AI நிபுணத்துவத்தை வளர்ப்பதற்கான வாய்ப்பு மூடிக்கொண்டிருக்கிறது

மக்கள் AI டெமோக்கள் (demos) மற்றும் தயாரிப்பு அமைப்புகளை (production systems) ஒன்றுதான் என்பது போலப் பேசுகிறார்கள். அவை இரண்டும் ஒன்றல்ல.

ஒரு பகட்டான டெமோவிற்கும், நிஜ உலகில் செயல்படும் ஒரு அமைப்புக்கும் இடையே மிகப்பெரிய இடைவெளி உள்ளது.

அனைவரும் எல்லாவற்றையும் ஒரு ஏஜென்ட் (agent) என்று அழைக்கிறார்கள். நினைவாற்றல் கொண்ட ஒரு சாட்பாட் (chatbot) ஒரு ஏஜென்ட். ஒரு லூப் (loop) கொண்ட ஒரு ஸ்கிரிப்ட் ஒரு ஏஜென்ட். இது தவறு. இந்தத் தவறு மோசமான பொறியியலுக்கு (engineering) வழிவகுக்கிறது.

இதன் விளைவாக, எளிய பணிகளுக்கு அதிகப்படியான பொறியியல் நுட்பங்களையும் (over-engineering) மற்றும் கடினமான பணிகளுக்குப் போதுமான பொறியியல் நுட்பங்களையும் (under-engineering) பயன்படுத்தும் நிலை ஏற்படும்.

இதோ ஒரு உண்மையான வரையறை: ஒரு ஏஜென்ட் ஒரு குறிக்கோளைக் கொண்டிருக்கும். அது அடுத்த கட்டத்தை முடிவு செய்யும். அது தோல்விகளைக் கையாளும். ஒரு பணி எப்போது முடிவடைகிறது என்பதை அது அறியும். மற்ற அனைத்தும் வெறும் ஃபங்க்ஷன் கால் (function call) மட்டுமே.

வேறுபாட்டைத் தெரிந்துகொள்வது எப்படி: • ஒரு மனிதன் ஒவ்வொரு அடியையும் வழிநடத்த வேண்டும் என்றால், அது ஒரு சாட் இன்டர்ஃபேஸ் (chat interface). • ஒரு அமைப்பு தோல்வியடைந்த டூல் கால்லிலிருந்து (tool call) மீண்டு வந்தால், அது ஒரு ஏஜென்ட். • ஒரு அமைப்பு ஒரு இலக்கை துணைப் பணிகளாக (subtasks) உடைத்தால், அது ஒரு உண்மையான ஏஜென்ட்.

வெற்றிகரமான குழுக்கள் புதிய மாடல்களைத் (models) துரத்திக் கொண்டிருக்கவில்லை. அவை மூன்று விஷயங்களில் கவனம் செலுத்துகின்றன:

  • டூல் வடிவமைப்பு (Tool design): இன்டர்ஃபேஸ் எவ்வளவு தூய்மையாக உள்ளது?
  • தோல்வி கையாளுதல் (Failure handling): ஒரு டூல் எதையும் திரும்பத் தராதபோது என்ன நடக்கும்?
  • கவனிப்புத் திறன் (Observability): ஏஜென்ட் ஏன் அந்த முடிவை எடுத்தது?

நீங்கள் பயன்படுத்தும் பிரேம்வொர்க்கை (framework) விட நீங்கள் பின்பற்றும் முறைகளே (patterns) முக்கியம். LangChain அல்லது CrewAI என்பவை வெறும் கருவிகள் மட்டுமே. கட்டமைப்பு (architecture) தான் முக்கியமானது.

இந்த முறைகளைப் பயன்படுத்துங்கள்:

  • திட்டமிட்டு பின் செயல்படுங்கள்: திட்டமிட ஒரு படிநிலையையும், செயல்பட ஒரு தனிப் படிநிலையையும் பயன்படுத்துங்கள்.
  • மீட்டெடுப்பிலிருந்து (retrieval) பகுத்தறிவை (reasoning) பிரிக்கவும்: தரவை எடுத்தல் மற்றும் தரவைப் பயன்படுத்துதல் ஆகிய இரண்டும் வெவ்வேறு வேலைகள்.
  • தெளிவான ஒப்படைப்பு (Explicit handoffs): ஒரு ஏஜென்ட் மற்றொரு ஏஜென்ட்டிடம் வேலையை ஒப்படைக்கும்போது கட்டமைக்கப்பட்ட லாக்களைப் (structured logs) பயன்படுத்துங்கள்.

RAG-உம் சிக்கல்களை ஏற்படுத்துகிறது. பெரும்பாலான மக்கள் சங்கிங்கில் (chunking) தோல்வியடைகிறார்கள். உங்கள் சங்கிங்குகள் சூழலை (context) துண்டித்தால், மாடல் மாயத்தோற்றங்களை (hallucinate) உருவாக்கும். மாடலைத்탓ப்பதற்கு முன், உங்கள் சங்கிங் மற்றும் மெட்டாடேட்டாவை (metadata) சரிசெய்ய வேண்டும்.

மாடல்கள் மேம்படும். டோக்கன்கள் (tokens) மலிவாகும். இது பொறியியல் சவாலைத் தீர்க்காது.

நீங்கள் நம்பக்கூடிய அமைப்புகளை உருவாக்குவதே உண்மையான சவால். உங்களுக்கு நிர்வாகமும் (governance) நம்பகமான டூல் பயன்பாடும் தேவை.

அடுத்த இரண்டு ஆண்டுகளில் முக்கியத்துவம் பெறும் பொறியாளர்கள் 'ப்ராம்ப்ட் இன்ஜினியர்கள்' (prompt engineers) அல்ல. அவர்கள் சிஸ்டம் டிசைனர்கள் (systems designers). மற்றவர்கள் பராமரிக்கக்கூடிய AI-ஐ அவர்கள் உருவாக்குவார்கள்.

Source: https://dev.to/aibughunter/the-window-to-build-ai-expertise-is-closing-faster-than-anyone-expected-3a2c

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