Schematik AI வைப் கோடிங்கை நிஜ உலகிற்கு கொண்டு வர விரும்புகிறது

ஆரம்ப ஈர்ப்பு ஏற்கனவே தென்படுகிறது

Beek பிப்ரவரியில் X-இல் இந்த யோசனையைப் பதிவிட்டதாகவும், அதை முயற்சிக்கத் தயாராக இருந்த மக்களிடமிருந்து வலுவான ஆர்வத்தைப் பெற்றதாகவும் Wired கூறுகிறது. அவர்களில் ஒருவர், N8N பிராண்டிங் தலைமை Marc Vermeeren, Schematik-ஐப் பயன்படுத்தி MP3 பிளேயர் மற்றும் Claude coding sessions-ஐ நிர்வகிக்க உதவும் Clawy என்ற Tamagotchi-பாணி போட்டையும் உட்பட பல சாதனங்களை உருவாக்கியதாகச் சொன்னார். மற்ற பயனர்களும் தங்களின் சொந்த மாறுபாடுகளை உருவாக்கியதாக கட்டுரை விவரிக்கிறது.

இது முக்கியம், ஏனெனில் மேக்கர் கருவிகள் பல நேரங்களில் சமூக உற்சாகத்தின் மீது வளரவும் அல்லது வீழ்ச்சியடையவும் செய்கின்றன, அவை மெருகூட்டப்பட்ட வணிகங்களாக மாறும் முன்பே. இந்த நிகழ்வில், ஸ்டார்ட்அப்பிற்கு பயனர் பரிசோதனையும் முதலீட்டாளர் ஆதரவும் இரண்டும் உள்ளன போலத் தெரிகிறது. Schematik Lightspeed Venture Partners-இலிருந்து $4.6 மில்லியன் திரட்டியதாகவும், அதனைச் சுற்றி ஒரு வணிகத்தை அமைக்க Beek திட்டமிட்டுள்ளதாகவும் Wired தெரிவிக்கிறது.

Anthropic-ன் பங்கு முதலீடு அல்ல, இயலுமைப்படுத்தல்

கட்டுரையின் தலைப்பு Anthropic இதில் சேர விரும்புவதாகக் காட்டுகிறது, மேலும் உள்ளடக்கம் அதற்கு என்ன அர்த்தம் என்பதைக் தெளிவுபடுத்துகிறது. Anthropic இன்ஜினியர் Felix Rieseberg X-இல் நிறுவனம் மேக்கர்கள் மற்றும் டெவலப்பர்களுக்காக Bluetooth API-யை இயக்கியுள்ளதாக பதிவிட்டார். இந்த சூழலில், Schematik போன்ற கருவிகள் திறக்க விரும்பும் ஹார்ட்வேர்-உருவாக்க வேலைநடைகளுக்கான பிளாட்ஃபார்ம் ஆதரவாக அது தோன்றுகிறது.

அது முக்கியமான வேறுபாடு. வழங்கப்பட்ட உரையைப் பொருத்தவரை, Anthropic இங்கே Schematik-இன் முதலீட்டாளராக விவரிக்கப்படவில்லை. Wired காட்டுவது, முன்னணி AI மாதிரிகளுக்கும் மேக்கர்-நேர் கருவிகளுக்கும் இடையிலான அதிகரிக்கும் ஒத்திசைவு. பெரிய மாடல் வழங்குநர்கள் சாதனங்கள், hobby electronics, மற்றும் connected products-க்கு பயனுள்ள இடைமுகங்களை வெளிப்படுத்தினால், coding assistant மற்றும் hardware assistant இடையிலான எல்லை மெல்ல மங்கத் தொடங்குகிறது.

இந்தக் கதையின் பின்னணியில் உள்ள பெரிய மாற்றம்

Schematik சுவாரசியமானது, அது மக்களுக்கு gadgets-ஐ ஒன்றுசேர்க்க உதவுவதால் மட்டும் அல்ல; அது AI product design-இல் ஒரு பரவலான முறையை விரிவாக்குவதாலுமே. பயனர்கள் இப்போது மாடல்களை வெறும் பதிலளிக்கும் இயந்திரங்களாக அல்ல, workflows முழுவதும் செயல்படும் agents ஆக எதிர்பார்க்கிறார்கள். சாப்ட்வேரில் அந்த எதிர்பார்ப்பு ஏற்கனவே சாதாரணமாகிவிட்டது. ஹார்ட்வேரில் அது இன்னும் பரிசோதனை நிலையில் உள்ளது; காரணம், தவறான முடிவுகளின் செலவு அதிகம், மேலும் தொடர்புடைய அறிவு பகுதிகள், tolerances, connections, மற்றும் constraints ஆகியவற்றில் அதிகமாக அடிப்படைப்படுத்தப்பட்டுள்ளது.

அதனால்தான் Schematik-ஐ “ஹார்ட்வேருக்கான Cursor” என விவரிப்பது பொருத்தமாக உள்ளது. அது ஒரு பழக்கமான software metaphor-ஐ இன்னும் கடினமான துறைக்கு மாற்றுகிறது. அந்த ஒப்பீடு முழுமையாக பொருந்துகிறதா என்பது இன்னும் திறந்த கேள்வி. ஆனால் இலக்கு தெளிவாக உள்ளது: ஒரு prompt செய்யப்பட்ட யோசனையிலிருந்து செயல்படும் physical artifact-க்கு உள்ள தூரத்தை குறைப்பது.

இது hobbyists-ஐத் தாண்டியும் ஏன் முக்கியமாக இருக்கலாம்

இந்தக் கருவிகள் மேம்பட்டால், அவற்றின் பொருத்தம் weekend tinkering-இல் முடிந்துவிடாது. prototypes-இல் வேகமான iteration கல்வி, product design, internal tooling, மற்றும் சிறு manufacturing குழுக்களுக்கு முக்கியமாக இருக்கலாம். மைய நன்மை மந்திரம் அல்ல. அது சுருக்கம். பாகங்களைப் பரிந்துரைக்க, assembly படிகளைச் சொல்ல, மற்றும் முழு build process-இல் context-aware ஆக இருக்கக்கூடிய ஒரு system, உண்மையில் ஏதோ ஒன்றை உருவாக்குவதற்கான ஆரம்ப சக்தியை குறைக்க முடியும்.

அந்தக் கூறினாலும், Wired-ன் framing மைய எச்சரிக்கையை நினைவில் வைத்திருக்கிறது. ஹார்ட்வேர் என்பது தளர்வான AI நம்பிக்கை எரிந்த கூறுகள், வீணான நேரம், அல்லது அதைவிட மோசமான விளைவுகளை உருவாக்கக்கூடிய இடம். இந்த வகையின் உண்மையான சோதனை அது படைப்பாற்றலாக உணர்கிறதா என்பதல்ல. வயர்கள் உண்மையானபோது அது நம்பிக்கையுடன் பயன்படுத்தப்பட முடியுமா என்பதே.

எதை கவனிக்க வேண்டும்

• மேக்கர் சமூகங்கள் பொதுப் build workflows-இல் AI-நேட்டிவ் ஹார்ட்வேர் கருவிகளை தொடர்ந்து ஏற்கிறதா என்பதை.
• Antrhropic போன்ற மாடல் வழங்குநர்கள் சாதனங்கள் மற்றும் peripherals-ஐ நோக்கி இருக்கும் interface-களை எவ்வளவு தூரம் வெளிப்படுத்துகிறார்கள் என்பதை.
• நம்பகத்தன்மை மற்றும் பாதுகாப்பு AI உதவியுள்ள ஹார்ட்வேர் வடிவமைப்பில் முக்கிய வேறுபாடுகளாக மாறுகிறதா என்பதை.

Schematik பயன்பாட்டு AI-யின் ஒரு உண்மையான எல்லையைப் பிடிக்கிறது: சாப்ட்வேர் உருவாக்குவதிலிருந்து physical creation-ஐ ஒருங்கிணைப்பதற்கு நகர்வது. வாய்ப்பு பெரியது. தவறு செய்தால் விலையும் அதே அளவு பெரியது.

இந்தக் கட்டுரை Wired செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.