AI குறித்து Big Four உடன் பேசத் தொடங்கியபோது நாங்கள் கற்றுக்கொண்டவை

Muhammed Gider
3 நிமிட வாசிப்பு • 
Big Four வங்கிப் பணிச்செயல்முறைகளில் AI-ஐ செயல்படுத்தியபோது, உண்மையான முட்டுக்கட்டை கருவிகள் அல்ல, சிந்தனைச் சுமைதான் என்பதைக் கண்டறிந்தோம். தானியக்கத்தை நோக்கி உருவாக்குவதை நிறுத்திவிட்டு, மனிதர்களின் மதிப்பீட்டுத் திறனைப் பரந்த அளவில் ஆதரிக்கும் வகையில் உருவாக்கத் தொடங்கியபோது என்ன மாறியது என்பதை இங்கே பார்க்கலாம்.

AI குறித்து Big Four உடன் முதன்முதலில் பேசத் தொடங்கியபோது, உரையாடல்கள் வியக்கத்தக்க வேகத்தில் முன்னேறின. நீண்ட அறிமுகம் தேவைப்படவில்லை; AI ஏன் முக்கியம் என்று விளக்க வேண்டிய அவசியமும் இருக்கவில்லை. நிறுவனப் பங்குதாரர்களும் மூத்த ஆலோசகர்களும் தங்கள் நேரம் உண்மையில் எதில் செலவாகிறது என்பதைப் பற்றிக் கிட்டத்தட்ட உடனடியாகப் பேசத் தொடங்கினர். முடிவெடுப்பதிலோ ஆழமான புரிதலைப் பெறுவதிலோ அல்ல, தயாரிப்புப் பணிகளில்தான். வெவ்வேறு அமைப்புகளிலிருந்து தரவுகளைத் திரட்டுவது. எண்களை ஒத்திசைப்பது. முடிவுகள் எதை உணர்த்துகின்றன என்று யாரும் சிந்திக்கத் தொடங்குவதற்கு முன்பே, பகுப்பாய்வுகள் நிறுவனத்தின் உள்தரங்களுக்கு ஏற்ப உள்ளனவா என்பதை உறுதிசெய்வது.

எங்கள் கவனத்தை ஈர்த்தது, இந்தப் பணிகளில் எதுவும் மதிப்பு குறைந்தவை அல்ல என்பதுதான். அவை அவசியமானவை. ஆனால் சோர்வூட்டுபவையாகவும் இருந்தன. மிகுந்த அனுபவமுள்ளவர்கள், உண்மையான சிந்தனையைத் தொடங்கக்கூடிய நிலையை எட்டுவதற்கே தங்கள் நாளின் பெரும்பகுதியைச் செலவிட்டுக்கொண்டிருந்தனர்.

உரையாடல்கள் தொடர்ந்தபோது, AI பங்காற்றக்கூடிய பல டஜனுக்கும் மேற்பட்ட செயல்முறைகளை அவர்கள் அடையாளம் கண்டனர். அறிக்கையிடல், விதிமுறைகளுக்கு இணங்குதல், நிதிக் கட்டுப்பாடுகள், வரிப் பகுப்பாய்வு, உள் மதிப்பாய்வுகள். மேலோட்டமாகப் பார்த்தால், இது ஒரு வழக்கமான தானியக்கப் பிரச்சினையாகத் தோன்றியது. ஆனால் அது அப்படியில்லை.

இந்தச் செயல்முறைகளில் பெரும்பாலானவற்றில் ஏற்கெனவே கருவிகளும் வார்ப்புருக்களும் ஓரளவு தானியக்கமும் இருந்தன. அனைத்தையும் தாமதப்படுத்தியவை படிகளுக்கு இடையில் இருந்தன. ஒரு பணிச்சூழலிலிருந்து மற்றொன்றுக்கு மாறுவது. வெவ்வேறு வெளியீடுகளை ஒப்பிட்டுச் சரிசெய்வது. சிதறிக்கிடக்கும் தகவல்களை மதிப்பிடும்போது ஒரே சீரான அணுகுமுறையைப் பின்பற்றுவது. உண்மையில் இழக்கப்பட்டது நேரம் மட்டுமல்ல; சிந்தனைச் சுமையும் அதிகரித்தது.

அப்போதுதான் பிரச்சினையை அணுகிய விதம் மாறியது.

AI ஒரு வேலையைத் தொடக்கம் முதல் முடிவு வரை எப்படிச் செய்ய முடியும் என்று கேட்பதற்குப் பதிலாக, அந்த வேலையைச் செய்பவர்களுக்கு அது எப்படி உதவ முடியும் என்று கேட்கத் தொடங்கினோம். கட்டுப்பாட்டை அவர்களிடமிருந்து பறிக்காமல், ஆற்றலை உறிஞ்சும் பகுதிகளை AI கையாள முடிந்தால் எப்படி இருக்கும்? கட்டமைக்கப்பட்ட வரைவுகளைத் தயாரித்து, முரண்பாடுகளை வெளிக்கொணர்ந்து, தான் எவ்வாறு ஒரு முடிவுக்கு வந்தது என்பதையும் தெளிவாகக் காட்ட முடிந்தால்? அதன் மூலம் நிபுணர்கள் தயாரிப்புப் பணிகளுக்குப் பதிலாக மதிப்பீட்டில் கவனம் செலுத்த முடிந்தால்?

இந்த அணுகுமுறை நடைமுறைக்கு வந்ததும், அதன் தாக்கம் தெளிவாகத் தெரிந்தது.

அனைத்து அணிகளிலும், மீண்டும் மீண்டும் செய்யப்படும் பகுப்பாய்வுப் பணிகளை முடிக்கத் தேவைப்படும் நேரம் 80 முதல் 90 சதவீதம் வரை குறைந்தது. கையால் செய்யும்போது ஏற்படும் பிழைகள், குறிப்பாகத் தரவுகளை ஒப்பிட்டுச் சரிசெய்யும் வேலை அதிகமுள்ள செயல்முறைகளில், பெருமளவில் குறைந்தன. அதே அளவு முக்கியமாக, முன்பு ஒரே வேலையைச் சற்றே வேறுபட்ட முறைகளில் அணுகிய அணிகளின் வெளியீடுகள் மேலும் சீரானவையாக மாறின. சராசரியாக, ஆலோசகர்களுக்கு மாதம் சுமார் 40 முதல் 50 மணி நேரம் மீண்டும் கிடைத்தது; அதை இப்போது அதிக மதிப்புள்ள சிந்தனைக்குச் செலவிட முடிந்தது.

ஆனால் மிகவும் சுவாரஸ்யமான மாற்றம் எண்களில் இல்லை.

மக்கள் தங்கள் வேலையைப் பற்றிப் பேசிய விதத்தில்தான் அது இருந்தது. மதிப்பாய்வுகள் மேலும் அமைதியாக நடந்தன. விவாதங்கள் மேலும் தெளிவான கவனத்துடன் நடந்தன. மூத்த மதிப்பாய்வாளர்கள் எல்லாம் சரியாக இருக்கிறதா என்பதைச் சரிபார்ப்பதில் குறைந்த நேரத்தையும், முடிவுகள் உண்மையில் எதை உணர்த்துகின்றன என்பதை விவாதிப்பதில் அதிக நேரத்தையும் செலவிட்டனர்.

காலப்போக்கில், மக்கள் பயன்படுத்த வேண்டிய ஒரு கருவியாக இந்த அமைப்பு தோன்றவில்லை. முடிவுகள் எப்படி எடுக்கப்படுகின்றன என்பதை அமைதியாக உள்வாங்கி, எதிர்காலப் பகுப்பாய்வுகளில் அதை மீண்டும் பிரதிபலிக்கும் ஒரு பொதுவான பணிமுறையாகத் தோன்றத் தொடங்கியது.

நாங்கள் நீண்ட காலமாக நம்பிவந்த ஒரு கருத்தையும் இந்த அனுபவம் வலுப்படுத்தியது. இன்னும் பொதுவான நுண்ணறிவை நோக்கிய முன்னேற்றம், சிக்கலான துறைகளில் நிபுணர்களை மாற்ற முயலும் அமைப்புகளிலிருந்து வராது. நிபுணர்களின் சிந்தனைக்கு இடையூறாக இருப்பவற்றைக் குறைத்து, அந்தச் சிந்தனையின் ஆற்றலை மேம்படுத்தும் அமைப்புகளிலிருந்துதான் வரும்.

இந்தக் கூட்டுப்பணிகளில், AI தன்னிச்சையாகச் செயல்பட்டதால் அல்ல, இணைந்து செயல்பட்டதால்தான் மதிப்பை உருவாக்கியது. அது மக்களுக்குப் பதிலாக முடிவுகளை எடுக்கவில்லை. அவர்கள் சிறந்த முடிவுகளை இன்னும் விரைவாக எடுக்க உதவியது.

AGI போன்ற அமைப்புகள் முதலில் எங்கு முக்கியப் பங்காற்றும் என்பதற்கான ஆரம்ப அறிகுறி ஏதேனும் இருந்தால், அது இங்குதான். முழுமையான தானியக்கத்தில் அல்ல; மனிதர்களின் தீர்மானத் திறனுக்குப் பெருமளவில் துணைபுரிவதில்.

தானியக்கத்திலிருந்து திறனைப் பெருக்குவதை நோக்கிய அந்த மாற்றம்தான் வித்தியாசத்தை ஏற்படுத்தியது.

Dvina-வில் சேருங்கள்

இலவசமாகப் பதிவுசெய்து, உங்கள் கருவிகள் அனைத்தையும் ஒரே எளிய பணித்தளத்தில் ஒன்றிணையுங்கள்.

மேலும் ஆராயுங்கள்