சீரமைபà¯à®ªà¯ (Alignment)
Alignment
ஒர௠AI அமைபà¯à®ªà®¿à®©à¯ நோகà¯à®•à®™à¯à®•ளà¯, வெளியீடà¯à®•ள௠மறà¯à®±à¯à®®à¯ நடதà¯à®¤à¯ˆà®•ள௠மனித இலகà¯à®•à¯à®•ள௠மறà¯à®±à¯à®®à¯ மதிபà¯à®ªà¯à®•ளà¯à®Ÿà®©à¯ சீரமைகà¯à®•பà¯à®ªà®Ÿà¯à®µà®¤à¯ˆ உறà¯à®¤à®¿à®šà¯†à®¯à¯à®¯à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆ. கà¯à®±à®¿à®ªà¯à®ªà®¾à®• மேமà¯à®ªà®Ÿà¯à®Ÿ அமைபà¯à®ªà¯à®•ளில௠இத௠மà¯à®•à¯à®•ியமானதà¯, அவை வெளிபà¯à®ªà®Ÿà¯ˆà®¯à®¾à®• நோகà¯à®•ம௠கொளà¯à®³à®¾à®¤ நடதà¯à®¤à¯ˆà®•ளை உரà¯à®µà®¾à®•à¯à®•கà¯à®•ூடà¯à®®à¯.
உதாரணமà¯: தூணà¯à®Ÿà¯à®¤à®²à¯à®•ளைப௠பொரà¯à®Ÿà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¾à®®à®²à¯ தீஙà¯à®•௠விளைவிகà¯à®•à¯à®®à¯ செயலà¯à®•ளை à®’à®°à¯à®ªà¯‹à®¤à¯à®®à¯ பரிநà¯à®¤à¯à®°à¯ˆà®•à¯à®•ாத மனநல ஆதரவà¯à®•à¯à®•ான சாடà¯à®ªà¯‹à®Ÿà¯à®Ÿà¯ˆ உறà¯à®¤à®¿ செயà¯à®¤à®²à¯.
பயனà¯à®ªà®¾à®Ÿà¯à®Ÿà¯ நிரலாகà¯à®• இடைமà¯à®•ம௠(API) (Application Programming Interface (API))
Application Programming Interface (API)
வெவà¯à®µà¯‡à®±à¯ மெனà¯à®ªà¯Šà®°à¯à®³à¯ அமைபà¯à®ªà¯à®•ள௠தொடரà¯à®ªà¯ கொளà¯à®³à®µà¯à®®à¯ தரவைப௠பரிமாறவà¯à®®à¯ அனà¯à®®à®¤à®¿à®•à¯à®•à¯à®®à¯ வரையறà¯à®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ விதிகள௠மறà¯à®±à¯à®®à¯ நெறிமà¯à®±à¯ˆà®•ளின௠தொகà¯à®ªà¯à®ªà¯.
உதாரணமà¯: உஙà¯à®•ள௠வலை பயனà¯à®ªà®¾à®Ÿà¯à®Ÿà®¿à®²à¯ ஒர௠தூணà¯à®Ÿà¯à®¤à®²à¯ˆ அனà¯à®ªà¯à®ªà®µà¯à®®à¯ மொழி மாதிரி-உரà¯à®µà®¾à®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ பதிலை பெறவà¯à®®à¯ OpenAI API à®à®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®¤à®²à¯.
செயறà¯à®•ை பொத௠நà¯à®£à¯à®£à®±à®¿à®µà¯ (AGI) (Artificial General Intelligence (AGI))
Artificial General Intelligence (AGI)
மனிதனால௠செயà¯à®¯à®•à¯à®•ூடிய எநà¯à®¤à®µà¯Šà®°à¯ அறிவà¯à®šà®¾à®°à¯ பணியையà¯à®®à¯ செயà¯à®¯à®•à¯à®•ூடிய AI இன௠ஒர௠கோடà¯à®ªà®¾à®Ÿà¯à®Ÿà¯ வடிவமà¯. இத௠களஙà¯à®•ளà¯à®•à¯à®•௠இடையே கறà¯à®±à®²à¯ˆ பொதà¯à®®à¯ˆà®ªà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®•ிறதà¯.
உதாரணமà¯: ஒர௠AGI அமைபà¯à®ªà¯ இசை அமைபà¯à®ªà¯ கறà¯à®±à¯à®•௠கொளà¯à®³à®µà¯à®®à¯, à®…à®±à¯à®µà¯ˆ சிகிசà¯à®šà¯ˆ செயà¯à®¯à®µà¯à®®à¯, மறà¯à®±à¯à®®à¯ ததà¯à®¤à¯à®µ தேரà¯à®µà®¿à®²à¯ தேரà¯à®šà¯à®šà®¿ பெறவà¯à®®à¯ à®®à¯à®Ÿà®¿à®¯à¯à®®à¯, பணி-கà¯à®±à®¿à®ªà¯à®ªà®¿à®Ÿà¯à®Ÿ நிரலாகà¯à®•ம௠இலà¯à®²à®¾à®®à®²à¯.
செயறà¯à®•ை நà¯à®£à¯à®£à®±à®¿à®µà¯ (AI) (Artificial Intelligence (AI))
Artificial Intelligence (AI)
சிநà¯à®¤à®¿à®•à¯à®•, பகà¯à®¤à¯à®¤à®±à®¿à®¯ மறà¯à®±à¯à®®à¯ தனà¯à®©à®¾à®Ÿà¯à®šà®¿ à®®à¯à®±à¯ˆà®¯à®¿à®²à¯ செயலà¯à®ªà®Ÿ நிரலà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®Ÿ இயநà¯à®¤à®¿à®°à®™à¯à®•ளில௠மனித நà¯à®£à¯à®£à®±à®¿à®µà®¿à®©à¯ உரà¯à®µà®•பà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®¤à®²à¯.
உதாரணமà¯: AI தனிபà¯à®ªà®Ÿà¯à®Ÿ உதவியாளரà¯à®•ளான Siri மறà¯à®±à¯à®®à¯ Tesla Autopilot போனà¯à®± தனà¯à®©à®¾à®Ÿà¯à®šà®¿ ஓடà¯à®Ÿà¯à®¨à®°à¯ அமைபà¯à®ªà¯à®•ளை இயகà¯à®•à¯à®•ிறதà¯.
AI நெறிமà¯à®±à¯ˆà®•ள௠(AI Ethics)
AI Ethics
நியாயதà¯à®¤à®©à¯à®®à¯ˆ, தனியà¯à®°à®¿à®®à¯ˆ, பொறà¯à®ªà¯à®ªà¯à®•à¯à®•ூறல௠மறà¯à®±à¯à®®à¯ பாகà¯à®ªà®¾à®Ÿà¯ இலà¯à®²à®¾à®¤à®¤à¯ உளà¯à®³à®¿à®Ÿà¯à®Ÿ AI வளரà¯à®šà¯à®šà®¿ மறà¯à®±à¯à®®à¯ பயனà¯à®ªà®¾à®Ÿà¯à®Ÿà®¿à®©à¯ தாரà¯à®®à¯€à®• தாகà¯à®•à®™à¯à®•ள௠தொடரà¯à®ªà®¾à®© ஒர௠ஒழà¯à®•à¯à®•à®®à¯.
உதாரணமà¯: பாலினம௠அலà¯à®²à®¤à¯ இனம௠அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¿à®²à¯ பாகà¯à®ªà®¾à®Ÿà¯ காடà¯à®Ÿà¯à®µà®¤à¯ˆà®¤à¯ தடà¯à®•à¯à®• வேலைவாயà¯à®ªà¯à®ªà¯ அலà¯à®•ாரிதமà¯à®•ளà¯à®•à¯à®•ான வழிகாடà¯à®Ÿà¯à®¤à®²à¯à®•ளை உரà¯à®µà®¾à®•à¯à®•à¯à®¤à®²à¯.
மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®Ÿ நà¯à®£à¯à®£à®±à®¿à®µà¯ (Augmented Intelligence)
Augmented Intelligence
AI மனித நà¯à®£à¯à®£à®±à®¿à®µà¯ˆ மாறà¯à®±à¯à®µà®¤à®±à¯à®•à¯à®ªà¯ பதிலாக அதை நிரபà¯à®ªà¯à®µà®¤à®±à¯à®•à¯à®®à¯ மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®µà®¤à®±à¯à®•à¯à®®à¯ ஒர௠கூடà¯à®Ÿà¯ மாதிரி.
உதாரணமà¯: இறà¯à®¤à®¿ நோயறிதலைச௠செயà¯à®¯à¯à®®à¯ மரà¯à®¤à¯à®¤à¯à®µà®°à¯à®•ளà¯à®•à¯à®•௠அசாதாரணஙà¯à®•ளைக௠கà¯à®±à®¿à®•à¯à®•à¯à®®à¯ AI-இயஙà¯à®•à¯à®®à¯ கதிரியகà¯à®• கரà¯à®µà®¿à®•ளà¯.
தனà¯à®©à®¾à®Ÿà¯à®šà®¿ à®®à¯à®•வர௠(Autonomous Agent)
Autonomous Agent
மனித தலையீட௠இலà¯à®²à®¾à®®à®²à¯ அதன௠இலகà¯à®•à¯à®•ளை அடைய சொநà¯à®¤ à®®à¯à®Ÿà®¿à®µà¯à®•ளை எடà¯à®•à¯à®•வà¯à®®à¯ செயலà¯à®•ளைச௠செயà¯à®¯à®µà¯à®®à¯ திறன௠கொணà¯à®Ÿ ஒர௠AI அமைபà¯à®ªà¯.
உதாரணமà¯: நகர வீதிகளில௠செலà¯à®²à®µà¯à®®à¯ தடைகளைத௠தவிரà¯à®•à¯à®•வà¯à®®à¯ சà¯à®¯à®¾à®¤à¯€à®©à®®à®¾à®• செயலà¯à®ªà®Ÿà¯à®®à¯ ஒர௠தனà¯à®©à®¾à®Ÿà¯à®šà®¿ டெலிவரி ரோபோ.
பின௠பரவல௠(Backpropagation)
Backpropagation
à®®à¯à®©à¯à®©à®±à®¿à®µà®¿à®ªà¯à®ªà¯à®ªà¯ பிழைகளைக௠கà¯à®±à¯ˆà®ªà¯à®ªà®¤à®©à¯ மூலம௠நரமà¯à®ªà®¿à®¯à®²à¯ வலைபà¯à®ªà®¿à®©à¯à®©à®²à¯à®•ளைப௠பயிறà¯à®±à¯à®µà®¿à®ªà¯à®ªà®¤à®±à¯à®•ான ஒர௠நà¯à®Ÿà¯à®ªà®®à¯, வெளியீடà¯à®Ÿà¯ அடà¯à®•à¯à®•à¯à®•ளிலிரà¯à®¨à¯à®¤à¯ தலைகீழாக எடைகளை பà¯à®¤à¯à®ªà¯à®ªà®¿à®ªà¯à®ªà®¤à®©à¯ மூலமà¯.
உதாரணமà¯: கையால௠எழà¯à®¤à®ªà¯à®ªà®Ÿà¯à®Ÿ இலகà¯à®•à®™à¯à®•ளை à®…à®™à¯à®•ீகரிபà¯à®ªà®¤à®¿à®²à¯ பிழை விகிததà¯à®¤à¯ˆà®•௠கà¯à®±à¯ˆà®•à¯à®• பட வகைபà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿à®•ளைப௠பயிறà¯à®±à¯à®µà®¿à®ªà¯à®ªà®¤à®¿à®²à¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
சாரà¯à®ªà¯ (அலà¯à®•ாரிதமிக௠சாரà¯à®ªà¯) (Bias (Algorithmic Bias))
Bias (Algorithmic Bias)
சமநிலையறà¯à®± அலà¯à®²à®¤à¯ பிரதிநிதிதà¯à®¤à¯à®µà®®à®±à¯à®± பயிறà¯à®šà®¿à®¤à¯ தரவ௠காரணமாக AI விளைவà¯à®•ளில௠உளà¯à®³à®®à¯ˆà®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ மறà¯à®±à¯à®®à¯ à®®à¯à®±à¯ˆà®¯à®¾à®© ஆதரவà¯.
உதாரணமà¯: பயிறà¯à®šà®¿à®¤à¯ தரவà¯à®•ளில௠கà¯à®±à¯ˆà®µà®¾à®© பிரதிநிதிதà¯à®¤à¯à®µà®®à¯ காரணமாக வணà¯à®£à®®à®¯à®®à®¾à®© நபரà¯à®•ளை அடிகà¯à®•டி தவறாக அடையாளம௠காணà¯à®®à¯ à®®à¯à®• à®…à®™à¯à®•ீகார அமைபà¯à®ªà¯.
பெரிய தரவ௠(Big Data)
Big Data
சேமிகà¯à®•, பகà¯à®ªà¯à®ªà®¾à®¯à¯à®µà¯ செயà¯à®¯ மறà¯à®±à¯à®®à¯ மதிபà¯à®ªà¯ˆ பிரிதà¯à®¤à¯†à®Ÿà¯à®•à¯à®• சிறபà¯à®ªà¯ கரà¯à®µà®¿à®•ள௠தேவைபà¯à®ªà®Ÿà¯à®®à¯ மிக பெரிய தரவà¯à®¤à¯à®¤à¯Šà®•à¯à®ªà¯à®ªà¯à®•ளà¯, பெரà¯à®®à¯à®ªà®¾à®²à¯à®®à¯ AI மாதிரிகளைப௠பயிறà¯à®±à¯à®µà®¿à®•à¯à®•ப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ினà¯à®±à®©.
உதாரணமà¯: மின௠வணிக தளஙà¯à®•ளà¯à®•à¯à®•ான பரிநà¯à®¤à¯à®°à¯ˆ இயநà¯à®¤à®¿à®°à®™à¯à®•ளைப௠பயிறà¯à®±à¯à®µà®¿à®•à¯à®• மிலà¯à®²à®¿à®¯à®©à¯ கணகà¯à®•ான பயனர௠தொடரà¯à®ªà¯à®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®¤à®²à¯.
கரà¯à®ªà¯à®ªà¯ பெடà¯à®Ÿà®¿ மாதிரி (Black Box Model)
Black Box Model
மனிதரà¯à®•ளால௠எளிதில௠விளகà¯à®• à®®à¯à®Ÿà®¿à®¯à®¾à®¤ AI அலà¯à®²à®¤à¯ இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ மாதிரியின௠ஒர௠வகை, இத௠மà¯à®Ÿà®¿à®µà¯à®•ள௠எவà¯à®µà®¾à®±à¯ எடà¯à®•à¯à®•பà¯à®ªà®Ÿà¯à®•ினà¯à®±à®© எனà¯à®ªà®¤à¯ˆà®ªà¯ பà¯à®°à®¿à®¨à¯à®¤à¯à®•ொளà¯à®µà®¤à¯ˆ கடினமாகà¯à®•à¯à®•ிறதà¯.
உதாரணமà¯: கடனà¯à®•ளை à®…à®™à¯à®•ீகரிகà¯à®•ப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯ ஒர௠ஆழமான நரமà¯à®ªà®¿à®¯à®²à¯ வலையமைபà¯à®ªà¯, ஆனால௠ஒர௠விணà¯à®£à®ªà¯à®ªà®¤à®¾à®°à®°à¯ à®à®©à¯ à®à®±à¯à®±à¯à®•à¯à®•ொளà¯à®³à®ªà¯à®ªà®Ÿà¯à®Ÿà®¾à®°à¯ மறà¯à®±à¯à®®à¯ மறà¯à®±à¯Šà®©à¯à®±à¯ நிராகரிகà¯à®•பà¯à®ªà®Ÿà¯à®Ÿà®¤à¯ எனà¯à®ªà®¤à®±à¯à®•௠தெளிவான விளகà¯à®•தà¯à®¤à¯ˆ வழஙà¯à®•ாதà¯.
அறிவாறà¯à®±à®²à¯ கணினி (Cognitive Computing)
Cognitive Computing
NLP மறà¯à®±à¯à®®à¯ à®®à¯à®±à¯ˆ à®…à®™à¯à®•ீகாரதà¯à®¤à¯ˆà®ªà¯ போனà¯à®± நà¯à®Ÿà¯à®ªà®™à¯à®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿ மனித சிநà¯à®¤à®©à¯ˆ செயலà¯à®®à¯à®±à¯ˆà®•ளை, பகà¯à®¤à¯à®¤à®±à®¿à®µà¯ மறà¯à®±à¯à®®à¯ கறà¯à®±à®²à¯ போனà¯à®±à®µà®±à¯à®±à¯ˆ உரà¯à®µà®•பà¯à®ªà®Ÿà¯à®¤à¯à®¤ வடிவமைகà¯à®•பà¯à®ªà®Ÿà¯à®Ÿ AI அமைபà¯à®ªà¯à®•ளà¯.
உதாரணமà¯: சடà¯à®Ÿ வலà¯à®²à¯à®¨à®°à¯à®•ள௠வழகà¯à®•௠சடà¯à®Ÿà®¤à¯à®¤à¯ˆ பகà¯à®ªà¯à®ªà®¾à®¯à¯à®µà¯ செயà¯à®¯à®µà¯à®®à¯ à®®à¯à®Ÿà®¿à®µà¯à®•ளை கணிகà¯à®•வà¯à®®à¯ உதவà¯à®®à¯ ஒர௠அறிவாறà¯à®±à®²à¯ கணினி அமைபà¯à®ªà¯.
கணினி பாரà¯à®µà¯ˆ (Computer Vision)
Computer Vision
படஙà¯à®•ள௠மறà¯à®±à¯à®®à¯ வீடியோ போனà¯à®± காடà¯à®šà®¿à®¤à¯ தரவை கணினிகள௠விளகà¯à®•வà¯à®®à¯ செயலாகà¯à®•வà¯à®®à¯ அனà¯à®®à®¤à®¿à®•à¯à®•à¯à®®à¯ செயறà¯à®•ை நà¯à®£à¯à®£à®±à®¿à®µà®¿à®©à¯ ஒர௠தà¯à®±à¯ˆ.
உதாரணமà¯: கணினி பாரà¯à®µà¯ˆà®¯à¯ˆà®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿ பாதà¯à®•ாபà¯à®ªà¯ காடà¯à®šà®¿à®•ளில௠நபரà¯à®•ளை அடையாளம௠காணà¯à®®à¯ à®®à¯à®• à®…à®™à¯à®•ீகார அமைபà¯à®ªà¯à®•ளà¯.
தொகà¯à®ªà¯à®ªà¯ (Corpus)
Corpus
மொழி மாதிரிகளைப௠பயிறà¯à®±à¯à®µà®¿à®•à¯à®•ப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯ எழà¯à®¤à®ªà¯à®ªà®Ÿà¯à®Ÿ அலà¯à®²à®¤à¯ பேசபà¯à®ªà®Ÿà¯à®Ÿ உரைகளின௠பெரிய தொகà¯à®ªà¯à®ªà¯.
உதாரணமà¯: Common Crawl தரவà¯à®¤à¯à®¤à¯Šà®•à¯à®ªà¯à®ªà¯ GPT போனà¯à®± பெரிய மொழி மாதிரிகளைப௠பயிறà¯à®±à¯à®µà®¿à®•à¯à®•ப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯ ஒர௠பொத௠வலைத௠தொகà¯à®ªà¯à®ªà¯ ஆகà¯à®®à¯.
தரவ௠நகரà¯à®µà¯ (Data Drift)
Data Drift
உளà¯à®³à¯€à®Ÿà¯à®Ÿà¯à®¤à¯ தரவ௠காலபà¯à®ªà¯‹à®•à¯à®•ில௠மாறà¯à®®à¯ நிகழà¯à®µà¯, மாதிரி செயலà¯à®¤à®¿à®±à®©à¯ கà¯à®±à¯ˆà®¯ வழிவகà¯à®•à¯à®•ிறதà¯.
உதாரணமà¯: பà¯à®¤à®¿à®¯ செனà¯à®šà®¾à®°à¯ தொழிலà¯à®¨à¯à®Ÿà¯à®ªà®®à¯ அறிமà¯à®•பà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯à®ªà¯‹à®¤à¯ தொழிலà¯à®¤à¯à®±à¯ˆ உபகரணஙà¯à®•ளà¯à®•à¯à®•ான à®®à¯à®©à¯à®•ணிபà¯à®ªà¯ பராமரிபà¯à®ªà¯ மாதிரி கà¯à®±à¯ˆà®µà®¾à®© தà¯à®²à¯à®²à®¿à®¯à®®à®¾à®•ிறதà¯.
தரவ௠லேபிளிங௠(Data Labelling)
Data Labelling
மேறà¯à®ªà®¾à®°à¯à®µà¯ˆà®¯à®¿à®Ÿà®ªà¯à®ªà®Ÿà¯à®Ÿ கறà¯à®±à®²à¯à®•à¯à®•௠à®à®±à¯à®±à®¤à®¾à®• தரவை கà¯à®±à®¿à®šà¯à®šà¯Šà®±à¯à®•ள௠அலà¯à®²à®¤à¯ லேபிளà¯à®•ளà¯à®Ÿà®©à¯ கà¯à®±à®¿à®•à¯à®•à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆ.
உதாரணமà¯: பà¯à®±à¯à®±à¯à®¨à¯‹à®¯à¯ கணà¯à®Ÿà®±à®¿à®¤à®²à¯ மாதிரியைப௠பயிறà¯à®±à¯à®µà®¿à®•à¯à®• ஆயிரகà¯à®•ணகà¯à®•ான கடà¯à®Ÿà®¿ படஙà¯à®•ளை தீஙà¯à®•à®±à¯à®± அலà¯à®²à®¤à¯ வீரியம௠மிகà¯à®•தாக லேபிளிடà¯à®¤à®²à¯.
தரவ௠சà¯à®°à®™à¯à®•ம௠(Data Mining)
Data Mining
பெரிய தரவà¯à®¤à¯à®¤à¯Šà®•à¯à®ªà¯à®ªà¯à®•ளில௠அரà¯à®¤à¯à®¤à®®à¯à®³à¯à®³ வடிவஙà¯à®•ளà¯, தொடரà¯à®ªà¯à®•ள௠மறà¯à®±à¯à®®à¯ அசாதாரணஙà¯à®•ளைக௠கணà¯à®Ÿà®±à®¿à®¯à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆ.
உதாரணமà¯: டயபà¯à®ªà®°à¯à®•ளை வாஙà¯à®•à¯à®ªà®µà®°à¯à®•ள௠பியரையà¯à®®à¯ வாஙà¯à®•à¯à®µà®¤à¯ˆà®•௠கணà¯à®Ÿà®±à®¿à®¯ சிலà¯à®²à®±à¯ˆ விறà¯à®ªà®©à¯ˆà®¯à®¾à®³à®°à¯à®•ள௠தரவ௠சà¯à®°à®™à¯à®•தà¯à®¤à¯ˆà®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®•ினà¯à®±à®©à®°à¯.
ஆழமான கறà¯à®±à®²à¯ (Deep Learning)
Deep Learning
தரவà¯à®•ளில௠சிகà¯à®•லான வடிவஙà¯à®•ளை மாதிரியாகà¯à®• பல அடà¯à®•à¯à®•௠நரமà¯à®ªà®¿à®¯à®²à¯ வலைபà¯à®ªà®¿à®©à¯à®©à®²à¯à®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®®à¯ இயநà¯à®¤à®¿à®° கறà¯à®±à®²à®¿à®©à¯ ஒர௠தà¯à®£à¯ˆà®ªà¯ பிரிவà¯.
உதாரணமà¯: GPT-4 போனà¯à®± மொழி மாதிரிகள௠மறà¯à®±à¯à®®à¯ Stable Diffusion போனà¯à®± பட உரà¯à®µà®¾à®•à¯à®•à¯à®®à¯ மாதிரிகளில௠ஆழமான கறà¯à®±à®²à¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
பரவல௠மாதிரிகள௠(Diffusion Models)
Diffusion Models
சீரறà¯à®± இரைசà¯à®šà®²à¯ˆ கடà¯à®Ÿà®®à¯ˆà®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ வெளியீடà¯à®•ளாக படிபà¯à®ªà®Ÿà®¿à®¯à®¾à®• மாறà¯à®±à¯à®µà®¤à®©à¯ மூலம௠தரவை உரà¯à®µà®¾à®•à¯à®• கறà¯à®±à¯à®•à¯à®•ொளà¯à®³à¯à®®à¯ உரà¯à®µà®¾à®•à¯à®•à¯à®®à¯ மாதிரிகளின௠ஒர௠வகà¯à®ªà¯à®ªà¯.
உதாரணமà¯: Stable Diffusion பரவல௠நà¯à®Ÿà¯à®ªà®™à¯à®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿ உரை தூணà¯à®Ÿà¯à®¤à®²à¯à®•ளிலிரà¯à®¨à¯à®¤à¯ யதாரà¯à®¤à¯à®¤à®®à®¾à®© படஙà¯à®•ளை உரà¯à®µà®¾à®•à¯à®•à¯à®•ிறதà¯.
உடà¯à®ªà¯Šà®¤à®¿à®¤à¯à®¤à®²à¯ (Embedding)
Embedding
தரவின௠ஒர௠எண௠பிரதிநிதிதà¯à®¤à¯à®µà®®à¯, பெரà¯à®®à¯à®ªà®¾à®²à¯à®®à¯ சொறà¯à®•ளà¯, படஙà¯à®•ள௠அலà¯à®²à®¤à¯ வாகà¯à®•ியஙà¯à®•ளின௠சொறà¯à®ªà¯Šà®°à¯à®³à¯ à®…à®°à¯à®¤à¯à®¤à®¤à¯à®¤à¯ˆà®ªà¯ பிடிகà¯à®•ப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
உதாரணமà¯: NLP இலà¯, 'வஙà¯à®•ி' எனà¯à®± சொல௠'பணமà¯' எனà¯à®ªà®¤à®±à¯à®•௠ஒதà¯à®¤ உடà¯à®ªà¯Šà®¤à®¿à®ªà¯à®ªà¯à®•ளைக௠கொணà¯à®Ÿà®¿à®°à¯à®•à¯à®•லாமà¯, ஆனால௠சூழலைப௠பொறà¯à®¤à¯à®¤à¯ 'ஆறà¯à®±à¯ வஙà¯à®•ி' எனà¯à®ªà®¤à®¿à®²à®¿à®°à¯à®¨à¯à®¤à¯ வேறà¯à®ªà®Ÿà¯à®®à¯.
சகாபà¯à®¤à®®à¯ (Epoch)
Epoch
ஒர௠இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ மாதிரியின௠பயிறà¯à®šà®¿ செயலà¯à®ªà®¾à®Ÿà¯à®Ÿà®¿à®©à¯ போத௠மà¯à®´à¯ பயிறà¯à®šà®¿ தரவà¯à®¤à¯à®¤à¯Šà®•à¯à®ªà¯à®ªà®¿à®©à¯ ஒர௠மà¯à®´à¯à®®à¯ˆà®¯à®¾à®© மற௠செயà¯à®•ை.
உதாரணமà¯: ஒர௠தரவà¯à®¤à¯à®¤à¯Šà®•à¯à®ªà¯à®ªà®¿à®²à¯ 1,000 எடà¯à®¤à¯à®¤à¯à®•à¯à®•ாடà¯à®Ÿà¯à®•ள௠இரà¯à®¨à¯à®¤à®¾à®²à¯ மறà¯à®±à¯à®®à¯ ஒர௠மாதிரி பயிறà¯à®šà®¿ போத௠அனைதà¯à®¤à¯ˆà®¯à¯à®®à¯ ஒர௠மà¯à®±à¯ˆ பாரà¯à®¤à¯à®¤à®¾à®²à¯, அத௠ஒர௠சகாபà¯à®¤à®®à¯.
நெறிமà¯à®±à¯ˆ AI (Ethical AI)
Ethical AI
AI தொழிலà¯à®¨à¯à®Ÿà¯à®ªà®™à¯à®•ள௠வெளிபà¯à®ªà®Ÿà¯ˆà®¯à®¾à®•வà¯à®®à¯, சமமாகவà¯à®®à¯, சமூக மதிபà¯à®ªà¯à®•ளà¯à®Ÿà®©à¯ இணஙà¯à®•வà¯à®®à¯ செயலà¯à®ªà®Ÿà¯à®µà®¤à¯ˆ உறà¯à®¤à®¿à®šà¯†à®¯à¯à®¯à¯à®®à¯ ஒர௠வடிவமைபà¯à®ªà¯ மறà¯à®±à¯à®®à¯ வரிசைபà¯à®ªà®Ÿà¯à®¤à¯à®¤à®²à¯ ததà¯à®¤à¯à®µà®®à¯.
உதாரணமà¯: சிறà¯à®ªà®¾à®©à¯à®®à¯ˆ வேடà¯à®ªà®¾à®³à®°à¯à®•ளà¯à®•à¯à®•௠எதிராக பாகà¯à®ªà®¾à®Ÿà¯ காடà¯à®Ÿà¯à®µà®¤à¯ˆà®¤à¯ தடà¯à®•à¯à®• சாரà¯à®ªà¯ சோதனைகளை உளà¯à®³à®Ÿà®•à¯à®•ிய ஒர௠AI வேலைவாயà¯à®ªà¯à®ªà¯ கரà¯à®µà®¿.
நிபà¯à®£à®°à¯ அமைபà¯à®ªà¯ (Expert System)
Expert System
ஒர௠கà¯à®±à®¿à®ªà¯à®ªà®¿à®Ÿà¯à®Ÿ தà¯à®±à¯ˆà®¯à®¿à®²à¯ மனித நிபà¯à®£à®°à®¿à®©à¯ à®®à¯à®Ÿà®¿à®µà¯†à®Ÿà¯à®•à¯à®•à¯à®®à¯ திறனà¯à®•ளை விதிகள௠மறà¯à®±à¯à®®à¯ தரà¯à®•à¯à®•தà¯à®¤à¯ˆà®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿ பிரதிபலிகà¯à®•à¯à®®à¯ ஒர௠AI அமைபà¯à®ªà¯.
உதாரணமà¯: மண௠தரவ௠மறà¯à®±à¯à®®à¯ பூசà¯à®šà®¿ வரலாறà¯à®±à®¿à®©à¯ அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¿à®²à¯ பயிர௠சிகிசà¯à®šà¯ˆà®•ளை பரிநà¯à®¤à¯à®°à¯ˆà®•à¯à®• விவசாயதà¯à®¤à®¿à®²à¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯ ஒர௠நிபà¯à®£à®°à¯ அமைபà¯à®ªà¯.
விளகà¯à®•கà¯à®•ூடிய AI (XAI) (Explainable AI (XAI))
Explainable AI (XAI)
மனிதரà¯à®•ளà¯à®•à¯à®•௠அதன௠உள௠செயலà¯à®®à¯à®±à¯ˆà®•ள௠மறà¯à®±à¯à®®à¯ à®®à¯à®Ÿà®¿à®µà¯à®•ளைப௠பà¯à®°à®¿à®¨à¯à®¤à¯à®•ொளà¯à®³à®šà¯ செயà¯à®¯à¯à®®à¯ AI அமைபà¯à®ªà¯à®•ளà¯, நமà¯à®ªà®¿à®•à¯à®•ை மறà¯à®±à¯à®®à¯ பொறà¯à®ªà¯à®ªà¯à®•à¯à®•ூறலை அதிகரிகà¯à®•à¯à®®à¯.
உதாரணமà¯: ஒர௠மரà¯à®¤à¯à®¤à¯à®µ நோயறிதல௠AI, பரிநà¯à®¤à¯à®°à¯ˆà®¯à¯ˆ வழஙà¯à®•à¯à®µà®¤à¯‹à®Ÿà¯ மடà¯à®Ÿà¯à®®à®²à¯à®²à®¾à®®à®²à¯, எநà¯à®¤ அறிகà¯à®±à®¿à®•ள௠அநà¯à®¤ à®®à¯à®Ÿà®¿à®µà¯à®•à¯à®•௠வழிவகà¯à®¤à¯à®¤à®© எனà¯à®ªà®¤à¯ˆà®¯à¯à®®à¯ விளகà¯à®•à¯à®•ிறதà¯.
சில-ஷாட௠கறà¯à®±à®²à¯ (Few-shot Learning)
Few-shot Learning
ஒர௠மாதிரிகà¯à®•௠ஒர௠சிறிய எணà¯à®£à®¿à®•à¯à®•ையிலான லேபிளிடபà¯à®ªà®Ÿà¯à®Ÿ எடà¯à®¤à¯à®¤à¯à®•à¯à®•ாடà¯à®Ÿà¯à®•ளை மடà¯à®Ÿà¯à®®à¯‡ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿ பயிறà¯à®šà®¿ அலà¯à®²à®¤à¯ நà¯à®£à¯-சரிசெயà¯à®¤à®²à¯ செயà¯à®¯à®ªà¯à®ªà®Ÿà¯à®®à¯ ஒர௠இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ à®®à¯à®±à¯ˆ.
உதாரணமà¯: 10 எடà¯à®¤à¯à®¤à¯à®•à¯à®•ாடà¯à®Ÿà¯à®•ளை மடà¯à®Ÿà¯à®®à¯‡ காணà¯à®ªà®¿à®¤à¯à®¤ பிறக௠சடà¯à®Ÿ மினà¯à®©à®žà¯à®šà®²à¯à®•ளை எழà¯à®¤ ஒர௠LLM à®à®¤à¯ தனிபà¯à®ªà®¯à®©à®¾à®•à¯à®•à¯à®¤à®²à¯.
நà¯à®£à¯-சரிசெயà¯à®¤à®²à¯ (Fine-tuning)
Fine-tuning
ஒர௠மà¯à®©à¯ பயிறà¯à®šà®¿ பெறà¯à®± மாதிரியை எடà¯à®¤à¯à®¤à¯, அதை ஒர௠கà¯à®±à®¿à®ªà¯à®ªà®¿à®Ÿà¯à®Ÿ பணிகà¯à®•ாக சிறபà¯à®ªà¯à®ªà¯ படà¯à®¤à¯à®¤à¯à®µà®¤à®±à¯à®•ாக ஒர௠பà¯à®¤à®¿à®¯, சிறிய தரவà¯à®¤à¯à®¤à¯Šà®•à¯à®ªà¯à®ªà®¿à®²à¯ மேலà¯à®®à¯ பயிறà¯à®šà®¿ அளிகà¯à®•à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆ.
உதாரணமà¯: சடà¯à®Ÿ வரைவ௠உதவியாளரை உரà¯à®µà®¾à®•à¯à®• சடà¯à®Ÿ ஆவணஙà¯à®•ளில௠ஒர௠பொதà¯à®µà®¾à®© LLM ஠நà¯à®£à¯-சரிசெயà¯à®¤à®²à¯.
அடிதà¯à®¤à®³ மாதிரி (Foundation Model)
Foundation Model
பல கீழà¯à®¨à®¿à®²à¯ˆ பணிகளà¯à®•à¯à®•௠மாறà¯à®±à®¿à®¯à®®à¯ˆà®•à¯à®•கà¯à®•ூடிய பலà¯à®µà¯‡à®±à¯ மறà¯à®±à¯à®®à¯ பரநà¯à®¤ தரவà¯à®•ளில௠பயிறà¯à®šà®¿ பெறà¯à®± ஒர௠பெரிய அளவிலான மாதிரி.
உதாரணமà¯: GPT-4 மறà¯à®±à¯à®®à¯ PaLM 2 ஆகியவை சà¯à®°à¯à®•à¯à®•à®®à¯, கேளà¯à®µà®¿ பதிலà¯, மொழிபெயரà¯à®ªà¯à®ªà¯ மறà¯à®±à¯à®®à¯ பலவறà¯à®±à¯ˆà®šà¯ செயà¯à®¯à®•à¯à®•ூடிய அடிதà¯à®¤à®³ மாதிரிகள௠ஆகà¯à®®à¯.
தெளிவறà¯à®± தரà¯à®•à¯à®•ம௠(Fuzzy Logic)
Fuzzy Logic
நிலையான உணà¯à®®à¯ˆ/தவற௠(பைனரி) தரà¯à®•à¯à®•தà¯à®¤à®¿à®±à¯à®•à¯à®ªà¯ பதிலாக தோராயமான மதிபà¯à®ªà¯à®•ளà¯à®Ÿà®©à¯ கையாளà¯à®®à¯ ஒர௠தரà¯à®•à¯à®• வடிவமà¯, நிசà¯à®šà®¯à®®à®±à¯à®± தனà¯à®®à¯ˆà®¯à®¿à®©à¯ கீழ௠பகà¯à®¤à¯à®¤à®±à®¿à®µà¯à®•à¯à®•௠பயனà¯à®³à¯à®³à®¤à®¾à®• இரà¯à®•à¯à®•à¯à®®à¯.
உதாரணமà¯: 'சிறித௠சூடாக' அலà¯à®²à®¤à¯ 'மிகவà¯à®®à¯ கà¯à®³à®¿à®°à®¾à®•' போனà¯à®± தெளிவறà¯à®± உளà¯à®³à¯€à®Ÿà¯à®•ளின௠அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¿à®²à¯ வெபà¯à®ªà®¨à®¿à®²à¯ˆà®¯à¯ˆ சரிசெயà¯à®¯ காலநிலை கடà¯à®Ÿà¯à®ªà¯à®ªà®¾à®Ÿà¯à®Ÿà¯ அமைபà¯à®ªà¯à®•ளில௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
உரà¯à®µà®¾à®•à¯à®•à¯à®®à¯ போடà¯à®Ÿà®¿ வலையமைபà¯à®ªà¯ (GAN) (Generative Adversarial Network (GAN))
Generative Adversarial Network (GAN)
வெளியீடà¯à®Ÿà¯ தரதà¯à®¤à¯ˆ மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤ போடà¯à®Ÿà®¿à®¯à®¿à®Ÿà¯à®®à¯ இரணà¯à®Ÿà¯ வலைபà¯à®ªà®¿à®©à¯à®©à®²à¯à®•ளைக௠கொணà¯à®Ÿ ஒர௠உரà¯à®µà®¾à®•à¯à®•à¯à®®à¯ மாதிரி கடà¯à®Ÿà®®à¯ˆà®ªà¯à®ªà¯ - ஒர௠ஜெனரேடà¯à®Ÿà®°à¯ மறà¯à®±à¯à®®à¯ ஒர௠டிஸà¯à®•ிரிமினேடà¯à®Ÿà®°à¯.
உதாரணமà¯: GAN கள௠டீபà¯à®ƒà®ªà¯‡à®•௠வீடியோகà¯à®•ளை உரà¯à®µà®¾à®•à¯à®• அலà¯à®²à®¤à¯ வரைபடஙà¯à®•ளிலிரà¯à®¨à¯à®¤à¯ யதாரà¯à®¤à¯à®¤à®®à®¾à®© தயாரிபà¯à®ªà¯ பà¯à®•ைபà¯à®ªà®Ÿà®™à¯à®•ளை உரà¯à®µà®¾à®•à¯à®•ப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ினà¯à®±à®©.
உரà¯à®µà®¾à®•à¯à®•à¯à®®à¯ AI (Generative AI)
Generative AI
பயிறà¯à®šà®¿à®¤à¯ தரவà¯à®•ளிலிரà¯à®¨à¯à®¤à¯ உரை, படஙà¯à®•ளà¯, இசை அலà¯à®²à®¤à¯ வீடியோ போனà¯à®± பà¯à®¤à®¿à®¯ உளà¯à®³à®Ÿà®•à¯à®•தà¯à®¤à¯ˆ உரà¯à®µà®¾à®•à¯à®•கà¯à®•ூடிய ஒர௠வகை செயறà¯à®•ை நà¯à®£à¯à®£à®±à®¿à®µà¯.
உதாரணமà¯: ChatGPT வலைபà¯à®ªà®¤à®¿à®µà¯ இடà¯à®•ைகளை உரà¯à®µà®¾à®•à¯à®•à¯à®•ிறத௠அலà¯à®²à®¤à¯ Midjourney உரை தூணà¯à®Ÿà¯à®¤à®²à¯à®•ளிலிரà¯à®¨à¯à®¤à¯ டிஜிடà¯à®Ÿà®²à¯ கலைபà¯à®ªà®Ÿà¯ˆà®ªà¯à®ªà¯à®•ளை உரà¯à®µà®¾à®•à¯à®•à¯à®•ிறதà¯.
உரà¯à®µà®¾à®•à¯à®•à¯à®®à¯ à®®à¯à®©à¯ பயிறà¯à®šà®¿ பெறà¯à®± டிரானà¯à®¸à¯à®ƒà®ªà®¾à®°à¯à®®à®°à¯ (GPT) (Generative Pre-trained Transformer (GPT))
Generative Pre-trained Transformer (GPT)
OpenAI ஆல௠உரà¯à®µà®¾à®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ பெரிய மொழி மாதிரிகளின௠ஒர௠வகà¯à®ªà¯à®ªà¯, இத௠டிரானà¯à®¸à¯à®ƒà®ªà®¾à®°à¯à®®à®°à¯ கடà¯à®Ÿà®®à¯ˆà®ªà¯à®ªà¯ˆà®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®•ிறத௠மறà¯à®±à¯à®®à¯ பலவிதமான மொழிப௠பணிகளைச௠செயà¯à®¯ பரநà¯à®¤ அளவிலான உரைத௠தரவà¯à®•ளில௠மà¯à®©à¯ பயிறà¯à®šà®¿ பெறà¯à®±à¯à®³à¯à®³à®¤à¯.
உதாரணமà¯: GPT-4 கà¯à®±à¯ˆà®¨à¯à®¤à®ªà®Ÿà¯à®š தூணà¯à®Ÿà¯à®¤à®²à¯à®•ளà¯à®Ÿà®©à¯ கடà¯à®Ÿà¯à®°à¯ˆà®•ளை எழà¯à®¤à®µà¯à®®à¯, மொழிகளை மொழிபெயரà¯à®•à¯à®•வà¯à®®à¯, ஆவணஙà¯à®•ளைச௠சà¯à®°à¯à®•à¯à®•வà¯à®®à¯ திறன௠கொணà¯à®Ÿà®¤à¯.
மரபண௠அலà¯à®•ாரிதம௠(Genetic Algorithm)
Genetic Algorithm
இயறà¯à®•ை தேரà¯à®µà®¿à®©à¯ மூலம௠ஈரà¯à®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ ஒர௠உகபà¯à®ªà®¾à®•à¯à®• நà¯à®Ÿà¯à®ªà®®à¯, இதில௠தீரà¯à®µà¯à®•ள௠பிறழà¯à®µà¯, கà¯à®±à¯à®•à¯à®•à¯à®µà¯†à®Ÿà¯à®Ÿà¯ மறà¯à®±à¯à®®à¯ தேரà¯à®µà¯ மூலம௠காலபà¯à®ªà¯‹à®•à¯à®•ில௠உரà¯à®µà®¾à®•ினà¯à®±à®©.
உதாரணமà¯: உயிரà¯à®µà®¾à®´à¯à®µà®¤à®±à¯à®•ான சிறநà¯à®¤à®¤à¯ˆ உரà¯à®µà®•பà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®µà®¤à®©à¯ மூலம௠திறமையான நரமà¯à®ªà®¿à®¯à®²à¯ வலையமைபà¯à®ªà¯ கடà¯à®Ÿà®®à¯ˆà®ªà¯à®ªà¯à®•ளை வடிவமைகà¯à®•ப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
மாயதà¯à®¤à¯‹à®±à¯à®±à®®à¯ (Hallucination)
Hallucination
AI மாதிரியால௠நமà¯à®ªà®¤à¯à®¤à®•à¯à®¨à¯à®¤à®¤à®¾à®• ஒலிகà¯à®•à¯à®®à¯ ஆனால௠உணà¯à®®à¯ˆà®¯à®¿à®²à¯ தவறான அலà¯à®²à®¤à¯ à®…à®°à¯à®¤à¯à®¤à®®à®±à¯à®± உளà¯à®³à®Ÿà®•à¯à®•தà¯à®¤à¯ˆ உரà¯à®µà®¾à®•à¯à®•à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆ.
உதாரணமà¯: ஒர௠மொழி மாதிரி இலà¯à®²à®¾à®¤ மேறà¯à®•ோளை உரà¯à®µà®¾à®•à¯à®•à¯à®•ிறத௠அலà¯à®²à®¤à¯ தவறான வரலாறà¯à®±à¯ உணà¯à®®à¯ˆà®•ளை வழஙà¯à®•à¯à®•ிறதà¯.
ஹியூரிஸà¯à®Ÿà®¿à®•௠(Heuristic)
Heuristic
ஒர௠சரியான தீரà¯à®µà¯ˆ உதà¯à®¤à®°à®µà®¾à®¤à®®à¯ செயà¯à®¯à®¾à®¤ ஒர௠நடைமà¯à®±à¯ˆ சிகà¯à®•ல௠தீரà¯à®•à¯à®•à¯à®®à¯ அணà¯à®•à¯à®®à¯à®±à¯ˆ, ஆனால௠உடனடி இலகà¯à®•à¯à®•ளà¯à®•à¯à®•௠போதà¯à®®à®¾à®©à®¤à¯.
உதாரணமà¯: ஒர௠தளவாட AI அமைபà¯à®ªà®¿à®²à¯ விநியோக நேரதà¯à®¤à¯ˆ மதிபà¯à®ªà®¿à®Ÿà¯à®µà®¤à®±à¯à®•௠ஒர௠விதிமà¯à®±à¯ˆà®¯à¯ˆà®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®¤à®²à¯.
ஹைபà¯à®ªà®°à¯ அளவà¯à®°à¯ (Hyperparameter)
Hyperparameter
கறà¯à®±à®²à¯ விகிதம௠அலà¯à®²à®¤à¯ அடà¯à®•à¯à®•à¯à®•ளின௠எணà¯à®£à®¿à®•à¯à®•ை போனà¯à®± இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ மாதிரியைப௠பயிறà¯à®šà®¿ செயà¯à®µà®¤à®±à¯à®•௠மà¯à®©à¯ அமைகà¯à®•பà¯à®ªà®Ÿà¯à®Ÿ ஒர௠கடà¯à®Ÿà®®à¯ˆà®ªà¯à®ªà¯ மதிபà¯à®ªà¯.
உதாரணமà¯: பயிறà¯à®šà®¿ வேகதà¯à®¤à¯ˆà®¯à¯à®®à¯ மாதிரி செயலà¯à®¤à®¿à®±à®©à¯ˆà®¯à¯à®®à¯ மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤ தொகà¯à®¤à®¿ அளவை 32 இலிரà¯à®¨à¯à®¤à¯ 128 ஆக சரிசெயà¯à®¤à®²à¯.
அனà¯à®®à®¾à®©à®®à¯ (Inference)
Inference
பà¯à®¤à®¿à®¯ உளà¯à®³à¯€à®Ÿà¯à®Ÿà¯à®¤à¯ தரவà¯à®•ளிலிரà¯à®¨à¯à®¤à¯ கணிபà¯à®ªà¯à®•ளைச௠செயà¯à®¯ அலà¯à®²à®¤à¯ வெளியீடà¯à®•ளை உரà¯à®µà®¾à®•à¯à®• பயிறà¯à®šà®¿ பெறà¯à®± இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ மாதிரியைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆ.
உதாரணமà¯: வாடிகà¯à®•ையாளர௠ஆதரவ௠கà¯à®´à¯à®µà®¿à®±à¯à®•ான மினà¯à®©à®žà¯à®šà®²à¯à®•ளை வரைவதறà¯à®•௠ஒர௠நà¯à®£à¯-சரிசெயà¯à®¯à®ªà¯à®ªà®Ÿà¯à®Ÿ GPT மாதிரியைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®¤à®²à¯.
நோகà¯à®•ம௠கணà¯à®Ÿà®±à®¿à®¤à®²à¯ (Intent Detection)
Intent Detection
ஒர௠செயà¯à®¤à®¿à®¯à®¿à®²à¯ பயனரின௠இலகà¯à®•௠அலà¯à®²à®¤à¯ நோகà¯à®•தà¯à®¤à¯ˆ கணினி அடையாளம௠காணà¯à®®à¯ இயறà¯à®•ை மொழி பà¯à®°à®¿à®¤à®²à®¿à®²à¯ ஒர௠பணி.
உதாரணமà¯: ஒர௠சாடà¯à®ªà¯‹à®Ÿà¯à®Ÿà®¿à®²à¯, 'நான௠ஒர௠விமானதà¯à®¤à¯ˆ à®®à¯à®©à¯à®ªà®¤à®¿à®µà¯ செயà¯à®¯ விரà¯à®®à¯à®ªà¯à®•ிறேனà¯' எனà¯à®ªà®¤à¯ˆ பயண à®®à¯à®©à¯à®ªà®¤à®¿à®µà¯ நோகà¯à®•மாக à®…à®™à¯à®•ீகரிதà¯à®¤à®²à¯.
பொரà¯à®Ÿà¯à®•ளின௠இணையம௠(IoT) (Internet of Things (IoT))
Internet of Things (IoT)
தரவைச௠சேகரிகà¯à®•வà¯à®®à¯ பரிமாறவà¯à®®à¯ செனà¯à®šà®¾à®°à¯à®•ளà¯, மெனà¯à®ªà¯Šà®°à¯à®³à¯ மறà¯à®±à¯à®®à¯ பிற தொழிலà¯à®¨à¯à®Ÿà¯à®ªà®™à¯à®•ளà¯à®Ÿà®©à¯ உடà¯à®ªà¯Šà®¤à®¿à®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ இணைகà¯à®•பà¯à®ªà®Ÿà¯à®Ÿ இயறà¯à®ªà®¿à®¯à®²à¯ சாதனஙà¯à®•ளின௠ஒர௠வலையமைபà¯à®ªà¯.
உதாரணமà¯: பயனà¯à®ªà®¾à®Ÿà¯à®Ÿà¯à®¤à¯ தரவை அறிகà¯à®•ையிடà¯à®®à¯ மறà¯à®±à¯à®®à¯ AI பகà¯à®ªà¯à®ªà®¾à®¯à¯à®µà¯à®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿ அமைபà¯à®ªà¯à®•ளை சரிசெயà¯à®¯à¯à®®à¯ ஸà¯à®®à®¾à®°à¯à®Ÿà¯ தெரà¯à®®à¯‹à®¸à¯à®Ÿà®¾à®Ÿà¯à®•ள௠மறà¯à®±à¯à®®à¯ கà¯à®³à®¿à®°à¯à®šà®¾à®¤à®©à®ªà¯ பெடà¯à®Ÿà®¿à®•ளà¯.
விளகà¯à®•à¯à®®à¯à®¤à®©à¯à®®à¯ˆ (Interpretability)
Interpretability
ஒர௠இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ மாதிரியின௠உள௠இயகà¯à®•வியல௠மறà¯à®±à¯à®®à¯ அதன௠மà¯à®Ÿà®¿à®µà¯†à®Ÿà¯à®•à¯à®•à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆà®¯à¯ˆ ஒர௠மனிதன௠பà¯à®°à®¿à®¨à¯à®¤à¯à®•ொளà¯à®³à®•à¯à®•ூடிய அளவà¯.
உதாரணமà¯: அதன௠மà¯à®Ÿà®¿à®µà¯à®•ள௠கணà¯à®Ÿà®±à®¿à®¯à®•à¯à®•ூடியவை எனà¯à®ªà®¤à®¾à®²à¯, ஒர௠மà¯à®Ÿà®¿à®µà¯†à®Ÿà¯à®•à¯à®•à¯à®®à¯ மரம௠ஒர௠ஆழமான நரமà¯à®ªà®¿à®¯à®²à¯ வலையமைபà¯à®ªà¯ˆ விட அதிக விளகà¯à®•கà¯à®•ூடியதà¯.
ஜூபைடà¯à®Ÿà®°à¯ நோடà¯à®ªà¯à®•௠(Jupyter Notebook)
Jupyter Notebook
பயனரà¯à®•ள௠கà¯à®±à®¿à®¯à¯€à®Ÿà¯ எழà¯à®¤à®µà¯à®®à¯, வெளியீடà¯à®•ளைக௠காடà¯à®šà®¿à®ªà¯à®ªà®Ÿà¯à®¤à¯à®¤à®µà¯à®®à¯, பகà¯à®ªà¯à®ªà®¾à®¯à¯à®µà¯ˆ ஒரே இடைமà¯à®•தà¯à®¤à®¿à®²à¯ ஆவணபà¯à®ªà®Ÿà¯à®¤à¯à®¤à®µà¯à®®à¯ அனà¯à®®à®¤à®¿à®•à¯à®•à¯à®®à¯ ஒர௠திறநà¯à®¤ மூல ஊடாடà¯à®®à¯ கணினி சூழலà¯.
உதாரணமà¯: தரவ௠விஞà¯à®žà®¾à®©à®¿à®•ள௠இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ மாதிரிகளை à®®à¯à®©à¯à®®à®¾à®¤à®¿à®°à®¿à®¯à®¾à®•வà¯à®®à¯ à®®à¯à®Ÿà®¿à®µà¯à®•ளைப௠பகிரà¯à®¨à¯à®¤à¯ கொளà¯à®³à®µà¯à®®à¯ ஜூபைடà¯à®Ÿà®°à¯ நோடà¯à®ªà¯à®•à¯à®•à¯à®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®•ினà¯à®±à®©à®°à¯.
K-à®…à®°à¯à®•ாமை அணà¯à®Ÿà¯ˆ நாடà¯à®•ள௠(KNN) (K-Nearest Neighbours (KNN))
K-Nearest Neighbours (KNN)
வகைபà¯à®ªà®¾à®Ÿà¯ மறà¯à®±à¯à®®à¯ பினà¯à®©à®Ÿà¯ˆà®µà¯à®•à¯à®•à¯à®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯ ஒர௠எளிய, பாராமெடà¯à®°à®¿à®•௠அலà¯à®²à®¾à®¤ இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ அலà¯à®•ாரிதமà¯. இத௠அமà¯à®š வெளியில௠உளà¯à®³ நெரà¯à®•à¯à®•மான பயிறà¯à®šà®¿ எடà¯à®¤à¯à®¤à¯à®•à¯à®•ாடà¯à®Ÿà¯à®•ளின௠அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¿à®²à¯ à®®à¯à®Ÿà®¿à®µà¯à®•ளை எடà¯à®•à¯à®•ிறதà¯.
உதாரணமà¯: ஒர௠பà¯à®¤à®¿à®¯ பழதà¯à®¤à¯ˆ ஆபà¯à®ªà®¿à®³à¯ அலà¯à®²à®¤à¯ பேரிகà¯à®•ாயாக வகைபà¯à®ªà®Ÿà¯à®¤à¯à®¤, KNN வடிவம௠மறà¯à®±à¯à®®à¯ நிறதà¯à®¤à®¿à®²à¯ நெரà¯à®•à¯à®•மான லேபிளிடபà¯à®ªà®Ÿà¯à®Ÿ பழஙà¯à®•ளைச௠சரிபாரà¯à®•à¯à®•ிறதà¯.
அறிவ௠வரைபடம௠(Knowledge Graph)
Knowledge Graph
நிறà¯à®µà®©à®™à¯à®•ள௠மறà¯à®±à¯à®®à¯ அவறà¯à®±à®¿à®©à¯ உறவà¯à®•ளின௠இணைகà¯à®•பà¯à®ªà®Ÿà¯à®Ÿ விளகà¯à®•à®™à¯à®•ளை பிரதிநிதிதà¯à®¤à¯à®µà®ªà¯à®ªà®Ÿà¯à®¤à¯à®¤à®µà¯à®®à¯ சேமிகà¯à®•வà¯à®®à¯ à®®à¯à®©à¯ˆà®•ள௠மறà¯à®±à¯à®®à¯ விளிமà¯à®ªà¯à®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®®à¯ ஒர௠தரவ௠கடà¯à®Ÿà®®à¯ˆà®ªà¯à®ªà¯.
உதாரணமà¯: கூகிளின௠அறிவà¯à®ªà¯ பலகம௠நபரà¯à®•ளà¯, இடஙà¯à®•ள௠மறà¯à®±à¯à®®à¯ நிகழà¯à®µà¯à®•ள௠போனà¯à®± நிறà¯à®µà®©à®™à¯à®•ளை இணைகà¯à®•à¯à®®à¯ அறிவ௠வரைபடதà¯à®¤à®¾à®²à¯ இயகà¯à®•பà¯à®ªà®Ÿà¯à®•ிறதà¯.
மொழி கறà¯à®±à®²à¯ மாதிரி உகபà¯à®ªà®¾à®•à¯à®•ம௠(LLMO) (Language Learning Model Optimisation (LLMO))
Language Learning Model Optimisation (LLMO)
பெரிய மொழி மாதிரிகளின௠செயலà¯à®¤à®¿à®±à®©à¯, செயலà¯à®¤à®¿à®±à®©à¯ அலà¯à®²à®¤à¯ கà¯à®±à®¿à®ªà¯à®ªà®¿à®Ÿà¯à®Ÿ பணிகள௠அலà¯à®²à®¤à¯ களஙà¯à®•ளà¯à®•à¯à®•ான மாறà¯à®±à®¿à®¯à®®à¯ˆà®ªà¯à®ªà¯ˆ மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯ நà¯à®Ÿà¯à®ªà®™à¯à®•ளà¯.
உதாரணமà¯: நிறà¯à®µà®©à®ªà¯ பயனà¯à®ªà®¾à®Ÿà¯à®Ÿà®¿à®±à¯à®•ாக ஒர௠LLM ஠மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤ அளவீட௠மறà¯à®±à¯à®®à¯ அறிவà¯à®±à¯à®¤à¯à®¤à®²à¯ சரிசெயà¯à®¤à®²à¯ˆà®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®¤à®²à¯.
பெரிய மொழி மாதிரி (LLM) (Large Language Model (LLM))
Large Language Model (LLM)
மனித மொழியà¯à®Ÿà®©à¯ உரà¯à®µà®¾à®•à¯à®•à¯à®¤à®²à¯, பà¯à®°à®¿à®¨à¯à®¤à¯à®•ொளà¯à®³à¯à®¤à®²à¯ மறà¯à®±à¯à®®à¯ பகà¯à®¤à¯à®¤à®±à®¿à®¤à®²à¯ திறன௠கொணà¯à®Ÿ பரநà¯à®¤ அளவிலான உரைத௠தரவà¯à®•ளில௠பயிறà¯à®šà®¿ பெறà¯à®± ஒர௠வகை ஆழமான கறà¯à®±à®²à¯ மாதிரி.
உதாரணமà¯: ChatGPT மறà¯à®±à¯à®®à¯ Claude ஆகியவை எழà¯à®¤à¯à®¤à®²à¯, கà¯à®±à®¿à®¯à®¿à®Ÿà¯à®¤à®²à¯ மறà¯à®±à¯à®®à¯ கேளà¯à®µà®¿à®•ளà¯à®•à¯à®•௠பதிலளிபà¯à®ªà®¤à®¿à®²à¯ உதவ பயிறà¯à®šà®¿ பெறà¯à®± LLM கள௠ஆகà¯à®®à¯.
மறைநிலை இடம௠(Latent Space)
Latent Space
உரà¯à®µà®¾à®•à¯à®•à¯à®®à¯ மாதிரிகள௠மறà¯à®±à¯à®®à¯ உடà¯à®ªà¯Šà®¤à®¿à®ªà¯à®ªà¯à®•ளில௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯, ஒதà¯à®¤ உளà¯à®³à¯€à®Ÿà¯à®•ள௠நெரà¯à®•à¯à®•மாக கà¯à®´à¯à®µà®¾à®• இரà¯à®•à¯à®•à¯à®®à¯ ஒர௠உயரà¯-பரிமாண சà¯à®°à¯à®•à¯à®• பிரதிநிதிதà¯à®¤à¯à®µà®®à¯.
உதாரணமà¯: பட உரà¯à®µà®¾à®•à¯à®•தà¯à®¤à®¿à®²à¯, மறைநிலை இடதà¯à®¤à¯ˆà®•௠கையாளà¯à®µà®¤à¯ பிரகாசம௠அலà¯à®²à®¤à¯ உணரà¯à®šà¯à®šà®¿ போனà¯à®± à®…à®®à¯à®šà®™à¯à®•ளை மாறà¯à®±à®²à®¾à®®à¯.
கறà¯à®±à®²à¯ விகிதம௠(Learning Rate)
Learning Rate
இழபà¯à®ªà¯ சாயà¯à®µà®¿à®©à¯ அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¿à®²à¯ மாதிரி எடைகள௠எவà¯à®µà®³à®µà¯ சரிசெயà¯à®¯à®ªà¯à®ªà®Ÿà¯à®•ினà¯à®±à®© எனà¯à®ªà®¤à¯ˆà®•௠கடà¯à®Ÿà¯à®ªà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®®à¯ பயிறà¯à®šà®¿à®¯à®¿à®²à¯ ஒர௠மà¯à®•à¯à®•ிய ஹைபà¯à®ªà®°à¯ அளவà¯à®°à¯.
உதாரணமà¯: ஒர௠உயர௠கறà¯à®±à®²à¯ விகிதம௠கà¯à®±à¯ˆà®¨à¯à®¤à®ªà®Ÿà¯à®šà®™à¯à®•ளைத௠தாணà¯à®Ÿà®¿à®šà¯ செலà¯à®² வழிவகà¯à®•à¯à®•à¯à®®à¯, அதே நேரதà¯à®¤à®¿à®²à¯ மிகக௠கà¯à®±à¯ˆà®¨à¯à®¤ விகிதம௠பயிறà¯à®šà®¿ à®®à¯à®©à¯à®©à¯‡à®±à¯à®±à®¤à¯à®¤à¯ˆ மெதà¯à®µà®¾à®•à¯à®•à¯à®®à¯.
இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ (ML) (Machine Learning (ML))
Machine Learning (ML)
தரவà¯à®•ளிலிரà¯à®¨à¯à®¤à¯ கறà¯à®±à¯à®•à¯à®•ொளà¯à®³à®µà¯à®®à¯, வெளிபà¯à®ªà®Ÿà¯ˆà®¯à®¾à®• நிரலà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà®¾à®®à®²à¯à®®à¯ செயலà¯à®¤à®¿à®±à®©à¯ˆ மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤à®µà¯à®®à¯ அமைபà¯à®ªà¯à®•ளை அனà¯à®®à®¤à®¿à®•à¯à®•à¯à®®à¯ AI இன௠ஒர௠கிளை.
உதாரணமà¯: ஸà¯à®ªà¯‡à®®à¯ வடிபà¯à®ªà®¾à®©à¯à®•ள௠கடநà¯à®¤à®•ால எடà¯à®¤à¯à®¤à¯à®•à¯à®•ாடà¯à®Ÿà¯à®•ளின௠அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¿à®²à¯ மினà¯à®©à®žà¯à®šà®²à¯à®•ளை ஸà¯à®ªà¯‡à®®à¯ அலà¯à®²à®¤à¯ இலà¯à®²à¯ˆ என வகைபà¯à®ªà®Ÿà¯à®¤à¯à®¤ இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ˆà®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®•ினà¯à®±à®©.
மாதிரி நகரà¯à®µà¯ (Model Drift)
Model Drift
தரவ௠அலà¯à®²à®¤à¯ சூழலில௠à®à®±à¯à®ªà®Ÿà¯à®®à¯ மாறà¯à®±à®™à¯à®•ள௠காரணமாக ஒர௠மாதிரியின௠தà¯à®²à¯à®²à®¿à®¯à®®à¯ காலபà¯à®ªà¯‹à®•à¯à®•ில௠கà¯à®±à¯ˆà®¯à¯à®®à¯ ஒர௠நிகழà¯à®µà¯.
உதாரணமà¯: மோசடி தநà¯à®¤à®¿à®°à®™à¯à®•ள௠உரà¯à®µà®¾à®•à¯à®®à¯à®ªà¯‹à®¤à¯ ஒர௠மோசடி கணà¯à®Ÿà®±à®¿à®¤à®²à¯ மாதிரி கà¯à®±à¯ˆà®µà®¾à®© தà¯à®²à¯à®²à®¿à®¯à®®à®¾à®•ிறதà¯.
மாதிரி பயிறà¯à®šà®¿ (Model Training)
Model Training
தரவை ஒர௠இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ மாதிரிகà¯à®•௠அளிதà¯à®¤à¯, பிழையைக௠கà¯à®±à¯ˆà®ªà¯à®ªà®¤à®±à¯à®•ாக அதன௠அளவà¯à®°à¯à®•à¯à®•ளை சரிசெயà¯à®¯à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆ.
உதாரணமà¯: பà¯à®¤à®¿à®¯ தயாரிபà¯à®ªà¯à®•ளைப௠பரிநà¯à®¤à¯à®°à¯ˆà®•à¯à®• வாடிகà¯à®•ையாளர௠கொளà¯à®®à¯à®¤à®²à¯ வரலாறà¯à®±à®¿à®²à¯ ஒர௠பரிநà¯à®¤à¯à®°à¯ˆ இயநà¯à®¤à®¿à®°à®¤à¯à®¤à¯ˆà®ªà¯ பயிறà¯à®±à¯à®µà®¿à®¤à¯à®¤à®²à¯.
பனà¯à®®à¯à®• AI (Multimodal AI)
Multimodal AI
உரை, படஙà¯à®•ளà¯, ஆடியோ மறà¯à®±à¯à®®à¯ வீடியோ போனà¯à®± பல தரவ௠வகைகளைச௠செயலாகà¯à®•ி à®’à®°à¯à®™à¯à®•ிணைகà¯à®•கà¯à®•ூடிய AI அமைபà¯à®ªà¯à®•ளà¯.
உதாரணமà¯: GPT-4 Vision போனà¯à®± ஒர௠மாதிரி, இத௠ஒரே நேரதà¯à®¤à®¿à®²à¯ உரையைப௠படிகà¯à®•வà¯à®®à¯ படஙà¯à®•ளை விளகà¯à®•வà¯à®®à¯à®•ூடியதà¯.
இயறà¯à®•ை மொழி செயலாகà¯à®•ம௠(NLP) (Natural Language Processing (NLP))
Natural Language Processing (NLP)
கணினிகள௠மறà¯à®±à¯à®®à¯ மனித (இயறà¯à®•ை) மொழிகளà¯à®•à¯à®•௠இடையிலான தொடரà¯à®ªà®¿à®²à¯ கவனம௠செலà¯à®¤à¯à®¤à¯à®®à¯ AI இன௠ஒர௠தà¯à®£à¯ˆà®ªà¯ பிரிவà¯. இத௠இயநà¯à®¤à®¿à®°à®™à¯à®•ள௠மனித மொழியில௠படிகà¯à®•வà¯à®®à¯, பà¯à®°à®¿à®¨à¯à®¤à¯à®•ொளà¯à®³à®µà¯à®®à¯, பதிலளிகà¯à®•வà¯à®®à¯ உதவà¯à®•ிறதà¯.
உதாரணமà¯: NLP கà¯à®°à®²à¯ உதவியாளரà¯à®•ளà¯, மொழிபெயரà¯à®ªà¯à®ªà¯ பயனà¯à®ªà®¾à®Ÿà¯à®•ள௠மறà¯à®±à¯à®®à¯ சாடà¯à®ªà¯‹à®Ÿà¯à®•ளில௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
நரமà¯à®ªà®¿à®¯à®²à¯ வலைபà¯à®ªà®¿à®©à¯à®©à®²à¯ (Neural Network)
Neural Network
மனித மூளையின௠கடà¯à®Ÿà®®à¯ˆà®ªà¯à®ªà®¾à®²à¯ ஈரà¯à®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ ஒர௠இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ மாதிரி, இத௠ஒனà¯à®±à¯‹à®Ÿà¯Šà®©à¯à®±à¯ இணைகà¯à®•பà¯à®ªà®Ÿà¯à®Ÿ à®®à¯à®©à¯ˆà®•ளின௠(நியூரானà¯à®•ளà¯) அடà¯à®•à¯à®•à¯à®•ளால௠ஆனதà¯.
உதாரணமà¯: பட மறà¯à®±à¯à®®à¯ பேசà¯à®šà¯ à®…à®™à¯à®•ீகாரதà¯à®¤à®¿à®²à¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯ ஆழமான கறà¯à®±à®²à¯ மாதிரிகளà¯à®•à¯à®•à¯à®ªà¯ பினà¯à®©à®¾à®²à¯ நரமà¯à®ªà®¿à®¯à®²à¯ வலைபà¯à®ªà®¿à®©à¯à®©à®²à¯à®•ள௠உளà¯à®³à®©.
இரைசà¯à®šà®²à¯ (Noise)
Noise
தரவà¯à®•ளில௠உளà¯à®³ சீரறà¯à®± அலà¯à®²à®¤à¯ பொரà¯à®¤à¯à®¤à®®à®±à¯à®± தகவலà¯, இத௠அரà¯à®¤à¯à®¤à®®à¯à®³à¯à®³ வடிவஙà¯à®•ளை மறைதà¯à®¤à¯ மாதிரி செயலà¯à®¤à®¿à®±à®©à¯ˆ எதிரà¯à®®à®±à¯ˆà®¯à®¾à®• பாதிகà¯à®•லாமà¯.
உதாரணமà¯: செனà¯à®šà®¾à®°à¯ பிழைகள௠அலà¯à®²à®¤à¯ தடà¯à®Ÿà®šà¯à®šà¯à®ªà¯ பிழைகள௠கொணà¯à®Ÿ தரவ௠உளà¯à®³à¯€à®Ÿà¯à®•ள௠இரைசà¯à®šà®²à®¾à®•க௠கரà¯à®¤à®ªà¯à®ªà®Ÿà®²à®¾à®®à¯.
சொறà¯à®ªà¯Šà®°à¯à®³à¯ (Ontology)
Ontology
ஒர௠களதà¯à®¤à®¿à®±à¯à®•à¯à®³à¯ உளà¯à®³ கரà¯à®¤à¯à®¤à¯à®•à¯à®•ளà¯à®•à¯à®•௠இடையிலான உறவà¯à®•ளை வகைபà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®®à¯ மறà¯à®±à¯à®®à¯ வரையறà¯à®•à¯à®•à¯à®®à¯ ஒர௠கடà¯à®Ÿà®®à¯ˆà®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ கடà¯à®Ÿà®®à¯ˆà®ªà¯à®ªà¯, பெரà¯à®®à¯à®ªà®¾à®²à¯à®®à¯ சொறà¯à®ªà¯Šà®°à¯à®³à¯ AI அமைபà¯à®ªà¯à®•ளில௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
உதாரணமà¯: சà¯à®•ாதாரதà¯à®¤à®¿à®²à¯ ஒர௠சொறà¯à®ªà¯Šà®°à¯à®³à¯ நோயà¯à®•ளà¯à®•à¯à®•à¯à®®à¯ சிகிசà¯à®šà¯ˆà®•ளà¯à®•à¯à®•à¯à®®à¯ அறிகà¯à®±à®¿à®•ள௠எவà¯à®µà®¾à®±à¯ தொடரà¯à®ªà¯ கொளà¯à®•ினà¯à®±à®© எனà¯à®ªà®¤à¯ˆ வரையறà¯à®•à¯à®•லாமà¯.
அதிகபà¯à®ªà®Ÿà®¿à®¯à®¾à®© பொரà¯à®¤à¯à®¤à®®à¯ (Overfitting)
Overfitting
பயிறà¯à®šà®¿à®¤à¯ தரவà¯à®•ளில௠உளà¯à®³ இரைசà¯à®šà®²à¯ˆà®ªà¯ பிடிகà¯à®•à¯à®®à¯ ஒர௠மாதிரி பிழை மறà¯à®±à¯à®®à¯ பà¯à®¤à®¿à®¯ தரவà¯à®•ளில௠மோசமாக செயலà¯à®ªà®Ÿà¯à®•ிறதà¯.
உதாரணமà¯: பயிறà¯à®šà®¿ பதிலà¯à®•ளை மனபà¯à®ªà®¾à®Ÿà®®à¯ செயà¯à®¯à¯à®®à¯ ஆனால௠காணபà¯à®ªà®Ÿà®¾à®¤ சோதனைத௠தரஙà¯à®•ளைக௠கையாள à®®à¯à®Ÿà®¿à®¯à®¾à®¤ ஒர௠மாதிரி அதிகபà¯à®ªà®Ÿà®¿à®¯à®¾à®•ப௠பொரà¯à®¨à¯à®¤à¯à®•ிறதà¯.
à®®à¯à®©à¯à®•ணிபà¯à®ªà¯ பகà¯à®ªà¯à®ªà®¾à®¯à¯à®µà¯ (Predictive Analytics)
Predictive Analytics
வரலாறà¯à®±à¯à®¤à¯ தரவà¯à®•ளின௠அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¿à®²à¯ எதிரà¯à®•ால விளைவà¯à®•ளின௠நிகழà¯à®¤à®•வைக௠கணà¯à®Ÿà®±à®¿à®¯ தரவà¯, அலà¯à®•ாரிதமà¯à®•ள௠மறà¯à®±à¯à®®à¯ AI à®à®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®¤à®²à¯.
உதாரணமà¯: சிலà¯à®²à®±à¯ˆ விறà¯à®ªà®©à¯ˆà®¯à®¾à®³à®°à¯à®•ள௠கà¯à®±à®¿à®ªà¯à®ªà®¿à®Ÿà¯à®Ÿ தயாரிபà¯à®ªà¯à®•ளà¯à®•à¯à®•ான தேவையை கணிகà¯à®• à®®à¯à®©à¯à®•ணிபà¯à®ªà¯ பகà¯à®ªà¯à®ªà®¾à®¯à¯à®µà¯ˆà®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®•ினà¯à®±à®©à®°à¯.
à®®à¯à®©à¯ பயிறà¯à®šà®¿ (Pre-training)
Pre-training
கà¯à®±à®¿à®ªà¯à®ªà®¿à®Ÿà¯à®Ÿ பணிகளà¯à®•à¯à®•ாக அதை நà¯à®£à¯-சரிசெயà¯à®¯à¯à®®à¯ à®®à¯à®©à¯ ஒர௠பெரிய, பொதà¯à®µà®¾à®© தரவà¯à®¤à¯à®¤à¯Šà®•à¯à®ªà¯à®ªà®¿à®²à¯ ஒர௠மாதிரியை ஆரமà¯à®ªà®¤à¯à®¤à®¿à®²à¯ பயிறà¯à®šà®¿ அளிகà¯à®•à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆ.
உதாரணமà¯: GPT மாதிரிகள௠வாடிகà¯à®•ையாளர௠சேவை சாடà¯à®ªà¯‹à®Ÿà¯à®•ளà¯à®•à¯à®•ாக தனிபà¯à®ªà®¯à®©à®¾à®•à¯à®•பà¯à®ªà®Ÿà¯à®µà®¤à®±à¯à®•௠மà¯à®©à¯à®ªà¯ பெரிய தொகà¯à®ªà¯à®ªà¯à®•ளில௠மà¯à®©à¯ பயிறà¯à®šà®¿ பெறà¯à®•ினà¯à®±à®©.
தூணà¯à®Ÿà¯à®¤à®²à¯ பொறியியல௠(Prompt Engineering)
Prompt Engineering
பெரிய மொழி மாதிரிகளின௠வெளியீடà¯à®Ÿà¯ˆ வழிநடதà¯à®¤ பயனà¯à®³à¯à®³ தூணà¯à®Ÿà¯à®¤à®²à¯à®•ளை உரà¯à®µà®¾à®•à¯à®•à¯à®µà®¤à®±à¯à®•ான கலை மறà¯à®±à¯à®®à¯ அறிவியலà¯.
உதாரணமà¯: 'ஒர௠மரியாதையான ஆசிரியராக பதிலளிகà¯à®•வà¯à®®à¯' போனà¯à®± கணினி வழிமà¯à®±à¯ˆà®•ளைச௠சேரà¯à®ªà¯à®ªà®¤à¯ தூணà¯à®Ÿà¯à®¤à®²à¯ பொறியியலின௠ஒர௠எடà¯à®¤à¯à®¤à¯à®•à¯à®•ாடà¯à®Ÿà¯.
அளவீட௠(Quantisation)
Quantisation
செயலà¯à®¤à®¿à®±à®©à¯ˆ மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®®à¯ எடைகள௠மறà¯à®±à¯à®®à¯ செயலà¯à®ªà®¾à®Ÿà¯à®•ளைக௠கà¯à®±à®¿à®•à¯à®•ப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯ பிடà¯à®•ளின௠எணà¯à®£à®¿à®•à¯à®•ையைக௠கà¯à®±à¯ˆà®•à¯à®•à¯à®®à¯ ஒர௠மாதிரி சà¯à®°à¯à®•à¯à®• நà¯à®Ÿà¯à®ªà®®à¯.
உதாரணமà¯: மொபைல௠சாதனஙà¯à®•ளில௠செயலà¯à®¤à®¿à®±à®©à¯ˆ மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤ ஒர௠மாதிரியை 32-பிடà¯à®Ÿà®¿à®²à®¿à®°à¯à®¨à¯à®¤à¯ 8-பிடà¯à®Ÿà®¿à®±à¯à®•௠அளவிடà¯à®¤à®²à¯.
கà¯à®µà®¾à®£à¯à®Ÿà®®à¯ கணினி (Quantum Computing)
Quantum Computing
கà¯à®µà®¾à®£à¯à®Ÿà®®à¯ இயகà¯à®•வியலை அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¾à®•க௠கொணà¯à®Ÿ கணினிமயமாகà¯à®•லின௠ஒர௠பà¯à®¤à®¿à®¯ à®®à¯à®©à¯à®©à¯à®¤à®¾à®°à®£à®®à¯, இத௠அதிவேக செயலாகà¯à®• திறனà¯à®•ளà¯à®•à¯à®•ான ஆறà¯à®±à®²à¯ˆà®•௠கொணà¯à®Ÿà¯à®³à¯à®³à®¤à¯.
உதாரணமà¯: கà¯à®µà®¾à®£à¯à®Ÿà®®à¯ கணினி எதிரà¯à®•ாலதà¯à®¤à®¿à®²à¯ கிளாசிகà¯à®•ல௠வரமà¯à®ªà¯à®•ளà¯à®•à¯à®•௠அபà¯à®ªà®¾à®²à¯ AI பயிறà¯à®šà®¿à®¯à¯ˆ விரைவà¯à®ªà®Ÿà¯à®¤à¯à®¤à®•à¯à®•ூடà¯à®®à¯.
பகà¯à®¤à¯à®¤à®±à®¿à®µà¯ இயநà¯à®¤à®¿à®°à®®à¯ (Reasoning Engine)
Reasoning Engine
விதிகள௠அலà¯à®²à®¤à¯ அனà¯à®®à®¾à®© அலà¯à®•ாரிதமà¯à®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿ உணà¯à®®à¯ˆà®•ள௠அலà¯à®²à®¤à¯ தரவà¯à®•ளின௠தொகà¯à®ªà¯à®ªà®¿à®²à®¿à®°à¯à®¨à¯à®¤à¯ தரà¯à®•à¯à®•ரீதியான à®®à¯à®Ÿà®¿à®µà¯à®•ளைப௠பெறà¯à®®à¯ AI இல௠ஒர௠அமைபà¯à®ªà¯.
உதாரணமà¯: ஒர௠AI நோயறிதல௠கரà¯à®µà®¿ அறிகà¯à®±à®¿à®•ளின௠அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¿à®²à¯ சாதà¯à®¤à®¿à®¯à®®à®¾à®© மரà¯à®¤à¯à®¤à¯à®µ நிலைகளை ஊகிகà¯à®• ஒர௠பகà¯à®¤à¯à®¤à®±à®¿à®µà¯ இயநà¯à®¤à®¿à®°à®¤à¯à®¤à¯ˆà®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®•ிறதà¯.
வலà¯à®µà¯‚டà¯à®Ÿà®²à¯ கறà¯à®±à®²à¯ (RL) (Reinforcement Learning (RL))
Reinforcement Learning (RL)
à®®à¯à®•வரà¯à®•ள௠தஙà¯à®•ள௠சூழலà¯à®Ÿà®©à¯ தொடரà¯à®ªà¯à®•ொளà¯à®µà®¤à®©à¯ மூலம௠திரடà¯à®Ÿà®ªà¯à®ªà®Ÿà¯à®Ÿ வெகà¯à®®à®¤à®¿à®•ளை அதிகரிகà¯à®• கறà¯à®±à¯à®•à¯à®•ொளà¯à®³à¯à®®à¯ இயநà¯à®¤à®¿à®° கறà¯à®±à®²à®¿à®©à¯ ஒர௠பகà¯à®¤à®¿.
உதாரணமà¯: RL நà¯à®Ÿà¯à®ªà®™à¯à®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿ à®®à¯à®¯à®±à¯à®šà®¿ மறà¯à®±à¯à®®à¯ பிழை மூலம௠நடகà¯à®• கறà¯à®±à¯à®•à¯à®•ொளà¯à®³à¯à®®à¯ ஒர௠ரோபோ.
மனித பினà¯à®©à¯‚டà¯à®Ÿà®¤à¯à®¤à¯à®Ÿà®©à¯ வலà¯à®µà¯‚டà¯à®Ÿà®²à¯ கறà¯à®±à®²à¯ (RLHF) (Reinforcement Learning with Human Feedback (RLHF))
Reinforcement Learning with Human Feedback (RLHF)
மனித விரà¯à®ªà¯à®ªà®¤à¯à®¤à¯‡à®°à¯à®µà¯à®•ள௠AI இன௠வெகà¯à®®à®¤à®¿ சமிகà¯à®žà¯ˆà®¯à¯ˆ வழிநடதà¯à®¤à¯à®®à¯ ஒர௠கறà¯à®±à®²à¯ à®®à¯à®±à¯ˆ, பெரà¯à®®à¯à®ªà®¾à®²à¯à®®à¯ மொழி மாதிரிகளை நà¯à®£à¯-சரிசெயà¯à®¯à®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
உதாரணமà¯: ChatGPT மிகவà¯à®®à¯ உதவியாகவà¯à®®à¯ பாதà¯à®•ாபà¯à®ªà®¾à®•வà¯à®®à¯ பதிலà¯à®•ளை உரà¯à®µà®¾à®•à¯à®• RLHF உடன௠பயிறà¯à®šà®¿ அளிகà¯à®•பà¯à®ªà®Ÿà¯à®Ÿà®¤à¯.
மீடà¯à®Ÿà¯†à®Ÿà¯à®ªà¯à®ªà¯-மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®Ÿ உரà¯à®µà®¾à®•à¯à®•ம௠(RAG) (Retrieval-Augmented Generation (RAG))
Retrieval-Augmented Generation (RAG)
தகவல௠மீடà¯à®Ÿà¯†à®Ÿà¯à®ªà¯à®ªà¯ˆ உரà¯à®µà®¾à®•à¯à®•à¯à®®à¯ திறனà¯à®Ÿà®©à¯ இணைகà¯à®•à¯à®®à¯ ஒர௠மà¯à®±à¯ˆ, இதில௠ஒர௠LLM அதன௠பதிலை மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤ தொடரà¯à®ªà¯à®Ÿà¯ˆà®¯ ஆவணஙà¯à®•ளை மீடà¯à®Ÿà¯†à®Ÿà¯à®•à¯à®•ிறதà¯.
உதாரணமà¯: ஒர௠AI உதவியாளர௠ஒர௠தொழிலà¯à®¨à¯à®Ÿà¯à®ª கேளà¯à®µà®¿à®•à¯à®•௠பதிலளிகà¯à®•à¯à®®à¯ போத௠தயாரிபà¯à®ªà¯ விவரகà¯à®•à¯à®±à®¿à®ªà¯à®ªà¯à®•ளை மீடà¯à®Ÿà¯†à®Ÿà¯à®¤à¯à®¤à¯ மேறà¯à®•ோள௠காடà¯à®Ÿà¯à®•ிறதà¯.
சà¯à®¯-மேறà¯à®ªà®¾à®°à¯à®µà¯ˆà®¯à®¿à®Ÿà®ªà¯à®ªà®Ÿà¯à®Ÿ கறà¯à®±à®²à¯ (Self-Supervised Learning)
Self-Supervised Learning
மாதிரி அதன௠சொநà¯à®¤ லேபிளà¯à®•ளை மூலத௠தரவà¯à®•ளிலிரà¯à®¨à¯à®¤à¯ உரà¯à®µà®¾à®•à¯à®•à¯à®µà®¤à®©à¯ மூலம௠வடிவஙà¯à®•ளைக௠கறà¯à®±à¯à®•à¯à®•ொளà¯à®³à¯à®®à¯ ஒர௠பயிறà¯à®šà®¿ அணà¯à®•à¯à®®à¯à®±à¯ˆ, மனித-லேபிளிடபà¯à®ªà®Ÿà¯à®Ÿ தரவà¯à®•ளின௠மீதான சாரà¯à®ªà¯ˆà®•௠கà¯à®±à¯ˆà®•à¯à®•ிறதà¯.
உதாரணமà¯: BERT உரையில௠விடà¯à®ªà®Ÿà¯à®Ÿ சொறà¯à®•ளைக௠கணிபà¯à®ªà®¤à®©à¯ மூலம௠சà¯à®¯-மேறà¯à®ªà®¾à®°à¯à®µà¯ˆà®¯à®¿à®Ÿà®ªà¯à®ªà®Ÿà¯à®Ÿ கறà¯à®±à®²à¯à®Ÿà®©à¯ பயிறà¯à®šà®¿ அளிகà¯à®•பà¯à®ªà®Ÿà¯à®•ிறதà¯.
சொறà¯à®ªà¯Šà®°à¯à®³à¯ தேடல௠(Semantic Search)
Semantic Search
பயனர௠நோகà¯à®•தà¯à®¤à¯ˆà®¯à¯à®®à¯ சூழல௠அரà¯à®¤à¯à®¤à®¤à¯à®¤à¯ˆà®¯à¯à®®à¯ பà¯à®°à®¿à®¨à¯à®¤à¯à®•ொளà¯à®³à¯à®®à¯ ஒர௠தேடல௠நà¯à®Ÿà¯à®ªà®®à¯, வெறà¯à®®à¯ à®®à¯à®•à¯à®•ிய வாரà¯à®¤à¯à®¤à¯ˆ பொரà¯à®¤à¯à®¤à®¤à¯à®¤à¯ˆ விட.
உதாரணமà¯: 'கசியà¯à®®à¯ கà¯à®´à®¾à®¯à¯ˆ எவà¯à®µà®¾à®±à¯ சரிசெயà¯à®µà®¤à¯' எனà¯à®±à¯ தேடà¯à®µà®¤à¯ ஆவணதà¯à®¤à®¿à®²à¯ 'கசியà¯à®®à¯ கà¯à®´à®¾à®¯à¯' எனà¯à®± சொல௠இலà¯à®²à®¾à®µà®¿à®Ÿà¯à®Ÿà®¾à®²à¯à®®à¯ வழிகாடà¯à®Ÿà®¿à®•ளைத௠தரà¯à®•ிறதà¯.
உணரà¯à®µà¯ பகà¯à®ªà¯à®ªà®¾à®¯à¯à®µà¯ (Sentiment Analysis)
Sentiment Analysis
உரையில௠உணரà¯à®šà¯à®šà®¿à®•ளà¯, கரà¯à®¤à¯à®¤à¯à®•à¯à®•ள௠அலà¯à®²à®¤à¯ மனபà¯à®ªà®¾à®©à¯à®®à¯ˆà®•ளைக௠கணà¯à®Ÿà®±à®¿à®¯à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆ, பெரà¯à®®à¯à®ªà®¾à®²à¯à®®à¯ நேரà¯à®®à®±à¯ˆ, எதிரà¯à®®à®±à¯ˆ அலà¯à®²à®¤à¯ நடà¯à®¨à®¿à®²à¯ˆ என வகைபà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®•ிறதà¯.
உதாரணமà¯: ஒர௠பà¯à®¤à®¿à®¯ தயாரிபà¯à®ªà¯à®•à¯à®•ான பொத௠எதிரà¯à®µà®¿à®©à¯ˆà®¯à¯ˆ அளவிட டà¯à®µà¯€à®Ÿà¯à®•ளை பகà¯à®ªà¯à®ªà®¾à®¯à¯à®µà¯ செயà¯à®¤à®²à¯.
சீரறà¯à®± (Stochastic)
Stochastic
சீரறà¯à®± தனà¯à®®à¯ˆ அலà¯à®²à®¤à¯ நிகழà¯à®¤à®•வ௠நடதà¯à®¤à¯ˆ சமà¯à®ªà®¨à¯à®¤à®ªà¯à®ªà®Ÿà¯à®Ÿà®¤à¯, பெரà¯à®®à¯à®ªà®¾à®²à¯à®®à¯ உரà¯à®µà®¾à®•à¯à®•à¯à®®à¯ AI மறà¯à®±à¯à®®à¯ உகபà¯à®ªà®¾à®•à¯à®• அலà¯à®•ாரிதமà¯à®•ளில௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
உதாரணமà¯: GPT-4 இன௠வெளியீட௠அதன௠சீரறà¯à®± டிகோடிங௠செயலà¯à®®à¯à®±à¯ˆ காரணமாக அதே உளà¯à®³à¯€à®Ÿà¯à®Ÿà®¿à®±à¯à®•௠மாறà¯à®ªà®Ÿà¯à®®à¯.
வலà¯à®µà®¾à®© AI (Strong AI)
Strong AI
செயறà¯à®•ை பொத௠நà¯à®£à¯à®£à®±à®¿à®µà¯ (AGI) எனà¯à®±à¯à®®à¯ அழைகà¯à®•பà¯à®ªà®Ÿà¯à®•ிறதà¯, இத௠அனைதà¯à®¤à¯ களஙà¯à®•ளிலà¯à®®à¯ மனித-நிலை அறிவாறà¯à®±à®²à¯ திறனà¯à®•ளைக௠கொணà¯à®Ÿ இயநà¯à®¤à®¿à®°à®™à¯à®•ளைக௠கà¯à®±à®¿à®•à¯à®•ிறதà¯.
உதாரணமà¯: நாவலà¯à®•ளை சà¯à®¯à®®à®¾à®• எழà¯à®¤à®•à¯à®•ூடிய, நகரஙà¯à®•ளைத௠திடà¯à®Ÿà®®à®¿à®Ÿà®•à¯à®•ூடிய மறà¯à®±à¯à®®à¯ நெறிமà¯à®±à¯ˆ சிகà¯à®•லà¯à®•ளை சமமாக தீரà¯à®•à¯à®•கà¯à®•ூடிய ஒர௠எதிரà¯à®•ால AI.
சூபà¯à®ªà®°à¯ செயறà¯à®•ை நà¯à®£à¯à®£à®±à®¿à®µà¯ (SAI) (Super Artificial Intelligence (SAI))
Super Artificial Intelligence (SAI)
அனைதà¯à®¤à¯ à®…à®®à¯à®šà®™à¯à®•ளிலà¯à®®à¯ மனித நà¯à®£à¯à®£à®±à®¿à®µà¯ˆ மிஞà¯à®šà¯à®®à¯ ஒர௠கோடà¯à®ªà®¾à®Ÿà¯à®Ÿà¯ AI - பகà¯à®¤à¯à®¤à®±à®¿à®µà¯, படைபà¯à®ªà®¾à®±à¯à®±à®²à¯, உணரà¯à®šà¯à®šà®¿ நà¯à®£à¯à®£à®±à®¿à®µà¯, à®®à¯à®¤à®²à®¿à®¯à®©.
உதாரணமà¯: ஒர௠SAI கோடà¯à®ªà®¾à®Ÿà¯à®Ÿà®³à®µà®¿à®²à¯ பà¯à®¤à®¿à®¯ அறிவியலà¯à®•ளையà¯à®®à¯ ததà¯à®¤à¯à®µà®™à¯à®•ளையà¯à®®à¯ சà¯à®¯à®¾à®¤à¯€à®©à®®à®¾à®• உரà¯à®µà®¾à®•à¯à®•கà¯à®•ூடà¯à®®à¯.
மேறà¯à®ªà®¾à®°à¯à®µà¯ˆà®¯à®¿à®Ÿà®ªà¯à®ªà®Ÿà¯à®Ÿ கறà¯à®±à®²à¯ (Supervised Learning)
Supervised Learning
உளà¯à®³à¯€à®Ÿà¯-வெளியீட௠வரைபடஙà¯à®•ளைக௠கறà¯à®±à¯à®•à¯à®•ொளà¯à®³ லேபிளிடபà¯à®ªà®Ÿà¯à®Ÿ தரவà¯à®•ளில௠மாதிரிகள௠பயிறà¯à®šà®¿ பெறà¯à®®à¯ ஒர௠இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ நà¯à®Ÿà¯à®ªà®®à¯.
உதாரணமà¯: வரலாறà¯à®±à¯ எடà¯à®¤à¯à®¤à¯à®•à¯à®•ாடà¯à®Ÿà¯à®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿ மினà¯à®©à®žà¯à®šà®²à¯à®•ளை ஸà¯à®ªà¯‡à®®à¯ அலà¯à®²à®¤à¯ இலà¯à®²à¯ˆ என வகைபà¯à®ªà®Ÿà¯à®¤à¯à®¤ ஒர௠மாதிரியைக௠கறà¯à®ªà®¿à®¤à¯à®¤à®²à¯.
செயறà¯à®•ை தரவ௠(Synthetic Data)
Synthetic Data
உணà¯à®®à¯ˆà®¯à®¾à®© தரவ௠பறà¯à®±à®¾à®•à¯à®•à¯à®±à¯ˆà®¯à®¾à®•வோ அலà¯à®²à®¤à¯ உணரà¯à®¤à®¿à®±à®©à¯ வாயà¯à®¨à¯à®¤à®¤à®¾à®•வோ இரà¯à®•à¯à®•à¯à®®à¯à®ªà¯‹à®¤à¯ பயிறà¯à®šà®¿à®•à¯à®•௠பெரà¯à®®à¯à®ªà®¾à®²à¯à®®à¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯, நிஜ-உலக தரவை உரà¯à®µà®•பà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®®à¯ செயறà¯à®•ையாக உரà¯à®µà®¾à®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ தரவà¯.
உதாரணமà¯: நோயாளி தனியà¯à®°à®¿à®®à¯ˆà®¯à¯ˆ மீறாமல௠நோயறிதல௠மாதிரிகளைப௠பயிறà¯à®±à¯à®µà®¿à®•à¯à®• செயறà¯à®•ை மரà¯à®¤à¯à®¤à¯à®µ படஙà¯à®•ளை உரà¯à®µà®¾à®•à¯à®•à¯à®¤à®²à¯.
டோகà¯à®•ன௠(Token)
Token
LLM களால௠செயலாகà¯à®•பà¯à®ªà®Ÿà¯à®®à¯ உரையின௠ஒர௠அலக௠- பொதà¯à®µà®¾à®• ஒர௠சொல௠அலà¯à®²à®¤à¯ சொல௠தà¯à®£à¯à®Ÿà¯.
உதாரணமà¯: 'Hello world!' எனà¯à®± வாகà¯à®•ியம௠3 டோகà¯à®•னà¯à®•ளாகப௠பிரிகà¯à®•பà¯à®ªà®Ÿà¯à®Ÿà¯à®³à¯à®³à®¤à¯: 'Hello', 'world', மறà¯à®±à¯à®®à¯ '!'.
டோகà¯à®•னைசேஷன௠(Tokenisation)
Tokenisation
ஒர௠மாதிரி மூலம௠செயலாகà¯à®•தà¯à®¤à®¿à®±à¯à®•ாக உரையை டோகà¯à®•னà¯à®•ளாக உடைகà¯à®•à¯à®®à¯ செயலà¯à®®à¯à®±à¯ˆ.
உதாரணமà¯: NLP இலà¯, 'ChatGPT is great' எனà¯à®ªà®¤à¯ ['Chat', 'G', 'PT', 'is', 'great'] ஆகிறதà¯.
பரிமாறà¯à®± கறà¯à®±à®²à¯ (Transfer Learning)
Transfer Learning
பயிறà¯à®šà®¿ நேரம௠மறà¯à®±à¯à®®à¯ தரவà¯à®¤à¯ தேவைகளைக௠கà¯à®±à¯ˆà®¤à¯à®¤à¯, மறà¯à®±à¯Šà®°à¯ தொடரà¯à®ªà¯à®Ÿà¯ˆà®¯ பணியில௠கறà¯à®±à®²à¯ˆ மேமà¯à®ªà®Ÿà¯à®¤à¯à®¤ ஒர௠பணியிலிரà¯à®¨à¯à®¤à¯ அறிவைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®¤à®²à¯.
உதாரணமà¯: ஆஙà¯à®•ில உரையில௠பயிறà¯à®šà®¿ பெறà¯à®± ஒர௠மாதிரியை மறà¯à®±à¯Šà®°à¯ மொழியில௠உணரà¯à®µà¯ பகà¯à®ªà¯à®ªà®¾à®¯à¯à®µà¯ செயà¯à®¯ நà¯à®£à¯-சரிசெயà¯à®¤à®²à¯.
டிரானà¯à®¸à¯à®ƒà®ªà®¾à®°à¯à®®à®°à¯ (Transformer)
Transformer
தொடர௠தரவை மாதிரியாகà¯à®• கவன ஈரà¯à®ªà¯à®ªà¯ வழிமà¯à®±à¯ˆà®•ளைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à¯à®®à¯ ஒர௠நரமà¯à®ªà®¿à®¯à®²à¯ வலையமைபà¯à®ªà¯ கடà¯à®Ÿà®®à¯ˆà®ªà¯à®ªà¯, LLM களில௠பரவலாகப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
உதாரணமà¯: BERT, GPT மறà¯à®±à¯à®®à¯ T5 அனைதà¯à®¤à¯à®®à¯ டிரானà¯à®¸à¯à®ƒà®ªà®¾à®°à¯à®®à®°à¯ அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¿à®²à®¾à®© மாதிரிகள௠ஆகà¯à®®à¯.
கà¯à®±à¯ˆà®µà®¾à®© பொரà¯à®¤à¯à®¤à®®à¯ (Underfitting)
Underfitting
பயிறà¯à®šà®¿à®¤à¯ தரவà¯à®•ளில௠உளà¯à®³ வடிவஙà¯à®•ளைப௠பிடிகà¯à®• à®®à¯à®Ÿà®¿à®¯à®¾à®¤ அளவà¯à®•à¯à®•௠ஒர௠மாதிரி எளிமையாக இரà¯à®•à¯à®•à¯à®®à¯à®ªà¯‹à®¤à¯, இத௠மோசமான செயலà¯à®¤à®¿à®±à®©à¯à®•à¯à®•௠வழிவகà¯à®•à¯à®•ிறதà¯.
உதாரணமà¯: சிகà¯à®•லான பட வகைபà¯à®ªà®¾à®Ÿà¯à®•ளைக௠கணிகà¯à®• à®®à¯à®¯à®±à¯à®šà®¿à®•à¯à®•à¯à®®à¯ ஒர௠நேரியல௠மாதிரி கà¯à®±à¯ˆà®µà®¾à®© பொரà¯à®¤à¯à®¤à®®à®¾à®• இரà¯à®•à¯à®•லாமà¯.
மேறà¯à®ªà®¾à®°à¯à®µà¯ˆà®¯à®¿à®Ÿà®ªà¯à®ªà®Ÿà®¾à®¤ கறà¯à®±à®²à¯ (Unsupervised Learning)
Unsupervised Learning
லேபிளிடபà¯à®ªà®Ÿà®¾à®¤ தரவà¯à®•ளில௠வடிவஙà¯à®•ள௠அலà¯à®²à®¤à¯ கொதà¯à®¤à¯à®•à¯à®•ளை அடையாளம௠காணà¯à®®à¯ மாதிரிகள௠ஒர௠கறà¯à®±à®²à¯ அணà¯à®•à¯à®®à¯à®±à¯ˆ.
உதாரணமà¯: à®®à¯à®©à¯ வரையறà¯à®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ லேபிளà¯à®•ள௠இலà¯à®²à®¾à®®à®²à¯ வாடிகà¯à®•ையாளரà¯à®•ளை வாஙà¯à®•à¯à®®à¯ நடதà¯à®¤à¯ˆà®¯à®¿à®©à¯ அடிபà¯à®ªà®Ÿà¯ˆà®¯à®¿à®²à¯ கà¯à®´à¯à®µà®¾à®•à¯à®•à¯à®¤à®²à¯.
பயனர௠நோகà¯à®•ம௠(User Intent)
User Intent
ஒர௠பயனரின௠வினவல௠அலà¯à®²à®¤à¯ தொடரà¯à®ªà¯à®•à¯à®•à¯à®ªà¯ பினà¯à®©à®¾à®²à¯ உளà¯à®³ இலகà¯à®•௠அலà¯à®²à®¤à¯ நோகà¯à®•à®®à¯.
உதாரணமà¯: 'கேக௠எபà¯à®ªà®Ÿà®¿ பேக௠செயà¯à®µà®¤à¯' எனà¯à®±à¯ தடà¯à®Ÿà®šà¯à®šà¯ செயà¯à®¯à¯à®®à¯ ஒர௠பயனர௠ஒர௠செயà¯à®®à¯à®±à¯ˆà®¯à¯ˆà®•௠கணà¯à®Ÿà®±à®¿à®¯ நோகà¯à®•மாகக௠கொணà¯à®Ÿà®¿à®°à¯à®•à¯à®•லாமà¯.
சரிபாரà¯à®ªà¯à®ªà¯ தொகà¯à®ªà¯à®ªà¯ (Validation Set)
Validation Set
பயிறà¯à®šà®¿à®¯à®¿à®©à¯ போத௠மாதிரி செயலà¯à®¤à®¿à®±à®©à¯ˆ மதிபà¯à®ªà¯€à®Ÿà¯ செயà¯à®¯à®µà¯à®®à¯ ஹைபà¯à®ªà®°à¯ அளவà¯à®°à¯à®•à¯à®•ளை சரிசெயà¯à®¯à®µà¯à®®à¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯ தரவின௠ஒர௠தà¯à®£à¯ˆà®•à¯à®•à¯à®´à¯.
உதாரணமà¯: இறà¯à®¤à®¿ சோதனைகà¯à®•௠மà¯à®©à¯ அதிகபà¯à®ªà®Ÿà®¿à®¯à®¾à®© பொரà¯à®¤à¯à®¤à®¤à¯à®¤à¯ˆà®•௠கணà¯à®Ÿà®±à®¿à®¯à®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
வெகà¯à®Ÿà®°à¯ தரவà¯à®¤à¯à®¤à®³à®®à¯ (Vector Database)
Vector Database
à®’à®±à¯à®±à¯à®®à¯ˆ தேடல௠மறà¯à®±à¯à®®à¯ RAG போனà¯à®± AI பணிகளில௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®®à¯ வெகà¯à®Ÿà®°à¯ உடà¯à®ªà¯Šà®¤à®¿à®ªà¯à®ªà¯à®•ளை சேமிகà¯à®•வà¯à®®à¯ தேடவà¯à®®à¯ வடிவமைகà¯à®•பà¯à®ªà®Ÿà¯à®Ÿ ஒர௠தரவà¯à®¤à¯à®¤à®³à®®à¯.
உதாரணமà¯: Pinecone மறà¯à®±à¯à®®à¯ Weaviate ஆகியவை உரை அலà¯à®²à®¤à¯ பட உடà¯à®ªà¯Šà®¤à®¿à®ªà¯à®ªà¯à®•ளைச௠சேமிபà¯à®ªà®¤à®±à¯à®•ான வெகà¯à®Ÿà®°à¯ தரவà¯à®¤à¯à®¤à®³à®™à¯à®•ள௠ஆகà¯à®®à¯.
வெகà¯à®Ÿà®°à¯ உடà¯à®ªà¯Šà®¤à®¿à®¤à¯à®¤à®²à¯ (Vector Embedding)
Vector Embedding
ஒர௠வெகà¯à®Ÿà®°à¯ வெளியில௠சொறà¯à®ªà¯Šà®°à¯à®³à¯ à®…à®°à¯à®¤à¯à®¤à®¤à¯à®¤à¯ˆà®¯à¯à®®à¯ உறவà¯à®•ளையà¯à®®à¯ பாதà¯à®•ாகà¯à®•à¯à®®à¯ தரவின௠ஒர௠எண௠பிரதிநிதிதà¯à®¤à¯à®µà®®à¯.
உதாரணமà¯: 'ராஜா' மறà¯à®±à¯à®®à¯ 'ராணி' எனà¯à®± சொறà¯à®•ள௠நà¯à®Ÿà¯à®ªà®®à®¾à®© பாலின வேறà¯à®ªà®¾à®Ÿà¯à®•ளà¯à®Ÿà®©à¯ ஒதà¯à®¤ உடà¯à®ªà¯Šà®¤à®¿à®ªà¯à®ªà¯à®•ளைக௠கொணà¯à®Ÿà¯à®³à¯à®³à®©.
மெயà¯à®¨à®¿à®•ர௠உதவியாளர௠(Virtual Assistant)
Virtual Assistant
உரையாடல௠அலà¯à®²à®¤à¯ கà¯à®°à®²à¯ கடà¯à®Ÿà®³à¯ˆà®•ள௠மூலம௠பயனரà¯à®•ள௠பணிகளை à®®à¯à®Ÿà®¿à®•à¯à®• உதவà¯à®®à¯ ஒர௠AI-இயஙà¯à®•à¯à®®à¯ மெனà¯à®ªà¯Šà®°à¯à®³à¯ à®®à¯à®•வரà¯.
உதாரணமà¯: Siri, Alexa மறà¯à®±à¯à®®à¯ Google Assistant ஆகியவை பிரபலமான மெயà¯à®¨à®¿à®•ர௠உதவியாளரà¯à®•ள௠ஆகà¯à®®à¯.
கà¯à®°à®²à¯ à®…à®™à¯à®•ீகாரம௠(Voice Recognition)
Voice Recognition
பேசபà¯à®ªà®Ÿà¯à®®à¯ மொழியை உரையாகவோ அலà¯à®²à®¤à¯ செயலாகவோ விளகà¯à®•ி மாறà¯à®±à¯à®®à¯ தொழிலà¯à®¨à¯à®Ÿà¯à®ªà®®à¯.
உதாரணமà¯: கà¯à®°à®²à¯ தடà¯à®Ÿà®šà¯à®šà¯ மறà¯à®±à¯à®®à¯ கà¯à®°à®²à¯ கடà¯à®Ÿà®³à¯ˆà®•ள௠கà¯à®°à®²à¯ à®…à®™à¯à®•ீகார அமைபà¯à®ªà¯à®•ளை நமà¯à®ªà®¿à®¯à¯à®³à¯à®³à®©.
பலவீனமான AI (Weak AI)
Weak AI
பொத௠நà¯à®£à¯à®£à®±à®¿à®µà¯ இலà¯à®²à®¾à®®à®²à¯ ஒர௠கà¯à®±à¯à®•ிய, கà¯à®±à®¿à®ªà¯à®ªà®¿à®Ÿà¯à®Ÿ பணியைச௠செயà¯à®¯ வடிவமைகà¯à®•பà¯à®ªà®Ÿà¯à®Ÿ AI அமைபà¯à®ªà¯à®•ளà¯.
உதாரணமà¯: மொழியைப௠பà¯à®°à®¿à®¨à¯à®¤à¯à®•ொளà¯à®³à®µà¯‹ அலà¯à®²à®¤à¯ காரை ஓடà¯à®Ÿà®µà¯‹ à®®à¯à®Ÿà®¿à®¯à®¾à®¤ ஒர௠சதà¯à®°à®™à¯à®•-விளையாடà¯à®®à¯ AI, பலவீனமான AI இன௠ஒர௠எடà¯à®¤à¯à®¤à¯à®•à¯à®•ாடà¯à®Ÿà¯ ஆகà¯à®®à¯.
வலை சà¯à®°à®£à¯à®Ÿà®²à¯ (Web Scraping)
Web Scraping
வலைதà¯à®¤à®³à®™à¯à®•ளிலிரà¯à®¨à¯à®¤à¯ தகவலà¯à®•ளை தானியஙà¯à®•௠மà¯à®±à¯ˆà®¯à®¿à®²à¯ பிரிதà¯à®¤à¯†à®Ÿà¯à®¤à¯à®¤à®²à¯, பெரà¯à®®à¯à®ªà®¾à®²à¯à®®à¯ பயிறà¯à®šà®¿à®¤à¯ தரவைச௠சேகரிகà¯à®• அலà¯à®²à®¤à¯ உளà¯à®³à®Ÿà®•à¯à®•தà¯à®¤à¯ˆà®•௠கணà¯à®•ாணிகà¯à®•ப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
உதாரணமà¯: ஒர௠சொதà¯à®¤à¯ மதிபà¯à®ªà¯€à®Ÿà¯à®Ÿà¯ மாதிரியைப௠பயிறà¯à®±à¯à®µà®¿à®•à¯à®• ரியல௠எஸà¯à®Ÿà¯‡à®Ÿà¯ படà¯à®Ÿà®¿à®¯à®²à¯à®•ளை சà¯à®°à®£à¯à®Ÿà¯à®¤à®²à¯.
எடை (Weight)
Weight
நரமà¯à®ªà®¿à®¯à®²à¯ வலைபà¯à®ªà®¿à®©à¯à®©à®²à¯à®•ளில௠ஒர௠அளவà¯à®°à¯, இத௠ஒர௠மà¯à®©à¯ˆ மறà¯à®±à¯Šà®©à¯à®±à®¿à®©à¯ மீத௠செலà¯à®¤à¯à®¤à¯à®®à¯ செலà¯à®µà®¾à®•à¯à®•ின௠வலிமையை தீரà¯à®®à®¾à®©à®¿à®•à¯à®•ிறதà¯.
உதாரணமà¯: மாதிரியின௠பிழையைக௠கà¯à®±à¯ˆà®ªà¯à®ªà®¤à®±à¯à®•ாக பயிறà¯à®šà®¿ போத௠எடைகள௠சரிசெயà¯à®¯à®ªà¯à®ªà®Ÿà¯à®•ினà¯à®±à®©.
விஸà¯à®ªà®°à¯ (Whisper)
Whisper
OpenAI ஆல௠உரà¯à®µà®¾à®•à¯à®•பà¯à®ªà®Ÿà¯à®Ÿ ஒர௠பேசà¯à®šà¯-கà¯à®•à¯-உரை மாதிரி, இத௠பல மொழிகளில௠ஆடியோவை படியெடà¯à®•à¯à®•கà¯à®•ூடியதà¯.
உதாரணமà¯: விஸà¯à®ªà®°à¯ விரிவà¯à®°à¯ˆà®•ளையà¯à®®à¯ பாடà¯à®•ாஸà¯à®Ÿà¯à®•ளையà¯à®®à¯ அதிக தà¯à®²à¯à®²à®¿à®¯à®¤à¯à®¤à¯à®Ÿà®©à¯ படியெடà¯à®•à¯à®• à®®à¯à®Ÿà®¿à®¯à¯à®®à¯.
YAML (YAML)
YAML
தரவ௠வரிசைபà¯à®ªà®Ÿà¯à®¤à¯à®¤à®²à¯à®•à¯à®•ான மனிதனால௠படிகà¯à®•கà¯à®•ூடிய வடிவமà¯, பொதà¯à®µà®¾à®• இயநà¯à®¤à®¿à®° கறà¯à®±à®²à¯ பணிபà¯à®ªà®¾à®¯à¯à®µà¯à®•ளில௠கடà¯à®Ÿà®®à¯ˆà®ªà¯à®ªà¯ கோபà¯à®ªà¯à®•ளà¯à®•à¯à®•à¯à®ªà¯ பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
உதாரணமà¯: PyTorch இல௠பயிறà¯à®šà®¿à®•à¯à®•௠YAML கோபà¯à®ªà®¿à®²à¯ மாதிரி அளவà¯à®°à¯à®•à¯à®•ளை வரையறà¯à®¤à¯à®¤à®²à¯.
பூஜà¯à®œà®¿à®¯-ஷாட௠கறà¯à®±à®²à¯ (Zero-shot Learning)
Zero-shot Learning
பொத௠அறிவைப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®¿, அத௠வெளிபà¯à®ªà®Ÿà¯ˆà®¯à®¾à®•ப௠பயிறà¯à®šà®¿ பெறாத பணிகளைச௠செயà¯à®¯ ஒர௠மாதிரியின௠திறனà¯.
உதாரணமà¯: சடà¯à®Ÿà®¤à¯ தரவà¯à®•ளில௠கà¯à®±à®¿à®ªà¯à®ªà®¾à®•ப௠பயிறà¯à®šà®¿ பெறாத போதிலà¯à®®à¯ சடà¯à®Ÿ கேளà¯à®µà®¿à®•ளà¯à®•à¯à®•௠பதிலளிகà¯à®•à¯à®®à¯ ஒர௠மாதிரி.
செடà¯à®Ÿà®¾à®ªà¯ˆà®Ÿà¯ (Zettabyte)
Zettabyte
ஒர௠செகà¯à®¸à¯à®Ÿà®¿à®²à¯à®²à®¿à®¯à®©à¯ (10^21) பைடà¯à®Ÿà¯à®•ளà¯à®•à¯à®•௠சமமான டிஜிடà¯à®Ÿà®²à¯ தரவின௠ஒர௠அலகà¯, பெரà¯à®®à¯à®ªà®¾à®²à¯à®®à¯ இணையத௠தரவின௠அளவை விவரிகà¯à®•ப௠பயனà¯à®ªà®Ÿà¯à®¤à¯à®¤à®ªà¯à®ªà®Ÿà¯à®•ிறதà¯.
உதாரணமà¯: 2016 ஆம௠ஆணà¯à®Ÿà®³à®µà®¿à®²à¯ உலகளாவிய இணையப௠போகà¯à®•à¯à®µà®°à®¤à¯à®¤à¯ ஒர௠செடà¯à®Ÿà®¾à®ªà¯ˆà®Ÿà¯ ஆணà¯à®Ÿà®¿à®±à¯à®•௠மேல௠தாணà¯à®Ÿà®¿à®¯à®¤à¯.