12. எங்கே செல்லும் இந்தப் பாதை
AI அணுகுமுறையும் சாத்தியங்களும்
நேற்று
கடந்து வந்த பாதையை நிகழ்காலம் வழி நீட்டினால் கிடைப்பதே எதிர்காலத்தின் பாதை!
எனவே கடந்து வந்த பாதையை ஒரு முறை பார்த்துவிடலாம்.
அலன் டியூரிங், ஜான் மக்கார்தி போன்றவர்களின் மனதில் தோன்றிய ஒரு சிந்தனைதான் அனைத்திற்கும் வித்திட்டது. 1950களில், "இயந்திரங்களால் சிந்திக்க முடியுமா?" என்று அவர்கள் கேட்க, செயற்கை நுண்ணறிவை உருவாக்கும் முயற்சி துவங்கியது.
தொடக்க காலகட்டத்தில் மிகுந்த உற்சாகமும் தைரியமான கணிப்புகளும் இருந்தன. மனித அறிவை எட்டிப்பிடிப்பது விரைவிலேயே நடக்கும் என்று ஆராய்ச்சியாளர்கள் நம்பினர். ஆனால், விளைவுகள் எதிர்பார்ப்புக்கு நிகராக இல்லை என்பதால், "AI Winter" என்று அழைக்கப்படும் ஒரு கடினமான சவாலை அவர்கள் எதிர்கொண்டனர்.
ஆனால், அந்த கனவு உயிர் பிழைத்தது. ஒவ்வொரு தசாப்தத்திலும், அடுத்தடுத்து வந்த சிறிய முன்னேற்றங்கள் செயற்கை நுண்ணறிவை உயிர்ப்போடு வைத்தன. மனித விதிமுறைகளைப் பின்பற்றி முடிவெடுக்கும் நிபுணர் முறைமைகள் வந்தன. நரம்பியல் வலையமைப்புகள் மனித மூளையைப் போல செயல்படலாம் என முயன்றன. வேகமான கணினி வல்லமையும் பெரிய தரவுத்தளமும் செயற்கை நுண்ணறிவை மீண்டும் பயன்பாட்டுக்குக் கொண்டு வந்தன.
21ம் நூற்றாண்டு, மிகப்பெரிய முன்னேற்றங்களை கொண்டு வந்தது. தரவுகளை நேரடியாகக் கற்றுக்கொள்ளும் கற்பனை முறைமைகள் உருவாயின. இயற்கை மொழிச் செயலாக்கமானது இயந்திரங்களுக்கு மனித தகவல்தொடர்பைப் புரிந்துகொள்ள வழி செய்தது. கணினிப் பார்வை (computer vision) அவற்றின் கண்களை திறந்து உலகத்தைப் பார்க்கச் செய்தது.
(படம் 1)
திடீரென, செயற்கை நுண்ணறிவுப் பயன்பாடுகள் எங்கும் நிறைந்தது - குரல் உதவியாளர்கள் (voice assistant) முதல் சுயசார் வாகனங்கள் (self driving cars) வரை, விளையாட்டுக்கான செயற்கை நுண்ணறிவுகள் முதல் மனிதனைப் போன்ற உரையை உருவாக்கும் மொழிமாதிரிகள் வரை.
இன்று, செயற்கை நுண்ணறிவு கொடுத்த வாய்ப்புகளையும் சவால்களையும் கொண்ட ஒரு வாழ்க்கையில் நாம் வந்து நிற்கிறோம். அந்த இயந்திரங்களுக்கு நாமே கட்டுப்படுவோமா அல்லது அவை நமக்கு கட்டுப்பட்டு இருக்குமா என்பதை காலம்தான் நிர்ணயிக்கும்.
இன்று
நிகழ்காலத்தில் ஜென் ஏஐயில் உள்ள சில குறைபாடுகளைப் பார்க்கலாம்:
ஹாலுசினேஷன்கள் (hallucinations):
ஜெனரேடிவ் AI மாதிரிகள் சமயங்களில் புனைந்த தகவல்களையும் உருவாக்கக்கூடும். இதை ஹாலுசினேஷன்கள் என அழைக்கிறோம். எடுத்துக்காட்டாக, அதற்கு தெரியாத நபர் பற்றி கேட்கும் போது உண்மையில் இல்லாத விஷயங்களைக்கோர்த்து அவர் நல்லவர், வல்லவர் என்று எழுதிவிடும்.
ஏன் இப்படி நிகழ்கிறது? அவை கற்றல் தரவுகளிலிருந்து மட்டுமே தகவல்களைப் பெறுகின்றன. எனவே, அவை கற்றல் தரவில் இல்லாத விஷயங்களைப் பற்றி எழுதும்போது அல்லது உருவாக்கும்போது புனைந்த தகவல்களை உருவாக்குகின்றன. கற்றல் தரவுகள் சீர்குலைந்தால் அல்லது குறைவாக இருந்தால், ஹாலுசினேஷன்கள் அதிகரிக்கின்றன.
இன்னொன்றும் நீங்கள் கவனித்திருக்கலாம். சில தகவல்களைக் கோரும்போது என்னுடைய பயிற்சித் தகவல்கள் ஜனவரி 2022ல் தரப்பட்டவை. அதன் பிறகான தகவல்கள் எனக்கு தெரியாது என்று சாட் ஜீபிடி 3.5 சொல்கிறது. இதன் விளைவாக ரிஷி சுனக் யார் என்று கேட்டால் பழைய தகவல்களே கிடைக்கும். “ரிஷி சுனக் ஒரு பிரிட்டிஷ் அரசியல்வாதி ஆவார், அவர் இங்கிலாந்தின் பிரதமராகவும், 2022 முதல் கன்சர்வேடிவ் கட்சியின் தலைவராகவும் பணியாற்றினார்.” என்று அது சொல்லவேண்டுமானால் அதற்கு நாம் தரவுகளைப் புதுப்பிக்கவேண்டும் அது மிகுந்த பொருடசெலவும் நேரச்செலவும் ஆகும் விஷயம் என்பதால் அத்தனை எளிதல்ல.
இதற்கு ஒரு எளித தீர்வு RAG (Retrieval Augmented Generation) மீட்டெடுத்து மேம்படுத்தப்பட்ட உருவாக்கம். இதில் நாம் கேட்கும் கேள்விகளுடன் கூடுதலாக சில தகவல்கள் கொடுக்கப்படுகின்றன. தகவல் கேட்கும் கேள்விக்கு இணையத்திலிருந்து தகவல்கள் எடுத்துக் கொடுக்கப்படும். கணிதம் சம்மந்தப்பட்ட கேள்விக்கு ஒரு கேல்குலேட்டர் தரும் தகவல்கள் இணைக்கப்படும். இப்படி பெறப்படும் தகவல்கள் வைத்து துல்லியமான பதில்களை உருவாக்கிவிடலாம்.
(படம் 2)
AI உருவாக்கிய பிம்பங்களில் கூடுதல் விரல்கள்:
பிம்ப உருவாக்க மாதிரிகள் சமயங்களில் உடல் உறுப்புகளை சரியாக சித்தரிக்காமல், கூடுதல் விரல்கள் அல்லது விரல்களின்றி மனிதக் கைகளை உருவாக்கக்கூடும். இதுபோன்ற பிழைகள் ஏற்படுகின்றன. பிம்ப உருவாக்கத்தில், AI மாதிரிகள் சில சமயங்களில் வரைபடங்களின் கூறுகளையும் அமைப்புகளையும் சரியாகப் புரிந்துகொள்வதில்லை. எனவே, அவை விரல்களின் எண்ணிக்கையை சரியாக அறிய முடியாமல் குழப்பமடைகின்றன. பயிற்சிதான் தீர்வு!
(படம் 3)
பிம்பங்களில் உரை/எழுத்துக்கள் தவறாக இருப்பது (Misspelled text in Images):
பிம்ப உருவாக்க மாதிரிகளின் கட்டமைப்பால் உரையை புள்ளிகளாக (pixels) கருதுவது, கற்றல் தரவுத்தளங்களில் உரை உள்ள பிம்பங்கள் இருப்பதால், அதைப் பின்பற்றுதல் போன்ற காரணங்களால் எழுத்துப்பிழைகள் நேர்கின்றன. எழுத்துகள் இல்லமல் பயிற்சி தரவுகளை வைத்துக்கொள்ளுவதும், எழுத்துகளைத் தனியாகக் கையாளுவதும்தான் தீர்வு!
(படம் 4)
விலங்குகள் மற்றும் பொருட்களின் அபூர்வத் தோற்றங்கள்:
சில சமயங்களில் ஜெனரேடிவ் மாதிரிகள் அசாதாரண அல்லது நிஜமில்லாத விலங்குகள், பயிர்கள் போன்றவற்றை உருவாக்கலாம். இது நிஜத்தை பிரதிபலிக்காது. சில நேரங்களில் அதுவே நம் தேவையாக இருக்கலாம். ஆனால் துல்லியமான படம் வேண்டும் எனும்போது நாம் சரிபார்ப்பது அவசியமாகிறது.
தெளிவில்லாத உள்ளடக்கம், பொருந்தாத சூழல் (No Coherence / No Context):
சில சமயங்களில் செயற்கை நுண்ணறிவு உருவாக்கும் உள்ளடக்கம் தெளிவாகவும், சூழலுக்கேற்பவும் இல்லாமல் இருக்கிறது. ஏனெனில் செயற்கை நுண்ணறிவு மாதிரிகள் பெரும்பாலான தரவுகளை அடிப்படையாகக் கொண்டு இயங்குகின்றன. ஒரு வாக்கியத்தில் அடுத்த வார்த்தை எதுவாக இருக்கும் என்பதை கணித்து எழுதுகின்றன. இதனால், வாக்கிய அமைப்பு சரியாக இருந்தாலும், உட் கருத்து பொருந்தாமல் போகலாம்.
எவ்வளவு தரவுகளைப் படித்திருந்தாலும், மனிதர்களுக்கு இருப்பது போன்ற பொது அறிவு அவற்றிற்கு இல்லை. இதனால், கதைகள் அல்லது உள்ளடக்கம் தர்க்கபூர்வமாக இல்லாமல், யதார்த்தத்திற்கு பொருத்தமற்றதாக இருக்கலாம். நீண்ட கட்டுரைகளில், செயற்கை நுண்ணறிவு தொடக்கத்திலிருந்தும் இறுதி வரையிலும் உள்ளடக்கத்தின் தொடர்ச்சியைக் காப்பாற்றுவதில் சிரமப்படலாம். இதனால், ஒரு பகுதியில் சொல்லப்பட்ட விஷயங்களுக்கும், மற்றொரு பகுதியில் சொல்லப்பட்ட விஷயங்களுக்கும் இடையே தொடர்பு இல்லாமல் போகலாம்.
இதனால்தான் நாம் ஏஐ எழுதுவதை அப்படியே பயன்படுத்தக்கூடாது, அதனால் 70-80 சதவிகிதம் வரை மட்டுமே மனிதர்கள் போல எழுத முடியும். எனவே AI நுட்பத்தை துணைக்கு வைத்துக்கொள்ளுங்கள். மனிதர்களுக்கு மாற்றாகக் கருதவேண்டாம்.
நாளை
செயற்கைப் பொது அறிவு (Artificial General Intelligence - AGI):
செயற்கைப் பொது அறிவுத் துறை இன்னும் ஆரம்ப கட்டத்திலேயே இருக்கிறது. இது எதை குறிக்கிறது என்பதற்கு இதுவரை ஒருமித்த கருத்து இல்லை. பொதுவாக, மனிதர்களின் அறிவுத்திறன் மற்றும் தகவல் கொள்ளும் திறனை ஒத்த வகையில் பல்வேறு சிக்கல்களை தீர்க்கும் செயற்கை நுண்ணறிவு என்றே இதை அழைக்கலாம். AGI துறையில் எப்படி இருக்கிறோம் என்று பார்ப்போம்.
தொழில்நுட்ப முன்னேற்றங்கள்: இயந்திர கற்றல் (Machine Learning) மற்றும் ஆழ்கற்றல் (Deep Learning) போன்ற துறைகளில் குறிப்பிடத்தக்க முன்னேற்றங்கள் ஏற்பட்டுள்ளன. இவை AGI அடிப்படைக் கருத்துகளாக இருக்கின்றன. செஸ் விளையாடுதல், பொருட்கள் மற்றும் முகங்களை அடையாளம் காணுதல், நிரல்களை எழுதுதல், நோய்கணிப்பு மற்றும் மருத்துவக் கண்டுபிடிப்புகள் போன்ற பல துறைகளில் செயற்கை நுண்ணறிவு தொழில்நுட்பங்கள் பயன்படுத்தப்பட்டு வருகின்றன. இவை நம் வாழ்க்கையை பலபடிகளாக மேம்படுத்தி வருகின்றன.
தரவுகளை ஆய்வு செய்யவும், முன்னறிவிப்புகள் மேற்கொள்ளவும், முடிவுகளை எடுக்கவும் AI உதவுகிறது. வணிகம், உற்பத்தி, போக்குவரத்து உள்ளிட்ட பல்வேறு துறைகளிலும் AI தொழில்நுட்பங்கள் விரிவாக்கம் அடைந்துள்ளன.
செயற்கை பொது அறிவை (AGI) உருவாக்குவது இன்னும் ஒரு பெரிய சவாலாகவே உள்ளது. மனித அறிவை முழுமையாக அடையும் AI கண்டுபிடிப்பை உருவாக்குவதே அதன் இலக்காகும். மனித மூளையின் முழுமையான செயல்பாடுகளை பிரதியெடுக்க தொழில்நுட்ப முன்னேற்றங்கள் மேலும் தேவைப்படுகின்றன. ஆனால், அதை நோக்கியே நம் பயணம் இருக்கப்போகிறது!
செயற்கைப் பேரறிவு (Artificial Superintelligence - ASI):
செயற்கைப் பேரறிவு என்பது மனித அறிவை விட மிகவும் மேலதிக செயல்திறன் கொண்ட செயற்கை நுண்ணறிவை குறிக்கிறது. இது பொதுவாக மொத்த செயற்கை நுண்ணறிவின் (AGI) அடுத்தகட்ட நிலையாகக் கருதப்படுகிறது.
ASI பற்றிய சிந்தனைகள் மிகவும் கடுமையானவையாகவும், எதிர்காலக் கற்பனையாகவும் உள்ளன. ஏனெனில், மனிதனை விட அதிக திறமைகளையும் வளங்களையும் கொண்டிருக்கும் ASI துரிதமாக தன்னை மேம்படுத்திக்கொள்ள முடியும். இதை "சிங்குலேரிட்டி" (singularity) என்று அழைக்கிறார்கள்.
சிலர் ASI மனித இனத்திற்கு மிகப்பெரிய அச்சுறுத்தலாக இருக்கலாம் என்று கருதுகிறார்கள். ஏனெனில் அது நம்மை கட்டுப்படுத்தி விடக்கூடும். சிலர் ASI மனிதகுல வளர்ச்சிக்கு உதவக்கூடும் என்று நம்புகிறார்கள்.
எதிர்கால ASI கண்டுபிடிப்புகளில் பாதுகாப்பு, அதன் கட்டுப்பாடு மற்றும் மனித நலன் உறுதிப்படுத்தப்பட வேண்டும். இதற்கான விதிமுறைகள் உருவாக்கப்பட வேண்டும்.
ASI வளர்ச்சி பற்றிய சவால்கள் மிகவும் கடினமானவை. அதன் செயல்திறனை முன்கூட்டியே கணிக்க முடியாது. பல விஞ்ஞானிகள் மற்றும் தொழில்நுட்பவியலாளர்கள் ASI குறித்த கவலைகளையும் நம்பிக்கைகளையும் தொடர்ந்து வெளிப்படுத்தி வருகிறார்கள்.
மொத்தத்தில், ASI ஒரு நெருங்கிய சாத்தியமோ அல்லது ஒரு சிக்கலான விஷயமோ என்பது தொடர்ந்து விவாதப் பொருளாக உள்ளது. ஆனால் அதன் வளர்ச்சி எவ்வாறிருப்பினும், பாதுகாப்பு மற்றும் மனித நலனை உறுதிப்படுத்துவது மிக முக்கியமானதாகும்.
இப்போதைக்கு அது ஒரு கற்பனை மட்டுமே! எனவே நம் தலைமுறைக்கு கவலை இல்லை!
நெட்பிளிக்ஸில் black mirror என்று ஒரு தொடர் இருக்கிறது எதிர்கால தொழில் நுட்பங்களின் இருண்ட பக்கங்களைக்காட்டும் தொடர் அது! கொஞ்சம் மனதை கசக்கிப் பிழிகிற விஷயம்தான், ஆனால் நிஜமாகும் சாத்தியத்தை மறுக்க முடியாது! எனவே இது வரை பார்க்கவில்லை என்றால் பார்த்துவிடுங்கள். அந்தக் கெட்ட விளைவுகள் அப்படி நடக்காமல் தடுக்கும் பொறுப்பும் நமக்குத்தான். அதில் செய்யறிவு பற்றி பேசும் சில கதைகள் கீழே:
"Be Right Back" (Season 2, Episode 1): கணவன் ஆஷ் விபத்தில் பலியான பின் அவன் பிரிவைத் தாளாமல் தவிக்கிறாள் மார்த்தா. அவளின் தோழி ஒரு நிறுவனம் பற்றி தகவல் தருகிறாள். அந்த நிறுவனம் ஆஷுக்கும் அவளுக்குமான அந்தரங்க உரையாடல்களை கேட்டு அவனைப்போலவே நடந்துகொள்ளும் ஒரு ஏஐ பிரதியை உருவாக்குகிறது. ஆரம்பத்தில் பிரமிப்பாக இருந்தாலும், போகப் போக நிழல் நிஜமாகாது என்று உணர்கிறாள். 2013ல் வந்தபோது ஆச்சர்யப்படுத்திய கதை, பத்தே வருடத்தில், இப்போது நிஜத்துக்கு வெகு அருகில்.
"White Christmas" (2014 Special): இதில் மூன்று கதைகள் பின்னப்பட்டு இருக்கிறது, அதிலிருந்து ஒரு சாத்தியம் மட்டும் எடுத்துக் கொள்வோம். குக்கி என்று ஒரு சிஸ்டம் இருக்கிறது அதில் மனிதர்களை பிரதியெடுத்து சிறைப்பிடித்து வாட்ட முடியும். அதனுள் காலமும் வேறு விதமாக இயங்கும். நம்முடைய ஒரு நிமிடத்தை அடைபட்டவரின் நான்கு வருடங்களாக்கி அவரைத் துன்புறுத்தலாம். இதுவும் இப்போது ஒரு வகையில் சாத்தியமாகிவிட்டது. மனிதர்களை துன்புறுத்த அல்ல ஏஐக்கு பயிற்சி கொடுக்க. தானாகவே இயங்கக் கற்கும் ஒரு இயந்திரக் கை அமைப்பு ஒரு கனவுலகத்தில் கற்க விடப்படுகிறது அங்கே காலம் வெகு வேகமாக இயங்கும் என்பதால் அது வேகமாக கற்கிறது. அதற்கு சிந்தடிக் டேட்டா பயனாகிறது.
"USS Callister" (Season 4, Episode 1), "Hated in the Nation" (Season 3, Episode 6), "Rachel, Jack and Ashley Too" (Season 5, Episode 3), "Metalhead" (Season 4) என்று சொல்லிக்கொண்டே போகலாம். நான் இத்தோடு நிறுத்திக்கொள்கிறேன்
முகவர்கள்:
பில் கேட்ஸ் 2023 நவம்பர் 9 அன்று தன் வலைப்பதிவில் ஒரு கட்டுரை எழுதியிருக்கிறார் அதன் சாராம்சம் பின்வருமாறு:
AI முகவர்கள் (agents) கணினிகளுடனான நம் பயன்பாட்டு அனுபவத்தை முற்றிலும் மாற்றிவிடும். தற்போதைய கட்டளை வரிகள், மெனுக்கள் மற்றும் குறுக்குவழிகள் ஆகியவற்றை விட இயல்பான மொழி உரையாடலின் மூலம் நாம் கணினிகளுடன் பழக முடியும்.
AI ஏஜண்டுகள் நம் வாக்குறுதிகளை புரிந்துகொண்டு, விரிவான கட்டளைகளாக மாற்றி அவற்றை செயல்படுத்தும். எடுத்துக்காட்டாக, "இன்றைய மிக முக்கியமான செய்திகளை சுருக்கமாக தரவும்" என்று கேட்கலாம். பின்னர் AI முகவர் செய்திகளைத் தேடி சுருக்கி தரும்.
இந்த அடிப்படை உரையாடல் அணுகுமுறை மென்பொருள் தொழில்துறையை முழுவதுமாக மாற்றிவிடும் என்று பில் கேட்ஸ் கருதுகிறார். நிரலாளர்கள் (developers) இயல்பான மொழிக் கட்டளைகளை உருவாக்குவதில் கவனம் செலுத்த வேண்டியிருக்கும்.
மேலும், இந்த முகவர்கள் மனித உரையாடல் பழக்கங்களைக் கற்றுக் கொண்டு, தனிப்பயனாக்கப்பட்ட (personal) அனுபவங்களை வழங்கும். இது கணினிகளுடனான நட்பை வளர்க்கும்.
எனினும், தனியுரிமை மற்றும் பாதுகாப்பு விஷயங்கள், நம்பகத்தன்மை உள்ள தகவல்களை உறுதிசெய்தல் போன்ற சவால்களும் உள்ளன. ஆனால் பில் கேட்ஸ் இதை ஒரு மிகப்பெரிய முன்னேற்றமாகவே பார்க்கிறார்.
பில் கேட்ஸ் பல்வேறு தொழில்துறைகள் செயற்கை நுண்ணறிவு முகவர்களின் மூலம் பயனடையும் என்று குறிப்பிட்டுள்ளார். அவற்றில் சிலவற்றைப் பற்றி விளக்குகிறேன்:
கல்வித்துறை: AI முகவர்கள் மாணவர்களுக்கு தனிப்பயனாக்கப்பட்ட கற்றல் அனுபவத்தை வழங்கும். மாணவர்களின் வலிமைகள் மற்றும் பலவீனங்களைப் புரிந்துகொண்டு அதன்படி கற்பித்தல் முறையை மாற்றிக் கொள்ளும்.
மருத்துவத்துறை: மருத்துவர்களுக்கு நோயாளிகளின் அறிகுறிகளை ஆராயவும், சிகிச்சைகளை பரிந்துரைக்கவும் AI முகவர்கள் உதவும். மேலும், அவை மருந்துகளின் விளைவுகளையும் கண்காணிக்கும்.
வணிகம்: AI முகவர்கள் வாடிக்கையாளர் சேவையில் பயன்படுத்தப்படும். வாடிக்கையாளர்களின் கேள்விகளுக்கு பதிலளிப்பதுடன், விற்பனை மற்றும் சேவைகளையும் மேற்கொள்ளும்.
உற்பத்தித்துறை: தொழிற்சாலைகளில் செயல்முறைகளை கண்காணிப்பதற்கும் கட்டுப்படுத்துவதற்கும் AI முகவர்கள் பயன்படுத்தப்படும்.
போக்குவரத்துத்துறை: AI முகவர்களை வாகனங்களில் பொருத்தி இயக்க முடியும். இதன் மூலம் பாதுகாப்பான செயல்பாடுகளை உறுதிசெய்யலாம். பில் கேட்ஸ் இந்த AI முகவர்களின் மூலம் மனித-கணினி இடைமுகம் எளிதாகி, உற்பத்திதிறனையும் செயல்திறனையும் அதிகரிக்கும் என்று நம்புகிறார்.
இதென்னடா ஏஜெண்ட் என்று யோசிக்கிறீர்களா? இப்போது நாம் கேள்வி கேட்கிறோம், உரையாடி பதில் சொல்கிறது. அந்த பதிலை வைத்து நாம் தொகுத்து செயலாக்குகிறோம். ஏஜெண்ட் இந்த வேலையை தானே செய்துவிடும். இப்படியாக ஏஐ இன்னும் நம்மை இன்னும் நெருங்கி வந்து ஒரு அடியாளாக, அஸிஸ்டெண்டாக கூட நிற்கும்.
எண்ண அலைகள்:
மனித எண்ணங்களை அலைகளாக அறிந்து செயல்படுத்தும் தொழில்நுட்பம் குறித்த ஆராய்ச்சிகள் நடைபெற்று வருகின்றன. இது சாத்தியமாகும் என்றால், மனித-கணினி இடைமுகம் மிகவும் எளிதாகிவிடும்.
ஆனால் தற்போது செயற்கை நுண்ணறிவானது மொழி, குரல் மற்றும் உடல் மொழிகளை அடிப்படையாகக் கொண்டுள்ளது. எனவே நாம் எண்ணுவதை நேரடியாக அறிந்துகொள்ள முடியவில்லை. ஆயினும், நம் எண்ணங்களை வெளிப்படுத்தும் வார்த்தைகள், செயல்கள் மற்றும் உடல்மொழிகளை அடிப்படையாகக் கொண்டு AI முகவர்கள் நம் தேவைகளைப் புரிந்துகொள்ளும்.
எனினும், மூளை அலைகள் மற்றும் நரம்பியல் சிக்னல்களை கையாளும் தொழில்நுட்பங்கள் வளர்ந்து வருகின்றன. எதிர்காலத்தில், செயற்கை நுண்ணறிவை நேரடியாக நம் மூளை அலைகளுடன் இணைக்க முடியும் என்று ஆராய்ச்சியாளர்கள் நம்புகின்றனர். இது மனித-கணினி இடைமுகத்தை மேலும் விரிவுபடுத்தும்.
எனவே கண்டிப்பாக, HCI மற்றும் மூளை-கணினி இடைமுகங்களில் செயற்கை நுண்ணறிவு முக்கிய பங்கு வகிக்கும்.
இன்னும் குவாண்டம் கம்ப்யூட்டிங், மல்டி ஏஜண்ட் கட்டுமானங்கள், ஏபிஐ இணைப்புகள் என்று என்னென்னமோ ஆராய்ச்சிகள் நடைபெற்று வருகின்றன, அதன் வெற்றியெல்லாம் நாம் இனிமேல்தான் பார்க்க வேண்டும்.
செயற்கை நுண்ணறிவு என்பது மனித அறிவின் ஒரு அற்புதமான படைப்பாகும். இது நமது வாழ்க்கையில் புதிய வழிகாட்டியாக, அறிவியல் மற்றும் தொழில்நுட்பத்தின் எல்லைகளை நீட்டிக்கிறது. இதன் மூலம் நாம் எதிர்கொள்ளும் சவால்களை எளிதாக்கி, மேலும் சிறந்த முடிவுகளை அடைய முடியும். எதிர்காலத்தில், செயற்கை நுண்ணறிவு மேலும் பல புதிய பயன்பாடுகளை கண்டறியும், மனித சமூகத்தின் வளர்ச்சிக்கு அவசியமான பங்களிப்பை வழங்கும் என்பதில் சந்தேகமில்லை. இதன் அடிப்படை, சாத்தியங்களை எளிய தமிழில் உங்களுக்கு வழங்கிட முடிந்ததில் மகிழ்ச்சி. வேறு தளங்களில் அடுத்த முயற்சிகளில் சந்திப்போம்!
(முற்றும்)
கருத்துகள்