செயற்கை நுண்ணறிவின் (AI) இடைவிடாத முன்னேற்றம் டிஜிட்டல் உலகத்தை தொடர்ந்து மறுவடிவமைத்து வருகிறது, மேலும் உற்பத்தித்திறன் மென்பொருள் துறையில் இது மிகவும் தெளிவாகத் தெரிகிறது. முக்கிய தொழில்நுட்ப நிறுவனங்கள் கடுமையான போட்டியில் ஈடுபட்டுள்ளன, ஒவ்வொன்றும் தங்கள் முக்கிய தயாரிப்புகளில் மேலும் அதிநவீன AI செயல்பாடுகளை ஒருங்கிணைக்க முயல்கின்றன. இந்த ஆற்றல்மிக்க சூழலில், Microsoft தனது Microsoft 365 Copilot தளத்திற்கு ஒரு குறிப்பிடத்தக்க மேம்பாட்டை வெளியிட்டுள்ளது, இது ‘ஆழமான ஆராய்ச்சிக்கு’ வெளிப்படையாக வடிவமைக்கப்பட்ட கருவிகளின் தொகுப்பை அறிமுகப்படுத்துகிறது. இது OpenAI, Google மற்றும் Elon Musk-ன் xAI போன்ற போட்டியாளர்களிடமிருந்து வெளிவரும் ஒத்த செயல்பாடுகளுக்கு நேரடி சவாலைக் குறிக்கிறது. இந்த நடவடிக்கை ஒரு பரந்த தொழில்துறை போக்கை அடிக்கோடிட்டுக் காட்டுகிறது: AI சாட்பாட்கள் எளிய கேள்வி-பதில் வழிமுறைகளிலிருந்து சிக்கலான ஆராய்ச்சிப் பணிகளைக் கையாளக்கூடிய சிக்கலான பகுப்பாய்வு கூட்டாளிகளாக பரிணமிக்கின்றன.
புதிய எல்லை: AI ஆராய்ச்சி கூட்டாளியாக
ChatGPT போன்ற சாட்பாட்களால் எடுத்துக்காட்டப்பட்ட உருவாக்கும் AI-யின் ஆரம்ப அலை, முதன்மையாக மனிதனைப் போன்ற உரையை உருவாக்குதல், பரந்த பயிற்சித் தரவுகளின் அடிப்படையில் கேள்விகளுக்கு பதிலளித்தல் மற்றும் ஆக்கப்பூர்வமான எழுத்துப் பணிகளைச் செய்தல் ஆகியவற்றில் கவனம் செலுத்தியது. இருப்பினும், ஆழ்ந்த பகுப்பாய்வு திறன்களுக்கான தேவை விரைவில் வெளிப்பட்டது. பயனர்கள் மேற்பரப்பு-நிலை தகவல் மீட்டெடுப்பிற்கு அப்பால் செல்லக்கூடிய AI உதவியாளர்களைத் தேடினர், பாடங்களில் ஆழமாக ஆராய்ந்து, பல மூலங்களிலிருந்து தகவல்களைத் தொகுத்து, தரவை குறுக்கு-குறிப்பு செய்து, நன்கு ஆதரிக்கப்பட்ட முடிவுகளை அடைய ஒரு வகையான தர்க்கரீதியான பகுத்தறிவில் ஈடுபடுகின்றனர்.
இந்தத் தேவை ‘ஆழமான ஆராய்ச்சி முகவர்கள்’ என்று அடிக்கடி அழைக்கப்படுபவற்றின் வளர்ச்சிக்கு உத்வேகம் அளித்துள்ளது. இவை வெறுமனே வலையை வேகமாகத் தேடுவது மட்டுமல்ல; அவை பெருகிய முறையில் அதிநவீன பகுத்தறிவு AI மாதிரிகளால் இயக்கப்படுகின்றன. இந்த மாதிரிகள் ஒரு குறிப்பிடத்தக்க முன்னேற்றத்தைக் குறிக்கின்றன, பல-படி சிக்கல்களை ‘சிந்திக்க’, சிக்கலான கேள்விகளை நிர்வகிக்கக்கூடிய பகுதிகளாக உடைக்க, தகவல் ஆதாரங்களின் நம்பகத்தன்மையை (ஓரளவு) மதிப்பீடு செய்ய, மற்றும் அவற்றின் செயல்பாட்டின் போது சுய-திருத்தம் அல்லது உண்மைச் சரிபார்ப்பைச் செய்யக்கூடிய ஆரம்ப திறன்களைக் கொண்டுள்ளன. இன்னும் முழுமையடையாத நிலையில் இருந்தாலும், மனித ஆராய்ச்சியின் நுணுக்கமான செயல்முறையைப் பின்பற்றக்கூடிய, மற்றும் சாத்தியமான வகையில் அதிகரிக்கக்கூடிய AI அமைப்புகளை உருவாக்குவதே குறிக்கோள்.
போட்டியாளர்கள் ஏற்கனவே இந்தத் துறையில் தங்கள் உரிமைகோரல்களை முன்வைத்துள்ளனர். GPT மாதிரிகளுடன் OpenAI-யின் முன்னேற்றங்கள், Google-ன் Gemini தளத்தில் அதிநவீன ஆராய்ச்சி அம்சங்களின் ஒருங்கிணைப்பு, மற்றும் xAI-யின் Grok-ன் பகுப்பாய்வு கவனம் அனைத்தும் இந்தப் புதிய முன்னுதாரணத்தை நோக்கிச் சுட்டிக்காட்டுகின்றன. இந்த தளங்கள் AI அதன் ஆராய்ச்சி மூலோபாயத்தைத் திட்டமிட, பல்வேறு தரவுத்தொகுப்புகளில் தேடல்களைச் செயல்படுத்த, கண்டுபிடிப்புகளை விமர்சன ரீதியாக மதிப்பீடு செய்ய, மற்றும் விரிவான அறிக்கைகள் அல்லது பகுப்பாய்வுகளைத் தொகுக்க அனுமதிக்கும் நுட்பங்களுடன் பரிசோதனை செய்கின்றன. அடிப்படை கொள்கை எளிய மாதிரிப் பொருத்தத்தைத் தாண்டி உண்மையான தகவல் தொகுப்பு மற்றும் சிக்கல் தீர்க்கும் திசையில் நகர்வதாகும். Microsoft-ன் சமீபத்திய அறிவிப்பு அதன் Copilot-ஐ இந்த போட்டி அரங்கில் உறுதியாக நிலைநிறுத்துகிறது, அதன் தனித்துவமான சுற்றுச்சூழல் அமைப்பு நன்மைகளைப் பயன்படுத்திக்கொள்ளும் நோக்கில்.
Microsoft-ன் பதில்: Researcher மற்றும் Analyst Copilot-ல் இணைகின்றனர்
இந்த மாறிவரும் நிலப்பரப்புக்கு பதிலளிக்கும் வகையில், Microsoft இரண்டு தனித்துவமான, ஆயினும் நிரப்பு, ஆழமான ஆராய்ச்சி செயல்பாடுகளை Microsoft 365 Copilot அனுபவத்திற்குள் உட்பொதிக்கிறது: Researcher மற்றும் Analyst. இது மற்றொரு அம்சத்தைச் சேர்ப்பது மட்டுமல்ல; இது நிறுவனத்திற்குள் Copilot-ன் பங்கை அடிப்படையில் மேம்படுத்துவதாகும், இது ஒரு பயனுள்ள உதவியாளரிலிருந்து அறிவு கண்டுபிடிப்பு மற்றும் தரவு விளக்கத்திற்கான ஒரு சாத்தியமான சக்தி மையமாக மாற்றுகிறது. இந்த கருவிகளை Microsoft 365 பயனர்களின் பணிப்பாய்வுக்குள் நேரடியாக ஒருங்கிணைப்பதன் மூலம், அன்றாட உற்பத்தித்திறன் பணிகளிலிருந்து சிக்கலான பகுப்பாய்வு ஆழங்களுக்கு தடையற்ற மாற்றத்தை வழங்க நிறுவனம் நோக்கமாகக் கொண்டுள்ளது.
இந்த பெயரிடப்பட்ட முகவர்களின் அறிமுகம் ஒரு மூலோபாய அணுகுமுறையை பரிந்துரைக்கிறது, தேவைப்படும் ஆராய்ச்சிப் பணியின் வகையின் அடிப்படையில் குறிப்பிட்ட செயல்பாடுகளை வேறுபடுத்துகிறது. இந்த நிபுணத்துவம் ஒரு ஒற்றை, பொது-நோக்க ஆராய்ச்சி AI-யுடன் ஒப்பிடும்போது மேலும் வடிவமைக்கப்பட்ட தேர்வுமுறை மற்றும் சாத்தியமான நம்பகமான வெளியீடுகளை அனுமதிக்கலாம். பரந்த சந்தை பகுப்பாய்வு முதல் நுணுக்கமான தரவு விசாரணை வரை - வெவ்வேறு ஆராய்ச்சித் தேவைகள் வித்தியாசமாக சரிசெய்யப்பட்ட AI மாதிரிகள் மற்றும் செயல்முறைகளிலிருந்து பயனடையக்கூடும் என்பதை இது பிரதிபலிக்கிறது.
Researcher-ஐ பிரித்தல்: மூலோபாயத்தை உருவாக்குதல் மற்றும் அறிவைத் தொகுத்தல்
Microsoft விவரித்தபடி, Researcher கருவி, இரண்டு புதிய முகவர்களில் மிகவும் மூலோபாயமானதாக நிலைநிறுத்தப்பட்டுள்ளது. இது தொழில்நுட்பங்களின் சக்திவாய்ந்த கலவையை மேம்படுத்துவதாகக் கூறப்படுகிறது: OpenAI-யிலிருந்து பெறப்பட்ட ஒரு மேம்பட்ட ஆழமான ஆராய்ச்சி மாதிரி, Microsoft-ன் தனியுரிம ‘மேம்பட்ட ஒருங்கிணைப்பு’ நுட்பங்கள் மற்றும் ‘ஆழமான தேடல் திறன்களுடன்’ ஒருங்கிணைக்கப்பட்டுள்ளது. இந்த பன்முக அணுகுமுறை தகவலைக் கண்டுபிடிப்பது மட்டுமல்லாமல், அதை கட்டமைக்கவும், பகுப்பாய்வு செய்யவும், மற்றும் செயல்படக்கூடிய நுண்ணறிவுகளாகத் தொகுக்கவும் வடிவமைக்கப்பட்ட ஒரு AI-யை பரிந்துரைக்கிறது.
Microsoft, Researcher-ன் சாத்தியமான பயன்பாடுகளின் அழுத்தமான எடுத்துக்காட்டுகளை வழங்குகிறது, அதாவது ஒரு விரிவான சந்தைப்படுத்தல் மூலோபாயத்தை உருவாக்குதல் அல்லது ஒரு வாடிக்கையாளருக்கான விரிவான காலாண்டு அறிக்கையை உருவாக்குதல். இவை அற்பமான பணிகள் அல்ல. ஒரு சந்தைப்படுத்தல் மூலோபாயத்தை உருவாக்குவது சந்தை இயக்கவியலைப் புரிந்துகொள்வது, இலக்கு பார்வையாளர்களை அடையாளம் காண்பது, போட்டியாளர்களை பகுப்பாய்வு செய்வது, மதிப்பு முன்மொழிவுகளை வரையறுப்பது, மற்றும் தந்திரோபாயத் திட்டங்களை கோடிட்டுக் காட்டுவது ஆகியவற்றை உள்ளடக்கியது - இது பல்வேறு தகவல் ஓடைகளை ஒன்றிணைத்து குறிப்பிடத்தக்க பகுப்பாய்வு பகுத்தறிவைச் செய்ய வேண்டிய செயல்பாடுகள். இதேபோல், ஒரு வாடிக்கையாளருக்குத் தயாரான காலாண்டு அறிக்கையைத் தயாரிப்பது செயல்திறன் தரவைச் சேகரிப்பது, முக்கிய போக்குகளை அடையாளம் காண்பது, முடிவுகளைச் சூழலாக்குவது, மற்றும் கண்டுபிடிப்புகளைத் தெளிவான, தொழில்முறை வடிவத்தில் வழங்குவது ஆகியவற்றை அவசியமாக்குகிறது.
இதன் உட்பொருள் என்னவென்றால், Researcher இந்த உயர்-நிலை அறிவாற்றல் பணிகளை தானியக்கமாக்க அல்லது கணிசமாக அதிகரிக்க நோக்கமாகக் கொண்டுள்ளது. ‘மேம்பட்ட ஒருங்கிணைப்பு’ என்பது AI வெவ்வேறு தகவல் ஆதாரங்களுடன் எவ்வாறு தொடர்பு கொள்கிறது, ஆராய்ச்சி வினவலை உடைக்கிறது, பணிகளை வரிசைப்படுத்துகிறது, மற்றும் கண்டுபிடிப்புகளை ஒருங்கிணைக்கிறது என்பதை நிர்வகிக்கும் சிக்கலான செயல்முறைகளைக் குறிக்கலாம். ‘ஆழமான தேடல் திறன்கள்’ என்பது நிலையான வலை அட்டவணைப்படுத்தலுக்கு அப்பால் செல்லக்கூடிய திறனைக் குறிக்கிறது, சாத்தியமான வகையில் சிறப்பு தரவுத்தளங்கள், கல்வி இதழ்கள், அல்லது பிற தொகுக்கப்பட்ட தகவல் களஞ்சியங்களைத் தட்டுவது, இருப்பினும் விவரங்கள் ஓரளவு ஒளிபுகாவாகவே இருக்கின்றன. Researcher இந்த வாக்குறுதிகளை நம்பகத்தன்மையுடன் வழங்க முடிந்தால், அது வணிகங்கள் மூலோபாயத் திட்டமிடல், சந்தை நுண்ணறிவு, மற்றும் வாடிக்கையாளர் அறிக்கையிடல் ஆகியவற்றை அணுகும் முறையை வியத்தகு முறையில் மாற்றக்கூடும், மனித ஆய்வாளர்களை உயர்-நிலை தீர்ப்பு மற்றும் முடிவெடுப்பதில் கவனம் செலுத்த விடுவிக்கும். உற்பத்தித்திறன் ஆதாயங்களுக்கான சாத்தியம் மகத்தானது, ஆனால் வெளியீடுகளின் கடுமையான சரிபார்ப்புக்கான தேவையும் அப்படித்தான்.
Analyst: தரவு விசாரணையின் நுணுக்கங்களில் தேர்ச்சி பெறுதல்
Researcher-க்கு துணையாக Analyst கருவி உள்ளது, இது Microsoft-ஆல் குறிப்பாக ‘மேம்பட்ட தரவு பகுப்பாய்வு செய்ய உகந்ததாக’ விவரிக்கப்படுகிறது. இந்த முகவர் OpenAI-யின் o3-mini பகுத்தறிவு மாதிரியில் கட்டமைக்கப்பட்டுள்ளது, இது அளவு சார்ந்த பணிகளுக்கு ஏற்றவாறு தர்க்கரீதியான செயலாக்கம் மற்றும் படி-படி-யான சிக்கல் தீர்க்கும் மீது கவனம் செலுத்துவதைக் குறிக்கும் ஒரு விவரம். Researcher பரந்த மூலோபாயத் தொகுப்பிற்கு ஏற்றதாகத் தோன்றும்போது, Analyst தரவுத்தொகுப்புகளைப் பிரித்து அர்த்தமுள்ள வடிவங்களைக் கண்டறியும் சிக்கலான வேலையில் கவனம் செலுத்துவதாகத் தெரிகிறது.
Microsoft-ஆல் முன்னிலைப்படுத்தப்பட்ட ஒரு முக்கிய பண்பு Analyst-ன் சிக்கல் தீர்க்கும் தொடர்ச்சியான அணுகுமுறை ஆகும். ஒரு ஒற்றை, நேரடி பதிலுக்கு முயற்சிப்பதற்குப் பதிலாக, Analyst படி-படி-யாக சிக்கல்கள் வழியாக முன்னேறுவதாகக் கூறப்படுகிறது, வழியில் அதன் ‘சிந்தனை’ செயல்முறையைச் செம்மைப்படுத்துகிறது. இந்த தொடர்ச்சியான செம்மைப்படுத்துதல் கருதுகோள்களை உருவாக்குதல், தரவுகளுக்கு எதிராக அவற்றைச் சோதித்தல், அளவுருக்களைச் சரிசெய்தல், மற்றும் திருப்திகரமான அல்லது வலுவான பதில் கிடைக்கும் வரை முடிவுகளை மறு மதிப்பீடு செய்தல் ஆகியவற்றை உள்ளடக்கியிருக்கலாம். இந்த முறை மனித தரவு ஆய்வாளர்கள் பெரும்பாலும் எவ்வாறு வேலை செய்கிறார்கள் என்பதைப் பிரதிபலிக்கிறது, உடனடி, சரியானதீர்வை எதிர்பார்ப்பதற்குப் பதிலாக தரவை படிப்படியாக ஆராய்கிறது.
முக்கியமாக, Analyst பிரபலமான நிரலாக்க மொழியான Python-ஐப் பயன்படுத்தி குறியீட்டை இயக்க ஆயத்தமாக உள்ளது. இது ஒரு குறிப்பிடத்தக்க திறனாகும், இது AI-யை சிக்கலான புள்ளிவிவரக் கணக்கீடுகளைச் செய்ய, பெரிய தரவுத்தொகுப்புகளைக் கையாள, காட்சிப்படுத்தல்களை உருவாக்க, மற்றும் எளிய இயற்கை மொழி வினவல்களின் எல்லைக்கு அப்பாற்பட்ட அதிநவீன தரவு பகுப்பாய்வு நடைமுறைகளைச் செயல்படுத்த உதவுகிறது. தரவு அறிவியலுக்கான Python-ன் விரிவான நூலகங்கள் (Pandas, NumPy, மற்றும் Scikit-learn போன்றவை) கோட்பாட்டளவில் Analyst-ஆல் பயன்படுத்தப்படலாம், அதன் பகுப்பாய்வு சக்தியை வியத்தகு முறையில் விரிவுபடுத்துகிறது.
மேலும், Microsoft, Analyst அதன் ‘வேலையை’ ஆய்வுக்காக வெளிப்படுத்த முடியும் என்பதை வலியுறுத்துகிறது. இந்த வெளிப்படைத்தன்மை இன்றியமையாதது. AI அதன் முடிவுகளுக்கு எப்படி வந்தது என்பதைப் புரிந்துகொள்ள பயனர்களை இது அனுமதிக்கிறது - இயக்கப்பட்ட Python குறியீடு, எடுக்கப்பட்ட இடைநிலை படிகள், மற்றும் ஆலோசிக்கப்பட்ட தரவு ஆதாரங்களை ஆராய்வது. இந்த தணிக்கைத்திறன் நம்பிக்கையை வளர்ப்பதற்கும், முடிவுகளைச் சரிபார்ப்பதற்கும், பிழைகளை நீக்குவதற்கும், மற்றும் இணக்கத்தை உறுதி செய்வதற்கும் முக்கியமானது, குறிப்பாக பகுப்பாய்வு முக்கியமான வணிக முடிவுகளைத் தெரிவிக்கும்போது. இது AI-யை ஒரு ‘கருப்புப் பெட்டியிலிருந்து’ மேலும் கூட்டு மற்றும் சரிபார்க்கக்கூடிய பகுப்பாய்வு கூட்டாளியை நோக்கி நகர்த்துகிறது. தொடர்ச்சியான பகுத்தறிவு, Python செயலாக்கம், மற்றும் செயல்முறை வெளிப்படைத்தன்மை ஆகியவற்றின் கலவையானது Microsoft சுற்றுச்சூழல் அமைப்பிற்குள் தரவுகளுடன் விரிவாகப் பணிபுரியும் எவருக்கும் Analyst-ஐ ஒரு சக்திவாய்ந்த கருவியாக நிலைநிறுத்துகிறது.
சுற்றுச்சூழல் அமைப்பு முனை: பணியிட நுண்ணறிவைத் தட்டுதல்
Microsoft-ன் புதிய ஆழமான ஆராய்ச்சி கருவிகளுக்கான மிக முக்கியமான வேறுபாடு, பல தனித்த AI சாட்பாட்களுடன் ஒப்பிடும்போது, ஒரு பயனரின் பணித் தரவுகளுக்கான அவற்றின் சாத்தியமான அணுகலில் உள்ளது, பரந்த பொது இணையத்துடன் இணைந்து. Microsoft 365 சுற்றுச்சூழல் அமைப்புடனான இந்த ஒருங்கிணைப்பு, Researcher மற்றும் Analyst-க்கு வெளிப்புற மாதிரிகள் இல்லாத விலைமதிப்பற்ற சூழலை வழங்கக்கூடும்.
Microsoft வெளிப்படையாகக் குறிப்பிடுகிறது, எடுத்துக்காட்டாக, Researcher மூன்றாம் தரப்பு தரவு இணைப்பிகளைப் பயன்படுத்த முடியும். இந்த இணைப்பிகள் பாலங்களாகச் செயல்படுகின்றன, நிறுவனங்கள் தினசரி நம்பியிருக்கும் பல்வேறு நிறுவன பயன்பாடுகள் மற்றும் சேவைகளில் உள்ள தகவல்களை AI பாதுகாப்பாகப் பெற அனுமதிக்கிறது. மேற்கோள் காட்டப்பட்ட எடுத்துக்காட்டுகளில் Confluence (கூட்டு ஆவணப்படுத்தல் மற்றும் அறிவுத் தளங்களுக்கு), ServiceNow (IT சேவை மேலாண்மை மற்றும் பணிப்பாய்வுகளுக்கு), மற்றும் Salesforce (வாடிக்கையாளர் உறவு மேலாண்மை தரவுகளுக்கு) போன்ற பிரபலமான தளங்கள் அடங்கும்.
சாத்தியக்கூறுகளை கற்பனை செய்து பாருங்கள்:
- ஒரு சந்தைப்படுத்தல் மூலோபாயத்தை உருவாக்கும் பணியில் ஈடுபட்டுள்ள Researcher, Salesforce-லிருந்து உள் விற்பனைத் தரவு, Confluence-லிருந்து திட்டத் திட்டங்கள், மற்றும் ServiceNow-லிருந்து வாடிக்கையாளர் ஆதரவுப் போக்குகள் ஆகியவற்றை அணுகலாம், இந்த தனியுரிமத் தகவலை வலையிலிருந்து பெறப்பட்ட வெளிப்புற சந்தை ஆராய்ச்சியோடு இணைக்கலாம்.
- சமீபத்திய சந்தைப்படுத்தல் பிரச்சாரத்தின் செயல்திறனை மதிப்பீடு செய்யக் கேட்கப்பட்ட Analyst, ஒரு உள் நிதி அமைப்பிலிருந்து செலவுத் தரவு, ஒரு சந்தைப்படுத்தல் ஆட்டோமேஷன் தளத்திலிருந்து ஈடுபாட்டு அளவீடுகள், மற்றும் Salesforce-லிருந்து விற்பனை மாற்றத் தரவு ஆகியவற்றை இழுக்கலாம், இவை அனைத்தும் இந்த இணைப்பிகள் மூலம் எளிதாக்கப்பட்டு, பின்னர் ஒரு விரிவான ROI பகுப்பாய்வைச் செய்ய Python-ஐப் பயன்படுத்தலாம்.
ஒரு நிறுவனத்தின் சொந்தத் தரவின் குறிப்பிட்ட, பாதுகாப்பான சூழலில் ஆராய்ச்சி மற்றும் பகுப்பாய்வை நிலைநிறுத்தும் இந்தத் திறன் ஒரு அழுத்தமான மதிப்பு முன்மொழிவைக் குறிக்கிறது. இது AI-யின் நுண்ணறிவுகளை பொதுவான சாத்தியக்கூறுகளிலிருந்து நிறுவனத்தின் தனித்துவமான சூழ்நிலைக்கு ஏற்றவாறு மிகவும் பொருத்தமான, செயல்படக்கூடிய நுண்ணறிவுக்கு நகர்த்துகிறது. இருப்பினும், இந்த ஆழமான ஒருங்கிணைப்பு தரவு தனியுரிமை, பாதுகாப்பு, மற்றும் ஆளுகை பற்றிய முக்கியமான கருத்தாய்வுகளையும் எழுப்புகிறது. AI முகவர்கள் முக்கியமான உள் தகவல்களை எவ்வாறு அணுகுகிறார்கள் மற்றும் பயன்படுத்துகிறார்கள் என்பதை நிர்வகிக்க நிறுவனங்களுக்கு வலுவான கட்டுப்பாடுகள் மற்றும் தெளிவான கொள்கைகள் தேவைப்படும். தரவு அணுகல் அனுமதிகள் மதிக்கப்படுவதை உறுதி செய்தல், தனியுரிமத் தகவல் கவனக்குறைவாக வெளிப்படுத்தப்படாமல் இருப்பதை உறுதி செய்தல், மற்றும் AI-யின் தரவுப் பயன்பாடு விதிமுறைகளுக்கு (GDPR அல்லது CCPA போன்றவை) இணங்குவதை உறுதி செய்தல் ஆகியவை முதன்மையானதாக இருக்கும். Microsoft-ன் வெற்றி இங்கு அதன் வலுவான பாதுகாப்பு உத்தரவாதங்கள் மற்றும் இந்த தரவு இணைப்புகள் மீதான வெளிப்படையான கட்டுப்பாடுகளை வழங்கும் திறனைப் பெரிதும் சார்ந்துள்ளது.
ஆபத்துக்களைக் கடந்து செல்லுதல்: AI துல்லியத்தின் நீடித்த சவால்
இந்த மேம்பட்ட AI ஆராய்ச்சி கருவிகளின் உற்சாகமான சாத்தியக்கூறுகள் இருந்தபோதிலும், ஒரு குறிப்பிடத்தக்க மற்றும் நீடித்த சவால் பெரியதாக உள்ளது: துல்லியம் மற்றும் நம்பகத்தன்மையின் சிக்கல். Analyst-க்கு அடிப்படையாக இருக்கும் OpenAI-யின் o3-mini போன்ற அதிநவீன பகுத்தறிவு மாதிரிகள் கூட பிழைகள், சார்புகள், அல்லது வெறுமனே ‘மாயத்தோற்றம்’ (hallucination) என்று அறியப்படும் நிகழ்விலிருந்து விடுபடவில்லை.
AI மாயத்தோற்றங்கள், மாதிரி நம்பத்தகுந்ததாகத் தோன்றும் ஆனால் உண்மையில் தவறான, அர்த்தமற்ற, அல்லது முற்றிலும் புனையப்பட்ட வெளியீடுகளை உருவாக்கும்போது நிகழ்கின்றன. இந்த மாதிரிகள் அடிப்படையில் மிகப்பெரிய தரவுத்தொகுப்புகளில் பயிற்சி பெற்ற மாதிரி-பொருந்தும் அமைப்புகள்; அவை உண்மையான புரிதல் அல்லது நனவைக் கொண்டிருக்கவில்லை. இதன் விளைவாக, அவை சில நேரங்களில் நம்பிக்கையுடன் பொய்களைக் கூறலாம், தரவை தவறாகப் புரிந்து கொள்ளலாம், அல்லது வெவ்வேறு மூலங்களிலிருந்து தகவல்களைப் பொருத்தமற்ற முறையில் இணைக்கலாம்.
‘ஆழமான ஆராய்ச்சிக்காக’ வடிவமைக்கப்பட்ட கருவிகளுக்கு, இந்த சிக்கல் குறிப்பாக முக்கியமானது. அபாயங்கள் பின்வருமாறு:
- மூலங்களைத் தவறாகக் குறிப்பிடுதல்: தகவலைத் தவறான வெளியீடு அல்லது ஆசிரியருக்குக் காரணம் கூறுதல், அல்லது மேற்கோள்களை முற்றிலுமாக உருவாக்குதல்.
- தவறான முடிவுகளை வரைதல்: சான்றுகளால் ஆதரிக்கப்படாத தர்க்கரீதியான தாவல்களைச் செய்தல், அல்லது புள்ளிவிவரத் தொடர்புகளைக் காரணமாகத் தவறாகப் புரிந்துகொள்வது.
- சந்தேகத்திற்கிடமான தகவல்களை நம்புதல்: நம்பகமற்ற பொது வலைத்தளங்கள், சார்புடைய மூலங்கள், அல்லது காலாவதியான தகவல்களிலிருந்து விமர்சன மதிப்பீடு இல்லாமல் தரவை இழுத்தல்.
- சார்புகளைப் பெருக்குதல்: பயிற்சித் தரவில் இருக்கும் சார்புகளைப் பிரதிபலித்தல் மற்றும் சாத்தியமான வகையில் பெருக்குதல், இது வளைந்த அல்லது நியாயமற்ற பகுப்பாய்வுகளுக்கு வழிவகுக்கும்.
Microsoft இந்த சவாலை மறைமுகமாக ஒப்புக்கொள்கிறது, Analyst அதன் வேலையைக் காட்டும் திறனை முன்னிலைப்படுத்தி, வெளிப்படைத்தன்மையை ஊக்குவிக்கிறது. இருப்பினும், AI-யின் வெளியீட்டை விமர்சன ரீதியாக மதிப்பீடு செய்ய வேண்டிய பொறுப்பு பயனரின் மீது பெரிதும் உள்ளது. சுயாதீன சரிபார்ப்பு இல்லாமல் Researcher அல்லது Analyst-ஆல் உருவாக்கப்பட்ட அறிக்கைகள் அல்லது பகுப்பாய்வுகளைக் கண்மூடித்தனமாக நம்புவது, சாத்தியமான கடுமையான விளைவுகளுடன் குறைபாடுள்ள முடிவுகளுக்கு வழிவகுக்கும். பயனர்கள் இந்த AI கருவிகளை கவனமான மேற்பார்வை மற்றும் சரிபார்ப்பு தேவைப்படும் சக்திவாய்ந்த உதவியாளர்களாகக் கருத வேண்டும், தவறாத தீர்க்கதரிசிகளாக அல்ல. மாயத்தோற்றத்தைக் குறைப்பதும், உண்மை அடிப்படையை உறுதி செய்வதும் AI ஆராய்ச்சித் துறையில் உள்ள அனைத்து டெவலப்பர்களுக்கும் மிக முக்கியமான தொழில்நுட்பத் தடைகளில் ஒன்றாகும், மேலும் Microsoft-ன் செயலாக்கம் இந்த முக்கிய சிக்கலைக் கையாள்வதில் அதன் செயல்திறனுக்காக உன்னிப்பாகக் கவனிக்கப்படும். வலுவான பாதுகாப்பு வழிகாட்டுதல்களை உருவாக்குதல், AI-யின் செயல்முறைக்குள் சிறந்த உண்மைச் சரிபார்ப்பு வழிமுறைகளைச் செயல்படுத்துதல், மற்றும் தொழில்நுட்பத்தின் வரம்புகளைத் தெளிவாகத் தொடர்புகொள்வது ஆகியவை பொறுப்பான வரிசைப்படுத்தலுக்கு அவசியமானதாக இருக்கும்.
கட்டம் கட்டமான அறிமுகம்: Frontier திட்டம்
இந்த மேம்பட்ட திறன்களின் சோதனைத் தன்மையையும், கவனமான மறு செய்கைக்கான தேவையையும் உணர்ந்து, Microsoft உடனடியாக Researcher மற்றும் Analyst-ஐ அனைத்து Microsoft 365 Copilot பயனர்களுக்கும் வெளியிடவில்லை. அதற்கு பதிலாக, அணுகல் ஆரம்பத்தில் ஒரு புதிய Frontier திட்டம் மூலம் வழங்கப்படும்.
இந்தத் திட்டம், ஆரம்பகால தத்தெடுப்பாளர்கள் மற்றும் ஆர்வலர்கள் பரந்த வெளியீட்டிற்கு பரிசீலிக்கப்படுவதற்கு முன்பு அதிநவீன Copilot அம்சங்களைச் சோதிக்க ஒரு கட்டுப்படுத்தப்பட்ட சூழலாக வடிவமைக்கப்பட்டுள்ளது. Frontier திட்டத்தில் பதிவுசெய்யப்பட்ட வாடிக்கையாளர்கள் Researcher மற்றும் Analyst-க்கான அணுகலைப் பெறும் முதல் நபர்களாக இருப்பார்கள், இது ஏப்ரல் மாதம் தொடங்க திட்டமிடப்பட்டுள்ளது.
இந்த கட்டம் கட்டமான அணுகுமுறை பல மூலோபாய நோக்கங்களுக்கு உதவுகிறது:
- சோதனை மற்றும் பின்னூட்டம்: இது Microsoft-க்கு நிஜ-உலக பயன்பாட்டுத் தரவு மற்றும் ஒரு சிறிய, ஈடுபாடுள்ள பயனர் தளத்திலிருந்து நேரடி பின்னூட்டத்தைச் சேகரிக்க அனுமதிக்கிறது. பிழைகளைக் கண்டறிதல், பயன்பாட்டு சவால்களைப் புரிந்துகொள்வது, மற்றும் கருவிகளின் செயல்திறன் மற்றும் அம்சங்களைச் செம்மைப்படுத்துவது ஆகியவற்றிற்கு இந்த உள்ளீடு விலைமதிப்பற்றது.
- ஆபத்து மேலாண்மை: ஆரம்ப வெளியீட்டைக் கட்டுப்படுத்துவதன் மூலம், சக்திவாய்ந்த ஆனால் சாத்தியமான அபூரண AI தொழில்நுட்பங்களை வரிசைப்படுத்துவதோடு தொடர்புடைய அபாயங்களை Microsoft சிறப்பாக நிர்வகிக்க முடியும். துல்லியம், செயல்திறன், அல்லது எதிர்பாராத நடத்தை தொடர்பான சிக்கல்களை மேலும் கட்டுப்படுத்தப்பட்ட குழுவிற்குள் கண்டறிந்து தீர்க்க முடியும்.
- தொடர்ச்சியான வளர்ச்சி: Frontier திட்டம் ஒரு சுறுசுறுப்பான வளர்ச்சித் தத்துவத்தை உள்ளடக்கியது, இது Microsoft-க்கு இந்த சிக்கலான அம்சங்களை முற்றிலும் உள் சோதனையை விட அனுபவ ஆதாரங்களின் அடிப்படையில் மறு செய்கை செய்ய உதவுகிறது.
- எதிர்பார்ப்பு அமைத்தல்: இவை மேம்பட்ட, சாத்தியமான சோதனை அம்சங்கள் என்பதை பரந்த சந்தைக்கு இது சமிக்ஞை செய்கிறது, அவற்றின் உடனடி முழுமை அல்லது உலகளாவிய பயன்பாடு குறித்த எதிர்பார்ப்புகளை நிர்வகிக்க உதவுகிறது.
மிகவும் மேம்பட்ட AI திறன்களைப் பயன்படுத்த ஆர்வமுள்ள வாடிக்கையாளர்களுக்கு, Frontier திட்டத்தில் சேருவது நுழைவாயிலாக இருக்கும். மற்றவர்களுக்கு, இந்த சக்திவாய்ந்த கருவிகள் Copilot அனுபவத்தின் நிலையான கூறுகளாக மாறுவதற்கு முன்பு நிஜ-உலக சரிபார்ப்புக் காலத்திற்கு உட்படும் என்ற உத்தரவாதத்தை இது வழங்குகிறது. இந்தத் திட்டத்திலிருந்து பெறப்பட்ட நுண்ணறிவுகள் சந்தேகத்திற்கு இடமின்றி Microsoft சுற்றுச்சூழல் அமைப்பிற்குள் AI-இயங்கும் ஆராய்ச்சியின் எதிர்கால பரிணாமத்தை வடிவமைக்கும். உண்மையிலேயே நம்பகமான AI ஆராய்ச்சி கூட்டாளர்களை நோக்கிய பயணம் நடந்து கொண்டிருக்கிறது, மேலும் இந்த கட்டமைக்கப்பட்ட வெளியீடு அந்தப் பாதையில் ஒரு நடைமுறைப் படியைக் குறிக்கிறது.