நீங்கள் கடந்த செவ்வாய்க்கிழமை பயன்படுத்திய அதே சாட் விண்டோவைத் திறக்கிறீர்கள், மேலும் AI நீங்கள் விட்ட இடத்திலிருந்து தொடர்கிறது. அது உங்கள் முந்தைய அறிவுறுத்தல்களைக் குறிப்பிடுகிறது, உங்கள் கிண்டலான தொனியைப் பிரதிபலிக்கிறது, மேலும் அந்த அறிக்கையை முடித்துவிட்டீர்களா என்று கேட்கிறது. ஒரு நொடி, உண்மையில் கவனிக்கும் ஒரு சக ஊழியருடன் பணியாற்றுவது போன்ற உணர்வு ஏற்படுகிறது. பிறகு நீங்கள் ஒரு புதிய உரையாடலைத் தொடங்குகிறீர்கள், அனைத்தும் மறைந்துவிடுகின்றன. தொனி சாதாரணமாகிவிடுகிறது. திட்ட விவரங்கள் காணாமல் போகின்றன. அது உங்களை தவறான பெயரால் அழைக்கிறது. என்ன நடந்தது?

இயந்திரம் உங்களை மறக்கவில்லை. அது உங்களை ஆரம்பத்திலிருந்தே அறிந்திருக்கவில்லை.

நினைவாற்றல் மாயை

நினைவாற்றலை எங்கும் காணும் வகையில் நாம் வடிவமைக்கப்பட்டுள்ளோம். ஒரு சாட்பாட் (chatbot) நீங்கள் சுருக்கமான புல்லட் பாயிண்டுகளை விரும்புகிறீர்கள் அல்லது நீங்கள் சுகாதாரத் துறையில் பணிபுரிகிறீர்கள் என்பதை நினைவில் கொள்ளும்போது, அது ஒரு பார் டெண்டர் (bartender) உங்கள் வழக்கமான ஆர்டரை நினைவில் கொள்வது போன்ற அதே உள்ளுணர்வைத் தூண்டுகிறது. ஆனால் இது அறிவாற்றல் சார்ந்தது அல்ல, வடிவமைப்பின் ஒரு தந்திரம். பெரிய மொழி மாதிரிகள் (Large language models) உங்களைப் பற்றிய உண்மைகளை அவற்றின் எடைகளுக்குள் (weights) சேமித்து வைப்பதில்லை. உங்கள் உரையாடல்களின் தொடர்ச்சியான நாட்குறிப்பு அவற்றிடம் இல்லை. "பயனர் விருப்பங்கள்" (User Preferences) என்று பெயரிடப்பட்ட ஒரு கோப்பு (folder) இல்லாததால், அவற்றால் அதைத் தேடிப் பார்க்க முடியாது.

நினைவாற்றல் போலத் தெரிவது உண்மையில் ஒரு சூழல் சாளரத்தில் (context window) இருக்கும் உரை மட்டுமே. அந்த மாதிரி சமீபத்திய சாட் வரலாறு, உங்கள் தற்போதைய தூண்டுதல் (prompt) மற்றும் டெவலப்பரால் இணைக்கப்பட்ட ஏதேனும் சிஸ்டம் அறிவுறுத்தல்களைப் படிக்கிறது. இது அனைத்தையும் ஒரே பார்வையில் செயலாக்கி, அடுத்த வார்த்தையைக் கணித்து, பதிலளிக்கிறது. அந்த உரை மறையும் போது, "நினைவாற்றலும்" மறைகிறது. அந்த மாதிரி அதன் அடிப்படைத் தன்மைக்குத் திரும்புகிறது, இது பெரும்பாலும் நம்பிக்கையானது, பொதுவானது மற்றும் சற்று அதிக உற்சாகமானது. சூழல் மாறியதால் இந்த மாயை உடைகிறது, AI-க்கு மறதி ஏற்பட்டதால் அல்ல.

AI உண்மையில் எதைப் பயன்படுத்துகிறது

உங்களுக்கு நம்பகமான வெளியீடு வேண்டுமென்றால், தகவல் உண்மையில் எங்கிருந்து வருகிறது என்ற நான்கு இடங்களைப் புரிந்துகொள்ள வேண்டும்:

  • சாட் வரலாறு (Chat history): உங்கள் தற்போதைய உரையாடலில் சமீபத்தில் நடந்த முன்னுக்குப் பின் முரணான உரையாடல்கள். இது தற்காலிகமானது. ஒரு புதிய உரையாடலைத் தொடங்கினால் அது மறைந்துவிடும்.
  • தூண்டுதலில் உள்ள குறிப்பிட்ட அறிவுறுத்தல்கள் (Specific instructions in the prompt): இப்போது நீங்கள் பெட்டியில் தட்டச்சு செய்யும் அல்லது ஒட்டும் எதுவாக இருந்தாலும் அது. இது கட்டுப்பாட்டின் மிகவும் நேரடி வடிவமாகும்.
  • அறிவுத் தளத்திலிருந்து வரும் ஆவணங்கள் (Documents from a knowledge base): சிஸ்டம் தேடி எடுத்து உங்கள் தூண்டுதலில் சேர்க்கக்கூடிய கோப்புகள் அல்லது தரவுத்தளங்கள். இதற்குத் தேடல் (retrieval) படிநிலை தேவை, அந்தப் படிநிலை அமைதியாகத் தோல்வியடையக்கூடும்.
  • பணிப்பாய்விலிருந்து (workflow) பெறப்பட்ட தரவு: API அழைப்புகள், தரவுத்தளத் தேடல்கள் அல்லது மூன்றாம் தரப்பு செயலிகளால் இணைக்கப்பட்ட நினைவக அம்சங்கள். இவை அவற்றை இணைக்கும் குறியீட்டின் (code) தரத்தைப் பொறுத்தே அமையும்.

இவற்றில் எதுவுமே இயற்கையான நினைவாற்றல் அல்ல. இவை குழாய்கள் (plumbing) போன்றவை. ஒரு குழாய் துண்டிக்கப்பட்டாலோ அல்லது தவறான ஆவணம் தூண்டுதலுக்குள் இழுக்கப்பட்டாலோ, AI உங்களை எச்சரிக்காது. அது பார்ப்பதை அப்படியே பயன்படுத்தி, மெருகூட்டப்பட்ட, நம்பகமான மற்றும் முற்றிலும் தவறான பதிலைத் தரும்.

சூழல் எப்போது முறியடிக்கிறது: ஒரு நிஜ உதாரணம்

வாடிக்கையாளர் மின்னஞ்சல்களைத் தயார் செய்ய ஒரு AI-யிடம் கேட்கும் ஒரு மார்க்கெட்டிங் குழுவை கற்பனை செய்து பாருங்கள். திங்கட்கிழமை, சாரா ஒரு சாட்டைத் தொடங்கி ஒரு சிறிய ஸ்டைல் গাইடை (style guide) ஒட்டுகிறார்: "அமைதியான, நிதானமான மொழியைப் பயன்படுத்துங்கள். ஆச்சரியக்குறிப்புகளைத் தவிர்க்கவும். நிறுவனத்தின் பெயரை மட்டும் கையொப்பமாகப் பயன்படுத்தவும்." AI அந்த வழிகாட்டியைத் துல்லியமாகப் பின்பற்றுகிறது. அந்த வரைவுப் பிரதிகளை (drafts) குழுவிற்குப் பிடிக்கிறது.

புதன்கிழமை, ஜேக் ஒரு புதிய சாட்டைத் திறக்கிறார். அவர், "வாடிக்கையாளர் மின்னஞ்சல்களைத் தயார் செய்" என்று தட்டச்சு செய்கிறார். அவர் ஸ்டைல் গাইடை ஒட்டவில்லை. அதற்கு மாறான அறிவுறுத்தல்கள் ஏதுமில்லாததால், AI அதிக ஆற்றல் கொண்ட மார்க்கெட்டிங் நடையைத் தேர்ந்தெடுக்கிறது. ஆச்சரியக்குறிப்புகள் பறக்கின்றன. அது "இதைச் சாதிப்போம்!" என்று பரிந்துரைக்கிறது. குழுவினர் புலம்புகிறார்கள். "ஏன் AI மறந்தது?" என்று அவர்கள் கேட்கிறார்கள்.

அது மறக்கவில்லை. மறப்பதற்கு அங்கு எதுவுமே இல்லை. புதிய சூழல் சாளரத்தில் (context window) ஸ்டைல் গাইடைச் சேர்க்க ஜேக் தவறிவிட்டார், மேலும் இரண்டு நாட்களுக்கு முன்பு ஒரு வேறு உரையாடலில் குழு ஒரு விதியை உருவாக்கியது என்பதை அந்த மாதிரிக்குத் தெரிய எந்த வழியும் இல்லை. ஏமாற்றம் உண்மையானதுதான், ஆனால் அதன் காரணம் இயந்திரம் அல்ல, மனிதன் தான். குழுவினர் தொடர்ச்சியான நினைவாற்றலை எதிர்பார்த்தார்கள். ஆனால் அந்தத் கருவி ஒரு தற்காலிகக் குறிப்பேட்டை மட்டுமே வழங்கியது.

உண்மையான சோதனை: இயந்திரம் எதைப் பார்க்கிறது என்பதை ஆய்வு செய்யுங்கள்

உங்கள் முடிவுகளை மேம்படுத்துவதற்கான விரைவான வழி, "AI இதை நினைவில் வைத்திருக்கிறதா?" என்று கேட்பதை நிறுத்திவிட்டு, "அது இப்போது உண்மையில் என்ன சூழலைப் பெறுகிறது?" என்று கேட்கத் தொடங்குவதாகும். உங்கள் அமைப்பை (setup) மூன்று கேள்விகள் மூலம் ஆய்வு செய்யுங்கள்:

ஒவ்வொரு முறையும் AI எதை அறிய வேண்டும்? இது உங்கள் மாற்ற முடியாத சூழல். பிராண்ட் குரல் (Brand voice), பாதுகாப்பு கொள்கைகள், வெளியீட்டு வடிவங்கள், இணக்கக் கட்டுப்பாடுகள் (compliance constraints). இது முக்கியமானதாக இருந்தால், அது மூன்று வாரங்களுக்கு முந்தைய சாட் உரையாடலில் இருக்கக்கூடாது; மாறாக, ஒவ்வொரு தொடர்புடைய தூண்டுதலுக்கும் உள்ளே சேர்க்கப்படும் ஒரு குறிப்பு ஆவணத்தில் (reference document) இருக்க வேண்டும்.

பிற்காலத் தேடலுக்காக நீங்கள் எதைச் சேமிக்க முடியும்? வரலாற்றுத் திட்டக் குறிப்புகள், தயாரிப்பு விவரக்குறிப்புகள் அல்லது கடந்த கால ஆராய்ச்சி ஆகியவை ஒரு கட்டமைக்கப்பட்ட கோப்பு அல்லது தரவுத்தளத்தில் இருக்கலாம். ஆனால் சேமிப்பு மட்டுமே போதுமானதல்ல. அந்தச் சேமிப்பிலிருந்து எந்தத் துண்டை (chunk) உரையாடலுக்குள் கொண்டு வர வேண்டும் என்பதை சிஸ்டம் எவ்வாறு தீர்மானிக்கிறது என்பதை நீங்கள் துல்லியமாகத் தெரிந்து கொள்ள வேண்டும். தேடல் (retrieval) என்பது ஒரு முக்கியச் சொல் பொருத்தம் (keyword match) சார்ந்து இருந்தால், உங்கள் தூண்டுதலில் சற்று மாறுபட்ட சொற்றொடரைப் பயன்படுத்தினால் அது தவறான பக்கத்தை எடுத்து வரக்கூடும்.

ஒருவர் எவற்றை கைமுறையாகச் சரிபார்க்க வேண்டும்? பிழையின் பாதிப்பு அதிகமாக இருக்கும்போது—நிதித் தரவுகள், மருத்துவச் சுருக்கங்கள், சட்ட ரீதியான மொழிகள், வாடிக்கையாளர்களைச் சென்றடையும் அறிவிப்புகள்—pipeline-ஐ கண்மூடித்தனமாக நம்பாதீர்கள். AI சரியான ஆவணப் பதிப்பைப் பயன்படுத்தியதா என்பதையும், அதன் வெளியீடு நிஜ உலகில் அர்த்தமுள்ளதாக இருக்கிறதா என்பதையும் ஒரு மனிதர் சரிபார்க்க வேண்டும். தான் கடந்த ஆண்டின் விலைப்பட்டியலைப் பயன்படுத்தியதாக அந்த மாடலால் உங்களுக்குத் தெரிவிக்க முடியாது. நீங்கள் prompt-இல் குறிப்பிடாதவரை, தற்போது என்ன ஆண்டு என்பதை அது அறியாது.

சூழலுக்கு முன்னுரிமை அளிக்கும் Workflow-ஐ உருவாக்குதல்

நம்பகமான AI வேலை என்பது பெரும்பாலும் சிறந்த தகவல் கட்டமைப்பைப் (information architecture) பொறுத்தது. அதை எவ்வாறு உருவாக்குவது என்பது இதோ.

உங்கள் நிலையான விதிகளை ஒரு குறிப்பு ஆவணத்தில் (reference document) வைக்கவும். இதுவே உங்கள் உண்மையான ஒற்றை ஆதாரமாக (single source of truth) இருக்க வேண்டும். விதிகள் மாறும்போது, இந்த ஒரு கோப்பை மட்டும் திருத்தவும். பல chat threads-களில் அறிவுறுத்தல்களைத் தூவி வைக்காதீர்கள்.

அந்த ஆவணத்தின் தொடர்புடைய பகுதிகளை மட்டுமே தற்போதைய பணிக்கு அனுப்பவும். நூறு பக்கங்களைக் கொண்ட கையேட்டை அப்படியே prompt-இல் திணிப்பது செலவு மிக்கது மற்றும் குழப்பத்தை ஏற்படுத்தும். இந்த குறிப்பிட்ட கேள்விக்குத் தேவையான இரண்டு பக்கங்களை மட்டும் எடுக்கவும். அளவை விட துல்லியமே சிறந்தது.

குறுகிய காலத் தகவல்களைச் செயல்பாட்டில் உள்ள prompt-இல் வைத்திருக்கவும். நீங்கள் மின்சார மிதிவண்டிகள் (electric bikes) பற்றிய வலைப்பதிவிற்கான தலைப்புகளைத் திட்டமிடுகிறீர்கள் என்றால், prompt-இல் "electric bikes" என்பதைக் குறிப்பிடவும். நேற்று அதைப் பற்றிப் பேசியதால், நீங்கள் எதைப் பற்றிச் சிந்தித்துக் கொண்டிருக்கிறீர்கள் என்பது மாடலுக்குத் தெரியும் என்று assumptions வைத்துக்கொள்ளாதீர்கள்.

பிழைகள் அதிக பாதிப்பை ஏற்படுத்தும் போது, வெளியீடுகளை ஆய்வு செய்ய ஒரு மனிதரைப் பயன்படுத்தவும். AI ஒருபோதும் வெட்கப்படாது. அது மற்ற விஷயங்களைச் செய்வதைப் போன்ற அதே நம்பிக்கையுடன், தவறான விலைப்பட்டியலையோ அல்லது பொருத்தமற்ற மன்னிப்பையோ அனுப்பும். யாராவது ஒருவர் அதைச் சரியாக இருக்கிறதா என்று சரிபார்க்க (sanity check) வேண்டும்.

அடுக்குகளாகச் சிந்தியுங்கள்

AI தகவல்களை நான்கு அடுக்குகளாகக் கற்பனை செய்வது உதவும்; ஒவ்வொன்றும் அதன் சொந்த நம்பகத்தன்மை மற்றும் அபாயங்களைக் கொண்டிருக்கும்.

உடனடி சூழல் (Immediate context) என்பது தற்போதைய prompt ஆகும். இது 100 சதவீதம் உங்கள் கட்டுப்பாட்டில் உள்ளது, ஆனால் நீங்கள் அதைச் சரியாக எழுதினால் மட்டுமே. தெளிவற்ற prompts தெளிவற்ற முடிவுகளையே தரும்.

சேமிக்கப்பட்ட சூழல் (Stored context) என்பது நீங்கள் எங்காவது சேமித்து வைத்திருக்கும் தகவலாகும்: ஒரு Notion wiki, ஒரு vector database, அல்லது PDF கோப்புகளின் ஃபோல்டர். அது அங்கு இருக்கும், ஆனால் ஏதேனும் ஒன்று இடைவெளியைக் கடந்து இணைக்கும் வரை AI அதைத் பார்க்க முடியாது.

மீட்டெடுக்கப்பட்ட சூழல் (Retrieved context) என்பது search logic, code அல்லது ஒரு plugin மூலம் சேமிப்பகத்திலிருந்து prompt-ிற்கு இழுக்கப்படும் தரவாகும். இங்குதான் பெரும்பாலான அமைதியான தோல்விகள் (silent failures) நிகழ்கின்றன. திருத்தப்பட்ட ஒப்பந்தத்திற்குப் பதிலாக பழைய ஒப்பந்தத்தையோ அல்லது spreadsheet-க்கு பதிலாக ஒரு screenshot-ஐயும் சிஸ்டம் எடுத்துவிடக்கூடும்.

மனித சூழல் (Human context) என்பது எது உண்மை, எது முக்கியம் மற்றும் எது தவறாகத் தெரிகிறது என்பது குறித்த உங்கள் சொந்தத் தீர்ப்பாகும். ஒரு பதில் காலாவதியானதா, ஒரு ஆதாரம் நம்பகமானதா அல்லது அந்தத் தருணத்திற்கு அந்தத் தொனி (tone) பொருந்துகிறதா என்பதை அறியக்கூடிய ஒரே அடுக்கு இதுதான். இந்த அடுக்கை மற்றவர்களிடம் ஒப்படைத்துவிடாதீர்கள் (Do not outsource).

சிறந்த முடிவுகளைப் பெறும் குழுக்கள் புத்திசாலித்தனமான மாடல்களைப் பயன்படுத்துவதில்லை. மாறாக, சூழல் தெளிவாகத் தெரியும்படியும், பதிப்புப்படுத்தப்பட்டும் (versioned), எளிதாகச் சரிபார்க்கக்கூடிய வகையிலும் அமைந்த அமைப்புகளை (systems) அவர்கள் உருவாக்குகிறார்கள். சரியான சூழலைக் கொண்ட ஒரு AI, தவறான தகவல்களைக் கொண்டு செயல்படும் ஒரு மேதையான மாடலை விட எப்போதும் சிறந்த முறையில் செயல்படும் என்பதை அவர்கள் அறிவார்கள்.

எனவே, இந்தத் கருவிகளைத் திட்டுவதற்குத் தகுதியான மறதி மிகுந்த பயிற்சியாளர்களைப் போல நடத்தாதீர்கள். அவற்றை லென்ஸ்கள் (lenses) போலக் கருதுங்கள். நீங்கள் அவற்றிற்கு முன்னால் எதை வைக்கிறீர்களோ அதை மட்டுமே அவை உங்களுக்குக் காட்டும். காட்சியைத்탓ப்பதற்கு முன், கண்ணாடியைச் சரிபார்க்கும் பழக்கத்தை வளர்த்துக் கொள்ளுங்கள்.

Join the GyaanSetu AI learning community: https://t.me/GyaanSetuAi