ஜெஃப் பெசோஸ் இயற்பியல் வடிவமைப்புக்காக AI-யில் பெரிய பந்தயம் வைக்கிறார்

ஜெஃப் பெசோஸ் ஆதரவு பெற்ற ஸ்டார்ட்அப் ப்ரோமிதியஸ், அவர் “artificial general engineer” என்று விவரிக்கும் ஒன்றை உருவாக்க முயல்கிறது. இந்த சொல் AI துறையின் வளர்ந்து வரும் ஒரு பேராசையை பிரதிபலிக்கிறது: மொழி மற்றும் மென்பொருளைத் தாண்டி, நிஜ உலகப் பொருட்களை வடிவமைக்க உதவும் கருவிகளுக்குச் செல்லுதல்.

வழங்கப்பட்ட மூல உரையின் படி, ப்ரோமிதியஸ் AI-ஆல் இயக்கப்படும் பொறியியல் கருவிகளை உருவாக்கி வருகிறது; இவை ரோபோடிக்ஸ், மருந்து வடிவமைப்பு, மற்றும் உற்பத்தி உள்ளிட்ட துறைகளில் இயற்பியல் தயாரிப்புகளின் வடிவமைப்புக்கு உதவ வேண்டும். நிறுவனம் $12 பில்லியன் திரட்டியதாகவும், அதன் மதிப்பு $41 பில்லியன் எனவும் கூறப்படுகிறது; பெசோஸ், Alphabet-இன் Verily நிறுவனத்தின் இணை நிறுவனர் விக் பஜாஜ் உடன் இணை-CEO ஆக பணியாற்றுகிறார். ஸ்டார்ட்அப்பில் தற்போது சுமார் 150 பணியாளர்கள் உள்ளனர்.

இந்த அணுகுமுறை திட்டமிட்டதே. நிறுவனத்தை இன்னொரு பொதுப்பயன் மாடல் உருவாக்குநராக அல்லாமல், ஸ்டாக்-இன் ஒரு குறுகிய ஆனால் அதிக மதிப்புள்ள அடுக்கை குறிவைக்கிறது: கடினமான இயற்பியல் பிரச்சினைகளில் பணிபுரியும் பொறியாளர்களுக்கு உதவும் AI அமைப்புகள்.

“artificial general engineer” என்ற சொற்றொடர் ஏன் குறிப்பிடத்தக்கது

இந்த சொல், தொழில்நுட்பத் துறையின் artificial general intelligence மீதான நீண்டகால ஈர்ப்பை நினைவுபடுத்துகிறது; ஆனால் அதை மேலும் தெளிவான ஒரு துறையில் பயன்படுத்துகிறது. “artificial general engineer” என்பது ஒரே நிச் பணியை மட்டும் அல்ல, பல பொறியியல் பணிப்பாய்வுகளிலும் பங்களிக்கக்கூடிய மென்பொருளைக் குறிக்கிறது.

இதன் பொருள் மனித பொறியியல் குழுக்களை மாற்றிவிடும் என்பதல்ல. வழங்கப்பட்ட மூல உரையின் அடிப்படையில், நடைமுறை நோக்கம் சிக்கலான இயற்பியல் தயாரிப்புகளின் வடிவமைப்புக்கு உதவும் கருவிகளை உருவாக்குவதாகும். அந்த வகையில், இந்தத் திட்டம் AI-யின் பரந்த மாற்றத்துடன் பொருந்துகிறது: உள்ளடக்க உருவாக்கத்திலிருந்து தொழில்நுட்ப மற்றும் தொழிற்துறை சூழல்களில் முடிவு ஆதரவுக்குச் செல்லும் மாற்றம்.

இது வெற்றியடைந்தால், மெதுவான, சிமுலேஷன்-அதிக, செலவுயர்ந்த வடிவமைப்பு சுழற்சிகள் உள்ள துறைகளை பாதிக்கலாம். ரோபோடிக்ஸ், உற்பத்தி, மற்றும் மருந்து வடிவமைப்பு ஆகிய அனைத்திலும் பெரிய தேடல் இடங்கள், கணிசமான கட்டுப்பாடுகள், மற்றும் செலவுயர்ந்த மீள்சுழற்சி உள்ளன. அந்த இடங்களை சுருக்கவோ அல்லது விரைவாக சாத்தியமான வடிவமைப்பு விருப்பங்களை வெளிப்படுத்தவோ முடியும் AI அமைப்புகள் வணிக ரீதியாக முக்கியமானவையாக இருக்கும்.

I ditched T-Mobile for Mint after 10 years of service - now I'm saving $120/month
More in News

10 ஆண்டுகளுக்குப் பிறகு நான் ஏன் T-Mobile-ஐ விட்டு Mint-க்கு மாறினேன் — மேலும் மாதம் $120 சேமித்தேன்

10 ஆண்டுகளாக T-Mobile-இல் இருந்த பிறகு, நான் Mint-க்கு மாறினேன், இதனால் எனது தொலைபேசி பில் மாதம் $120 குறைந்தது — கவரேஜை இழக்காமல். நீங்களும் ஏன் மாற விரும்பலாம் என்பது இங்கே.

Read article

பெசோஸ் ஒரு தெளிவான உள்துறை வாடிக்கையாளரைச் சுட்டிக்காட்டுகிறார்

மூல உரையின் படி, பெசோஸ் இந்த தொழில்நுட்பத்தால் பயன் அடையக்கூடிய நிறுவனமாக Blue Origin-ஐ குறிப்பிட்டார். அந்தக் கருத்து முக்கியமானது, ஏனெனில் இது மெய்ப்பொருள் பயன்பாட்டு நிகழ்வுகளுக்கு அடித்தளமாகிறது: ராக்கெட் இன்ஜின்கள் மற்றும் பிற மேம்பட்ட சாதனங்களை உருவாக்கும் நிறுவனங்கள்.

தொழிற்துறை தர்க்கம் தெளிவானது. ஹார்ட்வேர் மேம்பாடு, மென்பொருள் மேம்பாட்டை விட மிகவும் மூலதன-அதிகமும் நேரம் எடுத்துக்கொள்ளும் ஒன்றும் ஆகும். கூறு வடிவமைப்பு, பொருள் சமநிலைகள், துணை அமைப்பு தொடர்புகள், அல்லது உற்பத்தி கட்டுப்பாடுகள் ஆகியவற்றை அணுகுவதில் AI குழுக்களை மேம்படுத்தினால், பெறக்கூடிய மதிப்பு கணிசமானதாக இருக்கலாம்.

இது மிக ஆக்கிரமமான AI முதலீட்டாளர்கள் இனி chatbots, search, அல்லது office productivity குறித்து மட்டும் சிந்திக்கவில்லை என்பதற்கும் ஒரு நினைவூட்டல். வடிவமைப்பில் சிறிய முன்னேற்றங்களே பெரிய செலவு, பாதுகாப்பு, அல்லது செயல்திறன் மேம்பாடுகளாக மாறும் பொறியியல் bottlenecks-ஐ அவர்கள் அதிகமாக கவனிக்கிறார்கள்.

நெரிசலான AI சந்தை, ஆனால் வேறு கோணம்

ப்ரோமிதியஸ், பெரிய foundation-model நிறுவனங்கள் மற்றும் platform வழங்குநர்கள் ஆதிக்கம் செலுத்தும் AI துறைக்குள் நுழைகிறது; ஆனால் அதன் அணுகுமுறை குறுகலானதும் தொழிற்துறைக்கே உரியதுமானதும் ஆகும். நுகர்வோர் கவனம் அல்லது பொதுவான enterprise copilots-களுடன் நேரடியாக போட்டியிடுவதற்குப் பதிலாக, இது இயற்பியல் தயாரிப்பு மேம்பாட்டுக்கான சிறப்பு கருவிகளை நோக்கி செல்கிறது.

இந்த வேறுபாடு முக்கியம், ஏனெனில் பொறியியல் பணிப்பாய்வுகள் மேற்பரப்புக் கச்சிதத்தால் ஈர்க்கப்படுவதில்லை. இந்த துறையில் பயன்பட AI அமைப்புகள் கட்டுப்பாடுகள், கணக்கீடுகள், சிமுலேஷன்கள், மற்றும் நிஜ உற்பத்தி உண்மைகளுடன் வேலை செய்ய வேண்டும். நம்பகத்தன்மை என்பது அழகான வெளியீடுகளை விட, கருவிகள் நேரம், பிழை, அல்லது செலவை அளவிடக்கூடிய வகையில் குறைக்கிறதா என்பதில் சார்ந்திருக்கும்.

ஸ்டார்ட்அப்பின் அளவு, மதிப்பீடு, மற்றும் நிதி சுற்று ஆகியவை இப்படியான சந்தை இருப்பதாக முதலீட்டாளர்கள் நம்புகிறார்கள் என்பதைக் காட்டுகிறது. $12 பில்லியன் திரட்டல் மற்றும் $41 பில்லியன் மதிப்பீடு, ப்ரோமிதியஸை பயன்பாட்டு AI-யில் மிகப்பெரிய பந்தயங்களில் ஒன்றாக வைத்து நிறுத்துகிறது, பொதுமக்களுக்கு பரவலான தயாரிப்பு தாக்கத்தை இன்னும் காட்டவில்லை என்றாலும்.

வாய்ப்பு எங்கே உண்மையானது

பொறியியலில் இன்னும் பல மீண்டும் மீண்டும் செய்யப்படும், ஆனால் உயர் மதிப்புள்ள பணிகள் உள்ளன: வடிவமைப்பு இடங்களைத் தேடுதல், சமநிலைகளை ஒப்பிடுதல், விவரக்குறிப்புகளை மதிப்பாய்வு செய்தல், மாற்றுகளை ஆராய்தல், மற்றும் செயல்திறன் இலக்குகளை உற்பத்தி செய்யக்கூடிய வடிவவியலுடன் இணைத்தல். அந்த பணிகளுக்கான உதவியாக AI அமைப்புகள் நாளுக்குநாள் சாத்தியமான வேட்பாளர்களாகின்றன.

திட்டம் குறிப்பிட்டுள்ள வரம்பில் மருந்து வடிவமைப்பு மிகவும் சுவாரசியமான உதாரணமாகும். இந்த சொல் molecule discovery முதல் formulation-சார்ந்த பணிப்பாய்வுகள் வரை பல அடுக்குகளை உள்ளடக்க முடியும். ரோபோடிக்ஸ் மற்றும் உற்பத்தியில், விரைவான prototyping, system integration support, அல்லது பல துறைகளில் reasoning செய்ய உதவும் design tools ஆகியவற்றை இது உள்ளடக்கலாம்.

அவை பெரியதும் செலவுயர்ந்ததும் ஆன துறைகள். அவற்றில் ஒன்றிலேயே பகுதி வெற்றி கிடைத்தாலும் நிறுவனத்தின் பேராசையை நியாயப்படுத்த முடியும். ஆனால் நிலை மிக உயர்ந்தது. தொழிற்துறை வாடிக்கையாளர்கள் பார்வையாளர்கள் கவரும் மொழியை விட, சரிபார்ப்பு, நம்பகத்தன்மை, traceability, மற்றும் ஏற்கனவே உள்ள engineering சூழல்களில் ஒருங்கிணைப்பு ஆகியவற்றில் அதிக அக்கறை காட்டுகிறார்கள்.

பேராசையின் பின்னுள்ள ஆபத்துகள்

மிகப்பெரிய சவால் என்னவெனில், பொறியியல் நிபுணத்துவம் ஒரே துறை அல்ல. ராக்கெட் இன்ஜின்களுக்கு பயனுள்ள கருவி தானாகவே pharmaceuticals-க்கு பயன்படும் என்றில்லை; மேலும் வடிவமைப்பு செயல்முறையின் ஒரு பகுதியை optimize செய்யும் அமைப்பு மற்றொரு பகுதியைச் சமாளிக்க முடியாமல் போகலாம். எனவே “general engineer” என்ற சொல் மிக உயர்ந்த எதிர்பார்ப்பை உருவாக்குகிறது.

பரிச்சயமான ஒரு AI ஆபத்தும் உள்ளது: கடுமையாக கட்டுப்படுத்தப்பட்ட தொழில்நுட்ப சூழல்களில் தற்போதைய அமைப்புகள் என்ன செய்ய முடியும் என்பதை மிகைப்படுத்துவது. உற்பத்தி செய்யக்கூடிய பொறியியல் பணிகள் பெரும்பாலும் tacit knowledge, நிறுவன நினைவகம், ஒழுங்குமுறை சூழல், மற்றும் failure analysis ஆகியவற்றைப் பொறுத்திருக்கும்; இவற்றை பொதுவான model output-களாக குறைத்துவிடுவது கடினம்.

இருந்தாலும், நிறுவனத்தின் அளவும் மூலதன அடித்தளமும், அது வெறும் பொதுப் public-model திறன்களை மட்டும் சாராமல் domain-specific அணுகுமுறைகளைத் தேடுவதற்கான வளங்களை வைத்திருக்கும் என்பதைக் காட்டுகிறது. பயன்பாட்டுக்கு அதிகம் நெருக்கமான பாதை அதுவாக இருக்கலாம்.

AI சந்தைக்கு இது சொல்லும் செய்தி

ப்ரோமிதியஸ் என்பது அடுத்த AI போட்டி மிகவும் சக்திவாய்ந்த பொதுமாதிரியை உருவாக்குவது மட்டுமல்ல என்பதற்கான அறிகுறி. அதேபோல் AI-யை உயர்மதிப்புள்ள தொழில்நுட்ப பணிப்பாய்வுகளில் முக்கியமான கருவிகளாக மாற்றக்கூடியவர் யார் என்பதும்கூட. பொறியியல், குறிப்பாக இயற்பியல் பொறியியல், மிகவும் தெளிவான இலக்குகளில் ஒன்று.

பெசோஸின் மொழி பேராசை நிறைந்ததாக இருக்கலாம், ஆனால் மூல திசை நியாயமானது. AI சிக்கலான சாதனங்களின் வடிவமைப்பில் அர்த்தமுள்ள வகையில் உதவ முடிந்தால், கிடைக்கும் பலன் அலுவலக உற்பத்தித்திறனைத் தாண்டும். அது இயந்திரங்கள், உள்கட்டமைப்பு, மருந்துகள், மற்றும் தொழிற்துறை அமைப்புகள் உருவாக்கத்தில் பிடிப்பை வழங்கும்.

அதனால்தான் ப்ரோமிதியஸை கவனிக்க வேண்டியது முக்கியம். “artificial general engineer” இப்போது யதார்த்தம் என்பதற்காக அல்ல, ஆனால் அந்த முயற்சி சில பெரிய AI பந்தயங்கள் அடுத்ததாக எங்கு செல்கின்றன என்பதைக் காட்டுகிறது.

இந்தக் கட்டுரை The Verge வழங்கிய செய்தியை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.

Originally published on theverge.com