செயற்கை நுண்ணறிவு, இயந்திர கற்றல் மற்றும் LLM என்றால் என்ன?

ஆதாயங்கள்:

• செயற்கை நுண்ணறிவு, இயந்திர கற்றல் மற்றும் பெரிய மொழி மாதிரி ஆகியவற்றின் கருத்துகளை வேறுபடுத்தி அறியலாம்
• இந்த தொழில்நுட்பங்கள் பாரம்பரிய மென்பொருளிலிருந்து எவ்வாறு வேறுபடுகின்றன என்பதை விளக்குங்கள்
• தினசரி வணிக வாழ்க்கையில் எதிர்கொள்ளும் AI எடுத்துக்காட்டுகளை அடையாளம் காண முடியும்

சமீபத்திய ஆண்டுகளில், "செயற்கை நுண்ணறிவு" என்ற வார்த்தை எல்லா இடங்களிலும் உள்ளது: செய்திகளில், விளம்பரங்களில், வணிக கூட்டங்களில், நீங்கள் பயன்படுத்தும் தொலைபேசியின் கேமராவில் கூட. ஆனால் அது சரியாக என்ன அர்த்தம்? இந்த யூனிட் வாசகங்களில் மூழ்காமல், உங்கள் வணிக வாழ்க்கையுடன் இணைப்பதன் மூலம் அடிப்படை விஷயங்களில் இருந்து விஷயத்தை விளக்குகிறது. உங்களை பொறியியலாளராக ஆக்குவது நோக்கமல்ல; நீங்கள் பயன்படுத்தும் கருவிகள் என்ன, ஏன் அவர்கள் என்ன செய்கிறார்கள் என்பதைப் புரிந்துகொள்ளும் நனவான பயனராக உங்களை உருவாக்க. ஏனெனில் நீங்கள் ஒரு வாகனத்தை எவ்வளவு நன்றாக அறிந்திருக்கிறீர்களோ, அவ்வளவு பாதுகாப்பாகவும் திறமையாகவும் அதைப் பயன்படுத்துவீர்கள்.

செயற்கை நுண்ணறிவு, இயந்திர கற்றல் மற்றும் பெரிய மொழி மாதிரி ஆகிய மூன்று கருத்துக்கள் பின்னிப் பிணைந்திருப்பதை நீங்கள் அடிக்கடி கேட்கிறீர்கள். இவை ஒன்றல்ல; அவை பெருகிய முறையில் குறுகலான வளையங்கள், ஒன்று உள்ளே மற்றொன்று. இப்போது இவற்றை ஒவ்வொன்றாக தினசரி உதாரணங்களுடன் விளக்குவோம்.

மூன்று கருத்துகள், மூன்று ஒன்றோடொன்று வளையங்கள்

செயற்கை நுண்ணறிவு (AI): பொதுவாக மனித நுண்ணறிவு (புரிதல், முடிவெடுத்தல், அங்கீகாரம், மொழியைப் பயன்படுத்துதல்) தேவைப்படும் பணிகளைச் செய்ய கணினிகளுக்கு உதவும் ஒரு பரந்த புலத்தின் பொதுவான பெயர் இது. ஒரு செஸ் திட்டம், ஒரு மொழிபெயர்ப்பு பயன்பாடு மற்றும் ஒரு குரல் உதவியாளர் ஆகியவை இந்த குடையின் கீழ் உள்ளன.

இயந்திர கற்றல் (ML): இது செயற்கை நுண்ணறிவின் மிகவும் பொதுவான துணைக் கிளை ஆகும். இங்கே, நாம் விதிகளை ஒவ்வொன்றாக கணினியில் எழுதுவதில்லை; நாங்கள் அவருக்கு நிறைய மாதிரிகளைக் காட்டுகிறோம், மேலும் அவர் மாதிரிகளில் உள்ள வடிவத்தைத் தேர்ந்தெடுக்கிறார். எனவே "இயந்திர கற்றல்" என்று பெயர்: இயந்திரம் உதாரணங்களிலிருந்து கற்றுக்கொள்கிறது.

பெரிய மொழி மாதிரி (LLM): இது ஒரு சிறப்பு வகை இயந்திர கற்றல் ஆகும், இது உரையில் நிபுணத்துவம் பெற்றது. இது பில்லியன் கணக்கான வாக்கியங்களைக் கொண்டு பயிற்றுவிக்கப்படுகிறது; இது மொழியைப் புரிந்துகொள்வது, உற்பத்தி செய்தல், சுருக்கம் செய்தல் மற்றும் மொழிபெயர்த்தல் போன்ற பணிகளில் பயன்படுத்தப்படுகிறது. ChatGPT, Gemini, Claude போன்ற கருவிகளுக்குப் பின்னால் உள்ள தொழில்நுட்பம் இதுதான். இந்த தொகுதியில் உள்ள கருவிகள், நாம் "உருவாக்கும் AI" (உரை/படத்தை உருவாக்கும் AI) என்று அழைக்கிறோம், பெரும்பாலும் LLM அடிப்படையிலானவை.

குறிப்பு: இதை நினைவில் கொள்ளுங்கள்: AI என்பது மிகப்பெரிய பெட்டி, இயந்திர கற்றல் என்பது அதன் உள்ளே உள்ள பெட்டி மற்றும் பெரிய மொழி மாதிரியானது உள் பெட்டியாகும். "ஒவ்வொரு எல்.எல்.எம்.யும் இயந்திரக் கற்றலின் விளைபொருளாகும், மேலும் ஒவ்வொரு இயந்திரக் கற்றலும் ஒரு AI ஆகும், ஆனால் உரையாடல் எப்போதும் உண்மையாக இருக்காது."

பாரம்பரிய மென்பொருளுடன் வேறுபாடு: விதிகளை எழுதுவது யார்?

புரிந்து கொள்ள வேண்டிய மிக முக்கியமான வேறுபாடு இதுதான். பாரம்பரிய மென்பொருளில், ஒரு மனிதன் (புரோகிராமர்) விதிகளை ஒவ்வொன்றாக எழுதுகிறார்: "ஆர்டர் தொகை 500 TL ஐ விட அதிகமாக இருந்தால், ஷிப்பிங் இலவசம்." கணினி இந்த விதியை கடிதத்திற்குப் பின்பற்றுகிறது, அதிகமாக இல்லை, குறைவாக இல்லை.

இயந்திர கற்றலில், மனிதர்கள் விதிகளை எழுதுவதில்லை; மாதிரியானது தனக்குக் காட்டப்பட்ட உதாரணங்களிலிருந்து விதியைக் கண்டுபிடித்தது. எடுத்துக்காட்டாக, நீங்கள் ஆயிரக்கணக்கான "ஸ்பேம்" மற்றும் "ஸ்பேம் அல்ல" மின்னஞ்சல்களைக் காட்டுகிறீர்கள்; எந்த வார்த்தைகள் மற்றும் சொற்றொடர்கள் ஸ்பேமைக் குறிக்கின்றன என்பதை மாதிரியே கற்றுக்கொள்கிறது. "இந்த வார்த்தை இருந்தால் ஸ்பேம்" என்று யாரும் ஒவ்வொருவராக எழுதுவதில்லை.

அம்சம்

பாரம்பரிய மென்பொருள்

இயந்திர கற்றல் / AI

விதிகளை உருவாக்குவது யார்?

மனிதன் ஒவ்வொன்றாக எழுதுகிறான்

மாதிரி எடுத்துக்காட்டுகளிலிருந்து ஊகிக்கப்படுகிறது

வெளியீடு எப்போதும் ஒரே மாதிரியாக இருக்கிறதா?

அதே உள்ளீடு → அதே வெளியீடு

ஒரே உள்ளீடு → ஒத்த ஆனால் மாறி வெளியீடு

அது எப்போது வலிமையானது?

தெளிவான, உறுதியான விதிகளுடன் வேலை செய்யுங்கள்

பல வடிவங்கள் மற்றும் கடினமான விதிகளுடன் வேலை செய்கிறது

நம்பகத்தன்மை

கணிக்கக்கூடிய, நிலையான

புள்ளியியல், சரிபார்ப்பு தேவை

உதாரணம்

ஊதியக் கணக்கு

மின்னஞ்சல் தொனியை மேம்படுத்தவும்

இந்த வேறுபாடுதான் நீங்கள் பின்னர் கற்றுகொள்ளும் "மாயத்தோற்றம்" மற்றும் "சரிபார்ப்பு" தலைப்புகளின் அடிப்படையாகும்: மாதிரியானது விதியையே பெறுவதால், அது சில நேரங்களில் தவறாகும், எனவே அதன் வெளியீட்டை கண்மூடித்தனமாக நம்ப முடியாது.

உங்கள் தினசரி வணிக வாழ்க்கையில் நீங்கள் ஏற்கனவே பார்த்திருக்கிறீர்கள்

AI புதியது என்று நினைக்க வேண்டாம்; நீங்கள் பல ஆண்டுகளாக இதைப் பயன்படுத்தியிருக்கலாம்:

• உங்கள் மின்னஞ்சல் பெட்டியின் ஸ்பேம் வடிப்பான் (எந்தெந்த மின்னஞ்சல்கள் குப்பை என்று கற்றுக்கொண்ட மாதிரி).
• உங்கள் ஃபோனின் விசைப்பலகை கணிப்பு (அடுத்த வார்த்தையைப் பரிந்துரைக்கும் சிறிய மொழி மாதிரி).
• உங்கள் வங்கியின் மோசடியான பரிவர்த்தனை எச்சரிக்கை (அசாதாரண செலவுகளைக் கண்டறியும் மாதிரி).
• உங்கள் விரிதாள் திட்டத்தின் தன்னிரப்பி மற்றும் பரிந்துரை அம்சங்கள்.
• வீடியோ மற்றும் இசை பயன்பாடுகளில் பரிந்துரை அமைப்புகள்.

புதிய விஷயம் என்னவென்றால், இந்த தொழில்நுட்பம் இப்போது இயற்கையான மொழியில் பேச முடியும். எனவே நீங்கள் ஒரு நிபுணரிடம் பேசுவது போல் எழுதுகிறீர்கள், அவர் புரிந்துகொண்டு பதிலளிக்கிறார். இங்குதான் உண்மையான வாய்ப்பு பணியிடத்தில் உள்ளது.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - Ayşe, அலுவலக மேலாளர். அவர் ஒவ்வொரு வாரமும் சுமார் 40 சப்ளையர் மின்னஞ்சல்களை கைமுறையாக வகைப்படுத்தினார்; இது சராசரியாக 90 நிமிடங்கள் எடுத்தது. இது நிறுவனத்தின் AI உதவியாளர் லேபிள் மின்னஞ்சல்களை "அவசர/சாதாரண/தகவல்" எனக் கொண்டிருக்கத் தொடங்கியது. நேரம் 20 நிமிடங்களாக குறைக்கப்பட்டது; அவர் ~70 நிமிடங்களை ஒப்பந்தக் கட்டுப்பாட்டிற்கு ஒதுக்கினார். AI விதியை தானே கற்றுக்கொண்டது; Ayşe வடிப்பான்களை ஒவ்வொன்றாக எழுதவில்லை.

வழக்கு 2 - மெஹ்மெட், கள தொழில்நுட்ப வல்லுநர். வாடிக்கையாளர் இலவச உரையில் தவறான பதிவுகளை எழுதிக் கொண்டிருந்தார் ("சாதனம் சூடாகிறது, இடையிடையே மூடப்படும்"). அவரது மேலாளரால் இந்த 500 பதிவுகளை கைமுறையாகப் படித்து வகைப்படுத்த முடியவில்லை. ஒரு மொழி மாதிரியானது பதிவுகளை "வன்பொருள்/மென்பொருள்/பயனர் பிழை" என்று சுருக்கி, அடிக்கடி புகாரைப் பிரித்தெடுத்தது. ஒரு மனிதனுக்கு கிட்டத்தட்ட 2 நாட்கள் எடுக்கும் என்பதை மாதிரி நிமிடங்களில் வரைந்தது; அணி மட்டுமே உறுதி செய்தது.

வழக்கு 3 - எலிஃப், கணக்கியல். அவர் AI ஒரு புதிய சட்டமன்ற உரையை சுருக்கமாகக் கூறினார் மற்றும் 12 பக்க உரையிலிருந்து கட்டுரைகளின் 1-பக்க பட்டியலை எடுத்தார். ஆனால் அவரே உத்தியோகபூர்வ மூலத்திலிருந்து முக்கியமான சதவீதத்தை உறுதிப்படுத்தினார்; ஏனெனில் அது எண்ணியல் துல்லியம் தேவைப்படும் ஒரு விஷயம். எனவே, அது விரைவாகவும் பாதுகாப்பாகவும் வேலை செய்தது.

பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்

கருவியை அறிந்துகொள்வது, நீங்கள் கேட்கும் விதத்தையும் மாற்றுகிறது. ஒரே உதவியாளரிடமிருந்து இரண்டு வெவ்வேறு கேள்விகள்:

பலவீனமான ப்ராம்ட்: செயற்கை நுண்ணறிவு என்றால் என்ன?

முடிவு: ஒரு நீண்ட, கலைக்களஞ்சிய விளக்கம், அது உங்களுக்குக் குறிப்பிடப்படவில்லை.

வலுவான அறிவிப்பு: நான் ஒரு தொழில்நுட்பம் அல்லாத அலுவலக ஊழியர். செயற்கை நுண்ணறிவு, இயந்திர கற்றல் மற்றும் பெரிய மொழி மாதிரி ஆகியவற்றுக்கு இடையேயான வித்தியாசத்தை 3 குறுகிய புல்லட் புள்ளிகளுடன் விளக்கவும் மற்றும் ஒவ்வொன்றிற்கும் தினசரி வாழ்க்கையிலிருந்து ஒரு எடுத்துக்காட்டு. சாதாரண துருக்கியைப் பயன்படுத்தவும்.

முடிவு: உங்கள் பங்கு, நிலை மற்றும் நோக்கத்திற்குப் பொருத்தமான பதில். வேறுபாடு: நீங்கள் சூழல், பார்வையாளர்கள் மற்றும் வடிவமைப்பைக் கொடுத்தீர்கள்.

நகலெடுக்கக்கூடிய வார்ப்புருக்கள்

தொழில்நுட்பத்தைக் கற்றுக்கொள்ள எனக்கு உதவுங்கள். தலைப்பு: [எ.கா. இயந்திரக் கற்றல்]நான்: [எனது பங்கு / எனது அறிவு நிலை]எனக்கு வேண்டும்: 5 உருப்படிகளில் ஒரு எளிய விளக்கம் + ஒவ்வொரு பொருளுக்கும் வணிக வாழ்க்கையிலிருந்து ஒரு எடுத்துக்காட்டு + 1-வாக்கியத்தின் முடிவில் "நினைவில் இருங்கள்" சுருக்கம்.

தினசரி வாழ்க்கையில் பின்வரும் கருத்தை நான் எங்கு சந்திக்கிறேன் என்பதை எனக்குக் காட்டு: கருத்து: [எ.கா. பரிந்துரை அமைப்பு]எனக்கு 5 யதார்த்தமான உதாரணங்களைக் கொடுங்கள், ஒவ்வொன்றிலும் AI என்ன செய்கிறது என்பதை ஒரு வாக்கியத்தில் விளக்கவும்.

இந்த இரண்டு கருத்துகளையும் ஒப்பிட்டு அவற்றை ஒரு அட்டவணையில் வைக்கவும்:கருத்து A: [பாரம்பரிய மென்பொருள்]கருத்து B: [இயந்திர கற்றல்]நெடுவரிசைகள்: விதியை யார் அமைப்பது, வெளியீட்டு மாறிலி, அது எப்போது வலிமையானது என்பது ஒரு எடுத்துக்காட்டு.

தொழில்நுட்பம் இல்லாத சக ஊழியருக்கு விளக்குவது போல் பின்வரும் வாக்கியத்தை எளிமைப்படுத்தவும். வாசகங்கள் இருந்தால், அடைப்புக்குறிக்குள் ஒரு சிறிய விளக்கத்தைச் சேர்க்கவும். வாக்கியம்: [இங்கே ஒட்டவும்]

பொதுவான தவறுகள்

பொதுவான தவறுகள்

• "AI = ரோபோ / நனவு" என்று நினைப்பது. இன்றைய வாகனங்கள் சிந்திக்கவோ உணரவோ இல்லை; வடிவங்களை அங்கீகரிக்கிறது மற்றும் சாத்தியமான தொடர்ச்சிகளை உருவாக்குகிறது. இதை மறப்பது மிகைப்படுத்தப்பட்ட எதிர்பார்ப்புகளுக்கும் ஏமாற்றத்திற்கும் வழிவகுக்கிறது.
• ஒவ்வொரு AI வெளியீட்டையும் உறுதியான உண்மையாகக் கருதுதல். மாதிரி புள்ளிவிவர ரீதியாக வேலை செய்கிறது; துல்லியம் தேவைப்படும் எண்கள், தேதிகள் மற்றும் ஆதாரங்களை சரிபார்க்காமல் பயன்படுத்துவது ஆபத்தானது.
• "இந்த வேலை என்னிடமிருந்து வெகு தொலைவில் உள்ளது" என்று சொல்லிவிட்டு முயற்சி செய்யவே இல்லை. தொழில்நுட்பம் அல்லாத ஊழியர்களின் கடினமான மற்றும் மீண்டும் மீண்டும் செய்யும் பணிகளில் AI அதிக நேரத்தை மிச்சப்படுத்துகிறது. முயற்சி செய்யாதவர்கள் வாய்ப்பை இழக்க நேரிடும்.
• சூழல் இல்லாமல் ஒரு வார்த்தையில் கேள்விகள் கேட்பது. நீங்கள் யார், உங்களுக்கு என்ன வேண்டும் என்று கருவிக்கு சொல்லவில்லை என்றால், நீங்கள் பொதுவான, பயனற்ற பதில்களைப் பெறுவீர்கள்.

எச்சரிக்கை: AI "கற்றல்" என்பது மனித கற்றல் போன்றது அல்ல. மாதிரியானது உலகத்தைப் புரிந்துகொள்வதன் மூலம் அல்ல, ஆனால் தரவுகளில் உள்ள புள்ளிவிவர வடிவங்களைக் கைப்பற்றுவதன் மூலம் "கற்றுக்கொள்வது". எனவே அவர் மிகவும் சரளமாக பேச முடியும், ஆனால் இன்னும் ஒரு அடிப்படை உண்மையை தவறாகப் புரிந்துகொள்கிறார். சரளமானது துல்லியத்திற்கு உத்தரவாதம் இல்லை.

சுருக்கமாக

• செயற்கை நுண்ணறிவு என்பது பரந்த குடை; இயந்திர கற்றல் என்பது எடுத்துக்காட்டுகளிலிருந்து கற்றுக் கொள்ளும் அதன் துணைக் கிளை ஆகும்; பெரிய மொழி மாதிரி (LLM) என்பது மொழியில் நிபுணத்துவம் பெற்ற இயந்திர கற்றல் வகையாகும்.
• முக்கிய வேறுபாடு: பாரம்பரிய மென்பொருளில், மனிதன் விதியை எழுதுகிறான்; இயந்திர கற்றலில், மாதிரியானது எடுத்துக்காட்டுகளிலிருந்து விதியைப் பிரித்தெடுக்கிறது.
• AI ஏற்கனவே உங்கள் வாழ்க்கையில் உள்ளது: ஸ்பேம் வடிகட்டி, விசைப்பலகை கணிப்பு, போலி பரிவர்த்தனை எச்சரிக்கை, பரிந்துரை அமைப்புகள். புதிய விஷயம் என்னவென்றால், அது இயல்பான மொழியில் பேசக்கூடியது.
• மாதிரியானது புள்ளிவிவர ரீதியாக செயல்படுவதால், அது திரவமானது, ஆனால் அது எப்போதும் துல்லியமாக இருக்காது; இது அடுத்தடுத்த அலகுகளுக்கு (மாயத்தோற்றம், சரிபார்ப்பு) அடிப்படையாகும்.

விண்ணப்பப் பணி

நீங்கள் பயன்படுத்தும் AI கருவியைத் திறந்து, மேலே உள்ள "பவர்ஃபுல் ப்ராம்ட்" டெம்ப்ளேட்டைக் கொண்டு இயந்திர கற்றலுக்கும் பெரிய மொழி மாதிரிக்கும் உள்ள வித்தியாசத்தை நீங்களே விளக்கவும். உங்கள் சொந்த வணிகத்தில் AI ஏற்கனவே பயன்படுத்தப்பட்ட (அல்லது பயன்படுத்தக்கூடிய) 3 இடங்களை எழுதுங்கள். ஒவ்வொன்றிற்கும், "ஏஐ இங்கே சரியாக என்ன செய்ய முடியும்?" ஒரு வாக்கியத்தில் கேள்விக்கு பதிலளிக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் செயற்கை நுண்ணறிவு, இயந்திர கற்றல் மற்றும் LLM ஆகியவற்றை வேறுபடுத்தி அறிய முடியும்.
• [ ] பாரம்பரிய மென்பொருளுக்கும் இயந்திர கற்றலுக்கும் உள்ள "விதிகளை எழுதுபவர்" வேறுபாட்டை என்னால் விளக்க முடியும்.
• [ ] எனது அன்றாட வாழ்க்கையில் AI இன் குறைந்தது 3 எடுத்துக்காட்டுகள் எனக்குத் தெரியும்.
• [ ] சூழல், பார்வையாளர்கள் மற்றும் வடிவமைப்பைக் கொடுப்பதன் மூலம், நான் வலுவான கேள்வியைக் கேட்க முடியும்.
• [ ] AI மென்மையாக இருப்பதால் அது துல்லியமானது என்று அர்த்தம் இல்லை என்பது எனக்குத் தெரியும்.