02. கணினி அடிப்படைகளிலிருந்து ஆக்கபூர்வ AI வரை: 70 ஆண்டுகால மொழித் தடையின் வீழ்ச்சி

வெளியிடப்பட்டது 2026-09-14

கணினி என்றால் என்ன என்பதை உண்மையிலேயே புரிந்து கொள்ளாமல் செயற்கை நுண்ணறிவை (AI) முழுமையாகப் புரிந்து கொள்ள முடியாது. திரையில் தோன்றும் கவர்ச்சிகரமான மென்பொருள் இடைமுகங்களுக்கு அடியில், கணினி என்பது பில்லியன் கணக்கான எலக்ட்ரானிக் சுவிட்சுகளின் (1 மற்றும் 0) தொகுப்பாகும். கடந்த 70 ஆண்டுகளாக மனிதன் கணினியிடம் அதன் மொழியிலேயே பேசினான். 2022-ல் தகர்க்கப்பட்டது அந்த வரலாற்று மொழித் தடையாகும்.

ஒரு கணினியின் உள்ளே உண்மையில் என்ன நடக்கிறது?

உங்கள் மேசையில் உள்ள டெஸ்க்டாப் கணினி, கையில் உள்ள ஸ்மார்ட்போன், அல்லது மில்லியன் கணக்கான டாலர்கள் மதிப்புள்ள பிரம்மாண்டமான சர்வர் என எந்தவொரு கணினியும் அடிப்படையில் ஒரே கட்டமைப்பு முறைமையின் கீழ்தான் செயல்படுகிறது. அதுவே 1945 ஆம் ஆண்டில் ஜான் வான் நியூமன் (John von Neumann) என்பவரால் அறிமுகப்படுத்தப்பட்ட வான் நியூமன் கட்டமைப்பு (Von Neumann Architecture) ஆகும்.

படம் 2.1: கணினியின் அடிப்படைக் கட்டமைப்பு (Von Neumann Architecture) — உள்ளீட்டுச் சாதனங்கள், மையச் செயலகம் (CPU), முதன்மை நினைவகம் (RAM/ROM), நிரந்தர சேமிப்பகம் (SSD/Storage) மற்றும் வெளியீட்டுச் சாதனங்கள்.

பாகங்களும் அவற்றின் பிரத்யேக பயன்பாடுகளும்

தகவல்கள் உள்ளீட்டுச் சாதனங்கள் (Input Devices) வழியாக உள்ளே செல்கின்றன. விசைப்பலகை (Keyboards), ஸ்கேனர்கள், கேமராக்கள் மற்றும் பயோமெட்ரிக் வாசகங்கள் அனைத்தும் ஒரே பணியைச் செய்கின்றன: அவை பௌதிக உலகில் நிகழும் ஒரு செயலை — விரலால் விசையை அழுத்துவது, லென்ஸில் விழும் ஒளிக்கதிர், அல்லது கைரேகையின் வரம்புகள் — மின் சமிக்ஞைகளாக (electrical signals) மாற்றி, உள்ளீட்டு பஸ் (Input bus) வழியாக கணினிக்குள் செலுத்துகின்றன. மின்சாரமாகத் தவிர வேறு எந்த வகையிலும் கணினிக்கு எதுவும் சென்றடைவதில்லை. மற்றவை அனைத்தும் விளக்கங்கள் மட்டுமே.

மையச் செயலகம் (CPU) பணிகளைச் செய்கிறது. CPU என்பது கணினியின் முதன்மை எஞ்சின்: கணக்கீடுகளைச் செய்யும் கணித தர்க்க அலகு (ALU) மற்றும் அடுத்ததாக என்ன கணக்கிட வேண்டும் என்பதைத் தீர்மானிக்கும் கட்டுப்பாட்டு அலகு (Control Unit) ஆகியவற்றைக் கொண்டுள்ளது. இது இடைவிடாமல் ஒரு சுழற்சியை இயக்குகிறது: அடுத்த கட்டளையைப் பெறுதல் (Fetch), அதன் அர்த்தத்தைப் புரிந்துகொள்ளுதல் (Decode), அதைச் செயல்படுத்துதல் (Execute) — வினாடிக்கு பில்லியன் கணக்கான முறை. இந்த சுழற்சிக்குள் எந்த மாயாஜால அறிவும் இல்லை. நவீன கணினியின் வியக்கத்தக்க ஆற்றல் என்பது மிக எளிய செயலை கற்பனை செய்ய முடியாத வேகத்தில் மீண்டும் மீண்டும் செய்வதிலிருந்து பிறக்கிறது.

முதன்மை நினைவகம் (Primary Memory) இப்போது நடப்பதை வைத்திருக்கிறது. RAM (Random Access Memory) என்பது நிரல்கள் இயங்கும் போது அவற்றை வைத்திருக்கும் அதிவேக நினைவகம், மேலும் அது நிலையற்றது (volatile): மின்சாரம் துண்டிக்கப்பட்டவுடன் அதன் உள்ளடக்கம் அழிந்துவிடும்; மின்சாரம் தடைபடும் போது சேமிக்கப்படாத கோப்புகள் இழக்கப்படுவது இதனால்தான். ROM (Read-Only Memory) என்பது கணினி தொடங்குவதற்கு (booting) தேவையான மிக அடிப்படையான நிரந்தரக் கட்டளைகளை வைத்திருக்கும் நினைவகம் — அதாவது கணினி எதையும் அறிவதற்கு முன்பே தெரிந்திருக்க வேண்டிய அடிப்படை வழிமுறைகள்.

இரண்டாம் நிலை சேமிப்பகம் (Secondary Storage) நிரந்தரமாகப் பாதுகாக்க வேண்டியவற்றை வைத்திருக்கிறது. SSD அல்லது ஹார்ட் டிஸ்க் என்பது கணினியின் பெட்டகம்: மின்சாரம் இருந்தாலும் இல்லாவிட்டாலும் கோப்புகள், தரவுத்தளங்கள் மற்றும் இயக்க முறைமை ஆகியவை இங்குதான் நிரந்தரமாகப் பாதுகாக்கப்படுகின்றன. RAM மற்றும் சேமிப்பகத்திற்கு இடையிலான வேறுபாடு என்பது நீங்கள் வேலை செய்யும் மேசைக்கும், உங்கள் பின்னால் உள்ள கோப்பு அலமாரிக்கும் உள்ள வேறுபாடு போன்றது.

கணினி பஸ்கள் (Buses) தரவுகளை அவற்றுக்கிடையே நகர்த்துகின்றன. தரவு (Data), முகவரி (Address) மற்றும் கட்டுப்பாட்டு (Control) பஸ்கள் என்பவை செயலி, நினைவகம் மற்றும் சேமிப்பகம் இடையே வினாடிக்கு பில்லியன் கணக்கான பைட்டுகளை எடுத்துச் செல்லும் மின்சார அதிவேக நெடுஞ்சாலைகளாகும்.

வெளியீட்டுச் சாதனங்கள் (Output Devices) இறுதி முடிவை மீண்டும் மனிதனிடம் வழங்குகின்றன. திரைகள் மற்றும் அச்சுப்பொறிகள் மின் சமிக்ஞைகளை மீண்டும் மனிதன் பார்க்கக்கூடிய உரையாகவோ அல்லது படங்களாகவோ மாற்றுகின்றன. இந்த சுழற்சி தொடங்கிய இடத்திலேயே முடிகிறது: ஒருபுறம் மனிதன், நடுவில் மின்சாரம், மறுபுறம் மீண்டும் மனிதன்.

AI-க்கு வேறுபட்ட வன்பொருள் தேவைப்பட்டதற்கான வரம்பு

இந்த பாரம்பரிய வடிவமைப்பில் ஒரு முக்கியமான வரம்பு உள்ளது. CPU கட்டளைகளை வரிசைமுறையாக (in sequence) — அதாவது ஒன்றன் பின் ஒன்றாக மட்டுமே செயல்படுத்துகிறது. ஊதியப் பட்டியல் கணக்கீடு, நிலப் பதிவு அல்லது கணக்குப் பேரேடு போன்ற ஒரு படி அடுத்த படியை நேரடியாகச் சார்ந்திருக்கும் பாரம்பரிய அரசு அலுவலக வேலைகளுக்கு இது மிகச் சரியான தீர்வாகும்.

ஆனால் செயற்கை நுண்ணறிவு அப்படிச் செயல்படுவதில்லை! ஓர் AI அமைப்பிற்கு ஒரே நேரத்தில் நூறாயிரக்கணக்கான கணிதப் பெருக்கல்களையும் அணிகோவை (matrix) கணக்கீடுகளையும் மீண்டும் மீண்டும் ஒரே தருணத்தில் செய்ய வேண்டியுள்ளது. ஒரு தொடர் செயலி (sequential processor) எவ்வளவு வேகமாக இருந்தாலும் அந்த வேலைக்கு ஏற்ற வடிவம் கொண்டிருக்காது. இதனால்தான் AI தொழில்நுட்பம் இயங்குவதற்கு GPU (Graphics Processing Units) — அதாவது ஒரே நேரத்தில் பிரம்மாண்டமான இணையான கணக்கீடுகளைச் (massive parallel computing) செய்யக்கூடிய சில்லுகள் தேவைப்படுகின்றன. வீடியோ கேம்களுக்காக கிராபிக்ஸ் கார்டுகளைத் தயாரித்த நிறுவனம் உலகிலேயே அதிக மதிப்புமிக்க நிறுவனமாக மாறியதும் இதனால்தான். AI கண்டுபிடிக்கப்பட்டதால் வன்பொருள் மாறவில்லை; அத்தகைய இணையான வன்பொருள் ஏற்கனவே உலகில் இருந்ததால் AI நடைமுறைக்கு வந்தது.

ஓர் இயக்க முறைமை மனிதனையும் சிலிக்கான் சில்லையும் எவ்வாறு இணைக்கிறது?

ஒரு சாதாரண மனிதனால் கணினியுடன் 1 மற்றும் 0 மூலம் நேரடியாக உரையாட முடியாது. அதற்கான குறியீடுகள் நமக்குத் தெரியாது; அது மிகவும் கடினமானது. எனவே, இந்த சிக்கலான வன்பொருளை சாதாரண மனிதன் எளிதாகப் பயன்படுத்துவதற்கு கணினியின் மீது இயங்கும் ஒரு சிறப்பு மென்பொருள் உருவாக்கப்பட்டது. அதுவே இயக்க முறைமை (Operating System - OS) ஆகும்.

படம் 2.2: கணினி வன்பொருளிலிருந்து பயனர் வரை இயக்க முறைமையின் (OS) 5 அடுக்குகள்.

அடுக்குகளை கீழிருந்து மேலாகப் படித்துப் புரிந்துகொள்ளுதல்

ஓர் இயக்க முறைமையின் கட்டமைப்பை அடுக்குகளாகப் படிக்கும்போது அதன் செயல்பாடு தெளிவாகப் புரியும்:

1. பௌதிக வன்பொருள் (Hardware): CPU, RAM, சேமிப்பகம் மற்றும் பிணைய அட்டைகள் போன்ற கணினியின் உண்மையான பௌதிக பாகங்கள்.
2. கர்னல் (Kernel): இயக்க முறைமையின் இதயம். நினைவக மேலாண்மை, செயலி நேர ஒதுக்கீடு (Process Scheduling) மற்றும் கோப்பு முறைமைக் கட்டுப்பாடு ஆகியவற்றை கர்னல் நேரடியாகக் கையாள்கிறது.
3. கணினிச் சேவைகள் மற்றும் சாதன இயக்கிகள் (System Services & Device Drivers): வெவ்வேறு நிறுவனங்களின் பிரிண்டர்கள் அல்லது ஸ்கேனர்கள் போன்ற சாதனங்களை கர்னலுடன் தடையின்றி இணைக்கும் மொழிபெயர்ப்பு மென்பொருட்கள்.
4. கட்டளை மற்றும் பயனர் இடைமுகங்கள் (Shell & Command Interfaces): பயனர் கட்டளைகளை வழங்கும் Bash/Zsh டெர்மினல் (CLI) அல்லது Windows/Desktop GUI சூழல்.
5. பயனர் பயன்பாடுகள் (User Applications): நாம் அன்றாடம் பயன்படுத்தும் Chrome, Word, Excel மற்றும் அரசு மென்பொருள் அமைப்புகள்.

நீங்கள் கணினி வாங்கும் போது Windows உள்ளதா என்றும், ஸ்மார்ட்போன் வாங்கும் போது Android அல்லது Apple iOS உள்ளதா என்றும் பார்ப்பதன் பின்னணி இதுவேயாகும்.

படம் 2.3: Windows NT Architecture மற்றும் Android Architecture — Desktop மற்றும் Mobile இயக்க முறைமைகள் எவ்வாறு வன்பொருளுக்கும் மென்பொருளுக்கும் இடையே உள்ள அருவமாக்கலை (Abstraction) நிர்வகிக்கின்றன என்பதை ஒப்பிடுதல்.

இரண்டு இயக்க முறைமைகள், ஒரே கோட்பாடு

Windows NT கட்டமைப்பு (Desktop) மற்றும் Android கட்டமைப்பு (Mobile) ஆகியவற்றை ஒப்பிடுவதன் மூலம் இயக்க முறைமைகளின் பொதுவான கோட்பாட்டை அறியலாம்: * Windows NT கட்டமைப்பு (Desktop): பயனர் பயன்பாடுகள் (Win32, UWP), Win32 Subsystem & APIs (kernel32.dll, user32.dll), Windows NT Kernel & Executive (Process Manager, Virtual Memory) மற்றும் Hardware Abstraction Layer (HAL) மூலம் x86/x64 வன்பொருளைக் கட்டுப்படுத்துகிறது. * Android கட்டமைப்பு (Mobile): Kotlin/Java பயன்பாடுகள், Java API Framework (Activity Manager, Window Manager), Android Runtime (ART) மற்றும் Native C/C++ Libraries (Bionic libc, SurfaceFlinger), Hardware Abstraction Layer (HAL) மற்றும் Linux Kernel மூலம் ARM SoC வன்பொருளைக் கட்டுப்படுத்துகிறது.

அரசு தொழில்நுட்ப அதிகாரிகளுக்கான பாடம்: ஒரு மொபைல் போனும் டெஸ்க்டாப் கணினியும் முற்றிலும் மாறுபட்ட இயக்க சூழல்களில் செயல்படுவதால், அரசு டிஜிட்டல் சேவைகள் எந்தவொரு தளத்திற்கும் கட்டுப்படாத (Platform-neutral) வலை மற்றும் திறந்த APIகள் மூலம் கட்டமைக்கப்பட வேண்டியதன் அவசியத்தை இது உணர்த்துகிறது.

நிரலாக்க மொழிகளும் கம்பைலர்களும் நமக்கு ஏன் தேவைப்பட்டன?

ஓர் இயக்க முறைமை இருப்பதாலேயே கணினியால் நமக்குத் தேவையான குறிப்பிட்ட அலுவலகப் பணிகளைத் தானாகச் செய்துவிட முடியாது. உதாரணமாக, அரசு ஊழியர்களின் மாதாந்திர ஊதியத்தைக் கணக்கிட, நில உரிமைகளைப் பதிவு செய்ய அல்லது ஓய்வூதியத்தைக் கணக்கிட கணினிக்கு படிப்படியான வழிமுறைகளின் தொகுப்பை (அல்காரிதம்) வழங்க வேண்டும். அதற்காக நிரலாக்க மொழிகள் (Programming Languages) தோன்றின: Fortran, COBOL, C, C++, Java, Python என பல மொழிகள் உருவாயின.

படம் 2.4: நிரலாக்க மொழி — மனித சிந்தனைக்கும் கணினியின் இரும சமிக்ஞைகளுக்கும் (Binary 0 and 1) இடையே உள்ள அருவமாக்கல் சுவர் (Abstraction Barrier).

மனித மனதில் உள்ள கொள்கைகள், யோசனைகள் மற்றும் தர்க்கம் (Human Thought & Logic) நேரடியாக கணினியின் சிலிக்கான் சில்லுக்குப் புரியாது. அந்த இடைவெளியைக் குறைக்க துல்லியமான இலக்கணம் (Syntax) மற்றும் சிக்கல் தீர்க்கும் கட்டமைப்புகளைக் (Loops, Functions) கொண்ட நிரலாக்க மொழிகள் பயன்படுத்தப்பட்டன.

படம் 2.5: ஒரு கம்பைலரின் (Compiler) படிநிலையான செயல்முறை — மூலக் குறியீட்டிலிருந்து இயங்கக்கூடிய இயந்திரக் குறியீடு (Binaries) வரை.

ஒரு கம்பைலர் படிநிலையாக என்ன செய்கிறது?

ஒரு கம்பைலர் மூலக் குறியீட்டை இயந்திரக் குறியீடாக மாற்ற 5 நிலைகளைக் கையாள்கிறது: 1. மூலக் குறியீடு உள்ளீடு (Source Code Input): மனிதனால் C++, Java அல்லது Python போன்ற மொழியில் எழுதப்பட்ட உரைக் குறியீடு. 2. சொற்பொருள் பகுப்பாய்வு (Lexer / Tokenizer): குறியீட்டில் உள்ள ஒவ்வொரு எழுத்தையும் பரிசோதித்து சொற்கள், நிறுத்தற்குறிகள் மற்றும் கட்டளைகளை டோக்கன்களாகப் (Tokens) பிரித்தல். 3. இலக்கணப் பாகுபடுத்தல் (Parser): விதிகளுக்கு இணங்குவதை உறுதிசெய்து தொடரியல் பிழைகள் (Syntax Errors) இருப்பின் சுட்டிக்காட்டுதல். 4. சுருக்க தொடரியல் மரம் (Abstract Syntax Tree - AST) மற்றும் இடைநிலைக் குறியீடு: நிரலின் தர்க்கரீதியான ஓட்டத்தை மரத்தின் கிளைகள் போல கட்டமைத்தல். 5. குறியீட்டு உருவாக்கம் (Code Generator): கணினி வன்பொருள் நேரடியாக இயக்கக்கூடிய இரும இயந்திரக் குறியீட்டை (Executable Binary 0s & 1s) உருவாக்குதல்.

2022-ல் என்ன மாறியது: குறியீட்டிலிருந்து உரையாடல் வரை

2022 ஆம் ஆண்டின் இறுதியில் ChatGPT பொதுவெளியில் அறிமுகமானதன் மூலம் இந்த 70 ஆண்டுகால மொழித் தடை உடைந்து நொறுங்கியது!

படம் 2.6: 2022-ல் நிகழ்ந்த வரலாற்றுப் புரட்சி — கடுமையான நிரலாக்க விதிகளுக்குப் பதிலாக மனிதனின் இயல்பான மொழியிலேயே கணினியை வழிநடத்துதல்.

இதுவரை கணினியை இயக்கத் தேவைப்பட்ட கடுமையான, கடினமான நிரலாக்க விதிமுறைகளுக்குப் பதிலாக, நாம் அன்றாடம் பேசும் இயற்கை மொழி (Natural Language) கணினியின் புதிய நிரலாக்க மொழியாக மாறியது.

"இப்போது உலகின் மிக வெப்பமான புதிய நிரலாக்க மொழி ஆங்கிலம் (அல்லது உங்கள் தாய்மொழி) ஆகும்!"
— ஆண்ட்ரேஜ் கர்பதி (Andrej Karpathy), OpenAI இணை நிறுவனர் & டெஸ்லா AI முன்னாள் தலைவர்.

இதன் மூலம் கணினியை வழிநடத்தும் அதிகாரம் ஒருசில கணினிப் பொறியாளர்களின் கைகளிலிருந்து விடுபட்டு, அனைத்து அரசு அதிகாரிகளின் மற்றும் பொதுமக்களின் கைகளுக்கு வந்து சேர்ந்துள்ளது. நீங்கள் ஒரு பொறியியலாளராக இல்லாவிட்டாலும், உங்கள் அலுவலகப் பிரச்சினையைத் துல்லியமாகவும் தெளிவாகவும் விவரிக்க (Articulate செய்ய) முடிந்தால், கணினியிடம் அந்த வேலையை முழுமையாகச் செய்விக்க இன்று உங்களால் முடியும்.

பாரம்பரிய AI-க்கும் ஆக்கபூர்வ AI-க்கும் இடையிலான வேறுபாடு யாது?

அரசுத்துறையில் பலர் AI மற்றும் Generative AI இரண்டையும் குழப்பிக் கொள்கிறார்கள். ஆனால் அவற்றுக்கிடையே வானத்திற்கும் பூமிக்குமான இடைவெளி உண்டு.

படம் 2.7: பாரம்பரிய (பகுப்பாய்வு) AI மற்றும் ஆக்கபூர்வ AI ஒப்பீடு — ஏற்கனவே உள்ள தரவுகளை வகைப்படுத்துவதிலிருந்து புதிய மூல ஆக்கங்களை உருவாக்குவது வரை.

பகிர்ந்துகொள்ளப்பட்ட தொழில்நுட்ப அடித்தளம்

பாரம்பரிய AI மற்றும் ஆக்கபூர்வ AI இரண்டும் பொதுவான கணித அடித்தளத்தில் கட்டமைக்கப்பட்டுள்ளன: பரந்த தரவுத்தொகுப்புகளின் மீதான இயந்திரக் கற்றல் (Machine Learning), புள்ளியியல் முறை அங்கீகாரம், நேரியல் இயற்கணிதம் (Linear Algebra) மற்றும் செயற்கை நரம்பியல் நெட்வொர்க்குகள் (Neural Networks). இரண்டுமே மனித மூளையின் நரம்புச் செயல்பாட்டை முன்மாதிரியாகக் கொண்டு இயங்குகின்றன.

இருப்பதைக் கற்கும் பாரம்பரிய அல்லது பகுப்பாய்வு AI

பாரம்பரிய AI-யின் பணி இருக்கின்ற தரவுகளைப் பகுப்பாய்வு செய்து முடிவுகளை எடுப்பதாகும் (Analytical / Predictive AI). அது எந்தவொரு புதிய பொருளையும் உருவாக்குவதில்லை. * அது என்ன செய்கிறது? வகைப்படுத்துதல் (Classification), முன்கணிப்பு (Prediction) மற்றும் வடிவங்களைக் கண்டறிதல். * அரசுத்துறையில் பயன்பாடுகள்: வரி ஏய்ப்புகளைக் கண்டறிதல், போக்குவரத்து வேக வரம்பை மீறிய வாகனங்களின் எண்களைப் படித்தல், மற்றும் டெங்கு தொற்று பரவும் பகுதிகளை முன்கூட்டியே கணித்தல்.

இல்லாததைப் புதிதாக உருவாக்கும் ஆக்கபூர்வ AI

ஆக்கபூர்வ AI (Generative AI) என்பது வெறும் ஆய்வாளர் அல்ல, மாறாக முன்னர் இல்லாத புதிய ஒன்றை புதிதாக உருவாக்கும் (Synthesizes New Original Artifacts) ஆற்றல் கொண்ட நுண்ணறிவாகும். * அது என்ன செய்கிறது? புதிய கட்டுரைகளை எழுதுதல், குறியீடுகளை உருவாக்குதல், படங்களை உருவாக்குதல், அமைச்சரவை ஆவணங்களை வரைதல், சிக்கலான சட்டங்களைச் சுருக்குதல் மற்றும் நிர்வாகத் திட்டங்களைத் தயாரித்தல். * அரசுத்துறையில் பயன்பாடுகள்: ஒரு சுற்றறிக்கையைப் படித்து கிராம மக்களுக்குப் புரியும் எளிய மொழியில் விளக்குதல், பள்ளி மாணவர்களுக்கான உள்ளூர் பாடத்திட்டத்திற்கு ஏற்ற பயிற்சிப் தாள்களைத் தயாரித்தல், மற்றும் அமைச்சரவை ஒப்புதலுக்கான கொள்கைக் குறிப்புகளை வரைதல்.

ஆக்கபூர்வ AI-யால் உண்மையில் என்ன செய்ய முடியும்?

ஆக்கபூர்வ AI என்பது வெறும் உரையை மட்டும் உருவாக்கும் ஒரு சாட்போட் அல்ல. அது மனித உழைப்பு மற்றும் அறிவுப் பொருளாதாரத்தின் அனைத்துக் களங்களையும் மறுவடிவமைத்து வருகிறது.

படம் 2.8: ஆக்கபூர்வ AI-யின் முழுமையான திறன் வரைபடம் — அரசுத்துறை மற்றும் பொருளாதாரத்தின் 12 முக்கியத் துறைகளில் நிகழும் புரட்சி.

உரை, அறிவு மற்றும் மொழிபெயர்ப்பு

நிர்வாக அறிக்கைகள் மற்றும் அமைச்சரவை ஆவணங்களை நொடிகளில் வரைதல், அரசாங்கக் கோப்புகள் மற்றும் வர்த்தமானி அறிவிப்புகளைச் சுருக்குதல், மற்றும் தமிழ், சிங்களம், ஆங்கிலம் ஆகிய மும்மொழிகளிலும் அரசு அறிவிப்புகளைத் துல்லியமாக மொழிபெயர்த்து விளக்குதல். நீண்ட ஆவணங்களின் சிக்கலான தகவல்களை எளிய பொதுச் செய்திகளாக மாற்றும் தனித்துவமான ஆற்றல் இதில் உள்ளது.

காட்சி மற்றும் படைப்பு ஊடகம்

பொது சுகாதாரம் மற்றும் பேரிடர் மேலாண்மை விழிப்புணர்வு சுவரொட்டிகள், உத்தியோகபூர்வ வீடியோ ஆவணங்கள் மற்றும் தேர்வு வினாத்தாள்களுக்கான விளக்கப்படங்கள் மற்றும் வரைபடங்களைத் தானாக உருவாக்குதல்.

முகவர்சார் மற்றும் நிர்வாகச் செயல்பாடுகள்

சுயாதீனமான அலுவலக பணிப்பாய்வுகளை நிர்வகித்தல், அரசாங்க மின்னஞ்சல்கள் மற்றும் கடிதங்களை வகைப்படுத்தி உரிய துறைகளுக்கு அனுப்புதல், மற்றும் குடிமக்களின் முறைப்பாடுகளின் அவசரநிலையை உணர்ந்து உரிய அதிகாரிக்குத் தானாகப் பரிந்துரைத்தல்.

நிரலாக்கக் குறியீடு மற்றும் தொழில்நுட்பப் பொருட்கள்

அரசுத் தரவுத்தளங்களுக்கான SQL வினவல்களை (Queries) எழுதுதல், பழைய அரச மென்பொருட்களை (Legacy Systems) நவீனமயமாக்குதல், மற்றும் நிர்வாக செயல்முறைகளை தானியக்கமாக்கும் Python ஸ்கிரிப்ட்களை உருவாக்குதல்.

வணிகம், கொள்கை மற்றும் உத்தி

தேசிய கொள்கை ஆவணங்களின் சாத்தியக்கூறுகள் மற்றும் தாக்கங்களை மதிப்பிடுதல், உள் சுற்றறிக்கைகளின் முரண்பாடுகளைக் கண்டறிதல், மற்றும் அவசரகாலங்களில் எரிபொருள், மருந்து மற்றும் உணவு விநியோகச் சங்கிலிப் பாதைகளை உடனுக்குடன் மேம்படுத்துதல்.

மேம்பட்ட அறிவியல் மற்றும் பொருள் கண்டுபிடிப்பு

புதிய மருந்து மூலக்கூறுகள் மற்றும் புரதங்களை உருவாக்குதல், சூரிய மின்கலங்கள் மற்றும் பேட்டரிகளுக்கான புதிய பொருட்களை அணு அளவில் வடிவமைத்தல், மற்றும் அறிவியல் ஆய்வுக் கட்டுரைகளைப் படித்து உள்ளூர் வானிலை மற்றும் வெள்ள நிலவரங்களைத் துல்லியமாகக் கணித்தல்.

கல்வி மற்றும் தனிப்பயனாக்கப்பட்ட வழிகாட்டல்

சோக்ரட்டீஸ் பாணி பயிற்றுவித்தல் (Socratic Tutoring) மூலம் ஒவ்வொரு மாணவரின் கற்றல் வேகத்திற்கு ஏற்ப தனிப்பட்ட முறையில் வழிகாட்டுதல், உள்ளூர் சூழலுக்குப் பொருந்தும் பாடப்புத்தகங்களைத் தயாரித்தல், மற்றும் தேர்வில் தோல்வியடைவதற்கு முன்பே மாணவரின் கற்றல் பலவீனங்களைக் கண்டறிந்து நிவர்த்தி செய்தல்.

சுகாதாரம் மற்றும் துல்லிய மருத்துவம்

எக்ஸ்ரே மற்றும் எம்ஆர்ஐ ஸ்கேன் அறிக்கைகளில் நோயின் அறிகுறிகளை நொடிகளில் கண்டறிதல், நோயாளியின் மரபணுத் தகவல்களின் அடிப்படையில் மருந்து அளவை முடிவு செய்தல், மருத்துவக் குறிப்புகளைத் தானாக எழுதுதல், மற்றும் அவசர சிகிச்சைப் பிரிவில் தீவிரத்தன்மைக்கு ஏற்ப வரிசைகளை முறைப்படுத்துதல்.

உடற்கூறு AI மற்றும் இயற்பியல் ரோபோட்டிக்ஸ்

முன்பின் பார்த்திராத புதிய சூழல்களிலும் ரோபோக்கள் சுயாதீனமாக நகர்தல் (Zero-Shot Motor Control), நுட்பமான அறுவை சிகிச்சைகளுக்கான பார்வை-இயக்கத் துல்லியம், மெய்நிகர் கணினி உலகில் பயிற்சி பெற்று நிஜ உலகில் செயல்படுதல், மற்றும் தொழிற்சாலைகளில் மனித உருவ ரோபோக்களை ஈடுபடுத்துதல்.

இணையப் பாதுகாப்பு மற்றும் செயற்கைப் பாதுகாப்பு

அரசு அமைப்புகளின் பாதுகாப்பைச் சோதிக்க ஆக்கபூர்வ சிவப்புத் தொண்டர் தாக்குதல்களை (Generative Red Teaming) பாதுகாப்பாக நடத்துதல், கணினி குறியீடுகளைத் தானாக மாற்றி ஹேக்கர்களிடமிருந்து பாதுகாக்கும் பல்வடிவப் பாதுகாப்பு, போலி வீடியோக்களை அறிவியல் பூர்வமாகக் கண்டறிதல், மற்றும் டார்க் வெப் அச்சுறுத்தல்களை முன்கூட்டியே எச்சரித்தல்.

நிதி மற்றும் பொருளாதார உருவகப்படுத்துதல்

பாரிய உலகளாவிய நிதி வீழ்ச்சிகளின் போது தேசிய பொருளாதாரத்தின் மீள்தன்மையை அளவிடும் பிளாக் ஸ்வான் அழுத்தப் பரிசோதனை (Black Swan Stress-Testing), ஓய்வூதியம் மற்றும் சமூகப் பாதுகாப்பு வலைகளைக் குடிமக்களின் வருமானத்திற்கு ஏற்ப வடிவமைத்தல், மற்றும் சர்வதேச நிதி விதிகள் மாறும் போது உள்நாட்டு விதிகளை உடனுக்குடன் புதுப்பித்தல்.

பொழுதுபோக்கு, கலாச்சாரம் மற்றும் இடஞ்சார்ந்த உண்மை

புகைப்படங்களிலிருந்து வரலாற்று முக்கியத்துவம் வாய்ந்த இடங்களை முழுமையான 3D சூழல்களாகப் பாதுகாத்தல் (NeRF), குடிமக்களின் கேள்விகளுக்கு ஏற்ப மாறும் நேரடித் தகவல் தொடர்பு, மற்றும் வரலாற்றுத் தலைவர்களின் குரல் உணர்வுகளைப் பாதுகாத்து எதிர்கால சந்ததியினருக்குக் கையளித்தல்.

AI எங்கு நோக்கிப் பயணிக்கிறது: Generative, Agentic மற்றும் Embodied

மேலே உள்ள 12 துறைகளும் ஒரு குறிப்பிட்ட தருணத்தில் உள்ள திறன்களை மட்டுமே விவரிக்கின்றன. எதிர்காலத்தைத் திட்டமிடும் எந்தவொரு அதிகாரியும் கேட்க வேண்டிய மிக முக்கியமான கேள்வி என்னவென்றால், தொழில்நுட்பம் எங்கு நோக்கிப் பயணிக்கிறது என்பதுதான்.

படம் 2.9: AI மாற்றத்தின் மூன்று கட்டங்கள் — ஆக்கபூர்வ AI (உருவாக்குதல்), முகவர்சார் AI (செயல்படுத்துதல்) மற்றும் உருப்பெற்ற AI (நகர்த்துதல்).

முதல் கட்டம்: ஆக்கபூர்வம் (Generative) — உருவாக்குதல்

பெரும்பாலான மக்கள் இதுவரை அனுபவித்த கட்டம் இதுவாகும். கவனம்: உரை, படங்கள், இசை, வீடியோ மற்றும் அடிப்படைக் குறியீடுகளை உருவாக்குதல், யோசனைகளைச் செம்மைப்படுத்துதல் மற்றும் ஓர் அலுவலக உதவியாளராகச் செயல்படுதல். இதன் தனித்துவமான அம்சம் என்னவென்றால், முழுமையான கட்டுப்பாட்டு அதிகாரம் மனிதனிடமே இருப்பதுதான். ஒரு கேள்விக்கு ஒரு பதில் கிடைக்கிறது; அடுத்ததாக என்ன செய்ய வேண்டும் என்பதை மனிதனே தீர்மானிக்கிறான்.

இரண்டாம் கட்டம்: முகவர்சார் (Agentic) — செயல்படுத்துதல்

இது தற்போதைய தொழில்நுட்ப எல்லையாகும்; இது வெறும் அளவிலான முன்னேற்றம் அல்ல, தர ரீதியான மாற்றமாகும். கவனம்: முடிவுகளை எடுத்தல், பல கட்டத் திட்டங்களை உருவாக்குதல் மற்றும் பணிகளைத் தன்னிச்சையாக நிறைவு செய்தல். ஓர் அதிகாரி "இந்த அனுமதி விண்ணப்பத்தைச் சரிபார்த்து ஒப்புதலுக்காகத் தயார் செய்" என்று கூறும்போது, முகவர் தானாகவே தரவுத்தளத்தைச் சரிபார்த்து, கட்டணங்களைக் கணக்கிட்டு, தணிக்கைக் குறிப்பைத் தயாரித்து, கையொப்பமிடத் தயாரான கோப்பை மேசைக்குக் கொண்டுவருகிறது. இங்கு மனிதனின் பங்கு 'இயக்குபவர்' என்ற நிலையிலிருந்து 'ஒப்புதல் அளிப்பவர்' என்ற நிலைக்கு மாறுகிறது. படிக்காமல் கையெழுத்திடும் ஓர் அதிகாரி நேரத்தைச் சேமிக்கவில்லை; பொறுப்பேற்க முடியாத ஓர் இயந்திரத்திடம் தனது தீர்ப்பை ஒப்படைக்கிறார்.

மூன்றாம் கட்டம்: உருப்பெற்ற (Embodied) — நகர்த்துதல்

எதிர்கால எல்லை. கவனம்: பௌதிக உலகில் உள்ள பொருட்களை உணர்தல், நகர்த்துதல் மற்றும் கையாளுதல். மனித உருவ ரோபோக்கள், பேரிடர் மீட்பு ட்ரோன்கள், நகரங்களைத் தூய்மைப்படுத்தும் தானியங்கி அமைப்புகள் — அறிவாற்றல் வெறும் மூளை உழைப்புடன் மட்டுமன்றி உடல் உழைப்புடனும் இணைகிறது. இக்கட்டம் எப்போது முழுமை பெறும் என்பதில் கருத்து வேறுபாடுகள் இருந்தாலும், அதன் வருகை தவிர்க்க முடியாதது.

AI சுற்றுச்சூழல் அமைப்பின் 5 அடுக்குகள் — இலங்கை இதில் எங்கு பொருந்துகிறது?

NVIDIA நிறுவனத்தின் தலைமை நிர்வாக அதிகாரி ஜென்சன் ஹுவாங் (Jensen Huang) சுட்டிக்காட்டியபடி, செயற்கை நுண்ணறிவு அமைப்பு செயல்பட 5 அடிப்படை அடுக்குகள் (The 5 Layers of AI — From Energy to Intelligence) தேவைப்படுகின்றன. நமது நாடோ அல்லது நிறுவனமோ AI துறையில் என்ன செய்ய முடியும் என்ற பரந்த கேள்வியை, நாம் உண்மையில் எந்த அடுக்கில் போட்டியிட முடியும் என்ற திட்டவட்டமான கேள்வியாக மாற்ற இந்த வரைபடம் உதவுகிறது.

படம் 2.10: ஓர் AI அமைப்பின் 5 அடுக்குகள் — ஆற்றல், உள்கட்டமைப்பு, சிலிக்கான் சில்லுகள் (GPUs), அடித்தள மாதிரிகள் மற்றும் பயன்பாடுகள்.

அடுக்கு 1: ஆற்றல் மற்றும் மின்சாரக் கட்டமைப்பு

அடித்தளம் மற்றும் மேலே உள்ள அனைத்தையும் கட்டுப்படுத்தும் முதன்மைக் காரணி. பெரிய அளவில் நுண்ணறிவைச் செயலாக்குவதற்குப் பிரம்மாண்டமான மின்சாரமும் தீவிரமான வெப்பத் தணிப்பும் தேவைப்படுகின்றன. தொடர்ச்சியான, நிலையான மற்றும் புதுப்பிக்கத்தக்க ஆற்றல் இல்லாமல் ஓர் AI தரவு மையத்தை இயக்க முடியாது. உலகின் மிக உன்னதமான தொழில்நுட்பத்தின் முதல் முட்டுக்கட்டை மின்சார விநியோகமாக இருப்பது கவனிக்கத்தக்கது.

அடுக்கு 2: தரவு மையங்கள் மற்றும் உள்கட்டமைப்பு

AI தொழிற்சாலைகள் — நிலம், திரவத்தில் மூழ்கடிக்கும் குளிரூட்டும் அமைப்புகள் (Liquid Immersion Cooling) மற்றும் இயந்திரங்களுக்கிடையே வினாடிக்கு டெராபிட் வேகத்தில் தரவை நகர்த்தும் அதிவேக ஒளியியல் கேபிள்கள். இது கணினி அறிவியலுடன் குடிசார் பொறியியலையும் உள்ளடக்கியது; உலக மூலதனத்தின் பெரும்பகுதி இங்குதான் செலவிடப்படுகிறது.

அடுக்கு 3: மைக்ரோசிப்கள் மற்றும் GPU-கள்

AI-யின் முதன்மை எஞ்சின் — NVIDIA H100, B200 (Blackwell) போன்ற இணையான கணக்கீடுகளைச் செய்யும் டென்சர் செயலிகள். படம் 2.1-ல் குறிப்பிட்டபடி CPU-க்கு பதிலாக இணையான சில்லுகள் தேவைப்பட்டதற்கான காரணம் இதுவேயாகும். இன்று உலகளாவிய விநியோகச் சங்கிலியின் மிகக் குறுகிய இடத்தில் ஒருசில நிறுவனங்கள் ஆதிக்கம் செலுத்துவது இந்த அடுக்கில்தான்.

அடுக்கு 4: அடித்தள மாதிரிகள் (Foundation Models)

அமைப்பின் அறிவாற்றல் மூளை — டிரில்லியன் கணக்கான டோக்கன்களில் முன்கூட்டியே பயிற்சியளிக்கப்பட்ட பெரிய மொழி மாதிரிகள் (ChatGPT, Gemini, Claude, DeepSeek). புதிதாக ஒன்றை உருவாக்குவதற்கு நூற்றுக்கணக்கான மில்லியன் டாலர்களும் கீழ் மூன்று அடுக்குகளும் தேவைப்படுகின்றன. ஆனால் ஒன்றைப் பயன்படுத்துவதற்கு ஒரு வினவலுக்குச் சில ரூபாய்களே செலவாகிறது.

அடுக்கு 5: பயன்பாடுகள் (Applications)

தொழில்நுட்பம் பொருளாதார மதிப்பாக மாறும் ஒரே அடுக்கு — சுகாதாரம், விவசாயம், போக்குவரத்து, உற்பத்தி மற்றும் குடிமக்கள் சேவைகள். முதல் நான்கு அடுக்குகளில் எவ்வளவு இருந்தாலும், ஐந்தாவது அடுக்கில் ஒரு பயனுள்ள மென்பொருளை உருவாக்கும் வரை எந்தவொரு குடிமகனுக்கும் ஒரு ரூபாய் கூட பலன் கிடைக்காது. AI பற்றிய பொது விவாதங்கள் பெரும்பாலும் மதிப்பு உருவாகாத கீழ் அடுக்குகளிலேயே கவனம் செலுத்துவது துரதிர்ஷ்டவசமானது.

🇱🇰 இலங்கைக்கான யதார்த்தப் பார்வை

அரசு அதிகாரிகள் என்ற வகையில் நமது நாட்டின் உண்மையான வலிமையையும் பங்கையும் நாம் உணர வேண்டும்: * அடுக்கு 3 (சில்லுகள் தயாரிப்பு): 20 பில்லியன் டாலர் மதிப்புள்ள அதிநவீன சில்லுத் தொழிற்சாலைகளை (Fabs) அமைப்பது தற்போதைய நிலையில் இலங்கைக்கு சாத்தியமில்லை. * அடுக்கு 4 (புதிதாக அடித்தள மாதிரிகளை உருவாக்குதல்): நூற்றுக்கணக்கான மில்லியன் டாலர்களைச் செலவழித்து புதிதாக மாதிரிகளைப் பயிற்றுவிப்பது நமது முதன்மை முன்னுரிமை அல்ல. * நமது உண்மையான வாய்ப்பு அடுக்கு 5 (பயன்பாடுகள் - Applications) உள்ளேயே உள்ளது!

உலகின் வல்லரசு நாடுகள் சில்லுகளையும் மாதிரிகளையும் உருவாக்கினாலும், நமது நாட்டின் பிரதேச செயலக நிலப் பிரச்சினை, அஸ்வெசும நலன்புரி விநியோகம், கிராம உத்தியோகத்தர் சேவைகளை விரைவுபடுத்துதல் அல்லது தணிக்கை அறிக்கைகளை ஆய்வு செய்வதற்கான பயன்பாடுகளை நம்மால் மட்டுமே உருவாக்க முடியும். உலகில் உள்ள அதிநவீன மாடல்களைப் பயன்படுத்தி, இலங்கையின் நடைமுறைப் பிரச்சினைகளைத் தீர்க்கும் தயாரிப்புப் பொறியியல் (Product Engineering) மனநிலையுடன் பயன்பாடுகளை உருவாக்குவதே நமது தேசியக் கடமையாகும். அதே நேரத்தில் பசுமை ஆற்றலையும் (அடுக்கு 1) உள்ளூர் தரவு மையங்களையும் (அடுக்கு 2) வலுப்படுத்துவது நமது டிஜிட்டல் இறையாண்மைக்கு அவசியமானது.

அடுத்த அத்தியாயத்தில், இந்த மாதிரிகளுக்குள் இருக்கும் டிரான்ஸ்ஃபார்மர் மூளை, டோக்கனாக்கம், மற்றும் உயர்தர ஒருங்கிணைந்த கணிதம் ஆகியவை AI உடன் எவ்வாறு இணைகின்றன என்பதை விரிவாக ஆராய்வோம்.