AI உங்களுக்கு என்ன சொல்கிறது என்பதை யார் தீர்மானிக்கிறார்கள்? Meta-வின் முன்னாள் செய்திப் பிரிவு தலைவர் Campbell Brown-ன் கருத்துக்கள்

Campbell Brown ChatGPT-ன் வெளியீட்டை Meta தலைமையகத்தின் உள்ளிருந்து பார்த்தார் மற்றும் ஒரு தெளிவான எண்ணம் கொண்டார்: "இதை சரிசெய்ய வழி கண்டுபிடிக்கவில்லை என்றால் என் குழந்தைகள் மிகவும் முட்டாளாக இருப்பார்கள்." முன்னாள் NBC நிலையம் நடிகர் மற்றும் Facebook செய்திப் பிரிவு தலைவர் நாটகம் செய்யவில்லை. அவர் நிஜ நேரத்தில் அடுத்த தகவல் பாட்டிலின் கழுத்து உருவாகுவதைப் பார்த்துக் கொண்டிருந்தார் — மேலும் ஆசியாவின் AI வளர்ச்சி கருவிகளை நம்பியுள்ள எந்த ஒரு டெவலப்பரும் துல்லியத்தைப் பற்றி கவலைப்பட்டதாகத் தெரியவில்லை. அடிப்படை மாதிரிகள் குறியீட்டு வரையறைகளில் சிறந்து விளங்கினாலும் புவியரசியல், மানசிக சுகாதாரம் மற்றும் நிதி பற்றிய அடிப்படை உண்மைகளை கற்பனை செய்தன. பதினேழு மாதங்களுக்குப் பிறகு, Brown Forum AI-ஐ தொடங்கினார் இந்தத் தொழிலே புறக்கணித்த சிக்கலைத் தீர்க்க: AI உங்களுக்கு என்ன சொல்கிறது என்பதை யார் தீர்மானிக்கிறார்கள் என்பதற்கான பதில் இரண்டு வகையாக இல்லாதபோது?

அவரது நிறுவனம் "உচ்ச-ஆபத்து விஷயங்களில்" அடிப்படை மாதிரிகளை மதிப்பீடு செய்கிறது — நிபுணத்வம் முக்கியமான மற்றும் தவறான பதிலுக்கு விளைவுகள் உள்ள விஷயங்கள். முறைமை நேரடியாக உள்ளது: களத்தின் நிபுணர்களை (Niall Ferguson, Tony Blinken, Kevin McCarthy புவியரசியலுக்கு; மற்ற செங்குத்துக்களுக்கு ஒத்த பேனல்கள்) பணியமர்த்தவும், அவர்களை மதிப்பீட்டு வரையறைகளை வடிவமைக்க வைக்கவும், பின்னர் AI நீதிபதிகளைப் பயிற்றுவிக்கவும் மனித நிபுணர்களுடன் 90% ஒருமதமை அடைய. ஆரம்ப முடிவுகள் சங்கடமான உண்மைகளை வெளிப்படுத்துகின்றன. Gemini CCP-க்கு எந்த প্রাসঙ்கিকতையும் இல்லாத கதைகளுக்கு சீன கம்யூனிஸ்ட் கட்சி வலைத்தளங்களிலிருந்து இழுக்கிறது. குறியீட்டுக்கு உகந்த மாதிரிகள் நுணுக்கத்தில் வியத்தகு முறையில் தோல்வியடைகின்றன. Silicon Valley அளவிடுவது (MMLU மதிப்பெண்கள், HumanEval பாஸ் விகிதங்கள்) மற்றும் ব்যবহারকாரிகளுக்கு தேவையான (சிக்கலான விஷயங்களில் சூழல்சார்ந்த துல்லியம்) இடையேயான இடைவெளி இதுவரை இல்லாத அளவுக்கு பரந்து உள்ளது.

AI வளர்ச்சி கருவிகள் என்றால் என்ன?

AI வளர்ச்சி கருவிகள் டெவலப்பர்களை இயந்திர கற்றல் மாதிரிகளை உருவாக்க, பயிற்றுவிக்க, வரிசைப்படுத்த மற்றும் பயன்பாடுகளில் ஒருங்கிணைக்க அனுமதிக்கும் தளங்கள் மற்றும் கাঠামோ ஆகும். இந்த வகை குறைந்த-நிலை டென்சர் நூலகங்கள் (PyTorch, TensorFlow) முதல் உচ்ச-நிலை API மடிப்புகள் (OpenAI-ன் SDK, Anthropic-ன் Claude API) வரை முழு-அடுக்கு தளங்கள் வரை பரவியுள்ளது இது உள்கட்டமைப்பு, மாதிரி நிர்வாகம் மற்றும் வரிசைப்படுத்தல் பைப்லைன்களைக் கையாளுகிறது. வேறுபாடு முக்கியமாக உள்ளது ஏனெனில் நீங்கள் தேர்ந்தெடுக்கும் கருவி நீங்கள் என்ன உருவாக்க முடியும் மற்றும் நீங்கள் எவ்வளவு வேகமாக வரிசைப்படுத்த முடியும் என்பதை வடிவமைக்கிறது.

ஆசிய டெவலப்பர்களுக்கு, நிலப்பரப்பு மூன்று அடுக்குகளாக பிரிகிறது. முதல்: AWS (SageMaker), Google (Vertex AI) மற்றும் Microsoft (Azure ML) இலிருந்து மேக்-பூர்வ தளங்கள் — சக்திশாலி ஆனால் விலையுயர்ந்த, Jakarta-ல் உங்கள் பயனர்கள் இருக்கும்போது மற்றும் உங்கள் கணக்கீடு Virginia-ல் இருக்கும்போது தாமத சிக்கல்கள் உள்ளன. இரண்டாவது: OpenAI மற்றும் Anthropic போன்ற API-முதல் சேவைகள் — ஒருங்கிணைக்க வேகமாக ஆனால் অস்पष्ट, மாதிரி நடத்தையின் மீது সীमित கட்டுப்பாடு மற்றும் விலை நির்ধारணை அপ্রত்याशित முறையில் அளவிடுகிறது. மூன்றாவது: ஆசியாவின் உள்கட்டமைப்பு யথার்த்தத்திற்கு கட்டப்பட்ட আঞ்ചலिक தளங்கள் — குறைந்த தாமதம், স্থানীய் இணக்கம், আঞ்ചலिक நாணயங்களில் விலை நির்ধারணை.

AI-பூர்வ வளர்ச்சி தளம் வகை ஒரு குறிப்பிட்ட சிக்கலைத் தீர்க்க வெளிப்பட்டது: "எனக்கு ஒரு ধारணা உள்ளது" மற்றும் "எனக்கு வரிசைப்படுத்தப்பட்ட பொருள் உள்ளது" இடையேயான இடைவெளி மாதங்களில் அளவிடப்பட்டது, நாட்களில் அல்ல. ঐতिहासिक பணிப்பாய்வுகளுக்கு முன்மாதிரி, பயிற்சி, வரிசைப்படுத்தல், கண்காணிப்பு மற்றும் மறுபுனரावृत्तির জন்য தனித்தனி கருவிகள் தேவைப்பட்டன. ஒவ்வொரு கையெடுப்பும் உராய்வு அறிமுகப்படுத்தியது. ஒவ்வொரு விற்பனையாளர் பூட்டுமை நমनीயতை குறைத்தது. டெவலப்பர்கள் அம்சங்களை உருவாக்குவதை விட உள்கட்டமைப்பு நிர்வாகத்தில் அधिक நேரம் செலவழித்தார்கள்.

"AI-பூர்வ" என்பது "AI-সक्षम" என்பதற்கு மாறாக என்ன செய்கிறது? முன்னாள் AI-ஐ முதன்மை இंटरফेस்ஸாக கருதுகிறது, ஒரு ஆட-ஆன் அல்ல. குறியீடு உत்பादனம் ஒரு பக்க அம்சம் அல்ல — இது இயல்புநிலை பணிப்பாய்வு. மாதிரி தேர்வு நீங்கள் என்ன உருவாக்குகிறீர்கள் என்பதன் அடிப்படையில் சூழல்சாரமாக நிகழ்கிறது, நீங்கள் எந்த விற்பனையாளருடன் ஒப்பந்தம் கையெழுத்திட்டீர்கள் என்பதன் அடிப்படையில் அல்ல. வரிசைப்படுத்தல் பைப்லைன்கள் புரிந்துகொள்கின்றன உங்கள் மாதிரிக்கு மறுபயிற்சி தேவைப்படும், வெறுமனே மறுவரிசைப்படுத்தல் அல்ல. தளம் நீங்கள் வேகமாக மறுபுனரावृत्தி செய்கிறீர்கள் என்று கருதுகிறது, ஒரு முறை வரிசைப்படுத்தவில்லை.

ஆசிய டெவலப்பர்களுக்கான சிறந்த கருவிகள்

Campbell Brown-ன் அடிப்படை மாதிரிகளின் விமர்சனம் — அவை குறியீட்டு வரையறைகளுக்கு உகந்து நுணுக்கமான பகுத்தறிவில் தோல்வியடைகின்றன — வளர்ச்சி கருவிகளுக்கு சমানமாக பொருந்தும். Boilerplate React கூறுகளை உত்பादிப்பதில் சிறந்து விளங்கும் ஆனால் ஆஞ்சலிக பேமெন்ட் கேட்வேக்குகளுடன் (GrabPay, GCash, Alipay) ஒருங்கிணைக்க முடியாத ஒரு தளம் ஆசிய சந்தைகளுக்கு கட்டப்பட்டவை அல்ல. இந்த பிராந்தியத்திற்கான சிறந்த AI வளர்ச்சி கருவிகள் மூன்று பண்புகளைப் பகிர்ந்துகொள்கின்றன: স্থানीய உள்கட்டமைப்பு, ஆஞ்சலிक API ஒருங்கிணைப்புகள் மற்றும் விலை நির்ধारணை Silicon Valley நிதி சுற்றுகளை கருதாது.

GitHub Copilot உலகব்যாபி மனப்பூர்வ ஆধிபத்யம் ஆனால் அதன் பயிற்சி தரவுக்கு வெளியே சூழல்ஸாரமாக போராடுகிறது. LINE Login-க்கான (Thailand மற்றும் Japan-ல் எங்கும் உள்ள) அங்கீகார ஓட்டங்களை உত்பादிக்க அதைக் கேளுங்கள் மற்றும் நீங்கள் தளம்-குறிப்பிட்ட வினோதங்களை தவறவிடும் பொதுவான OAuth2 குறியீட்டைப் பெறுவீர்கள். அதே வரம்பு மேற்கு-கட்டப்பட்ட கருவிகள் முழுவதும் தோன்றுகிறது: நிலையான CRUD பயன்பாடுகளுக்கு சிறந்த, ஆஞ்சலிக குறிப்புக்கு பலவீனமான. இது ஒரு தொழில்நுட்ப சிக்கல் அல்ல — இது ஒரு தரவு சிக்கல். முக்கியமாக US மற்றும் European டெவலப்பர்களிலிருந்து GitHub களஞ்சியங்களில் பயிற்றுவிக்கப்பட்ட மாதிரிகள் அந்த சுற்றுச்சூழல்களை பிரதिबिम்बிக்கின்றன.

ஆஞ்சலிक மாற்றுகள் வெளிப்பட்டுள்ளன. Alibaba Cloud-ன் ModelScope சீன மொழி பணிகளுக்கு உகந்த முன்-பயிற்றுவிக்கப்பட்ட மாதிரிகளை வழங்குகிறது. Naver-ன் HyperCLOVA கொரிய டெவலப்பர்களை লক্ష்য கொள்கிறது. இந்த தளங்கள் உள்ளூர்மயத்தை தீர்க்கின்றன ஆனால் Brown Meta-ல் அடையாளம் செய்த அதே உள்கட்டமைப்பு சிக்கலை பெறுகின்றன: பல விற்பனையாளர்கள், சீரற்ற API, வரிசைப்படுத்தல் பைப்லைன்கள் உங்களுக்கு DevOps குழு உள்ளது என்று கருதுகிறது. "ஆ்ரிப்பில் வேலை செய்கிறது" மற்றும் "உত்பাদனத்திற்கு வரிசைப்படுத்துகிறது" இடையேயான இடைவெளி பரந்து உள்ளது.

MonstarX ஒருங்கிணைப்பை முதல்-வகுப்பு கவலையாக கருதுவதன் மூலம் சிக்கலை வேறுபடுத்தி அணுகுகிறது. தளத்தின் இணைப்பி நூலகம் Southeast Asian பேமெন்ட் கேட்வேக்குகள், அங்கீகার வழங்குநர்கள் மற்றும் மேக சேவைகளுக்கான முன்-கட்டப்பட்ட அडॉप्टर்கள் உள்ளடக்கம் — பொதுவான கருவிகள் புறக்கணிக்கும் உள்கட்டமைப்பு அடுக்கு. Copilot உত்பாதிக்கும் குறியீட்டை நீங்கள் ডিবাগ் செய்ய வேண்டியிருக்கும் என்பதை, MonstarX ஏற்கனவே உங்கள் வரிசைப்படுத்தல் লক্ష்যை புரிந்துகொள்ளும் குறியீட்டை உত்பாதிக்கிறது. நீங்கள் Manila-க்கு வரிசைப்படுத்தும்போது இது வரையறை மதிப்பெண்களை விட அधिक গুরুத்வம் வாய்ந்தது, Mountain View அல்ல.

சரியான கருவியை எவ்வாறு தேர்ந்தெடுப்பது

Forum AI-ன் முறைமை — நிபுணர்களை பணியமர்த்தவும், வரையறைகளை வரையறுக்கவும், ஒருமதத்தை அளவிடவும் — வளர்ச்சி கருவிகளை மதிப்பீடு செய்ய ஒரு வார்ப்பு வழங்குகிறது. உங்கள் "உচ்ச-ஆபத்து விஷயங்கள்" என்ன? பெரும்பாலான ஆசிய டெவலப்பர்களுக்கு, பதில் உள்ளடக்கம்: தாமதம் (tier-two நகரங்களில் 4G நெட்வொர்க்குகளில் பயனர்கள்), இணக்கம் (தரவு வசிப்பிட சட்டங்கள் நாடு வாரியாக மாறுபடுகின்றன), செலவு (AWS பில்கள் USD-ல் பெயரிடப்பட்டுள்ளன rupiah-ல் உங்கள் வருவாய் இருக்கும்போது больно), மற்றும் ஒருங்கிணைப்பு (உங்கள் பயனர்கள் உண்மையில் பயன்படுத்தும் சேவைகளுடன் இணைப்பு).

உள்கட்டமைப்பு தேவைகளுடன் தொடங்கவும். உங்கள் பயனர்கள் Southeast Asia-ல் இருக்கும் என்றால், உங்கள் கணக்கீடு எங்கে இயங்குகிறது? US-East-1-ல் பிரத்যேகமாக ஹோஸ்ট் செய்யப்பட்ட ஒரு தளம் உங்கள் குறியீடு செயல்படுவதற்கு முன் 200-300ms அடிப்படை தாமதத்தை சேர்க்கிறது. நீங்கள் வெளிப்புற API-களை அழைக்கும்போது அந்த தாமதம் கூட்டுகிறது. நிஜ-நேர பயன்பாடுகளுக்கு (சாட், সহযோகிதை கருவிகள், நேரடி புதுப்பிப்புகள்), தாமதம் ஒரு அம்சம் கோரிக்கை அல்ல — இது ஒரு dealbreaker. தளம் எங்கে edge nodes இயங்குகிறது மற்றும் அவை Singapore, Tokyo அல்லது Mumbai-ல் வரிசைப்படுத்தலை ஆதரிக்கிறதா என்பதை சரிபார்க்கவும்.

அடுத்து, ஒருங்கிணைப்புகளை ஆய்வு செய்யவும் நீங்கள் மாதம் ஒன்றில் தேவைப்படும். பேமெন்ட் செயல்முறை: தளம் ஆஞ்சலிக கேட்வேக்குகளை ஆதரிக்கிறதா அல்லது Stripe மட்டுமே? அங்கீகாரம்: நீங்கள் Google மற்றும் GitHub-ன் பக்கத்தில் LINE, KakaoTalk, Zalo-ஐ ஒருங்கிணைக்க முடியுமா? மேக சேவைகள்: நீங்கள் இணக்கம் காரணங்களுக்கு Alibaba Cloud அல்லது Tencent Cloud-ஐ பயன்படுத்துகிறீர்கள் என்றால், கருவி அந்த வழங்குநர்களை ஆதரிக்கிறதா? பொதுவான தளங்கள் AWS/GCP/Azure கருதுகின்றன. ஆஞ்சலிக தளங்கள் சிறப்பாக அறிந்திருக்கின்றன.

விலை நির்ধারணை மாதிரிகள் முன்னுரிமைகளை வெளிப்படுத்துகின்றன. பயன்பாட்டு-அடிப்படை விலை நியாயமாக தெரிகிறது நீங்கள் தளம் "API அழைப்புகள்" அல்லது "கணக்கீடு நிமிடங்கள்" அளவிடுகிறது என்பதை உணரும் வரை ஒரு முன்மாதிரி மற்றும் உত்பாதன ট்রাஃபிக் இடையே வேறுபாடு இல்லாமல். நிश்চிত-அடுக்கு விலை நির்ধারணை கணிக்கக்கூடிய தெரிகிறது நீங்கள் குழு அளவு அல்லது வரிசைப்படுத்தல்빈度ஐ செயற்கை வரம்புகளை அடிக்கிறீர்கள் வரை. ஆசிய டெவலப்பர்களுக்கான சிறந்த கருவிகள் স்থানीய நாணயங்களில் விலை நির்ধারணை மற்றும் உண்மையான பயன்பாட்டு முறைகளைச் சுற்றி அடுக்குகளை கட்டமைக்கின்றன (API அழைப்புகள் அல்ல, திட்டங்களின் எண்ணிக்கை), ஏனெனில் அவை Bangalore-ல் மூன்று-நபர் startup-க்கு San Francisco-ல் Series B நிறுவனத்திலிருந்து வேறுபட்ட பொருளாதாரம் உள்ளது என்பதை புரிந்துகொள்கின்றன.

இறுதியாக, கற்றல் வளைவை நேர்மையாக மதிப்பீடு செய்யவும். Brown-ன் Silicon Valley-ல் உள்ள இடைவெளி பற்றிய insight