2025-ன் பிற்பகுதி செயற்கை நுண்ணறிவிற்கான (AI) தெளிவான தருணமாக இருக்க வேண்டும். ஆனால், அதற்குப் பதிலாக, அது இணையான ஒருதலைப்பட்சமான உரையாடல்களின் (parallel monologues) தருணமாக உள்ளது.
ஒரே ஆண்டின் இறுதி காலாண்டிற்குள் வெளியிடப்பட்ட, பரவலாகப் பேசப்படும் நான்கு AI அறிக்கைகளைப் படிப்பதில் நான் ஒரு காலைப் பொழுதைச் செலவிட்டேன். அவை தரவரிசைகள் அல்லது கணிப்புகளில் முரண்படும் என்று நான் நினைத்தேன். ஆனால் அவை அதைவிடக் குழப்பமான ஒன்றைச் செய்தன: அவை அந்தத் தலைப்பையே மறுவரையறை செய்தன. ஒரு அறிக்கையின் செயற்கை நுண்ணறிவு என்பது போட்டியாளரை விட வேகமாகத் தட்டச்சு செய்யும் ஒரு கோடிங் உதவியாளர் (coding assistant). மற்றொன்றின்படி, அது ஒரு நிலையான PDF-ஐ ஒரு செயற்கை பாட்காஸ்டாக (synthetic podcast) மாற்றும் நுகர்வோர் ஊடகத் தொழிற்சாலை. மூன்றாவது ஒன்று வெறும் உள்கட்டமைப்பைக் (infrastructure) மட்டுமே பார்க்கிறது: GitHub-ன் ஸ்டார் சார்ட்களில் (star charts) ஏறிக்கொண்டிருக்கும் வெக்டர் ஸ்டோர்கள் (vector stores), மெமரி லேயர்கள் (memory layers) மற்றும் இன்ஃபரன்ஸ் ரேப்பர்கள் (inference wrappers). நான்காவது வெற்றியை ஒரு ஒற்றை, நேரடியான அளவுகோலால் அளவிடுகிறது—சீனாவின் நிலப்பரப்பில் உள்ள ஒரு பயனர் ஒரு இணைப்பைக் கிளிக் செய்து கொள்முதலை (purchase) முடிக்க முடியுமா என்பதுதான் அது.
ஒரே முக்கிய சொல். நான்கு வெவ்வேறு மொழிகள். ஆனால் யாரும் மொழிபெயர்க்கவில்லை.
நான்கு அறிக்கைகளும், அவற்றின் சொந்த எல்லைகளுக்குள் முடங்கியுள்ளன
முதல் அறிக்கை ஒரு விளையாட்டு லீக் அட்டவணையைப் போல உருவாக்கப்பட்டுள்ளது. இது Cursor மற்றும் Claude Code போன்ற கோடிங் கருவிகளுக்குத் தரவரிசைகளை (tier rankings) வழங்குகிறது. அதன் அளவுகோல்கள் குறுகியவை மற்றும் நடைமுறைச் சார்ந்தவை: சாட் வேகம் (chat speed), கருவியைப் பயன்படுத்தும் துல்லியம் (tool-use accuracy), மற்றும் ப்ராம்ப்ட் மற்றும் வெளியீட்டிற்கு இடையிலான தாமதம் (latency). நீங்கள் ஒரு IDE-க்குள் இருந்தால், இந்த பட்டியல் பயனுள்ளதாக இருக்கும். ஒரு ஃபங்ஷனை ரீஃபாக்டரிங் (refactoring) செய்யும்போதோ அல்லது ஒரு டெஸ்ட் சூட்டை (test suite) உருவாக்கும்போதோ எந்த உதவியாளர் வேகமானதாகத் தோன்றும் என்பதை இது உங்களுக்குச் சொல்கிறது. ஆனால் இது AI-ஐ ஒரு முழுமையடைந்த ஒரு கருவியாக (appliance) மட்டுமே கருதுகிறது, பயனரைத் தொடும் அதன் மெருகூட்டப்பட்ட மேற்பரப்பைக் கொண்டே அது முற்றிலும் தீர்மானிக்கப்படுகிறது.
இரண்டாவது அறிக்கை Google-லிருந்து வருகிறது. இது சாட்பாட்களை (chatbots) கிட்டத்தட்ட முற்றிலும் புறக்கணித்துவிடுகிறது. அதற்குப் பதிலாக, NotebookLM மற்றும் இமேஜ் எடிட்டிங் சூட்கள் (image editing suites) போன்ற உயர்மட்டப் பிரிவுகளை இது காட்சிப்படுத்துகிறது. இங்கே, AI என்பது ஒரு உரையாடல் முகவர் (conversational agent) அல்ல, மாறாக ஒரு உற்பத்தி இயந்திரம் (production engine). அந்த மாடல் எதை உருவாக்குகிறது என்பதை இந்த அறிக்கை கொண்டாடுகிறது: ஒரு ஆராய்ச்சித் தாளின் (research paper) வாய்மொழி ஆடியோ விளக்கம், ஒரு டெக்ஸ்ட் ப்ராம்ப்ட்டிலிருந்து உருவாக்கப்பட்ட படம், அல்லது இதற்கு முன்பு இல்லாத ஒரு கட்டமைக்கப்பட்ட சுருக்கம் (structured summary). தரவரிசைப் பட்டியல் ஒரு கருவி எவ்வாறு செயல்படுகிறது என்பதைக் கவனித்தால், Google-ன் பட்டியல் அந்த கருவி எதை வழங்குகிறது என்பதைக் கவனிக்கிறது. அந்தத் தயாரிப்பு (artifact) உருவாகும்போது, உதவியாளர் (assistant) மறைந்துவிடுகிறார்.
மூன்றாவது அறிக்கை முற்றிலும் GitHub டிரெண்டிங் (trending) சார்ந்தது. திட்டங்கள் எவ்வளவு விரைவாக ஸ்டார்களைப் (stars) பெறுகின்றன என்பதைப் பொறுத்து இது தரவரிசைப்படுத்துகிறது. இது இயந்திர அறையிலிருந்து (engine room) பார்க்கப்படும் பார்வையாகும். இதில் மெமரி ஃபிரேம்வொர்க்குகள் (memory frameworks), ரீட்ரிவல் லேயர்கள் (retrieval layers), கான்டெக்ஸ்ட் விண்டோக்கள் (context windows) மற்றும் லேக்வெயிட் மாடல் ஹோஸ்ட்கள் (lightweight model hosts) ஆகியவற்றைக் காணலாம். இந்தத் தொகுப்புகள் (repositories) அரிதாகவே மெருகூட்டப்பட்ட சந்தைப்படுத்தல் தளங்களைக் கொண்டுள்ளன. சிலவற்றிற்கு கிராஃபிக்கல் இன்டர்ஃபேஸ் கூட இல்லை. இருப்பினும், தரவரிசைப் பட்டியலில் வெற்றி பெறுபவர்களுக்குத் தேவையான அடிப்படையை (substrate) இவைதான் உருவாக்குகின்றன. முதலிடத்தில் உள்ள ஒரு கோடிங் உதவியாளர், கடந்த மாதம் மூன்றாயிரம் புதிய ஸ்டார்களைப் பெற்ற ஒரு GitHub திட்டத்தின் மெமரி ஆர்க்கிடெக்சரை (memory architecture) அப்படியே சார்ந்திருக்கலாம். டிரெண்டிங் பட்டியல் இதைத் தெரியும். தரவரிசைப் பட்டியல் இதைக் குறிப்பிடவில்லை.
நான்காவது அறிக்கை ஒரு வணிகத் தொகுப்பு (commerce directory). அதன் மதிப்பீட்டின் வரையறை அணுகல்தன்மை (accessibility) மற்றும் பரிவர்த்தனைத் தயார்நிலை (transaction readiness) ஆகும். இணைப்பு (link) வேலை செய்கிறதா? சீனாவில் உள்ள வாசகர்களுக்குப் பணம் செலுத்தும் முறை (payment flow) செயல்பாட்டில் உள்ளதா? ஒரு VPN, கார்ப்பரேட் கொள்முதல் குழு அல்லது மேற்கத்திய கிரெடிட் கார்டு இல்லாமலேயே அந்தத் கருவியை உண்மையில் வாங்கவும் பயன்படுத்தவும் முடியுமா? இந்த அறிக்கைக்கு ஓப்பன் சோர்ஸ் தத்துவம் (open-source philosophy) அல்லது மாடல் பெஞ்ச்மார்க்குகள் (model benchmarks) மீது பொறுமை இல்லை. இது ஒரு கேள்விக்கு மட்டுமே பதிலளிக்கிறது: உங்களால் அதை வாங்க முடியுமா?
ஏன் இந்தத் தனித்தனித் தொகுதிகள் நம்மைப் பார்வையற்றவர்களாக ஆக்குகின்றன
AI-இல் எது முக்கியம் என்று சொல்ல ஏதேனும் ஒரு அறிக்கையை நீங்கள் நம்பத் தொடங்கும் போது சிக்கல் ஆரம்பமாகிறது.
ஒரு கருவி Google-ன் நுகர்வோர் பிரிவுகளில் வராமல் கூட, கோடிங் தரவரிசைப் பட்டியலில் ஆதிக்கம் செலுத்தலாம். மில்லியன் கணக்கான பயனர்கள் அத்தியாவசியமானதாகக் கருதும் ஒரு தயாரிப்பிற்கு ஒரு GitHub மெமரி திட்டம் சக்தியளிக்கலாம், ஆனால் பயனர்களுக்கு அந்தத் திட்டத்தின் பெயர் தெரியாது. ஒரு வணிகத் தளம் ஒரு ரேப்பரை (wrapper) அல்லது பிராந்திய நகலை (regional clone) பட்டியலிடலாம், அதே நேரத்தில் அசல் GitHub ரெப்போசிட்டரி (repository) டைரக்டரிகள் மூலம் மட்டுமே ஷாப்பிங் செய்யும் எவருக்கும் கண்ணுக்குத் தெரியாமல் இருக்கலாம். ஒவ்வொரு அறிக்கையும் தனது வரையறை முழுமையானது என்று கருதுகிறது. இந்தச் சூழலை (ecosystem) உண்மையில் இயக்கும் சார்பு வரைபடத்தை (dependency graph) அவற்றுள் எதுவும் இணைப்பதில்லை.
அந்த அடுக்குத் தொடரை (stack) கவனியுங்கள். நீங்கள் உயர்தர கோடிங் உதவியாளரைப் பயன்படுத்தும்போது, ஒரே நேரத்தில் மூன்று வெவ்வேறு அடுக்குகளைத் தொடுகிறீர்கள். உங்கள் ப்ராம்ப்ட்டை ஏற்கும் இடைமுகம் (interface) உள்ளது. பதிலைத் தயாரிக்கும் மாடல் (model) உள்ளது. மேலும், ஒரு நீண்ட அமர்வின் (session) போது சூழலைப் (context) பாதுகாத்து, முந்தைய கோப்புகளிலிருந்து தொடர்புடைய துணுக்குகளைப் பெறும் மெமரி லேயர் (memory layer) உள்ளது. தரவரிசைப் பட்டியல் மேல் அடுக்கை (top layer) மதிப்பிடுகிறது. GitHub கீழ் அடுக்கை (bottom layer) வெளிப்படுத்துகிறது. Google-ன் பட்டியல் நடு அடுக்கைக் (middle layer) காட்டலாம், ஆனால் அது ஒரு பளபளப்பான நுகர்வோர் தயாரிப்பை (consumer artifact) உருவாக்கும் போது மட்டுமே. அந்தத் தொகுப்பை வாங்க முடியாவிட்டால் வணிகப் பட்டியல் இவை மூன்றையும் புறக்கணித்துவிடுகிறது. இதன் விளைவாக, ஒவ்வொரு அறிக்கையும் ஒரு சிறிய துளை (peephole) வழியாக மட்டுமே விநியோகச் சங்கிலியை (supply chain) பார்க்கிறது, முழு அறையையும் ஒருபோதும் பார்ப்பதில்லை.
இது முக்கியமானது, ஏனெனில் வாங்கும் முடிவுகள், தொழில்முறை சார்ந்த முயற்சிகள் மற்றும் கட்டமைப்புத் தெரிவுகள் ஆகிய அனைத்தும் ஒரே மாதிரியான ஒருதலைப்பட்சமான பார்வைக் குறைபாட்டினால் பாதிக்கப்படுகின்றன. ஒரு மென்பொருள் உருவாக்குநர் (developer) மிக வேகமாகத் தரவரிசைப்படுத்தப்பட்ட கோடிங் கருவியைத் தேர்ந்தெடுக்கலாம், ஆனால் அதன் மெமரி ஸ்டாக் (memory stack), GitHub-இல் வேகமாக வளர்ந்து வரும் ஒரு திறந்த மூல (open-source) மாற்றீட்டினால் விரைவில் நிறுத்தப்படப் போகிறது என்ற உண்மையை அவர் கவனிக்கத் தவறலாம். ஒரு தயாரிப்பு மேலாளர் (product manager) கூகுளின் (Google) விளக்கக்காட்சியைப் பார்த்துவிட்டு, சாட்பாட்கள் (chatbots) காலாவதியாகிவிட்டன என்று நினைக்கலாம்; ஆனால் அவை வெறும் டெவலப்பர் கருவிகளாகள் உள்வாங்கப்பட்டுள்ளன என்பதை அவர் உணரத் தவறலாம். ஒரு கொள்முதல் தலைவர் (procurement lead) ஒரு வணிகத் தொகுப்பின் (commerce directory) பரிந்துரைகளைத் தேடித் தேடிச் சேகரிக்கலாம், ஆனால் மிகவும் நம்பகமான அம்சங்களுக்கு உண்மையில் உயிர் கொடுக்கும் ஒரு 'open-core' திட்டத்தை அவர் கவனிக்கத் தவறலாம்.
நான்கு தனித்தனி விடைகளாகப் படித்தல்
முழுமையான ஒரு அறிக்கையைத் தேடுவதை நான் நிறுத்திவிட்டேன். அத்தகைய அறிக்கை இல்லை. அதற்குப் பதிலாக, இப்போது ஒவ்வொரு மூலத்தையும் ஒரு குறிப்பிட்ட, குறுகிய கேள்விக்கான பதிலாக நான் படிக்கிறேன்.
எனது குழுவிற்கான கோடிங் கருவிகளைத் தேர்ந்தெடுக்க வேண்டும் என்றால், நான் tier rankings-ஐப் பயன்படுத்துகிறேன். நான் மேலோட்டமான செயல்திறனை மட்டுமே பார்க்கிறேன் என்பதை நான் அறிவேன், ஆனால் தினசரி பயன்பாட்டிற்கு எனக்குத் தேவையானது அதுதான்.
பெரிய தொழில்நுட்ப நிறுவனங்கள் (Big Tech) எங்கு பொதுவெளியில் முதலீடு செய்கின்றன என்பதைப் பார்க்க விரும்பினால், நான் கூகுளின் (Google) வகைப்பட்டியலைப் பயன்படுத்துகிறேன். முக்கிய தளங்கள் எந்தத் தயாரிப்புகளை வெற்றிகளாகக் கருதுகின்றன என்பதையும், எந்தப் பயனர் அனுபவங்களை அவர்கள் சந்தைப்படுத்தத் தயாராக இருக்கிறார்கள் என்பதையும் இது வெளிப்படுத்துகிறது. நுகர்வோர் எதிர்பார்ப்புகள் எங்கு உருவாக்கப்படுகின்றன என்பதை இது எனக்குத் தெரிவிக்கிறது.
இன்றிலிருந்து ஆறு மாதங்களுக்குப் பிறகு தொழில்நுட்ப ரீதியாக என்ன சாத்தியம் என்பதைப் புரிந்துகொள்ள வேண்டுமானால், நான் GitHub trending-ஐப் பயன்படுத்துகிறேன். நினைவகக் கருவிகள் (memory tools), ஒருங்கிணைப்பு கட்டமைப்புகள் (orchestration frameworks) மற்றும் சிறிய மாடல் ஹோஸ்ட்கள் (small-model hosts) ஆகியவை இங்குதான் உள்ளன. இங்கு ஒரு திட்டம் வேகமாக வளர்ந்தால், tier பட்டியல்கள் தங்களின் அளவுகோல்களைப் புதுப்பிப்பதற்கு முன்பே அது வணிகக் கருவிகளாக மாறக்கூடும்.
எது எளிதில் அணுகக்கூடியது என்பதை அறிய வேண்டுமானால், குறிப்பாக ஃபயர்வால் (firewalls) மற்றும் கட்டண எல்லைகளைத் தாண்டி, நான் வணிகத் தொகுப்பைப் (commerce directory) பயன்படுத்துகிறேன். புவியியல் மற்றும் ஒழுங்குமுறை யதார்த்தம் என்பது ஒரு வகையான உண்மை. ஒரு கருவியின் கட்டமைப்பு எவ்வளவு புதுமையானதாக இருந்தாலும், அதை அணுகவோ அல்லது கட்டணம் செலுத்தவோ முடியாவிட்டால், அது உண்மையான விருப்பமாக இருக்காது.
நீங்கள் நீங்களே அந்தப் பார்வையை உருவாக்கிக் கொள்ள வேண்டும். எந்த ஒரு தொகுப்பாளரும் அதைத் தைத்துக் கொடுக்க மாட்டார்.
ஒரு பாலத்திற்கான காத்திருப்பு
மூன்று மாதங்களில் இதே சேனல்களை மீண்டும் சரிபார்க்கத் திட்டமிட்டுள்ளேன். ஏதேனும் ஒரு குழு மற்றவற்றை உள்வாங்கத் தொடங்குகிறதா என்று பார்க்க விரும்புகிறேன். ஒருவேளை, ஒரு tier பட்டியல் ஒவ்வொரு தரவரிசைப்படுத்தப்பட்ட கருவிக்கும் ஆதாரமாக இருக்கும் GitHub கட்டமைப்புகளுடன் இணைக்கத் தொடங்கலாம். கூகுளின் நுகர்வோர் அறிக்கை, அதன் பல மெருகூட்டப்பட்ட வெளியீடுகள் தான் அது விவாதிக்காத உரையாடல் இயந்திரங்களை (conversational engines) சார்ந்துள்ளன என்பதை ஒப்புக்கொள்ளலாம். அல்லது ஒரு வணிகத் தொகுப்பு, நிலைத்தன்மையின் அடையாளமாக 'star velocity'-ஐக் கண்காணிக்கத் தொடங்கலாம்.
எல்லாவற்றையும் விட, AI-ஐ ஒரு தனிப்பட்ட தயாரிப்பு வகையாகப் பார்க்காமல், ஒரு இணைக்கப்பட்ட அமைப்பாகக் கருதும் அறிக்கையை நான் பார்க்க விரும்புகிறேன். ஒரு திட்டத்தை GitHub களஞ்சியத்திலிருந்து (repository), ஒரு விற்பனையாளர் கூட்டாண்மை வழியாக, நுகர்வோர் பயன்பாட்டு அம்சமாகப் பின்தொடர்ந்து, பின்னர் அந்த அம்சம் ஷாங்காயில் வாங்கக் கிடைக்குமா என்பதைக் குறிக்கும் ஒரு அறிக்கை அதுவாக இருக்க வேண்டும். அத்தகைய அறிக்கை இறுதியாக அந்த நான்கு வரையறைகளையும் இணைக்கும் பாலமாக அமையும்.
அதுவரை, நீங்களே மொழிபெயர்ப்பாளர். நான்குவற்றையும் படியுங்கள். உண்மைகளைத் துல்லியமாக வைத்திருங்கள். மேலும், ஒரு பக்கத்தில் உள்ள 'AI' என்ற சொல் அடுத்த பக்கத்தில் முற்றிலும் மாறுபட்ட ஒன்றைக் குறிக்கக்கூடும் என்பதை நினைவில் கொள்ளுங்கள்.
Source: https://dev.to/ninghonggang/four-juejin-pieces-four-definitions-of-ai-no-shared-bridge-1fbj
Join the discussion: https://t.me/GyaanSetuAi