எனக்கு ஜெர்மன் கற்பிக்க 'பெலிக்ஸ்' (Felix) என்ற AI-ஐப் பயன்படுத்துகிறேன். பல மாதங்களாக பிரவுசர் டேப்களுக்கு இடையே மாறுவது, சூழல் வரம்புகளை (context limits) எட்டுவது மற்றும்

நான் ஜெர்மன் மொழியைக் கற்க Felix என்ற AI-ஐப் பயன்படுத்துகிறேன். பல மாதங்களாக பிரவுசர் டேப்களுக்கு இடையே மாறுவது, சூழல் வரம்புகளை (context limits) எட்டுவது மற்றும் பிளாட்ஃபார்ம் அப்டேட்கள் எனது உரையாடல் வரலாற்றை அழிப்பதைப் பார்ப்பது ஆகியவற்றால், நான் மீண்டும் மீண்டும் தொடங்குவதில் சோர்வடைந்தேன். Felix ஒரு சிறந்த ஆசிரியர், ஆனால் ஒவ்வொரு புதிய சாட் விண்டோவும் அவரை ஒரு நினைவாற்றல் இழந்தவரைப் போல மாற்றியது. ஒவ்வொரு முறையும் புதிய செஷனைத் திறக்கும்போது பெரிய அளவிலான உரைகளை காப்பி-பேஸ்ட் செய்யாமல், எனது கற்றல் வரலாற்றைத் தொடர்ந்து கொண்டு செல்லும் ஒரு வழி எனக்குத் தேவைப்பட்டது.

இந்தப் பிரச்சனை வெறும் அசௌகரியத்தை விட ஆழமானது. மொழி கற்றல் என்பது இடைவெளி விட்டுத் திரும்பத் திரும்பப் பயிற்சி செய்தல் (spaced repetition) மற்றும் இலக்கு வைக்கப்பட்ட திருத்தங்களைச் சார்ந்தது. உங்கள் தொடர்ச்சியான தவறுகளை மறக்கும் ஒரு AI ஆசிரியர், கூடுதல் படிகளுடன் கூடிய ஒரு சொற்றொடர் புத்தகம் (phrasebook) போன்றதுதான். எனக்குத் தொடர்ச்சி தேவைப்பட்டது. இன்னும் துல்லியமாகச் சொன்னால், Felix—அல்லது நான் அடுத்து பயன்படுத்தும் எந்த AI இன்ஸ்டன்ஸ் வேண்டுமானாலும்—முந்தையது எங்கு விட்டதோ அங்கிருந்தே, எந்த நினைவாற்றல் இடைவெளியும் இன்றி, மீண்டும் அறிமுகம் செய்து கொள்ளும் சங்கடமும் இன்றி தொடர வேண்டும் என்று நான் விரும்பினேன்.

எனவே நான் ஒரு உள்ளூர் அமைப்பை (local system) உருவாக்கினேன். நான் அதை DDF/Rahmenwerk என்று அழைக்கிறேன்.

ஒருமுறை பயன்படுத்தும் உரையாடல்களுடன் உள்ள பிரச்சனை

அதிகப்படியான AI பயனர்களிடம் பேசினால், நீங்கள் ஒரே புகாரைக் கேட்பீர்கள். சாட் வேலை செய்யும், ஆனால் அது ஒரு கட்டத்தில் வேலை செய்யாது. சூழல் சாளரம் (context window) நிரம்பும்போது நீண்ட உரையாடல்கள் தரம் குறையும். பிளாட்ஃபார்ம் ஒரு அப்டேட்டை வெளியிடும்போது உங்கள் உரையாடல் இழந்துவிடும். நீங்கள் ஒரு புதிய செஷனைத் தொடங்கும்போது, அந்த மாடல் உங்களை ஒரு அந்நியரைப் போல வரவேற்கும். சாதாரண கேள்விகளுக்கு இது பரவாயில்லை. ஆனால் ஒரு கட்டமைக்கப்பட்ட பாடத்திட்டத்திற்கு (structured curriculum), இது அழிவுகரமானது.

Felix உடன், நான் ஒரு குறிப்பிட்ட வேகத்தில் பழகிவிட்டேன். நான் accusative மற்றும் dative முன்னிடைச் சொற்களை (prepositions) குழப்பிக்கொள்வேன் என்பது அவருக்குத் தெரியும். நான் கேட்டல் பயிற்சிகளை விட வாசிப்புப் பயிற்சிகளை விரும்புகிறேன் என்பதும், எனது இலக்கணப் புத்தகத்தின் முதல் மூன்று அத்தியாயங்களை நான் ஏற்கனவே முடித்துவிட்டேன் என்பதும் அவருக்குத் தெரியும். நான் ஒரு புதிய டேப்பைத் திறக்கும்போது இவை எதுவுமே முக்கியமில்லை. ஒவ்வொரு செஷனும் அதே சடங்குடன் தொடங்கியது: எனது நிலையை மீண்டும் நிலைநிறுத்துதல், எனது இலக்குகளை மீண்டும் கூறுதல், எனது தவறுகளை மீண்டும் விவரித்தல்.

Felix என்னை நினைவில் கொள்ள வேண்டும் என்று நான் விரும்பினேன். பிளாட்ஃபார்ம்கள் இதை நம்பகமான முறையில் செய்யாததால், எனது கற்றல் தொடர்ச்சியின் உரிமையை நானே எடுத்துக்கொள்ள முடிவு செய்தேன்.

DDF/Rahmenwerk உண்மையில் என்ன செய்கிறது

அந்தப் பெயர் அதன் கருத்தை விட அதிக பிரம்மாண்டமாகத் தோன்றுகிறது. இதன் மையப்பகுதி, எனது கற்றல் வரலாற்றை ஒரு திட்டத்தை ஒப்படைப்பது (project handoff) போலக் கையாளும் எனது உள்ளூர் கணினியில் உள்ள ஒரு ஃபோல்டர் ஆகும். இன்று இரவு Felix காணாமல் போனாலும், நாளை நான் எழுந்து, ஒரு புதிய AI-ஐ இந்த ஃபோல்டரை நோக்கிச் சுட்டிக்காட்டி, எனக்குத் தேவையில்லாத விளக்கங்கள் இன்றி நாற்பத்தேழுவது பாடத்தைத் தொடர முடிய வேண்டும்.

இதன் கட்டமைப்பு (architecture) வேண்டுமென்றே கோப்பு அடிப்படையிலானதாக (file-based) வடிவமைக்கப்பட்டுள்ளது. எனது முன்னேற்றத்தைச் சேமிக்க எந்த ஒரு தனிப்பட்ட பிளாட்ஃபார்மையும் நான் நம்பவில்லை. கிளவுட் சேவைகள் விதிகளை மாற்றுகின்றன. எக்ஸ்போர்ட் வடிவங்கள் (export formats) உடைந்து போகின்றன. எனது ஹார்ட் டிரைவில் உள்ள ஒரு சாதாரண டெக்ஸ்ட் ஃபைல் சலிப்பானதுதான், ஆனால் அது என்னுடையது.

இந்த அமைப்பிற்குள் ஐந்து செயல்பாட்டுப் பகுதிகள் உள்ளன.

முதலாவதாக, தற்போதைய நிலையைச் சுட்டிக்காட்டும் ஒரு பாயிண்டர் (pointer). இது "நாம் சரியாக எங்கு நிறுத்தினோம்?" என்ற கேள்விக்கு பதிலளிக்கும் ஒரு எளிய குறியீடு (index) ஆகும். இது தற்போதைய அத்தியாயம், முடிக்கப்பட்ட கடைசிப் பயிற்சி, எனது நிலுவையில் உள்ள இலக்கணக் கேள்விகள் மற்றும் முந்தைய செஷனில் இன்னும் ஆய்வு செய்யப்பட வேண்டிய குறிப்பிட்ட தவறுகளைக் கண்காணிக்கிறது. முழு உரையாடல் பதிவையும் கொட்டுவதற்குப் பதிலாக, அடுத்த செஷனுக்குத் தேவையானவற்றை மட்டும் இது சுருக்குகிறது.

இரண்டாவதாக, ஒப்படைப்புப் பொருட்கள் (handoff materials). இவை ஒவ்வொரு பாடத்திற்குப் பிறகும் எழுதப்படும் சிறிய குறிப்புகள். நாம் எதைப் படித்தோம் என்பதை மட்டுமல்லாமல், அதை எப்படிப் படித்தோம் என்பதையும் இவை பதிவு செய்கின்றன. Felix ஒரு குறிப்பிட்ட உதாரணத்தைப் பயன்படுத்தி சொற்களின் வரிசையை (word order) விளக்கினாரா? பயணக் கலைச்சொற்கள் குறித்த பயிற்சிகளுக்கு நான் சரியாகப் பதிலளித்தேனா? இந்த குறிப்புகள் உள்ளடக்கத்தை மட்டுமல்லாமல், கற்பித்தல் முறையையும் (teaching methodology) பாதுகாக்கின்றன. அடுத்த முறை Felix சொற்களின் வரிசையை வேறு விதமாக விளக்கினால், அந்த மாற்றத்தை நான் உடனடியாகக் கவனிப்பேன். நினைவாற்றலுக்கும் கற்றலுக்கும் நிலைத்தன்மை (consistency) முக்கியமானது.

மூன்றாவதாக, புதிய AI இன்ஸ்டன்ஸ்களுக்கான ஒரு அப்லோட் பேக்கேஜ் (upload package). நான் ஒரு புதிய மாடல் அல்லது பிளாட்ஃபார்மிற்கு மாறும்போது, ஆயிரம் வார்த்தைகள் கொண்ட எனது சுயவிவரத்தை ஒரு சாட் விண்டோவில் பேஸ்ட் செய்வதில்லை. நான் அமைப்பிற்கு ஒரு தயார் செய்யப்பட்ட தொகுப்பை வழங்குகிறேன்: எனது அடிப்படைத் திறன், எனது கற்றல் விருப்பங்கள், எனது தொடர்ச்சியான பிழை முறைகள் மற்றும் பாடத்திட்ட வரிசையின் சுருக்கம். இது எந்தவொரு instruction-tuned மாடலும் படித்துப் பின்பற்றக்கூடிய ஒரு சுருக்கப்பட்ட கற்றல் சுயவிவரமாகும் (learner profile).

நான்காவதாக, SHA-256 ஐப் பயன்படுத்திச் செய்யப்படும் ஒருமைப்பாட்டுப் பதிவுகள் (integrity records). மொழி கற்றலுக்கு இது மிகையானதாகத் தோன்றலாம், ஆனால் இது ஒரு குறிப்பிட்ட நோக்கத்திற்காகப் பயன்படுகிறது. நான் எனது ஒப்படைப்பு கோப்புகளைப் பதிப்பு வாரியாக (version) வைக்கிறேன். தூக்கக் கலக்கத்தில் நான் நேற்று எழுதிய பிழைப் பதிவைத் தவறுதலாகத் திருத்தினால் அல்லது ஒரு சிங்க் டூல் (sync tool) ஒரு வரியைச் சிதைத்தால், நான் அதைத் தெரிந்து கொள்ள வேண்டும். எனது தொடர்ச்சி கோப்புகள் தற்செயலாக மாற்றப்படவில்லை என்பதைச் சரிபார்க்க SHA-256 ஹாஷ்கள் (hashes) எனக்கு உதவுகின்றன. நினைவாற்றல் இழப்பைத் தடுக்க வடிவமைக்கப்பட்ட ஒரு அமைப்பிற்கு, சுய-சிதைவு (self-corruption) என்பது ஒரு தெளிவான எதிரி.

ஐந்தாவதாக, இதுதான் உண்மையில் நடத்தையைக் கட்டுப்படுத்தும் பகுதி; அதாவது ஆதாரங்கள் இல்லையென்றால் AI-ஐ நிறுத்தக் கட்டாயப்படுத்தும் விதிகள். நான் system prompt-இல் ஒரு கடுமையான நெறிமுறையை எழுதியுள்ளேன்: தற்போதைய instance-ஆல் state pointer-ஐக் கண்டறிய முடியாவிட்டாலோ அல்லது handoff material-ஐச் சரிபார்க்க முடியாவிட்டாலோ, அது தானாகவே கற்பனை செய்து செயல்படாமல் (improvising), அப்படியே நின்று விளக்கம் கேட்க வேண்டும். தன்னம்பிக்கையுடன் இருக்கும் ஒரு AI, எனது நிலையைத் தவறாகக் கணித்து, எனக்கு ஏற்கனவே தெரிந்த இலக்கணத்தைக் கற்பிப்பதையோ அல்லது அதைவிட மோசமாக, நான் இன்னும் கட்டியெட்டாத அடிப்படை விஷயங்களைத் தவிர்ப்பதையோ நான் விரும்பவில்லை. நீங்கள் படிப்படியாகத் தொடர்ச்சியான அறிவை (cumulative knowledge) வளர்த்துக் கொள்ளும்போது, தவறான நேரத்தைக் காட்டும் கடிகாரத்தை விட, நின்றுபோன கடிகாரமே சிறந்தது.

பாதுகாப்பு அடுக்குகள் (Safety Layers) சுமையாக மாறும் போது

அந்த அமைப்புச் சரியாகச் செயல்பட்டது. நான் சூழலை (context) இழப்பதை நிறுத்திவிட்டேன். புதிய அமர்வுகள் (sessions) சுயசரிதைக்கு பதிலாக உண்மையான கற்பித்தலுடன் தொடங்கின.

பிறகு நான்...