செயற்கை நுண்ணறிவின் புதிய அளவுகோல்: வெறும் சாமர்த்தியம் மட்டுமல்ல, செலவழிக்கப்படும் பணத்திற்கேற்ற நுண்ணறிவு

இன்று செயற்கை நுண்ணறிவு உலகில் மிகப்பெரிய மாற்றம் நிகழ்ந்து கொண்டிருக்கிறது. முன்பெல்லாம் ஒரு செயற்கை நுண்ணறிவு மாதிரி எவ்வளவு சிக்கலான கேள்விகளுக்கு பதிலளிக்க முடியும், எவ்வளவு துல்லியமாக முடிவெடுக்க முடியும் என்பதே முக்கிய அளவுகோலாக இருந்தது. ஆனால் இப்போது அந்த நிலை மாறிவிட்டது: செயல்திறனுடன் செலவுத்திறனும் இணைந்ததே உண்மையான நுண்ணறிவு என்ற புதிய அளவுகோல் உருவாகியுள்ளது.

ஏன் செலவு முக்கியமாகிவிட்டது?

பெரிய அளவிலான மொழி மாதிரிகள், படத்தை உருவாக்கும் தொழில்நுட்பங்கள் போன்றவற்றை உருவாக்குவதற்கும் பயன்படுத்துவதற்கும் மிக அதிகமான கணினி சக்தி, மின்சாரம் மற்றும் நிதி தேவைப்படுகிறது. ஆய்வுகள் காட்டுவது என்னவென்றால், மாதிரியின் அளவை அதிகரிக்கும்போது கிடைக்கும் நன்மை படிப்படியாகக் குறைந்து வருகிறது; ஒவ்வொரு கூடுதல் ரூபாயும் முன்பு போல் பெரிய முன்னேற்றத்தைத் தருவதில்லை.

சிறந்த செயல்திறன் கொண்ட மாதிரிகள் கூட ஒவ்வொரு முறை பயன்படுத்தும்போதும் பெரும் தொகையை செலவழிக்க நேர்ந்தால் சிறு நிறுவனங்கள், ஆராய்ச்சியாளர்கள், பொதுமக்கள் அனைவருக்கும் அது கிடைக்காமல் போகும் நிலை ஏற்படுகிறது. குறிப்பாக லட்சக்கணக்கான கோரிக்கைகள் வரும்போது செலவு பன்மடங்காக அதிகரிக்கும்—அப்போதுதான் செலவுத்திறன் மிக முக்கியமாகிறது.

உண்மை நிலை என்ன சொல்கிறது?

சமீபத்திய 2026 ஆம் ஆண்டு ஆய்வுகளும் முன்னேற்றங்களும் ஆச்சரியப்படுத்தும் உண்மையை வெளிப்படுத்துகின்றன:

- சிறிய மாதிரிகள் (0.5 முதல் 3 பில்லியன் அளவுருக்கள் கொண்டவை) பெரிய மாதிரிகளைக் காட்டிலும் **செலவு-செயல்திறன் விகிதத்தில் முன்னிலை வகிக்கின்றன.

- சில புதிய மாதிரிகள் புகழ்பெற்ற பெரிய மாதிரிகளைப் போலவே செயல்பட்டாலும் **செலவில் 10 முதல் 100 மடங்கு குறைவாக** இருக்கின்றன; சில நேரங்களில் பதிலளிக்கும் வேகமும் 2 முதல் 8 மடங்கு அதிகம்.

- கூகுளின் ஜெமினி 3.5 போன்ற புதிய பதிப்புகள் முந்தைய சிறந்த பதிப்புகளை விட சிறந்த செயல்திறன் காட்டும்போதே விலையில் மூன்றில் ஒரு பங்காகக் குறைந்துள்ளன.

- ஒரு நிறுவனம் பெரிய மாதிரிக்குப் பதிலாக பொருத்தமான சிறிய மாதிரியைப் பயன்படுத்தியபோது தரம் குறையாமல் செலவை 90% வரை குறைத்துள்ளது—இது பெரிய அளவில் பயன்படுத்தும்போது மிகப்பெரிய சேமிப்பாகும்.

எப்படி சாத்தியமாகிறது?

இன்றைய ஆராய்ச்சிகள் இந்த பாதையில் தான் செல்கின்றன:

- தேவையற்ற பெருமளவிலான கணக்கீடுகளைத் தவிர்த்து, முக்கியமான தகவல்களை மட்டும் பயன்படுத்தும் மாதிரிகள் உருவாக்கப்படுகின்றன.

- குறிப்பிட்ட பணிகளுக்கு மட்டும் பயிற்சி அளிப்பதன் மூலம் சிறிய மாதிரிகள் கூட அந்தப் பணிகளில் பெரியவற்றை மிஞ்சுகின்றன.

- புதிய வன்பொருள் மற்றும் மென்பொருள் மேம்பாடுகள் ஒரே சக்தியில் பல மடங்கு வேலை செய்ய உதவுகின்றன—ஒரே செலவில் கூடுதலான நுண்ணறிவு கிடைக்கிறது.

- நிறுவனங்கள் இப்போது அனைத்திற்கும் ஒரே பெரிய மாதிரியைப் பயன்படுத்தாமல், சாதாரணப் பணிகளுக்கு சிறிய மாதிரிகளையும், மிகவும் சிக்கலான பணிகளுக்கு மட்டும் பெரிய மாதிரிகளையும் பயன்படுத்தத் தொடங்கியுள்ளன—இது மிகச் சிறந்த செலவு மேலாண்மை முறையாகும்.

மாறும் உலக நிலை

முன்பு "பெரியது எல்லாம் சிறந்தது" என்ற எண்ணம் நிலவியது. ஆனால் இன்று:

- சிறிய நிறுவனங்களும் ஆராய்ச்சி மாணவர்களும் கூட குறைந்த செலவில் சிறந்த செயற்கை நுண்ணறிவை அணுக முடிகிறது.

- மருத்துவம், விவசாயம், கல்வி போன்ற துறைகளில் விலை குறைந்த தீர்வுகள் மூலம் பலருக்கு நன்மை செய்ய முடிகிறது.

- வளங்களைச் சிக்கனமாகப் பயன்படுத்துவதால் சுற்றுச்சூழலுக்கும் நன்மை ஏற்படுகிறது—குறைந்த மின்சாரம், குறைந்த கரிம வாயு வெளியேற்றம்.

செயற்கை நுண்ணறிவு என்பது மிகவும் சிக்கலானதாகவும் விலை உயர்ந்ததாகவும் இருந்தால் மட்டுமே சிறந்தது என்ற எண்ணம் தவறானது. இன்றைய உண்மையான நுண்ணறிவு: தேவையான செயல்திறனைத் தந்து, குறைந்த செலவில், குறைந்த வளங்களைப் பயன்படுத்தி வேலை செய்வதாகும்**. இந்த புதிய அளவுகோல் தான் எதிர்காலத்தில் செயற்கை நுண்ணறிவை மேலும் பரவலாக்கி, அனைத்துத் துறைகளிலும், அனைத்து மக்களுக்கும் கிடைக்கச் செய்யும் முக்கியப் பாதையாக அமையும்.