செயற்கை நுண்ணறிவு (AI) ஒரு கோட்பாட்டு கருத்தாக்கத்தில் இருந்து பல தொழில்களை மாற்றியமைக்கும் ஒரு உறுதியான சக்தியாக விரைவாக வளர்ச்சியடைந்துள்ளது. இந்த தொழில்நுட்ப புரட்சியின் முன்னணியில் OpenAI உள்ளது, இது பரவலாக அறியப்பட்ட ChatGPT உட்பட அதன் அற்புதமான AI மாடல்களுக்கு பெயர் பெற்றது. OpenAI இன் தலைமை விஞ்ஞானி ஜாகுப் பச்சோக்கி மேம்பட்ட AI அமைப்புகளின் வளர்ச்சியை வழிநடத்துவதில் முக்கிய பங்கு வகிக்கிறார். சமீபத்திய நேர்காணலில், பச்சோக்கி AI இன் எதிர்காலம் குறித்த தனது நுண்ணறிவுகளைப் பகிர்ந்து கொண்டார். புதிய ஆராய்ச்சிகளை நடத்துவதற்கும், தன்னாட்சி திறன்களை இயக்குவதற்கும், பல்வேறு துறைகளை மாற்றுவதற்கும் அதன் திறனை எடுத்துக்காட்டுகிறார்.
பகுத்தறிவு மாதிரிகளின் எழுச்சி
பகுத்தறிவு மாதிரிகள் என்பது AI மாதிரிகளின் ஒரு துணைக்குழுவாகும். சிக்கலான பணிகளைத் தீர்க்க படிப்படியான தர்க்கரீதியான பகுத்தறிவைப் பயன்படுத்துவதன் மூலம் மனிதனைப் போன்ற சிந்தனை செயல்முறைகளை இது பிரதிபலிக்க வடிவமைக்கப்பட்டுள்ளது. இந்த மாதிரிகள் பின்வரும் துறைகளில் குறிப்பிடத்தக்க திறன்களை நிரூபித்துள்ளன:
- உரை செம்மைப்படுத்துதல்: பகுத்தறிவு மாதிரிகள் எழுதப்பட்ட உள்ளடக்கத்தை மேம்படுத்துவதுடன், தெளிவு, ஒத்திசைவு மற்றும் இலக்கண துல்லியத்தை உறுதி செய்கிறது.
- குறியீடு எழுதுதல்: இந்த மாதிரிகள் குறியீடு துணுக்குகளை உருவாக்கவும், முழு நிரல்களையும் முடிக்கவும், ஏற்கனவே உள்ள குறியீட்டை பிழைத்திருத்த டெவலப்பர்களுக்கு உதவவும் முடியும்.
- இலக்கியத்தை மதிப்பாய்வு செய்தல்: பகுத்தறிவு மாதிரிகள் ஏராளமான ஆராய்ச்சி கட்டுரைகளை திறமையாக பகுப்பாய்வு செய்யலாம், முக்கிய கண்டுபிடிப்புகளை அடையாளம் காணலாம் மற்றும் பல ஆதாரங்களில் இருந்து தகவல்களை ஒருங்கிணைக்க முடியும்.
- கருதுகோள்களை உருவாக்குதல்: இந்த மாதிரிகள் இருக்கும் தரவு மற்றும் அறிவியல் அறிவின் அடிப்படையில் புதிய கருதுகோள்களை முன்மொழியலாம். அறிவியல் கண்டுபிடிப்புகளின் வேகத்தை விரைவுபடுத்தலாம்.
AI மாதிரிகள் ஒரு உதவியாளராக மட்டுமே இல்லாமல் தன்னாட்சி ஆராய்ச்சியாளர்களாக மாறி சுயாதீனமான விசாரணை மற்றும் சிக்கலைத் தீர்க்கும் திறன் கொண்ட ஒரு எதிர்காலத்தை பச்சோக்கி கற்பனை செய்கிறார். பின்வரும் பகுதிகளில் குறிப்பிடத்தக்க முன்னேற்றத்தை அவர் எதிர்பார்க்கிறார்:
- தன்னாட்சி மென்பொருள் பொறியியல்: AI மாதிரிகள் வடிவமைப்பு மற்றும் குறியீட்டில் இருந்து சோதனை மற்றும் பயன்பாடு வரை மென்பொருள் மேம்பாட்டு செயல்முறையை தானியக்கமாக்கும்.
- வன்பொருள் கூறுகளின் தன்னாட்சி வடிவமைப்பு: இந்த மாதிரிகள் வன்பொருள் கூறுகளின் வடிவமைப்பை மேம்படுத்துகின்றன. மேம்படுத்தப்பட்ட செயல்திறன், திறன் மற்றும் செயல்பாடுக்கு வழிவகுக்கும்.
வலுவூட்டல் கற்றல்: பகுத்தறிவிற்கான ஒரு ஊக்கி
வலுவூட்டல் கற்றல் என்பது ஒரு வகையான இயந்திர கற்றல் ஆகும். இதில் ஒரு முகவர் ஒரு வெகுமதியை அதிகரிக்க ஒரு சூழலில் முடிவுகளை எடுக்க கற்றுக்கொள்கிறார். சோதனை, பிழை மற்றும் வெகுமதி ஆகியவற்றின் இந்த தொடர்ச்சியான செயல்முறை OpenAI இன் பகுத்தறிவு மாதிரிகளை உருவாக்குவதில் கருவியாக இருந்தது.
ChatGPT இன் வளர்ச்சியில் மேற்பார்வையிடப்படாத முன் பயிற்சி நிலை இருந்தது. அங்கு மாதிரி ஒரு பெரிய அளவிலான தரவுகளுக்கு வெளிப்படுத்தப்பட்டது. மொழி, கருத்துக்கள் மற்றும் உறவுகள் பற்றிய விரிவான புரிதலாகிய ஒரு “உலக மாதிரியை" உருவாக்க இது உதவியது. பின்னர், மனித கருத்துடன் கூடிய வலுவூட்டல் கற்றல் இந்த உலக மாதிரியிலிருந்து ஒரு பயனுள்ள உதவியாளரைப் பிரித்தெடுக்கப் பயன்படுத்தப்பட்டது. சாராம்சத்தில், மனிதர்கள் மாதிரிக்கு கருத்துக்களை வழங்கினர். அது பயனுள்ள, தகவலறிந்த மற்றும் பாதிப்பில்லாத பதில்களை உருவாக்க வழிகாட்டினர்.
சமீபத்திய முன்னேற்றம் மாதிரியானது சுதந்திரமாக ஆராய்ந்து அதன் சொந்த சிந்தனை வழிகளை உருவாக்க உதவுகிறது. இம்முறை தகவல் பிரித்தெடுப்பது என்பதைத் தாண்டி சுயமாக சிக்கல்களைத் தீர்க்கவும் முடிவெடுக்கவும் உதவுகிறது.
முன் பயிற்சிக்கும் வலுவூட்டல் கற்றலுக்கும் இடையிலான பாரம்பரியப் பிரிவு எதிர்காலத்தில் குறைவாக இருக்கலாம் என்று பச்சோக்கி கூறுகிறார். இந்த கற்றல் கட்டங்கள் ஆழமாக ஒன்றோடொன்று இணைக்கப்பட்டுள்ளன என்றும் AI திறன்களை மேம்படுத்துவதற்கு அவற்றின் தொடர்பு பற்றிய விரிவான புரிதல் அவசியம் என்றும் அவர் நம்புகிறார். பகுத்தறிவு மாதிரிகள் தனித்தனியாக கற்றுக்கொள்வதில்லை; அவற்றின் பகுத்தறிவு திறன்கள் முன் பயிற்சியின் போது பெறப்பட்ட அறிவில் வேரூன்றி உள்ளன. இந்த இணைப்பை ஆராய்வதற்கும் இந்த அணுகுமுறைகளை இணைப்பதற்கான முறைகளை உருவாக்குவதற்கும் பச்சோக்கியின் கவனம் அர்ப்பணிக்கப்பட்டுள்ளது.
மாடல்கள் உண்மையில் “சிந்திக்கிறதா”?
AI மாதிரிகள் உண்மையில் “சிந்திக்க முடியுமா" என்ற கேள்வி தீவிர விவாதத்திற்கு உட்பட்டது. AI மாதிரிகள் பகுத்தறிவு மற்றும் சிக்கலைத் தீர்க்கும் திறன்களைக் கோரும் பணிகளைச் செய்ய முடிந்தாலும் அவற்றின் அடிப்படை வழிமுறைகள் மனித மூளையிலிருந்து கணிசமாக வேறுபடுகின்றன.
முன் பயிற்சி பெற்ற மாதிரிகள் உலகத்தைப் பற்றிய அறிவைப் பெறுகின்றன. ஆனால் அவை இந்தத் தகவலை எவ்வாறு கற்றுக்கொண்டன அல்லது அவை கற்றுக்கொண்ட நேர வரிசை பற்றிய விரிவான புரிதல் இல்லை. சாராம்சத்தில், AI மாதிரிகளுக்கு சுய விழிப்புணர்வு மற்றும் மனித சிந்தனையை வகைப்படுத்தும் உணர்வு இல்லை.
மேலும், AI மாதிரிகளின் வரம்புகள் மற்றும் சாத்தியமான விருப்பங்களைப் பற்றி அறிந்திருப்பது முக்கியம். இந்த மாதிரிகள் ஏராளமான தரவை பகுப்பாய்வு செய்து வடிவங்களை அடையாளம் காண முடிந்தாலும் அவை பயிற்சி பெறும் தரவு அந்த சார்புகளை பிரதிபலித்தால் அவை இருக்கும் சமூக சார்புகளை நிரந்தரமாக்கலாம்.
AI இன் நெறிமுறை பரிசீலனைகளை வழிநடத்துதல்
AI இன் விரைவான முன்னேற்றம் பல நெறிமுறை பரிசீலனைகளை எழுப்புகிறது. அதன் பொறுப்பான வளர்ச்சி மற்றும் பயன்பாட்டை உறுதி செய்ய இவற்றை நிவர்த்தி செய்ய வேண்டும். இந்த பரிசீலனைகளில் பின்வருவன அடங்கும்:
- சார்பு மற்றும் நியாயம்: சார்புடைய தரவுகளில் பயிற்சி பெற்றால், AI மாதிரிகள் இருக்கும் சமூக சார்புகளை நிரந்தரமாக்கலாம் மற்றும் பெருக்கலாம். AI மாடல்களில் பக்கச்சார்புகளை மட்டுப்படுத்தவும், அவற்றின் பயன்பாடுகளில் நியாயத்தை உறுதிப்படுத்தவும் முறைகளை உருவாக்குவது மிகவும் முக்கியமானது.
- தனியுரிமை மற்றும் பாதுகாப்பு: AI அமைப்புகளுக்கு பெரும்பாலும் பெரிய அளவிலான தனிப்பட்ட தரவுக்கான அணுகல் தேவைப்படுகிறது. இது தனியுரிமை மற்றும் பாதுகாப்பு குறித்த கவலைகளை எழுப்புகிறது. முக்கியமான தரவைப் பாதுகாக்க மற்றும் அங்கீகரிக்கப்படாத அணுகலைத் தடுக்க வலுவான பாதுகாப்புகளைச் செயல்படுத்த வேண்டும்.
- பொறுப்புக்கூறல் மற்றும் வெளிப்படைத்தன்மை: AI அமைப்புகளின் முடிவுகள் மற்றும் செயல்களுக்கு தெளிவான பொறுப்புக்கூறல் வழிகளை நிறுவுவது அவசியம். AI மேம்பாடு மற்றும் பயன்பாட்டில் வெளிப்படைத்தன்மை என்பது நம்பிக்கையை வளர்ப்பதற்கும் AI பொறுப்புடன் பயன்படுத்தப்படுவதை உறுதி செய்வதற்கும் முக்கியமானது.
- வேலை இழப்பு: AI இன் ஆட்டோமேஷன் திறன் வேலை இழப்பு பற்றிய கவலைகளை எழுப்புகிறது. AI இன் சாத்தியமான தாக்கத்திற்கு கொள்கை வகுப்பாளர்கள் மற்றும் கல்வியாளர்கள் தயாராக இருக்க வேண்டும், மேலும் எதிர்மறையான விளைவுகளைத் தணிப்பதற்கான உத்திகளை உருவாக்க வேண்டும்.
திறந்த எடை மாதிரிகள்: AI ஆராய்ச்சியை ஜனநாயகப்படுத்துதல்
திறந்த எடை மாதிரியை வெளியிட OpenAI எடுத்த முடிவு AI ஆராய்ச்சியை ஜனநாயகப்படுத்துவதற்கான அர்ப்பணிப்பைக் குறிக்கிறது. திறந்த எடை மாதிரிகள் ஆராய்ச்சியாளர்கள் அடிப்படை குறியீடு மற்றும் தரவை அணுகவும் மாற்றவும் அனுமதிக்கின்றன. இது புதுமை மற்றும் ஒத்துழைப்பை வளர்க்கிறது.
இந்த அணுகுமுறை சில AI நிறுவனங்களால் ஏற்றுக்கொள்ளப்பட்ட தனியுரிம மாதிரி அணுகுமுறைக்கு மாறானது. அங்கு அடிப்படை தொழில்நுட்பத்திற்கான அணுகல் கட்டுப்படுத்தப்படுகிறது. திறந்த எடை மாதிரிகள் பரந்த அளவிலான ஆராய்ச்சியாளர்களை இந்தத் துறையில் பங்களிக்க அனுமதிப்பதன் மூலம் AI இல் முன்னேற்றத்தை துரிதப்படுத்த முடியும் என்று OpenAI நம்புகிறது.
இருப்பினும் திறந்த எடை மாதிரிகளை வெளியிடுவதால் அபாயங்களும் உள்ளன. சரியாக நிர்வகிக்கப்படாவிட்டால் இந்த மாதிரிகள் தவறான தகவல்களை உருவாக்குவது அல்லது தீங்கு விளைவிக்கும் பயன்பாடுகளை உருவாக்குவது போன்ற தீங்கிழைக்கும் நோக்கங்களுக்காகப் பயன்படுத்தப்படலாம். பாதுகாப்புகளை செயல்படுத்துவதன் மூலமும் திறந்த எடை மாதிரிகளின் பொறுப்பான பயன்பாட்டை ஊக்குவிப்பதன் மூலமும் இந்த அபாயங்களைத் தணிக்க OpenAI தீவிரமாக செயல்பட்டு வருகிறது.
முடிவு
AI இன் எதிர்காலம் சாத்தியக்கூறுகள் நிறைந்தது. AI மாதிரிகள் மிகவும் அதிநவீனமாகவும் தன்னாட்சி உடையதாகவும் மாறும்போது அவை நம் வாழ்க்கையின் பல்வேறு அம்சங்களில் பெருகிய முறையில் முக்கிய பங்கு வகிக்கும். நெறிமுறை பரிசீலனைகள் மற்றும் சாத்தியமான அபாயங்களை நிவர்த்தி செய்ய வேண்டும். AI வழங்கும் வாய்ப்புகள் மிகப்பெரியவை. ஜாகுப் பச்சோக்கியின் தலைமையின் கீழ் OpenAI புதுமைகளை இயக்குவதற்கும் இந்த மாற்றும் தொழில்நுட்பத்தின் எதிர்காலத்தை வடிவமைப்பதற்கும் தயாராக உள்ளது.