ChatGPT: ஜம்ப் டிரேடிங்கின் அளவுசார் ஆய்வு விரிவாக்கம்
நீண்ட நேரம் தேவைப்படும், அதிகத் தெளிவின்மை கொண்ட ஆராய்ச்சிப் பிரச்சினைகளைக் கையாள ஜம்ப் டிரேடிங் GPT‑6 Astra-வைப் பயன்படுத்துகிறது.
அளவுசார் வர்த்தக நிறுவனமான ஜம்ப் டிரேடிங், சொத்து விலைகளை இயன்றவரை துல்லியமாகக் கணிக்க முன்கணிப்பு மாதிரிகளை உருவாக்குகிறது. இவை சந்தைத் தரவுகள், செய்திகள், நிகழ்வுகள் மற்றும் பல்வேறு மாற்றுத் தரவு மூலங்களைப் பயன்படுத்துகின்றன. சந்தைகள் சிக்கலானவை; அவற்றில் பயனற்ற தகவல்களும் அதிகம். காலப்போக்கில் அவை மாறுவதால், என்ன நடக்கும் என்பதைத் துல்லியமாக முன்கணிப்பது அரிதாகவே சாத்தியமாகிறது. ஆனால், நாணயத்தைச் சுண்டிவிட்டு முடிவெடுப்பதைவிடச் சற்றே சிறப்பாகக் கணித்தாலும், அதை விரிவான அளவில் செய்யும்போது வெற்றிகரமான உத்தி உருவாகும் என்கிறார் ஜம்ப் நிறுவனத்தின் LLM ஆராய்ச்சி மற்றும் மேம்பாட்டுத் தலைவர் லூக்கஸ் பேக்கர்.
ஏஜென்ட் சார்ந்த ஆராய்ச்சி மற்றும் மேம்பாட்டுக்குத் தலைமை வகிக்கும் பேக்கர், அளவுசார் ஆராய்ச்சியாளர்கள் தங்கள் கருத்துகளை மேலும் விரிவாகவும் ஆழமாகவும் ஆராய உதவும் ஏஜென்ட்கள், சூழல் பணி அமைவுகள், உள்கட்டமைப்பு ஆகியவற்றை உருவாக்குவதில் கவனம் செலுத்துகிறார். GPT‑6 Astra சேர்க்கப்பட்டதால், ஏஜென்ட்களிடம் ஒப்படைக்கக்கூடிய பணிப்பாய்வுகளின் அளவும் சிக்கல்தன்மையும் பெருமளவில் அதிகரித்துள்ளன. அன்றாட நிரலாக்கம் முதல் புதிய கருதுகோள்களைச் சரிபார்க்கும் மேம்பட்ட அளவுசார் ஆய்வுகள் வரை இதில் அடங்கும்.
“நெகிழ்வான ஏஜென்ட் ஒருங்கிணைப்பும் சிக்கலான பணிப்பாய்வுகளில் மிகுந்த விடாமுயற்சியும் தேவைப்படும் நீண்டகாலப் பணிகளுக்கு, GPT-6 தொடர், குறிப்பாக GPT-6 Astra மூலம், புதிய அளவிலான தன்னாட்சியை OpenAI சாத்தியமாக்கியுள்ளது. முன்பு அடிக்கடி மனித வழிகாட்டலும் தலையீடும் தேவைப்பட்டன. இப்போது தெளிவான இலக்குகளுடன் பாதுகாப்பான, முறையாகக் கண்காணிக்கப்படும் சூழலை அமைப்பதில் முழுக் கவனத்தையும் செலுத்தி, ஏஜென்ட்கள் தங்கள் வழியைத் தாங்களே கண்டறிய அனுமதிக்க முடிகிறது.”
கடந்த ஆண்டில், தனித்தேவைகளுக்கான நிரல் துணுக்குகளை எழுதவும் சிறு பிழைகளைக் கண்டறியவும் உதவிய செயற்கை நுண்ணறிவு, முழு நிரல் தொகுப்புகளையும் சேவைகளையும் தானாகவே உருவாக்கும் திறன்மிக்க, பல்துறை அமைப்பாக மாறியுள்ளது. இப்போது செயற்கை நுண்ணறிவைச் சக பணியாளரைப் போல அணுகும்போது அது சிறப்பாகச் செயல்படுவதை பேக்கரும் அவரது குழுவினரும் காண்கிறார்கள். ஆராய்ச்சியாளர்கள் ஒரு முக்கியப் பிரச்சினை, பணிச்சூழல், முடிவுகளின் தரத்தையும் முக்கியத்துவத்தையும் மதிப்பிடும் முறை ஆகியவற்றை வரையறுக்கலாம். பின்னர் பகுப்பாய்வில் எதில் கவனம் செலுத்துவது, அடுத்து எந்தப் பணியை இயக்குவது என்பதில் ஒன்று அல்லது பல ஏஜென்ட்களை நிகழ்நேரத்தில் வழிநடத்தலாம்.
GPT‑6 Astra மூலம் ஏஜென்ட்கள் பயனுள்ள, நடைமுறைக்கேற்ற மாற்றங்களைக் கண்டறிவதோடு, அந்த வெற்றிகளை ஒன்றிணைத்து, அவற்றின் மேல் அடுத்தடுத்த மேம்பாடுகளையும் உருவாக்க முடிகிறது என்கிறார் பேக்கர். நீண்ட நேரம் இயங்கும் ஒரே பணியின்போது, இந்த அமைப்பு தனது கண்டுபிடிப்புகளைப் பகுப்பாய்வு செய்து, தொடக்க முன்மொழிவில் ஒப்புக்கொண்ட அளவுகோல்களுடன் ஒப்பிட்டு மதிப்பிட முடியும். ஒவ்வொரு சுற்று மாற்றங்களையும் ஒருவர் ஆய்வு செய்ய வேண்டிய அவசியமின்றி, தனது முயற்சிகளின் திசையைத் தானாக மாற்றிக்கொள்ளவும் முடியும். “பல நாட்கள் இயங்க வேண்டிய பணியை நீங்கள் வரையறுக்கலாம். அது பல தரவு மூலங்களிலிருந்து தகவலைப் பெற வேண்டும்; எது முக்கியம், எது முக்கியமல்ல என்பதில் நுட்பமான முடிவுகளை எடுக்க வேண்டும்; அனைத்தையும் தொடர்புபடுத்த வேண்டும். இப்படிப் பயனளிக்கும் விரிவான பகுப்பாய்வை உருவாக்குவது இப்போது சாத்தியமாகியுள்ளது” என்கிறார் அவர்.
ஜம்ப் டிரேடிங் அனைத்து முதலீட்டுக் காலகட்டங்களிலும் சொத்து வகைகளிலும் செயல்படுகிறது. இந்தச் செயல்முறையின் ஒவ்வொரு படியும் சிக்கலானது. நிதி போன்ற கடுமையான ஒழுங்குமுறைகளுக்கு உட்பட்ட துறையில், தவறுகள் நிதி இழப்புகளையும் விதிமீறல் சார்ந்த விளைவுகளையும் ஏற்படுத்தலாம். செயற்கை நுண்ணறிவிடம் பணியை ஒப்படைப்பதால் ஏற்படும் அபாயங்களை அறிந்திருப்பது மிக முக்கியம் என்கிறார் பேக்கர். அதேவேளையில், ஏஜென்ட் சார்ந்த நுண்ணறிவைப் புதிய அம்சங்களைச் சேர்ப்பதற்கு மட்டுமின்றி, தரம், பாதுகாப்பு, கண்காணிப்பு ஆகியவற்றை மேம்படுத்தவும் பயன்படுத்தலாம் என்கிறார். வலுவான அமைப்பு வடிவமைப்பும் எல்லைகளும், தெளிவான கட்டுப்பாடுகளும், வழிநடத்தவும் செயல்பாட்டைக் கண்காணிக்கவும் உதவும் உள்கட்டமைப்பும், மாற்றங்களை மனிதர்கள் ஆய்வு செய்வதும் இதில் உதவுகின்றன. இவற்றின் மூலம் ஒழுங்குமுறைக்கு உட்பட்ட சூழலில் செயற்கை நுண்ணறிவுப் பணிப்பாய்வுகளை விரிவாக்கத் தயாராக இருப்பதை ஜம்ப் டிரேடிங் குழு உறுதிசெய்கிறது.
“ஏஜென்ட் அல்லது அமைப்பு தனக்குத் தேவையான எந்த வெளியீட்டையும் சுதந்திரமாக உருவாக்கக்கூடிய பாதுகாப்பான சூழல் இருக்க வேண்டும். இறுதியில் மனிதர்கள் ஆய்வு செய்து, முக்கியமான சரிபார்ப்புகளை மேற்கொண்டு ஒப்புதல் அளிக்கும் செயல்முறையும் இருக்க வேண்டும். அதுவே எங்களுக்கு நம்பிக்கை அளிக்கிறது” என்கிறார் அவர். எடுத்துக்காட்டாக, ஒரு ஏஜென்ட் வர்த்தகச் சமிக்ஞையை உருவாக்கினால், மற்ற வெளியீடுகளைப் போலவே அதன் பயன்பாட்டு வரம்பு நிர்ணயிக்கப்பட்டு ஆய்வு செய்யப்படும். பொதுவாகத் தகவல் தரக்கூடியதாக இருந்தாலும் தவறாக இருக்கக்கூடிய ஒரு சமிக்ஞையாகவே அது கருதப்படும். கடுமையாக ஆய்வு செய்யப்பட்ட, கட்டுப்படுத்தப்பட்ட செயலாக்கச் சூழலில் மற்ற அனைத்துச் சமிக்ஞைகளுடனும் அது இணைக்கப்படும்.
“தானியங்கி ஆராய்ச்சி” என்பது அளவிடக்கூடிய அமைப்புகளை ஆராய்ச்சி ஏஜென்ட்கள் மீண்டும் மீண்டும் மேம்படுத்துவதைக் குறிக்கிறது. இது எங்கும் பரவி, அளவுசார் ஆராய்ச்சியாளரின் வழக்கமான பணிப்பாய்வின் ஒரு பகுதியாகவே கருதப்படும் எதிர்காலத்தை நோக்கி நாம் செல்கிறோம் என்று பேக்கர் நம்புகிறார். இன்றும் GPT‑6 Astra-வின் மிக நீண்ட நேரப் பணிகளில்கூட, பணியை வரையறுக்கும் நபருடன் அவ்வப்போது கலந்தாலோசிக்க வேண்டியுள்ளது. எந்தத் தரவைப் பெறுவது, எவ்வளவு நேரம் இயக்குவது, எது முக்கியம் என்பதுடன், இடைநிலை முடிவுகள் பொருத்தமாக உள்ளனவா என்பதும் இதில் அடங்கும். மேம்பட்ட தானியங்கி ஆராய்ச்சியும் மனிதர்கள் வரையறுக்கும் அமைப்பிலிருந்தே தொடங்கும். உள்ளீடுகள், சூழல் வரையறை, மதிப்பீட்டு அளவுகோல்கள், சமரசத் தேர்வுகள், ஒட்டுமொத்த முன்னுரிமைகள் ஆகியவை அதில் அடங்கும். ஆனால் மீதிச் செயல்முறை, பிற ஏஜென்ட்களால் ஒருங்கிணைக்கப்படும் நெகிழ்வான ஏஜென்ட் “அணியிடம்” ஒப்படைக்கப்படும். நன்கு கட்டமைக்கப்பட்ட ஆராய்ச்சிச் செயல்முறையில், இந்த ஏஜென்ட்கள் கருத்துகளை ஆராய்வது, கணிப்பீட்டு நேரத்தை ஒதுக்குவது, நம்பிக்கையளிக்கும் கண்டுபிடிப்புகளை ஒருங்கிணைப்பது குறித்து அறிவார்ந்த முடிவுகளை எடுக்க முடியும். இதைத் தொடங்க, பதில் காணப்படாத ஒரு கேள்வியே பெரும்பாலும் போதுமானதாக இருக்கும்.
“இவை அனைத்தையும் தொடக்கம் முதல் முடிவு வரை இணைத்து, உங்களுக்கே பதில் தெரியாத ஒரு பொதுவான கேள்வியைக் கேட்டு, பயனுள்ள முடிவைப் பெற முடிந்தால் எப்படி இருக்கும்.” என்று அவர் கேட்கிறார். “ஆயிரமாண்டுக் கணிதப் புதிர்களில் ஒன்றை உங்களால் தீர்க்க முடிந்தால், அளவுசார் நிதி குறித்த மிகவும் சுவாரசியமான சில உண்மைகளையும் கண்டறிய முடியும்.”
ஒவ்வோர் ஆண்டும் தர அளவீடுகளில் தொடர்ச்சியான முன்னேற்றம் ஏற்பட்டுள்ளது. அதுமட்டுமின்றி, மாதிரிகள் செய்யக்கூடிய பணிகளின் வகைகளிலும் பெரும் மாற்றங்கள் நிகழ்ந்துள்ளன. இந்த வளர்ச்சிகளைச் சில மாதங்களுக்கு முன்புகூட கணிப்பது பெரும்பாலும் கடினமாக இருந்தது. 2024-இல் தொடக்ககால ஏஜென்ட்கள் ஒரு கோப்பைப் பிழையின்றி எழுதுவதே வியப்புக்குரியதாக இருந்தது. 2025-இல் முழு நிரல் தொகுப்புகளையும் புதிதாக உருவாக்க முடிந்தது. 2026-இல் பல ஏஜென்ட்கள் சூழலுக்கேற்ப இணைந்து செயல்பட்டு, விடை காணப்படாத ஆராய்ச்சிக் கேள்விகளில் முன்னேற்றம் காண முடிந்தது. “அடுத்த ஆண்டு நமக்கு என்ன காத்திருக்கிறது.” என்கிறார் அவர். “அதை நினைத்தாலே வியப்பாக இருக்கிறது.”
