𝗙𝗲𝗮𝘁𝘂𝗿𝗲, 𝗖𝗮𝗽𝗮𝗯𝗶𝗹𝗶𝘁𝘆, 𝗼𝗿 𝗡𝗮𝘁𝗶𝘃𝗲: 𝗛𝗼𝘄 𝗦𝗼𝗳𝘁𝘄𝗮𝗿𝗲 𝗧𝗲𝗮𝗺𝘀 𝗗𝗲𝗳𝗶𝗻𝗲 𝗔𝗜
மென்பொருள் குழுக்கள் AI-ஐ மூன்று வழிகளில் பார்க்கின்றன. மார்க்கெட்டிங் குழுக்களை விட பொறியாளர்கள் இந்த வேறுபாட்டை விரைவாகக் கண்டறிகிறார்கள்.
AI அம்சம் (AI Feature) ஒரு AI அம்சம் என்பது ஒரு பணிப்பாய்வில் (workflow) ஒரு கருவியைச் சேர்க்கிறது. அது இல்லாமலேயே அந்தத் தயாரிப்பு நன்றாகச் செயல்பட்டிருக்கும். "சுருக்கிக் காட்டு" (Summarize) பொத்தான் அல்லது கூட்டக் குறிப்புகள் (meeting notes) போன்றவை இதற்கு உதாரணங்கள். இத்தகைய அம்சங்களை உருவாக்குவது எளிது, ஆனால் அவற்றை நிலைநிறுத்துவது கடினம். தொழில்நுட்பம் பொதுவானதாக மாறும்போது, பெரிய தளங்கள் பெரும்பாலும் இத்தகைய அம்சங்களை உள்வாங்கிக் கொள்கின்றன.
AI திறன் (AI Capability) ஒரு நிறுவனம் பல தயாரிப்புகளில் AI-ஐப் பயன்படுத்தும்போது இது நிகழ்கிறது. இதில் உண்மையான பொறியியல் வேலை உள்ளது. இருப்பினும், இதன் அடிப்படையான கட்டமைப்பு (architecture) AI காலத்திற்கு முன்பே இருந்து வருகிறது. நீங்கள் ஏற்கனவே உள்ள ஒரு மாதிரியுடன் (model) நுண்ணறிவைச் சேர்க்கிறீர்கள்.
AI-நேட்டிவ் (AI-Native) ஒரு AI-நேட்டிவ் தயாரிப்பு, முதல் நாளிலிருந்தே AI இருப்பதை அடிப்படையாகக் கொண்டு உருவாக்கப்படுகிறது. அதன் கட்டமைப்பு, தரவு ஓட்டம் (data flow) மற்றும் வடிவமைப்பு ஆகியவை அதன் மீதே தங்கியுள்ளன. AI இல்லாமல் அந்தத் தயாரிப்பால் இயங்க முடியாது.
ஒரு கருவி AI-நேட்டிவ் தானா என்பதை அதன் வெளியீட்டை (output) வைத்து நீங்கள் சோதிக்கலாம். அந்த கருவி முதலில் கட்டமைப்பு (architecture), தரவுத்தள ஸ்கீமாக்கள் (database schemas) அல்லது API ஒப்பந்தங்களை (API contracts) உருவாக்குகிறதா? அல்லது வெறும் குறியீட்டை (code) மட்டும் உருவாக்கி, அதன் கட்டமைப்பு சரியாக இருக்கும் என்று நம்புகிறதா?
உண்மையான AI-நேட்டிவ் அமைப்புகள், குறியீட்டை உருவாக்குவதற்கு முன்பே வடிவமைக்கின்றன. இது பிழைகளைத் தடுக்கிறது.
தற்போது தொழில்துறையில் ஒரு முக்கியப் பிரச்சனை உள்ளது. பயன்பாடு அதிகரித்து வரும் அதே வேளையில், டெவலப்பர்களின் நம்பிக்கை குறைந்து வருகிறது. 2023-இல், 70% டெவலப்பர்கள் AI-ஐப் பயன்படுத்தினர், ஆனால் 40% மட்டுமே அதை நம்பினர். 2025-க்குள், பயன்பாடு 84%-ஆக உயர்ந்தது, ஆனால் நம்பிக்கை 29%-ஆகக் குறைந்தது.
பெரும்பாலான AI கருவிகள் வெறும் அம்சங்களாக (features) இருப்பதால் இது நிகழ்கிறது. வெளியீடு சரியாக இருக்கிறதா என்பதைச் சரிபார்க்க அவற்றுக்கு முறையான கட்டமைப்பு ரீதியான வழிமுறை இல்லை. AI ஒரு தவறு செய்யும்போது, அமைப்பில் அதைத் தடுத்து நிறுத்த எதுவுமில்லை.
AI-நேட்டிவ் அமைப்புகள் இதைத் தீர்க்கின்றன. AI எதை உருவாக்குகிறது என்பதைச் சரிபார்க்க அவை ஒரு விவரக்குறிப்பு (specification) அல்லது சோதனைத் தொகுப்பைப் (test suite) பயன்படுத்துகின்றன. வெளியீடு சரியாகத் தோன்றுகிறது என்பதற்காக மட்டுமே அவை அதை அப்படியே நம்புவதில்லை.
பொறியியல் தலைவர்கள் (Engineering leads) ஒரு கருவியில் AI இருக்கிறதா என்று கேட்பதை நிறுத்த வேண்டும். இப்போது கிட்டத்தட்ட எல்லா கருவிகளிலும் அது உள்ளது. அதற்குப் பதிலாக, அதன் வரிசைமுறை (sequencing) பற்றி கேளுங்கள்.
அந்த கருவி முதலில் கட்டமைப்பை உருவாக்குகிறதா அல்லது குறியீட்டை உருவாக்குகிறதா?
ஒரு கருவி செயல்படுத்துவதற்கு (implementation) முன்பே கட்டமைப்பை (architecture) உருவாக்கினால், அது production-இல் நம்பகமானதாக இருக்க அதிக வாய்ப்புள்ளது.
Source: https://dev.to/8080_ai/feature-capability-or-native-how-software-teams-define-ai-4k0h
விருப்பத்தேர்வு கற்றல் சமூகம்: https://t.me/GyaanSetuAi