Anthropic, Claude Science-ஐ அறிமுகப்படுத்துகிறது: AI ஆராய்ச்சிக்கான ஒரு பணிப்பாய்வு சார்ந்த அணுகுமுறை

வெறும் மாடல் அளவை அதிகரிப்பதிலிருந்து (model scaling), கணக்கீட்டு ஆராய்ச்சிக்காக (computational research) பிரத்யேகமாக வடிவமைக்கப்பட்ட ஒரு AI பணித்தளமான (workbench) Claude Science-ஐ அறிமுகப்படுத்துவதன் மூலம், Anthropic தனது உத்தியை செங்குத்து ஒருங்கிணைப்பிற்கு (vertical integration) மாற்றுகிறது. ஒரு புதிய சிறப்பு மாடலை வெளியிடுவதற்குப் பதிலாக, விஞ்ஞானிகளால் பயன்படுத்தப்படும் சிக்கலான பணிப்பாய்வுகளில் (workflows) ஏற்கனவே உள்ள Claude மாடல்களை ஒருங்கிணைக்கும் ஒரு ஒருங்கிணைந்த சூழலை நிறுவனம் வழங்குகிறது.

மாடல்களைத் தாண்டி, துறை சார்ந்த பணிப்பாய்வுகளை நோக்கி

போட்டியாளர்கள் பெரும்பாலும் குறிப்பிட்ட துறைகளுக்கான மாடல்களைத் துல்லியமாகச் செம்மைப்படுத்துவதில் (fine-tuning) கவனம் செலுத்தும் போது, Anthropic "இயக்க அடுக்கு" (operating layer) உத்தியில் பந்தயம் கட்டுகிறது. Claude Science என்பது ஒரு புதிய அடிப்படை மாடல் (foundational model) அல்ல; மாறாக, இது ஒரு சிறப்பு ஆராய்ச்சி சூழலை இயக்க Claude Opus 4.8 உட்பட ஏற்கனவே உள்ள உயர் செயல்திறன் கொண்ட மாடல்களைப் பயன்படுத்துகிறது.

இந்த அணுகுமுறை, Anthropic-ன் Claude Code எவ்வாறு டெவலப்பர்களுக்குச் சேவை செய்கிறதோ அதைப் போலவே உள்ளது; இது வெறும் அடிப்படையான அறிவை மட்டும் வழங்காமல், பணிப்பாய்வின் (workflow) உரிமையாளராக இருக்க இலக்கு வைக்கிறது. இடைமுகம் (interface) மற்றும் கருவி ஒருங்கிணைப்பில் (tool integration) கவனம் செலுத்துவதன் மூலம், ஆராய்ச்சியாளர்கள் சிதறிய தரவுத்தளங்கள் (databases), கோடிங் பைப்லைன்கள் மற்றும் காட்சிப்படுத்தல் கருவிகளுக்கு (visualization tools) இடையே அலைந்து திரிய வேண்டிய அவசியமில்லாத ஒரு தடையற்ற அனுபவத்தை Anthropic வழங்குகிறது.

மல்டி-ஏஜென்ட் ஒருங்கிணைப்பு மற்றும் உண்மைச் சரிபார்ப்பு (Fact-Checking)

Claude Science-ன் மையப்பகுதி ஒரு மேம்பட்ட மல்டி-ஏஜென்ட் கட்டமைப்பாகும் (multi-agent architecture). ஒரு முதன்மை AI உதவியாளர் திட்ட மேலாளராக (project manager) செயல்படுகிறார்; இவர் 60-க்கும் மேற்பட்ட அறிவியல் தரவுத்தளங்களுடன் இணையவும், மரபியல் (genomics), வேதியியல் (chemistry) மற்றும் புரத அமைப்பு (protein structure) ஆகியவற்றிற்கான முன் கட்டமைக்கப்பட்ட கருவித் தொகுப்புகளைப் பயன்படுத்தவும் திறன் கொண்டவர்.

சிக்கலான ஆராய்ச்சிகளைக் கையாள, இந்த அமைப்பு பின்வருவனவற்றைச் செய்யும்:

  • பணிகளைப் பிரித்தளித்தல்: முதன்மை உதவியாளர் ஒரு திட்டத்தின் குறிப்பிட்ட பகுதிகளை நிர்வகிக்க சிறப்பு "துணை உதவியாளர்களை" (sub-assistants) உருவாக்க முடியும்.
  • தனிப்பயன் நிபுணர்கள்: பயனர்கள் குறிப்பிட்ட ஆராய்ச்சித் துறைகளுக்காகத் தமக்கெனத் தனிப்பயன் "நிபுணர்" உதவியாளர்களை உருவாக்கிப் பயன்படுத்தலாம்.
  • துல்லியத்தை உறுதி செய்தல்: தவறான தகவல்கள் (hallucinations) மற்றும் ஜோடிக்கப்பட்ட தரவுகளின் அபாயத்தைக் குறைக்க, ஒரு பிரத்யேக உண்மைச் சரிபார்ப்பு (fact-checker) AI, மேற்கோள்கள் மற்றும் கணிதக் கணக்கீடுகளை ஆய்வு செய்கிறது.

மேலும், இந்த பணித்தளம் மறுஉற்பத்தித் திறனுக்கு (reproducibility) முன்னுரிமை அளிக்கிறது. 3D புரத அமைப்புகள் அல்லது வேதியியல் வரைபடங்களை உருவாக்கும்போது, அந்தப் படத்தை அப்படியே மீண்டும் உருவாக்கத் தேவையான துல்லியமான குறியீடு (code), பயன்படுத்தப்பட்ட குறிப்பிட்ட சூழல் மற்றும் முழுமையான செய்தி வரலாறு ஆகியவற்றை இந்த அமைப்பு வழங்குகிறது.

போட்டிச் சூழல்: மூன்று மாறுபட்ட உத்திகள்

Claude Science-ன் அறிமுகம், AI நிறுவனங்கள் சிறப்புச் சந்தைகளைக் கைப்பற்றத் திட்டமிடும் விதத்தில் உள்ள ஒரு அடிப்படைப் பிரிவைச் சுட்டிக்காட்டுகிறது:

  1. Anthropic (கிடைமட்ட பணிப்பாய்வு அணுகுமுறை - Horizontal Workflow Approach): பரந்த அணுகல் மற்றும் பணிப்பாய்வு ஒருங்கிணைப்பில் கவனம் செலுத்துகிறது. Claude Science என்பது Pro, Max, Team மற்றும் Enterprise சந்தாதாரர்களுக்குக் கிடைக்கிறது, இது ஒரு பரவலான கருவியாக அமைகிறது.
  2. OpenAI (கட்டுப்படுத்தப்பட்ட நிபுணர் அணுகுமுறை - Gated Specialist Approach): GPT-Rosalind மூலம், OpenAI உயிரியல் ரீதியான தர்க்கங்களை (biological reasoning) செம்மைப்படுத்துவதில் கவனம் செலுத்தியுள்ளது, ஆனால் Moderna மற்றும் Amgen போன்ற கூட்டாளர்களுக்காகக் கடுமையான நிறுவனத் தகுதிகள் மற்றும் பாதுகாப்பு ஆய்வுகளின் கீழ் இதனைத் தடுத்து வைத்துள்ளது.
  3. Google DeepMind (தனியுரிமை மாடல் அணுகுமுறை - Proprietary Model Approach): DeepMind தனது AlphaFold மற்றும் AlphaGenome போன்ற அடிப்படை அறிவியல் மாடல்களின் உரிமையைப் பயன்படுத்தி, அவற்றை Gemini for Science தளத்துடன் ஒருங்கிணைக்கிறது.

ஆய்வகங்களில் நிஜ உலகத் தாக்கம்

ஆரம்பகாலப் பயன்பாடு குறிப்பிடத்தக்க செயல்திறன் உயர்வை உணர்த்துகிறது. UCSF மூளைக் கட்டி மையம் (Brain Tumor Center), glioma-வின் மரபணு பகுப்பாய்வை (germline analysis) முந்தைய கால அளவை விட மிகக் குறுகிய காலத்தில் முடிக்க Claude Science-ஐப் பயன்படுத்தியது. அதேபோல், Allen Institute-ன் நரம்பியல் விஞ்ஞானிகள் மல்டி-ஏஜென்ட் கணக்கீட்டு ஆய்வுப் பைப்லைன்களை (multi-agent computational review pipelines) செயல்படுத்தியுள்ளனர். இந்த பணித்தளத்தை ஒரு ஆய்வகத்தின் சொந்த உள்கட்டமைப்பிலேயே (infrastructure) இயங்க அனுமதிப்பதன் மூலம், மருந்து ஆராய்ச்சித் துறையில் உள்ள முக்கியமான தரவுத் தனியுரிமை (data privacy) கவலைகளையும் Anthropic தீர்க்கிறது.

முக்கியக் குறிப்புகள்

  • மூல ஆற்றலை விட பணிப்பாய்வு முக்கியம்: Anthropic ஒரு புதிய தனியுரிமை அறிவியல் மாடலை உருவாக்குவதற்குப் பதிலாக, ஒரு சிறப்புப் பணித்தளத்தை உருவாக்குவதன் மூலம் "இயக்க அடுக்கிற்கு" (operating layer) முன்னுரிமை அளிக்கிறது.
  • மல்டி-ஏஜென்ட் நுண்ணறிவு: இந்தத் தளம் துணை உதவியாளர்களை ஒருங்கிணைக்க ஒரு திட்ட மேலாளர் ஏஜென்ட்டையும், மேற்கோள்களின் துல்லியத்தை உறுதிப்படுத்த ஒரு பிரத்யேக உண்மைச் சரிபார்ப்பியையும் பயன்படுத்துகிறது.
  • உத்தி ரீதியான வேறுபாடு: அறிவியலுக்கான AIப் போட்டி மூன்று மாதிரிகளாகப் பிரிகிறது: Anthropic-ன் பரந்த பணிப்பாய்வு அணுகல், OpenAI-ன் கட்டுப்படுத்தப்பட்ட நிறுவன மாடல்கள் மற்றும் Google-ன் தனியுரிமை அடிப்படை மாடல்கள்.