𝗙𝗲𝗮𝘁𝘂𝗿𝗲, 𝗖𝗮𝗽𝗮𝗯𝗶𝗹𝗶𝘁𝘆, 𝗼𝗿 𝗡𝗮𝘁𝗶𝘃𝗲: ಸಾಫ್ಟ್ವೇರ್ ತಂಡಗಳು AI ಅನ್ನು ಹೇಗೆ ವ್ಯಾಖ್ಯಾನಿಸುತ್ತವೆ
ಸಾಫ್ಟ್ವೇರ್ ತಂಡಗಳು AI ಅನ್ನು ಮೂರು ರೀತಿಯಲ್ಲಿ ನೋಡುತ್ತವೆ. ಮಾರ್ಕೆಟಿಂಗ್ ತಂಡಗಳಿಗಿಂತ ಎಂಜಿನಿಯರ್ಗಳು ಈ ವ್ಯತ್ಯಾಸವನ್ನು ವೇಗವಾಗಿ ಗುರುತಿಸುತ್ತಾರೆ.
AI ಫೀಚರ್ (AI Feature) AI ಫೀಚರ್ ಒಂದು ವರ್ಕ್ಫ್ಲೋಗೆ (workflow) ಒಂದು ಸಾಧನವನ್ನು ಸೇರಿಸುತ್ತದೆ. ಅದು ಇಲ್ಲದೆಯೇ ಉತ್ಪನ್ನವು ಸರಿಯಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತಿತ್ತು. ಉದಾಹರಣೆಗಳೆಂದರೆ "Summarize" ಬಟನ್ ಅಥವಾ ಮೀಟಿಂಗ್ ನೋಟ್ಸ್. ಇಂತಹ ಫೀಚರ್ಗಳನ್ನು ನಿರ್ಮಿಸುವುದು ಸುಲಭ, ಆದರೆ ಅವುಗಳನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವುದು ಕಷ್ಟ. ತಂತ್ರಜ್ಞಾನವು ಸಾಮಾನ್ಯವಾದ ನಂತರ ದೊಡ್ಡ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ಹೆಚ್ಚಾಗಿ ಇಂತಹ ಫೀಚರ್ಗಳನ್ನು ತಮ್ಮೊಳಗೆ ಅಳವಡಿಸಿಕೊಳ್ಳುತ್ತವೆ.
AI ಕ್ಯಪಬಿಲಿಟಿ (AI Capability) ಒಂದು ಕಂಪನಿಯು ತನ್ನ ಅನೇಕ ಉತ್ಪನ್ನಗಳಲ್ಲಿ AI ಅನ್ನು ಬಳಸಿದಾಗ ಇದನ್ನು ಕ್ಯಪಬಿಲಿಟಿ ಎನ್ನಲಾಗುತ್ತದೆ. ಇಲ್ಲಿ ನಿಜವಾದ ಎಂಜಿನಿಯರಿಂಗ್ ಕೆಲಸವಿರುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಇದರ ಮೂಲ ಆರ್ಕಿಟೆಕ್ಚರ್ (architecture) AI ಯುಗಕ್ಕಿಂತ ಮೊದಲೇ ಅಸ್ತಿತ್ವದಲ್ಲಿದ್ದದ್ದಾಗಿರುತ್ತದೆ. ನೀವು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮಾದರಿಗೆ (model) ಕೇವಲ ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಸೇರಿಸುತ್ತಿದ್ದೀರಿ ಎಂದರ್ಥ.
AI-ನೇಟಿವ್ (AI-Native) AI-ನೇಟಿವ್ ಉತ್ಪನ್ನವು ಮೊದಲ ದಿನದಿಂದಲೇ AI ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಎಂದು ಭಾವಿಸುತ್ತದೆ. ಅದರ ಆರ್ಕಿಟೆಕ್ಚರ್, ಡೇಟಾ ಫ್ಲೋ ಮತ್ತು ವಿನ್ಯಾಸವು ಅದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ. AI ಇಲ್ಲದೆ ಈ ಉತ್ಪನ್ನವು ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.
ಒಂದು ಸಾಧನವು AI-ನೇಟಿವ್ ಆಗಿದೆಯೇ ಎಂದು ಅದರ ಔಟ್ಪುಟ್ (output) ನೋಡಿ ನೀವು ಪರೀಕ್ಷಿಸಬಹುದು. ಆ ಸಾಧನವು ಮೊದಲು ಆರ್ಕಿಟೆಕ್ಚರ್, ಡೇಟಾಬೇಸ್ ಸ್ಕೀಮಾಗಳು (database schemas) ಅಥವಾ API ಕಾಂಟ್ರಾಕ್ಟ್ಗಳನ್ನು ತಯಾರಿಸುತ್ತದೆಯೇ? ಅಥವಾ ಕೇವಲ ಕೋಡ್ ಅನ್ನು ಜನರೇಟ್ ಮಾಡಿ, ಅದರ ರಚನೆ ಸರಿಯಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂದು ಭಾವಿಸುತ್ತದೆಯೇ?
ನಿಜವಾದ AI-ನೇಟಿವ್ ವ್ಯವಸ್ಥೆಗಳು ಕೋಡ್ ಜನರೇಟ್ ಮಾಡುವ ಮೊದಲು ವಿನ್ಯಾಸವನ್ನು (design) ಮಾಡುತ್ತವೆ. ಇದು ತಪ್ಪುಗಳನ್ನು ತಡೆಯುತ್ತದೆ.
ಪ್ರಸ್ತುತ ಉದ್ಯಮದಲ್ಲಿ ಒಂದು ದೊಡ್ಡ ಸಮಸ್ಯೆ ಇದೆ. ಬಳಕೆಯು ಹೆಚ್ಚಾಗುತ್ತಿದ್ದರೂ, ಡೆವಲಪರ್ಗಳ ನಂಬಿಕೆಯು ಕುಸಿಯುತ್ತಿದೆ. 2023 ರಲ್ಲಿ, 70% ಡೆವಲಪರ್ಗಳು AI ಅನ್ನು ಬಳಸುತ್ತಿದ್ದರು ಮತ್ತು 40% ಜನರು ಅದನ್ನು ನಂಬುತ್ತಿದ್ದರು. 2025 ರ ವೇಳೆಗೆ, ಬಳಕೆ 84% ಕ್ಕೆ ಏರಿದೆ, ಆದರೆ ನಂಬಿಕೆಯು 29% ಕ್ಕೆ ಇಳಿಕೆಯಾಗಿದೆ.
ಹೆಚ್ಚಿನ AI ಸಾಧನಗಳು ಕೇವಲ ಫೀಚರ್ಗಳಾಗಿರುವುದರಿಂದ ಹೀಗಾಗುತ್ತಿದೆ. ಔಟ್ಪುಟ್ ಸರಿಯಾಗಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಲು ಅವುಗಳಲ್ಲಿ ಯಾವುದೇ ರಚನಾತ್ಮಕ ವಿಧಾನವಿಲ್ಲ. AI ತಪ್ಪು ಮಾಡಿದಾಗ, ಅದನ್ನು ಪತ್ತೆಹಚ್ಚಲು ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಏನೂ ಇರುವುದಿಲ್ಲ.
AI-ನೇಟಿವ್ ವ್ಯವಸ್ಥೆಗಳು ಇದನ್ನು ಪರಿಹರಿಸುತ್ತವೆ. AI ಏನನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆಯೋ ಅದನ್ನು ಪರಿಶೀಲಿಸಲು ಅವು ಸ್ಪೆಸಿಫಿಕೇಶನ್ (specification) ಅಥವಾ ಟೆಸ್ಟ್ ಸೂಟ್ (test suite) ಅನ್ನು ಬಳಸುತ್ತವೆ. ಔಟ್ಪುಟ್ ಕೇಳಲು ಸರಿಯಾಗಿ ಕಾಣುತ್ತಿದೆ ಎಂಬ ಕಾರಣಕ್ಕೆ ಅವು ಅದನ್ನು ಕುರುಡಾಗಿ ನಂಬುವುದಿಲ್ಲ.
ಎಂಜಿನಿಯರಿಂಗ್ ಲೀಡ್ಗಳು (Engineering leads) ಒಂದು ಸಾಧನದಲ್ಲಿ AI ಇದೆಯೇ ಎಂದು ಕೇಳುವುದನ್ನು ನಿಲ್ಲಿಸಬೇಕು. ಈಗ ಬಹುತೇಕ ಎಲ್ಲಾ ಸಾಧನಗಳಲ್ಲೂ ಅದು ಇದೆ. ಬದಲಾಗಿ, ಅದರ ಅನುಕ್ರಮದ (sequencing) ಬಗ್ಗೆ ಕೇಳಿ.
ಆ ಸಾಧನವು ಮೊದಲು ರಚನೆಯನ್ನು (structure) ಸೃಷ್ಟಿಸುತ್ತದೆಯೇ ಅಥವಾ ಮೊದಲು ಕೋಡ್ ಅನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆಯೇ?
ಒಂದು ಸಾಧನವು ಅನುಷ್ಠಾನದ (implementation) ಮೊದಲು ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ನಿರ್ಮಿಸಿದರೆ, ಅದು ಪ್ರೊಡಕ್ಷನ್ನಲ್ಲಿ (production) ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರುವ ಸಾಧ್ಯತೆಯಿದೆ.
Source: https://dev.to/8080_ai/feature-capability-or-native-how-software-teams-define-ai-4k0h
Optional learning community: https://t.me/GyaanSetuAi