AI-இன் அதிகப்படியான பயன்பாடு குறித்து ஒரு டெவலப்பரின் சிந்தனைகள்
செயற்கை நுண்ணறிவு (Artificial Intelligence - AI) நம் உலகை மாற்றியமைத்துள்ளது என்பதில் சந்தேகமில்லை. இது மென்பொருள் மேம்பாடு உட்பட பல்வேறு துறைகளில் இன்றியமையாத கருவியாக மாறிவிட்டது. AI பல நன்மைகளை வழங்குகிறது மற்றும் நவீன மேம்பாட்டு நடைமுறைகளில் ஒரு ஒருங்கிணைந்த பகுதியாக மாறியிருந்தாலும், அதன் அதிகப்படியான பயன்பாடு டெவலப்பர்களுக்கு ஏற்படக்கூடிய விளைவுகளைக் கருத்தில் கொள்வது அவசியம்.
இந்த கட்டுரை, மேம்பாடு மற்றும் AI பற்றிய எனது தத்துவார்த்த சிந்தனைகளை ஆராய்கிறது. AI-இன் அதிகரித்து வரும் இருப்பு டெவலப்பர் நிலப்பரப்பில் ஆழமான தாக்கத்தை ஏற்படுத்தும்.
AI-இன் கவர்ச்சி
AI நம் வாழ்வாதாரங்களுக்கு அச்சுறுத்தலாக இருக்கும் ஒரு தீய சக்தியாக பார்க்க வேண்டுமா? நான் அப்படி நினைக்கவில்லை.
ChatGPT 3.0 வெளிவந்ததிலிருந்து, நான் மூன்று வருடங்களுக்கும் மேலாக AI தொடர்பான கட்டுரைகளை உன்னிப்பாக கவனித்து வருகிறேன். இந்த துறையின் விரைவான பரிணாம வளர்ச்சியால் இந்த நீடித்த ஆர்வம் ஏற்படுகிறது. புதிய முன்னேற்றங்கள் மற்றும் செய்திகள் தினமும் வெளிவருகின்றன.
எதிர்காலத்தில் AI நோபல் பரிசுகளை வெல்லக்கூடும், மேலும் உலகம் ஏற்கனவே ChatGPT-இன் திறன்களால் ஈர்க்கப்பட்டுள்ளது.
AI அதிவேகமாக முன்னேறி வருகிறது, மேலும் Artificial General Intelligence (AGI) ஐ அடையும் தருவாயில் உள்ளது. Large Language Models (LLMs) தற்போது AI முன்னேற்றங்களுக்கு தலைமை தாங்குகின்றன. ஜெனரேட்டிவ் AI-இன் எழுச்சி இயந்திர கற்றல் (ML) மற்றும் ஆழமான கற்றல் (DL) ஆகியவற்றில் முந்தைய முன்னேற்றங்களில் காணப்பட்ட ஒரு வடிவத்தைப் பின்பற்றுகிறது. அவை படம் மற்றும் வீடியோ செயலாக்கத்தில் பெரும் திறனைக் காட்டுகின்றன.
இதற்கு முன், இணையத்தின் பரவலான தத்தெடுப்பு தகவல் யுகத்திற்கு (Information Age) வழி வகுத்தது.
அதற்கு முன், இயந்திரங்களின் பெருக்கம் தொழில்துறை புரட்சியைத் (Industrial Revolution) தூண்டியது.
அதற்கும் வெகு காலத்திற்கு முன்பு, கருவிகளின் அறிமுகம் விவசாய புரட்சிக்கு (Agricultural Revolution) வழிவகுத்தது.
இந்த மாற்றங்கள் தடையின்றி இருந்தனவா மற்றும் உலகளாவிய அளவில் பயனளித்தனவா என்பதை விமர்சன ரீதியாக ஆராய்வது அவசியம்.
(குறிப்பு: AI பற்றிய அடுத்தடுத்த குறிப்புகள் குறிப்பாக LLM-ஆல் இயக்கப்படும் ஜெனரேட்டிவ் AI ஐக் குறிக்கும்.)
தொழில்துறை புரட்சியின் எதிரொலிகள்
தொழில்துறை புரட்சி நமக்கு என்ன பாரம்பரியத்தை விட்டுச் சென்றது?
புதுமையான உற்பத்தி செய்யப்பட்ட பொருட்களின் வேகமான உற்பத்தி, மேம்பட்ட வேலை நிலைமைகள் மற்றும் மகத்தான செல்வம்.
தொழில்துறை புரட்சிக்கு நன்றி இன்று நாம் அனுபவிக்கும் பல நன்மைகளில் இவை சில. ஆனால் அந்த காலகட்டத்தில் வாழ்ந்த மக்கள் இந்த நன்மைகளைப் பகிர்ந்து கொண்டார்களா?
முன்னேற்றத்தின் இருண்ட பக்கம்
இயந்திரங்களின் அறிமுகத்துடன் வேலை நிலைமைகள் உடனடியாக மேம்பட்டனவா?
பல சந்தர்ப்பங்களில், ஒரு காலத்தில் குறிப்பிடத்தக்க உடல் வலிமை தேவைப்பட்ட பணிகள் அடிப்படை இயந்திர செயல்பாடுகளாக எளிமைப்படுத்தப்பட்டன. இதன் விளைவாக வயது வந்த தொழிலாளர்கள் சிறு குழந்தைகளால் மாற்றப்பட்டனர். ஆலைகள் செயல்திறனை அதிகரிக்க கடிகாரத்தைச் சுற்றி இயங்கத் தொடங்கின, மேலும் இதன் விளைவாக வரும் செல்வம் ஆலை உரிமையாளர்களின் (முதலாளித்துவம்) கைகளில் disproportionately குவிந்தது. தொழிலாளர்கள் இந்த சூழ்நிலையை செயலற்ற முறையில் ஏற்றுக்கொண்டார்களா? இல்லை. இது லூடிட் இயக்கத்திற்கு (Luddite movement) வழிவகுத்தது.
இந்த சவால்கள் இருந்தபோதிலும், இயந்திரங்களின் அறிமுகம் இறுதியில் மக்களின் வாழ்க்கையை சிறப்பாக மாற்றியமைத்துள்ளது என்று நம்புகிறோமா?
நான் பதில் ‘ஆம்’ என்று கூறுவேன். மாற்றங்கள் மிகவும் நேர்மறையானவை.
காத்திருங்கள், தொழில்துறை புரட்சியின் எதிர்மறையான படத்தை நீங்கள் வரைந்துள்ளீர்கள், எனவே அது நேர்மறையானது என்று நீங்கள் திடீரென்று ஏன் கூறுகிறீர்கள்?
நம் வாழ்க்கை மறுக்கமுடியாமல் மேம்பட்டிருந்தாலும், தொழில்துறை புரட்சியுடன் தொடர்புடைய பல பிரச்சினைகள் இயந்திரங்களின் விரைவான அறிமுகத்தால் ஏற்பட்ட சமூக இடையூறுகளை எதிர்பார்க்கவும் தணிக்கவும் தவறியதால் ஏற்பட்டன. ஒரு சமூக பாதுகாப்பு வலை இருந்திருந்தால், குறைந்த எண்ணிக்கையிலான மக்கள் பாதிக்கப்பட்டிருப்பார்கள், மேலும் எதிர்மறையான விளைவுகள் குறைந்தபட்சமாக இருந்திருக்கும்.
சரி, ஆனால் இது AI உடன் என்ன சம்பந்தம்?
AI: இரண்டாவது தொழில்துறை புரட்சி
முன்னாள் அமெரிக்க ஜனாதிபதி டொனால்ட் டிரம்ப், சாஃப்ட்பேங்க் மற்றும் OpenAI போன்ற AI நிறுவனங்களில் 700 டிரில்லியன் வோன்களை முதலீடு செய்ய திட்டமிட்டுள்ளார்.
LLM களுக்கு கணிசமான அளவு சக்தி தேவைப்படுகிறது. இந்த சக்தியை உருவாக்கும் நிறுவனங்கள் படிப்படியாக வளர்ந்து வருகின்றன, மேலும் கணக்கீட்டிற்கான AI சிப்களை உருவாக்கும் Nvidia, உலகின் மிக உயர்ந்த சந்தை மூலதனத்தை அடைந்துள்ளது.
இந்த நிறுவனங்கள் எங்கே முதலீடு செய்யும்? இயற்கையாகவே, அவர்கள் பணம் சம்பாதிக்கக்கூடிய இடங்களில் முதலீடு செய்வார்கள்.
உலகம் தற்போது எங்கே முதலீடு செய்கிறது? AI இல்.
AI-இன் லாபம்
ஆனால் AI-இன் லாபம் எங்கிருந்து வரும்?
AI தயாரிப்புகளை உற்பத்தி செய்யாது. AI ஆலைகளை இயக்காது.
இருப்பினும், AI தற்போது மனிதர்களால் செய்யப்படும் பணிகளை தானியக்கமாக்குவதன் மூலம் நிறுவனங்களுக்கான தொழிலாளர் செலவுகளை குறைக்க முடியும்.
பொருளாதார கண்ணோட்டத்தில், ஒரு ஊழியரின் செலவு என்ன? 30 வருட சராசரி தொழில் வாழ்க்கையை (30 முதல் 60 வயது வரை) மற்றும் ஆண்டுக்கு 45 மில்லியன் வோன் சராசரி சம்பளம் என்று வைத்துக்கொண்டால், ஒரு நிறுவனம் ஒரு ஊழியருக்கு அவர்களின் தொழில் வாழ்க்கையில் 1.35 பில்லியன் வோன் செலுத்தும்.
வேறு வார்த்தைகளில் கூறுவதானால், ஒரு நிறுவனம் ஒரு ஊழியரை 1.35 பில்லியன் வோன்களுக்கு ‘வாங்குகிறது’. 300 க்கும் மேற்பட்ட ஊழியர்களைக் கொண்ட ஒரு நிறுவனம் 30 ஆண்டுகளில் தொழிலாளர்களுக்கு 400 பில்லியன் வோன் செலவிடும்.
AI லாபகரமானது என்று நீங்கள் இன்னும் நம்புகிறீர்களா? உலகம் ஏன் AI இல் முதலீடு செய்கிறது என்பதை நீங்கள் இன்னும் பார்க்கவில்லையா?
AI-உந்துதல் பணியாளர்களின் குறைப்பு நிறுவனங்களுக்கு குறிப்பிடத்தக்க லாபத்தை உருவாக்கும். இது AI முதலீட்டின் ஆல்பா மற்றும் ஒமேகா.
AI-இன் வரம்புகள்
AI 100% வெற்றியை அல்லது 100% தோல்வியை உத்தரவாதம் செய்யாது.
தூக்க கலக்கத்தை கண்டறிய ஒரு ஆழமான கற்றல் மாதிரியை நான் ஒருமுறை நிரூபித்தேன். மாதிரி இறுதியில் சில சூழ்நிலைகளை ‘தூக்கக் கலக்கம்’ என்று வகைப்படுத்தியிருந்தாலும், டெவலப்பர்களாகிய நாங்கள் அதை ‘தூக்கக் கலக்கத்திற்கான அதிக நிகழ்தகவு’ என்று வரையறுத்துள்ளோம்.
நான் மீண்டும் கூறுகிறேன்: AI முழுமையான வெற்றி அல்லது தோல்வியை உறுதி செய்யாது.
ஹாலுசினேஷன்கள் (Hallucinations) ஒரு ஒத்த கருத்தாகும். மாதிரிகள் அனுமானங்களைச் செய்வதால், அவை தவறான பதில்களை உருவாக்க முடியும். இது AI மேம்பாட்டிற்கான ஒரு சாத்தியமான வழியாகும் மற்றும் ஒரு குறைபாடுமாகும்.
நான் தூக்கத்தில் இருக்கும்போது மாதிரி தவறாக அடையாளம் கண்டால், யார் பொறுப்பு?
பொறுப்பு நம்மிடம் உள்ளது, மாதிரியின் அளவுகோல்களை வரையறுத்த குழு.
AI பொறுப்பேற்காது. AI வழங்கும் பதில்களின் அடிப்படையில் முடிவுகளை எடுப்பவர்கள் நாம்தான்.
அதனால் என்ன? நாம் இப்போது என்ன செய்ய வேண்டும்? இதன் பொருள் AI நம் வேலைகளை எடுத்துக்கொள்ளுமா?
AI-ஐ அணுகுதல்
ஆம், அது சரி. AI நம் வேலைகளை எடுத்துக்கொள்ளப் போகிறது.
நம் வேலைகளை எடுத்துக்கொள்ள AI-ஐப் பயன்படுத்த உலகம் கடுமையாக போட்டியிடுகிறது.
இது தவிர்க்க முடியாதது என்றும், ஒரு ‘இரண்டாவது தொழில்துறை புரட்சி’ அடிவானத்தில் உள்ளது என்றும் நான் நம்புகிறேன்.
ஒரு சுமூகமான மாற்றத்தை உறுதி செய்ய நாம் என்ன செய்ய வேண்டும்?
நாம் AI இல் ஆர்வமாக இருக்க வேண்டும், அதை பயன்படுத்த வேண்டும், மேலும் ஒரு நேர்மறையான மற்றும் விமர்சன கண்ணோட்டத்தை பராமரிக்க வேண்டும்.
இந்த தகவலை தீவிரமாக பரிசீலித்த பிறகு பலர் வாழ்க்கையில் ஏமாற்றமடையக்கூடும். எனக்கு தெரியும்.
நான் AI ஆல் மாற்றப்படப் போகிறேன் என்றால், என்னை நானே வளர்த்துக் கொள்வதற்கும், மேம்பாட்டைப் படிப்பதற்கும் ஏன் கவலைப்பட வேண்டும்?
AI எனக்கான குறியீட்டை உருவாக்க முடியும், எனவே நான் ஏன் செய்ய வேண்டும்?
இந்த கட்டத்தில், நாம் மனிதநேயத்தை கருத்தில் கொள்ள வேண்டும்.
மனிதநேயத்தைத் தாண்டி
மதம் தேசத்தை ஆட்சி செய்த ஒரு மத ஆட்சியில் இருந்து ‘ராஜாக்கள்’ மதத்தை சுரண்டக்கூடிய ஒரு சகாப்தத்திற்கு மாறுவதற்கு, ஏதோ ஒன்று ‘கடவுளை’ விட உயர்ந்ததாக இருக்க வேண்டும். ராஜாக்கள் மதத்தைப் பயன்படுத்தினர், ஆனால் உற்பத்திக் கருவிகளைக் கொண்டிருந்த முதலாளித்துவத்திற்கு ஒப்பிடக்கூடிய கருவி இல்லை. மனிதகுலம் முக்கியமானது என்ற கருத்தை அவர்கள் ஊக்குவிக்கத் தொடங்கினர், இது ‘மனிதநேயத்திற்கு’ வழிவகுத்தது. மனிதநேயம், முதலாளித்துவம், கம்யூனிசம், பாசிசம் மற்றும் பிற சித்தாந்தங்களின் தோற்றத்திற்கு வழிவகுத்தது.
வேறு வார்த்தைகளில் கூறுவதானால், மனிதநேயம் என்பது ஒரு மத சமூகத்தின் கடவுளிடமிருந்து விடுபடுவதற்கான ஒரு முயற்சி.
இந்த மத சமூகத்திலிருந்து தப்பிக்க முயன்ற சிலர் மதத்துரோகிகள் மற்றும் சூனியக்காரர்கள் என்று முத்திரை குத்தப்பட்டனர், மேலும் அவர்கள் பயங்கரமான குற்றவாளிகளாக கருதப்பட்டனர். நமது தற்போதைய கண்ணோட்டத்தில் அவர்களை எவ்வாறு பார்க்கிறோம்? அவர்கள் சரியாக இருந்தார்கள் என்று நாம் பார்க்கவில்லையா?
‘AI மனிதர்களை விட சிறந்தது, (அல்லது, இன்னும் குறுகியதாக,) என்னை விட சிறந்தது’ என்ற எண்ணம் மனிதநேயத்தைத் தாண்டிய ஒரு செயல்.
ஒருவேளை இது ஒரு இயல்பான சிந்தனை வழி. AI மேம்பாடு நம்மை படிப்படியாக மனிதநேயத்திலிருந்து விடுவித்துக்கொண்டிருக்கும் ஒரு இடைக்கால கட்டத்தில் நாம் தற்போது இருக்கிறோம் என்று நான் நம்புகிறேன். இது இயற்கையானது, ஆனால் இதன் விளைவாக ஏற்படும் பீதியை நாம் குறைக்க முடியும் என்று நம்புகிறேன்.
நாம் என்ன செய்ய வேண்டும்?
மேலே குறிப்பிட்டுள்ளபடி, நாம் AI ஐ இயல்பாகப் பயன்படுத்த வேண்டும், அதை அனுபவிக்க வேண்டும், ஒரு விமர்சன கண்ணோட்டத்தை பராமரிக்க வேண்டும், எல்லாவற்றிற்கும் மேலாக, நாம் என்ன செய்ய விரும்புகிறோமோ அதைச் செய்ய வேண்டும்.
இந்த செயல்பாட்டில் எதிர்மறையான அம்சங்கள் இருக்கலாம். பின்வரும் பிரிவுகள் இறுதியாக ‘நான் ஏன் மேம்பாட்டில் AI ஐப் பயன்படுத்துவதை நிறுத்த விரும்புகிறேன்’ என்பதை விளக்கும்.
மேம்பாட்டில் AI
AI மறுக்கமுடியாத வகையில் உற்பத்தித்திறனை அதிகரிக்கிறது.
நாம் பயன்படுத்தும் மொழிகள் நிரலாக்க மொழிகள் (programming languages). இந்த வலைப்பதிவை எழுத கொரிய மொழியைப் பயன்படுத்துவது போலவே, நிரல்களை உருவாக்க நிரலாக்க மொழிகளைப் பயன்படுத்துகிறோம்.
LLM அடிப்படையிலான ஜெனரேட்டிவ் AI எழுதுவதில் நிபுணத்துவம் பெற்றது. எனவே, இது இயல்பாகவே நிரலாக்க மொழிகளை எழுதுவதில் பயனுள்ளதாக இருக்கும். எனவே, நிரலாக்கத்தில் AI ஐப் பயன்படுத்த வேண்டுமா? நிச்சயமாக!
இருப்பினும், நீங்கள் ‘படித்துக் கொண்டிருக்கும்’ ஒரு டெவலப்பராக இருந்தால், அதை எவ்வாறு பயன்படுத்துவது என்று நீங்கள் பரிசீலிக்க வேண்டும்.
பின்வரும் காரணங்களுக்காக, நான் AI ஐப் பயன்படுத்த வேண்டாம் என்று முடிவு செய்துள்ளேன், குறைந்தபட்சம் கற்றல் செயல்பாட்டின் போது.
AI எனது பிழை குறிப்புகளை திருடுகிறது
நாம் எப்போது பொதுவாக AI ஐப் பயன்படுத்துகிறோம்? பிழைத்திருத்தத்தின்போது நான் அதை அடிக்கடி பயன்படுத்தினேன்.
இது ஏன் வேலை செய்யவில்லை? → பிழை குறியீடு, குறியீட்டை நகலெடுக்கவும் → ChatGPT இல் ஒட்டவும்
என்ன பிரச்சனை? பிழைகள் மற்றும் பிழைத்திருத்தத்தால் சோர்வாக இருக்கும் டெவலப்பர்கள் ChatGPT வழங்கும் குறியீட்டை எப்போதும் கவனமாகப் பார்ப்பார்களா, புரிந்துகொள்வார்களா மற்றும் பயன்படுத்துவார்களா? பல சந்தர்ப்பங்களில், அவர்கள் யோசிக்காமல் குறியீட்டை நகலெடுத்து ஒட்டுவார்கள், அது வேலை செய்யவில்லை என்றால், அவர்கள் மீண்டும் AI ஐப் பயன்படுத்துவார்கள்.
பயனர் தூண்டுதல்: இது வேலை செய்யவில்லை, எனக்கு இந்த பிழை கிடைக்கிறது.
ChatGPT: ஆ, என் தவறு, குறியீட்டை திருத்தலாம்.
நான் இந்த தவறை மீண்டும் செய்ய மாட்டேனா? அதே தவறை மீண்டும் செய்து AI-இன் உதவியை நாட அதிக வாய்ப்புள்ளது. அறிவை உள்வாங்குவதற்கும், தவறிழைப்பதன் மூலம் கற்றுக்கொள்வதற்கும் உள்ள வாய்ப்பு பெரிதும் குறைக்கப்படுகிறது.
கணக்கீட்டு செயல்முறையின் 99% எனக்குத் தெரிந்தால், ஆனால் இறுதி 1% ஐ அடைய முடியாவிட்டால், நான் நன்றாக குறியீடு செய்திருக்கிறேனா? நான் சோர்வாக இருப்பதால் என் மூளையை AI க்கு ஒப்படைக்கிறேன். நான் மிக முக்கியமான பகுதியை AI க்கு ஒப்படைக்கிறேன், எனக்குத் தெரியாத மற்றும் செய்ய முடியாத பகுதியை.
குறியீடு-நட்பு, மயக்கமற்ற சூழலை கொள்ளையடிப்பது
உலகில் பல டெவலப்பர்கள் உள்ளனர். உலகின் மறுபக்கத்தில் உள்ள ஒரு டெவலப்பர் என்னைப் போலவே அதே பிழையை அனுபவித்திருக்க அதிக வாய்ப்புள்ளது. ஆனால் அந்த டெவலப்பர் அதே சூழ்நிலையில் பிழையை அனுபவித்தாரா? அவர்கள் எழுதிய குறியீடு நான் எழுதிய குறியீடா? அது வேறுபட்டதாக இருக்கும். முற்றிலும் மாறுபட்ட சூழ்நிலைகளில் அதே பிழை ஏற்படலாம்.
AI சுற்றியுள்ள சூழலைப் பற்றிய தகவலுக்கான அணுகலைத் தடுக்கிறது. இது நான் அனுப்பும் குறியீட்டை மட்டும் பிழைத்திருத்தம் செய்கிறது மற்றும் அந்தக் குறியீட்டைப் பற்றிய தகவலை வழங்குகிறது, ஆனால் குறியீட்டை எழுதத் தேவையான செயல்முறையைக் காட்டாது.
‘நிச்சயமாக, விரிவான விளக்கத்தைக் கேட்க நீங்கள் பிராம்ப்ட் எஞ்சினியரிங் பயன்படுத்தலாம், இல்லையா?’
உங்கள் கையை உங்கள் இதயத்தில் வைத்து, நீங்கள் எவ்வளவு சோர்வாக இருந்தீர்கள் மற்றும் குறியீட்டை நகலெடுத்து ஒட்டினீர்கள் என்று யோசித்துப் பாருங்கள்.
ஒரு பிழையைத் தேடி விசாரிக்க, உங்களுக்கு முன் அறிவு தேவை. இந்த முன் அறிவைப் பற்றி எனக்கு எல்லாம் தெளிவாகத் தெரியுமா? இந்த வலைப்பதிவு வெவ்வேறு சூழ்நிலைகளை விளக்குகிறது, மேலும் அந்த வலைப்பதிவு வெவ்வேறு சூழ்நிலைகளை விளக்குகிறது. இந்த சூழ்நிலைகள் அனைத்தையும் நான் புரிந்துகொள்கிறேனா? Google இல் தேடும்போது, மற்ற தகவல்களைக் கண்டறிய ‘ஆஹா ~ அது என் சூழ்நிலையிலிருந்து வேறுபட்டது’ என்பதைப் படித்துப் புரிந்துகொள்ள வேண்டும்.
தேடும் இந்த எளிய செயல் கூட டெவலப்பர்களை குறியீடுக்கு மிகவும் நட்பாக மாற்றும்.
ChatGPT அதே இல்லையா? குறியீடாக்கம் செய்யும் போது நீங்கள் தொடர்ந்து பயன்படுத்தினால், அது அதே விஷயம் இல்லையா?
மயக்கமற்ற சூழலின் முக்கியத்துவம்
மயக்கமற்ற சூழலுக்கான சிறந்த உதாரணம் வீட்டுச் சூழல்.
இங்கே இரண்டு குழந்தைகள் இருக்கிறார்கள். அவர்கள் வெவ்வேறு குடும்பங்களில் வளர்ந்து வருகிறார்கள். ஒரு குழந்தை பறவை பறந்து செல்வதைப் பார்த்து பெற்றோரிடம் கேட்கிறது:
‘அம்மா (அப்பா), அந்த பறவை என்ன?’
பெற்றோரின் பதில்கள் வேறுபடுகின்றன:
- ஒரு காக்கை.
- அது என்ன வகையான பறவை என்று எனக்கு ஆர்வமாக இருந்தது, அதனால் நான் அதைத் தேடினேன். இது ஒரு காக்கையாகவோ அல்லது காகமாகவோ இருக்கலாம், ஆனால் இது ஒரு காக்கை போல் தெரிகிறது.
முதலாவது குடும்பம் ஒரு நேரடி பதிலையும் நடைமுறை தீர்வையும் வழங்குகிறது.
இரண்டாவது குடும்பம் ஒரு மறைமுக பதிலையும் பதிலைப் ஆராய்வதற்கான ஆக்கபூர்வமான அணுகுமுறையையும் வழங்குகிறது.
இந்த குழந்தைகள் வெவ்வேறு சூழல்களில் வளர்க்கப்பட்டால் அவர்கள் எப்படி வளர்வார்கள்?
முதல் குடும்பத்தைச் சேர்ந்த குழந்தை சரியான பதிலைக் கண்டுபிடிப்பதில் திறமையாக இருக்கும், ஆனால் பதில் எளிதில் கிடைக்காத சிக்கல்களைக் கையாள்வதில் திறமையாக இருக்காது. → ChatGPT
இரண்டாவது குடும்பத்தைச் சேர்ந்த குழந்தை ஒரு எளிய பதிலைக் கண்டுபிடிக்க அதிக நேரம் எடுக்கலாம், ஆனால் பதில் எளிதில் கிடைக்காத சிக்கல்களைப் பற்றி யோசிப்பதில் அதிக வசதியாக இருக்கும். → தேடல் மற்றும் கற்றல் (Google)
மயக்கமற்ற சூழல் இந்த வழியில் உருவாகிறது மற்றும் அன்றாட வாழ்க்கையின் அனைத்து அம்சங்களிலும் பயன்படுத்தப்படுகிறது.
மேம்பாடு என்றால் என்ன என்று நினைக்கிறீர்கள்? நான் அது பிந்தையது என்று நினைக்கிறேன், ஆனால் நான் விருப்பத்தை ஒவ்வொரு தனிநபரிடமும் விட்டுவிடுவேன்.
மேலே இருப்பது பிராய்டின் பனிப்பாறை மாதிரியின் படம். நம்மைச் சுற்றியுள்ளவர்களாலும், நாம் தொடர்பு கொள்ளும் அனைத்தாலும் நாம் மயக்கமற்று பாதிக்கப்படுகிறோம். ‘இப்போதெல்லாம் ஏ உணவு சுவையாக இருக்கிறது’ என்று யாரோ ஒருவர் கடந்து செல்வதை நாம் கவனிக்காவிட்டாலும், ‘ஏ உணவு சுவையாக இருக்கிறது’ என்ற ஆழமற்ற விழிப்புணர்வை அது விதைக்கிறது. பின்னர் நாம் ஏ உணவைப் பார்க்கும்போது, அது உண்மையில் இருப்பதை விட சுவையாக சாப்பிடலாம், அல்லது அது நம் எதிர்பார்ப்புகளை பூர்த்தி செய்யவில்லை என்றால் நாம் அதிகமாக ஏமாற்றமடையலாம். யாரோ ஒருவர் கடந்து செல்வதைக் கேட்காததோடு ஒப்பிடும்போது இது ஒரு குறிப்பிடத்தக்க வித்தியாசத்தை உருவாக்குகிறது.
மேம்பாட்டைப் பற்றிய தகவல்களைத் தேடும்போது நான் சந்தித்த சிறிய தகவல் கூட - நான் உணர்வுபூர்வமாக பார்க்காத தகவல் - இறுதியில் ஒரு சொத்தாக மாறும். மயக்கம் நாம் நினைப்பதை விட அதிக தாக்கத்தை ஏற்படுத்துகிறது.
முடிவில்: எனது மேம்பாட்டு தத்துவம்
எனது முடிவு என்னவென்றால், ‘LLMகளை படிக்கும்போது முடிந்தவரை தவிர்க்க வேண்டும், ஆனால் உற்பத்தி நடவடிக்கைகளுக்கு பயன்படுத்தலாம்.’
நாம் AI க்கு பிந்தைய சகாப்தத்திற்கு ஏற்றவாறு மாற வேண்டும், AI ஐ எவ்வாறு பயன்படுத்துவது என்று கற்றுக்கொள்ள வேண்டும், அதன் தாக்கத்தை நேரில் அனுபவிக்க வேண்டும், மேலும் AI குறித்து ஒரு நேர்மறையான மற்றும் விமர்சன கண்ணோட்டத்தை பராமரிக்க வேண்டும். AI இறுதியில் நம் வேலைகளை எடுக்கும் என்பதை நாம் அங்கீகரிக்க வேண்டும், மேலும் நம் வேலைகளை எடுப்பதைத் தவிர வேறு என்ன தாக்கங்கள் இருக்கலாம் என்பதை எப்போதும் கருத்தில் கொள்ள வேண்டும். நாம் AI ஐப் பயன்படுத்தும் முறை நம் வாழ்க்கைக்கும் நம் சிந்தனைக்கும் உதவியாக இருக்கிறதா என்று சிந்திப்போம், மேலும் AI க்கு நம் மூளையை ஒப்படைப்பதை தவிர்க்கவும்.
பல குழப்பங்களுக்குப் பிறகு, நான் இறுதியாக எனது மேம்பாட்டு தத்துவத்தை நிறுவியுள்ளேன்:
ஒவ்வொரு குறியீட்டு வரியிலும் என் எண்ணங்களைப் புகுத்துங்கள். வெறும் எளிய எழுத்துக்கள் அல்லது வாக்கியங்களை உருவாக்க வேண்டாம், மாறாக என் தத்துவம் மற்றும் சிந்தனையால் அவற்றைப் புகுத்துங்கள்.
அதுதான் AI க்கும் எனக்கும் உள்ள வித்தியாசம்.
அனைவருக்கும் நல்வாழ்த்துக்கள்!
கூடுதல்: பலவீனமான மன உறுதியை கையாளுதல், LLM தளங்களைத் தடுப்பது
பலவீனமான மன உறுதி ஒரு நோய். மன உறுதியின்மையால் ஏற்படும் பலவீனமான மன உறுதியை குணப்படுத்த மன உறுதியைப் பயன்படுத்துவது தர்க்கரீதியானது அல்ல. புகைபிடிப்பதை, குடிப்பதை அல்லது அது போன்ற பழக்கங்களை விட்டுவிட மற்ற செயல்களை அறிமுகப்படுத்துவது சரியானது.
அதேபோல், LLM தளங்களைத் தடுப்பது என் மன ஆரோக்கியத்திற்கு நல்லது என்று நினைத்தேன். Mac இல் தடுப்பதற்கான எனது முறை பின்வருமாறு:
பின்வரும் குறியீட்டை முனையத்தில் உள்ளிடவும்:
உள்ளீட்டு பயன்முறைக்கு மாற i ஐ அழுத்தவும். கீழே உள்ள படத்தில் இருப்பதைப் போலவே, 127.0.0.1 ஹோஸ்டில் பின்வருவனவற்றைச் சேர்க்கவும். முகவரியை உள்ளிட்ட பிறகு Tab ஐ அழுத்தவும்.
உள்ளீட்டு பயன்முறையிலிருந்து வெளியேற ESC ஐ அழுத்தவும், சேமிக்க :wq ஐ உள்ளிடவும். இது DNS (Domain Name System) ஐப் பயன்படுத்துகிறது, மேலும் ‘127.0.0.1 chatGPT.com’ என்பது chatGPT.com ஐ முகவரிப் பட்டியில் உள்ளிடுவது 127.0.0.1 (என் கணினியின் சேவையக ஹோஸ்ட்) ஐ அணுகும் என்று பொருள்.
நம் பலவீனமான மன உறுதியை ஒன்றாக குணப்படுத்துவோம்!