புத்தக வடிவிலேயே வாசிக்க இங்கே கிளிக் செய்யவும்!
மெட்டாவிடம் பழகுவோம் Vs மெட்டாவை பழக்குவோம்!
மெட்டாவிடம் பழகுங்கள், மெட்டாவை பழக்குங்கள் என சென்ற மாதம் சொல்லி இருந்தேன் அல்லவா? மெட்டாவிடம் தேவையானதை சொல்லி அல்லது கேட்டுப் பெறுவதற்கு ப்ராம்ட் (Prompt) என்று பெயர். நாம் கொடுக்கும் ப்ராம்ட்டை அது சிரமேற்கொண்டு செயல்படுத்தும். அதற்கு நாம் கேட்கும் கேள்வி முழுமையாக புரியவில்லை என்றால், அதற்குப் புரியும் அளவிற்கு பதில் கொடுக்கும். நமக்குத் தேவையான பதில் கிடைக்கும் வரை அதனிடம் மீண்டும் மீண்டும் கேட்டுப் பெறலாம்.
மெட்டா என்பது வாட்ஸ் அப், ஃபேஸ்புக் மெசஞ்சர் என அனைத்துத் தளங்களிலும் செயல்படுகிறது. நமக்குத் தேவையானதை அதனிடம் கேட்டுப் பெறுவதற்கு மெட்டாவிடம் பழகுவோம் என்று பொருள் கொள்வதைப் போல், மெட்டாவிடம் நம் இயல்பை சொல்லி புரிய வைத்து நம் இயல்பின் அடிப்படையில் ஒரு விஷயத்தைப் பெறுவதற்கு மெட்டாவை பழக்குவோம் என்று பொருள்.
அது என்ன நம் இயல்பு? அதை எப்படி மெட்டாவிற்கு புரிய வைப்பது?
உதாரணத்துக்கு, பள்ளியில் நடைபெறும் ஒரு கட்டுரைப் போட்டிக்கு, உங்கள் மகனுக்காகவோ அல்லது மகளுக்காகவோ ஒரு கட்டுரை எழுதிக் கொடுக்கிறீர்கள் என வைத்துக் கொள்வோம். அதை வாசிக்கும் ஆசிரியர் உங்கள் பிள்ளையிடம் ‘இதை நீ எழுதினாயா அல்லது உன் அப்பா அம்மா எழுதிக் கொடுத்ததா?’ என கேட்கும் வாய்ப்பு இருக்கிறதல்லவா? காரணம் அந்தக் கட்டுரையில் பயன்படுத்தி இருக்கும் வார்த்தைகள், வாக்கிய அமைப்புகள் மற்றும் கண்ணோட்டம் இப்படி அனைத்துமே முதிர்ச்சியாக ஒரு பெற்றோரின் பார்வையில் இருப்பதால். அப்படி இல்லாமல் உங்கள் மகன் அல்லது மகள் எழுதுவதைப் போலவே அவர்களின் மனமுதிர்ச்சியின் அடிப்படையில் அவர்கள் பயன்படுத்தும் வார்த்தைகள், வாக்கியங்களைப் பயன்படுத்தி கட்டுரையை எழுதிக் கொடுத்தால் ஆசிரியருக்கு கட்டுரையை யார் எழுதியது என்ற சந்தேகம் வராதல்லவா?
இதே நுணுக்கத்தைத்தான் மெட்டாவிடமும் நாம் பொருத்திப் பார்க்கப் போகிறோம்.
அதாவது, உங்கள் மகனோ / மகளோ சொந்தமாக எழுதி இருக்கும் ஒரு சாதாரண கட்டுரை ஒன்றிரண்டை மெட்டாவிடம் கொடுத்து விட்டு, இதைப் போல ஒரு கட்டுரையை இந்தத் தலைப்பில் எழுதிக் கொடு என்று சொன்னால், மெட்டா நாம் மாதிரிக்காக கொடுத்தக் கட்டுரையை நன்கு படித்து புரிந்துகொண்டு அதிலுள்ள வார்த்தைகள், வாக்கிய அமைப்புகள் இவற்றை பயன்படுத்தி நாம் கேட்டுள்ள தலைப்பில் கட்டுரையை எழுதித் தரும். அது அச்சு அசலாக உங்கள் மகன் / மகள் எழுதியதைப் போலவே இருக்கும்.
மெட்டாவாகட்டும், சாட் ஜிபிடி, ஜெமினி Ai இப்படி எதுவாக இருந்தாலும் நாம் எதை அதிகமாக அதனுள் இன்புட்டாக உள்ளீடு செய்கிறோமோ அதன் அடைப்படையில்தான் அது தன் தகவல்தளத்தை மேம்படுத்திக் கொண்டு செயல்பட ஆரம்பிக்கும். தினந்தோறும் நாம் அதனுடன் பழக ஆரம்பித்து விட்டால், நம் இயல்பை அது புரிந்துகொண்டு நமக்கு ஏற்றவாறு அவுட்புட்டை கொடுக்க ஆரம்பித்துவிடும். அதனால்தான் மெட்டா / சாட் ஜிபிடி / ஜெமினி ஏஐ போன்றவை ஒவ்வொரு முறையும் ஒரு பதிலை கொடுத்தவுடன் பாசிட்டிவ் தம்ஸ் அப், நெகட்டிவ் தம்ஸ் அப் என இரண்டு ஐகான்களை காட்டும்.
நாம் பாசிட்டிவ் தம்ஸ் அப் ஐகானை கிளிக் செய்தால் நாம் உள்ளீடு செய்த தகவல்களை அது தன் தகவல்தள சுய ஆராய்ச்சிக்காக எடுத்துக் கொள்ளும். நெகட்டிவ் தம்ஸ் அப்பை கிளிக் செய்தால் அது தன் தகவல் தளத்தை பிழைகள் நீக்கி இன்னும் சரியானபடி மேம்படுத்திக் கொள்ளும்.
சில மாதங்களுக்கு முன்னர் காரைக்குடி பல்கலைக்கழகத்தில் Ai குறித்த ஒரு கருத்தரங்கில் பேசுவதற்காக சிறப்பு விருந்தினராக அழைக்கப்பட்டிருந்தேன். அப்போது, மதுரை அமெரிக்கன் கல்லூரிப் பேராசிரியை ஒருவர் கேட்ட கேள்வியையும் அதற்கு நான் கொடுத்த விளக்கத்தையும் இங்கு பகிர்கிறேன்.
பேராசிரியையின் கேள்வி: ‘Ai அப்ளிகேஷன்களில் நாம் நம் நாட்டு ஓவியங்களை வரைந்து தருவதற்கு எப்படித்தான் விரிவாக ஸ்கிரிப்ட் (Prompting) எழுதி கேட்டாலும் அது சரியாக கொடுப்பதில்லை. உதாரணத்துக்கு, சைவம் சம்மந்தப்பட்ட மனிதர்களுக்கு பட்டைப் போட்டும், வைஷ்ணவம் சம்மந்தப்பட்ட மனிதர்களுக்கு நாமமும் போட்டுத் தானே ஓவியங்கள் வெளிப்பட வேண்டும். ஆனால் Ai அப்ளிகேஷன்கள் நெற்றியில் எதுவுமே போடாமல் வரைந்து கொடுக்கிறது அல்லது எல்லாவற்றுக்கும் நாமம் போட்டோ அல்லது பட்டைப் போட்டோ ஓவியங்களை உருவாக்கிக் கொடுக்கிறது. அது ஏன்?’
என் பதில்: Ai அப்ளிகேஷன்களுக்குள் என்ன மாதிரியான தகவல்கள் உள்ளீடு செய்யப்பட்டிருக்கிறதோ அதன்படிதான் அவை செயல்பட்டு புரிந்துகொண்டு நமக்கான தீர்வை எழுத்தாகவோ, படமாகவோ, ஒலி, ஒளியாகவோ கொடுக்கும். மேலும் அதற்குள் முன்மாதிரிகளும் உள்ளீடு செய்யப்பட்டிருக்க வேண்டும். நாம் சொல்லிக் கொடுப்பதை ஏற்றுக்கொண்டும், தன்னுள் இருக்கும் முன் மாதிரிகளுடன் ஒப்பிட்டும், ஏற்கெனவே செய்திருக்கும் பணியின் அவுட்புட்டின் மூலம் கிடைத்த அனுபவத்தின் அடிப்படையிலும்தான் Ai அப்ளிகேஷன்கள் நமக்கான தீர்வை கொடுக்கும்.
நாம் எதிர்பார்த்த விஷயத்தை Ai கொடுக்க வேண்டும் என்றால் அதனிடம் நமக்கு கேள்வி கேட்கத் தெரிய வேண்டும். அதற்கு Prompting என்று பெயர். அடுத்து அதனுள் நாம் கேட்கும் விஷயத்துக்கான இன்புட்டுகள் ஏற்கெனவே உள்ளீடு செய்யப்பட்டிருக்க வேண்டும். அதாவது ஒரு டாக்டரிடம் மருத்துவம் சம்மந்தமான விஷயங்களை கேட்கலாம், ஏனெனில் அவர் மூளைக்குள் மருத்துவம் குறித்தத் தகவல்களும் அனுபவங்களுமே பெருமளவில் பதிவாகி இருக்கும். அவரிடம் மெக்கானிக்கல் இன்ஜினியரிங் துறை குறித்து கேள்விகள் கேட்டால் அவரால் துல்லியமாக பதில் அளிக்க முடியாது. காரணம் அவர் மூளைக்குள் அந்தத் துறை சம்மந்தப்பட்ட தகவல்கள் சேகரிக்கப்பட்டிருக்க வாய்ப்பில்லை அல்லவா?
ஒருவர் ஒருவிஷயத்தைப் பற்றி ஆழமாக பேசுகிறார் அல்லது எழுதுகிறார் என்றால் அவர் மூளைக்குள் அந்த விஷயம் குறித்த ஆழ்ந்த அறிவு தகவல்களாக சேகரிக்கப்பட்டிருக்க வேண்டும், கற்றறிந்திருக்க வேண்டும், அனுபவம் பெற்றிருக்க வேண்டும். இது தான் லாஜிக்.
இதே லாஜிக்தான் Ai அப்ளிகேஷன்களிலும். Ai-க்கு தகவல்களை உள்ளீடு செய்து நாம் கற்றுக் கொடுத்திருக்க வேண்டும். அப்போதுதான் அதனால் அலசி ஆராய்ந்து நாம் கேட்பதற்கு ஏற்ப தானாக ஒரு பதிலை உருவாக்கிக் கொடுக்க முடியும்.
அந்த அப்ளிகேஷன்களில் எந்த அளவுக்கு தகவல்கள் உள்ளீடு செய்யப்படுகிறதோ அந்த அளவுக்கு அது திறமையான பதிலை கொடுக்கும். மேலும் அந்த அப்ளிகேஷன்களை நிறைய பேர் பயன்படுத்தப் பயன்படுத்தத்தான் அவை அனுபவம் பெறும். அப்போதுதான் அவை துல்லியமான பதிலைக் கொடுக்கப் பயிற்சி பெறும். காரணம் Ai தனக்குள் இருக்கும் தகவல்களை மட்டும் வைத்துக்கொண்டு செயல்படுவதில்லை. ஏற்கெனவே அதனிடம் கேள்விகள் கேட்டவர்களுக்கு தான் அளித்த பதிலை முன் உதாரணமாக வைத்துக் கொண்டும் செயல்படும். உதாரணத்துக்கு ஒருவர் கிருஷ்ணர் படத்தை வரையச் சொல்லி கேட்டால், ஏற்கெனவே இதுபோல் மற்றொருவருக்கு தான் உருவாக்கிக் கொடுத்த கிருஷ்ணர் படத்தை ஒப்பிட்டு நீல வண்ணம், புல்லாங்குழல், மயிலிறகு போன்றவற்றை மாதிரியாகக் கொண்டு அதன்படி புதிதாக கிருஷ்ணர் படத்தை உருவாக்கிக் கொடுக்கும். அதனால்தான் சொல்கிறேன், Ai –ஐ நிறைய பேர் பயன்படுத்த ஆரம்பிக்கும் போதுதான் அவை அனுபவம் பெறும்.
இந்தப் படம் copilot.microsoft.com மூலம் Ai வரைந்த ஓவியம். மேலும் நம் நாட்டில் Ai அப்ளிகேஷன்களுக்குள் நம் நாட்டு இலக்கியம், கலை, மொழி குறித்த தகவல்களை உள்ளீடு செய்யப்பட வேண்டும். அவற்றை நம் மக்கள் பயன்படுத்தப் பயன்படுத்தத்தான் எப்படியெல்லாம் கேள்விகள் வரும், எப்படி எல்லாம் அதற்கு பதில் கொடுக்க வேண்டும் என அவை பயிற்சி பெறும். அதற்குள் சேகரித்து வைக்கப்பட்டிருக்கும் உள்ளீடுகள், நாம் கொடுக்கும் பயிற்சி முறைகள் இவற்றுடன் தனக்குக் கிடைத்த முந்தைய அனுபவங்களையும் சேர்த்து தானாகவும் கற்று சிந்தித்து செயல்படும் ஆற்றல் கொண்ட Ai அப்ளிகேஷன்களை உருவாக்கி விட்டு அப்படியே போட்டு வைத்திருந்தாலும் அவை பயனற்று போகும். திறம்பட செயலாற்றாது.
Ai அப்ளிகேஷன்களுக்கு நிறைய கற்றுக்கொடுக்க வேண்டும், அவற்றை நிறைய பயன்படுத்த வேண்டும், நிறைய சிந்திக்க வைக்க வேண்டும். அப்போதுதான் அவை ஸ்மார்ட்டாக வேலை செய்யும் திறன் பெறும். நம் நாட்டு ஆராய்ச்சியாளர்கள் Ai அப்ளிகேஷன்களை உருவாக்குவதில் அதிக கவனம் செலுத்த ஆரம்பிக்கும்போதுதான் அதனுள் நம் நாட்டு விஷயங்கள் தகவல்களாக உள் செல்லும்.
(வரம் தர வரும் Ai)
