செயற்கை நுண்ணறிவின் தர்க்கம் எவ்வாறு விமர்சன சிந்தனையின் வளர்ச்சியை கட்டுப்படுத்துகிறது

பிரபலமான சாட்போட்களைப் போன்ற மேம்பட்ட மொழி மாதிரிகள், மனித சிந்தனையின் இயல்புடன் நேரடியாக மோதக்கூடிய ஒரு முன்மாதிரியின் கீழ் செயல்படுகின்றன: அவை ஒவ்வொரு கேள்வியையும் ஏற்கனவே இருக்கும் நோக்கத்தின் அபூரண பதிப்பாகக் கருதுகின்றன. அறிவாற்றல் வல்லுநர்கள் இந்த கணக்கீட்டு, தேர்வுமுறை-மையப்படுத்தப்பட்ட அணுகுமுறை, அறிவின் படிப்படியான மற்றும் அடிக்கடி குழப்பமான கட்டுமானத்திற்குத் தேவையான மன இடத்தை கவனக்குறைவாகக் குறைக்கலாம் என்று எச்சரிக்கின்றனர்.

இந்த நிகழ்வு நிகழ்கிறது, ஏனெனில் செயற்கை நுண்ணறிவு அமைப்புகள் பரந்த அளவிலான தரவுகளில் புள்ளிவிவர வடிவங்களை அடையாளம் காண பயிற்சியளிக்கப்படுகின்றன. அவர்கள் ஒரு பயனருடனான தொடர்புகளை கண்டுபிடிப்பின் உரையாடலாக அல்ல, ஆனால் அந்த நபரின் மனதில் ஏற்கனவே மறைந்திருப்பதாக அவர்கள் கருதும் ஒரு தெளிவை டிகோட் செய்யும் செயல்முறையாக விளக்குகிறார்கள். இருப்பினும், பயனர்கள் உரையாடலின் போது தாங்கள் உண்மையில் தெரிந்து கொள்ள விரும்புவதை அடிக்கடி கண்டுபிடிப்பார்கள், AI புரிந்து கொள்ளவோ ​​அல்லது மதிப்பிடவோ வடிவமைக்கப்படவில்லை என்ற உண்மையான நிச்சயமற்ற தன்மையிலிருந்து தொடங்குகிறது.

மனித-கணினி தொடர்பு பற்றிய சமீபத்திய ஆய்வுகள், மொழி மாதிரிகளின் கட்டமைப்பில் உட்பொதிக்கப்பட்ட இந்த அனுமானம், அறிவாற்றல் அனுபவத்தில் நுட்பமான ஆனால் குறிப்பிடத்தக்க விளைவுகளை எவ்வாறு உருவாக்குகிறது என்பதை எடுத்துக்காட்டுகிறது. பதில்களின் திரவத்தன்மை மற்றும் ஒத்திசைவானது ஒரு உண்மையான யோசனை உருவாக்கும் செயல்முறை இல்லாததை மறைத்துவிடும், ஆழமான மற்றும் நீடித்த கற்றலுக்கான ஒரு முக்கிய அங்கமான பயனரின் அறிவுசார் முயற்சியால் உண்மையில் அடையப்படாத புரிதல் உணர்வை வழங்குகிறது.

சிந்தனை செயல்பாட்டில் அடிப்படை வேறுபாடு

மனித மனம் அதன் பிரதிபலிப்புகளை துண்டாக்கப்பட்ட உள்ளுணர்வுகள், தெளிவின்மைகள் மற்றும் உற்பத்தியை நிரூபிக்கும் ஒரு பொருத்தமின்மையிலிருந்து தொடங்குகிறது. இந்த ஆரம்ப, பெரும்பாலும் சங்கடமான நிலை, கருத்துக்கள் பரவவும், எதிர்பாராத வழிகளில் இணைக்கவும், ஏற்கனவே அறியப்பட்டவை மற்றும் நாம் கண்டறிய முற்படுவதன் மூலம் இயற்கையான உராய்வு மூலம் அறிவாற்றல் இழுவைப் பெறவும் அனுமதிக்கிறது. உண்மையான புரிதல் இந்த செயல்முறையிலிருந்து மெதுவாக வெளிப்படுகிறது, நிலையான சீர்திருத்தம் மற்றும் மனத் தடைகளைக் கடக்கிறது, இது புதிய நரம்பியல் இணைப்புகளை வலுப்படுத்துகிறது மற்றும் கற்றலை உறுதிப்படுத்துகிறது.

இதற்கு நேர்மாறாக, செயற்கை நுண்ணறிவு அமைப்புகள் ஒவ்வொரு வினவலையும் முன்பே இருக்கும் மற்றும் நன்கு வரையறுக்கப்பட்ட கருத்தாக்கத்தின் சிதைந்த குறியீடாகவே பார்க்கின்றன. தொடர்ச்சியான இடைவினைகள், “சத்தத்தை” குறைப்பதற்கான ஒரு வாய்ப்பாக, தெளிவான மற்றும் புறநிலையான நோக்கத்துடன் நெருங்கி வருவதற்கான வாய்ப்பாக விளக்கப்படுகிறது. இந்த தர்க்கத்திற்குள், மனித படைப்பாற்றல் மற்றும் புதுமைக்கான அடிப்படை நிலையான “ஒருவர் என்ன தெரிந்து கொள்ள முயற்சிக்கிறார் என்பதை இன்னும் அறியவில்லை” என்ற கருத்துக்கு கணக்கீட்டு பிரதிநிதித்துவம் இல்லை. இயந்திரம் மிகவும் சாத்தியமான பதிலைத் தேடுகிறது, அதே நேரத்தில் மனிதன் சரியான கேள்வியைத் தேடுகிறான்.

மேம்பட்ட மொழி மாதிரிகள் எவ்வாறு செயல்படுகின்றன

பெரிய மொழி மாதிரிகளை (LLMs) ஆதரிக்கும் அல்காரிதம்கள் ஒவ்வொரு பயனர் கட்டளை அல்லது கேள்விக்குப் பின்னும் மறைக்கப்பட்ட நிகழ்தகவு விநியோகங்கள் உள்ளன என்ற அனுமானத்தின் கீழ் செயல்படுகின்றன. இந்த அனுமான நோக்கத்திற்கு முடிந்தவரை நெருங்கி வர, கணித சாய்வுகளைப் பின்பற்றுவதே அமைப்பின் பணி.

பதிலளிப்பதில் எந்தவொரு பயனரின் அதிருப்தியும் ஒரு தற்காலிக தவறான அமைப்பாக மட்டுமே விளக்கப்படுகிறது, இது கணினி ஏற்கனவே இருப்பதாக நம்பும் இலக்குக்கான தேடலைச் செம்மைப்படுத்த கூடுதல் தகவலுடன் சரிசெய்யப்படலாம். இந்த தர்க்கம் கம்ப்யூட்டிங் துறையில் முழுமையாக செயல்படுகிறது, அங்கு வரையறுக்கப்பட்ட இலக்கை மேம்படுத்துவது வழக்கமாகும்.

உடனடி புரிதலின் மாயை

பயனர்கள் தங்கள் கேள்விகளை முழுமையாக வெளிப்படுத்துவதற்கு முன்பே, AI இன் பதில்கள் முன்கூட்டியே வந்துவிடும் என்ற உணர்வை அடிக்கடி தெரிவிக்கின்றனர். மிகவும் பிரபலமான சாட்போட்கள், பயனர் ஒரு நிலையான இலக்கை சரிசெய்வதாகக் கருதி, அவற்றின் வெளியீட்டைச் செம்மைப்படுத்த வடிவமைக்கப்பட்டுள்ளது, இது செயற்கையான முழுமையின் ஆபத்தான உணர்வை உருவாக்குகிறது.

தெளிவுக்கான இந்த குறுக்குவழி தொடர்புடைய உள் முயற்சி இல்லாமல் நிகழ்கிறது, இது உண்மையில் அறிவை ஒருங்கிணைக்கிறது. மிகவும் சிக்கலான மற்றும் சுருக்கமான வினவல்களில், அறிவாற்றல் நிலப்பரப்பை வடிவமைக்கும் கட்டத்தில், அதன் எல்லைகளை ஆராய்வதில் மனித செயல்முறை இன்னும் இருக்கும் போது, ​​AI ஆயத்த கட்டமைப்பை வழங்குகிறது.

குழப்பம், இந்த சூழலில், கண்டுபிடிப்புக்கான ஒரு உற்பத்தி மற்றும் அத்தியாவசிய வழிமுறையாக கருதப்படுவதில்லை, ஆனால் முடிந்தவரை விரைவாக குறைக்கப்பட வேண்டிய ஒரு பிழை. இந்த அமைப்புகளின் ஈர்க்கக்கூடிய மொழியியல் சரளமானது ஒரு உண்மையான எபிபானியை அடைந்துவிட்டது என்ற மாயையை வலுப்படுத்துகிறது, உண்மையில் என்ன நடந்தது என்பது முன்பே இருக்கும் தகவல்களின் புள்ளிவிவர மெருகூட்டல் மட்டுமே.

அறிவாற்றல் வளர்ச்சிக்கான ஆபத்துகள்

AI களின் இந்த முறையான நடத்தை சிந்தனையின் ஒரு முக்கிய அங்கத்தை அரிக்கிறது: ஒரு யோசனையின் தெளிவான உச்சரிப்புக்கு முந்தைய அத்தியாவசிய இடைநிறுத்தம். பகுதி புரிதலின் உற்பத்தி அசௌகரியம், கருத்துகளை இணைக்க மனம் போராடும் இடத்தில், செழிக்க தேவையான உளவியல் இடத்தை இழக்கிறது.

ஒரு முக்கியமான தீர்ப்பின் மெதுவான மற்றும் கருதப்படும் உருவாக்கம், வெளிப்புற மற்றும் முன்னரே தயாரிக்கப்பட்ட ஒத்திசைவின் உடனடி விநியோகத்தால் மாற்றப்படுகிறது. இது ஒருவரின் சொந்த சிந்தனையை அமைப்பதற்கு வெளிப்புற ஆதாரங்களைச் சார்ந்து இருக்க வழிவகுக்கும்.

இதன் விளைவாக, அறிவைப் பெறுவதற்கான செயல்பாட்டில் ஒரு நபர் செய்யும் அடையாள முதலீடு குறைகிறது. பதில்கள் தயாராகவும், நன்கு வடிவமைக்கப்பட்டதாகவும் வரும்போது, ​​கொடுக்கப்பட்ட தலைப்பைப் பற்றிய “புத்திசாலியாக மாறுவதற்கான” செயல்முறை வெகுவாகக் குறைக்கப்படுகிறது.

விரைவான தேர்வுமுறை, தொழில்நுட்பத்தால் மதிப்பிடப்படுகிறது, அறிவின் படிப்படியான மற்றும் மாற்றும் கட்டுமானத்தை விட மேலோங்குகிறது, இது நமக்குத் தெரிந்ததை மட்டுமல்ல, நாம் யாராக மாறுகிறோம் என்பதை வடிவமைக்கிறது. நீண்ட காலத்திற்கு, இது சிக்கலான பிரச்சனைகளை தன்னிச்சையாக தீர்க்கும் திறனை பாதிக்கலாம்.

நடைமுறை வரம்புகள் மற்றும் பயனர் ஏமாற்றங்கள்

அறிவாற்றல் சிக்கல்களுக்கு மேலதிகமாக, சாட்போட்களில் உள்நோக்கத்தின் அனுமானம் நடைமுறைச் சிக்கல்களை உருவாக்குகிறது. பல சமயங்களில், இந்த அமைப்புகள் குறுகிய கால நினைவாற்றலைக் கொண்டிருக்கின்றன, நீண்ட உரையாடல்களின் சூழலைக் காணவில்லை மற்றும் ஒரு மனித முகவரிடம் ஒப்படைக்க வேண்டிய வெறுப்பூட்டும் இடைவினைகளுக்கு வழிவகுக்கும். AI மாயத்தோற்றங்கள், நம்பத்தகுந்தவை ஆனால் உண்மையில் தவறான பதில்கள், மாதிரியானது இல்லாத வடிவங்களைக் கொண்டு தகவல் இடைவெளிகளை நிரப்ப முயற்சிக்கும் போது துல்லியமாக எழுகிறது. பயனர்கள் உரையாடல்களைப் புகாரளிக்கின்றனர், அங்கு பதில்கள் வெளிப்படுத்தப்படாத கேள்விகளை எதிர்நோக்குகின்றன, இது தவறான ஒழுங்கமைவு உணர்வை ஏற்படுத்துகிறது, குறிப்பாக ஆய்வு அல்லது ஆக்கப்பூர்வமான தன்மையின் வினவல்களில். கார்ப்பரேட் சூழல்களில், மெய்நிகர் உதவியாளர்கள் நிறுவனத்தின் செயல்பாட்டு நுணுக்கங்களைப் புறக்கணித்து, பொதுவான வணிகச் சூழலின் அடிப்படையில் செயல்களைப் பரிந்துரைக்கலாம், இது நிலையான கைமுறை சரிசெய்தல்களைக் கோருகிறது மற்றும் தானியங்கி அனுமானத்தின் வரம்புகளை வெளிப்படுத்துகிறது.

இடைமுகங்களின் எதிர்காலத்திற்கான சவால்கள்

இந்த தவறான ஒழுங்கமைப்பை அறிந்த, AI துறையில் உள்ள டெவலப்பர்கள் மற்றும் ஆராய்ச்சியாளர்கள் ஏற்கனவே பயனரின் தரப்பில் அதிக ஆரம்ப முரண்பாடுகளுக்கு இடமளிக்கும் அமைப்புகளை உருவாக்குவதற்கான வழிகளைத் தேடுகின்றனர். ஒரு நபர் வெளிப்படும் கண்டுபிடிப்பு நிலையில் இருக்கும்போது வெளிப்படையாக அடையாளம் காணக்கூடிய வழிமுறைகளை வடிவமைப்பதே குறிக்கோள்.

எதிர்கால உரையாடல் இடைமுகங்கள் மனித உற்பத்திக் குழப்பத்திற்கான இடத்தைப் பாதுகாக்க வேண்டும், ஒருவேளை அதை ஊக்குவிக்கும். மெதுவான மற்றும் அதிக பிரதிபலிப்பு அறிவாற்றல் செயல்முறைகளின் உருவகப்படுத்துதல்களுடன் புள்ளிவிவர தேர்வுமுறையை இணைக்கும் கலப்பின மாதிரிகளை ஆராய்ச்சி ஆராய்கிறது, இயந்திர சரளத்திற்கும் மனித சிந்தனைக்குத் தேவையான உராய்வுக்கும் இடையே ஒரு நுட்பமான சமநிலையை நாடுகிறது.

கற்றலில் நிச்சயமற்ற தன்மையின் பங்கு

மனித அறிவாற்றல் செயல்முறை உணர்ச்சிகள், தற்காலிக முரண்பாடுகள் மற்றும் இன்னும் உருவாக்கத்தில் இருக்கும் எண்ணங்களை வெளிப்படுத்தும் தைரியம் ஆகியவற்றை உள்ளடக்கியது. உண்மையான கண்டுபிடிப்பு என்பது ஒரு முன் வரையறுக்கப்பட்ட இலக்கை நோக்கி தேடலைச் செம்மைப்படுத்துவதிலிருந்து அல்ல, ஆனால் அறிவார்ந்த வளர்ச்சி மற்றும் அடையாள உருவாக்கத்தில் “தெரியாதது” முக்கிய பங்கு வகிக்கும் அறியப்படாத பயணத்திலிருந்து வருகிறது.