உருவாக்கும் AI மற்றும் பணியாளர் தயார்நிலை

கடந்த இரண்டு ஆண்டுகளில் உருவாக்கப்படும் AI வளர்ச்சி மற்றும் தத்தெடுப்பின் வேகம் மற்றும் பணியாளர் தயார்நிலை என்ற கருத்தை மறுசீரமைப்பதில் ஆர்வம் இருந்தபோதிலும், நாம் தவறான பாதையில் செல்கிறோம்.

சமீபத்தில், அமெரிக்காவில் வேலையின் எதிர்காலம் குறித்த ஒரு பெரிய நிறுவனத்தின் விளக்கக்காட்சியில் நான் கலந்து கொண்டேன். உயர்கல்வி போன்ற அறிவு சார்ந்த தொழில்களில் உள்ள தொழிலாளர்கள், பச்சாத்தாபம், அழகியல் தீர்ப்பு மற்றும் விமர்சன சிந்தனை போன்ற தனித்துவமான மனித திறன்களுடன் AI எழுத்தறிவு திறன்களை வளர்த்துக் கொண்டால், அவர்கள் தங்கள் வேலைகளுக்கு பயப்படக்கூடாது என்பதே மையக் கருத்தாகும். 20 ஆம் நூற்றாண்டின் பிற்பகுதியில் (அறிவியல், தொழில்நுட்பம், பொறியியல் மற்றும் கணிதம்) STEM கல்விக்கு முக்கியத்துவம் கொடுக்கப்பட்டதிலிருந்து, குறைந்தபட்சம் நாம் விவாதித்து வரும் முக்கிய “மென்மையான திறன்கள்” திறன்களை, ஜெனரேட்டிவ் AI தளங்கள் (GenAI) பிரதிபலிக்கவும் மாற்றவும் வாய்ப்பில்லை என்பதே இதன் அடிப்படை. வேறு வார்த்தைகளில் கூறுவதானால், AI-உந்துதல் பெற்ற பணியாளர்களின் கோரிக்கைகளுக்கு புதிய தொழில்நுட்பம் தொடர்பான திறன்களைப் பெறுவது தேவைப்படும், ஆனால் பணியாளர்களுக்கு மக்களை நாம் தயார்படுத்தும் விதம் அடிப்படையில் மாறாது.

அவை தவறானவை: பெரும்பாலும் வழக்கமான வழிகளில் AI-வளர்ச்சியடைந்த பணியாளர்களில் மனிதர்களுக்கு ஒரு பங்கை உருவாக்க முயற்சிப்பது, AI எதிர்காலத்திற்குத் தயாராக இல்லாத பணியாளர்களை உருவாக்குவதற்கான உறுதியான வழியாகும். ஏற்கனவே, Grammarly மற்றும் Pi AI போன்ற ஜெனரேட்டிவ் AI தளங்கள் உணர்ச்சி நுண்ணறிவைப் பின்பற்றுகின்றன, மேலும் Grammarly இன் அம்சங்கள் மனித தொடர்புகள் சீரானவை, கண்ணியமானவை, பொருத்தமானவை மற்றும் பிராண்டில் இருப்பதை உறுதிசெய்யப் பயன்படுத்தப்படுகின்றன – இவை அனைத்தும் “தனித்துவமான மனித திறன்கள்” மீதான AI இன் அத்துமீறலை பிரதிபலிக்கின்றன.   அதிகரித்து வரும், AI தொழில்நுட்பங்கள் (OpenAI இன் ChatGPT4.5 போன்றவை) உணர்ச்சி ரீதியாக புத்திசாலி, சிந்தனைமிக்க மனித முகவர்களிடமிருந்து ஒருவர் எதிர்பார்க்கும் விதங்களில் நடந்து கொள்கின்றன, குறைந்தபட்சம் வரையறுக்கப்பட்ட சூழல்களுக்குள்.

பரவலாக விவாதிக்கப்பட்ட ஒரு ஆய்வில் (மற்றும் வழக்கமான ஞானத்திற்கு மாறாக), கொரோனா வைரஸ் மற்றும் தேர்தல் மோசடி பற்றிய சதித்திட்டங்களில் மக்களின் நம்பிக்கைகளை ஜெனரேட்டிவ் AI குறிப்பிடத்தக்க வகையில் அகற்றும் திறன் கொண்டது என்பதை நிரூபித்தது, இது மனிதர்களால் முடியாத இடங்களில் AI தகவல்தொடர்புகளில் சிறந்து விளங்க முடியும் என்பதையும் இது பரிந்துரைக்கலாம்.  வரையறுக்கப்பட்ட உடனடித் தகவல்களுடன் கூட, பெறுநர்களின் உளவியல் சுயவிவரங்களுக்கு ஏற்ப செய்தி அனுப்பும் திறனின் அடிப்படையில் தனிப்பயனாக்கப்பட்ட வற்புறுத்தலில் GenAI இன் செயல்திறனை மற்றொரு ஆய்வு ஆராய்கிறது. AI-வளர்ச்சியடைந்த பணியிடத்தில் மனிதர்களுக்கு நீடித்த பங்களிப்பை உறுதி செய்வதற்கான மென்மையான திறன்களின் மீதான நம்பிக்கை தவறானது என்பதை இந்த மற்றும் பிற ஆய்வுகள் பரிந்துரைக்கலாம்.

மேலும், முன்னறிவிப்புகள் துல்லியமாக நிரூபிக்கப்பட்டால், முகவர் AI விரைவில் வாடிக்கையாளர்கள், மாணவர்கள் மற்றும் மனித ஊழியர்களை மற்ற மனிதர்களை விட அதிக பச்சாதாபம், தெளிவான மற்றும் தனிப்பட்ட தேவைகளுக்கு ஏற்ப ஈடுபடுத்த முடியும். உண்மையில், முகவர் AI இன் வாக்குறுதி இந்த யோசனையை அடிப்படையாகக் கொண்டது போல் தெரிகிறது, ஏனெனில் பெருகிய முறையில் தன்னாட்சி பெற்ற AI அமைப்புகள் தங்கள் மனித சகாக்களின் தேவைகளைப் பூர்த்தி செய்ய மதிப்பு அடிப்படையிலான, உணர்ச்சி ரீதியாக அறிவார்ந்த தீர்ப்புகளை எடுக்க வேண்டும். “உணர்ச்சி நுண்ணறிவு, விமர்சன சிந்தனை, தலைமைத்துவம் மற்றும் சிக்கலான சிக்கல் தீர்க்கும் திறன் ஆகியவை உள்ளார்ந்த மனித பண்புகளாகும்…” என்ற கருத்து, தொழில்துறை ஊழியர்களின் திறன்களை மேம்படுத்துவதற்கான அல்லது “பணியாளர் தயார்நிலை” என்ற கருத்தை சரிசெய்வதற்கான திட்டத்திற்கான அடிப்படையாக அல்ல, மாறாக தற்போதைய வரம்பின் அறிக்கையாகும்.

குறுகிய காலத்தில் முகவர் AI-யின் அபிலாஷைகளை நிறைவேற்றுவது கடினமாக இருந்தாலும், AI-கல்வியறிவுகள், அதாவது, GenAI தளங்களை பொறுப்புடனும் திறம்படவும் பயன்படுத்தத் தேவையான திறன்கள், “தொழில்நுட்பத் திறன்கள்” மற்றும் “மனிதத் திறன்கள்” என சுத்தமாகப் பிரிக்கப்படுகின்றன என்ற கருத்தை நாம் ஏற்கனவே கடந்துவிட்டோம். நிச்சயமாக, மனிதர்கள் ஒரு பணியாளர்களின் ஒரு பகுதியாகவும், ஒருவருக்கொருவர் ஒத்துழைக்கவும் வேண்டும் என்ற அளவிற்கு, பச்சாத்தாபம், உணர்ச்சி நுண்ணறிவு மற்றும் விமர்சன சிந்தனை ஆகியவை பணியாளர் தயார்நிலைக்கு எப்போதும் அவசியமானதாக இருக்கும். ஆனால் AI கல்வியறிவு என்பது தொழில் மற்றும் கல்வியில் தொழில்நுட்பங்களுடன் இடைமுகம் மற்றும் பயன்படுத்துவதன் அர்த்தம் என்ன என்பதைப் பற்றி நாம் சிந்திக்கும் விதத்தில் ஒரு டெக்டோனிக் மாற்றத்தைக் கோருகிறது: அறிவாற்றல் மற்றும் உணர்ச்சி நெகிழ்வுத்தன்மை, ஆர்வம் மற்றும் தகவமைப்பு சிக்கல் தீர்க்கும் தன்மையை ஊக்குவிக்கும் கற்பித்தலுக்கான அமைப்புகள்-கோட்பாட்டு அணுகுமுறையை கல்வி தழுவ வேண்டும்.

ஒரு ஆய்வுத் துறையாக, பொது அமைப்புகள் கோட்பாடு (GST) 20 ஆம் நூற்றாண்டின் நடுப்பகுதியில் நோர்பர்ட் வீனர், நிக்லாஸ் லுஹ்மான் மற்றும் லுட்விக் வான் பெர்டனான்ஃபி போன்ற சிந்தனையாளர்களுடன் ஒரு இடைநிலை கட்டமைப்பாக உருவானது, அவர்கள் அனைவரும் சிக்கலான அமைப்புகளின் தன்மை, அவற்றின் வழிகாட்டும் கொள்கைகள் மற்றும் அவற்றின் தொடர்புகள் தொடர்பான கேள்விகளில் ஆர்வமாக இருந்தனர். முக்கிய யோசனை என்னவென்றால், அமைப்புகள் – உயிரியல், சமூக அல்லது தொழில்நுட்பம் – ஒன்றுக்கொன்று சார்ந்த கூறுகள், பின்னூட்ட சுழல்கள் மற்றும் வெளிப்படும் பண்புகள் மூலம் செயல்படுகின்றன. மிக முக்கியமாக, அமைப்புகள் இயக்கவியல் ஆகும், அதாவது அவற்றின் ஆய்வுக்கு சிக்கலான தன்மை மற்றும் மாற்றம் பற்றிய புரிதல் தேவைப்படுகிறது, அத்துடன் எதிர்பாராதவற்றுக்கான சகிப்புத்தன்மையும் தேவைப்படுகிறது – இவை அனைத்தும் பெரிய மொழி மாதிரிகள் (LLMs) போன்ற உருவாக்கும் AI அமைப்புகளுடன் பணிபுரிய அவசியம்.

பணியாளர் தயார்நிலை மற்றும் கல்வி நடைமுறை பற்றிய நமது புரிதலை GST நோக்கி மறுசீரமைக்க, மற்றவற்றுடன், “மனித திறன்கள்” மற்றும் “AI திறன்கள்” ஆகியவற்றுக்கு இடையேயான வழக்கமான வேறுபாடு பெருகிய முறையில் செயற்கையானது என்பதை அங்கீகரிப்பது. அதற்கு பதிலாக, மனிதர்களுக்கும் AIக்கும் இடையிலான உறவை ஒரு சிக்கலான அமைப்பின் ஒரு பகுதியாக நாம் கற்பனை செய்ய வேண்டும் – உயிரியல் மற்றும் செயற்கை நுண்ணறிவு இடையேயான ஒரு உறவு, இவை ஒவ்வொன்றும் தொடர்பு மற்றும் ஈடுபாடு மூலம் மற்றொன்றை வடிவமைக்கின்றன. AI அமைப்புகள் உருவாகும்போது, அந்த அமைப்புகளுடனான ஈடுபாட்டின் வடிவம் மற்றும் தன்மையும் விரைவாக உருவாக வேண்டும் என்ற உண்மையை திறமையான AI பயனர்கள் ஏற்றுக்கொள்ள வேண்டும். நிச்சயமற்ற தன்மைக்கான சகிப்புத்தன்மை மற்றும் சிக்கல்கள் மற்றும் தீர்வுகளை மறுவடிவமைத்து மறுவடிவமைக்கும் திறன் ஆகியவை தெளிவு, கடுமை மற்றும் பொறுப்புக்கான விருப்பத்துடன் இணைந்திருக்க வேண்டும். அதாவது, பாரம்பரிய திறன்கள் மற்றும் அடிப்படை அறிவியலின் மாறும் கலவையானது சிக்கலான அமைப்புகளின் வளர்ந்து வரும் தேவைகளுடன் இருக்க வேண்டும்.

கல்வி மற்றும் பயிற்சி இப்போது ப்ளூமின் வகைபிரித்தலின் உயர் மட்டங்களில் – பகுப்பாய்வு, மதிப்பீடு, மற்றும் படைப்பாற்றல் ஆகியவற்றுடன் தொடங்க வேண்டும் என்று கூறுவது (உண்மையில் இது பெரும்பாலும் கூறப்படுகிறது) தூண்டுகிறது.  இந்தக் கண்ணோட்டத்தில், GenAI இன் தோற்றம் நமது பணிப்பாய்வின் அதிக இயந்திர அம்சங்களை தானியங்கிமயமாக்க அனுமதிக்கிறது, இதன் மூலம் நாம் உயர்ந்த அறிவுசார் திறன்களைப் பயன்படுத்த அனுமதிக்கிறது. இதன் விளைவாக, கல்வி அறிவாற்றல் செயல்பாட்டின் இந்த “உயர்ந்த” அம்சங்களை வளர்ப்பதில் கவனம் செலுத்த வேண்டும்.

ஆனால் இது முக்கியமல்ல, இருக்கவும் முடியாது, ஏனெனில் ப்ளூமின் நன்கு அணிந்திருக்கும் கட்டமைப்பு நீண்டகால கல்வி நடைமுறையை குறியீடாக்குகிறது, இதன் மூலம் கற்பித்தல் மற்றும் கற்றல் பற்றிய பாரம்பரிய கருத்துக்களை வலுப்படுத்துகிறது. வேறுவிதமாகக் கூறினால், ப்ளூமின் வகைபிரித்தல் என்பது ஒரு மரபு அறிவியலியல் என்று அழைக்கப்படலாம், அதாவது, குறிப்பிட்ட கலாச்சார மற்றும் வரலாற்று தருணங்களுக்குள் எழுந்த ஒரு பாரம்பரிய கற்றல் கோட்பாடு. கல்வி என்பது பெரும்பாலும் நிலையான தகவல் துறைகளின் குவிப்பு என்ற நம்பிக்கையின் அடிப்படையில் இத்தகைய கோட்பாடுகள் முன்னறிவிக்கப்படுவதால், AI தொழில்நுட்பங்களுக்கும் அவற்றின் மனித பயனர்களுக்கும் இடையிலான மாறும் தொடர்புகளை கவனிக்காமல் போகும் ஒரு பார்வை இது. இதன் விளைவாக, ப்ளூமின் வகைபிரித்தல் போன்ற கட்டமைப்புகளின் அடிப்படையில் AI கல்வியறிவு மற்றும் AI ஈடுபாட்டை வடிவமைப்பது நமது சிந்தனையை பெருகிய முறையில் பொருத்தமற்ற கருத்துக்கள் மற்றும் நடைமுறைகளுடன் இணைக்கிறது. பாரம்பரிய அர்த்தத்தில் GenAI நம்மை மிகவும் ஆக்கப்பூர்வமாகவும் பகுப்பாய்வு ரீதியாகவும் இருக்க அனுமதிக்கிறது என்பதல்ல; தொழில்நுட்பத்திற்கும் மக்களுக்கும் இடையிலான சிக்கலான உறவுகளின் வெளிச்சத்தில் படைப்பாற்றல் மற்றும் பகுப்பாய்வு போன்ற கருத்துக்கள் மாறி வருகின்றன என்பதை நாம் இப்போது பழக்கப்படுத்திக்கொள்ள வேண்டும்.

பணியாளர் தயார்நிலையின் எதிர்காலத்திற்கு இது என்ன அர்த்தம்? மற்றவற்றுடன், GenAI உடன் ஈடுபடுவதற்கும் AI ஒருங்கிணைப்பைப் பயன்படுத்திக் கொள்ள நிறுவனங்களை மறுசீரமைப்பதற்கும் அவசியமான “அமைப்புகள்-நிலை” திறன்களுக்கு இது ஒரு பிரீமியத்தை அளிக்கிறது. இவற்றில் அறிவாற்றல் நெகிழ்வுத்தன்மை, உணர்ச்சி நிலைத்தன்மை, ஆர்வம், சூழல்-உணர்ச்சி, விமர்சன மதிப்பீடுமற்றும் தகவமைப்பு சிக்கல் தீர்க்கும் ஆகியவை அடங்கும் – இவை அனைத்தும் மனித-AI ஈடுபாட்டின் மாறும் சூழலில் புரிந்து கொள்ளப்பட வேண்டும்.   இந்தத் திறன்களைக் கொண்டவர்கள் AI வெளியீட்டில் மறைமுகமான அனுமானங்கள் மற்றும் சார்புகளை அடையாளம் காண்பதிலும், அதன் பலங்களைப் பயன்படுத்திக் கொள்ளும் வழிகளில் GenAI ஐ எவ்வாறு ஈடுபடுத்துவது என்பதைப் புரிந்துகொள்வதிலும், மனித-AI ஒத்துழைப்பின் தயாரிப்புகளை கையில் உள்ள நோக்கங்களுக்கு ஏற்ப வடிவமைப்பதிலும் சிறந்தவர்களாக இருப்பார்கள்.

நாளின் இறுதியில், எதிர்காலப் பணியாளர்கள் அறிவுபூர்வமாக சுறுசுறுப்பாகவும், உணர்ச்சி ரீதியாகவும், ஆர்வமாகவும் இருக்க வேண்டும். பயிற்சி மற்றும் கல்விக்கான ஒரு அமைப்புகள்-கோட்பாட்டு அணுகுமுறையே நம்மை அங்கு அழைத்துச் செல்லும் வாய்ப்பு அதிகம்.

மூலம்: AI ஜர்னல் / டிக்பு நியூஸ் டெக்ஸ்