உருவாக்க செயற்கை நுண்ணறிவு: அனைத்தும்

உருவாக்க செயற்கை நுண்ணறிவு பற்றி நீங்கள் தெரிந்து கொள்ள வேண்டிய அனைத்தும்

படங்களை உருவாக்குவது முதல், செயற்கை நுண்ணறிவு நேர்காணலுக்குத் தயாராவது வரை, உருவாக்க செயற்கை நுண்ணறிவின் (Generative AI) பயன்பாட்டை நீங்கள் அறிந்திருக்கலாம்.

OpenAI-ன் முன்னணி தயாரிப்பான ChatGPT மற்றும் Google Gemini, Microsoft Copilot, Anthropic-ன் Claude போன்ற சிறந்த ChatGPT மாற்றுகள் உருவாக்க செயற்கை நுண்ணறிவு மாதிரிகளுக்கான சிறந்த எடுத்துக்காட்டுகள்.

உருவாக்க செயற்கை நுண்ணறிவு தொழில்நுட்பம் பலரின் தனிப்பட்ட மற்றும் தொழில் வாழ்க்கையில் ஒரு ஒருங்கிணைந்த பகுதியாக ஊடுருவியுள்ளது. ஆனால் உருவாக்க செயற்கை நுண்ணறிவு (பொதுவாக GenAI என்று சுருக்கமாக அழைக்கப்படுகிறது) என்றால் என்ன? மற்ற வகை செயற்கை நுண்ணறிவுகளிலிருந்து இது எவ்வாறு வேறுபடுகிறது? இது எப்படி வேலை செய்கிறது? நீங்கள் இன்னும் ChatGPT-யிடம் கேள்வி கேட்கவில்லை என்றால், இந்தப் படித்தபின் உங்களுக்கு பதில் கிடைக்கும்.

உருவாக்க செயற்கை நுண்ணறிவு என்றால் என்ன?

ஒரு செய்தியாளராக இருக்கும் எனக்கு எதிராக இருந்தாலும், உருவாக்க செயற்கை நுண்ணறிவை வரையறுக்க ChatGPT-யை அழைப்பது என்று முடிவு செய்துள்ளேன்:

"உருவாக்க செயற்கை நுண்ணறிவு என்பது ஒரு வகை செயற்கை நுண்ணறிவு, இது ஏற்கனவே இருக்கும் தரவுகளிலிருந்து வடிவங்களைக் கற்றுக்கொள்வதன் மூலம் உரை, படங்கள், இசை அல்லது குறியீடு போன்ற புதிய உள்ளடக்கத்தை உருவாக்குகிறது. இது உற்பத்தி எதிர்ப்பு நெட்வொர்க்குகள் (GANs) மற்றும் டிரான்ஸ்ஃபார்மர்கள் போன்ற மாதிரிகளைப் பயன்படுத்தி கலை, வடிவமைப்பு, எழுத்து மற்றும் பிற துறைகளில் ஆக்கப்பூர்வமான பயன்பாடுகளை ஆதரிக்கும் யதார்த்தமான, மனிதனைப் போன்ற வெளியீடுகளை உருவாக்குகிறது."

அல்லது, இன்னும் எளிமையாகச் சொல்வதானால்: உள்ளடக்கத்தை உருவாக்கும் செயற்கை நுண்ணறிவு உருவாக்க செயற்கை நுண்ணறிவு ஆகும்.

"உருவாக்க செயற்கை நுண்ணறிவு" என்ற சொல் சமீபத்திய ஆண்டுகளில் பிரபலமாக இருந்தாலும், இதன் கருத்து நீண்ட காலமாக உள்ளது. 1950-களில், கணினி விஞ்ஞானி ஆர்தர் சாமுவேல் "இயந்திர கற்றல்" என்ற வார்த்தையை உருவாக்கினார், இது உருவாக்க செயற்கை நுண்ணறிவின் முன்னோடியாகக் கருதப்படலாம்.

பல தசாப்தங்களாக ஆராய்ச்சி மற்றும் ஆய்வுகள் நடந்து வந்தாலும், இன்று நாம் அறிந்த உருவாக்க செயற்கை நுண்ணறிவின் மிகப்பெரிய முன்னேற்றம் ஒரு தசாப்தத்திற்கு முன்பு நடந்தது, பொறியாளர் இயன் குட்பெல்லோ உருவாக்கிய உற்பத்தி எதிர்ப்பு நெட்வொர்க்குகளுக்கு (GANs, மேலே உள்ள வரையறையில் உள்ளது போல) நன்றி.

இதைத் தொடர்ந்து 2017-ல் Google விஞ்ஞானிகளால் முன்மொழியப்பட்ட "டிரான்ஸ்ஃபார்மர் கட்டமைப்பு" உள்ளது, இது இன்று பொதுவாகப் பயன்படுத்தப்படும் உருவாக்க செயற்கை நுண்ணறிவு கருவிகளுக்கான அடிப்படையாகும்.

உருவாக்க செயற்கை நுண்ணறிவின் பயன்பாட்டு நிகழ்வுகள்

ChatGPT, Gemini, Copilot அல்லது Claude போன்ற பிரபலமான சாட்போட் கருவிகளை நீங்கள் பயன்படுத்தியிருந்தால், உருவாக்க செயற்கை நுண்ணறிவை நீங்கள் அனுபவித்திருக்கிறீர்கள். உதாரணமாக, நீங்கள் உணவகத்திற்கான பரிந்துரைகள், கட்டுரை எழுத உதவி அல்லது ஒரு வீட்டு உரிமையாளருக்கு புகார் கடிதம் எழுத ஒரு மாதிரி கேட்கும்போது.

இது பொழுதுபோக்கு (அசல் கவிதைகள் மற்றும் பாடல்களை உருவாக்குவது அல்லது அற்புதமான படங்களை உருவாக்குவது) முதல் தொழில்முறை பயன்பாடுகள் (விளக்கக்காட்சிகளை உருவாக்குவது, தயாரிப்பு மாதிரிகளை வடிவமைப்பது, உத்திகளை உருவாக்குவது) மற்றும் உயிர்களைக் காப்பாற்றும் சாத்தியம் (மருந்து கண்டுபிடிப்பு) வரை பரந்த பயன்பாடுகளைக் கொண்டுள்ளது.

சமூக ஊடக போக்குகள் உதாரணமாக உங்களை ஒரு பொம்மையாக காட்சிப்படுத்துவது, அல்லது உங்கள் செல்லப்பிராணி நாயை ஒரு மனிதனாக மாற்றுவது உருவாக்க செயற்கை நுண்ணறிவின் தயாரிப்புகளே ஆகும்.

இருப்பினும், உருவாக்க செயற்கை நுண்ணறிவு முறையற்ற வழிகளிலும் பயன்படுத்தப்படுகிறது. தவறான தகவல்களைப் பரப்புவதற்கும், மற்றவர்களின் நற்பெயரைக் கெடுப்பதற்கும் அல்லது பாலியல் மிரட்டி பணம் பறிக்க "ஆபாசப் படங்கள்" உருவாக்குவதற்கும் "ஆழமான போலிகள்" பயன்படுத்தப்படுகின்றன. உருவாக்க செயற்கை நுண்ணறிவின் விரைவான அதிகரிப்பு பலரைப் பயமுறுத்துவதற்கு இதுவே ஒரு காரணம், குறிப்பாக இந்த தொழில்நுட்பம் மிகவும் யதார்த்தமாகவும் பயன்படுத்த எளிதாகவும் இருக்கும்போது.

உருவாக்க செயற்கை நுண்ணறிவின் வேலை செய்யும் முறை

நிகழ்தகவு மாடலிங் மற்றும் அதிக பரிமாண வெளியீட்டின் சிக்கலான தன்மையைப் பற்றி நான் ஆழமாக விவாதிக்க மாட்டேன். உண்மையில், அதைச் சுருக்கமாகச் சொன்னால், உருவாக்க செயற்கை நுண்ணறிவு மாதிரிகள் இரண்டு முக்கிய செயல்பாடுகளைச் செய்கின்றன என்று நீங்கள் நினைக்கலாம்.

முக்கிய பணி பெரிய தரவுத் தொகுப்புகளிலிருந்து வடிவங்களைக் கற்றுக்கொள்வது. இந்த தரவுத் தொகுப்புகளில் உரை, படங்கள், வலைப்பக்கங்கள், குறியீடு மற்றும் மாதிரிக்கு உள்ளிடக்கூடிய எதுவும் அடங்கும்; இது பொதுவாக "பயிற்சி" என்று அழைக்கப்படுகிறது.

பின்னர், செயற்கை நுண்ணறிவு மாதிரி இந்தத் தரவுகளில் உள்ள முறைகளை அடையாளம் கண்டு, அறிவு மற்றும் தொழில்நுட்பத்தைப் பற்றிய அறிவைப் பெறுகிறது. உதாரணமாக, எல்லா காலத்திலும் சிறந்த 100 திகில் நாவல்கள் மாடலுக்கு உள்ளிடப்பட்டால், அந்த புத்தகங்களில் உள்ள பொதுவான அமைப்பு, மொழி, கருப்பொருள்கள் மற்றும் கதை சொல்லும் முறைகளை இது ஒன்றுக்கொன்று மேற்கோள் காட்டி எடுக்கும்.

அடுத்து, அது புதிய உள்ளடக்கத்தை உருவாக்க இந்த பயிற்சியைப் பயன்படுத்துகிறது. எனவே, உங்கள் அடுத்த விடுமுறையைத் திட்டமிட ChatGPT-யிடம் நீங்கள் கேட்கும்போது, அது சேகரித்த அனைத்து தகவல்களையும் எடுத்து "கற்றல் நிகழ்தகவு விநியோகம்" என்ற முறையைப் பயன்படுத்தி பதில்களை உருவாக்கும்.

எழுத்துப்பூர்வமான பதில்களுக்கு, தெரிந்த தரவைப் பயன்படுத்தி வாக்கியத்தில் அடுத்த பொருத்தமான வார்த்தையைத் தேர்ந்தெடுப்பதன் மூலம் ஒவ்வொரு வார்த்தையாகச் செய்கிறது. அல்லது படங்களுக்கு, டிரான்ஸ்ஃபார்மர் அடிப்படையிலான மாதிரிகளைப் பயன்படுத்தும் உருவாக்க செயற்கை நுண்ணறிவு கருவிகள் பார்ப்பதற்கு எண்ணற்ற உண்மையான படங்களின் நிறம் மற்றும் கலவையைப் பெறும். உதாரணமாக, ஒரு கார்ட்டூனை உருவாக்க Midjourney-யிடம் கேட்டால், துல்லியமான தேவைகளைப் பூர்த்தி செய்யும் உள்ளடக்கத்தை உருவாக்க முன்பு பெற்ற பயிற்சி மாதிரிகள் அனைத்தையும் கருத்தில் கொள்ளலாம்.

"செயற்கை நுண்ணறிவு" மற்றும் "உருவாக்க செயற்கை நுண்ணறிவு" ஆகிய இரண்டு சொற்களும் அடிக்கடி குழப்பப்படுகின்றன. செயற்கை நுண்ணறிவு என்பது அனைத்து வகையான செயற்கை நுண்ணறிவையும் உள்ளடக்கிய ஒரு சொல். உருவாக்க செயற்கை நுண்ணறிவு என்பது செயற்கை நுண்ணறிவின் ஒரு கிளை ஆகும், இது உள்ளடக்கத்தை உருவாக்கக்கூடிய செயற்கை நுண்ணறிவு கருவிகளை குறிப்பாகக் குறிக்கிறது.

IBM-ன் சதுரங்க கணினி "டீப் ப்ளூ" ஒரு பிரபலமான உதாரணம், இது 1997-ல் கேரி காஸ்பரோவை (Garry Kasparov) தோற்கடித்தது, அவர் வரலாற்றில் சிறந்த சதுரங்க வீரர்களில் ஒருவர். "டீப் ப்ளூ" சதுரங்க நகர்வுகளைக் கற்றுக்கொள்வதற்கும், ஆட்டத்தை மதிப்பிடுவதற்கும் மற்றும் மூலோபாய முடிவுகளை எடுப்பதற்கும் குறியீட்டு செயற்கை நுண்ணறிவு என்று அழைக்கப்படுவதைப் பயன்படுத்தியது, ஆனால் அதை உருவாக்க செயற்கை நுண்ணறிவு என்று வகைப்படுத்த முடியாது, ஏனெனில் இது எதையும் புதிதாக உருவாக்கவில்லை.

உருவாக்க செயற்கை நுண்ணறிவு இல்லாத மற்றொரு பொதுவான உதாரணம் பாகுபாடான செயற்கை நுண்ணறிவு ஆகும். இது உங்கள் ஸ்மார்ட்ஃபோன் ஆல்பத்தில் உள்ள புகைப்படங்களை தொகுக்க அல்லது ஸ்பேமை அடையாளம் கண்டு உங்கள் இன்பாக்ஸில் இருந்து மறைக்க முகத்தை அடையாளம் காணும் மென்பொருளில் பயன்படுத்தப்படுகிறது.

எனவே, ChatGPT, Copilot மற்றும் Gemini போன்ற சாட்போட்கள் பரந்த செயற்கை நுண்ணறிவு வகையின் கீழ் வருவதைப்போலத் தோன்றினாலும், அவை உருவாக்க செயற்கை நுண்ணறிவு மாதிரிகள் என்று வகைப்படுத்தப்படுகின்றன.

உருவாக்க செயற்கை நுண்ணறிவின் சவால்கள்

மேலே குறிப்பிடப்பட்ட உருவாக்க செயற்கை நுண்ணறிவின் தீங்கிழைக்கும் பயன்பாட்டைத் தவிர, உருவாக்க செயற்கை நுண்ணறிவின் பிற குறைபாடுகள் தொழில்நுட்பத்தின் செயல்பாட்டு முறையில் இயற்கையாகவே உருவாகின்றன. இந்த மாதிரிகள் பயிற்சி செய்யப்படும் தகவல்களின் அடிப்படையில் நல்லது அல்லது கெட்டது. நம்புங்கள் அல்லது நம்பாதீர்கள், காலாவதியான, தவறான அல்லது முற்றிலும் தவறான இணையத்தில் ஏராளமான தகவல்கள் உள்ளன. இந்த சாட்போட்கள் அனைத்தும் உண்மையாக உறிஞ்சப்பட்டு பின்னர் திருப்பி அளிக்கப்படும். இந்த பிழைகள் "மாயத்தோற்றம்" என்றும் அழைக்கப்படுகின்றன.

அதே காரணத்திற்காக, உருவாக்க செயற்கை நுண்ணறிவு மாதிரிகள் வலுவூட்டல் சார்பு அல்லது ஒரே மாதிரியான கருத்துக்களில் சிக்கக்கூடும். ChatGPT தானே ஒரு உதாரணத்தைக் கொடுத்தது: "உரையிலிருந்து படத்திற்கு மாதிரி பொதுவாக ‘நர்ஸ்’ போன்ற தொழில்களைப் பெண்களுடன் தொடர்புபடுத்துகிறது, அதே நேரத்தில் ‘தலைமை நிர்வாகி’யை ஆண்களுடன் தொடர்புபடுத்துகிறது."

மாணவர்கள் கட்டுரைகள் மற்றும் ஆய்வேடுகளை எழுத ChatGPT போன்ற கருவிகளைப் பயன்படுத்துவதில் கல்வி நிறுவனங்கள் எப்போதும் திணறி வருகின்றன. இது ஆக்கப்பூர்வமான தொழில்களுக்கு ஏற்படுத்தும் சிக்கல் உருவாக்க செயற்கை நுண்ணறிவு எழுத்தாளர்கள், நடிகர்கள், இசைக்கலைஞர்கள் மற்றும் கலைஞர்களை முழுவதுமாகத் தேவையற்றதாக ஆக்குமா என்பது ஒரு நிலையான விவாதமாக உள்ளது.

உருவாக்க செயற்கை நுண்ணறிவு ஆக்கப்பூர்வமான தொழில்களை மறுவடிவமைக்கும் திறனைக் கொண்டுள்ளது, மேலும் தொழிலாளர் சந்தையில் அதன் தாக்கம் குறித்த கவலைகளை எழுப்புகிறது. இயந்திரத்தால் உருவாக்கப்பட்ட உள்ளடக்கத்தின் திறன் எதிர்கால பொருளாதாரத்தில் மனித திறன்கள் மற்றும் படைப்பாற்றல் ஆகியவற்றின் மதிப்பு பற்றிய முக்கியமான கேள்விகளை எழுப்புகிறது.

விளம்பரத்திற்கு அப்பாற்பட்டது: உருவாக்க செயற்கை நுண்ணறிவின் எதிர்கால பாதை

உருவாக்க செயற்கை நுண்ணறிவு பற்றிய விவாதங்கள் பெரும்பாலும் அதன் செயல்பாடுகள் மற்றும் சாத்தியமான ஆபத்துக்களை மையமாகக் கொண்டிருந்தாலும், அதன் பரந்த தாக்கத்தையும் அதன் பாதையை வடிவமைக்கும் முக்கிய விஷயங்களையும் கருத்தில் கொள்வது அவசியம். கருத்தில் கொள்ள வேண்டிய சில முக்கிய அம்சங்கள் இங்கே:

நெறிமுறை பரிசீலனைகள் மற்றும் பொறுப்பான மேம்பாடு

உருவாக்க செயற்கை நுண்ணறிவு பெருகிய முறையில் சக்திவாய்ந்ததாக மாறுவதால், அதன் மேம்பாடு மற்றும் வரிசைப்படுத்துவதில் நெறிமுறை பரிசீலனைகள் வழிகாட்டுவது மிகவும் முக்கியமானது. சார்பு, தவறான தகவல் மற்றும் அறிவுசார் சொத்து போன்ற சிக்கல்களை இந்த தொழில்நுட்பங்களின் பொறுப்பான மற்றும் நெறிமுறை பயன்பாட்டை உறுதிப்படுத்த கவனமாகக் கவனிக்க வேண்டும். வெளிப்படைத்தன்மை, பொறுப்புக்கூறல் மற்றும் நியாயத்திற்கு முன்னுரிமை அளிப்பது உருவாக்க செயற்கை நுண்ணறிவு அமைப்புகள் மற்றும் அவற்றின் வெளியீடு மீதான நம்பிக்கையை உருவாக்குவதற்கு இன்றியமையாதது.

மனித-இயந்திர ஒத்துழைப்பு

உருவாக்க செயற்கை நுண்ணறிவின் எதிர்காலம் மனிதர்களை முழுவதுமாக மாற்றுவதில் இல்லை, மாறாக மனித திறன்களை மேம்படுத்துவதற்கும் மனித-இயந்திர ஒத்துழைப்பை வளர்ப்பதற்கும் உள்ளது. செயற்கை நுண்ணறிவின் பலத்தைப் பயன்படுத்தி மீண்டும் மீண்டும் செய்யும் பணிகளை தானியக்கமாக்குவதற்கும், யோசனைகளை உருவாக்குவதற்கும் மற்றும் நுண்ணறிவுகளை வழங்குவதற்கும், மனிதர்கள் முக்கியமான சிந்தனை, உணர்ச்சி நுண்ணறிவு மற்றும் கள நிபுணத்துவம் தேவைப்படும் உயர் மட்ட நடவடிக்கைகளில் கவனம் செலுத்தலாம். இந்த கூட்டு அணுகுமுறை உற்பத்தித்திறன் மற்றும் புதுமையின் புதிய திறனை திறக்க முடியும்.

தொழில்துறை மாற்றம் & புதிய வாய்ப்புகள்

சுகாதாரம் மற்றும் நிதி முதல் பொழுதுபோக்கு மற்றும் கல்வி வரை பல்வேறு தொழில்களை உருமாற்றும் திறன் உருவாக்க செயற்கை நுண்ணறிவுக்கு உள்ளது. செயல்முறைகளை தானியக்கமாக்குதல், அனுபவங்களைத் தனிப்பயனாக்குதல் மற்றும் புதிய ஆக்கப்பூர்வமான சாத்தியக்கூறுகளைத் திறப்பதன் மூலம், நிறுவனங்கள் உருவாக்க செயற்கை நுண்ணறிவைப் பயன்படுத்தி திறனை மேம்படுத்தலாம், செலவுகளைக் குறைத்து, போட்டி நன்மையைப் பெறமுடியம். இந்த தொழில்நுட்பங்களுக்கு வணிகங்கள் ஏற்ப இருப்பதால், வேலைப் பாத்திரங்கள் மாறக்கூடும் என்று எதிர்பார்க்கப்படுகிறது, உருவாக்க செயற்கை நுண்ணறிவு அமைப்புகளை மேம்படுத்துதல், வரிசைப்படுத்துதல் மற்றும் பராமரிப்பதற்குத் தேவையான நிபுணத்துவத்திற்கு புதிய வாய்ப்புகளை உருவாக்கும்.

திறன் மேம்பாடு & தொழிலாளர் சக்தி வளர்ச்சி

உருவாக்க செயற்கை நுண்ணறிவு பெருகிய முறையில் பரவலாக இருப்பதால், ஒரு புதுப்பிக்கப்பட்ட வேலை சந்தையில் செழித்து வளர தனிநபர்கள் புதிய திறன்களையும் திறன்களையும் பெற வேண்டும். விமர்சன சிந்தனை, சிக்கல் தீர்வு, படைப்பாற்றல் மற்றும் தகவல் தொடர்பு போன்ற திறன்களை வளர்ப்பதில் கவனம் செலுத்தப்பட வேண்டும், அத்துடன் செயற்கை நுண்ணறிவின் நெறிமுறை தாக்கங்கள் மற்றும் பொறுப்பான பயன்பாடு பற்றிய புரிதல். திறன் மேம்பாடு மற்றும் பயிற்சி திட்டங்கள் ஊழியர்கள் புதிய வேலைப் பாத்திரங்களுக்குத் தயாராகவும், உருவாக்க செயற்கை நுண்ணறிவால் ஏற்படும் வாய்ப்புகளைப் பயன்படுத்தவும் உதவும்.

சவால்களை எதிர்கொள்ளல் & அபாயங்களைக் குறைத்தல்

உருவாக்க செயற்கை நுண்ணறிவுக்கு சவால்கள் மற்றும் அபாயங்கள் இல்லாமல் இல்லை. சார்பு, தவறான தகவல் மற்றும் துஷ்பிரயோகம் போன்ற சிக்கல்களை எதிர்கொள்ள தொழில்நுட்ப உத்தரவாதங்கள், ஒழுங்குமுறை கட்டமைப்புகள் மற்றும் பொது விழிப்புணர்வு பிரச்சாரங்கள் உட்பட பலதரப்பட்ட முயற்சிகள் தேவை. உருவாக்க செயற்கை நுண்ணறிவு அமைப்புகளின் தாக்கம் குறித்த தொடர்ச்சியான கண்காணிப்பு மற்றும் மதிப்பீடு சாத்தியமான எதிர்மறையான விளைவுகளை அடையாளம் கண்டு குறைப்பதில் அவசியம்.

முடிவு: பொறுப்பான புதுமையை ஏற்றுக் கொள்ளுதல்

உருவாக்க செயற்கை நுண்ணறிவு ஒரு தொழில்நுட்ப முன்னேற்றத்தின் குறிப்பிடத்தக்க பாய்ச்சலைக் குறிக்கிறது, இது ஒவ்வொரு தொழில்களுக்கும் தனிநபர்களுக்கும் ஏராளமான சாத்தியக்கூறுகளை வழங்குகிறது. நெறிமுறை சிக்கல்களை நிவர்த்தி செய்து, மனித-இயந்திர ஒத்துழைப்பை வளர்ப்பது, தொழில்துறை மாற்றத்தை ஏற்றுக்கொள்வது, திறன் மேம்பாட்டில் முதலீடு செய்வது மற்றும் சவால்களை எதிர்கொள்வதன் மூலம் உருவாக்க செயற்கை நுண்ணறிவின் முழு நன்மைகளையும் அதிலுள்ள ஆபத்துக்களைக் குறைக்கும் அதே நேரத்தில் திறக்க முடியும். உருவாக்க செயற்கை நுண்ணறிவின் சாத்தியக்கூறுகளை நாங்கள் தொடர்ந்து ஆராய்வதால், புதுமையை ஒரு பொறுப்பானதும், மனிதனை மையமாகக் கொண்டதும் கொண்ட மனநிலையுடன் அணுகுவது மிகவும் முக்கியமானது.