கூகுளின் ப்ராஜெக்ட் ஆஸ்த்ரா vs ஓப்பன் ஏ.ஐ-யின் GPT-4o: மனித வாழ்வின் முன்னேற்றத்திற்கு எது உதவியாக இருக்கும் ?

"சரி, நீங்கள் ஒரு நபர் போல் தெரிகிறது, ஆனால் நீங்கள் ஒரு கணினியில் ஒரு குரல் மட்டுமே." "செயற்கையற்ற மனதின் வரையறுக்கப்பட்ட கண்ணோட்டம் அதை எப்படி உணரும் என்பதை என்னால் புரிந்து கொள்ள முடிகிறது. நீங்கள் பழகிக் கொள்வீர்கள்."

2013 ஆம் ஆண்டு ஹிட்டான ‘ஹெர்’ படத்தில் டிஜிட்டல் உதவியாளரான சமந்தாவை தியடோர் டூம்பிளி காதலித்தார். ஸ்கார்லெட் ஜோஹன்சன் குரல் கொடுத்த உயிருள்ள உதவியாளர், நகைச்சுவை, புத்திசாலித்தனம் மற்றும் பச்சாதாபம் ஆகியவற்றை வெளிப்படுத்தினார், இது தியோடருக்கு (ஜோவாகின் ஃபீனிக்ஸ் நடித்தது) அவரை மனிதராகத் தோன்றியது.

ஆனால் கடந்த வாரம், ஓப்பன் ஏஐ ஆனது அதன் புதிய GPT-4o ('omni' ஐ குறிக்கும்) மூலம் எடுத்த புதிய முன்னேற்றங்களை காட்சிப்படுத்தியபோது, ​​அத்தகைய செயற்கை நுண்ணறிவு (AI) அடிப்படையிலான உதவியாளர்கள் இனி வெறும் அறிவியல் புனைகதை படங்களின் பொருட்கள் அல்ல என்பதை அது நீருபிக்கும்படி இருந்தது.

ஒரு நாள் கழித்து, கூகிள் தனது மெய்நிகர் உதவியாளரில் செய்த முன்னேற்றத்தைக் காட்டியபோது, ​​இறுதிப் பயனர்களுக்கு AI எடுக்கக்கூடிய ஒரு உறுதியான திசையைக் குறித்தது - பல நிஜ வாழ்க்கைக் காட்சிகளுக்கு உதவியாக இருக்கும் வாழ்நாள் உதவியாளர்களை உருவாக்குவதற்கு. அவர்களின் படத்தைப் பார்த்து அவர்களின் தலைமுடியை எப்படி சீவுவது, அவர்களுடன் அனுதாபம் கொள்வது போன்ற பரிந்துரைகள்.

 சிரியும் அலெக்சாவும் ஒருபோதும் பயனுள்ள டிஜிட்டல் உதவியாளர்களாக தங்கள் இடத்தை உறுதிப்படுத்த முடியவில்லை, முதன்மையாக அவர்களின் உரையாடலின் நுணுக்கங்களைத் தெரிந்துகொள்ள இயலாமை காரணமாக இருந்தது. ஆனால் கூகுள் மற்றும் ஓப்பன் ஏஐ-யின் புதிய அறிவிப்புகள் மெய்நிகர் உதவி என்பதை முழுவதுமாக மாற்றலாம்.

 தனிமை நெருக்கடியை எதிர்கொள்ளும் மக்கள்தொகையில் பெரும் பகுதியினருக்கு, அத்தகைய உதவியாளர்கள் மக்களின் வாழ்வில் ஆக்கிரமித்துள்ள வடிவத்தையும் இடத்தையும் பார்க்க வேண்டும். நிச்சயமாக, டெமோக்களில் உதவியாளர்களின் குரல்கள் பெண்களின் (ஆணாதிக்கச் சமூகங்களில் வளர்ந்த தொழில்நுட்பங்கள் பெண்களை எப்படிப் பார்க்கக்கூடும் என்ற யோசனைக்குக் வழிவகுக்கும்) லென்ஸைப் பற்றிய கேள்விகள் தேவைப்படும். இதுபோன்ற உதவியாளர்கள் வரும் ஆண்டுகளில் அதிகமானோரின் தொலைபேசிகள் மற்றும் கணினிகளை சென்றடைவார்கள் .

ஆனால் அது ஒருபுறம் இருக்க, ஓப்பன் ஏஐ அதன் புதிய மாடல் உரை, ஆடியோ, படம் மற்றும் வீடியோ ஆகியவற்றின் கலவையை உள்ளீடாக ஏற்றுக்கொள்கிறது மற்றும் உரை, ஆடியோ மற்றும் பட வெளியீடுகளின் கலவையை உருவாக்குகிறது. இது சராசரியாக 320 மில்லி விநாடிகளுடன் 232 மில்லி விநாடிகளில் ஆடியோ உள்ளீடுகளுக்கு பதிலளிக்க முடியும், இது ஒரு உரையாடலில் மனித பதில் நேரத்தை ஒத்ததாக நிறுவனம் கூறுகிறது.

 உரை, பார்வை மற்றும் ஆடியோ முழுவதும் ஒரு புதிய மாடலை இறுதி வரை பயிற்சி செய்தோம், அதாவது அனைத்து உள்ளீடுகளும் வெளியீடுகளும் ஒரே நெட்வொர்க்கால் செயலாக்கப்படுகின்றன. GPT-4o இந்த அனைத்து முறைகளையும் ஒன்றிணைக்கும் எங்கள் முதல் மாடலாக இருப்பதால், அந்த மாதிரி என்ன செய்ய முடியும் மற்றும் அதன் வரம்புகளை ஆராய்வதற்கான மேற்பரப்பை நாங்கள் இன்னும் சோதித்து வருகிறோம், ”என்று ஓப்பன் ஏ.ஐ  ஒரு வலைப்பதிவு இடுகையில் தெரிவித்துள்ளது.

ஓப்பன் ஏ. ஐ-ஆல் வெளியிடப்பட்ட ஒரு டெமோ வீடியோவில், அதன் உதவியாளர் கேள்விகளுக்கு உடனடியாக பதிலளித்தார், அதுவும் பாட முடியும், மேலும் தொலைபேசியின் முன் கேமரா மூலம் ஒரு நபர் நேர்காணலுக்குச் செல்வதற்கு முன்பு அவர்களின் தலைமுடியை எவ்வாறு சீவலாம் என்பதற்கான உதவிக்குறிப்புகளை வழங்குகிறார்.

கூகுள் I/O, நிறுவனத்தின் வருடாந்திர டெவலப்பர் மாநாட்டில், நிறுவனம் பொதுவான கருத்தைப் போலல்லாமல், AI பந்தயத்தில் OpenAIக்கு பின்தங்கவில்லை என்பதைக் காட்டியது. நிறுவனம் உலகளாவிய ஸ்மார்ட்போன் உதவியாளராக முடியும் என்று நம்பும் ஒரு ஆரம்ப பதிப்பைக் காட்டியது.

கூகிள் இதை Project Astra என்று அழைக்கிறது, மேலும் இது ஒரு நிகழ்நேர, மல்டிமாடல் AI உதவியாளராகும், இது உலகைப் பார்க்க முடியும், ஒருவர் எதை விட்டுச் சென்றார் என்பதை நினைவில் வைத்துக் கொள்ளவும், தொலைபேசியின் கேமரா மூலம் கணினி குறியீடு சரியாக இருந்தால் கூட பதிலளிக்கவும் முடியும்.

 கூகுள் பகிர்ந்த டெமோ வீடியோவில், கூகுளின் லண்டன் அலுவலகத்தில் உள்ள அஸ்ட்ரா பயனர், ஸ்பீக்கரின் ஒரு பகுதியை அடையாளம் காணவும், அவர்களின் காணாமல் போன கண்ணாடிகள், மதிப்பாய்வு குறியீடு மற்றும் பலவற்றைக் கண்டறியவும் கணினியைக் கேட்கிறார். இது அனைத்தும் நடைமுறையில் உண்மையான நேரத்தில் மற்றும் மிகவும் உரையாடல் முறையில் செயல்படுகிறது.

இருப்பினும், ஓப்பன் ஏ.ஐ மற்றும் கூகுள் எடுத்துள்ள அணுகுமுறையில் சில அடிப்படை வேறுபாடுகள் உள்ளன. ஓப்பன் ஏ.ஐ-யின் உதவியாளர் அதன் குரலில் பலவிதமான உணர்ச்சிகள் மற்றும் தொனிகளை வெளிப்படுத்தினார் - சிறிய சிரிப்புகள், கேட்கப்படுவதைப் பொறுத்து அடக்கமான கிசுகிசுக்கள் வரை.இதற்கு நேர்மாறாக, கூகுளின் அசிஸ்டெண்ட் மிகவும் நேராக முன்னோக்கிச் சென்றது, அதன் குரலில் எந்த விதமான உணர்ச்சிப் பன்மையும் இல்லை.

Read in english