Generative AI வடிவங்களை உருவாக்குகிறது, விளையாட்டுகளை அல்ல

நான் ஒரு புதிய Minecraft "prompt-to-build" கருவியைச் சோதித்துப் பார்க்க முயன்றேன். ஒரு புரட்சியை நான் எதிர்பார்த்தேன். ஆனால் அதற்குப் பதிலாக, எனக்கு ஒரு சுவரின் வரைபடம் மட்டுமே கிடைத்தது.

அந்தத் கருவியால் ஒரு நிமிடம் 안에 ஒரு கோளம் அல்லது ஒரு கோபுரத்தை உருவாக்க முடியும். இவை பார்ப்பதற்கு நன்றாக உள்ளன. ஆனால் நான் குறிப்பிட்ட விதிகளைக் கேட்ட அடுத்த கணமே, அது தோல்வியடைந்தது.

தெற்கு நோக்கி கதவு கொண்ட 15x15 அளவுள்ள ஒரு மரக் குடிலை நான் கேட்டேன். ஆனால் AI எனக்கு கதவு இல்லாத ஒரு சாம்பல் நிறச் சுவரைத் தந்தது. அதன் அளவு தவறாக இருந்தது. அதில் மரம் இல்லை. அது பயனற்றதாக இருந்தது.

இதோ அதன் முக்கியப் பிரச்சனை:

Generative மாதிரிகள் (models) நம்பகத்தன்மையை (plausibility) உருவாக்கும் இயந்திரங்கள். ஆனால் விளையாட்டுகளுக்குத் துல்லியமான சரியான தன்மையை (correctness) வழங்கும் இயந்திரங்கள் தேவை.

ஒரு மாதிரி பார்ப்பதற்கு "சரியாக" இருக்கும் ஒன்றை உருவாக்க முடியும். ஆனால் ஒரு விளையாட்டு "சரியாக" இருக்கும் ஒன்றை எதிர்பார்க்கிறது. ஒரு மாதிரியின் அளவை அதிகரிப்பதன் மூலம் இதைச் சரிசெய்ய முடியாது. "ஒரு வீடு போலத் தெரிவது" என்பதிலிருந்து "வேலை செய்யும் கதவு கொண்ட ஒரு உண்மையான வீடு" என்பது வரை அளவை அதிகரிப்பதன் மூலம் மட்டும் முன்னேற முடியாது.

இந்த இடைவெளி மூன்று விடுபட்ட காரணங்களால் ஏற்படுகிறது:

  • தனித்துவமான கட்டுப்பாடுகள் (Discrete constraints): ஒரு மாதிரி "சிறியதாக" இருப்பதை மதிப்பிட முடியும், ஆனால் "துல்லியமாக 15 பிளாக்குகள்" இருப்பதை உறுதி செய்ய முடியாது.
  • கட்டமைப்பு அமைப்பு (Compositional structure): ஒரு மாதிரி ஒரு வடிவத்தை வரைய முடியும், ஆனால் ஒன்றுடன் ஒன்று தொடர்புடைய பல பொருட்களின் காட்சியை (scene) நிர்வகிக்க முடியாது.
  • செயல்பாட்டுத் துல்லியம் (Functional correctness): ஒரு வீரர் ஒரு வாயிலின் வழியாக உண்மையில் நடக்க முடியுமா என்பது அந்த மாதிரிக்குத் தெரியாது. ஒரு வாயில் எப்படி இருக்கும் என்பது மட்டுமே அதற்குத் தெரியும்.

இதைச் சரிசெய்ய, நாம் ஒற்றைப்படை மாதிரிகளை (monolithic models) பயன்படுத்துவதை நிறுத்த வேண்டும். தொடர்ச்சியானவற்றையும் (continuous) தனித்துவமானவற்றையும் (discrete) பிரிக்கும் ஒரு வழிமுறையை (pipeline) நமக்குத் தேவை:

  1. திட்டமிடுதல் (Plan): ஒரு prompt-ஐக் கடுமையான விதிகளின் பட்டியல் மற்றும் ஒரு scene graph-ஆக மாற்ற ஒரு symbolic planner-ஐப் பயன்படுத்தவும்.
  2. உருவாக்குதல் (Generate): ஒவ்வொரு பொருளுக்கும் தனித்தனி வடிவங்களை உருவாக்க generative மாதிரிகளைப் பயன்படுத்தவும்.
  3. அமைத்தல் (Place): அந்த வடிவங்கள் அனைத்து விதிகளையும் பூர்த்தி செய்யும் வகையில் அவற்றை வரிசைப்படுத்த ஒரு solver-ஐப் பயன்படுத்தவும்.
  4. சரிபார்த்தல் (Verify): முடிவு அசல் திட்டத்துடன் ஒத்துப்போவதை நிரூபிக்க ஒரு checker-ஐப் பயன்படுத்தவும்.

உருவாக்கும் கருவி அழகைத் தருகிறது. கட்டமைப்பு துல்லியத்தைத் தருகிறது.

AI உள்ளடக்கத்தின் எதிர்காலம் என்பது ஒரு பிரம்மாண்டமான மாதிரி அல்ல. அது இணைந்து செயல்படும் சிறப்புத் கருவிகளின் அமைப்பாகும். சிறந்த வடிவத்தை உருவாக்கும் கருவியைக் கொண்டிருப்பவர் வெற்றியாளர் ஆகமாட்டார். சிறந்த சரிபார்ப்பு சுழற்சியைக் (verification loop) கொண்டிருப்பவரே வெற்றியாளர்.

Source: https://dev.to/harrisonsec/generative-ai-builds-shapes-not-games-the-constraint-gap-and-the-architecture-that-closes-it-2e30

Optional learning community: https://t.me/GyaanSetuAi