OpenAI, Custom Instructions மற்றும் Memory மூலம் ChatGPT-ஐ மேலும் தனிப்பயனாக்க முயல்கிறது

OpenAI-யின் செய்தி எளிமையானது: ChatGPT-ஐ ஒரு கூட்டாளியாகக் கருதுங்கள்

ChatGPT-யிலிருந்து மேலும் தொடர்புடைய முடிவுகளை பெற தனிப்பயனாக்கம் ஒரு நடைமுறை வழி என OpenAI புதிய கவனம் செலுத்துகிறது. ஒரு புதிய Academy கையேட்டில், அமைப்பு பயனர்கள் அதைப் search box-ஆக அல்ல, ஒரு கூட்டாளியாகக் கருதி, பங்கு, விருப்பமான தொனி, output format, மீண்டும் வரும் தேவைகள் போன்றவற்றில் நிலையான context-ஐ வழங்கும்போது சிறப்பாக வேலை செய்கிறது என நிறுவனம் கூறுகிறது.

அந்த கையேடு ஏற்கனவே உள்ள இரண்டு personalization tools-களில் கவனம் செலுத்துகிறது: custom instructions மற்றும் memory. இவை சேர்ந்து, பொதுவான AI assistants குறித்து பயனர்கள் அடிக்கடி கூறும் ஒரு புகாருக்கு OpenAI-யின் தற்போதைய பதிலாக உள்ளன: ஒரே conversation-இல் உதவியாக இருக்கலாம், ஆனால் preferences-ஐ மீண்டும் மீண்டும் சொல்லாவிட்டால் தொடர்ந்து வரும் வேலைகளில் ஒரே மாதிரியாக இல்லாமல் இருக்கலாம்.

Custom instructions இயல்பான வேலைப் பாணியை அமைக்கின்றன

Custom instructions என்பது ChatGPT பயனரைப் பற்றி என்ன தெரிந்திருக்க வேண்டும், புதிய conversations-இல் எப்படிப் பதிலளிக்க வேண்டும் என்பதை பயனர்கள் வரையறுக்கும் இடம் என்று OpenAI விளக்குகிறது. அது தரும் உதாரணங்கள் தொழில்நுட்பமானவை அல்ல; நடைமுறை சார்ந்தவை. பயனர்கள் தங்களின் பங்கு மற்றும் பொறுப்புகளை குறிப்பிடலாம், சுருக்கமான அல்லது முறையான தொனியை கேட்கலாம், bullets அல்லது copy-ready drafts போன்ற குறிப்பிட்ட output formats-ஐ கோரலாம், அல்லது தேவைகள் தெளிவாக இல்லையெனில் விளக்கக் கேள்விகளை கேட்கச் சொல்லலாம்.

நிறுவனத்தின் framing முக்கியமானது. மாறாத preferences-க்கு custom instructions-ஐ பயன்படுத்தச் சொல்லுகிறது, அதாவது ஒரு conversation-இலிருந்து மற்றொன்றுக்கு மாறாத context. இதில் profession, team function, writing style, default structure ஆகியவை இருக்கலாம். மீண்டும் வரும் setup வேலையை தனித் prompts-இலிருந்து எடுத்துத் தொடர்ந்து பயன்படுத்தக்கூடிய profile-இல் வைப்பதே யோசனை.

பயனர்களுக்கு இதனால் repetition குறைகிறது. OpenAI-க்கு இதுவும் ChatGPT-ஐ அதிகமான generic-ஆக இல்லாமல், மேலும் dependable-ஆக உணர வைக்கும் ஒரு வழி; ஒவ்வொரு use case-க்கும் ஒரு specialized custom model தேவையில்லை.

Memory என்பது நீண்டகால அடுக்கு

Memory-க்கு வேறு பங்கு உள்ளது. பயனர்கள் பகிரத் தேர்ந்தெடுக்கும் விவரங்களை ChatGPT நினைவில் வைத்துக் கொள்ள இது உதவுகிறது, இதனால் எதிர்கால பதில்கள் ஒவ்வொரு முறையும் புதிய விளக்கம் இல்லாமல் மேலும் பொருத்தமாக இருக்க முடியும் என OpenAI கூறுகிறது. பயனர் வெளிப்படையாக கேட்கும் தகவல்களை memory சேமிக்க முடியும், மேலும் அது enabled ஆக இருந்தால், சமீபத்திய conversation context-ஐ பயன்படுத்தி காலப்போக்கில் மேலும் உதவியாக பதிலளிக்க முடியும்.

இந்த கையேடு பயனர் கட்டுப்பாட்டையும் வலியுறுத்துகிறது. System என்ன நினைவில் வைத்துள்ளது என்று மக்கள் கேட்கலாம், ஒரு விவரத்தை நினைவில் வைக்கச் சொல்லலாம், அல்லது ஒரு குறிப்பிட்ட விஷயத்தை மறக்கச் சொல்லலாம். Role, பொதுவான projects, preferences போன்ற மீண்டும் வரும் context-க்கு memory மிகவும் பயனுள்ளதாக OpenAI நிலைநிறுத்துகிறது; பின்னர் முக்கியமில்லாத ஒருமுறை தகவல்களுக்கு அல்ல.

அந்த வேறுபாடுதான் product design-இல் மையமானது. Memory இப்போது கடந்த conversations-ஐ passive surveillance செய்வதாக அல்ல, பயனர்கள் பார்க்கவும் திருத்தவும் முடியும் continuity-யின் managed layer-ஆக காட்டப்படுகிறது. பயனர்கள் அதைப் முழுமையாக நம்புவார்களா என்பது வேறு கேள்வி; ஆனால் intended operating model அதுவே என்பது தெளிவாக உள்ளது.

Product strategy-ஆக personalization

Academy post ஒரு பெரிய model launch அல்ல; ஆனால் OpenAI நடைமுறை மதிப்பு எங்கே சேர்கிறது என்று பார்க்கிறது என்பதைக் காட்டுகிறது. தனித்த chats-இல் ever-better raw prompting-ஐ மட்டும் நம்பாமல், assistant-க்கு சுற்றிலும் persistent context-ஐ உருவாக்கி முடிவுகளை மேம்படுத்த பயனர்களை நிறுவனம் ஊக்குவிக்கிறது.

இது முக்கியமானது, ஏனெனில் இது user experience-இன் ஒரு பகுதியை single-query performance-இலிருந்து longitudinal usefulness-க்கு மாற்றுகிறது. format preferences-ஐ நினைவில் வைக்கும், user-இன் பங்கைப் புரிந்துகொள்ளும், recurring workflows-க்கு ஏற்ப மாறும் chatbot, underlying model அதேபடி இருந்தாலும் குறிப்பிடத்தக்க அளவு அதிக திறனாக இருக்க முடியும்.

இந்த guide personalization-ஐ structured reuse-உடனும் இணைக்கிறது. மீண்டும் வரும் tasks-ஐ கண்டுபிடிக்கும் பயனர்கள் skills-இல் இருந்து பயனடையலாம் என அது கூறுகிறது; OpenAI அவற்றை consistent process மற்றும் format-க்கான reusable workflows என்று விவரிக்கிறது. இதனால் custom instructions, memory, skills ஆகியவை ஒரு தொடரில் அமைகின்றன: முதலில் default style-ஐ வரையறுக்கவும், பின்னர் பயனுள்ள recurring context-ஐ வைத்துக் கொள்ளவும், பிறகு repeated tasks-ஐ formalize செய்யவும்.

இது இப்போது ஏன் முக்கியம்

AI assistants வளர்ந்துவரும்போது, ஒரு முறை கேட்கப்படும் கேள்விகளுக்கு பதிலளிப்பதைவிட ongoing work-இல் எவ்வளவு பொருத்தமாக இணைகின்றன என்பது வேறுபாட்டை அதிகமாக தீர்மானிக்கிறது. Personalization அந்த மாற்றத்தின் ஒரு பகுதி. இது product-ஐ பொதுவான interface-இலிருந்து configurable teammate-க்கு நெருக்கமான ஒன்றாக மாற்ற உதவுகிறது.

OpenAI-யின் சொந்த வார்த்தைகள் இந்த ambition-ஐ வெளிப்படையாகக் காட்டுகின்றன. பயனர்கள் அதிக context மற்றும் direction வழங்கும் போது ChatGPT மேலும் பயனுள்ளதாகவும் ஒரே மாதிரியாகவும் மாறுகிறது என நிறுவனம் கூறுகிறது. இதனால் mainstream AI adoption-இன் அடுத்த கட்டம் ஒரு chatbot-ஐ ஒருமுறை முயற்சி செய்ய மக்களை நம்ப வைப்பதைவிட, அதை ஒரு நிலையான வேலை கருவியாக வடிவமைக்க அவர்களை கற்பிப்பதிலேயே இருக்கலாம் என்று தோன்றுகிறது.

நடைமுறை ஈர்ப்பு தெளிவானது. ஒரு finance manager, teacher, software lead அல்லது marketer ஒவ்வொரு session-இலும் tone, structure, recurring priorities ஆகியவற்றை மறுபடியும் சொல்ல விரும்பமாட்டார். Custom instructions மற்றும் memory வாக்குறுதியின்படி செயல்பட்டால், அந்த friction குறைந்து, system காலப்போக்கில் மேலும் ஒருங்கிணைந்ததாக மாறும்.

சிறிய product lesson, பெரிய விளைவுகளுடன்

மொத்தக் கருத்து என்னவென்றால் personalization இனி பக்கவாட்டுச் செயல்பாடு அல்ல. OpenAI அதை better output பெறும் ஒரு அடிப்படை பழக்கமாக முன்வைக்கிறது. இது AI market-க்கு முக்கியமான signal, ஏனெனில் value-ஐ model intelligence மட்டுமல்ல, continuity, preference retention, workflow adaptation ஆகியவற்றிலும் நிலைநிறுத்துகிறது.

சுருக்கமாக, OpenAI பயனர்களிடம் சொல்வது: சிறந்த AI முடிவுகள் better questions கேட்பதாலேயே அல்ல, assistant-க்கு வேலை செய்ய ஒரு நிலையான context வழங்குவதாலும் கிடைக்கின்றன. அந்த pattern அதிகமாக உறுதியானால், AI products on demand என்ன உருவாக்க முடியும் என்பதின்படியே அல்ல, consistent collaborators போல நடக்க எப்படி கற்றுக்கொள்கின்றன என்பதின்படியும் மதிப்பிடப்படும்.

இந்தக் கட்டுரை OpenAI reporting-ஐ அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.