AI പരീക്ഷണങ്ങൾ നയിക്കുമ്പോൾ
മനുഷ്യസഹായം ഏതാണ്ട് ഇല്ലാതെ തന്നെ AI ഒരു കെമിസ്ട്രി ലാബ് പ്രവർത്തിപ്പിച്ചു കഴിഞ്ഞു. ഈ മാറ്റം ശാസ്ത്രജ്ഞരെ മാത്രമല്ല ബാധിക്കുന്നത്.
ഭൂരിഭാഗം ആളുകളും AI-യെ ഒരു ചാറ്റ് ബോക്സ് ആയിട്ടാണ് ഉപയോഗിക്കുന്നത്. നിങ്ങൾ ഒരു പ്രോംപ്റ്റ് ടൈപ്പ് ചെയ്യുന്നു. നിങ്ങൾക്ക് ഒരു ഉത്തരം ലഭിക്കുന്നു. നിങ്ങൾ അത് കോപ്പി ചെയ്ത് പേസ്റ്റ് ചെയ്യുന്നു. കഠിനമായ ജോലികൾ നിങ്ങൾ തന്നെയാണ് ഇപ്പോഴും ചെയ്യുന്നത്. ചെറിയ ജോലികൾക്ക് ഇത് ഫലപ്രദമാണ്. എന്നാൽ ഒരു ജോലിക്ക് പല ഘട്ടങ്ങളുണ്ടാവുകയും നിരന്തരമായ പരിശോധനകൾ ആവശ്യമായി വരികയും ചെയ്യുമ്പോൾ ഇത് പരാജയപ്പെടുന്നു.
ഒരു പുതിയ മാറ്റം സംഭവിച്ചുകൊണ്ടിരിക്കുകയാണ്. OpenAI-യും Molecule.one-ഉം ഈ മാറ്റം കാണിച്ചുതന്നു. ഒരു കെമിസ്റ്റിനെപ്പോലെ പ്രവർത്തിക്കുന്ന ഒരു AI സിസ്റ്റമാണ് അവർ ഉപയോഗിച്ചത്. AI പരീക്ഷണങ്ങൾ ആസൂത്രണം ചെയ്തു. ഫലങ്ങൾ പരിശോധിച്ചു. കാര്യങ്ങൾ തെറ്റായി പോകുമ്പോൾ അത് അതിന്റെ പ്ലാൻ മാറ്റി. വളരെ കുറഞ്ഞ മനുഷ്യസഹായത്തോടെയാണ് ഇത് ചെയ്തത്.
ഇതാണ് near-autonomous AI.
ഒരു ചാറ്റ്ബോട്ട് നിങ്ങൾ സംസാരിക്കാൻ കാത്തിരിക്കുന്നു. എന്നാൽ ഒരു near-autonomous ഏജന്റ് സ്വയം പ്രവർത്തിക്കുന്നു. അത് ഒരു ലക്ഷ്യം സ്വീകരിക്കുന്നു. ആ ലക്ഷ്യത്തെ വിവിധ ജോലികളായി തിരിക്കുന്നു. ജോലികൾ നടപ്പിലാക്കുന്നു. സ്വന്തം ജോലി പരിശോധിക്കുന്നു. ഒരു പ്രോജക്റ്റ് തുടക്കം മുതൽ അവസാനം വരെ നിയന്ത്രിക്കുന്ന ഒരു കോൺട്രാക്ടറെപ്പോലെയാണിത്.
ഇത് സാധ്യമാക്കുന്നത് മൂന്ന് കാര്യങ്ങളാണ്: • മെച്ചപ്പെട്ട reasoning models. • കോഡ്, ഡാറ്റാബേസ് തുടങ്ങിയ ടൂളുകൾ ഉപയോഗിക്കാനുള്ള കഴിവ്. • സങ്കീർണ്ണമായ ജോലികൾ നിലനിർത്താൻ ശേഷിയുള്ള കൂടുതൽ മെമ്മറി.
ഇത് നിങ്ങളുടെ ജോലി രീതിയെ മാറ്റുന്നു.
ഒരു കണ്ടന്റ് മാർക്കറ്ററെക്കുറിച്ച് ചിന്തിക്കുക. ഇന്ന്, നിങ്ങൾ ഗവേഷണം നടത്തുന്നു, ഡ്രാഫ്റ്റ് ചെയ്യുന്നു, ഫോർമാറ്റ് ചെയ്യുന്നു, ഒരു പ്ലാൻ അവതരിപ്പിക്കുന്നു. ഇതിനായി 20 മണിക്കൂർ കഠിനാധ്വാനം ആവശ്യമാണ്.
ഒരു AI ഏജന്റ് ഉപയോഗിക്കുമ്പോൾ, നിങ്ങൾ ഒരു ലക്ഷ്യം മാത്രം നിശ്ചയിക്കുന്നു. ഏജന്റ് മാർക്കറ്റ് ഗവേഷണം നടത്തുന്നു. അത് personas തയ്യാറാക്കുന്നു. കലണ്ടർ നിർമ്മിക്കുന്നു. പ്രധാനപ്പെട്ട തീരുമാനങ്ങൾ മാത്രം നിങ്ങൾക്കായി അടയാളപ്പെടുത്തുന്നു.
ജോലി ചെയ്യുന്നതിൽ നിന്നും ജോലി പരിശോധിക്കുന്നതിലേക്കാണ് നിങ്ങളുടെ പങ്ക് മാറുന്നത്. നിങ്ങൾ തന്ത്രങ്ങൾ (strategy) നൽകുന്നു. AI അത് നടപ്പിലാക്കുന്നു (execution).
ഇപ്പോൾ എങ്ങനെ തയ്യാറെടുക്കാം: • ആവർത്തിച്ചുള്ള ജോലികൾ തിരിച്ചറിയുക. ഒരു പ്രത്യേക രീതി പിന്തുടരുന്ന പ്രക്രിയകൾ കണ്ടെത്തുക. • പ്രോംപ്റ്റുകളെ ഘട്ടങ്ങളായി തിരിക്കുക. ഒരു ഘട്ടത്തിന്റെ ഔട്ട്പുട്ട് അടുത്ത ഘട്ടത്തിലേക്ക് നൽകുക. • ഘട്ടങ്ങൾക്ക് പകരം ലക്ഷ്യങ്ങൾ നിർവചിക്കുക. എന്ത് ചെയ്യണം എന്ന് മാത്രമല്ല, എന്ത് നേടണം എന്നും AI-യോട് പറയുക. • ഓട്ടോമേഷൻ ടൂളുകൾ പരീക്ഷിക്കുക. നിങ്ങളുടെ ജോലിയിൽ അവയ്ക്ക് എത്രത്തോളം കാര്യങ്ങൾ ചെയ്യാൻ കഴിയുമെന്ന് നോക്കുക.
ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്നതിൽ നിന്ന് ദൗത്യങ്ങൾ പൂർത്തിയാക്കുന്നതിലേക്കാണ് AI മാറിക്കൊണ്ടിരിക്കുന്നത്. ഈ മാറ്റം നേരത്തെ തിരിച്ചറിയുന്നവർ തങ്ങളുടെ മേഖലകളിൽ മുന്നിൽ നിൽക്കും.
Optional learning community: https://t.me/GyaanSetuAi