12 November 2026 · Technical Articles · Open AI and Scientific Computing · Analysis

மொழி மாதிரிகளுக்கு அப்பால்: திறந்த AI ஆராய்ச்சியை உயிரியல், வானிலை, கணிப்பியலின் எதிர்காலம் ஆகியவற்றுடன் Jensen Huang ஏன் இணைக்கின்றார்

அறிமுகம்: AI ஒரு உரையாடல் மென்பொருளாக மட்டுமே கருதப்படும்போது எதை இழக்கின்றோம்?

ஓர் உரையாடல் அமைப்பு செயற்கை நுண்ணறிவை [AI] எளிதில் அடையாளம் காணக்கூடியதாக்குகின்றது. மக்கள் ஒரு கேள்வியைத் தட்டச்சிட்டு ஒரு பதிலை வாசிக்கலாம். ஆயினும் உலகத்தை நிகருருவாக்கும் வழிகளில் மொழி ஒன்றே ஒன்றாகும்.

உயிரியல், இரசாயனவியல், வானிலை, பௌதிக அமைப்புகள் ஆகியவற்றில் சாதாரண உரையாடலாகச் சுருக்கிவிட முடியாத தகவல்கள் உள்ளன. திறந்த AI ஆராய்ச்சிக்கான Jensen Huangஇன் வாதம், இந்தப் பரந்த அறிவியல் வாய்ப்பை நடைமுறைக் கணிப்பியல் பிரச்சினையுடன் இணைக்கின்றது: எதிர்கால மாதிரிகள் [Models] தமது அமைப்புகளிடம் என்ன செய்யும்படி கேட்கும் என்பதை வன்பொருள் வடிவமைப்பாளர்கள் [Hardware Designers] புரிந்துகொள்ள வேண்டும்.

இந்த வாதத்தில் பல பகுதிகள் உள்ளன. திறந்த பணிகள் ஆராய்ச்சிக்கு ஆதரவளித்து, பங்கேற்பை விரிவுபடுத்தி, தனது சொந்தக் கட்டமைப்பு [Architecture] எங்கே மாற வேண்டும் என்பதைக் கணிப்பியல் துறை கற்றுக்கொள்ள உதவலாம்.

1. மாதிரிகளை உருவாக்குவது, எதை உருவாக்க வேண்டும் என்பதைக் கணிப்பியல் நிறுவனத்துக்குக் கற்றுக்கொடுக்கின்றது

AI உட்கட்டமைப்பை [Infrastructure] வடிவமைக்கும் ஒரு நிறுவனம் நேற்றைய மாதிரிகளின் தேவைகளில் மட்டும் தங்கியிருக்க முடியாது. நாளைய அமைப்புகளை வடிவமைக்கக்கூடிய வேலையுடன் நேரடி அனுபவம் அதற்குத் தேவை.

மாதிரிக் கட்டமைப்பு [Model Architecture] பற்றிய ஆராய்ச்சி அந்த அனுபவத்தை உருவாக்குகின்றது. வெவ்வேறு அணுகுமுறைகள் நினைவகம் [Memory], தரவு நகர்வு [Data Movement], செயலிகள் [Processors], அவற்றுக்கு இடையிலான இணைப்புகள் என்பவற்றுக்கு வெவ்வேறு தேவைகளை ஏற்படுத்தலாம்.

NVIDIAஇன் மாதிரி ஆராய்ச்சியை அதன் பரந்த இணை வடிவமைப்பு [Co-design] உத்தியுடன் Huang இணைக்கின்றார். மாதிரிகளில் வேலை செய்வது, அந்த மாதிரிகளுக்குத் தேவையான அமைப்புகளைப் புரிந்துகொள்ள மற்றொரு வழியை வழங்குகின்றது.

ஒவ்வொரு துறையிலும் இறுதிப் பயன்பாட்டு வழங்குநராக [Application Provider] மாற நிறுவனம் முயலாதபோதும், இது ஆராய்ச்சியை மதிப்புடையதாக்குகின்றது. மற்றவர்கள் பயன்படுத்தும் கணிப்பியல் தளத்தை [Computing Platform] வடிவமைக்க இந்தக் கற்றல் வழிகாட்டலாம்.

2. திறந்த தன்மை அதிகமானோர் பரிசோதிப்பதற்கு இடமளிக்கின்றது

ஒவ்வொரு பயனுள்ள மாதிரியும் முடிக்கப்பட்ட தனியுரிமைச் சேவையாக [Proprietary Service] மட்டுமே கிடைக்குமாயின், அதை ஆராயவும் மாற்றியமைக்கவும் அதன் அடிப்படையில் உருவாக்கவும் ஆராய்ச்சியாளர்களுக்கும் சிறிய நிறுவனங்களுக்கும் குறைவான சுதந்திரமே இருக்கும்.

திறந்த மாதிரிகள் [Open Models] மற்றொரு வழியை உருவாக்கலாம். ஆராய்ச்சியாளர்கள் ஓர் அணுகுமுறையைச் சோதித்து, அதன் நடத்தையைப் படித்து, முதலில் உருவாக்கியவரின் முன்னுரிமையாக இருக்காத பயன்பாடுகளை ஆராயலாம்.

அந்த வாய்ப்பு தொழிற்துறைகளுக்கும் நாடுகளுக்கும் அப்பால் முக்கியமானது. ஒரு பல்கலைக்கழக ஆய்வுகூடம், ஒரு பொறியியல் அணி, ஒரு சிறப்பு அறிவியல் குழு ஆகியவற்றுக்கு வெவ்வேறு அணுகல் வடிவங்கள் தேவைப்படலாம். ஆயினும் தமது சொந்த வேலையைச் செய்வதற்கான இடத்தால் ஒவ்வொன்றும் பயனடைகின்றது.

ஒவ்வொரு பரிசோதனையும் வெற்றிபெறும் என்ற உறுதிமொழி திறந்த தன்மை அல்ல. அனைவரும் வெறுமையிலிருந்து தொடங்க வேண்டும் என்று கோராமல், கற்பதற்கும் பங்களிப்பதற்குமான சாத்தியத்தை அது விரிவுபடுத்துகின்றது.

3. "திறந்த" என்ற சொல்லுக்குத் துல்லியமான பொருள் தேவை

ஒரு மாதிரியின் எடைகள் [Model Weights], அதன் பயிற்சிக் குறிமுறை [Training Code], அதைப் பயிற்றுவிக்கப் பயன்படுத்திய தரவு, அந்தத் தரவைத் தயாரிக்கப் பயன்படுத்திய முறைகள் என்பவை வெவ்வேறு விடயங்களாகும்.

ஒன்றைக் கிடைக்கச் செய்வது மற்றவையும் தானாகக் கிடைக்கின்றன என்று பொருள்படாது. மூலப் பயிற்சிச் செயன்முறையை மீண்டும் உருவாக்கத் தேவையான அனைத்தையும் வழங்காமலேயே, திறந்த எடைகள் வெளியீடு [Open-weight Release] பயனுள்ளதாக இருக்கலாம்.

ஒரு மாதிரியைத் தெரிவுசெய்யும் எவருக்கும், உண்மையான வெளியீடு எதற்கு அனுமதியளிக்கின்றது என்பதே நடைமுறைக் கேள்வியாகும். அணியால் அதை ஆராயவும் மாற்றவும் நோக்கமிட்ட பயன்பாட்டிற்காகச் செயற்படுத்தவும் [Deploy] அதன் வரம்புகளைப் புரிந்துகொள்ளவும் முடியுமா?

பெயர்ச்சீட்டுக்கு அப்பால் பார்ப்பதே பாடமாகும். வழங்கப்பட்ட உள்ளடக்கத்திலும் அதனுடன் இணைந்த நிபந்தனைகளிலுமே திறந்த தன்மையின் பயனுள்ள அளவு தங்கியுள்ளது.

4. அறிவியல் AIக்கு சாதாரண மொழிக்கு அப்பாலான நிகருருவாக்கங்கள் தேவை

ஒரு வானிலை மாதிரி [Weather Model] பௌதிக அமைப்பின் நடத்தையைக் கொண்டு செயற்படுகின்றது. உயிரியல் ஆராய்ச்சி கட்டமைப்புகளையும் பரஸ்பர வினைகளையும் பற்றியது. இயந்திரனியல் [Robotics], புலனுணர்வையும் [Perception] செயலையும் மாறிவரும் சூழலுடன் இணைக்கின்றது.

அந்தப் பிரச்சினைகளை விவரிக்க மொழி மக்களுக்கு உதவலாம். ஆனால் அடிப்படைத் தகவல்களுக்கும் தொடர்புகளுக்கும் வேறு நிகருருவாக்கங்கள் [Representations] தேவைப்படலாம். எனவே முன்னேற்றம் என்பது ஒரு பெரிய மொழி மாதிரியின் [Large Language Model] உரையாடல் திறன்களை மேம்படுத்துவதையும் தாண்டிய விடயங்களில் தங்கியுள்ளது.

Huangஇன் பரந்த பார்வை, பெரியதோர் அமைப்புக்குள் சிறப்புத் திறனுள்ள மாதிரிகளுக்கு இடமளிக்கின்றது. ஒரு முகவர் [Agent], ஒவ்வொரு கேள்விக்கும் மொழியிலிருந்து மட்டும் பதிலளிக்க முயல்வதற்குப் பதிலாக, தனது கருவிகளில் ஒன்றாக ஓர் அறிவியல் மாதிரியைப் பயன்படுத்தலாம்.

இது கவனக்குவிப்பில் ஒரு பயனுள்ள மாற்றமாகும். ஒவ்வொரு திறனையும் ஒரே மாதிரி கொண்டிருக்க வேண்டும் என்று எதிர்பார்ப்பதற்குப் பதிலாக, பணிக்கான சரியான திறனை அணுகுவதே நோக்கமாகின்றது.

5. ஒரு தளம் தான் மாற்றீடாக அமைய விரும்பாத துறைகளையும் ஆதரிக்கலாம்

அந்தத் துறைகளுக்குப் பங்களிக்க, ஒரு கணிப்பியல் நிறுவனம் இறுதிக் காரை உருவாக்கவோ, இறுதி மருந்தைக் கண்டறியவோ, ஒவ்வோர் அறிவியல் நிறுவனத்தையும் நடத்தவோ வேண்டியதில்லை.

நிபுணர்கள் தமது சொந்த வேலையைச் செய்ய உதவும் மாதிரிகள் [Models], கருவிகள், உட்கட்டமைப்பு [Infrastructure] ஆகியவற்றை அது வழங்கலாம். ஒரு பொதுத் தளத்தால் தனியாக வழங்க முடியாத துறைசார் அறிவு [Domain Knowledge], பரிசோதனைகள், நடைமுறைக் கட்டுப்பாடுகள் என்பவற்றை அந்த நிபுணர்கள் கொண்டுவருகின்றனர்.

திறந்த ஆராய்ச்சியும் வணிகத் தயாரிப்புகளும் ஏன் ஒன்றாக இருக்க முடியும் என்பதையும் இந்த வேலைப் பகிர்வு விளக்குகின்றது. தனியுரிமைப் பயன்பாடு [Proprietary Application] ஒரு நோக்கத்துக்குச் சேவை செய்யும்போது, பகிரப்பட்ட ஆராய்ச்சி அடித்தளங்கள் பரந்த சமூகத்துக்கு ஆதரவளிக்கலாம்.

எல்லைகள் தெளிவாகவே இருக்க வேண்டும். ஒரு மாதிரிக்கான அணுகல் ஒரு தொடக்கம் மட்டுமே; அறிவியல் அல்லது இயக்கத் தீர்மானத்துக்கு அது தயாராக உள்ளது என்பதற்கான சான்றல்ல.

முடிவுரை: அடுத்த தளம் வெவ்வேறு நுண்ணறிவு வகைகளுக்கு இடமளிக்க வேண்டும்

திறந்த AI ஆராய்ச்சிக்கான Huangஇன் வாதம் மற்றுமோர் உரையாடல் மென்பொருளை வெளியிடுவதைவிடப் பரந்தது. கணிப்பியல் வடிவமைப்பை அறிவியல் ஆய்வுடனும் மற்றவர்கள் உருவாக்குவதற்கான திறனுடனும் அது இணைக்கின்றது.

எது திறந்துள்ளது, எவற்றை மதிப்பிடுவது இன்னும் பயனரின் பொறுப்பாக இருக்கின்றது என்பதில் துல்லியமாக இருந்தபடி, பொதுக் கருவிகளைச் சிறப்புத் துறை அறிவுடன் இணைப்பதிலேயே வாய்ப்பு உள்ளது.

வெவ்வேறு வேலை வகைகளுக்கு அதன் தளத்தால் ஆதரவளிக்க முடியும் போது AI மேலும் பயனுள்ளதாகின்றது. அந்த எதிர்காலத்துக்கான முக்கியமான இடைமுகம் [Interface] மொழியாகும். அதுவே முழு எதிர்காலமும் அல்ல.

By Keshavan Thiagaraja

தனிப்பட்ட செயற்கை நுண்ணறிவு மாதிரி உருவாக்குநர் (Private AI Model Developer) மற்றும் செயற்கை நுண்ணறிவுப் பாதுகாப்பு ஆலோசகர் (AI Security Consultant). சிறு, நடுத்தர மற்றும் பெரிய நிறுவனங்கள் பாதுகாப்பான செயற்கை நுண்ணறிவுத் தீர்வுகளை உருவாக்க உதவுகின்றவர். சிட்னி, அவுஸ்திரேலியா.

(B.Sc. Computer Science, Mathematics and Statistics)

(M.Sc. Information Technology)

(E-Commerce Professional)

மேலதிக ஆக்கங்களை வாசிக்க