CM-01: கணினித்துவத்தின் அடிப்படைகளிலிருந்து உருவாக்கும் செயற்கை நுண்ணறிவு (Generative AI) வரை

முதன்மைப் பொருள்: எழுபது ஆண்டுகளாக, மனிதர்கள் கணினியின் மொழியான நிரலாக்கத்தைக் (Coding) கற்றுக்கொண்டார்கள். இன்றோ, கணினி மனிதனின் இயல்பான மொழியைக் கற்றுக்கொண்டுள்ளது. இந்த வரலாற்று மாற்றம், நிர்வாக வரலாற்றிலும், ஏன் மனித வரலாற்றிலேயே மிகப்பெரிய தொழில்நுட்பத் தடையை உடைத்தெறிந்துள்ளது.

1. கணினியின் பௌதிக இயல்பு: ஒன்றும் பூச்சியமும் (One and Zero)

செயற்கை நுண்ணறிவின் உண்மையான ஆற்றலைப் புரிந்துகொள்வதற்கு, எந்தவொரு தொழில்நுட்பப் பின்னணியும் இல்லாத ஒரு வாசகர்கூட கணினி இயங்கும் அடிப்படை பௌதிகப் பொறிமுறையைப் புரிந்துகொள்ள முடியும் — புரிந்துகொள்ளவும் வேண்டும். பெரும்பாலானோர் அஞ்சுவதைக் காட்டிலும் இது மிகவும் எளிதானது.

ஒரு ஸ்மார்ட்போன் அல்லது மடிக்கணினியை (Laptop) வாங்குவதற்காக நீங்கள் ஒரு கடைக்குள் நுழைவதாக கற்பனை செய்து பாருங்கள். உங்களுக்கே தெரியாமல், விற்பனையாளரிடம் அதன் தொழில்நுட்ப விவரக்குறிப்புகள் (Technical specifications) குறித்து நீங்கள் வினாக்களை எழுப்புகிறீர்கள்:

• "திரை (Display) எவ்வாறு உள்ளது? கேமரா எவ்வாறு உள்ளது?" — கேமரா என்பது ஓர் உள்ளீட்டுச் சாதனம் (Input device); திரை என்பது ஓர் வெளியீட்டுச் சாதனம் (Output device).
• "இதன் தற்காலிக நினைவகம் (RAM) எவ்வளவு? வன்தட்டு (Hard disk/Storage) எவ்வளவு பெரியது?" — தற்காலிக நினைவகம் மற்றும் நிரந்தர நினைவகம்.
• "இதன் செயலி (Processor) Intel ஆ? Core i7 ஆ?" — கணினியின் மூளை: மத்திய செயலக அலகு (Central Processing Unit - CPU).

படம் 2.1: கணினியின் அடிப்படை ஆதாரக் கட்டமைப்பு (Von Neumann Architecture) — உள்ளீட்டுச் சாதனங்கள், மத்திய செயலக அலகு (CPU), முதன்மை நினைவகம் (RAM/ROM), நிரந்தரச் சேமிப்பகம் (SSD/Storage) மற்றும் வெளியீட்டுச் சாதனங்கள்.

படம் 2.1 இன் கணினி அமைப்பியல் மற்றும் வன்பொருள் ክፍகங்கள்:

1. உள்ளீட்டுச் சாதனங்கள் மற்றும் தரவுப் பாதை (Input Devices & Input Bus): விசைப்பலகைகள் (Keyboards), ஸ்கேனர்கள், கேமராக்கள் மற்றும் கைரேகை/முக அடையாளச் சாதனங்கள் (Biometric readers) ஆகியவை மனிதனின் கட்டளைகளையோ அல்லது பௌதிகத் தரவுகளையோ மின் சமிக்ஞைகளாக (Electrical signals) மாற்றி முறைமைக்குள் செலுத்துகின்றன.
2. மத்திய செயலக அலகு (CPU): கணக்கீடுகளைச் செய்வதற்கும் கட்டளைகளை நிறைவேற்றுவதற்கும் கணினியில் உள்ள முதன்மை இயந்திரம் (இதன் கணித தருக்க அலகு - ALU மற்றும் கட்டுப்பாட்டு அலகு - Control Unit). இது பெறல் → குறியீடு நீக்கல் → நிறைவேற்றல் (Fetch → Decode → Execute) என்ற சுழற்சியை ஒரு நொடிக்கு கோடிக்கணக்கான முறைகள் இடைவிடாது இயக்குகிறது.
3. முதன்மை நினைவகம் (RAM & ROM): * RAM (Random Access Memory): இயங்கும் நிரல்களைத் தற்காலிகமாக வைத்துள்ள அதிவேக நினைவகம். மின்சாரம் துண்டிக்கப்பட்டால், இதில் உள்ள உள்ளடக்கம் அழிந்துவிடும் (இது நிலையற்ற நினைவகம் - Volatile). * ROM (Read-Only Memory): கணினியைத் தொடங்குவதற்கு (Booting) தேவையான அடிப்படை வழிகாட்டல்களை நிரந்தரமாகச் சேமித்து வைத்துள்ள சில்லு (Chip).
4. இரண்டாம் நிலைச் சேமிப்பகம் (SSD / HDD): கோப்புகள், தரவுத்தளங்கள் (Databases) மற்றும் இயங்குதளம் (Operating System) ஆகியவை நிரந்தரமாகப் பாதுகாக்கப்படும் பாதுகாப்பறை.
5. தரவு, முகவரி மற்றும் கட்டுப்பாட்டுப் பாதைகள் (Data, Address & Control Buses): CPU, நினைவகம் மற்றும் சேமிப்பகம் ஆகியவற்றிற்கு இடையே நொடிக்கு கோடிக்கணக்கான பைட்களை (Bytes) நகர்த்தும் மின்சார அதிவேகப் பாதைகள்.
6. வெளியீட்டுச் சாதனங்கள் (Output Devices): கணினியின் கணக்கீட்டு முடிவுகளை மனிதனுக்குத் திரும்பத் தரும் திரை மற்றும் அச்சுப்பொறிகள் (Printers).

இந்த பாரம்பரிய மாதிரியின் வரம்பு என்னவென்றால், CPU கட்டளைகளை ஒவ்வொன்றாக வரிசையாகவே நிறைவேற்றுகிறது (Sequential processing). இதனால்தான் செயற்கை நுண்ணறிவுக்கு முற்றிலும் மாறுபட்ட ஒன்று தேவைப்படுகிறது: ஒரே நேரத்தில் பல்லாயிரக்கணக்கான கணக்கீடுகளைச் செய்யக்கூடிய இணையான சில்லுகள் (Parallel processing GPUs).

2. இயங்குதளம் (Operating System): மனிதனுக்கும் சிலிகானுக்கும் இடையிலான முதலாவது பாலம்

ஒரு சாதாரண மனிதனால் கணினியுடன் ஒன்றுகள் மற்றும் பூச்சியங்கள் (Ones and Zeros) மூலம் உரையாட முடியாது. அது நமக்குத் தெரியாது; மேலும் அது மிகவும் சலிப்பானது. எனவே, இந்த வன்பொருளைச் (Hardware) சாதாரண மனிதர்களுக்குப் பயன்படும் வகையில் மாற்றுவதற்காக, ஒரு சிறப்பான, மிகச் சிக்கலான மென்பொருள் உருவாக்கப்பட்டது: அதுவே இயங்குதளம் (Operating System - OS) ஆகும்.

படம் 2.2: ஓர் இயங்குதளத்தின் அடிப்படை அடுக்குகள் — பௌதிக வன்பொருள், இயங்குதளக் கெர்னல் (Kernel), முறைமை நூலகங்கள் (APIs), கட்டளை இடைமுகங்கள் (Shells) மற்றும் பயனர் பயன்பாடுகள் (User Applications).

படம் 2.2 இன் இயங்குதள அடுக்குகள்:

1. பௌதிக வன்பொருள் (Physical Hardware): தாய்முறைப்பலகை (Motherboard), CPU, RAM, SSD/HDD, விசைப்பலகை மற்றும் திரை.
2. இயங்குதளக் கெர்னல் (OS Kernel): * செயல்முறை மேலாளர் (Process Manager): ஒரே நேரத்தில் இயங்கும் நூற்றுக்கணக்கான நிரல்களுக்கு இடையே CPU இன் நேரத்தைப் பிரித்தளிக்கிறது. * நினைவக மேலாளர் (Memory Manager): வெவ்வேறான பயன்பாடுகள் ஒன்றோடொன்று மோதிக்கொள்ளாமல் RAM ஐப் பயன்படுத்துவதை உறுதி செய்கிறது. * கோப்பு முறைமை (File System): சேமிப்பகத்தில் உள்ள மூலத் தரவுகளை நாம் அடையாளம் காணக்கூடிய கோப்புறைகளாகவும் (Folders) கோப்புகளாகவும் (Files) ஒழுங்கமைக்கிறது. * சாதன இயக்கிகள் (Device Drivers): கெர்னல், வன்பொருள் சில்லுகளுடன் நேரடியாகத் தொடர்பு கொள்ளும் கட்டுப்பாட்டு மென்பொருள். * முறைமை அழைப்பு இடைமுகம் (System Call Interface - Syscalls): பயனர் பயன்பாடுகள் வன்பொருளை நேரடியாகச் சேதப்படுத்தாதவாறு, கெர்னலிடமிருந்து பாதுகாப்பாகச் சேவைகளைக் கோரும் பாதுகாப்புச் சுவர்.
3. முறைமை நூலகங்கள் மற்றும் APIs (System Libraries & APIs): மென்பொருள் உருவாக்குநர்களுக்குப் பொதுவான வசதிகளை வழங்கும் நிலையான POSIX அல்லது C இயங்குநேர நூலகங்கள்.
4. Shell & கட்டளை இடைமுகங்கள்: பயனர் கட்டளைகளைப் பிறப்பிக்கும் Bash/Zsh முனையங்கள் (CLI) அல்லது Windows/டெஸ்க் டாப் வரைகலைச் சூழல் (GUI).
5. பயனர் பயன்பாடுகள் (User Applications): நாம் தினமும் பயன்படுத்தும் Chrome, Word, Excel மற்றும் நிறுவன அல்லது அரச மென்பொருள் முறைமைகள்.

இதனால்தான் கணினி வாங்கும் போது Windows உள்ளதா என்றும், தொலைபேசி வாங்கும் போது Android அல்லது Apple iOS உள்ளதா என்றும் நாம் சரிபார்க்கிறோம்.

படம் 2.3: Windows NT கட்டமைப்பு மற்றும் Android கட்டமைப்பு — கணினி மற்றும் மொபைல் ஆகிய இரு இயங்குதளங்கள் வன்பொருளுக்கும் மென்பொருளுக்கும் இடையிலான அருவமாக்கத் தடையை (Abstraction barrier) எவ்வாறு நிர்வகிக்கின்றன என்படற்கான ஒப்பீடு.

படம் 2.3: Windows NT বனம் Android கட்டமைப்பு:

• Windows NT கட்டமைப்பு (டெஸ்க்டாப்):
• பயனர் பயன்பாடுகள் (Win32, UWP, Web Apps).
• Win32 துணைமுறைமை மற்றும் APIs (kernel32.dll, user32.dll, ntdll.dll).
• Windows NT கெர்னல் மற்றும் நிர்வாகி (செயல்முறை மேலாளர், மெய்நிகர் நினைவகம், I/O மேலாளர்).
• வன்பொருள் அருவமாக்க அடுக்கு (HAL): x86/x64 தாய்முறைப்பலகைகளின் வேறுபாடுகளிலிருந்து கெர்னலை விடுவிக்கும் பாதுகாப்பு அடுக்கு.
• Android கட்டமைப்பு (மொபைல்):
• பயனர் பயன்பாடுகள் (Kotlin / Java செயலிகள்).
• Java API கட்டமைப்பு (செயல்பாட்டு மேலாளர், சாளர மேலாளர், உள்ளடக்க வழங்குநர்கள்).
• Android இயங்குநேரம் (ART) மற்றும் சொந்த C/C++ நூலகங்கள் (Bionic libc, SurfaceFlinger, Vulkan).
• வன்பொருள் அருவமாக்க அடுக்கு (HAL මොඩියூல்: கேமரா, ஒலி, உணரிகள்).
• Linux கெர்னல் (Binder IPC, ஆற்றல் மேலாண்மை இயக்கிகள்) மற்றும் ARM SoC வன்பொருள்.

பொறியியல் பாடம்: ஒரு தொலைபேசியும் ஒரு கணினியும் முற்றிலும் மாறுபட்ட இரண்டு இயங்குதளச் சூழல்களில் இயங்குகின்றன. இதனால்தான் டிஜிட்டல் சேவைகள் — அரசாங்க சேவைகள், கல்வித் தளங்கள், வணிகப் பயன்பாடுகள் ஆகியவை குறிப்பிட்ட எந்தவொரு சாதனக் குடும்பத்துடனும் பிணைக்கப்படாமல், இணையம் மற்றும் திறந்த நிலை APIs அடிப்படையில் சாதனச் சார்பற்றதாக (Platform-neutral) உருவாக்கப்பட வேண்டும்.

3. நிரலாக்க மொழிகள், தொகுப்பிகள் (Compilers) மற்றும் 70 ஆண்டுகால குறியீட்டுத் தடை

ஓர் இயங்குதளத்தால் மட்டுமே ஓர் அலுவலகத்திற்குத் தேவையான குறிப்பிட்ட பணிகளைச் செய்ய முடியாது. அரசு ஊழியர்களின் மாதாந்திரச் சம்பளத்தைக் கணக்கிட, காணி உரிமைகளைப் பதிவுசெய்ய அல்லது ஓய்வூதியங்களைக் கணக்கிட, யாராவது ஒருவர் கணினிக்குக் படிமுறையான கட்டளைத் தொடரை — ஓர் வழிமுறையை (Algorithm) வழங்க வேண்டும்.

இதற்காகவே நிரலாக்க மொழிகள் (Programming languages) பிறந்தன: Fortran, COBOL, C, C++, Java, Python மற்றும் பிற.

படம் 2.4: நிரலாக்க மொழி — மனிதத் தருக்கத்திற்கும் கணினியின் இருமச் சமிக்ஞைகளுக்கும் (0 மற்றும் 1) இடையிலான அருவமாக்கத் தடை (Abstraction barrier).

மனித மனதிற்குள் இருக்கும் கொள்கைகள், கருத்துருக்கள் மற்றும் சிந்தனைகள் ஒரு சிலிகான் சில்லுக்கு நேரடியாக எதையும் உணர்த்துவதில்லை. அந்த இடைவெளியைக் குறைக்க, மனிதகுலம் கண்டிப்பான இலக்கணம் (Syntax) மற்றும் சிக்கல் தீர்க்கும் கட்டமைப்புகளைக் கொண்ட (Loops, Functions) நிரலாக்க மொழிகளைப் பயன்படுத்தியது.

படம் 2.5: ஒரு தொகுப்பியின் (Compiler) படிமுறைச் செயல்முறை — மூலக் குறியீட்டிலிருந்து (Source code) இயந்திரக் குறியீடு (Binaries) வரை.

படம் 2.5 இன் தொகுப்பிப் பாதைச் நிலைகள் (Compiler Pipeline Stages):

1. மூலக் குறியீட்டு உள்ளீடு (Source Code Input): C++, Java அல்லது Python போன்ற மொழியில் மனிதன் எழுதும் உரை.
2. சொற்பொருள் பகுப்பாய்வு (Lexer / Tokenizer): குறியீட்டின் ஒவ்வொரு எழுத்தும் பரிசீலிக்கப்பட்டு; சொற்கள், நிறுத்தற்குறிகள் மற்றும் கட்டளைகள் டோக்கன்களாகப் (Tokens) பிரிக்கப்படுகின்றன.
3. தொடரியல் பகுப்பாய்வு (Parsing): விதிகள் மற்றும் இலக்கணங்களின்படி சரிபார்க்கப்பட்டு, தொடரியல் பிழைகள் (Syntax errors) வெளிப்படுத்தப்படுகின்றன.
4. அருவத் தொடரியல் மரம் (AST) மற்றும் இடைநிலைக் குறியீடு: நிரலின் தருக்க ஓட்டம் ஒரு மரத்தின் கிளைகளைப் போல கட்டமைக்கப்படுகிறது.
5. குறியீடு உருவாக்கம் (Code Generation): இறுதியாக, வன்பொருள் நேரடியாக இயக்கக்கூடிய இயங்கு இரும இயந்திரக் குறியீடு (Executable binary machine code - 0s and 1s) உருவாக்கப்படுகிறது.

4. வரலாற்றுச் சிறப்புமிக்க புரட்சி: நிரலாக்கக் குறியீட்டிலிருந்து உரையாடலை நோக்கி

2022 இன் பிற்பகுதியில் ChatGPT இன் வருகையுடன், இந்த 70 ஆண்டுகாலத் தடை துல்லியமாக உடைந்தது.

படம் 2.6: குறியீட்டிலிருந்து உரையாடலை நோக்கி — கணினியின் புதிய இயங்கு இடைமுகமாக மனிதனின் இயல்பு மொழி, சிக்கலான நிரலாக்க மொழிகளுக்குப் பதிலாக மாறுகிறது.

இப்போது கணினியுடன் பேசுவதற்கு நீங்கள் C++ அல்லது Python கற்கத் தேவையில்லை. உங்களுக்கு என்ன வேண்டும் என்பதை உங்கள் சொந்த தாய்மொழியில் — சிங்களத்தில், தமிழில் அல்லது ஆங்கிலத்தில் விளக்கலாம்.

உருவாக்கும் AI (Generative AI) கணினியை மனிதனின் இயல்பு மொழியைப் புரிந்துகொள்ளும் நிலைக்குக் கொண்டு வந்துள்ளது. ஒரு காலத்தில் நிரலாளர்களுக்கு மட்டுமே கட்டுப்பட்டிருந்த கணினி ஆற்றல், இந்த முறையில் பாடசாலை மாணவர், ஆசிரியர், பெற்றோர், விவசாயி மற்றும் இலங்கை அரசின் முதன்மைப் பணியாளரான கிராம நிலதாரி ஆகியோரின் கரங்களில் நேரடியாக வந்து சேர்ந்துள்ளது.

5. பாரம்பரிய AI বনাম உருவாக்கும் AI (Generative AI)

இங்கு நாம் ஒரு அடிப்படை வேறுபாட்டைப் புரிந்துகொள்ள வேண்டும்: "AI" மற்றும் "Generative AI" என்பவை ஒன்றல்ல. அவை இரண்டும் வேறு வேறானவை.

படம் 2.7: பாரம்பரிய AI বனம் உருவாக்கும் AI — நிலவும் தரவுகளிலிருந்து வகைப்படுத்துதல் மற்றும் கணித்தல் (பகுப்பாய்வு AI) বனம் முற்றிலும் புதிய உள்ளடக்கம் மற்றும் தருக்கத்தை உருவாக்குதல் (உருவாக்கும் AI).

படம் 2.7 இன் தொழில்நுட்ப அடித்தளமும் வேறுபாடும்:

1. பொதுவான அடித்தளக் அடுக்கு (Shared Foundation Stack): பாரம்பரிய AI மற்றும் உருவாக்கும் AI ஆகிய இரண்டுமே இயந்திரக் கற்றல் (Machine learning), ஆழமான கற்றல் வலையமைப்புகள் (Deep learning networks) மற்றும் பாரிய தரவுத்தொகுப்புகளின் (Large datasets) மீதே கட்டமைக்கப்பட்டுள்ளன.
2. பாரம்பரிய / பகுப்பாய்வு AI (Traditional / Analytical AI): * முதன்மை நோக்கம்: நிலவும் தரவுகளைப் படித்து, பகுப்பாய்வு செய்து, ஒரு வகைப்பாடு (Classification) அல்லது கணிப்பைத் (Prediction) தருதல். * முக்கிய திறன்கள்:
   • தரவுப் பகுப்பாய்வு மற்றும் கணிப்பு: அடுத்த மாத வரி வருவாய், வரவிருக்கும் அறுவடை அல்லது டெங்கு நோயாளிகளின் எண்ணிக்கையைக் கணித்தல்.
   • வகைப்பாடு மற்றும் முறைமைப் பொருத்தம் (Pattern Matching): போலி ஆவணங்களைக் கண்டறிதல், மின்னஞ்சல்களை ஸ்பேம் எனப் பிரித்தல், ஓட்டுநர் உரிமப் புகைப்படங்களைப் பொருத்துதல்.
   • உள்ளடக்கக் குறியிடுதல்: கோப்புகள் மற்றும் அறிக்கைகளுக்கு நிலையான வகைப்பாட்டுக் குறியீடுகளை இடுதல்.
   • வெளியீடு: ஒரு குறிப்பிட்ட மதிப்பு, ஒரு லேபிள் அல்லது ஒரு நிகழ்தகவு (எ.கா: "இந்தப் பணப்பரிமாற்றம் மோசடியானது என்பதற்கான நிகழ்தகவு 92%").
3. உருவாக்கும் AI (Generative AI): * முதன்மை நோக்கம்: உலகிலேயே இதுவரை இல்லாத முற்றிலும் புதிய மூல உள்ளடக்கத்தை உருவாக்குவதற்கு, அதன் பயிற்சித்தளத் தரவுகளில் உள்ள வடிவங்களை ஒன்றிணைத்தல் (Synthesizing) — இவை தேடல் இயந்திரங்கள் அல்ல, தொகுப்பு இயந்திரங்கள் (Synthesis engines). * முக்கிய திறன்கள்:
   • குறியீடு மற்றும் உரைத் தொகுப்பு: சுற்றறிக்கைகள், சட்டக் கருத்துக்கள் மற்றும் கணினி மென்பொருட்களை ஆரம்பத்திலிருந்து வரைதல்.
   • ஒலி மற்றும் பட உருவாக்கம்: குரல் பதிவுகள், விளக்கப்படங்கள் மற்றும் வீடியோ உருவாக்கம்.
   • தருக்கம் மற்றும் செயல்முறைத் தொகுப்பு: ஒரு சிக்கலைத் தீர்ப்பதற்குப் பல படிகளைக் கொண்ட திட்டங்களையும் தருக்கச் சங்கிலிகளையும் தானாகவே அமைத்தல்.

படம் 2.8: உருவாக்கும் AI இன் முழுமையான திறன் வரைபடம் — 12 களங்களில் ஒரு புரட்சி

உருவாக்கும் AI என்பது ஓர் அலுவலகக் கடிதத்தை வரைவு செய்யும் வெறும் கருவி மட்டுமல்ல. படம் 2.8 உலகளாவிய தொழில்துறைகளையும் பொது நிர்வாகத்தையும் ஒரே நேரத்தில் மாற்றியமைக்கும் 12 முக்கிய களங்களில் பரந்து விரிந்துள்ள அதன் பரந்த திறன் வலையமைப்பை வரைபடமாக்குகிறது:

படம் 2.8: உருவாக்கும் AI இன் முழுமையான எல்லை — உலகளாவிய தொழில்துறை மற்றும் பொது நிர்வாகம் சார்ந்த 12 முக்கிய களங்களை உள்ளடக்கிய விரிவான திறன் வரைபடம்.

1. உரை, அறிவு மற்றும் மொழிபெயர்ப்பு (Text, Knowledge & Translation): * சுயாதீன பல-ஆவண ஆராய்ச்சி (Autonomous Multi-Document Research): வெவ்வேறு வடிவங்களில் உள்ள ஆயிரக்கணக்கான சுற்றறிக்கைகள், அறிக்கைகள் மற்றும் அமைச்சரவைத் தீர்மானங்களை ஒரே நேரத்தில் படித்து, துல்லியமான தொகுப்புகளை உருவாக்குதல். * கலாச்சாரக் கடப்பு மொழிபெயர்ப்பு (Cross-Cultural Translation): சொற்களை வார்த்தைக்கு வார்த்தை மொழிபெயர்க்காமல், பண்பாட்டு மற்றும் பிரதேச நுணுக்கங்களைப் பாதுகாத்து கருத்தைக் கடத்துதல். * பாணி வடிவமைப்பு (Style Shaping): ஒரே தகவலை ஒரு வர்த்தமானியின் சட்ட மொழியாகவோ அல்லது ஒரு சாதாரண கிராமவாசிக்கு புரியும் எளிய உரையாகவோ உடனடியாக மாற்றுதல்.
2. காட்சி மற்றும் ஆக்கப்பூர்வ ஊடகம் (Visual & Creative Media): * காட்சி-ஒருங்கிணைந்த உருவாக்கம்: சரியான வெளிச்சம் மற்றும் கோணத்துடன் பொது விழிப்புணர்வுப் படங்களை உருவாக்குதல். * நீண்ட வடிவ வீடியோ தயாரிப்பு: எழுத்து மற்றும் சூழல் தொடர்ச்சியைப் பேணி கல்விக் காணொளிகளைத் தயாரித்தல். * 3D மற்றும் VR சூழல் உருவாக்கம்: உரை வினவலிலிருந்து நகரத் திட்டங்கள் அல்லது தொல்பொருள் தளங்களின் முப்பரிமாண மெய்நிகர் மாதிரிகளை உருவாக்குதல். * இணைந்து இயங்கும் விளக்கக்காட்சிகள்: பார்வையாளர்களின் பதில்களுக்கு ஏற்ப நிகழ்நேரத்தில் மாறும் விரிவுரைக்காட்சிகள்.
3. முகவர் மற்றும் நிர்வாகச் செயல்பாடுகள் (Agentic & Executive Operations): * முழுமையான பணிப் பொறுப்பு (End-to-End Task Ownership): மனிதத் தலையீடின்றி கணினி APIs மூலம் கொள்முதல் அல்லது கொடுப்பனவுப் பணிகளைத் தானாகவே முடித்தல். * பல தளங்களின் ஒருங்கிணைப்பு: ஒரு பணியை முடிக்க ஒரே நேரத்தில் இணையதளங்கள், தரவுத்தளங்கள் மற்றும் மின்னஞ்சல்களில் பணியாற்றுதல். * சுய-மேம்பாட்டுச் செயல்முறைகள்: ஏதேனும் தவறு நடக்கும் போது, தோல்வியைத் தானாகவே பகுப்பாய்வு செய்து, தனது சொந்த தூண்டலைத் (Prompt) திருத்திக் கொள்ளுதல். * நீண்டகால நினைவகம் மற்றும் திட்டமிடல்: பல மாத காலத் திட்டத்தை எல்லாவற்றையும் நினைவில் கொண்டு படிமுறையாக வழிநடத்துதல். * சுய-சரிபார்ப்பு (Self-Verification): முடிவை மனித அதிகாரியிடம் ஒப்படைப்பதற்கு முன் தனது சொந்த வெளியீட்டைத் தானே தணிக்கை செய்தல். * முகவர்களுக்கு இடையிலான ஒத்துழைப்பு (MAGS): ஒரு கோப்பை முடிப்பதற்காக நிதியியல் AI, சட்ட AI மற்றும் நிர்வாக AI ஆகியவை தங்களுக்குள் பேச்சுவார்த்தை நடத்துதல்.
4. குறியீடு மற்றும் தொழில்நுட்ப ஆக்கங்கள் (Code & Technical Artifacts): * முழுமையான மென்பொருள் உருவாக்க முகவர்கள் (Full-Stack Dev Agents): மென்பொருளை எழுதுதல், பரிசோதித்தல் மற்றும் கிளவுட்டில் தானாகவே வெளியிடுதல். * AI-சார்ந்த கட்டமைப்பு வடிவமைப்பு: கணினி வளங்கள் அதிகபட்ச திறனுடன் பயன்படுத்தப்படும் வகையில் முறைமைகளை வடிவமைத்தல். * பிழை கண்டறிதல் மற்றும் சரிசெய்தல்: பாதுகாப்புத் துளைகளைக் கண்டறிந்து உடனடியாகச் சரிசெய்தல். * பழைய குறியீடுகளின் மறுசீரமைப்பு: பல தசாப்த கால COBOL அல்லது Java முறைமைகளைச் சேதமின்றி நவீன கிளவுட் முறைமைகளாக மாற்றுதல். * நோக்கம் சார்ந்த உள்கட்டமைப்பு: ஆங்கிலம் அல்லது சிங்களத்தில் உள்ள ஒரு சாதாரண வாக்கியத்திலிருந்து முழுமையான கிளவுட் சேவையக வலையமைப்புகளைத் தானாக உருவாக்குதல்.
5. வணிகம், கொள்கை மற்றும் உத்தி (Business, Policy & Strategy): * அதி-தனிப்பயனாக்கப்பட்ட அறிவிப்புகள்: ஒவ்வொரு குடிமகனுக்கும் அவர்களின் சொந்த சூழ்நிலைகளுக்குப் பொருத்தமான அதிகாரப்பூர்வ அறிவிப்புகளை அனுப்புதல். * அபாயப் போலிச்செயலாக்கம் (Risk Simulation): அரசாங்கத் தீர்மானங்களை ஆயிரக்கணக்கான மாற்றுச் சூழல்களுக்கு (பொருளாதார நெருக்கடிகள், நாணய அதிர்ச்சிகள், துறைமுக வேலைநிறுத்தங்கள்) எதிராக முன்கூட்டியே பரிசோதித்தல். * முன்னெச்சரிக்கை இணக்கம் (Proactive Compliance): புதிய வர்த்தமானிகள் மற்றும் சட்டத் திருத்தங்களை நேரடியாகக் கண்காணித்து, நிறுவன விவாதங்களைத் தானாகவே புதுப்பித்தல். * விநியோகச் சங்கிலி உகப்பாக்கம்: பேரழிவுகள் நிகழும்போது எரிபொருள், மருந்து மற்றும் உணவு விநியோகத்தை நிகழ்நேரத்தில் மறுபாதைப்படுத்துதல்.
6. உயர்ந்த அறிவியல் மற்றும் பொருள் கண்டுபிடிப்பு (Advanced Science & Material Discovery): * மூலக்கூறுத் தொகுப்பு (Generative Molecular Synthesis): புதிய மருந்துகள் மற்றும் புரதங்களை வடிவமைத்தல். * பொருள் பின்னல் வடிவமைப்பு: திறமையான சூரியக் மின்கலங்கள் மற்றும் பேட்டரிகளுக்கான புதிய பொருட்களை உருவாக்குதல். * தானியங்கி கருதுகோள் உருவாக்கம்: மில்லியன் கணக்கான ஆராய்ச்சித் தாள்களைப் படித்து புதிய அறிவியல் கண்டுபிடிப்புகளை முன்மொழிதல். * பிராந்திய காலநிலை போலிச்செயலாக்கம்: வெள்ளப்பெருக்கு அல்லது சூறாவளி நிலைகளை உயர் துல்லியத்துடன் கணித்தல்.
7. கல்வி மற்றும் தனிப்பயனாக்கப்பட்ட வழிகாட்டல் (Education & Personalized Mentorship): * சோக்ரட்டீஸ் வழிகாட்டல் (Socratic Tutoring): ஒவ்வொரு மாணவருக்கும் அவர்களின் சொந்த கற்றல் வேகம் மற்றும் சிந்தனைக்கு ஏற்ப தனிப்பட்ட முறையில் வழிகாட்டும் டிஜிட்டல் ஆசிரியர்கள். * தானியங்கி பாடத்திட்ட உருவாக்கம்: உள்ளூர் சூழலுக்குப் பொருத்தமான பாடப்புத்தகங்கள் மற்றும் பயிற்சிகளை உருவாக்குதல். * AI மதிப்பீடு மற்றும் முன் தலையீடு: மாணவர் பரீட்சையில் தோல்வியடைவதற்கு முன்பே கற்றல் பலவீனங்களைக் கண்டறிந்து தலையிடுதல். * மெய்நிகர் கற்றல் (Immersive VR Learning): வரலாற்றுச் சம்பவங்கள் அல்லது விண்வெளியை மெய்நிகராக அனுபவித்து கற்றல்.
8. சுகாதாரம் மற்றும் துல்லிய மருத்துவம் (Healthcare & Precision Medicine): * மருத்துவப் படப் பகுப்பாய்வு: எக்ஸ்ரே மற்றும் எம்.ஆர்.ஐ (MRI) ஸ்கேன்களில் நோய் அறிகுறிகளைச் சில நொடிகளில் கண்டறிதல். * தனிப்பயனாக்கப்பட்ட சிகிச்சைத் திட்டங்கள்: நோயாளியின் மரபணுத் தரவு மற்றும் வரலாற்றின் அடிப்படையில் மருந்து அளவை தீர்மானித்தல். * தானியங்கி மருத்துவக் குறிப்புகள்: மருத்துவர் நோயாளியுடன் பேசும்போது மருத்துவப் பதிவு தானாகவே எழுதப்படுதல். * அவசர சிகிச்சை முன்னுரிமை: அவசர சிகிச்சை அறைகளின் வரிசைகளைத் தீவிரத் தன்மையின் அடிப்படையில் விரைவாக நிர்வகித்தல்.
9. பௌதிக AI மற்றும் ரோபோட்டிக்ஸ் (Embodied AI & Physical Robotics): * பூச்சிய-முயற்சி மோட்டார் கட்டுப்பாடு (Zero-Shot Motor Control): ரோபோக்கள் முன்பு ஒருபோதும் பார்த்திராத சூழல்களிலும் சுயாதீனமாக இயங்குதல். * பார்வை-இயக்கக் கொள்கை உருவாக்கம்: நுட்பமான அறுவை சிகிச்சை அல்லது அசெம்பிளிக்காக கேமரா தரவை மோட்டார் இயக்கங்களாக மாற்றுதல். * மெய்நிகரிலிருந்து நிஜத்திற்கான பயிற்சி (Sim-to-Real): மெய்நிகர் உலகங்களில் ரோபோக்களுக்குப் பயிற்சியளித்து நிஜ உலகிற்கு அனுப்புதல். * மனித உருவ ரோபோக்கள் (Humanoid Coordination): தொழிற்சாலைகள் மற்றும் சேமிப்பகங்களில் கனமான பணிகளுக்காக மனித உருவ ரோபோக்களைப் பயன்படுத்துதல்.
10. சைபர் பாதுகாப்பு மற்றும் தற்காப்பு (Cybersecurity & Synthetic Defense):
    • தானியங்கி ஊடுருவல் சோதனை (Generative Red Teaming): குற்றவாளிகளுக்கு முன்பாகவே முறைமையின் பலவீனங்களைக் கண்டறிய, மாநில அமைப்புகளைத் தானே பாதுகாப்பாகத் தாக்குதல்.
    • பல்வடிவத் தற்காப்பு: தாக்குபவர்கள் நுழைய முடியாதவாறு முறைமைக் குறியீடு மற்றும் சாவிமுறைகளைத் தொடர்ந்து தானாகவே மாற்றுதல்.
    • போலி ஆவணக் கண்டறிதல் (Deepfake Detection): போலி குரல் பதிவுகள், வீடியோக்கள் மற்றும் ஆவணங்களை அறிவியல் ரீதியாக அடையாளம் காணுதல்.
    • அச்சுறுத்தல் நுண்ணறிவு: டார்க் வெப்பை ஆராய்ந்து முக்கியமான உள்கட்டமைப்புகள் மீதான தாக்குதல்கள் குறித்து முன்கூட்டியே எச்சரித்தல்.
11. நிதி மற்றும் பொருளாதார போலிச்செயலாக்கம் (Finance & Economic Simulation):
    • கடுமையான பொருளாதார நெருக்கடி சோதனைகள்: பாரிய உலகளாவிய நிதி வீழ்ச்சிகள் அல்லது தடைகளுக்கு எதிராக ஒரு நாட்டின் பொருளாதாரத்தின் பின்னடைவைச் சோதித்தல்.
    • தனிப்பயனாக்கப்பட்ட செல்வக் கட்டமைப்பு: ஒவ்வொரு குடிமகனின் வருமானத்திற்கும் ஏற்ப ஓய்வூதியம் மற்றும் சமூகப் பாதுகாப்பு வலையமைப்புகளை வடிவமைத்தல்.
    • தானியங்கி ஒழுங்குமுறைத் தொகுப்பு: சர்வதேச நிதி விதிமுறைகள் (FATF, IMF) மாறும் கணத்திலேயே உள்நாட்டு விதிகளைப் புதுப்பித்தல்.
12. பொழுதுபோக்கு, கலாச்சாரம் மற்றும் முப்பரிமாண நிஜம் (Entertainment, Culture & Spatial Reality):
    • NeRF மூலமான 3D பாதுகாப்பு: சில புகைப்படங்களிலிருந்து வரலாற்றுத் தளங்களை முழுமையான 3D சூழல்களாகப் பாதுகாத்தல்.
    • ஊடாடும் தகவல் தொடர்புகள்: குடிமக்களின் கேள்விகளுக்கு ஏற்ப நேரலையில் மாறும் பொதுத் தகவல் தொடர்புகள்.
    • குரல் மற்றும் ஆளுமை நகலாக்கம்: எதிர்கால சந்ததியினருக்காக வரலாற்று சிறப்புமிக்க குரல்களின் உணர்ச்சிப்பூர்வமான ஆழத்தைப் பாதுகாத்தல்.

6. AI இன் மாபெரும் பரிணாமம்: உருவாக்கும் நிலையிலிருந்து (Generative) முகவர் நிலைக்கு (Agentic) மற்றும் பௌதிக நிலைக்கு (Embodied)

படம் 2.9 தற்போது நடைபெற்று வரும் மாபெரும் கருத்தியல் மாற்றத்தைக் காட்டுகிறது: செயற்கை நுண்ணறிவு எளிய உள்ளடக்க உருவாக்கத்திலிருந்து பௌதிக உலகை இயக்குவதை நோக்கி நகர்கிறது.

படம் 2.9: AI மாற்றத்தின் 3 கட்டங்கள் — உருவாக்கும் AI (உருவாக்குதல்), முகவர் AI (செயற்படுதல்), மற்றும் பௌதிக AI (இயங்குதல்).

படம் 2.9 இன் பரிணாமக் கட்டங்கள்:

1. கட்டம் ஒன்று: உருவாக்கும் நிலை — உருவாக்குதல் (ஆரம்ப நிலை): * கவனம்: உரை, படங்கள், இசை, வீடியோ மற்றும் அடிப்படை குறியீட்டை உருவாக்குதல்; புதிய யோசனைகளை வடிவமைத்தல்; ஓர் உதவியாளராகச் செயல்படுதல். * இயங்கும் முறைமை: முழுமையான செயல்பாட்டுக் கட்டுப்பாடு மனிதனின் கரங்களிலேயே இருக்கும். மனிதன் ஒரு தூண்டலைத் தருவான்; AI ஒரு பதிலை வழங்கும்.
2. கட்டம் இரண்டு: முகவர் நிலை — செயற்படுதல் (தற்போதைய எல்லை): * கவனம்: முடிவுகளை எடுத்தல், பல படிகளைக் கொண்ட திட்டங்களை அமைத்தல் மற்றும் பணிகளைச் சுயாதீனமாக முடித்தல். * இயங்கும் முறைமை: ஓர் அதிகாரி "இந்த அனுமதிப்பத்திர விண்ணப்பத்தைச் சரிபார்த்து ஒப்புதலுக்குத் தயார் செய்" என்று கூறும்போது, AI முகவர் தரவுத்தளத்தைத் தானே சரிபார்த்து, கட்டணங்களைக் கணக்கிட்டு, தணிக்கைக் குறிப்பை உருவாக்கி, அதிகாரியின் கையொப்பத்திற்காகக் கோப்பைச் சமர்ப்பிக்கிறது.
3. கட்டம் மூன்று: பௌதிக நிலை — இயங்குதல் (எதிர்கால எல்லை): * கவனம்: பௌதிக உலகில் உள்ள பொருட்களை உணர்தல், நகர்த்துதல் மற்றும் கையாளுதல் (பௌதிக ரோபோட்டிக்ஸ்). * இயங்கும் முறைமை: மனித உருவ ரோபோக்கள், பேரிடர் மீட்பு ட்ரோன்கள் மற்றும் தானியங்கி நகரச் சுத்திகரிப்பு முறைமைகள் — பௌதிக உழைப்பில் AI இணைதல்.

7. AI சூழமைவின் 5 அடுக்குகள்: இலங்கையின் உண்மையான பங்கு எங்கே உள்ளது?

NVIDIA இன் தலைமை நிர்வாக அதிகாரி ஜென்சன் ஹுவாங் சுட்டிக்காட்டியபடி, செயற்கை நுண்ணறிவு ஐந்து அத்தியாவசிய ஆதார அடுக்குகளில் இயங்குகிறது (AI இன் 5 அடுக்குகள் — ஆற்றலிலிருந்து நுண்ணறிவு வரை):

படம் 2.10: ஓர் AI முறைமையின் 5 அடுக்குகள் — ஆற்றல், உள்கட்டமைப்பு, சிலிகான் சில்லுகள் (GPUs), ஆதார மாதிரிகள் (Foundation Models) மற்றும் பயன்பாடுகள் (Applications).

படம் 2.10 இன் ஆழமான பொறியியல் அமைப்பியல்:

1. அடுக்கு 1: ஆற்றல் மற்றும் மின்சார வலையமைப்பு (அடித்தளம் மற்றும் முதன்மைத் தடை): * இது முழு AI முறைமையினதும் முதன்மையான வரம்புகளாகும் காரணியாகும். * நிகழ்நேர நுண்ணறிவைச் செயலாக்குவதற்குப் பாரிய மின்னோட்டமும் வெப்பத்தைக் குறைக்கும் வசதியும் தேவை. தொடர்ச்சியான, நிலையான மற்றும் புதுப்பிக்கத்தக்க ஆற்றல் இல்லாமல், ஓர் AI தரவு மையத்தை இயக்க முடியாது.
2. அடுக்கு 2: தரவு மையங்கள் மற்றும் உள்கட்டமைப்பு (AI தொழிற்சாலைகள்): * நிலம், திரவத்தில் மூழ்கடிக்கும் குளிரூட்டும் முறைமைகள் (Liquid-immersion cooling) மற்றும் டெராபிட் கணக்கிலான தரவுகளை நகர்த்தும் அதிவேக ஒளியியல் இணைப்புப் பாதைகள்.
3. அடுக்கு 3: நுண் சில்லுகள் மற்றும் GPUs (கணக்கீட்டு ஆற்றல்): * AI இன் முதன்மை இயந்திரம் — NVIDIA H100 மற்றும் B200 (Blackwell) போன்ற இணையான கணக்கீடுகளைச் செய்யும் டென்சார் சில்லுகள் (Tensor chips).
4. அடுக்கு 4: ஆதார மாதிரிகள் (முறைமையின் மூளை): * முறைமையின் அறிவாற்றல் மூளை — டிரில்லியன் கணக்கிலான டோக்கன்களில் முன்கூட்டியே பயிற்சி அளிக்கப்பட்ட பெரிய மொழி மாதிரிகள் (ChatGPT, Gemini, Claude, DeepSeek).
5. அடுக்கு 5: பயன்பாடுகள் (பொருளாதார மதிப்பு உருவாக்கப்படும் இடம்): * தொழில்நுட்பம் பொருளாதார மதிப்பாக மாறும் ஒரே அடுக்கு — சுகாதாரம், விவசாயம், போக்குவரத்து, உற்பத்தி மற்றும் குடிமக்கள் சேவைகள்.

🇱🇰 இலங்கைக்கான நிஜநிலைப்பரிசீலனை (Reality Check for Sri Lanka)

இலங்கையர்களாகிய நாம், நமது நாட்டின் உண்மையான திறன் எங்குள்ளது என்பதை உணர வேண்டும்:

• அடுக்கு 3 (சில்லு உற்பத்தி): $20 பில்லியன் செலவில் அதிநவீன சில்லு உற்பத்தி ஆலைகளை உருவாக்குவது இலங்கை இந்த நேரத்தில் செய்யக்கூடிய ஒன்றல்ல.
• அடுக்கு 4 (ஆதார மாதிரிகளை ஆரம்பத்திலிருந்து பயிற்சி அளித்தல்): பூச்சியத்திலிருந்து மாதிரிகளைப் பயிற்றுவிக்க நூற்றுக்கணக்கான மில்லியன் டாலர்களைச் செலவிடுவது நமது முன்னுரிமையுமல்ல.
• நமது உண்மையான வாய்ப்பு அடுக்கு 5 — பயன்பாடுகள் (Applications) ஆகும். பொதுச் சேவையில் உள்ள கோப்புத் தேக்கங்களை நீக்குவதற்கும், காணிப் பதிவுகளை விரைவுபடுத்துவதற்கும், குடிமக்களுக்குக் கண்ணியமான சேவையை வழங்குவதற்கும் உலகின் மிக சக்திவாய்ந்த மாதிரிகளைப் பயன்படுத்துதல் — அதை நம்மால் நூறு சதவீதம் செய்ய முடியும். பசுமை ஆற்றலை (அடுக்கு 1) மற்றும் உள்ளூர் விளிம்புத் தரவு மையங்களை (Edge data centers - அடுக்கு 2) வலுப்படுத்துவதும் நமது டிஜிட்டல் இறையாண்மைக்கு இன்றியமையாதது.

உலகின் வல்லரசுகள் சில்லுகளையும் மாதிரிகளையும் உருவாக்கலாம். ஆனால் நமது சொந்தப் பாடசாலைகளில் உள்ள கற்றல் இடைவெளி, பிரதேச செயலகத்தில் உள்ள காணிப் பிணக்கு, சிறிய குடும்ப வணிகத்தின் கணக்குகள் அல்லது விவசாயியின் வயலில் உள்ள அறுவடைப் பிரச்சினைக்கான பயன்பாடுகள் — அவைகளை நம்மால் மட்டுமே உருவாக்க முடியும். உலகின் மிகச்சிறந்த மாதிரிகளை எடுத்து, தயாரிப்பு பொறியாளர் மனப்பாங்குடன் (Product Engineer Mindset) இலங்கையின் பிரச்சினைகளைத் தீர்ப்பது என்பது ஒரு தேசியக் கடமையாகும்.

அடுத்த தொகுதியில், இந்த மாதிரிகளுக்குள் இருக்கும் ட்ரான்ஸ்ஃபார்மர் (Transformer) மூளை — டோக்கனாக்கம் (Tokenization), மற்றும் நீங்கள் பாடசாலையில் கற்ற கணிதம் எவ்வாறு AI உடன் நேரடியாக இணைகிறது என்பதை ஆராய்வோம்.