தெளிவற்ற பொறியியல் சிக்கல்களைத் தீர்க்க நான் எவ்வாறு AI Councils-களைப் பயன்படுத்துகிறேன்

ஒரு AI உதவியாளர் பயனுள்ளதாக இருக்கும். ஆனால் அது எப்போதும் போதுமானதாக இருக்காது.

நீங்கள் கோடிங்கிற்கு (coding) AI-ஐப் பயன்படுத்தினால், அந்த முறையை உங்களுக்குத் தெரியும். நீங்கள் ஒரு சிக்கலை விவரிக்கிறீர்கள். மாடல் (model) ஒரு தீர்வை முன்மொழிகிறது. அது நன்றாகத் தெரிகிறது. நீங்கள் அதைச் செயல்படுத்துகிறீர்கள். பிறகு மூன்று நாட்களுக்குப் பிறகு ஒரு பெரிய குறையைக் கண்டறிகிறீர்கள். ஆர்க்கிடெக்சர் (architecture) ஒரு எல்லை நிபந்தனையில் (boundary condition) தோல்வியடைகிறது. தனித்தனியாக இருக்க வேண்டிய இரண்டு விஷயங்களை அது ஒன்றிணைத்துவிடுகிறது.

இது மாடலின் தோல்வி அல்ல. இது செயல்முறையின் (process) தோல்வி. ஒரு தனி மாடலால் அதன் சொந்த ஊகங்களை (assumptions) கேள்வி கேட்கும் திறன் இல்லை.

சிக்கலான பொறியியல் பணிகளுக்கு, உங்களுக்கு ஒரு AI Council தேவை. இது ஒரு புதிய தளம் அல்ல. இது பல AI பாத்திரங்கள் (roles) ஒரு முன்மொழிவை வெவ்வேறு கோணங்களில் ஆய்வு செய்யும் ஒரு கட்டமைக்கப்பட்ட பணிப்பாய்வு (structured workflow) ஆகும்.

AI பயன்பாட்டை ஒரு முறைப்படுத்தப்பட்ட பொறியியல் பணிப்பாய்வாக மாற்றுவதே இதன் இலக்காகும்.

இந்த பணிப்பாய்வு எவ்வாறு செயல்படுகிறது என்பது இங்கே:

• சிக்கல் அறிக்கை (Problem Statement): நீங்கள் சிக்கலை வரையறுக்கிறீர்கள். • Architect Agent: ஒரு மூல அடிப்படையிலான ஏஜென்ட் (source-grounded agent) ஆரம்பக்கட்ட முன்மொழிவை உருவாக்குகிறது. • AI Council: வெவ்வேறு AI பாத்திரங்கள் முன்மொழிவை ஆய்வு செய்கின்றன. • Feedback Synthesis: ஒரு ஏஜென்ட் அனைத்து கருத்துகளையும் ஒருங்கிணைத்து முரண்பாடுகளைக் கண்டறிகிறது. • Objection Ledger: ஒவ்வொரு ஆட்சேபனையும், அதன் தீவிரமும் மற்றும் அதன் தீர்வும் நீங்கள் கண்காணிக்கப்படுகிறது. • Human Governance: எப்போது நிறுத்த வேண்டும் அல்லது தொடர வேண்டும் என்பதை நீங்கள் தீர்மானிக்கிறீர்கள். • Executor Agent: ஒரு தனி ஏஜென்ட் திட்டத்தைச் செயல்படுத்துகிறது. • Auditor Agent: ஒரு இறுதி ஏஜென்ட் குறியீட்டை (code) அசல் விவரக்குறிப்புடன் (original spec) ஒப்பிட்டுச் சரிபார்க்கிறது.

உங்கள் கவுன்சிலில் உள்ள பாத்திரங்கள் பின்வருவனவற்றை உள்ளடக்கியிருக்க வேண்டும்:

• System Thinker: அபாயங்கள் மற்றும் அமைப்பின் எல்லைகளை (system boundaries) மதிப்பிடுகிறது.
• Critical Reviewer: ஊகங்களைச் சவாலுக்கு உட்படுத்துகிறது மற்றும் இடைவெளிகளைக் கண்டறிகிறது.
• Simplifier: தேவையற்ற சிக்கல்களைக் கண்டறிகிறது.
• Alternatives Reviewer: வெவ்வேறு அணுகுமுறைகளைப் பரிந்துரைக்கிறது.

அதிக மாடல்களைப் பயன்படுத்துவதில் மந்திரம் இல்லை. பாத்திரங்களைப் பிரிப்பதில்தான் (role separation) மந்திரம் உள்ளது. நீங்கள் ஒரு AI-யிடம் "இதை ஆய்வு செய்" என்று கேட்டால், உங்களுக்குத் தெளிவற்ற பதில்கள் கிடைக்கும். நீங்கள் ஒரு AI-யிடம் "மூன்று மிகப்பெரிய ஆர்க்கிடெக்சரல் அபாயங்களைக் கண்டறி" என்று கேட்டால், உங்களுக்குச் செயல்படக்கூடிய தரவுகள் (actionable data) கிடைக்கும்.

நீங்கள் சூழல்களையும் (contexts) பிரிக்க வேண்டும். குறியீட்டை எழுதும் ஏஜென்ட், அதே குறியீட்டை ஆய்வு செய்யும் ஏஜென்ட்டாக இருக்கக்கூடாது. இது AI ஒரே மாதிரியான குறைகளை (blind spots) கொண்டிருப்பதைத் தவிர்க்கிறது.

மனிதன் கைவினை வேலையைச் செய்வதில்லை. மனிதன் கட்டுப்பாடுகளைக் (gates) கையாள்கிறான். கருத்துக்கள் போதுமானதாக இருக்கும்போது எப்போது நிறுத்த வேண்டும் என்பதை நீங்கள் தீர்மானிக்கிறீர்கள். எந்த அபாயங்களை ஏற்க வேண்டும் என்பதை நீங்கள் தீர்மானிக்கிறீர்கள். நீங்கள் ஒரு பொறியியல் மேலாளர் (engineering manager), கைவினைத் தொழிலாளி அல்ல.

இதை அதிக ஆபத்துள்ள ரீஃபாக்டர்களுக்கு (high-risk refactors) மற்றும் தெளிவற்ற ஆர்க்கிடெக்சருக்குப் பயன்படுத்தவும். சாதாரண பிழைத் திருத்தங்களுக்கு (trivial bug fixes) இதைப் பயன்படுத்த வேண்டாம். ஒரு தவறுக்கான விலை அதிகமாக இருக்கும்போது மட்டுமே இந்த கூடுதல் முயற்சிக்குத் தகுந்த பலன் கிடைக்கும்.

Source: https://dev.to/j3nnning/how-i-use-ai-councils-to-solve-ambiguous-engineering-problems-4dii

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