AI தேர்வை முன்னறிவிக்கும்போது: 90% துல்லியம் உடைந்த அமைப்புகளைப் பற்றி உண்மையில் என்ன வெளிப்படுத்துகிறது

டிஜிட்டல் மாற்றம் மற்றும் வணிகச் செயல்முறை மறு-பொறியியலில் நிறுவனங்களுடன் பணிபுரியும்போது, நான் அடிக்கடி ஆரம்பத்திலேயே ஒரு கேள்வி கேட்பேன்: உங்கள் திட்டமிடல் உண்மையான முன்னோக்குப் பகுத்தறிவுக்குப் பதிலாக வரலாற்று முறை மீளாவதை எவ்வளவு சார்ந்துள்ளது?

யூகேயில் உள்ள 18 வயது மாணவர்கள் குழு சமீபத்தில் அந்தக் கேள்விக்கு நான் பார்த்த எந்த வாரிய அறை வழங்கலையும் விட வலுவாக பதிலளித்தனர்.

20 ஆண்டுகள் GCSE மற்றும் A-Level தேர்வுத் தாள்கள், மதிப்பெண் திட்டங்கள், தேர்வாளர் அறிக்கைகள் மற்றும் பாடத்திட்ட ஆவணங்களைப் பயன்படுத்தி, அவர்கள் 90%க்கும் அதிகமான துல்லியத்துடன் தேர்வுக் கேள்விகளை முன்னறிவித்த AI அமைப்பை உருவாக்கினர். கடந்த ஆண்டு அமைப்பு 85% ஐ எட்டியது. இந்த ஆண்டு அது 90% ஐ தாண்டியது. இந்த முன்னேற்றம் தற்செயலாக நடக்கவில்லை. அது வடிவமைக்கப்பட்டபடி சரியாகச் செயல்பட்ட ஒரு பின்னூட்ட வளையமாகும்.

பெரும்பாலான மக்கள் இதை AI பற்றிய கதையாகப் படிக்கிறார்கள். நான் இதை அமைப்புகளைப் பற்றிய கதையாகப் படிக்கிறேன்.

கட்டமைப்பு புதிதல்ல

அவர்கள் என்ன உருவாக்கினர் என்பதைப் பற்றி துல்லியமாக இருப்போம். அமைப்பு மூன்று அடுக்குகளைச் சார்ந்துள்ளது: இரண்டு தசாப்தங்களின் வரலாற்றுத் தாள்கள் மற்றும் தேர்வாளர் கருத்துகளைச் செயலாக்கும் தரவு உட்கவர்வு அடுக்கு, தலைப்புச் சுழற்சிகள் மற்றும் உள்ளடக்க இடைவெளிகளை மாதிரியாக்க பெரிய மொழி மாதிரிகளைப் பயன்படுத்தும் முறை அங்கீகார அடுக்கு, மற்றும் வரலாற்று மீளாவதால் எடையிடப்பட்ட தரவரிசைப்படுத்தப்பட்ட முன்னறிவிப்புகளை உருவாக்கும் நிகழ்தகவு வெளியீட்டு அடுக்கு.

இது கால முறை முன்னறிவிப்புக்குப் பயன்படுத்தப்படும் Retrieval-Augmented Generation ஆகும். அதே கட்டமைப்புத் தர்க்கம் நிதி முன்னறிவிப்பு, சில்லறை தேவைத் திட்டமிடல், மோசடி கண்டறிதல், சைபர் பாதுகாப்பு பகுப்பாய்வு மற்றும் விநியோகச் சங்கிலி மேம்பாட்டில் தோன்றுகிறது.

துறை மாறுகிறது. கணிதம் மாறாது.

90% துல்லியம் உண்மையில் என்ன அம்பலப்படுத்துகிறது

வரலாற்றுத் தரவில் பயிற்சி பெற்ற அமைப்பு 90%க்கும் அதிகமான துல்லியத்துடன் தேர்வுக் கேள்விகளை முன்னறிவிக்க முடிந்தால், அது முதன்மையாக நுட்பமான AIயின் ஆதாரம் அல்ல. அது கட்டமைப்பு ரீதியாக நிர்ணயிக்கப்பட்ட மதிப்பீட்டு அமைப்பின் ஆதாரம்.

நன்கு வடிவமைக்கப்பட்ட தேர்வு வரலாற்று முறை முன்னறிவிப்புக்கு மிகவும் எதிர்ப்பாக இருக்க வேண்டும். 20 ஆண்டு தரவு அடுத்த ஆண்டின் தாளில் என்ன வரும் என்பதை 90% நம்பிக்கையுடன் சொல்ல முடிந்தால், அமைப்பு உண்மையான புரிதலை அல்ல, நினைவாற்றல் மற்றும் முறை பொருத்தத்தை அளவிடுகிறது.

மாணவர்கள் தேர்வு அமைப்பை உடைக்கவில்லை. ஏற்கனவே உடைந்திருந்ததைப் பார்வைக்குக் கொண்டுவந்தனர்.

அதே குறை வணிகத்திலும் உள்ளது. கடந்த ஆண்டின் அனுமானங்களை மீளுருவாக்கும் ஆண்டுத் திட்டமிடல் சுழற்சிகள். முந்தைய போட்டிச் சூழலில் மதிக்கப்பட்ட நடத்தைகளுக்கு வெகுமதி அளிக்கும் செயல்திறன் கட்டமைப்புகள். கட்டமைப்பு மாற்றத்தைக் கண்டறிய எந்த வழிமுறையும் இல்லாத மூலோபாய நுண்ணறிவுச் செயல்முறைகள். இவை வெவ்வேறு பிரச்சனைகள் அல்ல. வெவ்வேறு துறைகளில் உள்ள அதே பிரச்சனை.

நிறுவனங்கள் இப்போது எதிர்கொள்ள வேண்டியது

நிலையான போட்டி நிலைகளை உருவாக்கும் நிறுவனங்கள் தங்கள் ஊழியர்கள் என்ன பயன்படுத்தலாம் என்பதைக் கட்டுப்படுத்துபவை அல்ல. AI உண்மையில் நகல் செய்ய முடியாததற்கு வெகுமதி அளிக்க தங்கள் செயல்முறைகளை மறுவடிவமைப்பவை: அறிமுகமில்லாத துறைகள் முழுவதும் புதிய தொகுப்பு, தெளிவற்ற சூழ்நிலைகளில் நெறிமுறைத் தீர்ப்பு, குறுக்கு-துறை படைப்பாற்றல், மற்றும் வேகமான பதில்களை உருவாக்குவதற்குப் பதிலாக சிறந்த கேள்விகளைக் கேட்கும் ஒழுக்கம்.

உங்கள் மூலோபாயம், திட்டமிடல் அல்லது முடிவெடுப்பு வரலாற்றுத் தரவிலிருந்து 90% துல்லியத்துடன் முன்னறிவிக்கப்பட முடிந்தால், AI உங்கள் மிகப்பெரிய சவால் அல்ல.

Originally published on LinkedIn by Keshavan Thiagaraja. Read the original on LinkedIn.