11
சூழல், கணக்கீடு அல்ல, அடுத்த தலைமுறையின் புத்திசாலித்தனத்தை வரையறுக்கும்
பல ஆண்டுகளாக, AI முன்னேற்றம் அளவீடுகளால் அளவிடப்படுகிறது: பெரிய மாதிரிகள், பெரிய தரவுத்தொகுப்புகள், நீண்ட குறிப்பு சாளரங்கள். ஒவ்வொரு புதிய திருப்புமுனையும் நாம் கணினிக்கு கூடுதல் தரவை வழங்கினால், கூர்மையான நுண்ணறிவுகளைப் பெறுவோம் என்று உறுதியளிக்கிறது.
ஆயினும்கூட, குறைந்தபட்சம் பயிற்சிக்கு வெளியே, இந்த கருத்து சிக்கலில் இயங்குகிறது. மாதிரிகள் நீண்ட சமிக்ஞைகளை உறிஞ்சுவதால், அவை பெரும்பாலும் நம்பகத்தன்மை குறைவாக இருக்கும். தேர்வு செய்ய பல மாதிரிகள் உள்ளன, இது தவறான விஷயத்தில் கவனம் செலுத்துவதற்கான வாய்ப்புகள் அதிகம்.
ஆராய்ச்சியாளர்கள் இந்த சூழல் சுழற்சி என்று அழைக்கிறார்கள்: AI அமைப்பு கூடுதல் தகவல்களைச் செயலாக்குவதால், பொருத்தமற்ற விவரங்கள் அதன் வேலை நினைவகத்தை ஒழுங்கீனமாக்குகின்றன. இதன் விளைவாக குறைவான துல்லியமான பதில்கள், அதிக செலவுகள் மற்றும் நம்பிக்கையின் படிப்படியான அரிப்பு ஆகியவை இருக்கலாம்.
AI-அடிப்படையிலான “மேஜிக் மார்க்கெட்பிளேஸ்” ஐ உருவாக்க மைக்ரோசாப்ட் சமீபத்தில் மேற்கொண்ட சோதனையானது AI எவ்வாறு தோல்வியடையும் என்பதைக் காட்டுகிறது. “பல விருப்பங்கள் இருப்பதால் தற்போதுள்ள மாடல்கள் உண்மையில் மிகப்பெரியதாகி வருவதை நாங்கள் காண்கிறோம்” என்று ஆய்வகத்தின் நிர்வாக இயக்குனர் ஏஸ் கமர் கூறினார்.
சூழல் எப்படி அழுகுகிறது?
பெரும்பாலான நிறுவன தரவு ஆவணங்களில் உள்ளது – PDFகள், அறிக்கைகள் மற்றும் உள் கோப்புகள் மீட்டெடுப்பு-ஆக்மென்ட் ஜெனரேஷன் (RAG) க்காக துண்டுகளாக துண்டாக்கப்படுகின்றன. ஒரு பயனர் ஒரு கேள்வியைக் கேட்கும்போது, கணினியானது சொற்பொருளில் ஒத்ததாகத் தோன்றும் துண்டுகளை மீட்டெடுக்கிறது மற்றும் அவற்றை ஒரு பெரிய மொழி மாதிரிக்கு (LLM) சூழலாக அனுப்புகிறது.
பிரச்சனை என்னவென்றால், ஒற்றுமைக்கு சமமான பொருத்தம் இல்லை. ஒரு துண்டு பொருந்துவதாகத் தோன்றலாம் ஆனால் முக்கிய வரையறைகள் அல்லது விதிவிலக்குகளைத் தவறவிடலாம். கூடுதல் சூழல் இல்லாமல், ஒரு துண்டு வெறுமனே சத்தமாக இருக்கலாம்.
எந்தப் பகுதிகள் உண்மையில் முக்கியமானவை மற்றும் எந்தெந்தப் பகுதிகள் கணினியில் அதிக சத்தத்தை உருவாக்குகின்றன என்பதைப் புரிந்து கொள்ளாமல் AI அதிக தகவல்களைக் கையாளுகிறது.
சிக்கலுக்கான தீர்வு, அதிக உரையைக் குவிப்பது அல்ல, ஆனால் வணிகக் கேள்விக்கு மிகவும் பொருத்தமான உரையைக் கண்டறிவது. இதன் பொருள், துண்டிக்கப்படாத தரவு புள்ளிகள் அல்ல, நிறுவனங்கள் மற்றும் உறவுகளின் வலையமைப்பாக, உலகம் உண்மையில் எவ்வாறு செயல்படுகிறது என்பதைப் பிரதிபலிக்கும் அறிவு அடுக்குடன் AI ஐச் சித்தப்படுத்துவதாகும்.
இணைப்புகளில் சிந்தனை, ஆவணங்கள் அல்ல
மனிதர்கள் உறவுகளில் காரணம் காட்டுகிறார்கள், ஆவணங்களில் அல்ல. ஒரு அறிவு வரைபடம் அந்த இணைப்புகளை தெளிவாகப் பிடிக்கிறது: மக்கள், இடங்கள், தயாரிப்புகள் மற்றும் அவற்றுக்கிடையேயான இணைப்புகள்.
தரவு சேமிக்கப்பட்டு வரைபடமாகத் தேடப்படும்போது, மீட்டெடுப்பு “நெருக்கமான தோராயமான பொருத்தம்” என்பதிலிருந்து “சிறந்த ஆதரிக்கப்படும் பதில்” என மாறுகிறது. உதாரணமாக, ஒரு சட்ட உதவியாளர் ஒப்பந்த உட்பிரிவுகளைப் பற்றி கேட்கலாம்.
ஒரு முக்கிய சொல் அல்லது திசையன் தேடல் பொருத்தமானதாகத் தோன்றும் ஒரு பகுதியைக் கொடுக்கலாம், அதே நேரத்தில் ஒரு வரைபட அடிப்படையிலான அமைப்பு அந்தப் பிரிவு பெரிய வரையறையைச் சேர்ந்தது என்பதை புரிந்துகொண்டு தொடர்புடைய அனைத்து பிரிவுகளையும் மீட்டெடுக்கிறது. பதில் மிகவும் முழுமையானது மற்றும் பொருத்தமானது, மேலும் இது தகவல்களை வெவ்வேறு துண்டுகளாக இணைக்க முயற்சிக்கும் சிக்கலைத் தவிர்க்கிறது.
இறுதி முடிவு என்னவென்றால், பொருத்தமான பதில்களை உருவாக்க மாதிரிக்கு மிகக் குறைவான டோக்கன்கள் தேவைப்படுகின்றன.
வரைபடங்கள் ஏன் நம்பிக்கையை வளர்க்கின்றன?
வெளிப்படைத்தன்மை என்பது வரைபடங்களின் மற்றொரு முக்கிய நன்மை. வெக்டர் உட்பொதித்தல், கணித செயல்முறை AI ஒத்த சொற்களை இணைக்கப் பயன்படுத்துகிறது, இது இயந்திரங்களுக்கு சக்தி வாய்ந்தது ஆனால் மனிதர்களால் முழுமையாகப் படிக்க முடியாது.
மாறாக, வரைபடங்கள் பார்க்கவும் புரிந்துகொள்ளவும் எளிதாக இருக்கும். இது ஒரு முடிவை அடைய கணினி பயன்படுத்திய உண்மைகளின் சரியான சங்கிலியையும், ஆதாரங்கள் மற்றும் அனுமதிகளையும் பதிவு செய்கிறது. மனிதர்களுக்குப் புரியும் வகையில் காட்சிப்படுத்தலாம்.
ஒழுங்குபடுத்தப்பட்ட சூழலில் அந்த கண்டுபிடிப்பு விலைமதிப்பற்றது. ஒரு சில ஒளிபுகா எண்களை மட்டும் சுட்டிக் காட்டாமல், தரவு மூலம் வழியைக் காட்டும்போது, ஏன் முடிவு எடுக்கப்பட்டது என்பதை நியாயப்படுத்துவது மிகவும் எளிதானது. உள்ளமைக்கப்பட்ட ஆளுமை மற்றும் விளக்கத்திறன் ஆகியவை வரைபட அடிப்படையிலான AI நிறுவனத்தை தயார் மற்றும் நம்பகமானதாக ஆக்குகின்றன.
GPT-6 க்காக காத்திருக்க வேண்டாம்
எதிர்கால மாதிரிகள் புத்திசாலித்தனமாக இருக்கும் போது சூழலைப் பற்றி ஏன் கவலைப்பட வேண்டும் என்று சில தலைவர்கள் கேட்கிறார்கள். பெரிய மொழி மாதிரிகள் வேகமாக முன்னேறி வருகின்றன என்பது உண்மைதான். ஆனால் அவர்கள் எவ்வளவு திறமையானவர்களாக இருந்தாலும், உங்கள் தனிப்பட்ட நிறுவன தரவுகளில் அவர்கள் ஒருபோதும் பயிற்சி பெற மாட்டார்கள்.
ஒரு அடித்தள மாதிரியானது, அசாதாரணமான பகுத்தறிவு திறன்களைக் கொண்ட ஒரு தேடுபொறியைப் போலவும் செயல்படுகிறது, ஆனால் உங்கள் நிறுவனத் தகவலின் குறியீடு இல்லை. இது பதில்களை உருவாக்கலாம், ஆனால் சரியான சூழலைக் கொடுக்காமல், உங்கள் அறிவின் எந்தப் பகுதி அதிகாரப்பூர்வமானது, புதுப்பித்துள்ளது அல்லது கேள்விக்கு மிகவும் பொருத்தமானது என்பதை அறிய முடியாது.
எல்எல்எம்கள் இரட்டை இலக்க தொகுதிகளை அடைந்தாலும் கூட, வணிகத்திற்கு தனித்துவமான விஷயங்களை அணுகுவதற்கு அவர்களுக்கு கட்டமைக்கப்பட்ட, பாதுகாப்பான வழி தேவைப்படும்.
அதனால்தான் AI தத்தெடுப்புக்கான தடையானது கணினி சக்தியிலிருந்து தரவு அமைப்புக்கு மாறுகிறது. முக்கிய கேள்வி இனி “நான் எந்த மாதிரியைப் பயன்படுத்த வேண்டும்?” அது “எனது அறிவு எவ்வளவு நன்றாக ஒழுங்கமைக்கப்பட்டுள்ளது?”
வரைபடங்களைப் பயன்படுத்துவதை எளிதாக்குகிறது
வரைபட தரவுத்தளங்கள் ஒரு காலத்தில் கற்றுக்கொள்வது கடினம் என்று அறியப்பட்டது. இது ஒரு தசாப்தத்திற்கு முன்பு உண்மையாக இருந்தது, அணிகள் புதிதாக தங்கள் சொந்த திட்டத்தை கண்டுபிடிக்க வேண்டியிருந்தது. இரண்டு மாற்றங்கள் அவற்றை இன்னும் அணுகக்கூடியதாக மாற்றியுள்ளன.
முதலாவதாக, வரைபட வினவல் மொழி (GQL) இப்போது சர்வதேச ISO தரநிலையாக உள்ளது. SQL பல தசாப்தங்களுக்கு முன்னர் தரப்படுத்தப்பட்ட முதல் புதிய தரவு மொழி இதுவாகும். GQL ஆனது பொறியாளர்களுக்கு SQL உடன் போட்டியிடுவதற்குப் பதிலாக வரைபடத் தரவுகளுடன் பணிபுரிவதற்கான பகிரப்பட்ட அறிவிப்பு மொழியை வழங்குகிறது.
தரநிலைப்படுத்தல் இயங்குதன்மை, தெளிவான ஆவணங்கள் மற்றும் பணியமர்த்தல் நோக்கங்களுக்காக நன்கு வரையறுக்கப்பட்ட திறன் ஆகியவற்றை மேம்படுத்துகிறது.
இரண்டாவதாக, AIக்கு நன்றி, நவீன வரைபட இயங்குதளங்கள் முன்பு சிறப்பு நிபுணத்துவம் தேவைப்பட்ட வேலையை இப்போது தானியக்கமாக்குகின்றன. உதவி மாடலிங், டொமைன் டெம்ப்ளேட்கள் மற்றும் ஹைப்ரிட் தேடல், இது திசையன் மற்றும் வரைபட வினவல்களை தடையின்றி இணைக்கிறது, இப்போது AI-இயக்கப்படுகிறது மற்றும் முகவர்களுடன் துரிதப்படுத்தப்படுகிறது.
தொழில்நுட்பத்தை எளிதாகப் பயன்படுத்துவதற்கும் பயன்படுத்துவதற்கும் இது ஒரு குறிப்பிடத்தக்க மாற்றமாகும். குழுக்கள் தரவு கட்டமைப்புகளை வடிவமைப்பதில் குறைந்த நேரத்தையும் உண்மையான வணிகக் கேள்விகளைக் கேட்க அதிக நேரத்தையும் செலவிடுகின்றன.
அறிவு அடுக்கு நன்மைகள்
சக்திவாய்ந்த மாடல்களை நன்கு ஒழுங்கமைக்கப்பட்ட, இணைக்கப்பட்ட மற்றும் பொருத்தமான அறிவுடன் இணைப்பதன் மூலம் வலுவான AI முடிவுகள் வருகின்றன என்பதை ஸ்மார்ட் நிறுவனங்கள் உணர்ந்துள்ளன. மாதிரி தர்க்க இயந்திரம்; வரைபடம் என்பது சரியான உண்மைகளை அவற்றின் இடத்தில் வைத்திருக்கும் ஒரு அமைப்பாகும்.
மீட்டெடுப்பு இணைப்புகளால் வழிநடத்தப்படும் போது, அது உயர்தர சூழலையும் சிறந்த முடிவுகளையும் உருவாக்குகிறது. எல்.எல்.எம்.க்கள் இடைவெளிகளை நிரப்புவதற்கு குறைவான முயற்சியை செலவிடலாம், மேலும் துல்லியமான, உறுதியான வாதங்களை உருவாக்குவதற்கு அதிக முயற்சி செய்யலாம். பதில்கள் மேம்படுத்தப்பட்டுள்ளன, தாமதம் குறைக்கப்படுகிறது மற்றும் செலவுகள் குறையும். மிக முக்கியமாக, பயனர்கள் பதில்களை நம்பத் தொடங்குகிறார்கள்.
மூலக் கணக்கீட்டால் வரையறுக்கப்பட்ட ஒரு சகாப்தத்திலிருந்து ஒழுங்கமைக்கப்பட்ட சூழலால் வரையறுக்கப்பட்ட ஒரு சகாப்தத்திற்கு நாம் நகர்கிறோம். நீண்ட சிக்னல்கள் மற்றும் பெரிய மாதிரிகள் தொடர்ந்து முக்கியமானதாக இருக்கும், ஆனால் அமைப்பு, தெளிவு மற்றும் ஈடுபாடு ஆகியவை மிகவும் முக்கியமானதாக இருக்கும்.
சீரான, வேகமான மற்றும் நம்பகமான AI ஐ நீங்கள் விரும்பினால், முன்னோக்கி செல்லும் வழி “பெரியது” அல்ல. இது சிறப்பாக ஏற்பாடு செய்யப்பட்டுள்ளது.
சிறந்த AI இணையதள பில்டரை நாங்கள் வழங்கியுள்ளோம்.
இந்த கட்டுரை TechRadarPro இன் நிபுணர் நுண்ணறிவு சேனலின் ஒரு பகுதியாக தயாரிக்கப்பட்டது, இன்று தொழில்நுட்ப துறையில் சிறந்த மற்றும் பிரகாசமான மனதை நாங்கள் காண்பிக்கிறோம். இங்கே வெளிப்படுத்தப்பட்ட கருத்துகள் ஆசிரியரின் கருத்துகள் மற்றும் TechRadarPro அல்லது Future plc இன் கருத்துக்கள் அல்ல. நீங்கள் பங்களிக்க ஆர்வமாக இருந்தால், இங்கே மேலும் அறியவும்: https://www.techradar.com/news/submit-your-story-to-techradar-pro
