ஜிபிடி-லைவ்: ஓபன்ஏஐ-யின் புதிய குரல் புரட்சி!

செயற்கை நுண்ணறிவு (AI) உலகை அடுத்த கட்டத்திற்கு நகர்த்தும் நோக்கில், ஓபன்ஏஐ (OpenAI) நிறுவனம் தனது புதிய குரல் மாதிரி (Voice Model) தொழில்நுட்பமான ‘ஜிபிடி-லைவ்’ (GPT-Live)-ஐ உலகளவில் அறிமுகப்படுத்தியுள்ளது. இதுவரை நாம் பார்த்து பழகிய அலெக்சா (Alexa), சிறி (Siri) போன்ற குரல் உதவிகளோ அல்லது முந்தைய சாட்ஜிபிடி (ChatGPT) குரல் வடிவங்களோ, நாம் பேசி முடிக்கும் வரை காத்திருந்து, பின்னர் யோசித்து பதில் சொல்லும் ‘ஒன்-வே’ (Turn-based) முறையில் இயங்கின. ஆனால், புதிய ஜிபிடி-லைவ் மனிதர்களைப் போலவே ஒரே நேரத்தில் கேட்கவும், பேசவும் செய்யும் திறனைப் பெற்றுள்ளது.

தொழில்நுட்ப உலகில் பெரும் விவாதத்தைக் கிளப்பியுள்ள இந்த சிறப்புக் கட்டுரையில், ஜிபிடி-லைவ் எப்படி வேலை செய்கிறது, இதன் பின்னணியில் உள்ள கட்டமைப்பு என்ன மற்றும் இது மனித வாழ்வில் ஏற்படுத்தப்போகும் மாற்றங்கள் குறித்து விரிவாகக் காண்போம்.

ஃபுல்-டூப்ளெக்ஸ் (Full-Duplex): ஒரே நேரத்தில் கேட்கும், பேசும் மேஜிக்!

முந்தைய தொழில்நுட்பங்களில் இருந்த மிகப்பெரிய குறைபாடு என்னவென்றால், நாம் பேசும்போது இடையில் குறுக்கிட முடியாது. அது பேசி முடிக்கும் வரை நாம் அமைதியாக இருக்க வேண்டும். ஆனால் ஜிபிடி-லைவ் ‘ஃபுல்-டூப்ளெக்ஸ்’ (Full-Duplex) என்ற அதிநவீன கட்டமைப்பில் உருவாக்கப்பட்டுள்ளது.

இதன் மூலம், ஏஐ பேசிக்கொண்டிருக்கும் போதே பயனர் குறுக்கிட்டுக் கேள்வி கேட்கலாம். ஒரு நொடிக்கு பலமுறை உள்ளீடுகளைப் பகுப்பாய்வு செய்யும் இந்த மாடல், பயனர் எப்போது குறுக்கிடுகிறார், எப்போது யோசிக்கிறார் என்பதைத் துல்லியமாக உணர்கிறது. நாம் யோசிக்கும்போது அது அமைதியாகக் காத்திருக்கும்; அதேசமயம் நாம் பேசிக் கொண்டிருக்கும்போதே மனிதர்களைப் போல ‘ம்ஹூம்’ (mhmm), ‘ஆமாம்’ (yeah), ‘புரிந்தது’ (got it) போன்ற சிறிய ஒலிகள் (Verbal cues) மூலம் தான் கவனிப்பதைக் காட்டிக் கொள்கிறது.

பின்னணியில் இயங்கும் ‘சிந்தனை’ மூளை: இருமுனை கட்டமைப்பு (Dual-Architecture)

ஜிபிடி-லைவ் மாடலின் மிகச் சிறந்த அம்சம் அதன் ‘வேலைப்பகிர்வு’ (Delegation) திறன் ஆகும். சாதாரணமாக அரட்டை அடிக்கும்போது இது மிக வேகமாகச் செயல்படும். ஆனால், பயனர் ஏதேனும் கடினமான கணக்கு அல்லது இணைய தேடல் (Web Search) போன்ற ஆழமான கேள்வியைக் கேட்டால், ஜிபிடி-லைவ் தனது பேச்சு ஓட்டத்தை நிறுத்தாது.

பேச்சைத் தொடர்ந்து கொண்டே, அந்தக் கடினமான பணியை பின்னணியில் இயங்கும் ஓபன்ஏஐ-யின் அதிநவீன மூளையான GPT-5.5 மாடலுக்கு அனுப்பிவிடும். பின்னணியில் அந்த மாடல் தீவிரமாகத் தேடி, சிந்தித்து பதிலை உருவாக்கும் வரை, ஜிபிடி-லைவ் பயனருடன் இயல்பாகப் பேசிக்கொண்டிருக்கும். பதில் கிடைத்தவுடன், உரையாடலின் போக்கிலேயே அந்தத் தகவலை மிக நயமாக இணைத்து நமக்கு வழங்கும். இதனால், ஏஐ சிந்திப்பதற்காக நாம் நீண்ட நேரம் காத்திருக்க வேண்டிய அவசியமில்லை.

நேரடி மொழிபெயர்ப்பு மற்றும் காட்சி அட்டைகள் (Visual Cards)

இந்த புதிய அப்டேட்டில் மிக முக்கியமான பயன்பாடு ‘உடனடி நேரடி மொழிபெயர்ப்பு’ (Simultaneous Translation) ஆகும். உதாரணமாக, நீங்கள் ஆங்கிலத்தில் பேசப் பேச, எந்தவிதத் தொய்வும் இன்றி அதே நேரத்தில் சாட்ஜிபிடி அதனை இந்தி, தமிழ் அல்லது ஸ்பானிஷ் மொழியில் உடனுக்குடன் மொழிபெயர்த்துப் பேசும்.

மேலும், ‘எல்லாவற்றையும் காதால் கேட்பதை விட, சிலவற்றை கண்ணால் பார்ப்பது நல்லது’ என்ற அடிப்படையில், வானிலை நிலவரம், பங்குச்சந்தை தரவுகள், விளையாட்டு முடிவுகள் போன்றவற்றை குரலில் விவரிப்பதோடு மட்டுமின்றி, மொபைல் திரையில் அழகான காட்சி அட்டைகளாகவும் (Visual Cards) அது உடனுக்குடன் காண்பிக்கிறது.

கட்டணப் பயனர்கள் Vs இலவசப் பயனர்கள்: யாருக்கு என்ன கிடைக்கும்?

வாரந்தோறும் 15 கோடிக்கும் அதிகமான மக்கள் சாட்ஜிபிடியின் குரல் வசதியைப் பயன்படுத்துகிறார்கள் என்று ஓபன்ஏஐ கூறுகிறது. இந்த புதிய தொழில்நுட்பத்தை நிறுவனம் இரண்டு பிரிவுகளாக வெளியிட்டுள்ளது:

1. GPT-Live-1: இது ஓபன்ஏஐ-யின் முதன்மை (Flagship) குரல் மாடலாகும். சாட்ஜிபிடி பிளஸ் (Plus), ப்ரோ (Pro) மற்றும் டீம் (Team) போன்ற கட்டண சந்தாதாரர்களுக்கு இது இயல்புநிலை (Default) மாடலாகக் கிடைக்கும். இதில் பயனர்கள் தங்களின் தேவைக்கேற்ப Instant, Medium, High ஆகிய மூன்று சிந்தனை நிலைகளைத் (Reasoning Levels) தேர்ந்தெடுத்துக்கொள்ளலாம்.

2. GPT-Live-1 mini: இது சற்றே சிறிய, அதிவேக மாடலாகும். சாட்ஜிபிடியை இலவசமாகப் பயன்படுத்தும் உலகெங்கிலும் உள்ள அனைத்துப் பயனர்களுக்கும் இது இயல்புநிலையாகக் கிடைக்கிறது.

தற்போது இந்த வசதி iOS, Android மற்றும் இணையதள (Web) பதிப்புகளில் பயன்பாட்டுக்கு வரத் தொடங்கியுள்ளது.

மனிதக் குரலின் ஆபத்துகளும் ஓபன்ஏஐ-யின் பாதுகாப்பு அரண்களும்

ஏஐ மனிதனைப் போலவே பேசுவது கேட்பதற்கு வியப்பாக இருந்தாலும், இதில் ஆபத்துகளும் அதிகம் என்பதை வல்லுநர்கள் சுட்டிக்காட்டுகின்றனர். ஏஐ-யிடம் மனிதர்கள் அளவுக்கு அதிகமான உணர்வுபூர்வமான பிணைப்பை (Emotional reliance) வளர்த்துக்கொள்ள வாய்ப்புள்ளது. மேலும், போலியான குரல்களை உருவாக்கி ஏமாற்றும் (Voice Cloning) ஆபத்துகளும் இதில் உள்ளன.

இதனைக் கட்டுப்படுத்த ஓபன்ஏஐ கடுமையான பாதுகாப்பு ஏற்பாடுகளைச் செய்துள்ளது. ஜிபிடி-லைவ் மாடலில் பிரத்யேகமாக வடிவமைக்கப்பட்ட 9 குரல்கள் மட்டுமே பயன்படுத்தப்படும்; அது யாருடைய தனிப்பட்ட குரலையும் போலியாகப் பேசாது (Imitate). தற்கொலை எண்ணங்கள், மனநலப் பாதிப்புகள், வன்முறை மற்றும் ஆபாசப் பேச்சுக்கள் போன்ற ஆபத்தான உரையாடல்களைக் கண்டறிந்தால், இந்த ஏஐ உடனடியாக உரையாடலைத் துண்டிக்கும் அல்லது உதவி எண்களைத் திரை வழியே பரிந்துரைக்கும் வகையில் ‘ஆடியோ-நேட்டிவ்’ (Audio-native safety) பாதுகாப்பு விதிகள் புகுத்தப்பட்டுள்ளன.

கணினி உலகை மாற்றப்போகும் புதிய குரல் புரட்சி

ஓபன்ஏஐ-யின் இந்த புதிய வெளியீடு, நாம் இதுவரை கணினிகளைப் பயன்படுத்திய முறையையே மாற்றியமைக்கப் போகிறது. “காலப்போக்கில், மனிதர்கள் கணினியை இயக்குவதற்கான முதன்மை ஊடகமாக (Primary Interface) இந்த குரல் தொழில்நுட்பமே மாறும்” என்கிறார் சாட்ஜிபிடி குரல் தயாரிப்புப் பிரிவின் தலைவர் அட்டி எலெட்டி (Atty Eleti).

டைப் செய்வதை விடப் பேசுவது எளிது என்பதால், மாற்றுத்திறனாளிகளுக்கான தொழில்நுட்ப உதவிகள் (Accessibility), ஆன்லைன் கல்வி (Tutoring), வாடிக்கையாளர் சேவை (Customer Support) மற்றும் சர்வதேச வணிக மொழிபெயர்ப்பு போன்ற துறைகளில் ஜிபிடி-லைவ் ஒரு மிகப்பெரிய மைல்கல்லாக அமையப் போவது உறுதி.