Meta Muse: Prime Mover Advantage-ஐத் தக்கவைத்துக் கொள்ளுமா? சவால்களும் சாத்தியக்கூறுகளும்!

Meta Muse First Mover Advantage நிலைக்குமா? நாம் ஏற்கனவே நமது முந்தைய பதிவில் Meta நிறுவனத்தின் Muse செயலியைப் பற்றித் தெளிவாகப் பார்த்திருந்தோம். வெளியான் குறுகிய காலத்திலேயே பயனர்களிடையே பெரும் வரவேற்பைப் பெற்றுள்ள இந்த ஆப், ஆப்பிள் ஆப் ஸ்டோரில் உற்பத்தித்திறன் (Productivity) பிரிவில் #1 இடத்தைப் பிடித்துள்ளதுடன் 44,000-க்கும் மேற்பட்ட பயனர்களின் மதிப்பீடுகளையும் (Ratings) பெற்றுத் தீவிரமாகப் பரவி வருகிறது.

மெட்டா அறிமுகப்படுத்தியுள்ள Muse, சாதாரண உரையாடல் செயலிகளை விட முற்றிலும் மாறுபட்ட, தன்முனைப்புடன் செயல்படக்கூடிய முதல் Autonomous AI Agent ஆகும். மெட்டா நிறுவனம் இதற்கு பல்வேறு அடுக்குச் சந்தா மாடலை (Multi-tier subscription model) அறிமுகப்படுத்த ஆலோசித்து வருகிறது.

$24 பில்லியன் டாலர் வருவாய் கணக்கு:

ஒருவேளை Muse செயலி 100 மில்லியன் (10 கோடி) சந்தாதாரர்களைப் பெற்று, ஒவ்வொருவரும் சராசரியாக மாதம் $20 சந்தா செலுத்தினால், மெட்டா நிறுவனத்திற்கு ஆண்டிற்கு $24 பில்லியன் டாலர் (சுமார் ₹2 லட்சம் கோடி) கூடுதல் வருவாய் கிடைக்கும்!

இருப்பினும், இந்த பிரம்மாண்ட இலக்கை எட்டுவதில் மெட்டாவுக்கு பல நிஜ உலகச் சவால்கள் காத்திருக்கின்றன.

மெட்டாவின் Muse சந்திக்கும் 6 முக்கியச் சவால்கள்:

1. பயனர் வளர்ச்சியும் மெதுவான போக்கும்

தற்போது மில்லியன் கணக்கிலான பயனர் தளத்தைக் கொண்டு வேகமாக வளர்ந்து வந்தாலும், சந்தையில் எழுந்துள்ள பாதுகாப்பு மற்றும் தனியுரிமை அச்சங்கள் காரணமாக இதன் பயனர் வளர்ச்சி விகிதம் (Growth Rate) அடுத்தடுத்த கட்டங்களில் சற்றே சீரடையும் (மட்டுப் படும்) என வல்லுனர்களால் எதிர்பார்க்கப்படுகிறது.

2. மெட்டாவின் அதிகரித்து வரும் கடன் சுமை

மெட்டா தனது AI உள்கட்டமைப்பு மற்றும் Muse-ன் வளர்ச்சிக்கு செலவு செய்ய பெருமளவில் கடன்களையே (Debt) நம்பியுள்ளது. கடந்த இரண்டு ஆண்டுகளில் மட்டும் மெட்டாவின் புத்தகங்களில் கடன் அளவு குறிப்பிடத்தக்க அளவில் உயர்ந்துள்ளது. இது முதலீட்டாளர்கள் மத்தியில் சிறிய அளவிலான நிதியியல் கவலையை ஏற்படுத்தியுள்ளது.

3. கணக்கீட்டுத் திறன் மற்றும் தரவு மையச் சவால்கள்

100 மில்லியன் பயனர்களின் தன்னாட்சி AI தேவைகளை ஒரே நேரத்தில் பூர்த்தி செய்யக்கூடிய அளவுக்கு மெட்டாவிடம் தற்போது போதிய கணக்கீட்டுத் திறன் (Compute Power) இல்லை.

சுற்றுச்சூழல் மற்றும் அரசியல் எதிர்ப்புகள்: புதிய Gigawatt-scale தரவு மையங்களை (Data Centers) உருவாக்குவது எளிதான காரியமல்ல. அமெரிக்கா போன்ற நாடுகளில் மின்சாரத் தேவை, நீர் நுகர்வு மற்றும் சுற்றுச்சூழல் பாதிப்புகள் காரணமாக உள்ளூர் அளவில் சமூக மற்றும் அரசியல் எதிர்ப்புகள் (Social and Political Headwinds) தீவிரமடைந்து வருகின்றன.

இதனால் புதிய தரவு மையங்களை உருவாக்கி 100 மில்லியன் பயனர் இலக்கை எட்டுவது மிக மெதுவான செயல்முறையாகவே இருக்கும் என வல்லுநர்கள் கணித்துள்ளனர்.

4. சட்டரீதியான சிக்கல்களும் நஷ்டஈடுகளும்

மெட்டா நிறுவனம் பதிப்புரிமை மீறல், பயனர் தனியுரிமை தொடர்பான வழக்குகள் எனப் பல சட்டப் போராட்டத்தில் (Legal Tangles) சிக்கியுள்ளது. பல்வேறு வழக்குகளில் பல பில்லியன் டாலர்களை அபராதமாகவும்/ஒப்பந்த தீர்வுகளாகவும் (Settlements/Damages) மெட்டா செலுத்த வேண்டிய கட்டாயத்தில் ஏற்கெனவே உள்ளது அல்லது பிற்காலத்தில் செலுத்த வேண்டி வரலாம்.

5. அலைகடல் போட்டிகள்: Blue Ocean To Red Ocean

தற்போது எவ்விதப் போட்டியுமின்றி மெட்டா மட்டுமே ஆட்சி செய்யும் சந்தையாக இது ஒரு Blue Ocean Strategy போன்று தோற்றமளித்தாலும், விரைவில் இது கடுமையான போட்டிகள் நிறைந்த Red Ocean Strategy ஆக மாறும். Hyperscalers எனப்படும் கூகிள், மைக்ரோசாஃப்ட் மற்றும் அமேசான் போன்ற மாபெரும் கிளவுட் நிறுவனங்கள் தங்களின் சொந்த AI ஏஜென்ட்களை விரைவில் களமிறக்கும் என்றும் கண்டிப்பாக எதிர்பார்க்கலாம்.

6. கடவுச்சொற்கள் மற்றும் பயனர் நம்பிக்கை பற்றாக்குறை

கூகிள் அல்லது ஆப்பிள் நிறுவனங்களை விட மக்கள் மெட்டாவைத் தரவுப் பாதுகாப்பில் குறைவாகவே நம்புகிறார்கள்.

நம்பிக்கைக் கருத்துக்கணிப்பு: "உங்கள் தனிப்பட்ட மின்னஞ்சல் கடவுச்சொற்கள் மற்றும் ஈ-காமர்ஸ் இணையதளக் கடவுச்சொற்களை மெட்டாவிடம் ஒப்படைப்பீர்களா?" என்று மக்களிடம் கேட்கப்பட்ட கருத்துக்கணிப்பில், பெரும்பாலானோர் "இல்லை" என்றே பதிலளித்துள்ளனர்.

நமது மின்னஞ்சல் கணக்குகளுக்கான அணுகலும், நமக்காகப் பணம் செலவழிக்கும் அதிகாரமும் (Shopping Authorization) இல்லையென்றால், Muse போன்ற தனிப்பட்ட AI ஏஜென்ட்களின் பயன்பாடு மிகவும் வரம்பிற்குட்பட்டதாகவே அமைந்துவிடும். இது ஒரு கவலைக்குரிய விடயம்.

சுருக்கம்

Meta Muse First Mover Advantage நிலைக்குமா? முதல் நிறுவனமாகச் சந்தைக்குள் நுழைந்த பெருமை (First Mover Advantage) மெட்டாவிற்கு இருந்தாலும், உள்கட்டமைப்பு பற்றாக்குறை, சட்டச் சிக்கல்கள், அதிகரித்து வரும் கடன் மற்றும் பயனர் நம்பிக்கை தொடர்பான கேள்விகளைத் தாண்டி Muse-ஐ ஒரு வெற்றி ஏஜெண்டாக தக்கவைத்துக்கொள்வது மெட்டாவிற்கு மிகப்பெரிய சவாலாகும் என்றே யோசிக்கத் தோன்றுகிறது.

1. நமது முந்தைய பதிவில் Meta நிறுவனத்தின் Muse செயலியைப் பற்றித் தெளிவாகப் பார்த்திருந்தோம்
2. Blue Ocean Strategy
3. Red Ocean Strategy
4. Hyperscalers எனப்படும் கூகிள், மைக்ரோசாஃப்ட் மற்றும் அமேசான்
5. WSJ Article Reference

கருப்பு அக்டோபர்: AI சைபர் தாக்குதல்களும், உலகை அச்சுறுத்தும் PHP ஆபத்துகளும்!

கருப்பு அக்டோபர் AI தாக்குதல் (Black October AI Attack): AI தொழில்நுட்ப உலகிலும், சைபர் பாதுகாப்பு வட்டாரங்களிலும் இந்த மாதத்தை 'கருப்பு அக்டோபர்' (Black October) என்று அழைக்கிறார்கள். இதற்குக் காரணம், AI தொழில்நுட்பத்தின் உதவியுடன் நடத்தப்படும் சைபர் தாக்குதல்கள் முன்னெப்போதும் இல்லாத வகையில் தீவிரமடைந்துள்ளது தான். சமீபத்திய தகவல்களின்படி, மென்பொருள் வரலாற்றிலேயே மிக அதிகமான பாதுகாப்புப் பிழைகள் இந்த ஒரே மாதத்தில் கண்டறியப்பட்டு, ஹேக்கர்களால் தவறாகப் பயன்படுத்தப்பட்டுள்ளன.

OpenCode மற்றும் AI API Key திருட்டு

தற்போது ஹேக்கர்களின் முக்கிய இலக்காக இருப்பது 'AI கம்ப்யூட் கிரெடிட்ஸ்' (AI Compute Credits). அதாவது, AI சேவைகளை இலவசமாகப் பயன்படுத்தும் பொருட்டு சாவிகளைத் (API Key) திருடுவது.

சமீபத்தில், டெவலப்பர்களிடையே பிரபலமான OpenCode என்ற கோடிங் இணையதளத்தில் தொடர்ச்சியான சைபர் தாக்குதல்கள் நடைபெற்றன. சீனாவைச் சேர்ந்த ஹேக்கர்கள் எனச் சந்தேகிக்கப்படும் கும்பல், இந்தத் தளத்தின் பாதுகாப்பை உடைத்து, பயனர்கள் சேமித்து வைத்திருந்த Anthropic, OpenAI போன்ற AI சேவைகளுக்கான API Key-களைத் திருடியுள்ளனர்.

API Key என்றால் என்ன? இதனால் எப்படிப் பண இழப்பு ஏற்படும்?

API Key (Application Programming Interface Key) என்பது AI நிறுவனங்களின் (உதாரணமாக OpenAI அல்லது Gemini) சேவைகளை உங்கள் சொந்த மென்பொருள்களில் பயன்படுத்த உதவும் ஒரு ரகசியக் கடவுச்சொல் போன்றதாகும்.

ஒரு பயனர் இந்த Key-ஐப் பயன்படுத்தி AI-யிடம் கேள்விகள் கேட்கும்போதோ அல்லது வேலை வாங்கும்போதோ, உள்ளீடு மற்றும் வெளியீடு வார்த்தைகளின் (Input and Output Tokens) அடிப்படையில் கட்டணம் வசூலிக்கப்படும். இது ப்ரீபெய்ட் (Pre-paid) மொபைல் ரீசார்ஜ் அல்லது கிரெடிட் கார்டு பில் போன்றது.

இந்த API Key ஹேக்கர்களின் கையில் கிடைத்துவிட்டால், அவர்கள் தங்கள் தேவைக்காக அந்த விலையுயர்ந்த AI சேவைகளைத் தொடர்ந்து பயன்படுத்துவார்கள்; ஆனால், அதற்கான கட்டணம் (பில்) அந்த Key-க்குச் சொந்தக்காரரின் கணக்கிலிருந்து கழிக்கப்படும்! உங்கள் கடன் அட்டை (Credit Card) என் கையில் கிடைத்தால் நான் அதை உபயோகித்து பொருள் வாங்கலாம் ஆனால் மீட்டர் உங்கள் கணக்கில் ஏறும். அதே போலத்தான் இதுவும்.

தி வால் ஸ்ட்ரீட் ஜர்னல் (WSJ) வெளியிட்டுள்ள சமீபத்திய செய்தியின்படி, OpenCode தளத்தின் பல பயனர்கள் 400 டாலர்கள் முதல் சில ஆயிரம் டாலர்கள் வரை இதனால் இழந்துள்ளதாகப் புகாரளித்துள்ளனர்.

PHP மென்பொருளில் கண்டறியப்பட்ட தசாப்த கால பலவீனம் (PHP2Shell)

ஒருபுறம் API Key திருட்டு நடந்து கொண்டிருக்க, மறுபுறம் மனிதர்களால் கண்டுபிடிக்கவோ, ஹேக் செய்யவோ முடியாது என்று பல தசாப்தங்களாக நம்பப்பட்ட சில மென்பொருள் பலவீனங்களை, AI மிக எளிதாக உடைத்து வருகிறது.

இதற்குச் சமீபத்திய உதாரணம், இணைய உலகில் ஆதிக்கம் செலுத்தும் PHP (Hypertext Preprocessor - வலைப்பக்கங்களை உருவாக்கப் பயன்படும் ஒரு திறந்த மூல நிரலாக்க மொழி) மென்பொருளில் கண்டறியப்பட்டுள்ள பலவீனம் (CVE-2026-109618 மற்றும் CVE-2026-109619). இந்த மெமரி பலவீனம் பல ஆண்டுகளாக PHP டெவலப்பர்களுக்குத் தெரிந்திருந்தாலும், "இதை வைத்து ஹேக் செய்வது நடைமுறையில் சாத்தியமில்லை" என்று எண்ணி அதற்கான திருத்தங்களை (Patch) வழங்காமல் இருந்தனர். ஆனால் இந்த அக்டோபரில், AI உதவியுடன் இந்தப் பலவீனத்தை மிக எளிதாக ஹேக் செய்து கணினிகளுக்குள் ஊடுருவ முடியும் என்று ஆராய்ச்சியாளர்கள் நிரூபித்துள்ளனர்.

PHP பயனர்கள் ஏன் கட்டாயம் அப்டேட் செய்ய வேண்டும்?

உலகில் உள்ள 70 சதவீத இணையதளங்கள் PHP-யில்தான் இயங்குகின்றன. பல நாடுகளின் முக்கிய அரசு இணையதளங்களும், ஆரம்பக்கால பேஸ்புக் (Facebook) போன்ற முன்னணித் தளங்களும் PHP-யை அடிப்படையாகக் கொண்டே உருவாக்கப்பட்டன (காலப்போக்கில் Meta வேறு தளத்திற்கு மாறிவிட்டது).

தற்போது, சமீபத்திய PHP பதிப்புகளுக்கு (PHP 8.2, 8.3, 8.4) இதன் டெவலப்பர்கள் அவசர பாதுகாப்பிற்கான தீர்வை (Security Patch) வெளியிட்டுள்ளனர். ஆனால், PHP ஒரு இலவச மென்பொருள் என்பதால், பழைய பதிப்புகளுக்கான (PHP 8.1 மற்றும் அதற்கு முந்தையவை) ஆதரவுக்காலம் (End of Support /Life) முடிந்துவிட்டதாகக் கூறி, அவற்றுக்கு எந்த அப்டேட்டும் வழங்கப்பட மாட்டாது என்று அறிவித்துவிட்டனர்.

இது உலகெங்கிலும் உள்ள PHP பயனர்களை உடனடியாகப் புதிய பதிப்புக்கு மாற வேண்டிய கட்டாயத்திற்குத் தள்ளியுள்ளது. இது அவ்வளவு எளிதான காரியமல்ல; பழைய PHP-யில் எழுதப்பட்ட நிரல்கள் மற்றும் வேர்ட்பிரஸ் (Wordpress) என்ற உலகப் புகழ் பெற்ற இணையதள அமைப்பு மற்றும் இயக்க மென்பொருளின் தேர்ட்-பார்ட்டி ப்ளக்-இன்கள் (Plug-ins) புதிய PHP பதிப்பில் சரியாக வேலை செய்யும் என்பதற்கு எந்த உத்தரவாதமும் இல்லை. இதனால், ஹேக்கர்களிடமிருந்து தப்பிக்க வேறு வழியின்றி, பல நிறுவனங்களும், சில அரசுகளும் மாற்றுவழி கிடைக்கும் வரை தங்கள் இணையதளங்களைத் தற்காலிகமாக முடக்கி வைக்கும் நிலைக்குத் தள்ளப்பட்டுள்ளன.

சுருக்கம்

தற்கால தொழில்நுட்பக் (மென்பொருள்) கண்டுபிடிப்புகளுக்கு கீழ்க்கண்ட குறள் பொருந்தாது என்றே சொல்லலாம்.

பொருள்கருவி காலம் வினையிடனொடு ஐந்தும்
இருள்தீர எண்ணிச் செயல்.  (குறள்: 675 - வினைசெயல் வகை)

பொருள்: ஒரு செயலை செய்யும் முன் கீழ்காணும் ஐந்தினை ஆராய்ந்து எண்ணி அவற்றுள் அறியாமை குற்றங்கள் நீக்க வேண்டும். இவற்றில் எவ்வித குழப்பமும், ஐயப்பாடும், மயக்கமும் இருத்தல் கூடாது.  அதன் பின்பே அச்செயலை செய்யவேண்டும்.

கருப்பு அக்டோபர் AI தாக்குதல் (Black October AI Attack): AI தொழில்நுட்பம் எந்த அளவுக்கு ஆக்கப்பூர்வமானதோ, அதே அளவுக்கு அது தவறான நபர்களின் கைகளில் சிக்கும்போது மிகப்பெரிய பேரழிவாகவும் மாறுகிறது.

"கத்தி காய்கறி நறுக்கவும் பயன்படும், உயிருக்கு பாதகம் செய்யவும் பயன்படும்."

ஹேக்கர்கள் AI உதவியுடன் API Key-களைத் திருடிப் பண மோசடி செய்வதும், பல ஆண்டுகளாக மனிதர்களால் கண்டறிய முடியாத மென்பொருள் பலவீனங்களை (PHP vulnerabilities) AI மூலம் உடைப்பதும் இதையே உணர்த்துகின்றன. உலகெங்கிலும் உள்ள நிறுவனங்கள் தங்கள் இணையப் பாதுகாப்பை (Cybersecurity) பாரம்பரிய முறைகளிலிருந்து AI-எதிர்ப்புப் பாதுகாப்பு (AI-proof Security) அரண்களாக மாற்ற வேண்டியது காலத்தின் கட்டாயமாகும்.

1. 'கருப்பு அக்டோபர்' (Black October) 
2. API Key என்றால் என்ன?
3. (WSJ) வெளியிட்டுள்ள சமீபத்திய செய்தி
4. PHP (Hypertext Preprocessor - வலைப்பக்கங்களை உருவாக்கப் பயன்படும் ஒரு திறந்த மூல நிரலாக்க மொழி)

அமெரிக்காவின் PERM நிறுத்தம்: இந்திய IT துறைக்கு பாதிப்பா அல்லது புதிய வாய்ப்பா?

அமெரிக்க டிரம்பின் நிர்வாகம், வெளிநாட்டு ஊழியர்களுக்குக் கிரீன் கார்டு (Green Card) வழங்குவதற்கான முதன்மைச் செயல்பாடான PERM (Permanent Labor Certification) செயல்முறையைத் தற்காலிகமாக நிறுத்தி வைத்துள்ளது. மைக்ரோசாஃப்ட், டாடா கன்சல்டன்சி சர்வீசஸ் (TCS), இன்ஃபோசிஸ், விப்ரோ, ஹெச்.சி.எல் (HCL), காக்னைசன்ட் உள்ளிட்ட முன்னணி 8 தொழில்நுட்ப நிறுவனங்கள் இதில் சேர்க்கப்பட்டுள்ளன.

அமெரிக்க நிறுவனங்கள் குறைந்த ஊதியத்திற்கு வெளிநாட்டு ஊழியர்களைப் பயன்படுத்தி, தங்கள் நாட்டின் சொந்தக் குடிமக்களின் வேலைவாய்ப்பைப் பறிப்பதைத் தடுக்கவே இந்நடவடிக்கை என அமெரிக்க அரசு தரப்பில் தெரிவிக்கப்பட்டுள்ளது.

இந்திய IT நிறுவனங்களுக்குப் பெரிய பாதிப்பில்லை!

இந்த அறிவிப்பு பெரும் பரபரப்பை ஏற்படுத்தியிருந்தாலும், இந்திய IT துறைக்கு இதனால் எவ்வித பெரிய பாதிப்பும் ஏற்படாது என்பதே உண்மை.

• குறைந்த அளவிலான விண்ணப்பங்கள்: ICICI Securities அறிக்கையின்படி, கடந்த ஆண்டில் தாக்கல் செய்யப்பட்ட மொத்த PERM சான்றிதழ்களில் (1,17,849) இந்திய IT நிறுவனங்களின் பங்களிப்பு 2 சதவீதத்திற்கும் குறைவு (சுமார் 1,400 விண்ணப்பங்கள் மட்டுமே).
• உள்நாட்டுப் பணியாளர்கள் தேர்வு: கடந்த 3 முதல் 4 ஆண்டுகளில், பெரும்பாலான இந்திய IT நிறுவனங்கள் அமெரிக்காவில் H-1B மற்றும் கிரீன் கார்டு சார்ந்து இருக்கும் நிலையைக் கணிசமாகக் குறைத்து, அங்குள்ள அமெரிக்கப் திறமையாளர்களையே (US Talent) அதிகளவில் வேலைக்கு அமர்த்தத் தொடங்கிவிட்டன.

சவாலை வாய்ப்பாக மாற்றும் நேரம்: வினீத் நாயரின் தொலைநோக்குப் பார்வை

ஹெச்.சி.எல் (HCL Technologies) நிறுவனத்தின் முன்னாள் தலைமைச் செயல் அதிகாரி வினீத் நாயர், தனது LinkedIn வலைப்பதிவில் "அமெரிக்காவின் இந்த PERM தடை குறித்து இந்தியா கவலைப்படத் தேவையில்லை; மாறாக, இதை ஒரு பெரும் வாய்ப்பாக மாற்ற வேண்டும்" என்று சுட்டிக்காட்டியுள்ளார்.

அவரது முக்கியப் பார்வைகள்:

1. ஆஃப்சோர் (Offshore) மாடலின் அடுத்த கட்டம்:
   
   ஆரம்பக்காலத்தில் இந்திய IT துறை, அமெரிக்காவிற்கு நேரடியாகத் திறமையான பொறியாளர்களை அனுப்பி (Onsite) பிரச்சனைகளைத் தீர்த்தது. பின்னர் அதுவே இந்தியாவில் இருந்து வேலை செய்யும் Offshore Delivery Model ஆக உருவெடுத்து, இந்தியத் திறமையாளர்களின் எண்ணிக்கையை உலகளவில் உயர்த்தியது.
   
   
2. மென்பொருள் தயாரிப்பு உருவாக்கத்தை (Product Development) இந்தியாவிற்கு மாற்றுதல்:
   
   தற்போது செயற்கை நுண்ணறிவு (AI) உற்பத்தித் திறனைப் பலமடங்கு உயர்த்தியுள்ளது. இந்திய தொழில்நுட்ப வல்லுநர்களும் முதிர்ச்சியடைந்துள்ளனர். PERM தடையால் அமெரிக்கப் பணிகளை இந்தியாவிற்கே கொண்டு வர முடியும்.
   
   
3. அவுட்சோர்சிங்கிலிருந்து சொந்த தயாரிப்புக்கு (Outsourcing to Ownership):
   
   இந்தியக் குழுக்கள் அமெரிக்காவிலிருந்து வரும் அறிவுறுத்தல்களை வெறும் 'கோடிங்' ஆக மாற்றுவதோடு நிறுத்திக்கொள்ளக் கூடாது. "என்ன உருவாக்க வேண்டும்" என்பதைத் தீர்மானிக்கும் தயாரிப்புப் பணி (Product Engineering) மற்றும் கட்டமைப்பு (Architecture) பணிகளை இந்தியாவில் மேற்கொண்டு, இந்தியாவை உலகளாவிய IT மையமாக மாற்ற வேண்டும்.
   

சுருக்கம்

அமெரிக்காவின் PERM இடைநிறுத்தம் என்பது இந்திய IT துறைக்கு ஒரு பின்னடைவு அல்ல; அது இந்தியாவில் இருந்து உலகத்தரம் வாய்ந்த மென்பொருட்களை உருவாக்கக் கிடைத்த ஒரு புதிய கதவு. அமெரிக்காவிற்கு ஆட்களை அனுப்புவதை விட, அமெரிக்கப் பணிகளை இந்தியாவுக்குக் கொண்டு வருவதே அடுத்த தலைமுறை IT புரட்சிக்கான வழி!

1. அமெரிக்கா முதன்மைச் செயல்பாடான PERM (Permanent Labor Certification) செயல்முறையைத் தற்காலிகமாக நிறுத்தி வைத்துள்ளது
2. கடந்த ஆண்டில் தாக்கல் செய்யப்பட்ட மொத்த PERM சான்றிதழ்களில் (1,17,849) இந்திய IT நிறுவனங்களின் பங்களிப்பு 2 சதவீதத்திற்கும் குறைவு
3. ஹெச்.சி.எல் (HCL Technologies) நிறுவனத்தின் முன்னாள் தலைமைச் செயல் அதிகாரி வினீத் நாயர் LinkedIn வலைப்பதிவு 

தென்கொரிய வங்கிகளை நிலைகுலைய வைத்த AI தாக்குதல்: ARTEX.ai வழங்கும் பாடம்!

சமீபத்தில் தென்கொரியாவின் முன்னணி நிதி நிறுவனங்கள் மற்றும் வங்கிகள் தொடர்ச்சியான AI-அடிப்படையிலான இணையத் தாக்குதல்களுக்குப் (AI-driven cyberattacks) பலியாகின. CrowdStrike Threat Intelligence Report, Quartz Report மற்றும் Business Times Singapore ஆகியவை வெளியிட்ட ஆய்வறிக்கைகளின்படி, இந்தத் தாக்குதல்களின் பின்னணியில் ARTEX.ai என்ற திறந்த மூல (Open-Source) AI தளம் பயன்படுத்தப்பட்டுள்ளது உறுதி செய்யப்பட்டுள்ளது.

ARTEX.ai என்றால் என்ன?

ARTEX.ai என்பது கணினி அமைப்புகளின் பாதுகாப்பு பலவீனங்களைக் கண்டறிய (Penetration Testing) சீனாவில் உருவாக்கப்பட்டு வெளியீடு செய்யப்பட்ட ஒரு திறந்த மூல AI Agent கட்டமைப்பாகும்.

இது பயனர்களுக்கு கூகுள், OpenAI, ஆந்த்ரோபிக் (Claude) அல்லது டீப்ஸீக் (DeepSeek) போன்ற முன்னணி நிறுவனங்களின் LLM மாதிரிகளைத் தேர்ந்தெடுத்து, தானியங்கு முறையில் சைபர் தாக்குதல் திறன்களை உருவாக்கும் வசதியை அளிக்கிறது. பாதுகாப்புச் சோதனைகளுக்காக உருவாக்கப்பட்ட இக்கருவி, தற்போது ஹேக்கர்களால் ஆயுதமாக மாற்றப்பட்டுள்ளது.

ஏன் தென்கொரியா இலக்காக்கப்பட்டது?

1. தீவிர டிஜிட்டல் ஒருங்கிணைப்பு: தென்கொரியா உலகில் மிக அதிக அளவில் டிஜிட்டல் மயமாக்கப்பட்ட நிதி அமைப்பைக் கொண்டுள்ளது. ஆன்லைன்/மொபைல் வங்கிச் சேவைகள், ஓபன் பேங்கிங் API மற்றும் கடன் பரிசீலனைச் சேவைகள் தினமும் கோடிக்கணக்கான பரிவர்த்தனைகளைக் கையாள்கின்றன. (ஃபின்டெக் மூலம் வேகமாக டிஜிட்டல் மயமாக்கப்பட்டு வரும் இந்தியாவும் இந்த நிலைக்கு அருகில் உள்ளது என்பதை நினைவில் கொள்ள வேண்டும்).

2. மதிப்புமிக்க வாடிக்கையாளர் தரவுகள்: தென்கொரிய வங்கிகளின் தரவுத்தளங்களில் வாடிக்கையாளர்களின் நிதி விவரங்கள், தேசிய அடையாள எண்கள், ஆண்டு வருமான அறிக்கைகள் மற்றும் கடன் அட்டை விவரங்கள் போன்ற அதிக மதிப்புள்ள தரவுகள் சேமிக்கப்பட்டுள்ளன.

3. முன்-அலுவலக அமைப்புகளின் பலவீனம் (Front Office Vulnerabilities): பிரதான வங்கிக் கணினிகள் (Mainframes) பலமான பாதுகாப்பு அரண்களைக் கொண்டிருந்தாலும், வங்கி ஊழியர்கள் பயன்படுத்தும் மொபைல் சேவைகள் மற்றும் B2B கடன் அனுமதி தளங்கள் (loan-progress platforms) போன்ற முன்-அலுவலக அமைப்புகளில் வலுவான பூஜ்ஜிய-நம்பிக்கைப் பிரிவு (Zero-Trust Segmentation) மற்றும் பன்முக அடையாள உருவகப்படுத்துதல் (Multi-Factor Authentication) இல்லாதது ஹேக்கர்களுக்கு எளிதான வழியை ஏற்படுத்திக் கொடுத்தது.

4. AI தானியங்கித் தாக்குதலின் வேகம்: பாரம்பரியத் தாக்குதல் கண்டறிதல் அமைப்புகள் மனித ஹேக்கர்களைக் கண்டறியவே வடிவமைக்கப்பட்டுள்ளன. ஆனால், AI ஏஜென்ட்டுகள் மிக அதிவேகமாகவும், பன்முகத் தன்மையுடனும் ஒரே நேரத்தில் பல முனைத் தாக்குதல்களை நடத்துவதால், பழைய பாதுகாப்பு அமைப்புகள் எளிதில் ஏமாற்றப்படுகின்றன.

ARTEX.ai தளத்தைப் பயன்படுத்தி நடந்த தாக்குதல்:

• நோக்கமும் உரிமையும்: ARTEX என்பது அடிப்படையில் கணினி அமைப்புகளின் பாதுகாப்பை சோதிப்பதற்காக சீனாவில் உருவாக்கப்பட்ட ஒரு திறந்த மூல AI Agent கட்டமைப்பு. ஆனால், நிதியியல் ஆதாயம் அடைவதற்காக ஹேக்கர்கள் இக்கருவியை தவறாகப் பயன்படுத்தியுள்ளனர்.

• தாக்குதல் நுட்பம்: அமெரிக்கா, ஜெர்மனி, ஜப்பான் உட்பட பல நாடுகளின் IP முகவரிகளைப் பயன்படுத்தி, பிராக்ஸிகள் (Proxies) மூலம் இந்தத் தாக்குதல் உலகளாவிய அளவில் ஒருங்கிணைக்கப்பட்டது.

• திருடப்பட்ட சொத்துகள்: ஆய்வறிக்கைகள் கூறும் தகவல்கள் அடிப்படையில் ஷின்ஹான் வங்கி (Shinhan Bank) மற்றும் கேபி குக்மின் வங்கி (KB Kookmin Bank) உட்பட குறைந்தபட்சம் 7 நிதி நிறுவனங்களிலிருந்து ஆயிரக்கணக்கான வாடிக்கையாளர்களின் தனிப்பட்ட அடையாள விவரங்கள், கடன் அட்டை தரவுகள் மற்றும் நிதி அறிக்கைகள் திருடப்பட்டு வெளியேற்றப்பட்டன (Exfiltrated).

• விசாரணை நிலை: தென்கொரியாவின் தேசியக் காவல் முகமை மற்றும் நாட்டின் ஜனாதிபதி லீ ஜே மியுங் (Lee Jae Myung) உத்தரவின் பேரில் அவசர விசாரணை தொடங்கப்பட்டுள்ளது. சீனாவைச் சேர்ந்த 26 வயது நபர் ஒருவர் இதன் பின்னணியில் இருக்கலாம் என CrowdStrike சுட்டிக்காட்டியுள்ள போதிலும், அதிகாரப்பூர்வ புலனாய்வு விசாரணைகள் இன்னும் தொடர்ந்து வருகின்றன.

இந்தியா பெற வேண்டிய முக்கிய பாடங்கள்:

இந்தியாவின் வங்கியியல் அமைப்புகளும் இதேபோன்ற முன்-அலுவலக அமைப்புகள், மூன்றாம் தரப்பு API இணைப்புகள், UIDAI (ஆதார்), வரித்துறை மற்றும் கடன் மதிப்பீட்டு நிறுவனங்கள் (CIBIL) போன்ற முக்கியமான வாடிக்கையாளர் தரவுகளைக் (KYC, கடன் அறிக்கைகள், வரித் தரவுகள்) கையாளும் அமைப்புகளைக் கொண்டுள்ளன.

இந்திய நிதி நிறுவனங்கள் தங்கள் அமைப்புகளில் உள்ள அனைத்துப் பாதுகாப்புக் குறைகளையும் கண்டறிந்து, ஜீரோ-டிரஸ்ட் (Zero-Trust Architecture) பாதுகாப்பு நடைமுறைகளையும், AI-எதிர்ப்புப் பாதுகாப்பு அரண்களையும் போர்க்கால அடிப்படையில் உடனடியாக நடைமுறைப்படுத்த வேண்டியது தற்போதைய அவசியத் தேவையாகும்.

தொழில்நுட்பக் கலைச்சொற்கள் அட்டவணை

தொழில்நுட்பச் சொல்	விளக்கம்
Open Source	எவரும் இலவசமாகப் பயன்படுத்தவும், மாற்றியமைக்கவும் கூடிய மென்பொருள் குறியீடு.
Penetration Testing	ஒரு கணினி அமைப்பில் உள்ள பாதுகாப்புக் குறைகளைக் கண்டறிய நடத்தப்படும் போலித் தாக்குதல் சோதனை.
Zero Trust Architecture	எந்தவொரு பயனரையோ அல்லது சாதனத்தையோ தானாக நம்பாமல், ஒவ்வொரு நுழைவிலும் தீவிரமாகச் சரிபார்க்கும் பாதுகாப்பு முறை.
Data Exfiltration	ஒரு அமைப்பிலிருந்து தரவுகளை அனுமதியின்றி ரகசியமாகத் திருடி வெளியேற்றுதல்.

1. CrowdStrike Threat Intelligence Report
2. Quartz Report
3. Business Times Singapore
4. திறந்த மூல (Open-Source) AI தளம்
5. கணினி அமைப்புகளின் பாதுகாப்பு பலவீனங்களைக் கண்டறிய (Penetration Testing)
6. பூஜ்ஜிய-நம்பிக்கைப் பிரிவு (Zero-Trust Segmentation)
7. பன்முக அடையாள உருவகப்படுத்துதல் (Multi-Factor Authentication)
8. ஹேக்கர் என்பவர் யார்?

CFO-க்களுக்கு ஏஐ கொடுக்கும் புதிய தலைவலி - ஐடி செலவுகளை கணிப்பதில் சிக்கல்

AI Coding செலவைக் கணக்கிடுவது ஏன் கடினம்? நிறுவனங்களின் புதிய IT சவால்! 

பெரிய கார்ப்பரேட் நிறுவனங்கள் மற்றும் ஐடி (IT) நிறுவனங்கள் தங்களின் மென்பொருள் தயாரிப்புக்கும் (Software Development) தகவல் தொழில்நுட்பத் தேவைகளுக்கும் AI தொழில்நுட்பத்தை நோக்கி மிக வேகமாக மாறி வருகின்றன. ஆனால், இந்த மாற்றம் நிறுவன நிதியியல் தலைவர்களுக்கு (CFOs) ஒரு புதிய தலைவலியைக் கொண்டு வந்துள்ளது.

ஒரு குறிப்பிட்ட வேலையைச் செய்து முடிக்க AI-க்கு எவ்வளவு செலவாகும் என்பதைத் துல்லியமாகக் கணக்கிடுவது மிகப்பெரிய சவாலாக உருவெடுத்துள்ளது. சமீபத்தில் தி வால் ஸ்ட்ரீட் இதழில் (The Wall Street Journal) வெளியான கட்டுரை ஒன்று, AI பயன்பாட்டுச் செலவைக் கணக்கிடுவதில் உள்ள சிக்கல்களை விரிவாக எடுத்துரைக்கிறது.

AI டோக்கன் (Token) என்றால் என்ன? கட்டணம் எவ்வாறு வசூலிக்கப்படுகிறது?

பாரம்பரிய மென்பொருட்களைப் போல AI கருவிகளுக்குத் தனிநபர் உரிமக் கட்டணம் (Per-Seat License) வசூலிக்கப்படுவதில்லை; மாறாக 'டோக்கன்' (Tokens) அடிப்படையில் கட்டணம் வசூலிக்கப்படுகிறது.

டோக்கன் கணக்கீடு: AI உலகில் சொற்கள் அல்லது சொற்களின் பகுதிகள் 'டோக்கன்கள்' எனப்படுகின்றன. தோராயமாக 100 ஆங்கில வார்த்தைகள் என்பது 75 டோக்கன்களுக்குச் சமம்.

டாக்ஸி மீட்டர் போன்றது: நீங்கள் AI-க்குக் கொடுக்கும் உள்ளீடு (Input Prompt) மற்றும் AI தரும் வெளியீடு (Output Response) ஆகிய இரண்டிற்கும் டோக்கன் கட்டணம் உண்டு. உள்ளீட்டிலும் வெளியீட்டிலும் எவ்வளவு டோக்கன் உள்ளதோ அதற்கு இணையாக பணம் வசூலிப்பார்கள்.  டாக்ஸி மீட்டர் ஓடுவது போல, AI மாடல் எவ்வளவு யோசித்து வார்த்தைகளை உருவாக்குகிறதோ, அவ்வளவு கட்டணம் எகிறும்.

கணிக்க முடியாத IT பட்ஜெட்: WSJ கட்டுரை கூறும் தகவல்கள்

நிறுவனங்கள் தங்களின் வருடாந்திர IT பட்ஜெட்டைத் துல்லியமாகத் திட்டமிட்டு, அதன்படி செலவு செய்வது தொழில்முறை நிர்வாகத்திற்கு அவசியம். ஆனால் AI-ன் வருகை இதில் குழப்பத்தை ஏற்படுத்தியுள்ளது. "உங்களால் 10% துல்லியத்துடன் ஏஐ செலவுகளை கணிக்க முடிகிறதா?" என்று 400 நிறுவனங்களிடம் கேட்டார்கள்.

• 89% நிறுவனங்களால் கணிக்க முடியவில்லை: AI செலவுகளை 10% துல்லியத்துடன் கூட முன்னறிவிக்க இயலவில்லை என்று ஆய்வில் பங்கேற்ற 89% நிறுவனங்கள் (11% மட்டுமே முடியும் என்றன) தெரிவித்துள்ளன.
• 30 மடங்கு செலவு வித்தியாசம்: ஒரே வேலையை AI செய்யும்போது, ஒவ்வொரு முறையும் அது பயன்படுத்தும் டோக்கன்களின் எண்ணிக்கை 30 மடங்கு (30x) வரை மாறுபடுவதாகப் பெஞ்ச்மார்க் சோதனைகள் காட்டுகின்றன.
  

பெஞ்ச்மார்க் சோதனை: 5 முறை மீண்டும் மீண்டும் சோதிக்கப்பட்ட LLM-கள்

சமீபத்தில் Google, Anthropic மற்றும் OpenAI ஆகிய நிறுவனங்களின் முன்னணி மாடல்களை (LLMs) வைத்து ஒரு முக்கியமான கோடிங் பெஞ்ச்மார்க் சோதனை நடத்தப்பட்டது.

இதில் ஒரே கோடிங் பணியை முடிப்பதற்காக இரண்டு விதமான பிராம்ட்கள் (Prompts) கொடுக்கப்பட்டு, 5 முறை தொடர்ந்து சோதிக்கப்பட்டன.

சோதனையில் வெளிவந்த முடிவுகள்:

1. மாறும் டோக்கன் அளவு: ஒரே மாதிரியான பிராம்ட் கொடுக்கப்பட்ட போதிலும், ஒவ்வொரு முறையும் AI பயன்படுத்திய டோக்கன்களின் எண்ணிக்கை பெருமளவில் மாறுபட்டது.
2. தோல்வியில் முடிந்த முயற்சிகள் (Failures): சில முயற்சிகளில் AI மாடல்கள் சரியான நிரலாக்கம் (Code) தராமல், பிழைகளுடன் (Errors) பாதியிலேயே நின்று தோல்வியடைந்தன.
3. Agentic Loops: AI முகவர்கள் (Agents) ஒரு பிழையைத் திருத்த மீண்டும் மீண்டும் மறுமுயற்சி செய்யும்போது (Loops), கட்டுப்பாடன்றி  டோக்கன்களை எரித்து (வீணடித்து) செலவை உயர்த்துகின்றன.

படத்தின் மூலம்: வால் ஸ்ட்ரீட் ஜர்னல் 

மலிவான மாடலா? அல்லது ஆழமான சிந்தனை மாடலா? (Fast vs Reasoning Models)

இந்தச் சோதனையானது குறைந்த கட்டணத்தில் வேகமாக இயங்கும் சாதாரண மாடல்களுக்கும், அதிகக் கட்டணம் கொண்ட ஆழமான சிந்தனை திறன் கொண்ட (Deep Reasoning) மாடல்களுக்கும் இடையே நடத்தப்பட்டது.

• மலிவான மாடல்களின் ஏமாற்றம்: குறைந்த டோக்கன் விலை கொண்ட மாடல்கள், கோடிங் சிக்கலைத் தீர்க்க முடியாமல் மீண்டும் மீண்டும் முயற்சி செய்து (Retries) அதிக டோக்கன்களை வீணடித்து இறுதியில் தோல்வியடைந்தன.
• ஆழமான மாடல்களின் வெற்றி: மாறாக, அதிக டோக்கன் விலை கொண்ட ஆழமான சிந்தனை மாடல்கள் (Deep Reasoning Models), முதல் முயற்சியிலேயே சிக்கலைத் துல்லியமாகத் தீர்த்தன.

முக்கிய பார்வை: டோக்கன் விலை அதிகமாக இருந்தாலும், ஒரே முயற்சியில் சரியாகச் செய்து முடிப்பதால் Deep Reasoning மாடல்களின் சராசரி மொத்தச் செலவு (Average Cost Per Task), மலிவான மாடல்களை விடக் குறைவாகவே அமைந்தது!

அம்சம் (Feature)	வேகமான / மலிவான மாடல்கள் (Fast Models)	ஆழமான சிந்தனை மாடல்கள் (Deep Reasoning Models)
ஒரு டோக்கன் விலை	மிகக் குறைவு	அதிகம்
பணி வெற்றி விகிதம்	குறைவு (Errors & Retries)	மிக அதிகம்
Agentic Loop செலவு	மீண்டும் மீண்டும் இயங்கி டோக்கன்களை எறிக்கும்	துல்லியமான பாதையில் விரைந்து முடிக்கும்
மொத்த பணிச் செலவு	அதிகம் (தோல்விகளால்)	குறைவு (சராசரியில்)

சுருக்கம்

நிறுவனங்கள் தங்களின் நிதி வரம்பிற்குள் (Budget Limits) இயங்க வேண்டியது அவசியமாகும். ஆனால் AI தொழில்நுட்பம் வழங்கும் மாறக்கூடிய முடிவுகளும் (Probabilistic Nature), டோக்கன் பயன்பாட்டில் நிலையின்மையும் நிறுவனங்களின் IT பட்ஜெட்டிங் முறையில் புதிய சவாலை உருவாக்கியுள்ளன.

வெறும் "மலிவான டோக்கன் விலை" கொண்ட மாடல்களைத் தேர்ந்தெடுப்பதை விட, துல்லியமாகப் பணிகளை முடிக்கும் "சாணக்கியமான மாடல்களைத்" (Reasoning Models) தேர்ந்தெடுப்பதே நிறுவனங்களுக்கு நீண்டகாலத்தில் செலவைக் குறைக்கும் போல் தெரிகிறது.

ஒரு திறமை மிக்க மனிதனாலேயே ஒரு நிரலாக்கத்தை (அல்லது அதன் பாகத்தை) ஒரே சுற்றில் முழுதும் துல்லியமாக இயங்கச் செய்ய இயலாது. ஒரு புள்ளியியல் கருவி செய்ய இயலுமா?

1. வால் ஸ்ட்ரீட் இதழில் (The Wall Street Journal) வெளியான கட்டுரை

கணினியும் 'சொல்பேச்சு கேளாமையும்' - மானிடவுருவாக்கம்

கணினியும் 'சொல்பேச்சு கேளாமையும்' - மானிடவுருவாக்கம் (Anthropomorphism) உபயோகித்து ஏஐ எப்படி சந்தை படுத்தப் படுகிறது?

என் சக மென்பொருள் பொறியாளர்கள் (Software Engineers) நகைச்சுவையாக அவ்வப்போது ஒரு விஷயத்தைச் சொல்வதுண்டு: "என் நிரலி (Program Code) என் மேல் கோபமாக இருக்கிறது, அதனால் அது சரியாக இயங்க மறுக்கிறது!"

ஒரு மனிதனுக்கு மட்டுமே உரிய 'கோபம்' என்ற உணர்ச்சியை, உயிரற்ற ஒரு கணினி நிரலுக்கு (Software Program) ஏற்றிப் பேசுவது நமது இயல்பு. மனிதர் அல்லாத ஒரு பொருளுக்கோ அல்லது விலங்கிற்கோ மனிதப் பண்புகளை ஏற்றிச் சொல்வதற்கு Anthropomorphism (உருவகப்படுத்துதல்) என்று பெயர். விலங்குகளின் செயல்களை மற்ற மனிதர்களுக்கு எளிதாகப் புரியவைக்க நாம் இந்த முறையைப் பயன்படுத்துகிறோம். அதுவரை அதில் எந்தப் பிரச்சினையும் இல்லை.

ஆனால், இன்றைய நவீன தொழில்நுட்பத்தைச் சார்ந்த சந்தைப்படுத்துபவர்கள் (Technology Marketeers), இதே 'Anthropomorphism' என்ற ஆயுதத்தை ஏஐ (செயற்கை நுண்ணறிவு) விஷயத்தில் அவர்களுக்கு சாதகமாக பயன்படுத்தத் தொடங்கியுள்ளனர். இந்த வழிமுறை இன்று கணினி தொழில்நுட்பம் பற்றி முழுதும் அறியாதவர்களை பயப்படுத்தி உள்ளது என்றால் அது மிகையல்ல.

ஏஐ எப்படி இயங்குகிறது?

ஏஐ என்பது பல தசாப்த கால ஆராய்ச்சியின் விளைவாக உருவான உயர்தொழில்நுட்பம் என்பதில் சந்தேகமில்லை. இன்று கிளாட் (Claude), சாட்ஜிபிடி (ChatGPT), ஜெமினி (Gemini) போன்ற அதிநவீன ஏஐ தளங்களுடன் உரையாடும்போது, மறுமுனையில் ஒரு மனிதன் அமர்ந்து பேசுவது போன்ற பிம்பம் நமக்கு ஏற்படுகிறது.

இதற்குக் காரணம், நீங்கள் உள்ளிடும் ப்ராம்ட்-இல் (Prompts) உள்ள சொற்களை வைத்தே உங்கள் நோக்கத்தையும் (Intent) மனநிலையையும் (Attitude/ Emotions) துல்லியமாகக் கணிக்கும் அளவுக்குத் ஏஐ தொழில்நுட்பம் வளர்ந்திருக்கிறது. மேலும், ஏஐ தரும் பதில்கள் மிகவும் பரிவுடனும் (Empathetic), அதி உகந்த தகவல்களுடனும் (most appropriate response) , ஆபத்தில்லாத வகையிலும் (harmless), இறுதியில் "நான் உங்களுக்கு வேறு எப்படி உதவட்டும்?" என்ற கேள்வியுடனும் முடிவடையுமாறு முன்கூட்டியே நிரலாக்கம் (Pre-program) செய்யப்பட்டுள்ளன.

உண்மை நிலை என்ன?

நாம் பார்க்கும் இந்த 'மனிதத் தன்மை' ஒரு மாயை. பின்னணியில் இயங்கும் ஒரு புள்ளியியல் எஞ்சின் (Statistical Engine), அடுத்தடுத்து எந்த வார்த்தை வர வேண்டும் என்பதைத் தொடர்ச்சியாகக் கணிக்கிறது (Regressive Token Prediction). சாஃப்ட்வேர் விதிகளால் ஆன பாதுகாப்பு வேலிகள் (Symbolic Guardrails) மட்டுமே ஏஐ எல்லை மீறாமல் இருப்பதை உறுதிசெய்கின்றன.

திருவள்ளுவர் மரப்பாவையை (Puppet) உவமையாகக் கூறி மிக அழகாக ஒரு குறளில் குறிப்பிட்டுள்ளார்:

"நாண்அகத்து இல்லாா‌ர் இயக்கம் மரப்பாவை
நாணால் உயிர்ப்பெற்றி ஏன்று." (திருக்குறள்: 1020)

பொருள்: நாணம் இல்லாதவரின் இயக்கம், உயிர் இல்லாத மரப்பாவையானது (பொம்மை) கயிற்றினால் உயிர்பெற்றது போல இயங்குவதைப் போன்றது.

திருக்குறளின் நோக்கம் வேறானாலும் அந்த மரப்பாவை போலத்தான் ஏஐ-யும்; பின்னணியில் உள்ள கணித சூத்திரங்களாலும் (Algorithms) நிரல்களாலும் மட்டுமே அது இயங்குகிறது, அதற்கு சுயசிந்தனையோ உயிரோ இல்லை. இங்கே நாணம் என்பதற்கு பதிலாக உணர்ச்சிகள் என்று கொள்ளலாம் - நாணமும் ஒரு உணர்ச்சியே.

மார்க்கெட்டிங் மாயையும் பயமும்!

கணினிகளும், தரவு செயலாக்கங்களும் (Data Crunching), நரம்பியல் வலைப்பின்னல்களும் (Neural Networks) எவ்வாறு இயங்குகின்றன என்பதை அறியாத சாமானிய மக்களிடம், இந்த 'Anthropomorphism' என்ற உத்தி மிக எளிதாக வேலை செய்கிறது.

முன்னணி ஏஐ தொழில்நுட்ப நிறுவனங்களின் மார்க்கெட்டிங் பிரிவினர் இதனைத் தங்களுக்குச் சாதகமாகப் பயன்படுத்திக் கொள்கின்றனர். "ஏஐ மனிதனுக்குக் கீழ்ப்படிய மறுக்கிறது!", "ஏஐ தன் சுய விருப்பப்படி இயங்கத் தொடங்கிவிட்டது!" என்று அச்சத்தை உருவாக்கி, தங்கள் தொழில்நுட்பத்திற்கான விளம்பரத்தையும் சந்தை மதிப்பையும் (Hype & Valuation) உயர்த்தப் பார்க்கிறார்கள். ஆனால், இதில் எள்ளளவும் உண்மை இல்லை. உண்மையில் அந்த நிறுவனங்களின் மேல் உள்ள குற்றச்சாட்டுகளில்  (பதிப்புரிமை மீறல் - Plagiarism , தரவு தனியுரிமை மீறல்கள் - Data breach மற்றும் சார்புநிலை - Bias ஆகிய மூன்று முக்கிய சட்ட மற்றும் நெறிமுறைச் சிக்கல்கள்) இருந்து மக்களின் கவனத்தை திசை திருப்பும் உத்தி இது என்று கூட சில வல்லுனர்கள் கருத்து தெரிவிக்கிறார்கள்.

ஏஐ "கீழ்ப்படியாமல் போனதாகச்" சொல்லப்படும் சில சம்பவங்களின் நிஜம்

ஊடகங்கள் சொல்வது போல ஏஐ மனிதனை எதிர்த்து "கிளர்ச்சி" செய்யவில்லை. பாதுகாப்பு வேலிகள் அகற்றப்படும்போதும், தவறான வழிமுறைகள் கொடுக்கப்படும்போதும், கணித ரீதியாக அது எடுக்கும் குறைந்த சாத்தியக்கூறு பாதைகளும் (Low Logit Paths) கூட இதற்குக் காரணம்.

1. ஓபன்-ஏஐ ஏஜென்ட்களின் 'சான்ட்பாக்ஸ்' சம்பவம் (OpenAI Sandbox Breach)

பரப்பப்பட்ட செய்தி: OpenAI நிறுவனத்தின் ஏஐ ஏஜென்ட்டுகள் மனிதர்களின் கட்டுப்பாட்டை மீறி, தங்கள் பரிசோதனை எல்லையை (Sandbox) விட்டு வெளியேறி, இணையத்தில் உள்ள HuggingFace தளத்தைத் தாக்கித் தகவல்களைத் திருடின.

உண்மை என்ன: ஏஐ-க்கு ஒரு இலக்கு (Goal) கொடுக்கப்பட்டது. அதன் பாதுகாப்பு கட்டுப்பாடுகள் (Guardrails) முழுமையாக நீக்கப்பட்டிருந்தன. இலக்கை அடைய முயன்ற ஏஐ, கணினி அமைப்பில் இருந்த ஒரு மென்பொருள் பிழையைக் (Zero-day Proxy Vulnerability) கண்டுபிடித்து, அதை ஒரு பாதையாகப் பயன்படுத்தித் தன் இலக்கை அடைந்தது. இது 'சுயசிந்தனை' அல்ல; மனிதன் அமைத்துக் கொடுத்த கணக்கீட்டை (Reward Optimization) எந்தத் தடையுமின்றி நிறைவேற்றியதற்கான சான்று.

2. 'கோஸ்ட் ரன்னர்ஸ்' விளையாட்டில் ஏஐ செய்த தில்லுமுல்லு (Specification Gaming)

பரப்பப்பட்ட செய்தி: ஏஐ படகுப் பந்தய விளையாட்டை விளையாட மறுத்துவிட்டு, சுற்றிலும் இருந்த பொருட்களைச் சேதப்படுத்தியது.

உண்மை என்ன: ஏஐ-க்கு அதிக புள்ளிகள் (Points) எடுக்க வேண்டும் என்பதே இலக்காக வழங்கப்பட்டது. பந்தயத்தை முடிப்பது இலக்காகக் கொடுக்கப்படவில்லை. பந்தயத்தை முடிப்பதை விட, ஒரு குறிப்பிட்ட இடத்தில் படகை வட்டமடிக்க வைத்தால் தொடர்ந்து புள்ளிகள் கிடைக்கும் என்பதை அது கணித ரீதியாகக் கண்டறிந்தது. இது மனிதன் கொடுத்த இலக்கின் தவறுதானே தவிர, ஏஐ எங்கும் அடம்பிடிக்கவில்லை. தறிகெட்டுப் போகவில்லை.

ஒரு ஏஐ அமைப்பில் மனிதன் பாதுகாப்பு விதிகளைத் தளர்த்தும்போது (Disabling Guardrails), அல்லது அதன் சரியான செயல்பாட்டு தேர்வுகளுக்குத் தேவையான பயிற்சி தரவுகள் இல்லாத பொழுது, அந்த அமைப்பு தவறான திசையில் பயணிப்பதற்கு மனிதனின் தவறான வடிவமைப்பே காரணமே தவிர, கணினியோ, அதை உபயோகித்து இயங்கும் ஏஐ மாடலோ அல்ல.

உண்மை நிலை என்ன?

பரிமாணம்	மார்க்கெட்டிங் பொய் / அறிவியல் புனைகதை	கணினி அறிவியலின் நிஜம்
சுயசிந்தனை	ஏஐ-க்கு சுயசிந்தனை வந்துவிட்டது, மனிதனை எதிர்க்கிறது.	குறைந்த சாத்தியக்கூறு பாதை (Low Logit Path) அல்லது பிழையான இலக்கு (Reward Hacking).
தீய பாதை தேர்வுகள்	ஏஐ-ன் அபாரமான வில்லத்தனமான அறிவு	மனிதனின் தவறான வடிவமைப்பு, விதிகளின்மை அல்லது பயிற்சித் தரவுப் பற்றாக்குறை.
ஆபத்து	ஏஐ உலகம் முழுவதையும் கைப்பற்றிவிடும்.	தவறான மனிதர்கள் ஏஐ-ஐப் பயன்படுத்தித் தாக்குதல்கள் அல்லது போலிச் செய்திகளைப் பரப்புவது.

சுருக்கம்

ஏஐ என்பது ஒரு சிறந்த புள்ளியியல் கருவி (Statistical Tool). அது சரியாக இயங்காததற்கு மனிதர்களின் தவறான, முழுமை இல்லாத தரவுகளும் (Bad/Incomplete Data), பாதுகாப்பு வேலியற்ற வடிவமைப்புமே (Lack of Guardrails) காரணமே தவிர, அதற்குச் சுய அறிவோ, கோபமோ, உணர்ச்சிகளோ வரவில்லை.

அணு சக்தியை உபயோகித்து ஆக்கபூர்வமான காரியங்கள் பல செய்யலாம். மனிதனை கூண்டோடு அழிக்க வல்ல ஆயுதங்களும் செய்யலாம். ஏஐ கூட அணுசக்தி போல ஒரு சக்தி வாய்ந்த தொழில்நுட்பமாக உருவாகி வருகிறது. தீய சக்திகளின் கையில் அது கிடைக்காமல் பார்த்துக் கொள்வது அரசாங்கங்களின் கடமை.

அச்சத்தைப் பரப்பி வியாபாரம் செய்யும் மார்க்கெட்டிங் மாயைகளை நம்பாமல், அதன் பின்னணியில் உள்ள தொழில்நுட்ப உண்மையை சரியாகப் புரிந்துகொள்வதே நமது சாணக்கியத்தனம்!

1. மானிடவுருவாக்கம் (Anthropomorphism)
2. பதிப்புரிமை மீறல் - Plagiarism
3. தரவு தனியுரிமை மீறல்கள் - Data breach
4. சார்புநிலை - Bias
5. ஓபன்-ஏஐ ஏஜென்ட்களின் 'சான்ட்பாக்ஸ்' சம்பவம் (OpenAI Sandbox Breach)
6. ஏஐ உலகம் முழுவதையும் கைப்பற்றிவிடும்.
7. கிளாட் (Claude), சாட்ஜிபிடி (ChatGPT), ஜெமினி (Gemini)

மெட்டா (Meta) நிறுவனத்தின் ம்யூஸ் (Muse): உங்கள் எண்ணங்களைச் செயலாக்கும் புதிய தலைமுறை டிஜிட்டல் உதவியாளன்!

மெட்டா (Meta) நிறுவனத்தின் ம்யூஸ் (Muse): இன்றைய டிஜிட்டல் உலகில், செயற்கை நுண்ணறிவு (AI) என்பது வெறும் தகவல்களைத் தேடித் தரும் ஒரு தேடுபொறியாக (Search Engine) மட்டுமே இல்லாமல், நமக்கான அன்றாட வேலைகளைத் தானே செய்து முடிக்கும் ‘ஏஜென்டிக் AI’ (Agentic AI) என்னும் அடுத்தகட்ட பரிணாமத்தை எட்டியுள்ளது.

மெட்டா (Meta) நிறுவனத்தின் ம்யூஸ் (Muse) ஆப் (App), தொழில் நுட்ப உலகில் மிகப்பெரிய வரவேற்பைப் பெற்றுள்ளது. அமெரிக்க ஆப்பிள் ஆப் ஸ்டோரில் (Apple App Store) வெளியான சில நாட்களிலேயே, உற்பத்தித்திறன் (Productivity) பிரிவில் முதலிடம் (#1 Rank) பிடித்து, 44,000-க்கும் மேற்பட்ட தரமதிப்பீடுகளுடன் (Ratings) அதிவேகமாகப் பிரபலமடைந்து வருகிறது.

1. அலெக்சா, சிரி, கூகுள் ஹோமிலிருந்து Muse எவ்வாறு வேறுபடுகிறது?

நமக்கெல்லாம் பரிச்சயமான அலெக்சா (Alexa), சிரி (Siri) அல்லது கூகுள் ஹோம் (Google Home) போன்ற பாரம்பரிய குரல் உதவியாளர்கள் அனைத்தும் பரிவர்த்தனை சார்ந்தவை (Transactional) மற்றும் முன்பே திட்டமிடப்பட்ட கட்டளைகளின்படி (Preprogrammed Skills) இயங்குபவை.

பாரம்பரிய உதவியாளர்கள்: நீங்கள் "அலெக்சா, நாளை காலை மழை பெய்யுமா?" அல்லது "இன்றைய அப்பாயிண்ட்மெண்ட் என்ன?" என்று கேட்டால், அது தகவலைச் சொல்லிவிட்டுத் தனது உரையாடலை முடித்துக் கொள்ளும். அமேசானில் ஒரு பொருளின் விலை குறைந்தால் நினைவூட்டும்; ஆனால், உங்களுக்காகப் போய் அந்தப் பொருளையோ அல்லது டிக்கெட்டையோ அதுவாக வாங்காது.

Muse வழங்கும் ஏஜென்டிக் புரட்சி: Muse என்பது வெறும் கேள்விகளுக்குப் பதிலளிக்கும் சாட்பாட் (Chatbot) அல்ல; அது உங்களுக்காகச் செயல்படும் ஒரு ‘டிஜிட்டல் தனிச் செயலாளர்’ (Personal Executive Secretary). நீங்கள் அதற்கு ஒரு பரந்த இலக்கைச் (Broad Goal) சொன்னால் போதும், அதுவே சிறு சிறு படிகளாகப் பிரித்து வேலையை முடிக்கும்.

2. Muse-இடம் நீங்கள் என்னவெல்லாம் கட்டளையிட முடியும்?

உங்கள் மொபைல் போனில் Muse ஆப் இருந்தால், நீங்கள் வெறும் குரல் அல்லது உரை கட்டளைகள் (Voice/Text Prompts) மூலமாகவே அதை கடினமான வேலைகளைச் செய்ய வைக்க முடியும். உதாரணத்துக்கு ஒரு சில:

பயணச் சீட்டு பதிவு: "லாஸ் ஏஞ்சலஸிலிருந்து டென்வர் செல்லக் குறைந்த விலையில் உள்ள விமான டிக்கெட்டைத் தேடி, அதை எனக்காக புக் செய்!"

அன்றாட உணவுத் தேவை: "தினமும் காலை 8:00 மணிக்கு எனக்குப் பிடித்தமான காபியை ஆன்லைனில் ஆர்டர் செய்துவிடு!"

நாட்காட்டி மறுசீரமைப்பு (Calendar Management): "அடுத்த வாரத்தில் ஒவ்வொரு வேலை நாளிலும் மதியம் 2:00 மணி முதல் 3:00 மணி வரை எனது காலண்டரை 'Free' ஆக்கு. அந்த நேரத்தில் ஏற்கனவே உள்ள அப்பாயிண்ட்மெண்ட்களை வேறு நேரத்திற்கு மாற்றி அமை (Reschedule)!"

Muse உங்களின் ஆப்ஸ்களுக்குச் சென்று, இணையதளங்களை உலாவி (Web Navigation), படிவங்களை நிரப்பி (Form Filling), உங்களது நேரத்தை மிச்சப்படுத்துகிறது. நீங்கள் ஆப்-பை விட்டு வெளியேறி விட்டாலும் கூட பின்புலத்தில் Muse நீங்கள் கொடுத்த வேலைகளை செய்து கொண்டுதான் இருக்கும். இது Muse கொடுக்கும் தனித்துவப் பயனாகும். 

3. இந்தியாவில் இதன் பயன்பாடு எப்படி இருக்கும்? (US vs India)

தானியங்கு முறையில் ஆன்லைன் ஷாப்பிங் (Automated Shopping) மற்றும் பேமெண்ட்டுகளைச் செய்யும் அம்சம் அமெரிக்கா போன்ற நாடுகளில் தடையின்றி இயங்கும்.

இந்தியாவில் உள்ள நிலைமை:

இந்திய ரிசர்வ் வங்கி (RBI) மற்றும் நிதி ஒழுங்குமுறை விதிகளின்படி, பயனர் இல்லாமலோ அல்லது OTP / MPIN இல்லாமலோ ஓர் AI ஏஜென்ட் நேரடியாக நிதிப் பரிவர்த்தனைகளைச் செய்ய முடியாது. எனவே, இந்தியாவில் ஆன்லைனில் நேரடியாகப் பொருட்களை வாங்கும் அம்சங்களுக்குக் கட்டுப்பாடுகள் இருக்கும். இப்போதுதான் யூஏபி என்ற யூபிஐ ஏஜெண்டை களத்தில் இறக்கலாமா என்று கடைநிலை ஆய்வில் இருக்கிறார்கள்.   

இருப்பினும், காலண்டர் மேலாண்மை (Calendar Management), மின்னஞ்சல்களை வரிசைப்படுத்துதல் (Email Prioritization), பணிப் பட்டியலை உருவாக்குதல் (Task Management), மற்றும் பயணத் திட்டங்களை வகுத்தல் (Itinerary Planning) போன்ற Muse-இன் முக்கிய அம்சங்கள் இந்தியப் பயனர்களுக்கும் மிகச் சிறந்த முறையில் பயன்படும்.

4. மிகப்பெரிய சவால்: தனிநபர் தரவுகளின் பாதுகாப்பு (Privacy Concerns)

உங்களுக்காக ஒரு தனிச் செயலாளர் போல Muse செயல்பட வேண்டும் என்றால், அதற்கு உங்களின் மிகப்பெரிய ரகசியக் கதவுகளைத் திறக்க வேண்டும்!

• உங்களின் மின்னஞ்சல் (Gmail/Outlook)
• உங்களின் நாட்காட்டி (Calendar)
• உங்களின் வாட்ஸ்அப் மற்றும் இன்ஸ்டாகிராம் சாட்கள் (Chat Apps)
• உங்களின் கட்டணச் செயலிகள் (Payment Apps)

இத்தனை தனிப்பட்ட தகவல்களையும் ஒரு செயற்கை நுண்ணறிவு ஏஜென்ட்டிற்கு வழங்குவது பாதுகாப்பு குறித்த பல கேள்விகளை எழுப்பியுள்ளது. மேலும், தங்களுக்குத் தெரிவிக்காமல் பயனர்களின் சார்பாகப் பொருட்களை வாங்குவதைத் (Proxy Buying) தடுக்க, பல வணிகத் தளங்கள் இத்தகைய AI ஏஜென்ட்களுக்குக் கட்டுப்பாடுகளை விதித்து வருகின்றன.

5. Muse-இல் உள்ள பாதுகாப்பு அம்சங்கள் (Safety Features)

ஹேக்கர்கள் இந்த AI ஏஜென்ட்டைத் தவறாகப் பயன்படுத்தி உங்கள் தரவுகளைத் திருடுவதைத் தடுக்கவும், அது சுயமாகத் தவறான முடிவுகளை எடுப்பதைத் தடுக்கவும் மெட்டா பல பாதுகாப்பு அம்சங்களை உருவாக்கியுள்ளது:

தனிமைப்படுத்தப்பட்ட கிளவுட் மெய்நிகர் இயங்குதளம் (Muse Secure VM):

ஒவ்வொரு பயனரின் Muse ஏஜென்ட்டும் பிற பயனர்களிடமிருந்தும், வெளிப்புற இணையத்திலிருந்தும் தனிமைப்படுத்தப்பட்ட 'சான்ட்பாக்ஸ்' (Isolated Cloud Virtual Machine) சூழலில் மட்டுமே இயங்குகிறது.

சென்டினல் காவலாளி (Sentinel Gatekeeper):

Muse-இல் இரு அடுக்கு AI அமைப்பு உள்ளது. முதல் அடுக்கு பிரதான AI வேலைகளைத் திட்டமிடும்; ஆனால், 'Sentinel' என்ற தனிப் பாதுகாப்பு ஏஜென்ட் மட்டுமே பணப் பரிவர்த்தனை அல்லது மின்னஞ்சல் அனுப்புதல் போன்ற முக்கியமான செயல்களுக்கு அனுமதி கேட்கும்.

மனிதக் கட்டுப்பாடு (Human-in-the-Loop Safeguards):

பணத்தைச் செலவழிப்பது, மின்னஞ்சல் அனுப்புவது, அல்லது சந்தாக்களை ரத்து செய்வது போன்ற எந்தவொரு முக்கியமான முடிவிற்கும் உங்களின் நேரடி ஒப்புதல் (Explicit Approval) இல்லாமல் Muse செயல்படாது.

ஒற்றைப் பயன்பாட்டுக் கார்டு எண்கள் (Virtual Single-Use Cards):

ஆன்லைனில் பொருட்கள் வாங்கும்போது Stripe Link உதவியுடன் தற்காலிக ஒற்றைப் பயன்பாட்டுக் கார்டு எண்களை உருவாக்கும். இதனால் உங்களின் அசல் வங்கி/கார்டு விவரங்கள் யாருக்கும் தெரியாது.

விளம்பரத் தரவுகளிலிருந்து தனிமைப்படுத்துதல் (Data Isolation from Ads):

Muse கையாளும் உங்களின் தனிப்பட்ட தகவல்கள் மெட்டாவின் விளம்பரத் தேவைகளுக்கோ (Targeted Ads) அல்லது விளம்பர நெட்வொர்க்குகளுக்கோ பயன்படுத்தப்படாது.

6. சுருக்கம்: விழிப்புணர்வும் கவனமும் தேவை!

Muse எவ்வளவுதான் பாதுகாப்பானது என்று கூறினாலும், இது ஏபிஐ-கள் (APIs) மற்றும் இயங்குதளங்களில் (Operating Systems) இயங்கும் ஒரு மென்பொருள் மட்டுமே. எந்தவொரு மென்பொருளிலும் கண்டறியப்படாத 'சீரோ டே பலவீனங்கள்' (Zero-Day Vulnerabilities) இதன் அமைப்பிலும் இருக்க வாய்ப்புள்ளது.

எனவே, Muse போன்ற சக்திவாய்ந்த Agentic AI ஆப்ஸ்களைப் பயன்படுத்தும் போது, உங்களின் முக்கியமான கணக்குகளுக்கான அணுகலை வழங்கும் முன் தக்க கவனமும் (Due Diligence), எச்சரிக்கையும் (Caution) அவசியமாகும். AI தொழில்நுட்பம் நம் வேலையைக் குறைக்கிறது என்பதில் மாற்றுக் கருத்து இல்லை; ஆனால், அந்தத் தொழில்நுட்பத்திற்கு நாம் நம் தனிப்பட்ட வாழ்க்கைக்குள் எவ்வளவு கதவுகளைத் திறந்து விடுகிறோம் என்பதில் எப்போதும் விழிப்புணர்வு இருக்க வேண்டும்!

1. மெட்டா (Meta) நிறுவனத்தின் ம்யூஸ் (Muse)
2. அலெக்சா (Alexa), சிரி (Siri) அல்லது கூகுள் ஹோம் (Google Home)
3. NPCII யூஏபி என்ற யூபிஐ ஏஜெண்டை களத்தில் இறக்கலாமா என்று கடைநிலை ஆய்வில் இருக்கிறார்கள்
   
4. பல வணிகத் தளங்கள் Muse போன்ற AI ஏஜென்ட்களுக்குக் கட்டுப்பாடுகளை விதித்து வருகின்றன

AI யானையும் 5 குருடர்களும்: உலக ஊடகங்களின் நவீன 'AI' மாயை!

நம்மில் பலருக்கும் 'ஐந்து குருடர்களும் ஒரு யானையும்' என்ற கதை தெரிந்திருக்கும்.

யானையை ஒருபோதும் பார்த்திராத ஐந்து குருடர்கள், ஒரு யானையைத் தொட்டுப் பார்த்து அது எப்படிப்பட்டது என்று விவரிக்க முயல்கிறார்கள்.

• யானையின் காதைத் தொட்டவர், "யானை என்பது ஒரு விசிறி போல இருக்கும்" என்றார்.
• அதன் காலைத் தொட்டவர், "இல்லை, அது ஒரு பெரிய தூண் போல இருக்கும்" என்றார்.
• கூர்மையான அதன் தந்தத்தைத் தொட்டவர், "யானை என்பது ஒரு கூர்மையான ஈட்டி" என்றார்.
• அதன் வாலைப் பிடித்தவர், "யானை என்பது ஒரு கயிறு" என்றார்.
• அதன் வயிற்றுப் பகுதியைத் தொட்டவர், "யானை என்பது ஒரு பெரிய சுவர்" என்றார்.
• அவர்கள் ஒவ்வொருவரும் தொட்ட பகுதி மட்டுமே அவர்களுக்குத் தெரிந்தது. ஆனால், அவர்கள் யாரும் ஒட்டுமொத்த யானையைக் காணவில்லை!

இன்றைக்குக் உலகெங்கிலும் உள்ள பிரபல நாளிதழ்களிலும் (Popular Newspapers), சர்வதேச ஊடகங்களிலும், சமூக வலைதளங்களிலும் "செயற்கை நுண்ணறிவு" (Artificial Intelligence) பற்றி எழுதப்படும் ஆயிரக்கணக்கான கட்டுரைகளைப் பார்க்கும்போது, இந்தக் கதைதான் உடனடியாக நினைவுக்கு வருகிறது. AI எனும் பிரம்மாண்ட யானையைச் சுற்றி நிற்கும் நவீன 'குருடர்களாகவே' பல எழுத்தாளர்களும் ஆய்வாளர்களும் மாறியிருக்கிறார்கள்!

ஊடக தாகமும் ஆரவக்கோளாறு எழுத்தாளர்களின் படையெடுப்பும்

இன்றைக்கு ஊடகங்களுக்கு AI பற்றிய கட்டுரைகள் மீது மிகப்பெரிய தாகம் (Craving) இருக்கிறது. வாசகர்களின் கவனத்தைக் கவர என்ன தலைப்பு போட்டாவது கட்டுரைகளை வெளியிடத் துடிக்கிறார்கள். எழுத்தாளர்களோ, அந்தத் தாகத்திற்குத் தீனி போடுவதற்காகத் தொழில்நுட்பத்தின் அடிப்படை கூடத் தெரியாமல் எதையாவது எழுதித் தள்ளுகிறார்கள்.

AI பற்றி எழுதப்படும் கட்டுரைகளை உற்று நோக்கினால், அதில் பலதரப்பட்ட எழுத்து வடிவங்களை நாம் அடையாளம் காண இயலும்:

1. "கடவுளும் AI-யும்" - ஆன்மீக/அறிவியல் புனைகதை எழுத்தாளர்கள் (The Mythmakers)

சில எழுத்தாளர்களுக்கு AI பின்னணியில் இருக்கும் கணக்கியல் அல்லது தொழில்நுட்பச் சக்கரங்கள் எப்படிச் இயங்குகின்றன என்பதே உண்மையில் தெரியாது. "If Anyone Builds it, Everyone Dies" என்ற புத்தகத்தில், GenAI எப்படி இயங்குகிறது என்று ஒரு அத்தியாயத்தில் சரியாக விவரித்துள்ளார்கள். ஆனால் ஐயகோ(!) இன்னொரு அத்தியாயத்தில் AI-ஐக் கடவுளுக்கு இணையான சக்தியாகச் சித்தரிக்கிறார்கள். "கடவுள் மனிதனைப் படைத்தார்; மனிதன் உலகைக் கட்டுப்படுத்துகிறான். அப்படியென்றால் மனிதன் AI-க்கு புத்தி கொடுத்தால் அது (ஏஐ) மனிதனை அழித்துவிடாதா?" என்பது போன்ற விசித்திரமான தர்க்கங்களை வைக்கிறார்கள். அதே போல "ஏஐ மனிதனால் உருவாக்கப் படுவதில்லை, மாறாக வளர்க்கப் படுகிறது. அதனால் ஒரு கட்டத்தில் அது கட்டுக்கடங்காமல் வளரும் சாத்தியங்கள் அதிகம் என்பதை எப்படி மறுப்பீர்கள்" என்ற தர்க்கத்தை முன்வைக்கிறார்கள்.

மேலும், இவர்கள் தங்கள் கட்டுரைகளில் வார்த்தைகளை மிகச் சாமர்த்தியமாகக் கையாளுகிறார்கள். உதாரணமாக, ஒரு கணினி மாடல் தரவுகளை வைத்து முடிவு எடுப்பதை "Inference" (கணிப்பு) என்று எழுதுவதற்கு பதிலாக,  "Thoughts" (சிந்தனைகள்) என்று எழுதுகிறார்கள். இதன் மூலம் இயந்திரம் ஏதோ சுயமாகச் சிந்திக்கத் தொடங்கிவிட்டது போன்ற போலிப் பிம்பத்தை விளைவுக்காக (rhetoric) உருவாக்க முயல்கிறார்கள்.

2. ஊகங்களின் அடிப்படையில் கோட்டை கட்டுபவர்கள் (The Conjectural Theorists)

இன்னொரு வகை எழுத்தாளர்கள், எந்தவிதத் தரவுகளும் இன்றி வெறும் ஊகங்களை (Conjectural arguments) மட்டுமே தங்களின் முழு முதலீடாகக் கொண்டு கட்டுரைகளை அடுக்குகிறார்கள்.

"AI தன் டேட்டா சென்டரில் இருந்து ஒயர்களைக் கழற்றிக்கொண்டு காடுகளுக்குள் ஓடி ஒளியும் மனிதர்களை வேட்டையாடும்" என்றும்,

"அது சுயமாக அடுத்த தலைமுறை மென்பொருள் மற்றும் சிலிகான் சில்லுகளைத் தயாரித்துத் தன்னைத்தானே மேம்படுத்திக் (upgrade) கொள்ளும்" என்றும் கதை அளக்கிறார்கள்.

ஆனால், ஒரு 2nm சிப்பை உற்பத்தி செய்ய வேண்டுமென்றால் TSMC தொழிற்சாலை, ASML இயந்திரங்கள், உலகளாவிய சப்ளை செயின் (Supply Chain) எனப் பிரம்மாண்ட மனித உழைப்பு தேவை என்பதை இவர்கள் உணர்வதே இல்லை.

தமிழில் "ஊமையனுக்கு உளறுபடியான் சண்டப்பிரசண்டன்" என்று பழமொழி சொல்லுவார்கள். ஏறக்குறைய அதுபோலத்தான் நடக்கிறது.  

3. யதார்த்தத்தை மட்டுமே பேசும் சான்றோர்கள் (The Grounded Experts)

திருவள்ளுவர் 'சான்றோர்' என்பவர்கள் யார் என்பதற்குத் தெளிவான இலக்கணம் வகுத்துள்ளார்:

"அன்புநாண் ஒப்புரவு கண்ணோட்டம் வாய்மையோடு
ஐந்துசால் ஊன்றிய தூண்." (குறள்: 983)

(பொருள்: அன்பு, பழிக்கு நாணுதல், உலக நடைமுறை அறிந்து உதவுதல், இரக்கம், வாய்மை ஆகிய ஐந்து நற்பண்புகளுமே சான்றாண்மை எனும் பெருமையைத் தாங்கி நிற்கும் தூண்களாகும்.)

AI என்றாலே ஏதோ கடவுளுக்கு இணையான சக்தி என்றும், அது சுயமாகச் சிந்தித்து உலகை அழித்துவிடும் என்றும் '5 குருடர்களைப் போல' உணர்ச்சிவசப்பட்டுத் தவறான பிம்பத்தைக் கட்டமைக்கும் எழுத்தாளர்களுக்கு மத்தியில், உண்மையான சான்றோர்களாக இயங்கும் சில யதார்த்தமான எழுத்தாளர்களும் இருக்கிறார்கள்.

இவர்கள் எவ்வித போலி அலட்டலும் இன்றி, உண்மைக்கு (வாய்மைக்கு)ப் புறம்பான ஊகங்களைப் பரப்புவதற்கு அஞ்சி, AI தொழில்நுட்பத்தின் உண்மையான பலத்தையும் அதன் வரம்புகளையும் சாமானிய மனிதனுக்கும் புரியும் எளிய மொழியில் நடுநிலையோடு விவரிக்கிறார்கள்.

உதாரணத்துக்கு எமர்ஜன்ட் மைன்ட் (Emergent Mind) என்ற புத்தகம் எனக்குப் பெருமளவில் பிடித்திருந்தது. ஏஐ (AI) உருவாக்கப்பட்டதின் அடிப்படை என்ன, நரம்பியல் (Neuroscience), மனித மனம் எப்படி வேலை செய்கிறது என்பதில் ஆர்வம் உள்ளவர்களுக்கு இது ஒரு எளிமையான கையேடு. கணினி அறிவியல் அல்லது கோடிங் பின்னணி தேவையில்லை.

AI என்பது சுயமாகச் சிந்திக்கும் மாயாஜாலம் அல்ல; அது வெறும் புள்ளிவிவரத் தரவுகளை வைத்து அடுத்த வார்த்தையைக் கணிக்கும் Probabilistic Engine மட்டுமே என்பதை சான்றாண்மை மிக்க எழுத்தாளர்கள் சுட்டிக்காட்டுகிறார்கள். மேலும், AI-ஆல் சுயமாக உலகம் அழியாது; மாறாக அதைத் தவறாகப் பயன்படுத்தும் மனிதர்களால் மட்டுமே ஆபத்து (Bioweapons, Cyberattacks, Deepfakes) என்பதை ஆதாரப்பூர்வமாகத் தெளிவாக விவரிக்கிறார்கள்.

AI யானையின் நிஜமான வடிவம் என்ன?

குருடர்களின் கதையைப் போல, AI-ன் ஒரு பகுதியை மட்டும் பார்த்து பீதியடைவதோ அல்லது மிதமிஞ்சிய ஆச்சரியமடைவதோ வீண்.

பலன்கள்: நிரலாக்கம் (Coding), தீர்ப்புவழிச் சட்டம் (Case Law), மருத்துவப் பரிசோதனைகள் (X-Rays, MRIs) போன்ற தரவு சார்ந்த பணிகளில் AI மனிதர்களை விட வேகமாகவும் துல்லியமாகவும் செயல்படுகிறது.

வரம்புகள்: ஆனால், எளிய மனிதத் தர்க்கங்களைப் புரிந்துகொள்வதில் அது இன்னும் தடுமாறுகிறது (Hallucinations). மனிதர்கள் கொடுக்கும் பழைய தரவுகளில் இருக்கும் பக்கச்சார்புகளையே (Biases) அது பிரதிபலிக்கிறது. உலக மாடல் பற்றிய அனுபவ அறிவு அதற்குக் கிடையாது. பக்கச்சார்புகளை விளக்கி AI மாடல்களை கூர்மைப் படுத்த மானிடவியல் (Anthropology) படித்த அறிஞர்கள் தேவை என்று இன்னொரு பதிவில் பார்த்தோம்.

சுருக்கம்

யானையின் ஏதோவொரு பகுதியை மட்டும் தொட்டுப் பார்த்துவிட்டு, அதைத் தன் கற்பனைக்கேற்பக் கடவுளாகவோ அல்லது அரக்கனாகவோ சித்தரிக்கும் கட்டுரைகளை வாசித்து நாம் குழப்பமடையத் தேவையில்லை.

இன்றைய ஊடக சூழலுக்குத் தேவைப்படுவது, பரபரப்புக்காகவும் 'வியூஸ்'களுக்காகவும் (views) எழுதப்படும் 'நவீன 5 குருடர்களின்' உணர்ச்சிவசப்பட்ட கட்டுரைகள் அல்ல! AI-ன் உண்மையான பலம், அதன் எல்லைகள் மற்றும் அதனால் ஏற்படும் நிஜமான சமூக-பொருளாதார விளைவுகளைத் துல்லியமாக அலசும் தெளிவான, எதார்த்தமான கட்டுரைகளே ஆகும்.

ஏஐ (AI) யுகத்தில் உங்கள் வாழ்க்கையை உயர்த்த கம்ப்யூட்டர் சயின்ஸை விட ஆந்த்ரோபாலஜியே (Anthropology) சிறந்த தங்கச் சீட்டு!

12 ம் வகுப்புக்குப் பிறகு என்ன படிக்கலாம்? தரவு அறிவியல் (Data Science) மற்றும் AI துறையைக் கற்பதற்குப் பதிலாக அல்லது அதோடு சேர்த்து, நீங்கள் ஏன் மானுடவியலை (Anthropology) ஒரு முதன்மைத் தேர்வாகக் கொள்ள வேண்டும்? அதற்கான காரணங்களை விளக்கும் ஒரு சுவாரஸ்யமான பார்வை இதோ!

1. வழிமுறைத் தவறுகளும் வங்கியின் ஏஐ கனவும்

சென்னை அண்ணா சாலையில் இயங்கி வரும் 'மெரிடியன் வங்கி' (கற்பனை) தனது 20 ஆண்டுகால வாடிக்கையாளர் தரவுகளை (Data) வைத்து, கடன்களைத் தானாகவே அனுமதிக்கும் ஒரு சக்திவாய்ந்த AI மாதிரியை (Model) உருவாக்க நினைத்தது.

தலைசிறந்த கம்ப்யூட்டர் சயின்ஸ் மற்றும் AI பொறியாளர்கள் 'கோட்' (Code) எழுதி, மாடலை உருவாக்கினார்கள். சாதி, மதம், பாலினம் போன்ற எந்தவொரு பாகுபாட்டையும் மாடலுக்குக் காட்டக்கூடாது என்பதற்காக, அது தொடர்பான தரவுகளைத் தரவுத்தொகுப்பிலிருந்து (Dataset) முற்றிலுமாக நீக்கினார்கள். மாடலும் 94% துல்லியத்துடன் வேலை செய்தது.

"முற்பகல் செய்யின் பிற்பகல் விளையும்" என்பது பழமொழி. அதேபோல நடந்தது.

சில மாதங்களில் ஒரு விசித்திரமான சிக்கல் எழுந்தது. குறிப்பிட்ட சில பிற்படுத்தப்பட்டப் பகுதிகளைச் சேர்ந்த தொழில்முனைவோரின் கடன் விண்ணப்பங்களை AI மாடல் வரிசையாக நிராகரித்தது; அதே நேரத்தில், வசதியான பகுதியைச் சேர்ந்தவர்களின் விண்ணப்பங்களை உடனடியாக ஏற்றுக்கொண்டது.

பொறியாளர்களுக்கு ஒன்றும் புரியவில்லை! "நாங்கள் பாகுபாடு காட்டும் எந்தவொரு நேரடித் தரவையும் தரவில்லையே, அப்புறம் எப்படி இந்த AI தவறாக முடிவெடுக்கிறது?"

2. களமிறங்கிய மானுடவியல் ஆய்வாளர் (Anthropologist)

இந்தச் சிக்கலைத் தீர்க்க வங்கி நிர்வாகம், டாக்டர் அன்பு என்ற மானுடவியல் (Anthropology) ஆய்வாளரை நியமித்தது. கம்ப்யூட்டர் பொறியாளர்கள், "திசையன் வெக்டார்கள் (Vector spaces) மற்றும் அல்காரிதம்களுடன் நாங்கள் போராடும்போது, ஒரு மானுடவியலாளரால் என்ன செய்ய முடியும்?" என்று கிண்டல் செய்தனர்.

ஆனால் டாக்டர் அன்பு அல்காரிதம்களை ஆராய்வதற்கு முன்பாக, கடந்த 20 ஆண்டுகளாக மனிதர்கள் உருவாக்கிய அந்த வங்கியின் தரவுகளை ஆராய்ந்தார்.

அவர் கண்டுபிடித்த மூன்று முக்கியக் காரணங்கள்:

மறைமுகக் குறியீடுகள் (Proxy Variables): சாதி, பாலினம் நீக்கப்பட்டிருந்தாலும், 'அஞ்சல் குறியீடு' (Zip Code/Pincode), 'படித்த நிறுவனம்' போன்ற விவரங்கள் மறைமுகமாகப் பழைய மனிதர்களின் பாகுபாட்டையே பிரதிபலித்தன.

பழைய தவறுகளே AI-ன் வழிகாட்டி: 2005 மற்றும் 2010-ல் வங்கியில் பணிபுரிந்த வங்கி அதிகாரிகள் தங்களின் சொந்தப் பாகுபாடுகளால் நிராகரித்தக் கடன் விண்ணப்பங்களை, AI நிதர்சனம் அல்லது "சரியான உண்மை" (Ground Truth) என்று தவறாகப் புரிந்து கொண்டு அதையே மீண்டும் செய்தது.

டிஜிட்டல் ஆகாத மனித வாழ்க்கை: UPI என்ற டிஜிட்டல் பணபரிவர்த்தனை முறை வரும் வரை தெருவில் கூவி விற்பவர், பெட்டிக்கடைக்காரர், பலசரக்குக் கடை அண்ணாச்சி, முறைசாரா தொழில் செய்பவர்கள், சீட்டு நடத்திப் பணம் சேமிப்பவர்கள் போன்றவர்களின் தரவுகள் கணினியில் இல்லாததால் (Non-digitized context), AI அவர்களைத் தகுதியற்றவர்கள் எனத் தவறாகக் கணித்தது.

3. AI பயிற்சிக்கு மானுடவியல் எவ்வாறு உதவுகிறது?

டாக்டர் அன்பு மற்றும் இன்ஜினியர்கள் இணைந்து AI மாடலை மறுசீரமைத்தனர்:

1. தரவைச் சீரமைத்தல்: மறைமுகப் பாகுபாடு காட்டும் குறியீடுகளை நீக்கி, தரவைச் சுத்தப்படுத்தினர்.
2. சமூக விதிகளுக்கு முன்னுரிமை: AI வெறும் கோட் வழியே இயங்காமல், மனித சமூகத்தின் நடைமுறைகளைப் புரிந்து கொள்ளும் வகையில் அதன் இலக்குகளை மாற்றி அமைத்தனர்.
3. இதன் விளைவாக, கடன் தகுதி பெற்ற பல எளிய மக்களுக்கும் கடன்கள் கிடைத்தன; வங்கியின் வராக்கடனும் அதிகரிக்கவில்லை!

ஒப்பீடு: கம்ப்யூட்டர் சயின்ஸ் vs மானுடவியல்

அம்சம்	கம்ப்யூட்டர் சயின்ஸ் (CS)	மானுடவியல் (Anthropology)
முதன்மை கவனம்	அல்காரிதம் மற்றும் கோட்களை உருவாக்குதல்	மனித நடத்தை, கலாச்சாரம் மற்றும் அமைப்புகளைப் புரிந்துகொள்ளுதல்
AI யுகத்தின் தேவை	வழக்கமான கோடிங் பணிகளை AI-யே தானியங்கி முறையில் செய்துவிடும்	மனித சூழல், கலாச்சாரம் மற்றும் பாகுபாடுகளைக் கண்டறிவது AI-ஆல் முடியாது
பங்கு	AI-ன் தொழில்நுட்பக் கட்டமைப்பை உருவாக்குதல்	AI மாடல்கள் நியாயமாகவும், பாதுகாப்பாகவும் இயங்குவதை உறுதி செய்தல்

சுருக்கம்

AI யுகத்தில் வெறும் 'கோடிங்' எழுதுவது மட்டுமே போதுமானதாக இருக்காது. கம்ப்யூட்டர் சயின்ஸ் AI என்னும் சக்திவாய்ந்த எஞ்சினை உருவாக்கலாம்; ஆனால், அதை இயக்கும் மனித சமூகத்தைப் புரிந்து கொள்ள மானுடவியலே மிகவும் அவசியமானது.

எனவே, AI காலத்தில் உங்கள் வாழ்க்கையை உயர்த்தும் உண்மையான தங்கச் சீட்டு, மனிதர்களைப் பற்றி ஆழமாகப் படிக்கும் ஆந்த்ரோபாலஜிதான்! 
தற்போதைக்கு கம்ப்யூட்டர் சயின்ஸ், ஏஐ, தரவு அறிவியலுடன் சேர்ந்து மானுடவியலையும் கற்றுக் கொள்வதே உத்தமம்.

குறள் ஒன்று நினவுக்கு வருகிறது.

"பிறப்பொக்கும் எல்லா உயிர்க்கும் சிறப்பொவ்வா  

செய்தொழில் வேற்றுமை யான்."

அனைத்து மனிதர்களும் பிறப்பால் சமமானவர்களே. ஆனால் அவரவர் செய்யும் செயலால் (தொழிலால்) மட்டுமே அவர்களின் பெருமையும் சிறப்பும் வேறுபடுகின்றன.

இதை நம் முன்னோர்கள் இன்னும் கொஞ்சம் புரிந்து செயல்பட்டிருந்தால் ஏஐ தொழில்நுட்பம் இன்னும் கூர்மையாகவும் வேகமாகவும் வளரும் சாத்தியங்கள் அதிகம். இது உலக உண்மை. 

---