TechCrunch Disrupt 2026 ஒரு “Real World AI” மேடையைச் சேர்த்துள்ளது, இது ஸ்டார்ட்அப்கள் மற்றும் நிறுவப்பட்ட நிறுவனங்களுக்குத் திரையைத் தாண்டிச் செயல்படும் செயற்கை நுண்ணறிவு அமைப்புகளைக் காட்சிப்படுத்துவதற்கான ஒரு பிரத்யேக களத்தை வழங்குகிறது—நடக்கும் ரோபோக்கள், ரோந்து செல்லும் ட்ரோன்கள் மற்றும் மரபணுக்களைத் திருத்தும் அல்காரிதம்கள் என இவை அனைத்தும் இதில் அடங்கும். கடந்த சில ஆண்டுகளாகத் தலைப்புச் செய்திகளில் ஆதிக்கம் செலுத்தி வரும் பெரிய மொழி மாதிரிகளை (large language models) விட, வன்பொருள் சார்ந்த AI (hardware-centric AI) தான் அடுத்த வளர்ச்சி எல்லை என்று முதலீட்டாளர்கள், ஊடகவியலாளர்கள் மற்றும் ஒழுங்குமுறை அமைப்பாளர்கள் இப்போது கருதுகிறார்கள் என்பதை இந்த நகர்வு உணர்த்துகிறது.
சாட்போட்களிலிருந்து எஃகு மற்றும் சிலிக்கான் வரை
கடந்த தசாப்தத்தின் பெரும்பகுதியில், AI பற்றிய விவாதங்கள் மென்பொருள் சார்ந்த தயாரிப்புகளில் மட்டுமே கவனம் செலுத்தின: உரையாடல் முகவர்கள் (conversational agents), பரிந்துரை இயந்திரங்கள் (recommendation engines) மற்றும் கிளவுட் சார்ந்த பகுப்பாய்வுகள் (cloud-based analytics). Disrupt-ன் புதிய மேடை அந்தப் போக்கையே மாற்றுகிறது. தன்னாட்சி வாகனங்கள், பாதுகாப்புத் தளங்கள் மற்றும் உயிரியல் பொறியியல் கருவிகள் ஆகியவற்றின் மீதான உரையாடல்களை மையப்படுத்துவதன் மூலம், இந்த மாநாடு “hard-soft” AI-லிருந்து (பொதுவான சர்வர்களில் இயங்கும் குறியீடு) “hard-tech” AI-க்கு (அல்காரிதம் ஒரு ரோபோ கை, போர்க்கள ட்ரோன் அல்லது ஒரு மரபணுத் திருத்தப் பணிநிலையத்திற்குள் இயங்குவது) மாறும் மாற்றத்தை வரைபடமாக்குகிறது. இந்த மாற்றம் முக்கியமானது, ஏனெனில் இயற்பியல் சார்ந்த AI-ன் பொருளாதாரம், இடர் விகிதம் மற்றும் ஒழுங்குமுறை வழிமுறைகள் ஒரு SaaS தயாரிப்பிலிருந்து முற்றிலும் மாறுபட்டவை.
பாதுகாப்பு ஒரு வணிக அளவுகோலாகிறது
ஒரு AI ஒரு பத்தியைத் தவறாக வகைப்படுத்தினால், அதன் மோசமான விளைவு அதிருப்தியடைந்த ஒரு பயனரேயாகும். ஆனால் அதே அல்காரிதம் ஒரு ட்ரோனைச் செலுத்தினால் அல்லது ஒரு போர் விமானத்தை இயக்கினால், ஒரு மென்பொருள் பிழை உயிரிழப்பிற்கு காரணமாகலாம். Real World AI மேடை இந்த யதார்த்தத்திற்காக ஒரு முழு அமர்வையும் ஒதுக்கியுள்ளது, இதனை Shield AI நிறுவனத்தின் CTO ஆன Nate Michael வழிநடத்துகிறார். பேச்சாளர்கள் “நம்பகமான AI” (trustworthy AI) என்ற வெறும் கருத்துக்களிலிருந்து விலகி, நடைமுறைச் செயல்பாடுகளான hardware-in-the-loop சோதனை, கட்டுப்பாட்டு சுற்றுகளின் முறையான சரிபார்ப்பு (formal verification of control loops) மற்றும் விண்வெளி மற்றும் வாகனத் தொழில்துறைகளில் பயன்படுத்தப்படும் முறைகளைப் போன்ற சான்றிதழ் செயல்முறைகள் குறித்து விவாதிக்கின்றனர்.
பாதுகாப்புப் பதிவுகளைத் துல்லியமாகப் பராமரிக்கும் அதே வேளையில், தங்களின் அமைப்புகள் மின்காந்த குறுக்கீடு (electromagnetic interference), தீவிர வெப்பநிலை மற்றும் எதிரித் தாக்குதல்களைத் (adversarial attacks) தாங்கி உயிர்வாழ முடியும் என்பதை பாதுகாப்பு மற்றும் தொழில்துறை தானியங்கித் துறையில் உள்ள நிறுவனர்கள் இப்போது நிரூபிக்க வேண்டும். இதில் உள்ள ஆபத்துகள் அதிகம்: ஒரு சிறிய விபத்து கூட ஒழுங்குமுறைத் தடைகளைத் தூண்டலாம், சந்தை நம்பகத்தன்மையைத் தகர்க்கலாம் மற்றும் பெரும் செலவுமிக்க வழக்குகளுக்கு வழிவகுக்கலாம்.
எட்ஜ் கம்ப்யூட்டிங்: கிளவுட் அணுக முடியாத நிலையில் இருக்கும்போது
இந்த மேடையில் மீண்டும் மீண்டும் வரும் ஒரு கருப்பொருள் “edge AI” சிக்கலாகும். இன்றைய பல AI சேவைகள் மிகப்பெரிய தரவு மையங்களுடன் (data centers) தொடர்ச்சியான, குறைந்த தாமதத் தொடர்பு (low-latency connectivity) இருக்கும் என்று கருதுகின்றன. தொலைதூரப் போர்க்களங்கள், ஆழ்கடல் தளங்கள் அல்லது விண்வெளி வாழ்விடங்களில், அந்த அனுமானம் தோல்வியடைகிறது. FieldAI, Medra மற்றும் Eclipse Ventures ஆகியவற்றின் பிரதிநிதிகள், இன்ஃபரன்ஸ் என்ஜின்களை (inference engines) குறைந்த ஆற்றல் கொண்ட ASICs மற்றும் வலுவூட்டப்பட்ட GPUs-க்கு மாற்றுவதன் மூலம், மில்லி விநாடிகளுக்குள் உள்ளூர் அளவில் முடிவுகளை எடுக்க அனுமதிக்கும் கட்டமைப்புகளைப் பற்றி விவாதிக்கின்றனர்.
இந்தத் தீர்வுகள் மாதிரியின் அளவை விட அதன் கணிக்கக்கூடிய தன்மைக்கு முன்னுரிமை அளிக்கின்றன, மேலும் அவ்வப்போது கிடைக்கும் இணைப்புகள் மூலம் மாதிரிகளைத் தொகுக்கவும் (compile) புதுப்பிக்கவும் கூடிய புதிய மென்பொருள் அடுக்குகளை (software stacks) இவை கோருகின்றன. இந்தத் தொழில்நுட்பப் பரிமாற்றம் வணிக மாதிரிகளை மறுசீரமைக்கிறது. எட்ஜ் பயன்பாட்டில் (edge deployment) தேர்ச்சி பெற்ற நிறுவனங்கள், “எப்போதும் இயங்கக்கூடிய” (always-on) தன்னாட்சித் திறனுக்காக அதிக விலையை வசூலிக்க முடியும்; கிளவுட் பின்னணியைச் சார்ந்திருக்கும் நிறுவனங்கள் தங்களின் சந்தை இணைக்கப்பட்ட சூழல்களுடன் மட்டுமே மட்டுப்படுத்தப்படுவதைக் காணலாம்.
முன்மாதிரியிலிருந்து உற்பத்தி வரை: அளவிடுதல் இடைவெளி
ஆய்வகத்தில் உருவாக்கப்பட்ட ஒரு ரோபோவை பெருமளவில் உற்பத்தி செய்யப்படும் தயாரிப்பாக மாற்றுவது என்பது இன்றும் ஒரு சவாலான தோல்விப் புள்ளியாகவே உள்ளது. Bedrock Robotics, Foxglove மற்றும் MBRYONICS ஆகியவற்றின் நிர்வாகிகள் இதைப் பற்றிய அமர்வுகளை நடத்துகின்றனர். இதில் உள்ள தலைப்புகள்:
- விநியோகச் சங்கிலியை வலுப்படுத்துதல் (Supply-chain hardening) – சிறப்பு சென்சார்கள் மற்றும் தனிப்பயனாக்கப்பட்ட கட்டமைப்புகளை அதிக அளவில் பெறுவதற்கான ஆதாரங்களைப் பாதுகாத்தல்.
- உற்பத்தித் திறனுக்கான வடிவமைப்பு (Design for manufacturability) – செலவுகளை அதிகரிக்காமல், துல்லியமான அளவீடுகளைப் பேண இயந்திரக் கூட்டமைப்புகளை எளிமையாக்குதல்.
- தர உறுதிப்பாட்டு வழிமுறைகள் (Quality assurance pipelines) – நிஜ உலகச் செயல்பாட்டு நிலைகளைப் பிரதிபலிக்கும் தானியங்கி செயல்பாட்டுத் சோதனைகளை ஒருங்கிணைத்தல்.
ஒரு ஸ்டார்ட்அப்பின் மதிப்பீடு விரைவில் அதன் அல்காரிதத்தின் நேர்த்தியை விட, ஒரு சிறிய பேரழிவும் ஏற்படாமல் ஆயிரக்கணக்கான நம்பகமான அலகுகளைத் தயாரிக்கும் திறனைப் பொறுத்தே அமையும் என்பதில் ஒருமித்த கருத்து நிலவுகிறது.
AI உயிரியலைச் சந்திக்கிறது: அழிந்துபோன உயிரினங்களை மீட்டெடுப்பது (De-Extinction) விவாதத்தில்
Real World AI மேடையின் மிகவும் தூண்டுதலான அமர்வு, Colossal Biosciences நிறுவனத்தின் CEO ஆன Ben Lamm, அழிந்துபோன உயிரினங்களை மீண்டும் உயிர்ப்பிப்பதை நோக்கமாகக் கொண்ட AI சார்ந்த மரபணுப் பொறியியல் பற்றி விவாதிப்பதாகும். புரத மடிப்பு (protein folding), மரபணு வெளிப்பாடு மற்றும் சுற்றுச்சூழல் தாக்கம் ஆகியவற்றைக் கணிக்கும் இயந்திரக் கற்றல் மாதிரிகள், “de-extinction” திட்டங்களை விரைவுபடுத்தும் அல்லது தற்போதுள்ள சுற்றுச்சூழல் அமைப்புகளைப் பாதுகாப்பதிலிருந்து வளங்களைத் திசைதிருப்பும் என்பதை இந்த அமர்வு ஆராய்கிறது. அறிவியல் நிச்சயமற்ற தன்மைகளும் நெறிமுறைச் சிக்கல்களும் இதன் புதுமையைத் தாண்டிப் பெரியதாக இருப்பதாக விமர்சகர்கள் வாதிடுகின்றனர்; அதே சமயம், இதேபோன்ற AI வழிமுறைகள் தடுப்பூசி வடிவமைப்பு, பயிர் மேம்பாடு மற்றும் நோய் எதிர்ப்பு திறன் கொண்ட கால்நடைகளை உருவாக்குவதைத் துரிதப்படுத்தும் என்று ஆதரவாளர்கள் கூறுகின்றனர். இந்த விவாதம் ஒரு பரந்த கேள்வியை எழுப்புகிறது: AI உயிரியலை மாற்றி எழுதத் தொடங்கும் போது, ஏற்றுக்கொள்ளக்கூடிய ஆபத்து எல்லைகளை யார் தீர்மானிப்பார்கள்?
மாற்றுக்கருத்து: வன்பொருள் நோக்கிய இந்த வேகம் முன்கூட்டியதா?
தொழில்துறை இப்போது இயற்பியல் AI (physical AI) நோக்கி வேகமாகச் செல்ல வேண்டும் என்பதில் அனைவரும் உடன்படவில்லை. பாதுகாப்பு சார்ந்த வன்பொருள்களில் AI-ஐப் புகுத்துவதற்கான அவசரம், சரிபார்ப்புத் தரநிலைகளின் (verification standards) வளர்ச்சியைக் காட்டிலும் வேகமாகச் செல்லக்கூடும் என்றும், இது தற்காலிகமான பாதுகாப்பு நடவடிக்கைகளின் தொகுப்பை உருவாக்கும் என்றும் சில ஆய்வாளர்கள் எச்சரிக்கின்றனர். மென்பொருள் நம்பகத்தன்மை இன்னும் வன்பொருள் இலக்குகளுக்குப் பின் தங்கியுள்ளது என்பதற்கு, தானியங்கி வாகனச் சோதனைகளில் சமீபத்தில் நிகழ்ந்த விபத்துத் தவிர்க்கப்பட்ட நிகழ்வுகளை (near-misses) அவர்கள் ஆதாரமாகக் காட்டுகின்றனர். அவர்களின் மாற்றுக்கருத்து ஒரு நிதானமான அணுகுமுறையை முன்மொழிகிறது: அடிப்படை AI பாதுகாப்பு ஆராய்ச்சியை வலுப்படுத்துங்கள், பின்னர் அந்தத் கண்டுபிடிப்புகளை படிப்படியாக வன்பொருள் தளங்களில் ஒருங்கிணைக்கவும்.
அடுத்து கவனிக்க வேண்டியவை
- ஒழுங்குமுறை மைல்கற்கள் (Regulatory milestones) – வரும் மாதங்களில் FAA, DoD மற்றும் உயிரித் தொழில்நுட்ப முகமைகள் (biotech agencies) AI-இயங்கும் வன்பொருள் குறித்த வரைவு வழிகாட்டல்களை வெளியிடுவார்கள் என்று எதிர்பார்க்கலாம். கொள்கை வகுப்பாளர்களுடன் முன்கூட்டியே ஈடுபடும் நிறுவனங்கள் விரைவான சான்றிதழ் நடைமுறைகளைப் பெறக்கூடும்.
- நிதிப் போக்குகள் (Funding trends) – மேடையில் உள்ள Eclipse Ventures போன்ற முதலீட்டு நிறுவனங்கள், எட்ஜ்-மையச் சார்ந்த (edge-focused) AI ஸ்டார்ட்அப்களுக்கு, குறிப்பாக வன்பொருள் கூட்டணிகளைக் கொண்ட நிறுவனங்களுக்கு, அதிக அளவிலான நிதியுதவி அளிக்கத் தயார் என்பதைக் கோடிட்டுக் காட்டுகின்றன.
- டெமோ வெளியீடுகள் (Demo rollouts) – GPS சிக்னல் இல்லாத சூழல்களில் இயங்கும் தானியங்கி ட்ரோன்கள் மற்றும் நிகழ்நேரத்தில் மரபணுத் திருத்தப் பணிகளைச் செய்யும் ரோபோடிக் கைகள் ஆகியவற்றின் நேரடிச் செயல்விளக்கங்களை (live demonstrations) பல கண்காட்சியாளர்கள் கோடிட்டுக் காட்டியுள்ளனர். அந்த டெமோக்கள் எட்ஜ் AI-ஐ விரிவுபடுத்துவதற்கான சாத்தியக்கூறுகளுக்குச் சான்றாக அமையும்.
முக்கியக் கருத்து
TechCrunch Disrupt-ன் Real World AI மேடையின் தொடக்கம் ஒரு தெளிவான தொழில்துறை சமிக்ஞையை வழங்குகிறது: AI வளர்ச்சியின் அடுத்த அலை, அல்காரிதம்கள் தரவு மையத்திற்கு (data center) வெளியே, எஃகு கட்டமைப்புகளிலும், போர்க்களங்களிலும் மற்றும் உயிரணுக்களுக்குள்ளும் எவ்வளவு சிறப்பாகச் செயல்படுகின்றன என்பதைக் கொண்டே தீர்மானிக்கப்படும். வெற்றி என்பது புத்திசாலித்தனமான மாதிரிகளை (models) மட்டும் கொண்டிருப்பதில் இல்லை; அதற்குத் துல்லியமான பாதுகாப்பு கலாச்சாரம், எட்ஜ்-தயார் வன்பொருள் மற்றும் ஒரு முன்மாதிரியை (prototype) பெரிய அளவில் நம்பகமான தயாரிப்பாக மாற்றக்கூடிய விநியோகச் சங்கிலி ஒழுங்குமுறை (supply-chain discipline) ஆகியவை தேவைப்படும். AI மேகக்கணிமையிலிருந்து (cloud) நிஜ உலகிற்கு நகரும்போது, இந்த அம்சங்களில் தேர்ச்சி பெறும் நிறுவனங்கள் அதிக முதலீட்டையும் சந்தைப் பங்கையும் கைப்பற்ற அதிக வாய்ப்புள்ளது.