செயற்கை நுண்ணறிவு மேம்பாட்டின் இடைவிடாத மற்றும் பெரும்பாலும் ஒளிபுகா உலகில், தெளிவை நோக்கிய ஒரு குறிப்பிடத்தக்க முன்னேற்றம் ஏற்பட்டுள்ளது. Amazon நிறுவனத்திடமிருந்து கணிசமான ஆதரவைப் பெற்ற ஒரு ஆராய்ச்சி நிறுவனமான Anthropic, அதன் சமீபத்திய பதிப்பான Claude 3.7 Sonnet மூலம் பெரிய மொழி மாதிரிகளின் (LLMs) உள் செயல்பாடுகள் குறித்த திரையை சற்று விலக்கியுள்ளது. இந்த மாதிரி மற்றொரு படிப்படியான மேம்படுத்தல் மட்டுமல்ல; இது ஒரு சாத்தியமான முன்னுதாரண மாற்றத்தை பிரதிபலிக்கிறது, நிறுவனம் உலகின் முதன்மையான கலப்பின பகுத்தறிவு AI அமைப்பு என்று அழைப்பதை அறிமுகப்படுத்துகிறது. இதன் தாக்கங்கள் தொலைநோக்குடையவை, குறிப்பாக மென்பொருள் பொறியியல் போன்ற சிக்கலான களங்களில் மேம்பட்ட செயல்திறனை மட்டுமல்லாமல், இந்த பெருகிய முறையில் சக்திவாய்ந்த டிஜிட்டல் மனங்களின் முடிவெடுக்கும் பாதைகளில் மிகவும் தேவையான வெளிப்படைத்தன்மையையும் உறுதியளிக்கின்றன.
முக்கிய கண்டுபிடிப்பு Claude 3.7 Sonnet-இன் இரண்டு தனித்துவமான செயல்பாட்டு முறைகளை தடையின்றி ஒன்றிணைக்கும் திறனில் உள்ளது: உரையாடல் AI-யிடமிருந்து பொதுவாக எதிர்பார்க்கப்படும் பதில்களின் விரைவான உருவாக்கம், மற்றும் மிகவும் ஆழமான, திட்டமிட்ட பகுத்தறிவு திறன். இந்த இரட்டைத்தன்மை பயனர்களுக்கு ஒரு மாறும் அணுகுமுறையை வழங்குகிறது, நேரடியான கேள்விகளுக்கு கிட்டத்தட்ட உடனடி பதில்களுக்கு இடையில் தேர்வு செய்யவும் அல்லது சிக்கலான சிந்தனை செயல்முறைகள் தேவைப்படும் பணிகளுக்கு ஆழமான பகுப்பாய்வு இயந்திரத்தை ஈடுபடுத்தவும் அனுமதிக்கிறது. இந்த நெகிழ்வுத்தன்மை வேகம் மற்றும் அறிவாற்றல் ஆழத்திற்கு இடையிலான நிரந்தர வர்த்தக-பரிமாற்றத்தை மேம்படுத்துவதை நோக்கமாகக் கொண்டுள்ளது, கையிலுள்ள பணியின் குறிப்பிட்ட கோரிக்கைகளுக்கு AI-இன் செயல்திறன் சுயவிவரத்தை வடிவமைக்கிறது.
இயந்திரத்தின் உள்ளே எட்டிப்பார்த்தல்: ‘Visible Scratch Pad’-இன் வருகை
Claude 3.7 Sonnet உடன் அறிமுகப்படுத்தப்பட்ட மிகவும் குறிப்பிடத்தக்க அம்சம் ‘Visible Scratch Pad’ ஆகும். பல ஆண்டுகளாக, LLM-களின் உள் கணக்கீடுகள் பெரும்பாலும் புரிந்துகொள்ள முடியாதவையாகவே இருந்தன, ஒரு ‘கருப்பு பெட்டிக்குள்’ செயல்பட்டன, இது ஒரு AI ஒரு குறிப்பிட்ட முடிவுக்கு எப்படி வந்தது என்பதைப் புரிந்து கொள்ள முயன்ற டெவலப்பர்கள், ஆராய்ச்சியாளர்கள் மற்றும் பயனர்களை விரக்தியடையச் செய்தது. Anthropic-இன் கண்டுபிடிப்பு இந்த ஒளிபுகாநிலையை நேரடியாக எதிர்கொள்கிறது.
இந்த அம்சம், உருவகமாக, ஒரு மாணவர் ஒரு சிக்கலான கணிதப் பிரச்சனையில் தனது வேலையைக் காட்ட அனுமதிப்பது போல் செயல்படுகிறது. பல-படி பகுப்பாய்வு தேவைப்படும் சவாலான வினவல்களுடன் முன்வைக்கப்படும்போது, Claude 3.7 Sonnet இப்போது அதன் இடைநிலை எண்ணங்களையும் தர்க்கரீதியான வரிசைகளையும் வெளிப்புறப்படுத்த முடியும். பயனர்கள் மாதிரியின் பகுத்தறிவு சங்கிலியின் பிரதிநிதித்துவத்தைக் கவனிக்கும் திறனைப் பெறுகிறார்கள், சிக்கலின் முறிவு மற்றும் ஒரு தீர்வை நோக்கிய எடுக்கப்பட்ட படிகளைக் காண்கிறார்கள்.
- மேம்படுத்தப்பட்ட நம்பிக்கை மற்றும் பிழைத்திருத்தம்: இந்தத் தெரிவுநிலை நம்பிக்கையை வளர்ப்பதற்கு விலைமதிப்பற்றது. பயனர்கள் AI-இன் தர்க்கத்தைப் பின்பற்ற முடிந்தால், அதன் வெளியீட்டின் செல்லுபடியை மதிப்பிடுவதற்கு அவர்கள் சிறப்பாகத் தயாராக உள்ளனர். டெவலப்பர்களுக்கு, இது ஒரு சக்திவாய்ந்த பிழைத்திருத்தக் கருவியை வழங்குகிறது, பகுத்தறிவு எங்கே தவறாகப் போகக்கூடும் அல்லது சார்புகள் எங்கே ஊடுருவக்கூடும் என்பதைக் கண்டறிவதை எளிதாக்குகிறது.
- கல்வி மற்றும் விளக்க மதிப்பு: ஒரு AI-இன் பதிலுக்குப் பின்னால் உள்ள ‘ஏன்’ என்பதைப் புரிந்துகொள்வது, குறிப்பாக கல்வி அல்லது ஆராய்ச்சி சூழல்களில், பதிலைப் போலவே முக்கியமானதாக இருக்கும். இந்த ஸ்க்ராட்ச் பேட் மாதிரியின் சிக்கல் தீர்க்கும் உத்திகள் பற்றிய நுண்ணறிவுகளை வழங்குகிறது.
- சிக்கலான தன்மையை வழிநடத்துதல்: சிக்கலான தரவு பகுப்பாய்வு, தர்க்கரீதியான கழித்தல் அல்லது ஆக்கப்பூர்வமான சிக்கல் தீர்க்கும் பணிகளுக்கு, AI-இன் சிந்தனை செயல்முறையைக் கவனிப்பது பயனர்கள் தங்கள் தூண்டுதல்களைச் செம்மைப்படுத்த அல்லது மாதிரியை மிகவும் திறம்பட வழிநடத்த உதவும்.
இருப்பினும், இந்த வெளிப்படைத்தன்மை முழுமையானது அல்ல என்பதைக் கவனத்தில் கொள்ள வேண்டும். Anthropic, ஸ்க்ராட்ச் பேடிற்குள் உள்ள சில படிகள், முதன்மையாக பாதுகாப்பு பரிசீலனைகளுக்காக அல்லது மாதிரியின் கட்டமைப்பின் தனியுரிம கூறுகளைப் பாதுகாக்க, திருத்தப்படலாம் அல்லது எளிமைப்படுத்தப்படலாம் என்பதை ஒப்புக்கொள்கிறது. ஆயினும்கூட, பகுதித் தெரிவுநிலையை நோக்கிய நகர்வு கூட LLM செயல்பாடுகளின் பாரம்பரியமாக மூடப்பட்ட தன்மையிலிருந்து ஒரு குறிப்பிடத்தக்க புறப்பாட்டைக் குறிக்கிறது.
இயந்திரத்தை நுண்-சரிசெய்தல்: டெவலப்பர் கட்டுப்பாடு மற்றும் பொருளாதார பரிசீலனைகள்
பயனர் எதிர்கொள்ளும் வெளிப்படைத்தன்மையை பூர்த்தி செய்வது டெவலப்பர்களுக்கு வழங்கப்படும் ஒரு புதிய கட்டுப்பாட்டு அடுக்கு ஆகும். Anthropic ஒரு சறுக்கு அளவுகோல் பொறிமுறையை அறிமுகப்படுத்தியுள்ளது, இது ஒரு டோக்கன் அடிப்படையிலான இடைமுகம் வழியாக நிர்வகிக்கப்படுகிறது, இது டெவலப்பர்கள் எந்தவொரு பணிக்கும் மாதிரிக்கு ஒதுக்கப்பட்ட ‘பகுத்தறிவு பட்ஜெட்டை’ மாற்றியமைக்க அனுமதிக்கிறது.
இந்த அம்சம் AI-ஐ அளவில் பயன்படுத்தும் நடைமுறை யதார்த்தங்களை ஒப்புக்கொள்கிறது. ஆழமான, பல-படி பகுத்தறிவு கணக்கீட்டு ரீதியாக விலை உயர்ந்தது. ஒவ்வொரு பணிக்கும் மாதிரியின் முழு பகுப்பாய்வு சக்தி தேவையில்லை. ஒதுக்கப்பட்ட வளங்களை சரிசெய்ய ஒரு வழியை வழங்குவதன் மூலம், டெவலப்பர்கள் வெளியீட்டின் விரும்பிய தரம் அல்லது ஆழத்திற்கும் அதனுடன் தொடர்புடைய கணக்கீட்டு செலவுகளுக்கும் (மற்றும், அதன் விளைவாக, நிதி செலவினங்களுக்கும்) இடையில் ஒரு திட்டமிட்ட சமநிலையை ஏற்படுத்த முடியும்.
- வள ஒதுக்கீட்டை மேம்படுத்துதல்: நிறுவனங்கள் இப்போது AI வரிசைப்படுத்தல் குறித்து மேலும் சிறுமணி முடிவுகளை எடுக்க முடியும். எளிய பணிகளை குறைந்தபட்ச பகுத்தறிவு பட்ஜெட்டில் செயலாக்கலாம், வளங்களைச் சேமிக்கலாம், அதே நேரத்தில் சிக்கலான மூலோபாய பகுப்பாய்வுகள் மாதிரியின் திறன்களின் முழு ஆழத்தையும் பயன்படுத்திக் கொள்ளலாம்.
- அளவிடுதல் மற்றும் செலவு மேலாண்மை: தடைசெய்யும் செயல்பாட்டுச் செலவுகளைச் சந்திக்காமல் அதிநவீன AI-ஐ பல்வேறு பணிப்பாய்வுகளில் ஒருங்கிணைக்க விரும்பும் நிறுவனங்களுக்கு இந்தக் கட்டுப்பாடு இன்றியமையாதது. இது AI முயற்சிகளுக்கு மிகவும் கணிக்கக்கூடிய பட்ஜெட் மற்றும் வள திட்டமிடலை அனுமதிக்கிறது.
- தனிப்பயனாக்கப்பட்ட பயன்பாட்டு செயல்திறன்: வெவ்வேறு பயன்பாடுகளுக்கு வெவ்வேறு தேவைகள் உள்ளன. ஒரு வாடிக்கையாளர் சேவை சாட்போட் வேகம் மற்றும் செலவு-செயல்திறனுக்கு முன்னுரிமை அளிக்கலாம், அதே நேரத்தில் ஒரு அறிவியல் ஆராய்ச்சி கருவி எல்லாவற்றிற்கும் மேலாக துல்லியம் மற்றும் ஆழத்திற்கு முன்னுரிமை அளிக்கலாம். சறுக்கு அளவுகோல் இந்தத் தனிப்பயனாக்கத்தை செயல்படுத்துகிறது.
இந்த பொருளாதார மற்றும் செயல்பாட்டு நெகிழ்வுத்தன்மை போட்டி AI நிலப்பரப்பில் ஒரு முக்கிய வேறுபாடாக நிரூபிக்கப்படலாம், குறிப்பாக நடைமுறை, அளவிடக்கூடிய AI தீர்வுகளைத் தேடும் வணிகங்களுக்கு ஈர்க்கிறது.
டிஜிட்டல் பட்டறையில் ஆதிக்கம்: குறியீடு உருவாக்கத்தில் சிறந்து விளங்குதல்
Claude 3.7 Sonnet-இன் திறன்கள் தத்துவார்த்த பகுத்தறிவு மற்றும் வெளிப்படைத்தன்மைக்கு அப்பால் நீண்டுள்ளன; அவை உறுதியான செயல்திறன் ஆதாயங்களாக மொழிபெயர்க்கப்படுகின்றன, குறிப்பாக கோடிங் மற்றும் மென்பொருள் மேம்பாட்டின் கோரும் துறையில். Anthropic, போட்டியாளர்களை விட, குறிப்பாக OpenAI-இன் o3-mini மாதிரியை விட, நவீன நிரலாக்கத்திற்கு மையமான பணிகளில் தெளிவான நன்மையைக் குறிக்கும் பெஞ்ச்மார்க் முடிவுகளை வெளியிட்டுள்ளது.
SWE-Bench கோடிங் சோதனையில், நிஜ-உலக GitHub சிக்கல்களைத் தீர்க்கும் திறனை மதிப்பிடுவதற்கு வடிவமைக்கப்பட்ட ஒரு கடுமையான மதிப்பீட்டில், Claude 3.7 Sonnet ஒரு ஈர்க்கக்கூடிய 62.3% துல்லியத்தை அடைந்தது. இந்த எண்ணிக்கை OpenAI-இன் ஒப்பிடக்கூடிய மாதிரியின் அறிவிக்கப்பட்ட 49.3% துல்லியத்தை கணிசமாக மிஞ்சுகிறது. இது குறியீடு சூழலைப் புரிந்துகொள்வது, பிழைகளைக் கண்டறிவது மற்றும் சரியான குறியீடு இணைப்புகளை உருவாக்குவது ஆகியவற்றில் உயர்ந்த திறனைக் குறிக்கிறது - மென்பொருள் பொறியியலில் மிகவும் மதிக்கப்படும் திறன்கள்.
மேலும், ஏஜென்டிக் பணிப்பாய்வுகளின் துறையில், AI அமைப்புகள் தன்னாட்சி முறையில் செயல்களின் வரிசைகளைச் செய்வதை உள்ளடக்கியது, Claude 3.7 Sonnet சிறந்த செயல்திறனையும் வெளிப்படுத்தியது. TAU-Bench-இல், இது 81.2% மதிப்பெண் பெற்றது, OpenAI-இன் 73.5% உடன் ஒப்பிடும்போது. இந்த பெஞ்ச்மார்க், கருவிகள், API-கள் மற்றும் டிஜிட்டல் சூழல்களுடன் தொடர்பு கொண்டு சிக்கலான பணிகளைச் செய்து முடிக்கும் மாதிரியின் திறனைச் சோதிக்கிறது, இது ஆட்டோமேஷனுக்கான மிகவும் திறமையான மற்றும் நம்பகமான AI ஏஜென்ட்களைக் குறிக்கிறது.
- மென்பொருள் மேம்பாட்டிற்கான தாக்கங்கள்: கோடிங் பெஞ்ச்மார்க்குகளில் அதிக துல்லியம் டெவலப்பர்களுக்கான சாத்தியமான உற்பத்தித்திறன் ஆதாயங்களாக நேரடியாக மொழிபெயர்க்கப்படுகிறது. Claude போன்ற AI உதவியாளர்கள் குறியீட்டுத் தளங்களை எழுதுவதிலும், பிழைதிருத்தம் செய்வதிலும், பராமரிப்பதிலும் மிகவும் நம்பகமான கூட்டாளர்களாக மாறக்கூடும்.
- ஏஜென்டிக் திறன்களை மேம்படுத்துதல்: TAU-Bench-இல் வலுவான செயல்திறன் மிகவும் தன்னாட்சி AI அமைப்புகளை உருவாக்குவதில் Anthropic-இன் கவனத்தை அடிக்கோடிட்டுக் காட்டுகிறது. குறைந்தபட்ச மனித தலையீட்டுடன் சிக்கலான, பல-படி பணிகளை நிர்வகிக்கக்கூடிய AI ஏஜென்ட்களின் பார்வையை உணர்ந்து கொள்வதற்கு இந்தத் திறன் முக்கியமானது.
- போட்டி பெஞ்ச்மார்க்கிங்: இந்த முடிவுகள் Anthropic-ஐ நடந்துகொண்டிருக்கும் ‘AI ஆயுதப் போட்டியில்’, குறிப்பாக குறியீடு உருவாக்கம் மற்றும் மேம்பாட்டுக் கருவிகளின் வணிக ரீதியாக முக்கியத்துவம் வாய்ந்த பகுதியில் வலுவாக நிலைநிறுத்துகின்றன.
கட்டமைப்பை மறுவடிவமைத்தல்: கருப்பு பெட்டி முன்னுதாரணத்திற்கு அப்பால்
பல தசாப்தங்களாக, பல அதிநவீன AI மாதிரிகளின் நிலவும் கட்டமைப்பு அவற்றின் ‘கருப்பு பெட்டி’ தன்மைக்கு பங்களித்தது. பெரும்பாலும், எளிமையான, வேகமான செயலாக்க பாதைகள் மிகவும் சிக்கலான, வளம்-செறிந்த பகுத்தறிவு பணிகளிலிருந்து தனித்தனியாக கையாளப்பட்டன. இந்தப் பிரிப்பு திறமையின்மைக்கு வழிவகுக்கும் மற்றும் முழுமையான புரிதலை கடினமாக்கியது. Claude 3.7 Sonnet உடனான Anthropic-இன் திருப்புமுனை இந்த கட்டமைப்பின் ஒரு அடிப்படை மறுவடிவமைப்பிலிருந்து ஓரளவு உருவாகிறது.
Anthropic-இன் CEO, Dario Amodei, இந்த மாற்றத்தை தெளிவாக வெளிப்படுத்தினார்: ‘நாங்கள் பகுத்தறிவை ஒரு தனி திறனாகக் கருதுவதைத் தாண்டிவிட்டோம் - இது இப்போது மாதிரியின் முக்கிய செயல்பாட்டின் ஒரு தடையற்ற பகுதியாகும்.’ இந்த அறிக்கை ஒரு ஒருங்கிணைந்த பகுத்தறிவு கட்டமைப்பை சுட்டிக்காட்டுகிறது. சிக்கலான சிக்கல்களை ஒரு சிறப்பு தொகுதிக்கு மாற்றுவதற்குப் பதிலாக, ஆழமான பகுத்தறிவு திறன்கள் முக்கிய மாதிரியின் இழையில் பின்னப்பட்டுள்ளன.
இந்த ஒருங்கிணைப்பு பல சாத்தியமான நன்மைகளை வழங்குகிறது:
- மென்மையான மாற்றங்கள்: மாதிரி விரைவான பதில்களுக்கும் ஆழமான சிந்தனைக்கும் இடையில் ஒரு தனி அமைப்பை செயல்படுத்துவதற்கான மேல்நிலைச் செலவு இல்லாமல், மிகவும் சரளமாக மாற முடியும்.
- முழுமையான சூழல்: பகுத்தறிவை ஒருங்கிணைத்து வைத்திருப்பது, மாதிரி வெவ்வேறு செயல்பாட்டு முறைகளில் சிறந்த சூழலையும் ஒத்திசைவையும் பராமரிக்க அனுமதிக்கலாம்.
- செயல்திறன் ஆதாயங்கள்: ஆழமான பகுத்தறிவு தீவிரமாக இருந்தாலும், அதை ஒருங்கிணைப்பது மாறுபட்ட அமைப்புகளை நிர்வகிப்பதோடு ஒப்பிடும்போது கட்டமைப்பு ரீதியான செயல்திறன்களைத் திறக்கக்கூடும்.
இந்த கட்டமைப்பு தத்துவம் Anthropic-இன் ஏஜென்டிக் AI-இல் உள்ள முன்னேற்றங்களுடன் ஒத்துப்போகிறது. 2024-இன் தொடக்கத்தில் அறிமுகப்படுத்தப்பட்ட அவர்களின் Computer Use அம்சத்தை அடிப்படையாகக் கொண்டு, இது Claude மாதிரிகள் மென்பொருள் பயன்பாடுகளுடன் ஒரு மனித பயனரைப் போலவே (பொத்தான்களைக் கிளிக் செய்தல், உரையை உள்ளிடுதல்) தொடர்பு கொள்ள உதவியது, புதிய மாதிரி இந்தத் திறன்களை மேம்படுத்துகிறது. மேம்படுத்தப்பட்ட பகுத்தறிவு மற்றும் ஒருங்கிணைந்த கட்டமைப்பு ஏஜென்டிக் பணிப்பாய்வுகளில் காணப்பட்ட பெஞ்ச்மார்க் வெற்றிகளுக்கு பங்களிக்க வாய்ப்புள்ளது.
Anthropic-இன் தலைமை விஞ்ஞானி, Jared Kaplan, இந்த முன்னேற்றங்களின் பாதையை வலியுறுத்தினார், இந்த அடித்தளத்தில் கட்டமைக்கப்பட்ட எதிர்கால AI ஏஜென்ட்கள் பல்வேறு கருவிகளைப் பயன்படுத்துவதிலும், மாறும், கணிக்க முடியாத டிஜிட்டல் சூழல்களை வழிநடத்துவதிலும் பெருகிய முறையில் திறமையானவர்களாக மாறுவார்கள் என்பதை எடுத்துக்காட்டினார். அறிவுறுத்தல்களைப் பின்பற்றுவது மட்டுமல்லாமல், சிக்கலான நோக்கங்களை அடைய வியூகம் வகுத்து மாற்றியமைக்கக்கூடிய ஏஜென்ட்களை உருவாக்குவதே குறிக்கோள்.
மூலோபாய சதுரங்கப் பலகை: போட்டி மற்றும் எதிர்காலப் பாதைகள்
Claude 3.7 Sonnet-இன் வெளியீடு ஒரு வெற்றிடத்தில் நிகழவில்லை. இது கடுமையான போட்டிக்கு மத்தியில் வருகிறது, முதன்மையாக OpenAI உடன், இது அதன் அடுத்த தலைமுறை மாதிரியான GPT-5-ஐ வெளியிடும் என்று பரவலாக எதிர்பார்க்கப்படுகிறது. தொழில் பார்வையாளர்கள் GPT-5 ஒரு வகையான கலப்பின பகுத்தறிவையும் இணைக்கக்கூடும் என்று ஊகிக்கின்றனர், இது Anthropic-இன் தற்போதைய வெளியீட்டை ஆரம்பகால நன்மையை நிலைநிறுத்துவதற்கான ஒரு மூலோபாய ரீதியாக நேரமிடப்பட்ட நடவடிக்கையாக ஆக்குகிறது.
மேம்படுத்தப்பட்ட வெளிப்படைத்தன்மை மற்றும் டெவலப்பர் கட்டுப்பாடுகளுடன் ஒரு கலப்பின மாதிரியை இப்போது சந்தையில் வைப்பதன் மூலம், Anthropic பல இலக்குகளை அடைகிறது:
- மனப்பங்கைப் பெறுதல்: இது நிறுவனத்தை ஒரு புதுமைப்பித்தனாக நிலைநிறுத்துகிறது, குறிப்பாக பகுத்தறிவு, வெளிப்படைத்தன்மை மற்றும் ஏஜென்டிக் திறன்களின் முக்கிய பகுதிகளில்.
- நிஜ-உலகத் தரவைச் சேகரித்தல்: ஆரம்பகால வரிசைப்படுத்தல் Anthropic-க்கு பயனர்கள் மற்றும் டெவலப்பர்கள் இந்த புதிய அம்சங்களுடன் எவ்வாறு தொடர்பு கொள்கிறார்கள் என்பது பற்றிய மதிப்புமிக்க தரவைச் சேகரிக்க அனுமதிக்கிறது, இது எதிர்காலச் செம்மைப்படுத்தல்களுக்குத் தெரிவிக்கிறது.
- பெஞ்ச்மார்க்குகளை அமைத்தல்: ஈர்க்கக்கூடிய கோடிங் பெஞ்ச்மார்க் முடிவுகள் போட்டியாளர்கள் சந்திக்க அல்லது மிஞ்சுவதற்கு ஒரு உயர் பட்டியை அமைக்கின்றன.
‘Visible Scratch Pad’ மற்றும் பகுத்தறிவு பட்ஜெட் ஸ்லைடர் போன்ற அம்சங்களுக்கான முக்கியத்துவம் வளர்ந்து வரும் போக்குகள் மற்றும் கோரிக்கைகளுடன் நன்கு ஒத்துப்போகிறது:
- விளக்கக்கூடிய AI (XAI): AI அமைப்புகள் முக்கியமான உள்கட்டமைப்பு மற்றும் முடிவெடுக்கும் செயல்முறைகளில் (நிதி, சுகாதாரம், சட்டம் போன்றவற்றில்) மேலும் ஒருங்கிணைக்கப்படுவதால், உலகெங்கிலும் உள்ள ஒழுங்குமுறை அமைப்புகள் (EU அதன் AI சட்டத்துடன்) வெளிப்படைத்தன்மை மற்றும் விளக்கத்தன்மையை பெருகிய முறையில் கோருகின்றன. ஸ்க்ராட்ச் பேட் விளக்கக்கூடிய AI-க்கான இந்தத் தேவையை நேரடியாக நிவர்த்தி செய்கிறது.
- பொருளாதார நம்பகத்தன்மை: பகுத்தறிவு பட்ஜெட் ஸ்லைடர் மூலம் செலவுத் திறனில் கவனம் செலுத்துவது அதிநவீன AI-ஐ பரந்த அளவிலான வணிகங்களுக்கு அணுகக்கூடியதாகவும் நடைமுறைக்குரியதாகவும் ஆக்குகிறது, சோதனை வரிசைப்படுத்தல்களுக்கு அப்பால் அளவிடக்கூடிய செயல்பாட்டு ஒருங்கிணைப்பை நோக்கி நகர்கிறது.
முன்னோக்கிப் பார்க்கும்போது, Anthropic, Claude 3.7 Sonnet இட்ட அடித்தளத்தின் மீது கட்டமைப்பதற்கான தெளிவான வரைபடத்தை கோடிட்டுக் காட்டியுள்ளது:
- நிறுவன குறியீடு திறன்கள்: Claude Code-இன் மேலும் விரிவாக்கம் திட்டமிடப்பட்டுள்ளது, இது நிறுவன மென்பொருள் மேம்பாட்டுக் குழுக்களுக்கு குறிப்பாக மிகவும் சக்திவாய்ந்த மற்றும் வடிவமைக்கப்பட்ட கருவிகளை வழங்குவதை நோக்கமாகக் கொண்டுள்ளது.
- தானியங்கு பகுத்தறிவு கட்டுப்பாடு: நிறுவனம் ஒரு குறிப்பிட்ட பணிக்குத் தேவையான உகந்த பகுத்தறிவு காலம் அல்லது ஆழத்தைத் தானாகவே தீர்மானிக்கக்கூடிய வழிமுறைகளை உருவாக்க உத்தேசித்துள்ளது, இது பல சந்தர்ப்பங்களில் ஸ்லைடர் வழியாக கைமுறை சரிசெய்தலின் தேவையை நீக்குகிறது.
- பல்வகை ஒருங்கிணைப்பு: எதிர்கால மறு செய்கைகள் படங்கள், API-களிலிருந்து தரவு மற்றும் பிற சென்சார் தரவு போன்ற பல்வேறு உள்ளீட்டு வகைகளை தடையின்றி ஒருங்கிணைப்பதில் கவனம் செலுத்தும், இது Claude பல மூலங்களிலிருந்து தகவல்களைப் புரிந்துகொண்டு ஒருங்கிணைக்க வேண்டிய மிகவும் பரந்த அளவிலான சிக்கலான, நிஜ-உலக பணிப்பாய்வுகளைக் கையாள உதவும்.
Jared Kaplan நீண்ட காலப் பார்வை பற்றிய ஒரு பார்வையை வழங்கினார், இது விரைவான வளர்ச்சி வேகத்தைக் குறிக்கிறது: ‘இது ஆரம்பம் தான்,’ என்று அவர் குறிப்பிட்டார். ‘2026 க்குள், AI ஏஜென்ட்கள் கடைசி நிமிட ஆராய்ச்சியிலிருந்து முழு குறியீட்டுத் தளங்களை நிர்வகிப்பது வரை மனிதர்களைப் போலவே பணிகளைக் கையாளுவார்கள்.’ இந்த லட்சிய கணிப்பு, Claude 3.7 Sonnet-இல் காணப்பட்ட கட்டமைப்பு மற்றும் திறன் மேம்பாடுகள் அடுத்த சில ஆண்டுகளுக்குள் அறிவுப் பணி மற்றும் டிஜிட்டல் தொடர்புகளை அடிப்படையில் மறுவடிவமைக்கக்கூடிய உண்மையான தன்னாட்சி மற்றும் அதிக திறன் கொண்ட AI அமைப்புகளை நோக்கிய படிக்கற்கள் என்ற நம்பிக்கையை அடிக்கோடிட்டுக் காட்டுகிறது. பந்தயம் தொடங்கிவிட்டது, மேலும் Anthropic ஒரு மிக முக்கியமான நகர்வைச் செய்துள்ளது.