கும் என்று உறுதியளிக்கிறது.
எப்போதும் பெரிய AI மாடல்களைத் தொடர்வது செயல்திறன் மற்றும் நிலைத்தன்மை பற்றிய ஒரு புதிய கவனத்தால் மாற்றப்படுகிறது. ஆராய்ச்சியாளர்களும் டெவலப்பர்களும் இப்போது AI அமைப்புகளின் வளர்ச்சிக்கு முன்னுரிமை அளிக்கின்றனர், அவை குறைந்த தரவுகளில் இருந்து அதிகம் கற்றுக்கொள்ள முடியும், செலவுகளைக் குறைத்தல் மற்றும் அவற்றின் சுற்றுச்சூழல் தாக்கத்தை குறைத்தல். இந்த மாற்றம் AI நிலப்பரப்பை மாற்றியமைக்கிறது, இது மிகவும் அணுகக்கூடியதாகவும், பரந்த அளவிலான பயன்பாடுகளுக்கு ஏற்றதாகவும் அமைகிறது.
AI மாடல்களை அளவிடுதல் என்ற பாரம்பரிய அணுகுமுறை ஒரு புதிய முன்னுதாரணத்தால் சவால் செய்யப்படுகிறது: தரவு மைய AI. இந்த புதிய அணுகுமுறை AI மாடல்களுக்குப் பயிற்சி அளிக்கப் பயன்படுத்தப்படும் தரவின் தரம் மற்றும் பொருத்தத்தை மேம்படுத்துவதில் கவனம் செலுத்துகிறது, மாறாக அளவை அதிகரிப்பதை விட. இந்த மாற்றம் AI ஐ மேலும் திறமையாகவும், துல்லியமாகவும், இறுதியில், அதிக சக்திவாய்ந்ததாகவும் ஆக்குகிறது.