இன்டராக்டிவ் இயந்திரங்களை செயல்படுத்துதல்: 2025 வழிகாட்டி

2025இல் இன்டராக்டிவ் இயந்திரங்களின் பரிணாம வளர்ச்சி மற்றும் எழுச்சி

இன்டராக்டிவ் இயந்திரங்களையும் அவற்றின் தொழில்நுட்ப பரிணாம வளர்ச்சியையும் புரிந்து கொள்ளுதல்

இன்டராக்டிவ் இயந்திரங்கள் என்பது சூழ்நிலைகள் மாறும்போது உடனடியாக முடிவுகளை எடுத்து, அதற்கேற்ப தாங்களே தழுவிக்கொள்ளும் அடுத்த கட்ட AI திசையை நோக்கியுள்ளது. இவை உங்கள் பாரம்பரிய தானியங்கி அமைப்புகள் அல்ல. இவை ஜெனரேட்டிவ் AI திறன்களை பல்வேறு உணர்வு தொழில்நுட்பங்களுடன் இணைத்து, பேசப்படும் வார்த்தைகள், எழுதப்பட்ட உரை மற்றும் காட்சி சான்றுகள் ஆகிய அனைத்தையும் ஒரே நேரத்தில் புரிந்துகொள்ள முடியும். டிரான்ஸ்ஃபார்மர் மாதிரிகளில் ஏற்பட்ட முன்னேற்றங்கள் மற்றும் மேம்பட்ட எட்ஜ் கம்ப்யூட்டிங் ஹார்ட்வேர் ஆகியவற்றின் காரணமாக இதன் பின்னணி தொழில்நுட்பம் பெரும் முன்னேற்றம் கண்டுள்ளது. கார்ட்னரின் சமீபத்திய அறிக்கையின்படி, மேகக் கட்டமைப்பை மட்டும் சார்ந்திருப்பதை விட இந்த அமைப்புகள் கேள்விகளைச் சுமார் 40 சதவீதம் வேகமாகச் செயலாக்குகின்றன. இதன் வணிக செயல்பாட்டு விளைவு கடுமையான, முன்கூட்டியே நிரல்படுத்தப்பட்ட இடைசெயல் பாதைகளிலிருந்து வெளியேறி, சூழலை உணர்ந்து, நிஜ உலக சூழ்நிலைகளில் சிக்கல்களைத் தீர்க்கக்கூடிய தீர்வுகளை நோக்கி நகர்வதாகும்.

2025இல் ஏற்றுக்கொள்ளலை முடுக்கும் முக்கிய ஓட்டுநர்கள்

முக்கிய நிலையில் ஏற்றுதலை ஊக்குவிக்கும் மூன்று காரணிகள்:

1. சந்தை தேவை : 78% தொழில்துறை நிறுவனங்கள் இப்போது வாடிக்கையாளர் சேவை மற்றும் உற்பத்தியில் மனித தலையீட்டைக் குறைக்கும் செயற்கை நுண்ணறிவு கருவிகளை முன்னுரிமையாகக் கருதுகின்றன (IDC 2024)
2. கலப்பு கிளவுட் அமைப்புகள் : பணி-முக்கிய பயன்பாடுகளுக்கு பரவலான கணினி தொழில்நுட்பம் 50msக்கும் குறைவான தாமதத்தை உருவாக்குகிறது
3. ஒழுங்குமுறை மாற்றங்கள் : புதுப்பிக்கப்பட்ட செயற்கை நுண்ணறிவு ஆளுகை கட்டமைப்புகள் செயல்படுத்துவதில் ஏற்படும் அபாயங்களைக் குறைக்கின்றன; 62% அமைப்புகள் விரைவான வெளியீட்டு சுழற்சிகளைப் பதிவு செய்கின்றன

2030ஆம் ஆண்டு வரை 28.46% CAGR வளர்ச்சி என மதிப்பிடப்பட்டுள்ள உலகளாவிய செயற்கை நுண்ணறிவு சந்தை, செயல்பாட்டு இயந்திர சூழல்களில் தொடர்ந்து முதலீடு செய்யப்படுவதை எதிரொலிக்கிறது.

மாற்றுவிசையாக மனித-இயந்திர ஒத்துழைப்பு

தொழில்நுட்ப ஆதரவு மற்றும் பங்கு மட்டங்களை மேலாண்மை செய்வது போன்ற செயல்பாடுகளுக்கு ஊழியர்களை ஸ்மார்ட் இயந்திரங்களுடன் இணைக்கும் போது, ஆரம்ப காலத்திலேயே தொடங்கிய நிறுவனங்கள் சுமார் 35 சதவீத உற்பத்தி திறன் அதிகரிப்பைக் காண்கின்றன. எடுத்துக்காட்டாக, எக்ஸ்-ரேக்களைப் பார்க்கும் மருத்துவர்கள் AI கருவிகளுடன் பணிபுரியும் போது அவர்களது துல்லியம் கிட்டத்தட்ட 30% அதிகரிப்பதைக் கண்டறிந்துள்ளனர்; அதே நேரத்தில் அவர்கள் சலிப்பூட்டும் மீண்டும் மீண்டும் வரும் ஸ்கேன்களில் செலவிடும் நேரம் மிகவும் குறைவாக உள்ளது. இங்கு நாம் உண்மையில் பார்க்கின்றது வணிகத்தைச் செய்வதற்கான ஒரு புதிய வழியைத்தான். முறைகளைக் கண்டறிதல் மற்றும் தொடர்ச்சியான பணிகளை இயந்திரங்கள் கவனித்துக்கொள்கின்றன, மனிதர்கள் பெரிய படத்தைப் பற்றி சிந்திக்க இடம் விட்டு விடுகின்றன. சமீபத்திய ஆய்வுகளின்படி, பெரும்பாலான ஊழியர்கள் (சுமார் 8 பேரில் 10 பேர்) இந்த ஏற்பாடு தங்களை மாற்றிவிடுவதை விட தங்கள் வாழ்க்கை வளர்ச்சிக்கு உதவுவதாகவே கருதுகின்றனர்.

உரையாடும் இயந்திரங்களை சாத்தியமாக்கும் முக்கிய தொழில்நுட்பங்கள்

ஜெனரேட்டிவ் AI: இயந்திரங்களின் இயக்கம் மற்றும் இயற்கையான தொடர்புகளுக்கு சக்தியூட்டுதல்

பெரிய மொழி மாதிரிகள் மற்றும் பன்முக கற்றல் என்று அழைக்கப்படும் ஒன்றை சுற்றிலும் நாம் கேள்விப்பட்டு வருவதால், சமீபத்திய ஜெனரேட்டிவ் AI தொழில்நுட்பம் மனிதர்களைப் போலவே குறிப்பிடத்தக்க நெகிழ்வுத்தன்மையைக் காட்டுகிறது. இங்கு நடப்பது என்னவென்றால், இந்த அமைப்புகள் தற்போது விரிவாக்கப்படும் சூழலை உண்மையிலேயே பார்க்கின்றன. எழுதப்பட்ட வார்த்தைகள், பேசப்படும் உரையாடல்கள், சில சமயங்களில் படங்கள் போன்ற பல்வேறு உள்ளீடுகளை செயலாக்கி, பெரும்பாலும் இயல்பானதாகத் தோன்றும் பதில்களை வழங்குகின்றன. கடந்த ஆண்டு சில ஆய்வுகளின்படி, இந்த தொழில்நுட்பத்தை பயன்படுத்திய பிறகு, தவறான புரிதல்கள் சுமார் இரண்டு மூன்றில் ஒரு பங்கு குறைந்ததாக தொழில்கள் கண்டறிந்தன. மேலும், வாடிக்கையாளர்களின் சிக்கல்கள் அதே ஆய்வின்படி சுமார் 40% வேகமாக தீர்க்கப்பட்டன. பல இடங்கள் அல்லது துறைகளில் செயல்பாடுகளை அதிகரிக்கும்போது அனைத்தும் சரியாக இயங்குவதை உறுதி செய்யும் நியூரல் ப்ராசஸிங் யூனிட்ஸ் (NPUs) என்று சுருக்கமாக அழைக்கப்படும் சிறப்பு சிப்கள் இதற்கு பின்னால் செயல்படுகின்றன.

சூழலுக்கேற்ப எதிர்வினை ஆற்றும் தன்மைக்கான ஏஜென்டிக் செயற்கை நுண்ணறிவு மற்றும் பன்முக அமைப்புகள்

இயந்திர முடிவெடுப்பது தொடர்பாக ஏஜென்டிக் செயற்கை நுண்ணறிவு ஒரு புதிய கூற்றை அறிமுகப்படுத்துகிறது. இந்த அமைப்புகள் மனிதர்களின் தொடர்ச்சியான கண்காணிப்பு இல்லாமலேயே தாங்களாகவே செயல்பட்டு, முடிவுகளை எடுக்க முடியும். லைடார் தொழில்நுட்பம், வெப்ப கேமராக்கள் மற்றும் குரல் அடையாளம் காணும் கருவிகள் உட்பட பல்வேறு சென்சார்களுடன் இணைக்கப்படும்போது, அவை மனிதர்களைப் போலவே தங்கள் சுற்றுச்சூழலைப் புரிந்து கொள்ள ஆரம்பிக்கின்றன. மருத்துவமனைகளில் இந்த ஸ்மார்ட் அமைப்புகள் அவசர அறை முன்னுரிமை பிரித்தல் பணிகளைக் கையாளுவதில் இது அற்புதங்களைச் செய்திருப்பதை நாம் கண்டிருக்கிறோம். கடந்த ஆண்டு அப்ளைட் ஏஐ ஜர்னலில் வெளியிடப்பட்ட ஆய்வுகளின்படி, பல்வேறு மருத்துவ நிறுவனங்களில் இதுபோன்ற செயல்பாடுகள் காத்திருப்பு நேரத்தைச் சுமார் 31 சதவீதம் குறைத்துள்ளன.

ஓரத்தில் செயற்கை நுண்ணறிவு: குறைந்த தாமத இடைசெயலுக்கான நேரலை செயலாக்கம்

எட்ஜ் கம்ப்யூட்டிங் மேகம் தாமதத்தைச் சமாளிக்கி, தொழில்துறை பயன்பாடுகளில் பதில் நேரத்தை <10ms ஆகக் குறைக்கிறது. இந்தத் திறன் தாமதங்கள் தவிர்க்கக்கூடிய $740k+ இழப்புகளுக்கு வழிவகுக்கும் தன்னாட்சு ரோபோட்டிக்ஸ் போன்ற பாதுகாப்பு-முக்கியமான செயல்பாடுகளை ஆதரிக்கிறது (தொழில்துறை தானியங்கி அறிக்கை, 2023). நவீன எட்ஜ் AI சிப்கள் முந்தைய தலைமுறைகளை விட 55% குறைந்த மின்சாரத்தை நுகர்ந்து 18 TOPS ஐ வழங்குகின்றன.

AIoT ஒருங்கிணைப்பு: சமூக அமைப்புகளுடன் இணைக்கப்பட்ட இயந்திரங்களை ஸ்மார்ட் சூழலில் இணைத்தல்

செயற்கை நுண்ணறிவு (AI) மற்றும் பொருட்களின் இணையம் (IoT) சந்திக்கும் போது - சிலர் இதை AIoT என்று அழைக்கின்றனர் - எளிய இயந்திரங்களை முழு அமைப்புகளிலும் ஒன்றாக செயல்படும் ஸ்மார்ட் கூறுகளாக மாற்றுகிறது. இந்த சாதனங்கள் MQTT அல்லது OPC UA போன்ற தரநிலை நெறிமுறைகள் மூலம் ஒன்றுக்கொன்று தொடர்பு கொண்டு, பாகங்கள் உண்மையில் தோல்வியடைவதற்கு முன்னதாகவே அது குறித்த தகவல்களை அனுப்புகின்றன. கடந்த ஆண்டு IoT Analytics ஆய்வின் படி, இந்த அமைப்புகளை செயல்படுத்தியதிலிருந்து தொழிற்சாலைகளில் உபகரணங்களின் நிறுத்தங்கள் சுமார் 37 சதவீதம் குறைந்துள்ளன. எல்லாம் இணைக்கப்பட்டுள்ள விதம் நிறுவனங்கள் கையிருப்பு சங்கிலிகள் குறித்து சிறந்த முடிவுகளை எடுக்கவும், சைபர் அச்சுறுத்தல்களிலிருந்து பாதுகாக்கும் பாதுகாப்பு நடவடிக்கைகளை சமரசம் செய்யாமல் செய்யவும் அனுமதிக்கிறது.

செயற்கை நுண்ணறிவு சக்தியூட்டிய இன்டராக்டிவ் இயந்திரங்களுடன் வாடிக்கையாளர் அனுபவத்தை மாற்றுதல்

சூழலுக்கேற்ப மாற்றமடையும் தன்மை கொண்ட, சூழல்-விழிப்புணர்வு கொண்ட இடையாக்கங்கள் மூலம் வாடிக்கையாளர் ஈடுபாட்டை செயற்கை நுண்ணறிவு (AI) சக்தியூட்டிய இடைசெயல் இயந்திரங்கள் மீண்டும் வரையறுக்கின்றன. ஜெனரேட்டிவ் AI-ஐ இயற்கை மொழி செயலாக்கத்துடன் (NLP) ஒருங்கிணைப்பதன் மூலம், பயனரின் தேவைகளுடன் பரிணாம வளர்ச்சி அடையும் வகையில் இந்த அமைப்புகள் தனிப்பயனாக்கப்பட்ட ஆதரவை வழங்குகின்றன, மேலும் இலக்கமயம் மற்றும் உடல் தொடர்புகளில் பிராண்ட் ஒருமைப்பாட்டை பராமரிக்கின்றன.

நிறுவன வாடிக்கையாளர் ஆதரவில் செயற்கை நுண்ணறிவு சக்தியூட்டிய சாட்பாட்கள்

இன்றைய பல வணிகங்கள் முன்பு உண்மையான மக்களின் பதிலை தேவைப்படுத்திய சிக்கலான கேள்விகளை கையாள செயற்கை நுண்ணறிவு (AI) அரட்டை ரோபோக்களை நாடுகின்றன. 2024க்கான வாடிக்கையாளர் அனுபவ போக்குகள் தொடர்பான சமீபத்திய அறிக்கை ஒரு சுவாரஸ்யமான விஷயத்தை காட்டுகிறது - இந்த தானியங்கி அமைப்புகள் தங்களாலேயே அடிப்படை ஆதரவு பிரச்சினைகளில் சுமார் இரண்டு மூன்றில் ஒன்றை கையாள முடியும். இதை உணர்வு பகுப்பாய்வு (sentiment analysis) என்ற செயல்முறை மூலம் செய்கின்றன, இது வாடிக்கையாளர்கள் தொடர்புகொள்ளும் போது அவர்கள் எவ்வாறு உணர்கிறார்கள் என்பதை பொறுத்து தங்கள் பதில்களை சரிசெய்ய அனுமதிக்கிறது. இந்த தொழில்நுட்பத்தை பெரிய நிறுவனங்கள் செயல்படுத்தியுள்ளன, மேலும் மிகவும் கவர்ச்சிகரமான முடிவுகளையும் பெற்றுள்ளன. எடுத்துக்காட்டாக, சில்லறை வங்கியியல் உலகில், உரையாடல் AI தளங்களைப் பயன்படுத்தும் வங்கிகள் வாடிக்கையாளர் திருப்தியை குறிப்பிடத்தக்க அளவில் பாதிக்காமலேயே தங்கள் அழைப்பு மைய செலவுகளை சுமார் மூன்றில் ஒரு பங்காக குறைத்துள்ளன. ஊழியர் தேவைகளை மிகவும் குறைத்தபோதும், திருப்தி நிலைகள் 94 சதவீதம் அளவில் உயர்ந்தே இருந்தன.

வழக்கு ஆய்வு: சில்லறை வங்கியியலில் தலைநகர் AI அரட்டை ரோபோக்கள்

மூன்று மாதங்களுக்குள் லைவ் ஏஜெண்ட் மாற்றங்களில் 41% குறைப்பை அடைய, ஒரு பெரிய நிதி நிறுவனம் தனது டிஜிட்டல் தளங்களில் ஜெனரேட்டிவ் AI சாட்பாட்களை நிறுவியது. கணக்கு இருப்பு, பரிவர்த்தனை வரலாறு மற்றும் கடன் விண்ணப்பங்கள் குறித்த இயற்கை மொழி வினவல்களைச் செயல்படுத்தும் திறன் பழைய ரூல்-அடிப்படையிலான அமைப்புகளுடன் ஒப்பிடும்போது 22% வேகமான தீர்வு நேரத்தை உருவாக்கியது.

வெற்றியை அளவிடுதல்: தீர்வு விகிதங்கள், ஈடுபாடு மற்றும் பயனர் திருப்தி

AI இயக்கப்பட்ட வாடிக்கையாளர் அனுபவ முயற்சிகளை மதிப்பீடு செய்வதற்கு மூன்று அளவீடுகள் அவசியம்:

செயற்கை நுண்ணறிவின் ஜனநாயகமயமாக்கம்: இடைசெயல் இயந்திர கருவிகளுக்கான அணுகலை விரிவுபடுத்துதல்

அணுகக்கூடிய AI மற்றும் ML கருவிகள் தொழில்துறைகள் முழுவதும் புதுமையை எவ்வாறு ஊக்குவிக்கின்றன

திறந்த மூல சட்டகங்களின் கிடைப்பு மற்றும் கிளவுட்-அடிப்படையிலான AI சேவைகள் மூலம் தொழில்கள் தொடங்குவதற்கு மிகவும் எளிதாக்கப்பட்டுள்ளது. ப்ளூம் கன்சல்டிங் சர்வீசஸ் (2024) நிறுவனத்தின் சமீபத்திய தொழில் அறிக்கையின்படி, சுமார் இரண்டில் ஒரு பங்கு நடுத்தர அளவிலான உற்பத்தி நிறுவனங்கள் தற்போது முன்னறிவிப்பு பராமரிப்பு பணிகளுக்காக இயந்திர கற்றல் கருவிகளைப் பயன்படுத்துகின்றன. இது 2021-இல் இருந்த 22 சதவீதத்திலிருந்து மிகப்பெரிய தாவலாகும். இந்த தொழில்நுட்பங்களை மிகவும் ஆகர்ஷகமாக்குவது என்னவென்றால், மருத்துவ கண்டறிதல் கருவிகள் மற்றும் விநியோக சங்கிலி மேலாண்மை மேம்பாடு போன்ற சமூகங்களுக்கான ஸ்மார்ட் அமைப்புகளை குறைந்த குறியீட்டு அறிவுடன் நிறுவனங்கள் உருவாக்க இவை அனுமதிக்கின்றன. பெரும்பாலான சிறு மற்றும் நடுத்தர நிறுவனங்கள் விலையுயர்ந்த தரவு அறிவியலாளர்கள் அல்லது மென்பொருள் பொறியாளர்களை அமர்த்தாமலே இந்த தீர்வுகளை செயல்படுத்த முடியும் என்பதைக் கண்டறிந்துள்ளன.

முக்கிய மாற்றங்களில் பின்வருவன அடங்கும்:

• மருத்துவ : 92% குறித்தலைத் துல்லியம் கொண்ட AI-சக்தியால் இயங்கும் பட பகுப்பாய்வை நிறுவும் கதிரியக்க மருத்துவமனைகள்
• வேளாண்மை : நீர் வீணாவதை 40% குறைப்பதற்காக எந்திர கற்றலைப் பயன்படுத்தும் IoT-சார்ந்த பயிர் கண்காணிப்பு
• சில்லறை விற்பனை : தேவை முன்னறிவிப்பு மூலம் ஸ்டாக் அவுட்களை 34% குறைக்கும் ஸ்மார்ட் இன்வென்டரி அமைப்புகள்

2022 முதல் AI உருவாக்கச் செலவு 35% குறைந்துள்ளது, இது தொழில்நுட்ப புதுமையிலிருந்து வரலாற்று ரீதியாக ஒதுக்கப்பட்ட துறைகளில் நிறுவலை முடுக்குகிறது.

சிறு மற்றும் நடுத்தர நிறுவனங்களை (SMEs) இன்டராக்டிவ் இயந்திரங்களை நிறுவ உதவும் நோ-கோட் தளங்கள்

காட்சி உருவாக்கத் தளங்கள் மூலம் சிறு மற்றும் நடுத்தர நிறுவனங்கள் (SMEs) இப்போது புதிய இன்டராக்டிவ் இயந்திர நிறுவல்களில் 41% பங்களிக்கின்றன. இந்தக் கருவிகள் நடைமுறைப்படுத்துதல் காலத்தை மாதங்களிலிருந்து வாரங்களாகக் குறைக்கின்றன — ஒரு பேக்கரி சங்கிலி சமீபத்தில் நோ-கோட் AI ஐப் பயன்படுத்தி தனது விநியோக சங்கிலியை தானியங்கியாக்கி, மூன்று வாரங்களுக்குள் 98% ஆர்டர் துல்லியத்தை அடைந்தது.

முன்னணி தளங்கள் வழங்குவது:

2024 தொழில் ஏற்றுக்கொள்ளல் ஆய்வின்படி, குறியீடில்லா செயற்கை நுண்ணறிவு தளங்களைப் பயன்படுத்தும் சிறு மற்றும் நடுத்தர தொழில்களில் 73% பேர் பெரிய கார்ப்பரேஷன்களுக்கு எதிராக போட்டித்திறன் அதிகரித்ததாக அறிவித்துள்ளனர், இது வளங்கள் குறைந்த தொழில்கள் தனிப்பயனாக்கப்பட்ட அனுபவங்கள் மற்றும் தானியங்குத்தன்மைக்காக சூழல்-விழிப்புணர்வு கொண்ட எந்திரங்களை பயன்படுத்த அனுமதிக்கிறது.

உரையாடும் எந்திரங்களின் நெறிமுறை சவால்கள் மற்றும் பொறுப்பான பயன்பாடு

எட்ஜ்-அடிப்படையிலான AI செயல்படுத்தல்களில் தரவு தனியுரிமை அபாயங்கள்

ரியல்-டைம் செயலாக்கத்தை எட்ஜ் கணினியோடு சாத்தியமாக்கலாம், ஆனால் தனியுரிமை பாதிப்புகள் அதிகரிக்கின்றன. எட்ஜ்-அடிப்படையிலான AI பயன்படுத்தும் அமைப்புகளில் 68% பேர் விரிவான தாக்குதல் பரப்புகளுக்கு காரணமாக அங்கீகரிக்கப்படாத தரவு அணுகல் குறித்து கவலை தெரிவித்துள்ளனர் (medRxiv). பாதுகாப்பான பயன்பாட்டிற்கு தேவை:

• அநாமதேய நெறிமுறைகளுடன் உள்ளூர் தரவு சேமிப்பு
• பிராந்திய தனியுரிமை சட்டங்களுக்கு ஏற்ப இணைக்கப்பட்ட தரமான என்கிரிப்ஷன்
• தனியுரிமையைப் பாதுகாக்கும் எம்எல் தொழில்நுட்பங்களைப் பயன்படுத்தி தொடர்ச்சியான தணிக்கைகள்

தொழில்துறை தலைவர்கள் “வடிவமைப்பில் தனியுரிமை” அணுகுமுறைகளை அதிகரித்து ஏற்றுக்கொள்கின்றனர், ஓரங்க AI அமைப்புகளுக்கு 42% பூஜ்ய-நம்பிக்கை கட்டமைப்புகளை செயல்படுத்துகின்றன (Tegsten 2024).

ஏஜென்டிக் AI அமைப்புகளில் சுயாதீனத்தையும் கட்டுப்பாட்டையும் சமநிலைப்படுத்துதல்

கட்டுப்படுத்தப்பட்ட சூழல்களில் சுய-இயக்க ஏஜென்டிக் AI முடிவெடுக்கும் வேகத்தை 89% அதிகரிக்கிறது, இருப்பினும் 55%க்கும் அதிகமான நிறுவனங்கள் தருக்க பாதைகளை தணிக்கை செய்வதில் சிரமப்படுகின்றன (Liévin et al. 2024). பயனுள்ள பாதுகாப்பு நடவடிக்கைகளில் அடங்குவன:

• மூன்று-அடுக்கு மனித மேற்பார்வை (உத்தேசம், தந்திரோபாயம், செயல்பாடு)
• ஒழுங்குமுறை மாற்றங்களுடன் புதுப்பிக்கப்பட்ட நடத்தைக் கட்டுப்பாட்டு வார்ப்புருக்கள்
• சுயாதீன நிலைகளைக் கண்காணிக்கும் நிகழ்நேர டாஷ்போர்டுகள்

2025 ஐஐ ஆளுகை அறிக்கை, தொடர்ச்சியான செயல்பாடுகளில் முழு சுயாதீனத்தை அனுமதிக்கும் போது, முக்கிய முடிவுகளில் மனித மறுப்பு அதிகாரத்தை பராமரிக்க பரிந்துரைக்கிறது.

ஜெனரேட்டிவ் ஏஐ முடிவுகளில் தெளிவுத்தன்மை மற்றும் பொறுப்புணர்வை உறுதி செய்தல்

ஜெனரேட்டிவ் ஏஐ அன்றாடப் பணிகளில் 93% துல்லியத்தை எட்டினாலும், சிக்கலான சூழ்நிலைகளில் விளக்கக்கூடிய தன்மை 67% ஆக குறைகிறது (வாங் முதலியோர், 2024). நெறிமுறை ஏஐ பயன்பாடுகளில் இருந்து எழும் சிறந்த நடைமுறைகள் பின்வருமாறு:

• பிளாக்செயின்-தணிக்கை செய்யப்பட்ட பதிவுகள் மூலம் முடிவு தொடர்பான தடயத்தைக் கண்காணித்தல்
• காரணி வெளியீடுகளை மதிப்பீடு செய்யும் பல்வேறு தரப்பு மறுஆய்வுக் குழுக்கள்
• இறுதி பயனர்களுக்கான எளிய மொழி விளக்க இடைமுகங்கள்

தெளிவு 80% ஐ கடந்தால் பயனர்களில் 78% பேர் அதிக நம்பிக்கை தெரிவிப்பதாக, தயாரிப்பாளர்கள் இப்போது அமைப்பு வெளியீடுகளில் "விளக்கக்கூடிய மதிப்பீடுகளை" பொதுவாக்குகின்றனர்.