AI சோதனையை மேற்கொள்ளும்போது
AI மனித உதவியின்றி ஒரு வேதியியல் ஆய்வகத்தை நடத்தியுள்ளது. இந்த மாற்றம் விஞ்ஞானிகளைத் தாண்டி பலரையும் பாதிக்கிறது.
பெரும்பாலான மக்கள் AI-ஐ ஒரு சாட்பாக்ஸாக (chat box) பயன்படுத்துகிறார்கள். நீங்கள் ஒரு prompt-ஐ தட்டச்சு செய்கிறீர்கள். உங்களுக்கு ஒரு பதில் கிடைக்கிறது. அதை நகலெடுத்து ஒட்டுகிறீர்கள் (copy and paste). கடினமான வேலைகளை நீங்கள் தான் இன்னும் செய்கிறீர்கள். இது குறுகிய பணிகளுக்குப் பொருந்தும். ஆனால் ஒரு பணி பல படிகளைக் கொண்டிருந்தால் மற்றும் தொடர்ச்சியான சோதனைகள் தேவைப்பட்டால், இது தோல்வியடையும்.
ஒரு புதிய மாற்றம் நிகழ்ந்து கொண்டிருக்கிறது. OpenAI மற்றும் Molecule.one இந்த மாற்றத்தைக் காட்டியுள்ளன. அவர்கள் ஒரு வேதியியலாளர் போல செயல்படும் ஒரு AI அமைப்பைப் பயன்படுத்தினர். அந்த AI சோதனைகளைத் திட்டமிட்டது. முடிவுகளைச் சரிபார்த்தது. ஏதேனும் தவறாக நடந்தால் தனது திட்டத்தை மாற்றியமைத்தது. இது மிகக் குறைந்த மனித உதவியுடன் செய்யப்பட்டது.
இது கிட்டத்தட்ட தன்னாட்சி பெற்ற (near-autonomous) AI ஆகும்.
ஒரு chatbot நீங்கள் பேசுவதற்காகக் காத்திருக்கும். ஆனால் ஒரு near-autonomous agent தானாகவே இயங்கும். அது ஒரு இலக்கைப் பெறுகிறது. அந்த இலக்கை பல்வேறு பணிகளாகப் பிரிக்கிறது. பணிகளைச் செயல்படுத்துகிறது. தனது வேலையைத் தானே சரிபார்க்கிறது. இது ஒரு திட்டத்தை ஆரம்பம் முதல் இறுதி வரை நிர்வகிக்கும் ஒரு ஒப்பந்ததாரரைப் (contractor) போன்றது.
இதைச் சாத்தியமாக்குபவை மூன்று விஷயங்கள்: • சிறந்த reasoning models. • code மற்றும் databases போன்ற கருவிகளைப் பயன்படுத்தும் திறன். • சிக்கலான பணிகளைத் தக்கவைத்துக் கொள்ள நீண்ட கால நினைவாற்றல்.
இது உங்கள் வேலை செய்யும் முறையை மாற்றுகிறது.
ஒரு content marketer-ஐப் பற்றிச் சிந்திப்போம். இன்று, நீங்கள் ஆராய்ச்சி செய்து, வரைவு (draft) செய்து, வடிவமைத்து (format), ஒரு திட்டத்தை முன்வைக்கிறீர்கள். இதற்கு 20 மணிநேர மனித உழைப்பு தேவைப்படுகிறது.
ஒரு AI agent மூலம், நீங்கள் ஒரு இலக்கை நிர்ணயிக்கிறீர்கள். அந்த agent சந்தையை ஆராய்ச்சி செய்கிறது. அது personas-களை வரைவு செய்கிறது. காலண்டரை உருவாக்குகிறது. முக்கியமான முடிவுகளை மட்டும் உங்களுக்காகக் குறித்துக் காட்டுகிறது.
உங்கள் வேலை, வேலையைச் செய்வதிலிருந்து, வேலையைச் சரிபார்ப்பதாக மாறுகிறது. நீங்கள் உத்தி (strategy) வழங்குகிறீர்கள். AI அதைச் செயல்படுத்துகிறது (execution).
இப்போது எவ்வாறு தயாராவதுது: • உங்கள் மீண்டும் மீண்டும் செய்யப்படும் பணிகளைத் திட்டமிடுங்கள் (Map). ஒரு குறிப்பிட்ட முறையைப் பின்பற்றும் செயல்முறைகளைக் கண்டறியுங்கள். • prompts-களை நிலைகளாகப் பிரிக்கவும். ஒரு படிநிலையின் வெளியீட்டை அடுத்த படிநிலைக்கு உள்ளீடாக வழங்கவும். • படிகளுக்குப் பதிலாக இலக்குகளை வரையறுக்கவும். AI என்ன செய்ய வேண்டும் என்று மட்டும் சொல்லாமல், எதை அடைய வேண்டும் என்று சொல்லுங்கள். • automation tools-களைச் சோதித்துப் பாருங்கள். உங்கள் குறிப்பிட்ட வேலையில் அவை எதைக் கையாள முடியும் என்று பாருங்கள்.
AI கேள்விகளுக்குப் பதிலளிப்பதிலிருந்து பணிகளை (missions) முடிக்கும் நிலைக்கு நகர்ந்து கொண்டிருக்கிறது. இந்த மாற்றத்தை முன்கூட்டியே புரிந்துகொள்பவர்கள் தங்கள் துறைகளில் முன்னிலை பெறுவார்கள்.
Optional learning community: https://t.me/GyaanSetuAi