கடந்த பத்தாண்டுகளாக, செயற்கை நுண்ணறிவு பெரும்பாலும் ஒரு திரையிலேயே இயங்கி வந்தது. அது கேள்விகளுக்குப் பதிலளித்தது, வாக்கியங்களை நிறைவு செய்தது, படங்களை வரிசைப்படுத்தியது, மற்றும் அடுத்துப் பார்ப்பதற்குரியவற்றைப் பரிந்துரைத்தது. அந்த சகாப்தம் முடிவுக்கு வருகிறது. செயற்கை நுண்ணறிவின் அடுத்த அலைக்குக் கைகள், சக்கரங்கள், சுழலிகள் மற்றும் உணர்விகள் உள்ளன — மேலும் அது கிடங்குகள், மருத்துவமனைகள், பண்ணைகள் மற்றும் நகர வீதிகளில் நம்பகத்தன்மையுடன் செயல்படுமாறு கேட்டுக்கொள்ளப்படுகிறது. இது உடல் AIநிஜ உலகில் உணர்ந்து, முடிவெடுத்து, செயல்பட்டு, பின்னர் சற்று முன்பு நடந்தவற்றிலிருந்து கற்றுக்கொள்ளும் நுண்ணறிவு. இது தானியங்கி கார்கள், மனித உருவ உதவியாளர்கள் மற்றும் தொழில்துறை முழுவதும் வெளிப்படும் தன்னாட்சி நுண்ணறிவு ஆகியவற்றின் அடியில் உள்ள ஒரு அமைதியான அடுக்கு ஆகும். மேலும், அது சார்ந்திருக்கும் அடித்தளம் சில்லுகளோ அல்லது கிளவுட் உள்கட்டமைப்போ அல்ல — பௌதீக உலகம் உண்மையில் எவ்வாறு செயல்படுகிறது என்பதை இயந்திரங்களுக்குக் கற்பிக்கும் தரவுகளே அதன் அடித்தளம்.
பௌதீக செயற்கை நுண்ணறிவை அதற்கு முந்தைய அனைத்திலிருந்தும் வேறுபடுத்துவது எது?
உருவாக்கச் செயற்கை நுண்ணறிவு மாதிரிகள், இணையத்திலிருந்து எடுக்கப்பட்ட உரை மற்றும் படங்களைக் கொண்டு பயிற்சி அளிக்கப்படுகின்றன. அவை வாக்கியங்கள், படங்கள், குறியீடு போன்ற வெளியீடுகளை உருவாக்குகின்றன, அத்துடன் அவற்றின் வேலை முடிந்துவிடுகிறது. மற்றொரு முனையில் உள்ள பாரம்பரிய ரோபோக்கள், இறுக்கமாகக் கட்டுப்படுத்தப்பட்ட சூழல்களில், துல்லியமாகத் திட்டமிடப்பட்ட வழிமுறைகளைப் பின்பற்றுகின்றன. இயற்பியல் செயற்கை நுண்ணறிவு முற்றிலும் வேறுபட்ட ஒரு வகையைச் சேர்ந்தது. அது ஒரு சுழற்சியை நிறைவு செய்கிறது: சூழலை உணர்ந்து, அதைப் புரிந்துகொண்டு, அதற்கேற்பச் செயல்பட்டு, நடந்தவற்றின் அடிப்படையில் அடுத்த செயலைச் செம்மைப்படுத்துகிறது. அந்தச் சுழற்சியானது உராய்வு, தாமதம், பகுதி உணரிச் செயலிழப்பு, கணிக்க முடியாத மனிதர்கள் மற்றும் இயற்பியல் விதிகள் ஆகியவற்றின் கீழ் இயங்க வேண்டும். ஒரு உருவாக்கச் செயற்கை மாதிரியால் மாயத்தோற்றங்களைத் தாங்கிக்கொள்ள முடியும். ஒரு ஃபோர்க்லிஃப்டால் முடியாது.
| பரிமாணத்தை | பாரம்பரிய / உருவாக்க செயற்கை நுண்ணறிவு | உடல் AI |
|---|---|---|
| இயங்குகிற சூழ்நிலை | டிஜிட்டல், நிலையான தரவுத்தொகுப்புகள் | பௌதீக உலகம், இயக்கவியல் நிலைமைகள் |
| உள்ளீடுகள் | உரை, படங்கள், ஒலி | பல்வகை உணரித் தரவுகள் — பார்வை, லிடார், ஆழம், ஒலி, தொடு உணர்வு, IMU |
| வெளியீடு | கணிப்புகள், உள்ளடக்கம், பரிந்துரைகள் | இயக்கிகள் மற்றும் கட்டுப்பாடுகள் வழியாக நிஜ உலகச் செயல்பாடுகள் |
| தோல்வி செலவு | குறைந்த முதல் மிதமான | உயர் — பாதுகாப்பு, உபகரணங்கள், மக்கள் |
| கருத்து வளையம் | தொகுதி மறுபயிற்சி | தொடர்ச்சியான உணர்தல்-முடிவெடுத்தல்-செயல்படுதல்-கற்றல் |
தரவு ஏன் உண்மையான பௌதீக செயற்கை நுண்ணறிவு அடித்தளமாக விளங்குகிறது?
ஒரு நடுத்தர அளவிலான தளவாட நிறுவனம், மூன்று கிடங்குகளில் தானியங்கிப் பொருட்களைப் பிரித்தெடுக்கும் இயந்திரங்களை இயக்குவதாகக் கற்பனை செய்து பாருங்கள். விற்பனையாளருக்கான செயல்விளக்கத்தில் அந்த ரோபோக்கள் மிகச் சிறப்பாகச் செயல்படுகின்றன — ஒரே மாதிரியான வெளிச்சம், ஒரே மாதிரியான தட்டு உயரங்கள், ஒரே மாதிரியான வழித்தடக் குறியீடுகள். உண்மையான செயல்பாட்டின் இரண்டாம் வாரத்தில், செயல்திறன் சரிந்துவிடுகிறது. ஒரு கிடங்கில் உள்ள பளபளப்பான எப்பாக்சித் தரைகள், ஆழம் கண்டறியும் கருவிகளைக் குழப்புகின்றன. மற்றொன்றில், அதன் புலனுணர்வு மாதிரி இதுவரை கண்டிராத, பாதி நசுக்கப்பட்ட அட்டைப் பெட்டிகள் அடுக்கப்பட்டுள்ளன. மூன்றாவது கிடங்கு, வேறுபட்ட வெளிச்சத்தில் இரண்டாவது ஷிப்டை இயக்குகிறது. அதன் அடிப்படையான மாதிரி தவறானதல்ல. அது இன்னும் உலகைச் சந்திக்கவில்லை, அவ்வளவுதான்.
ஒவ்வொரு பிசிக்கல் ஏஐ குழுவும் இறுதியில் எதிர்கொள்ளும் யதார்த்தம் இதுதான். பயிற்சித் தரவுகளைச் சேகரித்து, நகலெடுத்து, மலிவாக மீண்டும் பயன்படுத்தக்கூடிய டிஜிட்டல் ஏஐ போலல்லாமல், பிசிக்கல் ஏஐ மாடல்களுக்கு, உண்மையான சூழல்களின் சிக்கலான தன்மைகளைப் படம்பிடிக்கும் நோக்கத்திற்காகச் சேகரிக்கப்பட்ட பலவகைத் தரவுகள் தேவைப்படுகின்றன — மாறுபட்ட ஒளி அமைப்பு, வானிலை, மறைப்பு, தேய்மான வடிவங்கள், விளிம்புநிலை நிகழ்வுகள் மற்றும் அரிதான சம்பவங்கள் போன்றவை. அந்தத் தரவை உருவாக்குவது மெதுவானதும் செலவு மிக்கதும் ஆகும். இதனால்தான், இந்தத் துறையில் மிக வேகமாகச் செயல்படும் நிறுவனங்கள் தங்கள் தரவுகளைக் கவனமாகக் கையாளுகின்றன. இயற்பியல் AI தரவு பைப்லைன் இதை ஒரு துணைத் திட்டமாகக் கருதாமல், ஒரு முதன்மைத் திறனாகக் கருத வேண்டும். தரவு அடித்தளம் வலுவாக இருக்கும்போது, அதற்கு மேலுள்ள ஒவ்வொரு அடுக்கான — புலனுணர்வு, பகுத்தறிவு, செயல்பாடு, பாதுகாப்பு — ஆகியவை பயனடைகின்றன. அது பலவீனமாக இருக்கும்போது, ஒவ்வொரு அடுக்கிலும் அந்தப் பலவீனம் தொற்றிக்கொள்கிறது.
உற்பத்திக்குத் தயாரான இயற்பியல் செயற்கை நுண்ணறிவு அமைப்பின் நான்கு தூண்கள்
ஒரு திறமையான இயற்பியல் செயற்கை நுண்ணறிவு அமைப்பு, ஒன்றோடொன்று இணைக்கப்பட்ட நான்கு தூண்களின் மீது இயங்குகிறது. அவற்றில் ஏதேனும் ஒன்றில் போதிய முதலீடு செய்யாவிட்டால், முழு அமைப்பும் ஆட்டம் காணும்.
- பன்முறைமைப் புலனுணர்வுத் தரவு. ஒரு இயந்திரம் முடிவெடுப்பதற்கு அல்லது செயல்படுவதற்கு முன்பு, அது பார்க்க வேண்டும். அதாவது, ஸ்டீரியோ கேமராக்கள், லிடார், ரேடார், ஆழம் உணர்விகள், மைக்ரோஃபோன்கள், IMU-கள், மற்றும் சில சமயங்களில் விசை அல்லது தொடு உணர்விகள் — இவை அனைத்தும் நேரத்துடன் ஒத்திசைக்கப்பட்ட தரவுத் தொடர்களை உருவாக்குகின்றன. இதைச் சரியாகச் செய்வது ஒரு அமைப்பு சார்ந்த சிக்கலாகும்: உணர்விகளைப் பொருத்துதல், அளவுத்திருத்தம் செய்தல், ஒத்திசைத்தல், மற்றும் அந்த அமைப்பு உண்மையில் எதிர்கொள்ளும் நீண்ட தொடர் நிகழ்வுகளைப் பதிவுசெய்யும் திறன் ஆகியவை இதில் அடங்கும். பெரும்பாலான உற்பத்தித் தரக் குழுக்கள், தங்களுக்குள்ளேயே இருக்கும் கருவிகளின் தொகுப்பை ஒரு சிறப்பு நிபுணருடன் இணைக்கின்றன. தரவு சேகரிப்பு கூட்டாளர் அவர்களின் மாதிரிகளுக்குத் தேவையான புவியியல், மக்கள்தொகை மற்றும் சுற்றுச்சூழல் பன்முகத்தன்மையைச் சென்றடைவதற்கு.
- உருவகப்படுத்துதல் மற்றும் செயற்கை தரவு. நிஜ உலகப் பதிவுகளால் மட்டும் போதுமான அரிதான நிகழ்வுகளை உருவாக்க முடியாது. ஆயிரக்கணக்கான பாதசாரிகள் மயிரிழையில் தப்பிக்கும் காட்சிகளைப் பாதுகாப்பாக அரங்கேற்றவோ அல்லது ஒரு அறுவை சிகிச்சை ரோபோ எதிர்கொள்ளக்கூடிய ஒவ்வொரு ஒளி நிலையையும் படம்பிடிக்கவோ முடியாது. உருவகப்படுத்துதல் அந்த இடைவெளியை நிரப்புகிறது. உயர்-துல்லியமான இயற்பியல் என்ஜின்கள், டிஜிட்டல் இரட்டைகள் மற்றும் உலக அடித்தள மாதிரிகள் இப்போது, இயற்பியல் செயற்கை நுண்ணறிவு மாதிரிகளுக்கு முன்-பயிற்சி அளிக்கவும் அவற்றின் திறனைச் சோதிக்கவும், விளிம்புநிலை நிகழ்வுகள் உட்பட செயற்கையான சூழ்நிலைகளை உருவாக்குகின்றன. செயற்கை மற்றும் நிஜத் தரவுகளைக் கலப்பதன் மூலம் சிறந்த முடிவுகள் கிடைக்கின்றன, இதனால் மாதிரி இரண்டில் ஒன்றுக்கு மிகையாகப் பொருந்திவிடாது.
- பெரிய அளவிலான தரவு உண்மை விளக்கக் குறிப்பு. பெரும்பாலான இயற்பியல் செயற்கை நுண்ணறிவுத் திட்டங்கள் இங்குதான் தடைபடுகின்றன. மூல உணரித் தரவுகளில் துல்லியமான குறியீடுகள் — அதாவது முப்பரிமாண எல்லைப் பெட்டிகள், சொற்பொருள் பிரிப்பு, பாதைக்கோடுகள், எலும்புக்கூடு நிலைகள், தற்காலிக நிகழ்வு எல்லைகள், பல்வேறு முறைகளிலான உணரி இணைவு போன்றவை — இருக்கும் வரை, அவை பயிற்சித் தரவுகளாகாது. குறிப்பீட்டை ஒரு ஓட்டுநர் பயிற்சிப் பள்ளியைப் போல நினைத்துப் பாருங்கள்: ஒரு மாணவர் ஓட்டுநர் காணொளிகளைப் பார்த்து கற்றுக்கொள்வதில்லை; மாறாக, ஒரு பயிற்றுவிப்பாளர் பாதசாரி என்றால் என்ன, வழிவிடு குறியீட்டின் அர்த்தம் என்ன, மற்றும் "மிக அருகில்" என்பது எப்படி இருக்கும் என்பதைத் திரும்பத் திரும்பவும் தொடர்ச்சியாகவும் சுட்டிக்காட்டுவதால்தான் அவர் கற்றுக்கொள்கிறார். இயற்பியல் செயற்கை நுண்ணறிவு மாதிரிகளும் இதே வழியில்தான் கற்றுக்கொள்கின்றன, மேலும் அந்தப் பயிற்சியின் தரமே அதன் கீழ்நிலையில் உள்ள அனைத்திற்கும் உச்சவரம்பை நிர்ணயிக்கிறது. பெரிய அளவில் செயல்படுவதில் தீவிரமாக இருக்கும் குழுக்கள் பொதுவாக ஒரு பிரத்யேக வழிகாட்டியைச் சார்ந்திருக்கின்றன. தரவு குறிப்பு பணிப்பாய்வு தற்காலிக லேபிளிங்கிற்குப் பதிலாக பல அடுக்கு தரக் கட்டுப்பாட்டுடன்.
- தொடர்ச்சியான கற்றல் சுழற்சி. ஒருமுறை செயல்படுத்தப்பட்டதும், இயற்பியல் செயற்கை நுண்ணறிவு அமைப்புகள் வெற்றிகள், நூலிழையில் தப்பிய நிகழ்வுகள், உண்மையான தோல்விகள் போன்ற செயல்பாட்டுத் தரவுகளைத் தொடர்ந்து உருவாக்குகின்றன. அந்தத் தரவுகள் மறுபயிற்சி, உருவகப்படுத்துதலைப் புதுப்பித்தல் மற்றும் இலக்கு சார்ந்த மறு-குறிப்புரையிடல் ஆகியவற்றிற்குப் பயன்படுகின்றன. இந்தச் சுழற்சியை நிறைவு செய்யும் நிறுவனங்கள், பெருகிவரும் மேம்பாடுகளைக் காண்கின்றன. அவ்வாறு செய்யாத நிறுவனங்கள், பொதுவெளியில் ஏதேனும் ஒரு சிக்கல் ஏற்படும் வரை செயல்திறன் அமைதியாகக் குறைவதைக் கவனித்துக்கொண்டே இருக்கின்றன.
இயற்பியல் செயற்கை நுண்ணறிவு ஏற்கனவே செயல்படும் இடங்களில்
இந்தத் தொழில்நுட்பம் வெறும் கற்பனையானது அல்ல. தன்னாட்சி வாகனங்கள், நகர்ப்புறக் காட்சிகளைப் புரிந்துகொள்ளவும் கட்டுமானப் பகுதிகளைக் கையாளவும் பார்வை-மொழி-செயல் மாதிரிகளைப் பயன்படுத்துகின்றன. மனித உருவ ரோபோக்களும் நகரும் ரோபோக்களும் கிடங்குகளுக்குள் நுழைந்து, பொருட்களை நகர்த்தி, மீண்டும் இருப்பு வைப்பதற்கு உதவுகின்றன. அறுவை சிகிச்சை தளங்கள், துல்லியமான செயல்முறைகளுக்கு உதவுவதற்காக உருவகப்படுத்துதலில் பயிற்சி அளிக்கப்படுகின்றன. மனிதக் குழுக்களுக்குப் பாதுகாப்பற்ற சூழ்நிலைகளில், ட்ரோன்கள் காற்றாலைகள், குழாய்கள் மற்றும் மின் கடத்திப் பாதைகளை ஆய்வு செய்கின்றன. விவசாயத் தளங்கள், ஒவ்வொரு செடியின் துல்லியத்துடன் களையெடுத்தல், மருந்து தெளித்தல் மற்றும் அறுவடை செய்தல் போன்ற பணிகளைச் செய்கின்றன. பரவலாக மேற்கோள் காட்டப்படும் ஒரு மதிப்பீட்டின்படி, செயற்கை நுண்ணறிவால் இயங்கும் ரோபோக்களும் முகவர்களும், இந்த தசாப்தத்தின் முடிவில் வளர்ந்த பொருளாதாரங்களில் ஆண்டுதோறும் டிரில்லியன் கணக்கான டாலர் மதிப்பை உருவாக்கக்கூடும் (ஆதாரம்: மெக்கின்சி, 2024). இந்த ஒவ்வொரு துறையிலும் உள்ள பொதுவான அம்சம்: சிறந்த மாதிரிகளை மட்டுமல்ல, சிறந்த தரவுகளையும் கொண்ட நிறுவனங்களே முன்னேறிச் செல்கின்றன.
முடிவுரை — டிஜிட்டல் நுண்ணறிவிலிருந்து தன்னாட்சி நுண்ணறிவு வரை
பௌதீக செயற்கை நுண்ணறிவு என்பது, செயற்கை நுண்ணறிவு என்பது நீங்கள் திறந்து பார்க்கும் ஒரு கருவியாக இருப்பதை நிறுத்தி, உங்களைச் சுற்றியுள்ள இயந்திரங்களில் பொதிந்துள்ள ஒரு திறனாக மாறத் தொடங்கும் புள்ளியாகும். இந்த மாற்றம் படிப்படியானதல்ல. இது தொழில்துறைகள் செயல்படும் விதத்தையும், பாதுகாப்பு வடிவமைக்கப்படும் விதத்தையும், மதிப்பு உருவாக்கப்படும் விதத்தையும் மாற்றியமைக்கிறது. கட்டமைப்பு முறைகள், கணக்கீடு மற்றும் அடித்தள மாதிரிகள் ஆகிய அனைத்தும் முக்கியமானவைதான் — ஆனால், தரவை ஒரு உத்திசார் உள்கட்டமைப்பாகக் கருதும் அணிகளே இந்தத் தசாப்தத்தில் வெற்றி பெறும். பன்முறைத் தரவு சேகரிப்பு, உருவகப்படுத்துதல், குறிப்பீடு மற்றும் பின்னூட்டச் சுழற்சி ஆகியவை துணைச் செயல்பாடுகள் அல்ல. அவையே தன்னாட்சி நுண்ணறிவு கட்டியெழுப்பப்படும் அடித்தளமாகும்.
இயற்பியல் செயற்கை நுண்ணறிவு என்றால் எளிமையாக என்ன?
பௌதீக செயற்கை நுண்ணறிவு என்பது, உணர்விகள் மற்றும் இயக்கிகள் மூலம் நிஜ உலகில் உணர்ந்து, முடிவெடுத்து, செயல்படும் ஒரு செயற்கை நுண்ணறிவு ஆகும். உரை அல்லது படங்களை உருவாக்கும் இலக்கமுறை செயற்கை நுண்ணறிவைப் போலல்லாமல், பௌதீக செயற்கை நுண்ணறிவு, பௌதிகச் சூழல்களுடன் நேரடியாகத் தொடர்பு கொள்ளும் ரோபோக்கள், தன்னாட்சி வாகனங்கள், ட்ரோன்கள் போன்ற இயந்திரங்களுக்கு ஆற்றலை வழங்குகிறது.
இயற்பியல் செயற்கை நுண்ணறிவு, உருவாக்கச் செயற்கை நுண்ணறிவிலிருந்து எவ்வாறு வேறுபடுகிறது?
உருவாக்கச் செயற்கை நுண்ணறிவு (Generative AI) இலக்கமுறை உள்ளீடுகளிலிருந்து இலக்கமுறை வெளியீடுகளை உருவாக்குகிறது. பௌதீகச் செயற்கை நுண்ணறிவு (Physical AI), பௌதீக உலகில் 'உணர்ந்து-முடிவெடுத்து-செயல்பட்டு-கற்றுக்கொள்' என்ற சுழற்சியை நிறைவு செய்கிறது. இதன் பொருள், உருவாக்கச் செயற்கை நுண்ணறிவு எதிர்கொள்ளாத நிகழ்நேரக் கட்டுப்பாடுகள், உணரி இரைச்சல், இயற்பியல் மற்றும் பாதுகாப்பு விளைவுகள் போன்றவற்றை அது கையாள வேண்டியுள்ளது.
இயற்பியல் செயற்கை நுண்ணறிவுக்கு ஏன் இவ்வளவு பயிற்சித் தரவுகள் தேவைப்படுகின்றன?
பௌதீகச் சூழல்கள் ஒளி, வானிலை, மேற்பரப்புகள், பொருள்கள், மனித நடத்தை, விளிம்புநிலை நிகழ்வுகள் எனப் பெருமளவில் பன்முகத்தன்மை வாய்ந்தவை. மாதிரிகள் தாங்கள் செயல்விளக்கம் அளிக்கப்பட்ட சூழல்களுக்கு அப்பால் நம்பகத்தன்மையுடன் பொதுமைப்படுத்த, அவற்றுக்குப் பெருமளவிலான, துல்லியமாகக் குறியிடப்பட்ட, பல்வகைப்பட்ட தரவுகள் தேவைப்படுகின்றன.
உருவகப்படுத்துதல் என்ன பங்கு வகிக்கிறது?
உருவகப்படுத்துதல், நிஜ உலகில் செயல்படுத்துவதற்கு நடைமுறைக்குச் சாத்தியமில்லாத, அரிதான அல்லது ஆபத்தானவை உட்பட, பாதுகாப்பான மற்றும் மீண்டும் மீண்டும் செய்யக்கூடிய பயிற்சிச் சூழல்களை வழங்குகிறது. இது நிஜ உலகத் தரவுகளுக்கு மாற்றாக அல்லாமல், அவற்றுடன் இணைந்து செயல்படும்போது சிறப்பாகப் பலனளிக்கிறது.
எந்தத் தொழில்துறைகள் இயற்பியல் செயற்கை நுண்ணறிவை முதலில் ஏற்றுக்கொள்கின்றன?
தானியங்கி வாகனங்கள், கிடங்கு மற்றும் தொழிற்சாலை ரோபோட்டிக்ஸ், பாதுகாப்பு மற்றும் ஆய்வு ட்ரோன்கள், விவசாயம், அறுவை சிகிச்சை மற்றும் துணை சுகாதார ரோபோட்டிக்ஸ், மற்றும் தளவாடங்கள் ஆகியவை இன்று இத்துறைகளில் முன்னணியில் உள்ளன; இவற்றுடன், மனித உருவ ரோபோட்டிக்ஸ் அடுத்தகட்டமாக வேகமாக வளர்ந்து வருகிறது.
