AI உங்கள் மின்னஞ்சல்களை எழுத முடியும், உங்கள் குறியீட்டை (code) சரிசெய்ய முடியும், மற்றும் நீங்கள் காபி முடிப்பதற்கு முன்பே நூறு பக்க அறிக்கையைச் சுருக்கித் தர முடியும். அந்த வேகம் உண்மையானது, அது ஒரு கவர்ச்சியான விஷயம். ஆனால் திசை தெரியாத வேகம் வெறும் தேவையற்ற இயக்கம் மட்டுமே. பலர் இயந்திரத்திடம் ஸ்டீயரிங் சக்கரத்தைக் கொடுத்துவிடுகிறார்கள். அவர்கள் சாட்பாட் (chatbot) வெளியீட்டைப் படிக்காமல் அப்படியே நகலெடுத்து ஒட்டுகிறார்கள். தர்க்கத்தைப் (logic) புரிந்து கொள்ளாமல் AI உருவாக்கிய குறியீட்டை ஏற்றுக்கொள்கிறார்கள். ஒரு மொழி மாதிரியிடம் (language model) மூலோபாய முடிவுகளை எடுக்கச் சொல்லிவிட்டு, அதன் முடிவு ஏன் அர்த்தமற்றதாக இருக்கிறது என்று வியக்கிறார்கள். அது ஒரு கருவியைப் பயன்படுத்துவதல்ல; அது ஒரு ஊன்றுகோலைச் சார்ந்து இருப்பது போன்றது.
இந்தப் பிரச்சனை பொதுவாகச் சிறியதாகவே தொடங்கும். ஒரு மென்பொருள் உருவாக்குநர் (developer) ஒரு சலிப்பூட்டும் பிழையைச் (bug) சந்திக்கும்போது, அதைத் தானே ஆராய்வதற்குப் பதிலாக, AI-யிடம் "இதைச் சரிசெய்துவிடு" என்று கேட்கிறார். ஒரு சந்தைப்படுத்துபவர் (marketer) ஒரு டஜன் வலைப்பதிவுகளை (blog posts) உருவாக்கி, அதன் நடை நம்பிக்கையுடன் இருப்பதால், உண்மைகளைச் சரிபார்க்காமல் அவற்றை வெளியிடுகிறார். ஒரு மேலாளர் ஒரு முழுத் திட்ட அறிக்கையையும் (project brief) ஒரு அல்காரிதத்திடம் ஒப்படைத்துவிட்டு, ஒரு சிறு சமரசங்களையும் (trade-offs) கூடப் புரிந்து கொள்ளாமல் கூட்டத்தில் அந்தத் திட்டத்தை முன்வைக்கிறார். ஒவ்வொரு நிகழ்விலும், அந்த நபர் சிந்தனையை நிறுத்திவிடுகிறார். அவர்கள் தட்டச்சு செய்வதை மட்டுமல்ல, தீர்ப்பளிக்கும் திறனையும் (judgment) பிறரிடம் ஒப்படைத்துவிடுகிறார்கள். அங்கிருந்துதான் பாதிப்பு தொடங்குகிறது.
AI குறிப்பிட்ட வேலைகளில் சிறந்து விளங்குகிறது. அதை ஒரு திறமையான உதவியாளராகக் கருதுங்கள், நிபுணத்துவத்திற்கு மாற்றாகக் கருதாதீர்கள்.
இயந்திரம் கையாள வேண்டியவை:
தரவை ஒழுங்கமைத்தல். CRM-லிருந்து பெறப்பட்ட மூலத் தரவுகள் (raw exports), குழப்பமான விரிதால்கள் (spreadsheets), அல்லது இருபது பக்க கூட்டத் தொகுப்புகளை (meeting transcripts) அதற்கு வழங்கவும். அதை வகைப்படுத்தவும், குறியிடவும் (tag), மற்றும் வடிவமைக்கவும் (format) விடுங்கள். உங்களுக்குப் பல மணிநேரம் எடுக்கும் தரவுப் பாணிகளைக் (patterns) கண்டறியும் திறன் அதற்கு உண்டு. ஆனால் அந்தப் பாணிகள் உங்கள் வணிகத்திற்கு என்ன அர்த்தம் என்பதைத் தீர்மானிக்கக் கூடாது.
ஆரம்பக் கருத்துக்களை வரைவு செய்தல். வெற்றுப் பக்கம் ஒரு சவாலாக இருக்கும். ஒரு வரைவு (outline), ஒரு மாதிரி மின்னஞ்சல் அல்லது ஆவணத்தின் முதல் பதிவை வழங்குவதன் மூலம் AI அந்தச் சவாலை உடைக்க முடியும். இது தொடங்குவதற்கான தயக்கத்தைப் போக்குகிறது. அந்த வரைவு ஒரு மூலப்பொருள் மட்டுமே, அது இறுதிப் பொருள் அல்ல.
மீண்டும் மீண்டும் செய்யப்படும் பணிகளை விரைவுபடுத்துதல். கோப்புகளைப் பெருமளவில் மறுபெயரிடுதல் (renaming files in bulk), JSON வடிவமைத்தல், boilerplate செயல்பாடுகளை உருவாக்குதல் அல்லது நிலையான SQL வினவல்களை (queries) எழுதுதல். இவை இயந்திரத்தனமான வேலைகள். இவற்றை இயந்திரத்திடம் ஒப்படைப்பதன் மூலம், படைப்பாற்றல் தேவைப்படும் பணிகளுக்காக உங்கள் நேரத்தைச் சேமிக்க முடியும்.
இவை ஆதரவுப் பாத்திரங்கள். நீங்கள் அந்த கருவி முழுப் பொறுப்பையும் சுமக்கும் என்று எதிர்பார்க்கும் தருணத்தில், அதன் தரம் வீழ்ச்சியடையும்.
உங்கள் மூளை வைத்திருக்க வேண்டியவை:
விமர்சனச் சிந்தனை. AI தவறான தகவல்களை உருவாக்கும் (hallucinates). அது இல்லாத நூலகச் செயல்பாடுகளை (library functions) உருவாக்கும், எழுதப்படாத ஆராய்ச்சித் தாள்களைக் குறிப்பிடும் மற்றும் தவறான தகவல்களைத் துல்லியமான இலக்கணத்துடன் கூறும். நீங்கள் சந்தேகத்துடன் அணுகவில்லை என்றால், நீங்கள் பிழைகளை வெளியிடுவீர்கள். ஒரு புதிய பயிற்சிப் பணியாளரின் (intern) வேலையை நீங்கள் எவ்வாறு மதிப்பாய்வு செய்வீர்களோ, அதேபோல ஒவ்வொரு வெளியீட்டையும் நீங்கள் படிக்க வேண்டும்: எதையும் அப்படியே நம்பாதீர்கள், அனைத்தையும் சரிபார்க்கவும்.
இறுதி முடிவுகள். ஒரு கருவியால் மூன்று சந்தைப்படுத்தல் உத்திகளைப் பட்டியலிடலாம், அம்சங்களின் முன்னுரிமைகளை (feature priorities) பரிந்துரைக்கலாம் அல்லது ஒரு வரவு செலவுத் திட்டத்தை (budget) வரைவு செய்யலாம். ஆனால் உங்கள் குழுவின் திறன், உங்கள் இடர் எடுக்கும் திறன் (appetite for risk) அல்லது உங்கள் நிறுவனம் கடக்க மறுக்கும் நெறிமுறை எல்லைகளை (ethical line) அதனால் அறிய முடியாது. அந்த முடிவுகளுக்குத் தேவையான சூழல் (context) அதன் பயிற்சித் தரவுக்கு வெளியே உள்ளது. நீங்கள் தான் முடிவெடுக்க வேண்டும். அதன் விளைவுகளுக்கு நீங்களே பொறுப்பு.
சிக்கலான சிக்கல்களைத் தீர்த்தல். புதிய பிழைகள் (novel bugs), கட்டமைப்புத் தெரிவுகள் (architectural choices) மற்றும் மனிதர்களை மையமாகக் கொண்ட வடிவமைப்பு (human-centered design) ஆகியவை வெறும் தரவுப் பொருத்தம் (pattern matching) மூலம் தீர முடியாது. AI தான் ஏற்கனவே பார்த்தவற்றை மாற்றி அமைக்கிறது. உலகம் இன்னும் தீர்க்காத ஒரு சிக்கலை நீங்கள் எதிர்கொள்ளும்போது, உங்கள் சொந்தத் தர்க்கமே (reasoning) முக்கியமானது.
நீங்கள் வழிநடத்தும்போதுதான் தானியங்கி முறை (automation) சிறப்பாகச் செயல்படும். இதை நெடுஞ்சாலையில் உள்ள 'க்ரூஸ் கன்ட்ரோல்' (cruise control) போலக் கருதுங்கள். இது வேகத்தைத் சீராக வைத்திருக்கும், ஆனால் உங்கள் கைகள் ஸ்டீயரிங்கிற்கு அருகிலும், உங்கள் கண்கள் சாலையில் இருக்கும், போக்குவரத்து கணிக்க முடியாததாக மாறும்போது நீங்கள் உடனடியாகக் கட்டுப்பாட்டை எடுத்துக் கொள்ள வேண்டும். நீங்கள் பின் இருக்கையில் அமர்ந்து தூங்கினால், விபத்து தவிர்க்க முடியாதது.
ஆபத்து என்பது உடனடிப் பிழை மட்டுமல்ல. அது நீண்டகாலத் திறன் குறைபாடு (atrophy) ஆகும். பகுப்பாய்வுத் திறன்கள் (analytical skills) பயன்படுத்தப்படாதபோது மழுங்கிவிடும். ஒவ்வொரு செயல்பாட்டையும் AI எழுத அனுமதிக்கும் ஒரு ஜூனியர் டெவலப்பர், "ஏன் இந்த அணுகுமுறையைத் தேர்ந்தெடுத்தாய்?" என்று யாராவது கேட்கும்போது குறியீடு மதிப்பாய்வின் (code review) போது திணறுவார். சிந்தனையை மற்றவரிடம் ஒப்படைக்கும் ஒரு எழுத்தாளர், மற்ற அனைத்து AI உதவியுடன் எழுதப்பட்ட கட்டுரைகளைப் போலவே சலிப்பான, பொதுவான நடையை உருவாக்குவார். சொந்தமாக மாதிரிகளை (models) உருவாக்காத ஒரு தரவு ஆய்வாலாளர் (data analyst), தவறான தொடர்புகளைக் (spurious correlation) கண்டறிவதைத் தவறவிடுவார். இந்த வீழ்ச்சி மெதுவாக நடக்கும். ஒரு உண்மையான நெருக்கடி ஏற்படும்போது, நீங்கள் ஆறு மாதங்களுக்கு முன்பு பயிற்சி செய்வதை நிறுத்திய அந்தத் திறனைப் பயன்படுத்த முயலும்போதுதான் அதை நீங்கள் உணர்வீர்கள்.
எனவே அந்தத் திறன்களைத் திட்டமிட்டுத் தீட்சண்யமாக வைத்திருங்கள். தொழில்நுட்பத்தை முழுமையாகத் துறக்காமல் இதைச் செய்வது எப்படி என்று இங்கே கொடுக்கப்பட்டுள்ளது.
முதலில் உங்கள் சொந்த வரைவை எழுதுங்கள். ஒரு முன்மொழிவை (proposal) எழுத அல்லது குறியீட்டை உருவாக்க AI-யிடம் கேட்பதற்கு முன், அதன் கட்டமைப்பை நீங்களே கோடிட்டுக் காட்டுங்கள். ஒரு கரடுமுரடான வரைவு கூட உங்கள் சொந்தச் சிந்தனைகளை ஒழுங்கமைக்க உதவும். அதன் பிறகு AI ஒரு எழுத்தாளராக இல்லாமல், ஒரு திருத்தியாக (editor) செயல்படும்.
ஒவ்வொரு வெளியீட்டையும் ஆய்வு செய்யுங்கள். அதைச் சத்தமாக வாசியுங்கள். முதன்மை ஆதாரங்களுடன் உண்மைகளைச் சரிபார்க்கவும். AI உங்களுக்கு ஒரு Python function வழங்கினால், அதன் தர்க்கத்தை (logic) வரி வரியாகப் பின்தொடரவும். அது ஒரு அறிக்கையைச் சுருக்கினால், அந்தச் சுருக்கத்தை அசல் பக்கங்களுடன் ஒப்பிட்டுப் பார்க்கவும். தவறு இல்லை என்று நிரூபிக்கப்படும் வரை, அதில் பிழைகள் இருப்பதாகவே கருதுங்கள்.
கையேடு முறையைத் (manual mode) திட்டமிடுங்கள். ஒவ்வொரு வாரமும் ஒரு பணியைத் தேர்ந்தெடுத்து, எந்த உதவியும் இன்றி அதைச் செய்து முடிக்கவும். அந்த மின்னஞ்சலை நீங்களே எழுதுங்கள். அந்த ஸ்கிரிப்டை (script) நீங்களே பிழைதிருத்தம் (debug) செய்யுங்கள். அந்த spreadsheet formula-வை ஆரம்பத்திலிருந்தே உருவாக்குங்கள். அந்தச் சிரமமே இதன் நோக்கம். அது உங்கள் திறமையைச் சிதையாமல் பாதுகாக்கும்.
இரண்டு முறை “ஏன்” என்று கேளுங்கள். AI ஒரு தீர்வை முன்மொழிகையில், அதன் மேலோட்டமான விளக்கத்திலேயே நின்றுவிடாதீர்கள். இந்த பரிந்துரை ஏன் சரியாக இருக்கிறது? உங்கள் கட்டுப்பாடுகள் குறித்து அது என்ன அனுமானங்களைச் செய்கிறது? உங்களால் உங்கள் சொந்த வார்த்தைகளில் பதில் சொல்ல முடியாவிட்டால், அந்தத் தீர்வைச் செயல்படுத்தும் அளவுக்கு நீங்கள் அதைச் சரியாகப் புரிந்துகொள்ளவில்லை என்று அர்த்தம்.
சரியாகப் பயன்படுத்தினால், AI உங்கள் சாதனைகளை விரிவுபடுத்துகிறது. அது கடினமான வேலைகளைச் செய்கிறது, இதனால் நீங்கள் உங்கள் ஆற்றலைத் தீர்ப்பு வழங்குதல், படைப்பாற்றல் மற்றும் உத்தி ஆகியவற்றின் பக்கம் திருப்ப முடியும். இது அறிவின்மையைத் தற்காத்துக் கொள்ளாமல், அறிவாற்றலை மேம்படுத்துகிறது. கருவியைத் தவிர்ப்பது இலக்கல்ல. அந்தத் கருவியின் கட்டுப்பாட்டை உங்கள் மனதிலேயே வைத்திருப்பதே இலக்கு.
உங்கள் பகுப்பாய்வுத் திறன்களே சொத்து. மென்பொருள் வெறும் உதவி மட்டுமே. அதை உங்கள் சிந்தனையைத் தாங்குவதற்குப் பயன்படுத்துங்கள், அதை மறைப்பதற்கு அல்ல.
மூலம்: https://dev.to/fabiosarmento/ai-a-tool-not-a-crutch-11fe
தொடர்ந்து உரையாட விரும்புகிறீர்களா? GyaanSetu கற்றல் சமூகத்தில் இணையுங்கள்: https://t.me/GyaanSetuAi