Claude-ன் உள்நிலைத் தர்க்கத்தைப் புரிந்துகொள்ளுதல் மற்றும் உலக மாதிரிகளின் (World Models) எழுச்சி

செயற்கை பொது நுண்ணறிவை (Artificial General Intelligence - AGI) நோக்கிய தேடல், வெறும் வடிவங்களை அடையாளம் காண்பதிலிருந்து (pattern recognition), ஆழமான தர்க்கம் மற்றும் இயற்பியல் புரிதலை நோக்கி நகர்ந்து கொண்டிருக்கிறது. மாடல் விளக்கத்தன்மை (model interpretability) குறித்த Anthropic-ன் சமீபத்திய முன்னேற்றங்களும், "உலக மாதிரிகள்" (world models) என்ற வளர்ந்து வரும் கருத்தாக்கமும், LLM-களின் நுண்ணறிவை நாம் எவ்வாறு பார்க்கிறோம் என்பதை மறுவரையறை செய்கின்றன.

Claude-ன் உள்நிலைச் சிந்தனைச் செயல்பாடுகளை ஆராய்தல்

Anthropic நிறுவனம் சமீபத்தில் "mechanistic interpretability" துறையில் குறிப்பிடத்தக்க முன்னேற்றங்களைச் செய்துள்ளது, இது அதன் Claude மாடல்களின் உள்நிலைத் தர்க்கச் செயல்பாடுகளைப் புரிந்துகொள்ள ஒரு புதிய வழியை வழங்குகிறது. LLM-கள் நீண்டகாலமாக "கருப்புப் பெட்டிகள்" (black boxes) என்று விமர்சிக்கப்பட்டு வந்தாலும், இந்த மாடல்கள் ஒரு விடையை எட்டுவதற்கு சிக்கலான தர்க்கங்களை எவ்வாறு கையாளுகின்றன என்பதை வரைபடமாக்க Anthropic-ன் ஆராய்ச்சி முயற்சிக்கிறது.

இந்த "உள்நிலைச் சிந்தனைகளை" கவனிப்பதன் மூலம், ஒரு மாடலின் மூலப் பயிற்சித் தரவிற்கும் (raw training data), அதன் பலபடிநிலைத் தர்க்கத்தைச் (multi-step reasoning) செய்யும் திறனுக்கும் இடையிலான வேறுபாட்டை ஆராய்ச்சியாளர்களால் சிறப்பாகப் புரிந்துகொள்ள முடிகிறது. இருப்பினும், இது ஒரு தெளிவைத் தந்தாலும், ஒவ்வொரு நரம்பியல் எடையின் (neural weight) மீதும் முழுமையான கட்டுப்பாட்டை இது இன்னும் வழங்கவில்லை என்று நிபுணர்கள் எச்சரிக்கின்றனர். மாயத்தோற்றங்களைக் (hallucinations) குறைக்கவும், நிறுவனப் பயன்பாடுகளுக்கான அதிக நம்பகமான மற்றும் வழிநடத்தக்கூடிய AI முகவர்களை (AI agents) உருவாக்கவும் விரும்பும் டெவலப்பர்களுக்கு இந்த உள்நிலை இயக்கவியலைப் புரிந்துகொள்வது மிகவும் அவசியமாகும்.

ரோபாட்டிக்ஸில் உலக மாதிரிகளின் (World Models) அவசியம்

Claude போன்ற மாடல்களின் மொழித் திறன் சிறப்பாக இருந்தாலும், ஒரு குறிப்பிடத்தக்க இடைவெளி உள்ளது: அதுதான் இயற்பியல் சார்ந்த உள்ளுணர்வு (physical intuition) இல்லாமை. தற்போதைய AI அமைப்புகள் உரை மற்றும் குறியீடுகளை (code) உருவாக்குவதில் சிறந்து விளங்கினாலும், இயற்பியல் பிரபஞ்சத்தின் காரண-காரிய விதிகளையோ (causal laws) புரிந்துகொள்வதில் சிரமப்படுகின்றன. இதைத் தீர்க்க, இந்தத் துறை "உலக மாதிரிகளை" (world models) நோக்கித் திரும்புகிறது.

ஒரு உலக மாதிரி என்பது ஒரு AI தனது செயல்களின் விளைவுகளை ஒரு இயற்பியல் சூழலில் உருவகப்படுத்த (simulate) அனுமதிக்கும் ஒரு உள்நிலைத் பிரதிநிதித்துவமாகும். ஒரு தொடரில் அடுத்த டோக்கனை (token) கணிக்கும் சாதாரண LLM-களைப் போலன்றி, ஒரு உலக மாதிரியைக் கொண்ட அமைப்பு, ஒரு பொருள் எவ்வாறு விழும், ஈர்ப்பு விசை எவ்வாறு செயல்படுகிறது அல்லது ஒரு ரோபோடிக் கை கலைந்து கிடக்கும் ஒரு அறையில் எவ்வாறு நகர வேண்டும் என்பதை முன்னறிவிக்கும் திறன் கொண்டது. இந்தத் தொழில்நுட்பம் உண்மையான புத்திசாலித்தனமான ரோபாட்டிக்ஸிற்கான பாலமாக இருக்கும் என்று எதிர்பார்க்கப்படுகிறது; இது இயந்திரங்களை வெறும் நிரலாக்கப்பட்ட கருவிகளிலிருந்து, நிஜ உலகத் தொடர்புகளைக் கையாளக்கூடிய தன்னாட்சி முகவர்களாக (autonomous agents) மாற்றும்.

பரந்த தொழில்நுட்ப மாற்றங்கள்: உள்கட்டமைப்பு மற்றும் வன்பொருள் கட்டுப்பாடுகள்

AI-ன் பரிணாமம் ஒரு வெற்றிடத்தில் நிகழவில்லை; அது கடுமையான ஒழுங்குமுறை மற்றும் வன்பொருள் அழுத்தங்களால் வடிவமைக்கப்படுகிறது. AI விரிவாக்கம் அதிக ஆற்றலைத் தேவைப்படும்போது, தரவு மையங்களுக்கான தற்காலிகத் தடை (data center moratorium) விதித்த முதல் அமெரிக்க மாநிலமாக நியூயார்க் மாறியுள்ளது, இது ஒரு ஆண்டு வரை பெரிய அளவிலான கட்டுமானங்களைத் தடுத்துள்ளது. இது கணக்கீட்டுத் திறன் (compute) மீதான தாகத்திற்கும் உள்ளூர் உள்கட்டமைப்பு வரம்புகளுக்கும் இடையிலான வளர்ந்து வரும் பதற்றத்தை எடுத்துக்காட்டுகிறது.

அதே நேரத்தில், வன்பொருள் அடுக்கு ஏற்ற இறக்கங்களைச் சந்தித்து வருகிறது. குறிப்பிடத்தக்க நினைவக சிப் (memory chip) தட்டுப்பாட்டினால் ஸ்மார்ட்போன் விநியோகம் 13 ஆண்டுகளில் இல்லாத அளவுக்குக் குறைந்துள்ளது, இது மூரின் விதியின் (Moore’s Law) பாரம்பரியப் பாதையை அச்சுறுத்துகிறது. Nvidia போன்ற நிறுவனங்கள் சீனாவுக்கு உயர்நிலை AI சிப்களின் விநியோகத்தைக் கட்டுப்படுத்த கடுமையான "வெள்ளை பட்டியல்களை" (white lists) நடைமுறைப்படுத்தினாலும், AI மேம்பாட்டிற்கான உலகளாவிய சூழல் விநியோகச் சங்கிலித் தடைகள் மற்றும் புவிசார் அரசியல் நகர்வல்களின் சிக்கலான போர்க்களமாகவே உள்ளது.

முக்கியக் குறிப்புகள்

• விளக்கத்தன்மை முன்னேறி வருகிறது: Claude-ன் உள்நிலைத் தர்க்கம் குறித்த Anthropic-ன் பணி, LLM-களில் உள்ள "கருப்புப் பெட்டி" சிக்கலைத் தீர்ப்பதற்கான ஒரு முக்கியப் படியாகும்.
• உலக மாதிரிகளே அடுத்த எல்லை: உரையைத் தாண்டி இயற்பியல் உருவகப்படுத்துதலை நோக்கி நகர்வது, அடுத்த தலைமுறை தன்னாட்சி ரோபாட்டிக்ஸிற்கு அவசியமானது.
• உள்கட்டமைப்பு ஒரு தடையாக உள்ளது: தரவு மையத் தடைகள் மற்றும் நினைவக சிப் தட்டுப்பாடுகள், விரைவான AI விரிவாக்கத்திற்குப் பெரும் சவால்களை உருவாக்குகின்றன.