விரைவான AI உள்ளடக்கக் கட்டுப்பாடு மாற்றத்தால் Meta நிறுவனத்திற்குள் எதிர்ப்பு கிளம்புகிறது

Meta நிறுவனம் தனது உள்ளடக்கக் கட்டுப்பாடு கட்டமைப்பை மனித மேற்பார்வையிலிருந்து Large Language Models (LLMs) நோக்கி தீவிரமாக மாற்றியமைத்து வருகிறது. 2025 ஆம் ஆண்டின் இறுதிக்குள் குறிப்பிட்ட உள்ளடக்க வகைகளில் 90%-க்கும் அதிகமானவற்றைத் தானியக்கமாக்குவதை இது நோக்கமாகக் கொண்டுள்ளது. இந்த மாற்றம் முன்னெப்போதும் இல்லாத துல்லியத்தை வழங்கும் என்று நிறுவனம் உறுதியளித்தாலும், இந்த விரைவான அமலாக்கம் நுணுக்கங்களையும் தளத்தின் பாதுகாப்பையும் பாதிக்கக்கூடும் என்று உள்வட்டார எச்சரிக்கைகள் தெரிவிக்கின்றன.

தானியக்கமாக்கலுக்கான அழுத்தம் மற்றும் "Muse Spark" மாற்றம்

Meta நிறுவனத்தின் இந்தத் தானியக்கமாக்கல் மாற்றத்தின் அளவு மிகப்பெரியது. 2025 ஆம் ஆண்டின் தொடக்க நிலவரப்படி, இந்த சமூக ஊடக நிறுவனம் மனிதத் தலையீட்டுத் தேவைகளில் சுமார் 50%-ஐ ஏற்கனவே AI மாதிரிகளால் மாற்றியுள்ளது. அடிப்படைத் தொழில்நுட்பத்தில் ஒரு குறிப்பிடத்தக்க மாற்றம் ஏற்பட்டுள்ளதை அறிக்கைகள் சுட்டிக்காட்டுகின்றன: Meta நிறுவனம் கட்டுப்பாடு மற்றும் ஆதரவு பணிகளுக்காக Google-இன் Gemini-ஐப் பயன்படுத்துவதிலிருந்து விலகி, தனது சொந்தப் பிரத்யேக அடிப்படை மாதிரியான (proprietary foundation model) Muse Spark-ஐ நோக்கி நகர்கிறது.

Muse Spark என்பது மனித மதிப்பாய்வாளர்களால் எடுக்கப்பட்ட கடந்தகால முடிவுகளைக் கொண்ட வரலாற்றுத் தரவுத் தொகுப்புகளைக் கொண்டு சிறப்பாகப் பயிற்றுவிக்கப்பட்டுள்ளது. Meta தனது AI கட்டமைப்பை ஒருங்கிணைப்பதற்கான ஒரு விரிவான உத்தியின் ஒரு பகுதியாக இந்த மாற்றம் அமைகிறது. இதன் மூலம் வெளி நிறுவனங்களைச் சார்ந்திருப்பது குறைக்கப்படுவதோடு, தனது சொந்த முடிவெடுக்கும் தரவுத் தொகுப்பைப் பயன்படுத்தி தனது உள்ளடக்கக் கட்டுப்பாட்டுத் திறனை மேம்படுத்தவும் முடிகிறது.

செயல்திறன் vs துல்லியம்: நிறுவனத்தின் விளக்கம்

நிறுவன ரீதியாகப் பார்த்தால், இந்த நடவடிக்கை வெறும் செலவுக் குறைப்பு நடவடிக்கையாகப் பார்க்கப்படாமல், தரத்தில் ஏற்பட்டுள்ள ஒரு மிகப்பெரிய முன்னேற்றமாக முன்வைக்கப்படுகிறது. இந்த மாற்றம் Meta நிறுவனத்திற்கு ஆண்டுதோறும் பில்லியன் கணக்கான டாலர்களைச் சேமிக்க உதவும் என்று Financial Times தெரிவித்துள்ள போதிலும், நிறுவனம் தனது செயல்திறன் அளவீடுகளுக்கே முக்கியத்துவம் அளிக்கிறது. மார்ச் மாதம் முதல், தனது LLM-கள் இரண்டு முக்கியமான பகுதிகளில் மனிதக் கட்டுப்பாட்டாளர்களை விடச் சிறப்பாகச் செயல்படுவதாக Meta உரிமை கோருகிறது: கொள்கைகளை அமல்படுத்தும்போது 13% குறைவான பிழைகளைச் செய்தல் மற்றும் உண்மையான கொள்கை மீறல்களை 10% அதிகமாகக் கண்டறிதல்.

நையாண்டி (satire), வட்டார வழக்குச் சொற்கள் (slang) அல்லது மாறிவரும் மொழிப் போக்குகளைக் கையாளும்போது பெரும்பாலும் தோல்வியடையும் பாரம்பரிய Machine Learning (ML) வகைப்படுத்திகளைப் போலன்றி, இந்த புதிய LLM-கள் சிக்கலான நுணுக்கங்களைப் புரிந்துகொள்ளும் வகையிலும், உலகளாவிய மொழிகளின் பரந்த அளவிலான பயன்பாட்டிற்கும் ஏற்றவாறு வடிவமைக்கப்பட்டுள்ளன.

உள்வட்டார எச்சரிக்கைகள்: மனிதத் தாக்கம் மற்றும் பிழை வரம்புகள்

தலைமைப் பொறுப்பில் உள்ளவர்கள் வழங்கும் நம்பிக்கையூட்டும் தரவுகள் இருந்தபோதிலும், இந்தத் தொழில்நுட்பத்தை அமல்படுத்தும் வேகம் குறித்து Meta ஊழியர்கள் எச்சரிக்கை விடுத்து வருகின்றனர். இந்த மாதிரிகள் இன்னும் சூழலைப் (context) புரிந்துகொள்வதில் சிரமப்படுவதால், முற்றிலும் பாதிப்பற்ற உள்ளடக்கங்கள் நீக்கப்படுவதற்கும் அல்லது "shadow-banning" செய்யப்படுவதற்கும் அடிக்கடி வழிவகுப்பதாக உள்ளே இருப்பவர்கள் எச்சரித்துள்ளனர். மனிதத் தலையீடு (human-in-the-loop) விரைவாகக் குறைந்து வருவதால், இந்தத் தானியக்கப் பிழைகளை நிர்வகிக்கப் போதுமான மேற்பார்வை இல்லை என்பதே ஊழியர்களிடையே உள்ள முதன்மையான கவலையாகும்.

இந்தத் தொழில்நுட்ப மாற்றம் நிறுவனத்தின் சூழலுக்குள் உடனடி சமூக-பொருளாதாரத் தாக்கங்களையும் ஏற்படுத்தி வருகிறது. இந்தத் தீவிரமான தானியக்கமாக்கல், குறிப்பாக முன்பு பெரும்பாலான கைமுறைக் கட்டுப்பாட்டுப் பணிகளைக் கையாண்ட வெளி ஒப்பந்ததாரர்களின் பெரும் பணியாளர்களைப் பணிநீக்கம் செய்ய நேரடியாக வழிவகுக்கிறது.

இது AI சூழலுக்கு ஏன் முக்கியமானது

Meta நிறுவனத்தின் இந்தச் சோதனை ஒட்டுமொத்த தொழில்நுட்பத் துறைக்கும் ஒரு முக்கியமான முன்னறிவிப்பாக அமைகிறது. நிறுவனங்கள் "AI-உதவி பெறும்" (AI-assisted) கட்டுப்பாட்டிலிருந்து "AI-தலைமைத்துவ" (AI-led) கட்டுப்பாட்டிற்கு மாறும்போது, அளவிடுதல் (scalability) மற்றும் கருத்துச் சுதந்திரத்தைப் பாதுகாத்தல் ஆகியவற்றுக்கு இடையிலான முரண்பாட்டைத் தொழில்நுட்பத் துறை எதிர்கொள்ள வேண்டியிருக்கும். Muse Spark போன்ற ஒரு அடிப்படை மாதிரி, மனித நையாண்டி மற்றும் கலாச்சார நுணுக்கங்களின் சிக்கல்களை வெற்றிகரமாகக் கையாள முடிந்தால், அது தானியக்க நிர்வாகத்திற்கு ஒரு புதிய தரநிலையை அமைக்கும். இருப்பினும், ஊழியர்களால் தெரிவிக்கப்படும் பிழைகள் தொடர்ந்தால், சமூக உரையாடல்களைக் கண்காணிக்கும் முழுப் பொறுப்பையும் ஏற்க LLM-கள் இன்னும் தயாராக இல்லை என்பதையே அது உணர்த்தும்.

முக்கியக் குறிப்புகள்

• மிகப்பெரிய தானியக்கமாக்கல் அளவு: Meta நிறுவனம் 2025 ஆம் ஆண்டின் இறுதிக்குள் குறிப்பிட்ட உள்ளடக்கக் கட்டுப்பாட்டுப் பணிகளில் 90%-க்கும் அதிகமானவற்றைத் தானியக்கமாக்குவதை நோக்கமாகக் கொண்டுள்ளது; ஏற்கனவே 50% மாற்றத்தை எட்டியுள்ளது.
• சொந்தத் தொழில்நுட்பத்திற்கான மாற்றம்: Meta நிறுவனம் Google-இன் Gemini-க்கு மாற்றாக, மனிதக் கட்டுப்பாட்டுத் தரவுகளைக் கொண்டு பயிற்றுவிக்கப்பட்ட தனது சொந்த அடிப்படை மாதிரியான Muse Spark-ஐப் பயன்படுத்துகிறது.
• செயல்திறன் vs நம்பகத்தன்மை இடைவெளி: பிழைகளில் 13% குறைவு ஏற்பட்டுள்ளதாக Meta கூறினாலும், இந்த விரைவான அமலாக்கத்தின் போது அதிகப்படியான shadow-banning மற்றும் போதிய மேற்பார்வை இல்லாமை குறித்து ஊழியர்கள் எச்சரிக்கின்றனர்.