LLM குழுச் சிந்தனையை உடைத்தல்: Springboards எவ்வாறு AI படைப்பாற்றலை மறுவரையறை செய்கிறது

முதன்மையான பெரிய மொழி மாதிரிகள் (LLMs) தர்க்கம் மற்றும் கோடிங் ஆகியவற்றில் சிறந்து விளங்கினாலும், அவை படைப்பாற்றல் சார்ந்த பணிகளில் அவற்றின் பயன்பாட்டைக் குறைக்கும் ஒரு பரவலான "குழுச் சிந்தனை" (groupthink) சிக்கலால் பாதிக்கப்படுகின்றன. OpenAI மற்றும் Google போன்ற தொழில்துறையின் ஜாம்பவான்களின் கணிக்கக்கூடிய முறைகளுக்கு சவால் விடுவதற்கு ஒரு புதிய ஸ்டார்ட்அப் களமிறங்கியுள்ளது.

LLM-களில் உள்ள கணிக்கக்கூடிய தன்மை குறித்த சிக்கல்

நீங்கள் ChatGPT, Claude அல்லது Gemini போன்ற ஒரு முன்னணி சாட்பாட்டைக் கேட்டு, "1 முதல் 10 வரை ஒரு சீரற்ற எண்ணைத் தேர்ந்தெடு" என்று கேட்டால், நீங்கள் பெரும்பாலும் 7 என்ற எண்ணையே பெறுவீர்கள். இது தற்செயலானது அல்ல; இது தற்போதைய LLM கட்டமைப்புகளில் ஊறிப்போயுள்ள உள்ளார்ந்த சார்பு மற்றும் "குழுச் சிந்தனையின்" (groupthink) அறிகுறியாகும். இந்த மாதிரிகள் புள்ளிவிவர ரீதியாக மிகவும் சாத்தியமான அடுத்த டோக்கனுக்கு (token) முன்னுரிமை அளிக்கும் பிரம்மாண்டமான தரவுத் தொகுப்புகளில் பயிற்சியளிக்கப்படுகின்றன, இது பெரும்பாலும் பாதுகாப்பான, மீண்டும் மீண்டும் வரும் மற்றும் கணிக்கக்கூடிய பதில்களுக்கு வழிவகுக்கிறது.

டெவலப்பர்கள் மற்றும் ஆராய்ச்சியாளர்களுக்கு, கோடிங்கை பிழைதிருத்தம் செய்வது (debugging) அல்லது தொழில்நுட்பக் கட்டுரைகளைச் சுருக்குவது போன்ற அதிக துல்லியம் தேவைப்படும் பணிகளுக்கு இந்தத் தன்மை ஒரு உதவியாக இருக்கும். இருப்பினும், மூளைச்சலவை (brainstorming) கூட்டாளிகள், பயணத் திட்டமிடுபவர்கள் அல்லது படைப்பாற்றல் ஒத்துழைப்பாளர்கள் போன்றவற்றைத் தேடும் பயனர்களுக்கு, இந்த "ஒரே மாதிரியான போக்கு" ஒரு எல்லையாகச் செயல்படுகிறது. ஒரு AI மிகவும் வெளிப்படையான பதிலையே வழங்கும்போது, அது உண்மையான புதுமைக்குத் தேவையான மாறுபட்ட சிந்தனையை (divergent thinking) வழங்கத் தவறிவிடுகிறது.

Springboards மற்றும் Flint மாதிரி

ஆஸ்திரேலிய ஸ்டார்ட்அப் Springboards இந்த சராசரித்தன்மையின் சுழற்சியை உடைக்க முயற்சிக்கிறது. மிகவும் சாத்தியமான பதிலுக்காக மேம்படுத்துவதற்குப் பதிலாக, இந்நிறுவனம் Flint எனப்படும் ஒரு சிறப்பு LLM-ஐ உருவாக்கியுள்ளது.

முதன்மையான மாதிரிகளில் காணப்படும் குழுச் சிந்தனையைத் தடுத்தல் என்பதற்காக Flint பிரத்யேகமாக வடிவமைக்கப்பட்டுள்ளது. அதன் பயிற்சியளிக்கும் நோக்கம், திறந்தநிலை வினாக்களுக்கு (open-ended queries) பரந்த அளவிலான பதில்களை வழங்குவதில் கவனம் செலுத்துகிறது. உதாரணமாக, "நான் ஐரோப்பாவில் எங்கு செல்ல வேண்டும்?" போன்ற ஒரு கேள்வியைக் கேட்கும்போது, Flint வழக்கமான இடங்களைத் (Paris அல்லது Rome போன்றவை) தவிர்த்துவிட்டு, மிகவும் மாறுபட்ட மற்றும் அவ்வளவு எளிதில் தோன்றாத ஆலோசனைகளை வழங்கும் வகையில் வடிவமைக்கப்பட்டுள்ளது. புள்ளிவிவர சாத்தியக்கூறுகளின் எல்லைகளைத் திட்டமிட்டுத் தள்ளுவதன் மூலம், சாட்பாட்களை "வெளிப்படையான" பதில்களிலிருந்து விலக்கி, உண்மையான படைப்பாற்றல் பயன்பாட்டிற்கு கொண்டு வருவதை Springboards நோக்கமாகக் கொண்டுள்ளது.

ஏன் இந்த மாறுபட்ட AI தொழில்துறைக்கு முக்கியமானது

Flint போன்ற மாதிரிகளின் வளர்ச்சி, AI துறையில் ஒரு முக்கியமான பரிணாம வளர்ச்சியைச் சுட்டிக்காட்டுகிறது: அதாவது பொதுவான அறிவுத்திறனிலிருந்து (general-purpose intelligence) சிறப்பு நடத்தை அறிவுத்திறனுக்கு (specialized behavioral intelligence) மாறுதல். தொழில்துறை முதிர்ச்சியடையும் போது, AI நிறுவனங்களின் போட்டித் திறன் என்பது வெறும் அளவுருக்களின் எண்ணிக்கையைத் தாண்டி, "அறிவாற்றல்" (cognitive) பாணிகளைக் கட்டுப்படுத்தும் திறனை நோக்கி நகரும்.

அடுத்த தலைமுறை AI, தர்க்கரீதியான துல்லியம் மற்றும் படைப்பாற்றல் மாறுபாட்டிற்கு இடையிலான சமநிலையை எட்ட முடிந்தால், தானியங்கி சந்தைப்படுத்தல் மூளைச்சலவை (marketing brainstorming) முதல் சிக்கலான கட்டிடக்கலை வடிவமைப்பு வரை பல்வேறு பயன்பாட்டுத் துறைகளில் மிகப்பெரிய விரிவாக்கத்தைக் காண்போம். பரந்த தொழில்நுட்பச் சூழலுக்கு, இலக்கு என்பது எல்லாவற்றையும் தெரிந்த ஒரு மாதிரியை உருவாக்குவது மட்டுமல்ல, வித்தியாசமாகச் சிந்திக்கக்கூடிய ஒரு மாதிரியை உருவாக்குவதாகும்.

முக்கியக் குறிப்புகள்

• குழுச் சிந்தனைப் பொறி (The Groupthink Trap): தற்போதைய முதன்மையான LLM-கள் புள்ளிவிவர ரீதியாகக் கணிக்கக்கூடிய தன்மையால் பாதிக்கப்படுகின்றன, அவை பெரும்பாலும் மிகவும் பொதுவான அல்லது "வெளிப்படையான" பதில்களையே வழங்குகின்றன.
• Flint-ன் அணுகுமுறை: Springboards என்ற ஸ்டார்ட்அப், திறந்தநிலைத் தூண்டுதல்களுக்கு (open-ended prompts) அதிக மாறுபாடு கொண்ட, படைப்பாற்றல் மிக்க பதில்களை வழங்குவதற்காகவே பிரத்யேகமாகப் பயிற்சியளிக்கப்பட்ட Flint என்ற LLM-ஐ அறிமுகப்படுத்தியுள்ளது.
• தொழில்துறை மாற்றம்: சிறப்பு மாதிரிகளின் எழுச்சி, படைப்பாற்றல் மூளைச்சலவை மற்றும் தர்க்கரீதியான பகுப்பாய்வு போன்ற குறிப்பிட்ட அறிவாற்றல் முறைகளுக்காக (cognitive modes) AI வடிவமைக்கப்படும் ஒரு எதிர்காலத்தைக் குறிக்கிறது.