ஏஐ கருவிகளை உருவாக்கியுள்ளது. அவற்றை லாபமாக மாற்றுவதுதான் கடினப் பகுதி.

டெமோவுக்குப் பிறகான கேள்வி

செயற்கை நுண்ணறிவில் இன்றைய மிக முக்கியமான கேள்வி, இப்போது அமைப்புகள் எவ்வளவு கவர்ச்சிகரமாக உள்ளன என்பதல்லாமல் இருக்கலாம். அவை டெமோ, கோடிங் பெஞ்ச்மார்க், முதலீட்டாளர் டெக் ஆகியவற்றைத் தாண்டி சென்ற பிறகு நம்பகமான பொருளாதார மதிப்பை உருவாக்க முடியுமா என்பதே உண்மையான கேள்வி. இதுவே புதிய MIT Technology Review பகுப்பாய்வில் முன்வைக்கப்படும் மைய வாதம்; இது தற்போதைய ஏஐ தருணத்தை ஒரு பரிச்சயமான மூன்று-படிநிலை கற்பனையாக வடிவமைக்கிறது: தொழில்நுட்பத்தை உருவாக்கு, லாபம் தானாக வரும் என்று கருது, கடினமான நடுப்பகுதியை விளக்காமல் விடு.

வழங்கப்பட்ட மூல உரை South Park-இன் பிரசித்தமான ஒரு நகைச்சுவையை அடிப்படையாகக் கொண்டுள்ளது: “படி 1: உள்பாவாடைகளை சேகரி. படி 2: ? படி 3: லாபம்.” இந்த மறுபதிப்பில், ஏஐ ஏற்கனவே சக்திவாய்ந்த அமைப்புகளை உருவாக்கி முதல் படியை நிறைவு செய்துவிட்டது, மேலும் துறை மாற்றம் மற்றும் பொருளாதார உயர்வாக மூன்றாம் படியை சத்தமாக வாக்குறுதி அளிக்கிறது. ஆனால் இன்னும் தீராத பகுதி இரண்டாம் படி: திறனை வழக்கமான பணியிட மதிப்பாக மாற்றும் குழப்பமான வேலை.

இந்த வடிவமைப்பு தாக்கத்தை ஏற்படுத்துகிறது, ஏனெனில் இது தற்போதைய ஏஐ வளர்ச்சியின் மையத்தில் இருக்கும் முரண்பாட்டைப் பிடிக்கிறது. மாதிரிகள் எழுதலாம், சுருக்கலாம், வகைப்படுத்தலாம், குறியீடு உருவாக்கலாம், மொழி சார்ந்த பணிகளின் வளர்ந்துவரும் வரம்பை கையாளலாம். ஆனால் ஒரு பெஞ்ச்மார்க் அல்லது பைலட்டில் கிடைக்கும் சிறப்பான திறன், நிஜ அமைப்பிற்குள் தானாகவே உற்பத்தித்திறன், லாபவிகித விரிவாக்கம் அல்லது நீடித்த முதலீட்டு வருமானமாக மாறாது.

கோடிங்கைத் தவிர, சிறந்த ஏஐ அமைப்புகள்கூட இப்போது பணியிடத்தில் பொருளாதார ரீதியாக செயல்படத் தக்கவையாக இருப்பதில் சிரமப்படுகின்றன என்று கட்டுரை சொல்கிறது. இந்த வேறுபாடு முக்கியமானது. உருவாக்கும் ஏஐக்கு கோடிங் மிக வலுவான ஆரம்ப வணிகத் தளங்களில் ஒன்றாக உருவெடுத்துள்ளது, ஏனெனில் அதன் விளைவுகள் டிஜிட்டல், பணிச்சூழல்கள் மீளச்சுழற்சியானவை, மேலும் பயனர்கள் பெரும்பாலும் முடிவுகளை மதிப்பிடுவதில் திறமையானவர்கள். பல பிற துறைகள் இவ்வளவு மன்னிப்பதில்லை. பிழைகளின் செலவு அதிகம், கண்காணிப்பு மந்தம், பணிகள் குறைவாக கட்டமைக்கப்பட்டவை, மேலும் ஏற்கனவே உள்ள செயல்முறைகளுடன் ஒருங்கிணைப்பது கடினம்.

இந்த இடைவெளிக்கான உதாரணங்களாக பகுப்பாய்வு இரண்டு சமீபத்திய ஆய்வுகளைச் சுட்டிக்காட்டுகிறது. Anthropic-இன் ஒரு ஆய்வு, பெரிய மொழி மாதிரிகள் எந்த வகை வேலைகளை அதிகமாகப் பாதிக்கக்கூடும் என்பதை கணித்தது; அதில் மேலாளர்கள், கட்டிட வடிவமைப்பாளர்கள் மற்றும் ஊடகத் துறையினர் போன்ற பணிகள் குறிப்பிடப்பட்டன, ஆனால் நிலப் பராமரிப்பாளர்கள், கட்டுமானத் தொழிலாளர்கள், விருந்தோம்பல் பணியாளர்கள் மீது குறைந்த தாக்கம் இருப்பதாகக் கூறப்பட்டது. ஆனால் இவ்வகை கணிப்புகள், இறுதியில், பணி-பொருத்தம் குறித்த ஊகங்களே; உண்மையான பணியிட செயல்திறனுக்கான சான்று அல்ல என்பதை கட்டுரை வலியுறுத்துகிறது.

அதுவே முக்கியமான வேறுபாடு. ஒரு மாதிரி, ஒரு பணியில் உதவுவதற்குத் தத்துவ ரீதியில் திறன் கொண்டதாகத் தோன்றலாம்; ஆனால் அது முதலாளி அதை பரவலாகப் பயன்படுத்துவாரா என்பதை நிர்ணயிக்கும் நடைமுறை தடைகளைத் தாண்டத் தவறலாம். அவற்றில் நம்பகத்தன்மை, இணக்கம், கண்காணிப்பு செலவு, பயனர் நம்பிக்கை, பணிச்சூழல் மறுவமைப்பு, மேலும் தற்போதைய முறைகளில் தொடர்வதைவிட அமைப்பைப் பயன்படுத்துவது வேகமானதா அல்லது மலிவானதா என்ற எளிய கேள்வி ஆகியவை அடங்கும்.

மிகப் பெரிய ஏஐ உரிமைகளில் பலவற்றையும் இதே பிரச்சினை நிழலிட்டு நிற்கிறது. நிர்வாகிகள் மற்றும் ஆய்வாளர்கள் இந்த தொழில்நுட்பத்தை பொருளாதார ரீதியாக மாற்றக்கூடியதாக விவரிக்கலாம்; அது உண்மையாகவும் இருக்கலாம். ஆனால் அமைப்புகள் உற்பத்தியில் அந்த மதிப்பை மீண்டும் மீண்டும் பிடிக்க முடிந்தால்தான் மாற்றம் உண்மையில் எண்ணப்படும். அதனால், உண்மையான போட்டி யாரிடம் மிக மேம்பட்ட மாதிரி இருக்கிறது என்பதில் அல்லாமல், மாதிரி வெளியீட்டுக்கும் வணிக முடிவுக்கும் இடையிலான காணாமல் போன நடுத்தர அடுக்கை யார் வரையறுத்து, செயல்படுத்தி, அளவாக்க முடிகிறது என்பதில் இருக்கலாம்.

இந்த அடுக்கில் செயல்முறை மறுவமைப்பு, ஒழுங்குமுறை, கண்காணிப்பு முறைகள், மென்பொருள் இடைமுகங்கள், விலைமாதிரிகள், பயிற்சி, மற்றும் ஏஐ மனிதப் பணியை எங்கு அர்த்தமுள்ள வகையில் மேம்படுத்துகிறது, எங்கு அதை மேலும் சிக்கலாக்குகிறது என்பதற்கான தெளிவான புரிதல் ஆகியவை சேரலாம். MIT Technology Review கட்டுரை, வெவ்வேறு தரப்புகள் அந்த நடுக்கட்டத்துக்குள் ஏற்கனவே வேறுபட்ட பதில்களை முன்வைக்கின்றன என்று குறிப்பிடுகிறது. Pause AI-யுடன் தொடர்புடைய செயற்பாட்டாளர்கள் ஒழுங்குமுறையை அத்தியாவசியமாகக் கருதுகிறார்கள். ஊக்குவிப்பாளர்கள் பெரும்பாலும் அந்தத் தெளிவின்மையைத் தாண்டிச் செல்கிறார்கள், ஏனெனில் அவர்கள் பாதையைவிட இலக்கில் அதிக கவனம் செலுத்துகிறார்கள்.

உண்மையில், பாதையே கதையாகும். வேலைத்தளத் தொழில்நுட்பத்தின் ஒவ்வொரு பெரிய அலைவும் கருவியைச் சுற்றி உள்ள துணை அமைப்புகளைப் பொறுத்தே இருந்துள்ளது. ஸ்ப்ரெட்ஷீட் முக்கியமானது; ஆனால் அதைப் பயன்படுத்திய வணிக செயல்முறைகளும் அதே அளவு முக்கியமானவை. இணையம் முக்கியமானது; ஆனால் கட்டணங்கள், லாஜிஸ்டிக்ஸ், தரநிலைகள், பயனர் பழக்கங்களும் அதே அளவு முக்கியம். ஏஐயும் அதே மாதிரியைப் பின்பற்ற வாய்ப்புள்ளது. மாதிரி என்பது மதிப்புச் சங்கிலியின் ஒரு பகுதி மட்டுமே.

இதனால்தான் தற்போதைய சந்தையில் பதற்றம் அதிகம். நிறுவனங்கள் ஏற்கனவே மாதிரிகள், கணிப்பொறி வளம், ஒருங்கிணைப்புகள், பைலட்டுகள் ஆகியவற்றில் பெரிதும் செலவிட்டுள்ளன. அந்தச் செலவு புதுமை மட்டுமன்றி மேலும் ஏதோ ஒன்றை வழங்குகிறது என்பதை நிரூபிக்க அவை அழுத்தத்தில் உள்ளன. பொருளாதார வழக்கமானது ஒரு குறுகிய பயன்பாட்டு வளையத்தில் மட்டுமே வலுவாக இருந்தால், hype-இலிருந்து பரவலான லாபத்துக்கான பாதை பல முன்னறிவிப்புகள் சொல்வதைவிட மெதுவாகவும், அதிகத் தேர்ச்சியுடனும் இருக்கும்.

அப்படியானால், காணாமல் போன அந்த படி சிறிய செயல்படுத்தல் விவரம் அல்ல. அது ஏஐ யுகத்தின் மைய வணிகப் பிரச்சினை. தொழில்நுட்ப சாத்தியத்திலிருந்து மீண்டும் மீண்டும் கிடைக்கும் பணியிட லாபங்களுக்குச் செல்லும் வழியை நிறுவனங்கள் ஆதாரத்துடன் விளக்க முடியும் வரை, இந்தத் துறை உண்மையான முன்னேற்றங்களுக்கும் மிகைப்படுத்தப்பட்ட எதிர்பார்ப்புகளுக்கும் இடையே அலைந்து கொண்டே இருக்கும். ஏஐ இப்போது அதன் கடினமான சவால் இன்னும் அதிக திறன் உருவாக்குவது அல்ல என்ற நிலையில் வந்துள்ளது. திறனை அர்த்தமுள்ளதாக மாற்றுவதே சவால்.

இந்த கட்டுரை MIT Technology Review செய்தியினை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.