ஃபிராங்க்ளின் டெம்பிள்டன்: முதலீட்டு ஆய்வில் OpenAI
பங்கு ஆய்வில் தொடங்கி, முதலீட்டுத் தொகுப்பு மேலாளர்கள் கண்ணோட்டங்களை ஒப்பிட்டு இடர்களை ஆராய உதவும் செயற்கை நுண்ணறிவுப் பணிச்செயல்முறைகளை ஃபிராங்க்ளின் டெம்பிள்டன் உருவாக்குகிறது.
பல்வேறு ஆய்வுக் கண்ணோட்டங்களையும் ஒரு முதலீட்டு யோசனையின் பின்னுள்ள இடர்களையும் ஆராய முதலீட்டுத் தொகுப்பு மேலாளர்களுக்குச் செயற்கை நுண்ணறிவு உதவ வேண்டும் என ஃபிராங்க்ளின் டெம்பிள்டன் விரும்புகிறது. முதலீட்டு ஆய்வுக்கான பணிச்செயல்முறைகளை உருவாக்க எங்கள் முதலீட்டுக் குழுக்கள் பயன்படுத்தும் பல கருவிகளில் Codex ஒன்றாகும்.
“OpenAI கருவிகளைப் பயன்படுத்துவதால் கிடைக்கும் மிகப் பெரிய வாய்ப்பு, தொடர்ந்து கிடைக்கும் நுண்ணறிவை மனிதர்களின் சீர்தூக்கி முடிவெடுக்கும் திறனுடன் இணைப்பதுதான். இதில் உண்மையிலேயே ஒரு மாற்றம் ஏற்பட்டுள்ளது. முன்பு, மனிதர்கள் வழிநடத்திய செயல்முறையைச் செயற்கை நுண்ணறிவு தானியக்கமாக்கியது. இப்போது, ஆழமான புரிதல்களை வெளிக்கொணர்வதையே செயற்கை நுண்ணறிவு தானியக்கமாக்குகிறது. அந்த நுண்ணறிவு அடுக்கும் மனிதர்களின் முடிவெடுக்கும் திறனும் இணைவது அற்புதமான வாய்ப்புகளைத் திறக்கிறது.”
ஃபிராங்க்ளின் டெம்பிள்டன் முதன்முதலில் செயற்கை நுண்ணறிவைப் பயன்படுத்த முயன்றபோது, குழுவினர் தரவுகளை ஒரு தரவுத்தளத்தில் சேமித்து, அதனுடன் மாடல்களை இணைத்தனர். ஆனால், தரவுகள் ஒன்றோடொன்று எவ்வாறு தொடர்புபடுகின்றன என்பதை மாடல்கள் புரிந்துகொள்ளாததால், குழுக்களுக்குத் தேவையான பதில்கள் கிடைக்கவில்லை. குழுவினர் தன்னியக்க உதவிகளையும் பொருள்சார் அடுக்கையும் சேர்த்தபோது முடிவுகள் மாறின. இந்த அடுக்கு, நிறுவனத்தின் தரவுகள் எதைக் குறிக்கின்றன, அவை எவ்வாறு இணைந்துள்ளன என்பதை விளக்கும் கட்டமைக்கப்பட்ட வடிவமாகும். இந்த ஒன்றிணைந்த நுண்ணறிவு அடுக்கை உருவாக்க, குழுவினர் Codex மற்றும் பிற கருவிகளைப் பயன்படுத்துகின்றனர். “ஒன்றிணைந்த நுண்ணறிவு அடுக்கு என்று நாங்கள் கருதும் ஓர் அமைப்பை உருவாக்க முடிந்துள்ளது” என்கிறார் டட்லி. “கருவிகளுக்குள் தரவுகளைக் கொண்டுவந்து, உண்மையான மாற்றத்தை ஏற்படுத்தும் புரிதல்களை வெளிக்கொணர்கிறோம்.”
ஆய்வு, இடர், விதிமுறை இணக்கம், வர்த்தகம் ஆகிய பிரிவுகள் ஒரு முதலீட்டைப் பற்றி வெவ்வேறு கண்ணோட்டங்களை வழங்குகின்றன. அந்தத் தகவல்களை முதலீட்டுத் தொகுப்பு மேலாளர்களுக்காக ஒருங்கிணைப்பதே ஃபிராங்க்ளின் டெம்பிள்டனின் இலக்கு. “இவை அனைத்தையும் ஒருங்கிணைத்து, முடிவெடுப்பவர்களான எங்கள் முதலீட்டுத் தொகுப்பு மேலாளர்களுக்குப் பயனுள்ள புரிதல்களை வழங்க முடிகிறது” என்கிறார் டட்லி.
முந்தைய பங்கு ஆய்வுச் செயல்முறை மனிதர்களால் வழிநடத்தப்பட்டு, படிப்படியாக நடந்ததாக டட்லி விவரிக்கிறார்: ஆய்வாளர் முதற்கட்டப் பங்கு ஆய்வை மேற்கொண்டு, வருவாய் குறித்த கலந்துரையாடல்களைப் பரிசீலித்து, ஒவ்வொரு வணிகப் பிரிவிலும் போட்டியாளர்களை ஆராய்வார். முதலீட்டுத் தொகுப்பு மேலாளர்களிடம் முன்வைக்கப் புதிய யோசனைகளை ஆய்வாளர்கள் தயாரிக்கும்போதும், தொகுப்பில் உள்ள முதலீடுகள் குறித்த நிலவரத்தை வழங்கும்போதும், பயனுள்ள தகவல்களை வெளிக்கொணர்வதே நோக்கம். அவர் கூறுவதுபோல், “தொடர்ந்து கிடைக்கும் நுண்ணறிவும் மனிதர்களின் சீர்தூக்கி முடிவெடுக்கும் திறனும் இணைவதுதான் இது.”
ஃபிராங்க்ளின் டெம்பிள்டன் திட்டமிடும் பணிச்செயல்முறையில், முதலீட்டுக் குழுக்களுக்குக் கட்டுப்பாடுகளுடன் கூடிய, மீண்டும் பயன்படுத்தக்கூடிய நுண்ணறிவுத் தளம் கிடைக்கும். நம்பகமான இணைப்பிகள், முதலீட்டுத் தொகுப்பு மற்றும் பணிச்செயல்முறை சார்ந்த சூழல் தகவல்கள், ஆய்வாளர்களும் தொகுப்பு மேலாளர்களும் செயல்படுத்தக்கூடிய புரிதல்களை வழங்கும் தன்னியக்க உதவித் திறன்கள் ஆகியவற்றை அது ஒன்றிணைக்கும்.
ஃபிராங்க்ளின் டெம்பிள்டன் நிரலாக்கப் போட்டிகளில் Codex பயன்படுத்தியுள்ளது. முதலீட்டுத் துறைப் பணியாளர்கள் தங்களுக்கான கருவிகளை உருவாக்கும்போது, அவர்களுடன் இணைந்து பணியாற்ற நிபுணர்களையும் அழைத்துள்ளது. முதலீட்டில் செயற்கை நுண்ணறிவைப் பயன்படுத்துவதை முன்னெடுப்போர், சோதனை முயற்சிகளை நடைமுறைப் பயன்பாட்டுக்குத் தயாரான பணிச்செயல்முறைகளாக மாற்றப் பணியாற்றுகின்றனர். பாதுகாப்பு மதிப்பாய்வு, நிபுணர் ஆதரவு, தரவுக் கட்டுப்பாடுகள் ஆகியவையும் இதில் அடங்கும்.
“எங்கள் ஆய்வுச் செயல்முறையை மேம்படுத்துவதிலிருந்து, முதலீட்டு ஆய்வுச் செயல்முறையைப் புதிதாக வடிவமைக்கும் நிலைக்கு வந்துள்ளோம்” என்கிறார் டட்லி.
பிற சூழல்களில் செயற்கை நுண்ணறிவைப் பயனுள்ளதாக்கும் சில அம்சங்கள், சொத்து மேலாண்மையில் பொருந்துவதில்லை. பல கருவிகள் பயனரின் விருப்பங்களைக் கற்றுக்கொண்டு, அதே போன்றவற்றை அதிகமாகக் காட்டுகின்றன. ஒருவர் குறிப்பிட்ட ஆய்வு வழங்குநரை விரும்பினால், அந்த வழங்குநரின் அறிக்கைகளையே கருவி அதிகமாகக் காட்டும். முதலீட்டுக் குழுவுக்குக் கிடைக்கும் தகவல்கள் இவ்வாறு குறுகுவது, முதலீட்டுச் செயல்முறையில் பக்கச்சார்பான கண்ணோட்டத்தை ஏற்படுத்தக்கூடும். ஃபிராங்க்ளின் டெம்பிள்டன் இதற்கு நேர்மாறானதை விரும்புகிறது. “பல்வேறு வகையான ஆய்வுகளும் கருத்துகளும் அவர்களுக்குக் கிடைப்பதை உறுதிசெய்ய விரும்புகிறோம்” என்கிறார் டட்லி.
தனது செயற்கை நுண்ணறிவு அமைப்புகள் முதலீட்டு இடர்களை வலியுறுத்த வேண்டும் என ஃபிராங்க்ளின் டெம்பிள்டன் விரும்புகிறது. “ஒரு சிறந்த முதலீட்டு யோசனை வலுவான காரணங்களைக் கொண்டிருப்பதோடு, இடர்களையும் ஆராய்ந்து, அவற்றை எங்கள் முதலீட்டுத் தொகுப்பு மேலாளர்களுக்கு உணர்த்த வேண்டும். இதைச் செயற்கை நுண்ணறிவு புரிந்துகொள்ள வேண்டும்” என்கிறார் டட்லி. “ஓர் ஆய்வுக் குறிப்பைப் படிக்கும்போது, அதில் ஒருவர் முதலீட்டு இடர்களை அடையாளம் கண்டுள்ளதை முன்னிலைப்படுத்துவது எங்கள் பார்வையில் தவறல்ல. அது இன்னும் தெளிவான புரிதலுடன் முதலீட்டு முடிவெடுக்க உதவுகிறது.”
ஃபிராங்க்ளின் டெம்பிள்டனின் அனுபவம், முதலீட்டு மேலாண்மைக்கான சில சிறந்த நடைமுறைகளைச் சுட்டிக்காட்டுகிறது:
“எங்கள் தலைமை தொடர்ந்து வலியுறுத்துவது இதுதான்: இடர்களைக் கட்டுப்படுத்தத் தெளிவாக வரையறுக்கப்பட்ட வரம்புகளுக்குள், செயற்கை நுண்ணறிவைக் கொண்டு புதுமைகளையும் சோதனை முயற்சிகளையும் மேற்கொள்வதை ஊக்குவிக்கிறோம். எல்லா முயற்சிகளும் வெற்றிபெறாது. ஆனால் ஒவ்வொன்றும் எங்கள் திறன்களை வலுப்படுத்தவும், எதிர்கால முடிவுகளுக்கு வழிகாட்டவும், தொடர்ச்சியான முன்னேற்றத்தை ஊக்குவிக்கவும் உதவும் புரிதல்களைத் தர வேண்டும்” என்கிறார் டட்லி.
புதிய கருவிகளைப் பணியாளர்களிடம் கொண்டு சேருங்கள்: புதிய தொழில்நுட்பங்கள் அறிமுகமானதும், அவை தங்கள் பணிக்கு எவ்வாறு பொருந்தும் என்பதைக் குழுக்கள் சோதித்துப் பார்க்க, ஃபிராங்க்ளின் டெம்பிள்டன் விரைவாகச் செய்முறைப் பயிற்சிகளை ஏற்பாடு செய்துள்ளதாக டட்லி கூறுகிறார்.
கருவிகளைக் கற்றுக்கொள்ளக் குழுக்களுக்கு உதவுங்கள்: “தொழில்நுட்பத்தின் வல்லமையை அவர்கள் உண்மையாகப் புரிந்துகொள்ளச் செய்வதே நோக்கம்” என்கிறார் டட்லி.
உரிய கட்டுப்பாடுகளுடன் உருவாக்குங்கள்: சோதனை முயற்சிகளிலிருந்து நடைமுறைப் பயன்பாட்டுக்கேற்ற தரமான கருவிகளை உருவாக்கும் ஃபிராங்க்ளின் டெம்பிள்டனின் பயணத்தில், பாதுகாப்பு மதிப்பாய்வு, நிபுணர் ஆதரவு, தரவு ஒப்பந்தங்கள் ஆகியவையும் அடங்கும்.
“OpenAI உதவியுடன், தொழில்நுட்பத்தின் முன்னணியில் இருப்பதாக எங்கள் குழுவினர் உணர்கிறார்கள்.”
ஆய்வாளர்கள் முதல் ஒவ்வொரு முதலீட்டுக் குழுவின் தலைவர்கள் வரை, அனைவரும் அந்த ஒன்றிணைந்த நுண்ணறிவைப் பெறச் செய்வதே டட்லியின் நீண்டகால இலக்கு.
ஆய்வாளர்கள் களத்தில் அதிக நேரம் செலவிட்டு, தனியார் நிறுவன நிர்வாகிகள் உள்ளிட்ட பல்வேறு நிபுணர்களுடனும் தொழில் வல்லுநர்களுடனும் பேச வேண்டும். அங்கு கற்றவற்றைத் தங்கள் முதலீட்டுக் குழுக்களிடம் பகிர வேண்டும் என அவர் விரும்புகிறார். கருவிகள் வளர்ச்சியடைந்தாலும், மனிதர்களின் அந்தக் கண்ணோட்டம் இன்றியமையாததாகவே இருக்கும் என டட்லி கருதுகிறார்.
