ஃபோர்ட் AI தோல்வியের பின் அனுபவமிக்க பொறியாளர்களை மீண்டும் பணியமர்த்தியது

ஃபோர்ட் ஒரு விஷயத்தை வெளிப்படையாக ஒப்புக்கொண்டது — பெரும்பாலான தொழில்நுட்ப நிறுவனங்கள் இதை சொல்ல விரும்பவில்லை: அவர்கள் AI-ஐ அதிகமாக நம்பினார்கள், மேலும் இது அவர்களுக்கு விலை கொடுத்தது. இந்த வாகன உற்பத்தியாளர் 350 அனுபவமிக்க பொறியாளர்களை — அவர்களில் பலர் முன்னாள் ஊழியர்கள் — மீண்டும் பணியமர்த்தினார், ஏனெனில் தானியங்கி தரக் கட்டுப்பாட்டு அமைப்புகள் இலக்கை அடையவில்லை. ஃபோர்ட் AI தோல்வியின் பின் அனுபவமிக்க பொறியாளர்களை மீண்டும் பணியமர்த்தியது என்ற கதை வெறுமனே டெட்ரொய்ட் செய்திக்கு மட்டுமல்ல. இது ஒவ்வொரு டெவலப்பரும் AI-ஐ பயன்படுத்தி கட்டமைக்கும் ஸ்தாபகரும் கவனமாக படிக்க வேண்டிய ஒரு சமிக்ஞை.

என்ன நடந்தது

ஃபோர்டின் தலைமை செயல்பாட்டு அதிகாரி குமார் கல்ஹோத்ரா பத்திரிகையாளர்களிடம் கூறினார் நிறுவனம் "தானியங்கி தரக் கட்டுப்பாட்டு அமைப்புகளை அதிகமாக நம்பி வந்தது" — மேலும் ধারাবாहिक ஆக ஏமாற்றமான முடிவுகளைப் பெற்றது. எனவே ஃபோர்ட் திசை மாற்றியது. இது உள்ளூரில் "அனுபவமிக்க" பொறியாளர்களை கொண்டு வந்தது: ஆழ்ந்த அভিজ்ஞதை கொண்ட நிபுணர்கள், சிலர் ஓய்வு நிலையிலிருந்து இழுக்கப்பட்டவர்கள், மற்றவர்கள் சப்ளையர்களிடமிருந்து திரும்ப பெறப்பட்டவர்கள். அவர்களின் வேலை? ত்রুटिपূर्ण பகுதி ஆலையின் தளத்தை எப்போதும் அடைவதற்கு முன்பு தோல்வির புள்ளிகளைத் தேடுவது.

ஃபோர்டின் வாகன வன்பொருள் பொறியியல் துணைத் தலைவர் சார்லஸ் பூன் இந்த தவறு பற்றி தெளிவாக கூறினார். "தவறுதலாக நாம் நினைத்தோம் செயற்கை நுண்ணறிவை அறிமுகப்படுத்துவதன் மூலம் மற்றும் நம்மிடம் இருந்த வடிவமைப்பு தேவைகளை உட்செலுத்துவதன் மூலம், அது உচ்च-தரமான பொருளை உற்பத்தி செய்யும்."

அந்த மேற்கோள் ஒரு தருணத்திற்கு தகுதியுள்ளது. ஃபோர்ட் தோல்வி அடையவில்லை ஏனெனில் AI மோசமான மென்பொருள் ஆகும். இது தோல்வி அடைந்தது ஏனெனில் நிறுவனம் வடிவமைப்பு தேவைகளை AI அமைப்பில் உட்செலுத்துவது தரக் கட்டுப்பாட்டு வெளியீட்டை உறுதிப்படுத்த போதுமானது என்று கருதியது. களத்தின் அறிவு — ஒரு பகுதி உண்மையான-உலக அழுத்தத்தின் கீழ் எவ்வாறு செயல்படுகிறது என்பது பற்றிய மறைமுக புரிதல், பல தசாப்தங்கள் முழுவதும் விஷயங்கள் தோல்வி அடைவதைக் கண்டு கட்டமைக்கப்பட்ட உள்ளுணர்வு — எந்த பயிற்சி தரவுத்தொகுப்பிலும் பிடிக்கப்படவில்லை.

ப்ளூம்பெர்গின் அறிக்கையின் படி, ஃபோர்ட் AI-ஐ கைவிடவில்லை. மீண்டும் பணியமர்த்தப்பட்ட வயதான பொறியாளர்கள் இப்போது இரண்டு விஷயங்களை ஒரே சமயத்தில் செய்கிறார்கள்: இளைய பொறியாளர்களுக்கு பயிற்சி அளிப்பது மற்றும் AI கருவிகளை தாங்களே மீண்டும் நிரல்படுத்துவது. இலக்கு நிறுவன அறிவை தானியங்கி அமைப்புகளுக்கு மீண்டும் செலுத்துவது — AI-ஐ மாற்றுவது அல்ல, ஆனால் அதை உண்மையில் செயல்பட வைப்பது. மற்றும் ஆரம்ப முடிவுகள் குறிப்பிடத்தக்கவை: ஃபோர்ட் இந்த முயற்சியிலிருந்து இந்த ஆண்டு 1 பில்லியன் டாலர் குறைந்த செலவுகளை எதிர்பார்க்கிறது, மேலும் வாகன உற்பத்தியாளர் JD Power ஆரம்ப தரக் கணக்கெடுப்பில் முக்கிய ব்র்যান்ட்களில் முதல் இடத்தை கோரினார்.

இது AI பெருக்கம் சரியாக செய்யப்பட்ட ஒரு கதை — ஆனால் AI பெருக்கம் தவறாக செய்யப்பட்ட விஷயம் எப்படி இருக்கிறது என்பது பற்றிய வலிமிக்க, விலையுயர்ந்த பாடத்திற்குப் பிறகு மட்டுமே.

ஏன் இது ஆசியার்க்கு முக்கியமானது

ஆசியার் உற்பத்தி மற்றும் தொழில்நுட்ப துறைகள் ஃபோர்ட் செய்த அதே பந்தயத்தின் நடுவில் உள்ளன — மற்றும் சிலர் அதே சுவரை நோக்கி செல்கிறார்கள்.

தெற்கு-கிழக்கு ஆசியா, தென் கொரியா, ஜப்பான் மற்றும் சீனா முழுவதும், உற்பத்தியாளர்கள் மற்றும் தொழில்நுட்ப நிறுவனங்கள் AI அமைப்புகளுடன் தரக் கட்டுப்பாட்டு, குறியீடு மதிப்பாய்வு மற்றும் வடிவமைப்பு சரிபார்ப்பை தீவிரமாக தானியங்கி செய்து வந்துள்ளன. பிচ் எப்போதும் ஒரே மாதிரியாக இருக்கிறது: தலைகணக்கு குறைக்க, செயல்திறன் அதிகரிக்க, செலவு குறைக்க. அந்த பிচ்சில் பொதிந்திருக்கும் அனுமானம் ஃபோர்டின் சார்லஸ் பூன் ஒரு தவறு என்று ஒப்புக்கொண்ட ஒன்றுக்கு ஒரே மாதிரியாக இருக்கிறது — தேவைகள் மற்றும் வரலாற்று தரவுகளை உட்செலுத்துவது AI உচ்च-தரமான வெளியீட்டை உற்பத்தி செய்ய போதுமானது.

இது இல்லை. இன்னும் இல்லை. ஒருவேளை ஒருபோதும் இல்லை, தனிமையில்.

ஆசியায் குறிப்பிட்ட சவால் மக்கள்தொகை மற்றும் கலாச்சார காரணிகளால் சிக்கலாக்கப்பட்டுள்ளது. ஜப்பான் மற்றும் தென் கொரியாவில், பல தசாப்தங்களாக மறைமுக அறிவைக் கொண்ட ஓய়வு பெறும் மூத்த பொறியாளர்களுக்கும் தொழில்நுட்ப ரீதியாக திறமையான ஆனால் அந்த அভিজ்ஞதামிக்க ஆழத்தை கொண்டிராத இளைய பணிபலங்களுக்கும் இடையே நன்கு ஆவணப்படுத்தப்பட்ட பதற்றம் உள்ளது. தெற்கு-கிழக்கு ஆசியாவில், தொழில்நுட்ப தொழில் வடிவமைப்பு மூலம் இளையது — வியட்நামிய அல்லது இந்தோனேசிய ஸ்டார্টআப்பில் சராசரி பொறியியல் குழு 20 வயதுக்கு கீழ் உள்ள பொறியாளர்களை நோக்கி கடுமையாக சாய்ந்துள்ளது. அது ஒரு பலவீனம் அல்ல, ஆனால் இது "அனுபவமிக்க" அறிவு স்তর மெல்லியதாக அல்லது முற்றிலுமாக இல்லை என்று பொருள்.

சீனার் உற்பத்தி துறை தானியங்கமாக்கத்தில் வேகமாக நகர்ந்துள்ளது, மேலும் ஒரு ফলமாக சில பொருள் வகைகளில் ஏற்கனவே தரக் பின்னடைவின் சமிக்ஞைகள் உள்ளன. ஃபோர்ட் கதை ஷென்ஜென் மற்றும் செங்டுவில் உள்ள தரக் பொறியாளர்களுடன் அதிரிப்பு ஏற்படுத்தும் — அவர்கள் உள்ளூரில் அதே சிக்கல்களை조용히ப் பொறுக்கி வந்துள்ளனர்.

ஆசிய தொழில்நுட்ப ஸ்தாபகர்களுக்கு குறிப்பாக: நீங்கள் AI-உதவி பணிப்பாய்வுகளை கட்டமைக்கிறீர்கள் என்றால் — உற்பத்தி, மென்பொருள் வளர்ச்சி அல்லது பொருள் வடிவமைப்பில் இருந்தாலும் — ஃபோர்ட் பாடம் என்னவென்றால் உங்கள் AI என்பது நீங்கள் அதில் குறியீடு செய்த களத்தின் அறிவு போல் நல்லது. வரிசைப்படுத்தலின் வேகம் சூழலின் ஆழத்திற்கு ஒரு மாற்றாக இல்லை.

டெவலப்பர்களுக்கு இது என்ன பொருள்

இதை இந்த கட்டுரையை படிக்கும் பொறியாளர்களுக்கு ஏதாவது உறுதியான விஷயமாக மொழிபெயர்க்கலாம்.

ஃபோர்ட் தோல்வி வடிவம் பல வளர்ச்சி குழுக்கள் AI குறியீடு கருவிகளை இப்போது பயன்படுத்துவதற்கு நேரடியாக வரைபடம் செய்கிறது. நீங்கள் AI-க்கு உங்கள் தேவைகள் ஆவணம், உங்கள் বিদ்যமான குறியீடு, ஒருவேளை சில உதாரண வெளியீடுகளை உட்செலுத்துகிறீர்கள் — மேலும் நீங்கள் உৎপাদன-தரமான முடிவுகளை எதிர்பார்க்கிறீர்கள். சில நேரங்களில் நீங்கள் அவற்றைப் பெறுகிறீர்கள். பெரும்பாலும், குறிப்பாக சிக்கலான அல்லது பழைய-அருகாமை களங்களில், நீங்கள் ஏதாவது சரியாக தோன்றுகிறது ஆனால் உண்மையான நிலைமைகளின் கீழ் தோல்வி அடைகிறது.

இணையம் துல்லியமாக உள்ளது: ஃபோர்டின் AI வடிவமைப்பு தேவைகளை உட்செலுத்தியது மற்றும் কাগজে சரியாக தோன்றிய பகுதிகளை உற்பத்தி செய்தது. உங்கள் AI ஒரு விவரணையை உட்செலுத்துகிறது மற்றும் மேற்பரப்பு-நிலை மதிப்பாய்வு கடந்து செல்லும் குறியீட்டை உற்பத்தி செய்கிறது. இரண்டு சந்தர்ப்பங்களிலும் தோல்வி முறை AI சீரற்ற ভাবে ஹ্যালুசিநேট் செய்ய வேண்டிய அல்ல — இது AI நம்பகமான வெளியீட்டை உற்பத்தி செய்ய வேண்டிய, ஆனால் அভিজ্ঞতা থেকে மাত்র வருகிற உட்பொதிக்கப்பட்ட판断்ணை பற்றாக்குறை.

ஃபோர்ட் கண்டுபிடித்தது — மற்றும் டெவலப்பர்கள் உள்வாங்க வேண்டியது — உচ்च-பந்தயம் சூழல்களில் AI உண்மையில் செயல்பட வைப்பதற்கான ஒரு மூன்று-பகுதி கাঠামோ:

• களத்தின் அறிவு வெளிப்படையாக இருக்க வேண்டும், கருதப்பட்ட அல்ல. AI தேவைகள் மட்டுமே থেকে கட்டுப்பாடுகளை அனுமான செய்ய வேண்டும் என்று எதிர்பார்க்க வேண்டாம். உங்கள் குழுவில் மூத்த பொறியாளர் "அந்த அணுகுமுறை சுமைக்கு கீழ் பந்தய நிலைமைகளை ஏற்படுத்தும்" என்று கூறுவது அந்த அறிவை உத்தரவுகளாக, பாதுகாப்புகளாக அல்லது மதிப்பாய்வு சரிபட்டியலாக குறியீடு செய்ய வேண்டும் — வெறுமனே அவர்களின் தலையில் வைத்திருக்க வேண்டாம்.
• மனித மதிப்பாய்வு ஒரு பின்னடைவு அல்ல — இது স்থাপত்யம்। ஃபோர்டின் அனுபவமிக்க பொறியாளர்கள் AI வெளியீட்டை ஒரு பாதுகாப்பு வலையாக மதிப்பாய்வு செய்யவில்லை. அவர்கள் கட்டமைப்பாக செயல்பாட்டில் உட்பொதிக்கப்பட்டுள்ளனர். டெவலப்பர்கள் அதே வழியில் தங்கள் AI பணிப்பாய்வுகளை வடிவமைக்க வேண்டும்: முக்கியமான முடிவு புள்ளিகளில் மனித நிபுணத்வம், வெறுமனே முடிவில் அல்ல.
• AI கருவிகள் உங்கள் சூழலில் பயிற்சி பெற வேண்டும், வெறுமனே பொதுவான தரவு அல்ல। ஃபோர்டின் வயதான பொறியாளர்கள் நிறுவன அறிவ் கொண்டு AI கருவிகளை உண்மையில் மீண்டும் நிரல்படுத்துகிறார்கள். வளர்ச்சி குழுக்களுக்கு, இது সূক্ஷ்ம-সুரக்ஷை, உள் அறிவு தளங்களை கட்டமைப்பது, மற்றும் ক্রমாக உண்மையான தோல்வி வழக்குகளை உங்கள் கருவிகளுக்கு திரும்ப உட்செலுத்துவது பொருள்.

AI-பூர்வ வளர்ச்சி தளத்தில், இந்த வகையான சூழல்-விழிப்புணர்வு பணிப்பாய்வு வடிவமைப்பு লক্ష்য — ஒரு பிந்தைய சிந்தனை அல்ல. வெற்றி பெறும் தளங்கள் அதிகமாக தானியங்கி செய்யும் அல்ல, ஆனால் வளர்ச்சி சுழலில் சரியான புள்ளিகளில் மனித நிபுணத்வத்தை உட்பொதிக்க கட்டமைப்பாக எளிதாக்கும் அல்ல.

ஆசிய dev குழுக்களுக்கு ஒரு திறமை உறிப்பு உள்ளது. ஃபோர்ட் கதை உங்கள் மூத்த பொறியாளர்களை தூய மேலாளர்கள் அல்லது স்থாபত்யகர்கள் ஆக மாற்றாமல் இருப்பதற்கான ஒரு வலுவான வாதம் ஆகும் அவர்கள் AI கருவிகளை ஒருபோதும் தொடாதவர்கள். அவர்களின் மதிப்பு இப்போது வெறுமனே குறியீடு மதிப்பாய்வில் இல்லை — இது உங்கள் AI கருவிகள் உங்கள் களத்தை புரிந்து கொள்ள வடிவ வடிவமைப்பில் உள்ளது. அவர்களை கருவிகளுக்கு நெருக்கமாக வைக்கவும்.

முக்கிய பாடங்கள்

பெரிய படத்திற்கு பின்னுக்கு இழுக்கவும். ஃபோர்டின் 350 அனுபவமிக்க பொறியாளர்களை மீண்டும் பணியமர்த்தும் முடிவு மற்றும் அதைத் தொடர்ந்து 1 பில்லியன் டாலர் எதிர்பார்க்கப்பட்ட சேமிப்பு AI-மாত்র தானியங்கமாக்கம் எங்கு உடைகிறது — மற்றும் சரிசெய்தல் எப்படி இருக்கிறது என்பது பற்றிய ஒரு தெளிவான உண்மையான-உலக தரவு புள்ளிகளில் ஒன்றாகும்.

சில விஷயங்கள் நீடித்த பாடங்களாக நிற்கின்றன:

• AI நிபுணத்வத்தை மாற்றுவது AI நிபுணத்வத்தை பெருக்குவதை விட வேறு சிக்கல். ஃபோர்ட் முன்னாளை முயற்சி செய்தது. மீண்டும் பணியமர்த்தும் நிரல் பிந்தையது. முடிவுகள் ஒப்பிடத்தக்கவை அல்ல. உங்கள் AI உத்தி உங்கள் மிகவும் அனுபவமிக்க மানুஷ்யர்களை மாற்றுவதைச் சுற்றி கட்டமைக்கப்பட்டிருந்தால், நீங்கள் ஒரு தரக் கடன் திரட்டுகிறீர்கள் என்று சாத்தியமாக உள்ளது.