Markdown பதிப்பு

AI-translated from English; not yet reviewed by a fluent editor.

# AI ஆய்வகங்கள் கண்டுபிடிப்புகளைத் தனிப்பட்ட முறையில் செய்யும்போது, விடைகளை யார் கேள்விக்குட்படுத்த முடியும்?

> தனியார் AI கண்டுபிடிப்புகள் பொதுநல அதிகாரம் குறித்த கேள்வியை எழுப்புகின்றன: ஆதாரங்களை யார் ஆய்வு செய்யலாம், அடுத்த ஆய்வுக் கேள்வியை யார் தேர்ந்தெடுக்கலாம், விடைகளால் யார் பயனடையலாம்? முடிவுகளை வெளியிடுவதற்கான ஊக்கங்கள், அறிவியல் புரிதல், மனிதர்களின் செயல்திறன் ஆகியவற்றைப் பார்க்கும் கட்டுரை.

By BIG CHANGE Editorial

Published: 2026-09-22T14:25:09.513Z
Updated: 2026-09-22T14:25:09.513Z
Canonical: https://bigchange.ai/blog/private-ai-discoveries-public-science

![An exposed geometric structure stands outside a partly open research chamber, with broad paths approaching from several directions.](https://bigchange.ai/api/media/file/shared-inquiry-private-system-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Shared evidence can give outsiders room to examine and develop an idea even when the discovery system remains private. The geometric sculpture is a conceptual form, not a depiction of a theorem or an unreleased result.

தனது AI ஒரு கடினமான சிக்கலைத் தீர்த்துவிட்டதாக ஒரு நிறுவனம் அறிவிக்கலாம்; உலகின் பிறரால் அதன் சாதனையை மதிப்பிட முடிவதற்கு முன்பே இது நிகழலாம். அதற்குத் தேவைப்படும் ஆதாரம் ஒரு நிரூபணம், விளக்கம், அமைப்புக்கான அணுகல் அல்லது வேலையை ஆய்வு செய்வதற்கான நேரமாக இருக்கலாம். இவற்றில் ஒவ்வொன்றும் இல்லாதபோது, நிறுவனத்துக்கு வெவ்வேறு வகையான அதிகாரம் கிடைக்கிறது.

மறைக்கப்பட்ட AI முன்னேற்றங்கள் குறித்த சமீபத்திய விவாதத்தின் பின்னுள்ள பயனுள்ள கேள்வி இதுவே. நவியர்–ஸ்டோக்ஸ் அறிவிப்புக்குப் பிறகு, பெரிய கோட்பாட்டு கணினி அறிவியல் சிக்கல்களுக்கான தீர்வுகளை AI நிறுவனங்கள் வெளியிடாமல் வைத்திருப்பதாக வதந்திகள் வந்துள்ளன என்று கணினி அறிவியலாளர் Scott Aaronson செப்டம்பர் 15 கட்டுரையில் தெரிவித்தார். அந்தத் தீர்வுகளை அவர் வெளியிடவில்லை. பெயர் குறிப்பிடப்படாத முடிவுகள் அல்லது அவை மறைக்கப்பட்டதற்கான நோக்கம் சரிபார்க்கப்பட்டன என்பதை அல்ல; அத்தகைய கூற்றைக் கேட்டிருக்கிறார் என்பதையே அவரது பதிவு நிறுவுகிறது. [Aaronson-இன் கட்டுரை](https://scottaaronson.blog/?p=10062)

இன்னும் தெளிவான முன்னேற்றம் ஒன்று உள்ளது. நிறுவனத்தின் உள்ளகப் பணியில் உருவாகியதாக OpenAI கூறும் குறிப்பிடத்தக்க கணித முடிவுகளை வெளியிடுவது குறித்து அதற்கு ஆலோசனை வழங்குவதே தங்களின் தற்போதைய பணி என Mathematics and Artificial Intelligence குறித்த சுயாதீன ஆலோசனைக் குழு கூறுகிறது. நிறுவனத்தால் தெரிவிக்கப்பட்ட ஆய்வுப் பணியை வெளியிட ஒருங்கிணைப்பு நடைபெறுகிறது என்பதை இது உறுதிப்படுத்துகிறது. வெளியீட்டுக்காகக் காத்திருக்கும் ஒவ்வொரு முடிவையும் இது சான்றளிக்கவில்லை. [ஆலோசனைக் குழுவின் அறிக்கை](https://agmai.org/)

வாசகர்களைப் பொறுத்தவரை, இந்த வேறுபாடு உற்சாகமான சாத்தியத்தைத் தீர்க்கப்பட்ட சிக்கல்களின் கற்பனைப் பட்டியலாக மாற்றுவதைத் தடுக்கிறது. அறிவியலைப் பொறுத்தவரை பெரிய கேள்வி எழுகிறது: கண்டுபிடிப்புகள் தனியார் அமைப்புகளுக்குள் குவிந்தால், மற்ற அனைவருக்கும் எவ்வளவு சுயாதீனம் எஞ்சும்?

## முக்கிய மாற்றம்

- **என்ன மாறியது:** வெளியிடப்பட்ட AI உருவாக்கிய நிரூபணக் கோப்புகளுடன், ஒருங்கிணைந்த வெளியீட்டுக்காகக் காத்திருக்கும் முடிவுகள் குறித்த நிறுவனக் கூற்றுகளும் இப்போது உள்ளன. கூடுதல் மறைக்கப்பட்ட முன்னேற்றங்கள் குறித்த கூற்றுகள் இன்னும் சரிபார்க்கப்படவில்லை.
- **ஏன் முக்கியம்:** எந்தக் கண்டுபிடிப்புகள் வெளிப்படும், நிபுணர்கள் அவற்றை எப்போது ஆய்வு செய்யலாம், முறைகளை யார் தொடர்ந்து பயன்படுத்தலாம் என்பவற்றில் ஆய்வகங்கள் செல்வாக்கு செலுத்த முடியும்.
- **எதைக் கவனிக்க வேண்டும்:** வெளியீட்டு ஏற்பாடுகள் வெளியிலுள்ள ஆய்வாளர்களுக்கு பயன்படுத்தக்கூடிய ஆதாரத்தையும் அதைச் சவாலுக்குட்படுத்தும் சுதந்திரத்தையும் வழங்குகின்றனவா என்பதைக் கவனியுங்கள். அத்துடன், ஆய்வுக் கேள்விகளைத் தேர்ந்தெடுக்கவும் முடிவுகளைப் புரிந்துகொள்ளவும் அவற்றின் பலன்களைப் பகிரவும் தேவையான மனித நிபுணத்துவம் ஆதரிக்கப்படுகிறதா என்பதையும் பாருங்கள்.

## திறன் தனியாரிடம் இருந்தாலும் முன்னேற்றம் பொதுவில் இருக்கலாம்

செப்டம்பர் 8 அன்று OpenAI வெளியிட்ட நவியர்–ஸ்டோக்ஸ் அறிவிப்பு, தேர்ந்தெடுத்து வெளிப்படைத்தன்மை கடைப்பிடிப்பதற்கு ஓர் எடுத்துக்காட்டு. நிறுவனம் எழுத்துப்பூர்வமான வாதத்தையும் முறையான நிரூபணக் கோப்புகளையும் வெளியிட்டது; கண்டுபிடிப்பைச் செய்த அமைப்பு GPT-6 Astra-வைவிடத் திறன்வாய்ந்த உள்ளக மாதிரி என்றும் விவரித்தது. முடிவை வெளியிடுவதும் அதை உருவாக்கிய அமைப்புக்கான அணுகலை வழங்குவதும் வெவ்வேறு முடிவுகள். [OpenAI-இன் அறிவிப்பு](https://openai.com/index/navier-stokes-solution/)

கணிதத்தின் வரம்பையும் கவனமாகப் புரிந்துகொள்ள வேண்டும். அறிவிக்கப்பட்ட கட்டமைப்பு மென்மையான வெளிப்புறத் தூண்டலைப் பயன்படுத்துகிறது. அதிகாரப்பூர்வ Clay சிக்கல் விளக்கத்தில் C மற்றும் D ஆகிய முறிவுச் சாத்தியங்களுக்கு அத்தகைய தூண்டல் வெளிப்படையாக அனுமதிக்கப்பட்டுள்ளது; தூண்டலற்ற உலகளாவிய மென்மைச் சாத்தியங்கள் வேறொரு கேள்வியை எழுப்புகின்றன. தூண்டலைப் பயன்படுத்திய சரியான கட்டமைப்பு, கூறப்பட்ட பரிசுப் பிரச்சினையை அணுகலாம்; ஆனால் தூண்டலற்ற கேள்வியைத் தீர்க்காமல் விடலாம். [அதிகாரப்பூர்வ சிக்கல் விளக்கம்](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf)

செப்டம்பர் 11 அன்று, மதிப்பீடும் அங்கீகாரமும் அவசரமின்றி நடைபெற வேண்டும் என்ற நடைமுறையைப் பேணியபடி, சிக்கல் தீர்க்கப்பட்டிருக்கக்கூடும் என்ற அறிவிப்பை Clay வரவேற்றது. அது ஓர் அறிவிப்புக்கான நிறுவனத்தின் எதிர்வினை; பரிசு வழங்கப்பட்டதாக அறிவித்தது அல்ல. [Clay-இன் பதில்](https://www.claymath.org/news/navier-stokes-announcement/)

பரந்த கணித ஆய்வுத் தொடரை எங்கள் [அலகுத் தொலைவிலிருந்து நவியர்–ஸ்டோக்ஸ் வரை செல்லும் வழிகாட்டியில்](https://bigchange.ai/blog/ai-mathematics-unit-distance-navier-stokes) ஆய்வு செய்தோம். இங்கு முக்கியமான வேறுபாடு, வெளியீட்டுக்குப் பிறகு யாரால் என்ன செய்ய முடிகிறது என்பதே. வெளி கணிதவியலாளர் நிரூபணத்தைப் படிக்க முடிந்தாலும், அதே முறையில் அருகிலுள்ள மற்றொரு சிக்கலை ஆராயத் தேவையான வளங்களோ மாதிரி அணுகலோ இல்லாமல் இருக்கலாம். கண்டுபிடிப்பு பகிரப்படுகிறது; அடுத்த கண்டுபிடிப்பை உருவாக்கும் வழிமுறைகள் சிலரிடம் குவிந்திருக்கலாம்.

அந்த ஏற்பாடு இன்னும் பயனுள்ளதாக இருக்கலாம். ஒவ்வொரு ஆய்வாளரும் அசல் தேடலை மீண்டும் செய்தால்தான் முடிவைப் பயன்படுத்த முடியும் என்றால், பல முடிவுகளைப் பயன்படுத்துவது கடினமாகும். குறிப்பிட்ட நிரூபணத்தைச் சரிபார்க்க, அதற்குப் பொருத்தமான ஆதாரத்தை அணுகுவது முக்கியம்; அதைக் கண்டுபிடிக்கப் பயன்படுத்திய ஒவ்வொரு கருவியையும் வைத்திருக்க வேண்டிய அவசியமில்லை. ஆனால் வெளியிடப்பட்ட விடையைச் சரிபார்க்கும் திறன், அடுத்து எந்தக் கேள்விகளுக்குப் பதிலளிக்கப்படும் என்பதில் வெளியிலுள்ளவர்களுக்கு சமமான செல்வாக்கைத் தராது.

## பொதுமக்கள் மறுப்பதற்கான வழி வேண்டும்

OpenAI-இன் பொதுக் களஞ்சியம், அதன் நவியர்–ஸ்டோக்ஸ் மற்றும் Euler கூற்றுகளைத் தனித்தனியாகக் குறிப்பிடுகிறது; உருவாக்க வழிமுறைகளையும் Comparator மூலம் கூடுதல் நிரூபணச் சரிபார்ப்புக்கான வழியையும் வழங்குகிறது. இவை வெறும் காணொளிக் காட்சியை விட ஆய்வு செய்யக்கூடிய கோப்புகள். ஆவணங்களை நாங்கள் படித்தோம்; நிரூபணங்களை மீண்டும் உருவாக்கவோ தனியாகச் சான்றளிக்கவோ இல்லை. [நிரூபணக் களஞ்சியம்](https://github.com/openai/NavierStokesAndEuler)

ஒரு சரிபார்ப்பு வெற்றிபெற்றால் அதன் வரம்பு என்ன என்பதை Lean-இன் சரிபார்ப்பு வழிகாட்டி விளக்குகிறது. தேற்றத்தின் பொருளையும் முன்கணிப்புகளையும், அதன் சார்புகளையும் மதிப்பாய்வாளர்கள் ஆய்வு செய்ய வேண்டும். இன்னும் வலுவான சோதனைகளில், சமர்ப்பிக்கப்பட்ட நிரூபணத்தைத் தனியாகக் குறிப்பிடப்பட்ட கூற்றுடன் ஒப்பிட்டு, சுயாதீனச் சரிபார்ப்பு மென்பொருளைப் பயன்படுத்தலாம். இது தயாரிப்பாளரை மட்டுமே நம்பியிருப்பதைக் குறைக்கும்; இருப்பினும் கருவிகள் மற்றும் விவரக்குறிப்பு குறித்த அறிவிக்கப்பட்ட முன்கணிப்புகள் தொடரும். [Lean சரிபார்ப்பு வழிகாட்டி](https://lean-lang.org/doc/reference/latest/ValidatingProofs/)

நம்பிக்கையூட்டும் சாத்தியம் கணிசமானது: ஒரு தனியார் அமைப்பு செலவுமிக்க தேடலை நடத்திவிட்டு, அந்தத் தேடல் முழுவதையும் மீண்டும் செய்யாமலேயே பிறர் சரிபார்க்கக்கூடிய ஆதாரத்தை வெளியிடலாம். அந்த அளவில் தேடலை உருவாக்கும் திறன் சில நிறுவனங்களிடமே இருந்தாலும், AI உருவாக்கும் கண்டுபிடிப்புகள் பகிரப்பட்ட வளங்களாக மாறலாம்.

பலவீனமான அணுகுமுறையில், ஒரு ஆய்வகம் தேர்ந்தெடுக்கப்பட்ட நிபுணர்களுக்குத் தனிப்பட்ட விளக்கத்தை மட்டும் காட்டி, மற்றவர்கள் அதன் ஒப்புதலை நம்ப வேண்டும் எனக் கேட்கலாம். ஆரம்பகட்ட நடவடிக்கையாக இது நியாயமானதாக இருக்கலாம். ஆனால் மறுக்கப்பட்ட முன்கணிப்பைக் கண்டறியவும், திருத்தத்தை ஆய்வு செய்யவும், எதிர்பாராத பயன்பாட்டைத் தொடரவும் பொதுமக்களுக்கு இது மிகக் குறைந்த வாய்ப்பையே தருகிறது. முடிவை அணுகுவதும் அதை மறுப்பதற்கான காரணங்களை அணுகுவதும் ஒன்றல்ல.

இது ஓர் அசல் கற்பனைச் சூழல். ஒரு பல்கலைக்கழகக் குழு சில உகப்பாக்கச் சிக்கல்களை ஆய்வு செய்கிறது. முக்கியமான ஒரு நிகழ்வில் மேம்பாடு தரும் முறையை ஒரு நிறுவனம் தனிப்பட்ட முறையில் கண்டறிகிறது எனக் கொள்வோம். அது அந்த முறையையும் துல்லியமான உத்தரவாதத்தையும் வெளியிடலாம்; அல்லது முறையை மறைத்தபடி பதில்களை வழங்கும் இணையச் சேவையை வழங்கலாம்.

இரண்டு வழிகளும் பயனர்களுக்கு உதவலாம். முதலாவது வழி மட்டுமே, சேவைக்கான தொடர்ந்த அணுகல் இல்லாமலும் பல்கலைக்கழகம் அந்த முறையை ஆய்வு செய்யவும் கற்பிக்கவும் மாற்றியமைக்கவும் தேவையான உறுதியை வழங்குகிறது. நிறுவனம் விதிமுறைகளை மாற்றினாலோ, மாதிரியை விலக்கினாலோ, அத்துறைக்கான ஆதரவை நிறுத்தினாலோ இந்த வேறுபாடுகள் நடைமுறையில் முக்கியமாகும். பயனுள்ள சேவையுடன் அறிவியல் சார்புநிலையும் ஒருசேர இருக்க முடியும்.

எனவே பொதுநலனை கண்டுபிடிப்புகளின் எண்ணிக்கையால் மட்டும் அளவிட முடியாது. வெளியீடு மக்கள் அறிந்தவற்றையும் செய்யக்கூடியவற்றையும், அல்லது ஏதாவது செய்ய அனுமதி கேட்க வேண்டியவற்றையும் அதிகரிக்கலாம். இந்த விளைவுகள் சில நேரங்களில் ஒன்றாக நகரும்; அவை கட்டாயம் அப்படியே இருக்க வேண்டியதில்லை.

## இடைநிறுத்தம் அறிவியலை மேம்படுத்தலாம்; அல்லது ஓர் நிறுவனத்துக்கு நீண்ட முன்னிலை தரலாம்

பெரிய வெளியீட்டை ஒருங்கிணைக்க நியாயமான காரணங்கள் உள்ளன. கூற்றைச் சரிபார்க்கவும், முந்தைய ஆய்வுகளை அடையாளம் காணவும், விளக்கத்தைத் தயாரிக்கவும் நிபுணர்களுக்கு நேரம் தேவைப்படலாம். வெளியீட்டுக்கு முன் திருத்தம் செய்தால், தவறான முடிவை அடிப்படையாகக் கொண்டு பலர் பணியாற்றுவதைத் தவிர்க்கலாம். அறிவுச் சொந்த உரிமை குறித்த சர்ச்சைக்கும் அறிவிப்புகளில் முந்திச் செல்லும் போட்டியைவிட ஆதாரம் தேவை.

ஆனால் அதே தாமதம் வெளியிலுள்ளவர்களுக்கு வேறு விளைவையும் தரலாம். ஒரு நிறுவனம் மையக் கருதுகோளைத் தீர்த்துவிட்டதாகக் கூறுவது தெரியாமல், ஓர் ஆய்வுக் குழு தனது அடுத்த திட்டத்தைத் தேர்வுசெய்கிறது எனக் கற்பனை செய்யுங்கள். அது பழைய கேள்வியில் பல மாதங்கள் செலவிடலாம். முன்கூட்டியே அணுகலைத் தேர்ந்தெடுக்கப்பட்ட கூட்டாளர்களுக்கு மட்டும் அளித்தால், தொடராய்வு முடிவுகளை உருவாக்குவதில் அவர்களுக்கு முன்னிலை கிடைக்கலாம். இவை சமமற்ற தகவலால் ஏற்படக்கூடிய விளைவுகள்; வெளியிடப்படாத குறிப்பிட்ட தேற்றம் குறித்த குற்றச்சாட்டுகள் அல்ல.

தாமதம் எதைச் சாதிக்கிறது, அதற்குப் பொறுப்பேற்பவர் யார் என்பதே பொருத்தமான கேள்வி. அடையாளம் காணப்பட்ட கூற்று, சுயாதீன வாசகர்கள், முடிவைத் தெரிவிக்கும் திட்டம் ஆகியவற்றைக் கொண்ட மதிப்பாய்வுக் காலம், அசாதாரண திறன் குறித்த குறிப்புகளுடன் காலவரையின்றி மறைப்பதிலிருந்து வேறுபட்டது. ஆய்வு செய்ய நிறுவனங்களுக்கு நேரம் தேவை; அந்த ஆய்வை விளம்பரத்திலிருந்து வேறுபடுத்துவதற்கான காரணமும் பொதுமக்களுக்குத் தேவை.

புதிய ஆலோசனைக் குழு இதற்கான ஒரு வழியை வழங்குகிறது. உறுப்பினர்கள் ஊதியம் பெறுவதில்லை, பரிந்துரைகள் பொதுவில் வெளியிடப்படும், முடிவெடுக்கும் அதிகாரம் நிறுவனங்களிடமே இருக்கும் என அது கூறுகிறது. குழுவின் சுயாதீனம் பயனுள்ளது; ஆனால் அதனால் முடிவை வெளியிட வேண்டிய கட்டாயமோ ஆய்வாளர்களுக்கான அணுகலோ உருவாகாது. [சுயாதீனமும் பொறுப்புக்கூறலும்](https://agmai.org/)

எங்கள் பார்வையில், பயனுள்ள ஏற்பாடு ஆலோசனைக்கான பதிலை வெளிப்படையாக்க வேண்டும். எந்தப் பரிந்துரைகளை ஏற்றது, எவை இன்னும் ஆய்வில் உள்ளன, தீராத கவலைகளை மதிப்பாய்வாளர்கள் எப்படித் தெரிவிக்கலாம் என்பதை நிறுவனம் விளக்கலாம். இதன் மூலம் ஒரு தேற்றம் தீர்க்கப்பட்டதாக முன்கூட்டியே அறிவிக்காமல், வெளியிலுள்ளவர்கள் செயல்முறையை மதிப்பிட முடியும்.

## வலுவான விமர்சனம் AI வெற்றிபெறக்கூடும் என்பதை ஏற்கிறது

செப்டம்பர் 11 அறிவிப்பு *கணிதத்தில் AI-யின் கடுமையான பொருந்தாமை* கணிதத் திறன்களில் கணிசமான முன்னேற்றங்கள் ஏற்பட்டுள்ளதை வெளிப்படையாக ஏற்கிறது. அதன் எதிர்ப்பு ஊக்கங்களைப் பற்றியது: புகழ்பெற்ற சிக்கல்களை அளவுகோல்களாகப் பயன்படுத்துவது கருத்துகளை வளர்த்தல், பங்களிப்புக்கான அங்கீகாரம், புதிய கேள்விகளை உருவாக்க மனிதர்கள் கற்கும் பயிற்சி ஆகியவற்றைப் புறக்கணிக்கலாம். கணித ஆய்வை மேம்படுத்தும் AI-யின் சாத்தியத்தையும் அது ஏற்கிறது. [அறிவிப்பு](https://www.mathandai.org/)

இயந்திரத்தால் எதையும் கண்டுபிடிக்க முடியாது என்று சொல்வதைவிட இது கடினமான வாதம். வெற்றிகரமான அமைப்பு, அதன் முடிவைப் பெறும் சமூகத்தின் நோக்கத்தையே இலக்காகக் கொண்டுள்ளதா என இது கேட்கிறது. திறனைத் தெளிவாகக் காட்டுவதே ஓர் ஆய்வகத்தின் நியாயமான விருப்பமாக இருக்கலாம். பல புதிய திசைகளைத் திறக்கும் முறையே ஓர் ஆய்வாளருக்கு முக்கியமாக இருக்கலாம்; வெளியீட்டு அறிவிப்பைக் கவராத தெளிவற்ற திசைகளும் அதில் அடங்கலாம்.

அந்த விருப்பங்கள் ஒன்றாகவே இருக்க வேண்டும் என்ற கட்டாயமில்லை; முரண்படவும் வேண்டியதில்லை. தனது முடிவுகளைப் பயனுள்ளதாக்கும் ஆய்வுக்கும் விளக்கத்துக்கும் ஓர் ஆய்வகம் நிதியளிக்கலாம். அது முன்னுரிமை தராத துறையில் சக்திவாய்ந்த புதிய முறையைப் பயன்படுத்தும் ஆய்வை பல்கலைக்கழகங்கள் அங்கீகரிக்கலாம். முதல் கண்டுபிடிப்புகளுடன் தெளிவுபடுத்தலுக்கும் ஒருங்கிணைப்புக்கும் வெளியீட்டு இடங்கள் வாய்ப்பளிக்கலாம்.

விமர்சனமும் ஆதாரத்துக்குப் பதிலளிக்க வேண்டும். சரியான, முக்கியத்துவமுள்ள முடிவு ஓர் அமைப்பு என்ன செய்ய முடியும் என்ற மதிப்பீட்டை மாற்ற வேண்டும். அதன் தோற்றம் குறித்த அசௌகரியம் அந்த முடிவைச் செல்லாததாக்க முடியாது. அதேபோல், ஒரு முடிவு ஈர்க்கக்கூடியது என்பதற்காக மட்டும் அணுகல் அல்லது அங்கீகாரம் குறித்த கேள்விக்குப் பதில் கிடைத்துவிடாது. அந்த மதிப்பீடுகளைத் தனித்தனியாக வைத்தால், கணிதத்தை வரவேற்றபடியே அது உலகை அடையும் நிபந்தனைகளைக் கேள்விக்குட்படுத்த முடியும்.

இந்த இழுபறியை Aaronson-இன் கட்டுரை எடுத்துக்காட்டுகிறது: அண்மைய முன்னேற்றத்தை மாற்றத்தை ஏற்படுத்துவதாகக் கருதும் அவர், மனிதப் புரிதலைப் பாதுகாக்கும் முயற்சியையும் ஆதரிக்கிறார். ஒருமைநிலை தொடங்குவதாக அவர் விவரிப்பது நிகழ்வுகளுக்கான ஒரு விளக்கம்; நிரூபிக்கப்பட்ட அறிவியல் எல்லை அல்ல. [அவர் தெரிவித்த நிலைப்பாடு](https://scottaaronson.blog/?p=10062)

## விரைவான கண்டுபிடிப்பும் அர்த்தமுள்ள மனிதப் பணியும் இரண்டும் முக்கியம்

செப்டம்பர் அறிவிப்புகளுக்கு முன்பே இந்தப் பரந்த வாதம் இருந்தது. 2025 டிசம்பர் கட்டுரையில், AI ஆய்வாளர் Julian Togelius, அறிவியலாளர்களுக்கு உதவும் கருவிகளையும் அவர்களின் பங்கேற்பைத் தேவையற்றதாக்கும் தானியக்கத்தையும் வேறுபடுத்தினார். முழுமையான தானியக்கம் மருத்துவ முன்னேற்றத்தை விரைவாக்கும் என்ற கற்பனைச் சூழலிலும், மனிதர்களின் செயல்திறனையும் பங்களிக்கும் வாய்ப்பையும் அவர் ஆதரித்தார். இது சாத்தியமான எதிர்காலம் குறித்த ஒழுக்கநிலை; அறிவியல் பணி ஏற்கெனவே தேவையற்றதாகிவிட்டது என்பதற்கான ஆதாரம் அல்ல. [Togelius-இன் கட்டுரை](https://togelius.blogspot.com/2025/12/please-dont-automate-science.html)

இன்றைய பணியாளர்கள் தங்கள் வேலையை விரும்புவதால் மட்டுமே ஒரு செயல்பாட்டைப் பாதுகாப்பதில் உண்மையான செலவு உண்டு. சிறந்த முறை துன்பத்தைக் குறைக்குமானால், தொழில் மாறுவதால் பாதிக்கப்படுவோரின் நலனுடன் பலன் பெறுவோரின் நலனுக்கும் மதிப்பளிக்க வேண்டும். அர்த்தமுள்ள வேலையைப் பாதுகாப்பது பயனுள்ள கண்டுபிடிப்புகளுக்கு எதிரான தானியங்கி தடையாக மாறக்கூடாது.

ஆனால், இப்போதுள்ள ஒவ்வொரு பணியையும் பாதுகாப்பதற்கும் அறிவியலிலிருந்து மக்களை நீக்குவதற்கும் இடையில் மட்டும் தேர்வு செய்ய வேண்டியதில்லை. கேள்விகளை யார் தேர்வுசெய்கிறார்கள், கவனிக்கப்படாத தேவையை யார் அடையாளம் காண்கிறார்கள், ஆதாரம் பொருந்துகிறதா என யார் மதிப்பிடுகிறார்கள், அதை வைத்து என்ன செய்ய வேண்டும் என யார் தீர்மானிக்கிறார்கள்? தொழில்நுட்பக் கூறுகளில் பலவற்றை இயந்திரங்கள் சிறப்பாகச் செய்தாலும், இந்த முடிவுகள் பொதுமக்களைப் பாதிக்கும். அவற்றில் செல்வாக்கைத் தக்கவைப்பது தொழில்முறை அடையாளம் மட்டுமல்ல; நிர்வாகம் குறித்த கேள்வியும் ஆகும்.

AI உயிரியல் ஆய்வை விரைவாக்கி வாழ்க்கையை மேம்படுத்தும் விரிவான நம்பிக்கையான கண்ணோட்டத்தை Dario Amodei-யின் 2024 அக்டோபர் கட்டுரை வழங்குகிறது. சோதனைகள், தரவு, இயற்பியல் உலகம் சார்ந்த வரம்புகளையும் அது அடையாளம் காட்டுகிறது. சக்திவாய்ந்த எதிர்கால அமைப்புகள் குறித்த முன்கணிப்புகளின் அடிப்படையிலான கட்டுரை அது; கணித முன்னேற்றம் நிறுவிய கால அட்டவணை அல்ல. [அன்பும் கருணையும் கொண்ட இயந்திரங்கள்](https://darioamodei.com/essay/machines-of-loving-grace)

சமன்பாடுகள் குறித்த நிரூபணம் மட்டும் செயல்படும் சிகிச்சையையோ குறைந்த செலவு ஆற்றல் அமைப்பையோ நிரூபிக்காது. ஒவ்வொரு பயன்பாட்டுக்கும் மேலதிக ஆதாரம் தேவை. இருந்தாலும், முன்னேற்றத்தை விரைவாக்கும் சாத்தியத்திற்கு மதிப்பளிப்பது நியாயமானது: பயனற்ற திசையை நிராகரிக்கவோ கூடுதல் தகவல் தரும் பரிசோதனையை வடிவமைக்கவோ ஆய்வாளர்களுக்கு உதவுவது, ஆய்வு தன்னாட்சியடைவதற்கு முன்பே முக்கியமாகலாம்.

பலன் யாருக்குச் செல்கிறது என்ற கேள்வி மீண்டும் எழுகிறது. அறிவியல் ரீதியாகச் சரியான முன்னேற்றம், அதை வாங்கக்கூடியவர்களிடம் மட்டும் செல்லலாம். ஆய்வு விரைவடைந்தாலும், அதன் உரிமையாளர்கள் முக்கியம் எனக் கருதும் சிக்கல்களிலேயே கவனம் குவியலாம். விரைவாக்கத்தால் பொதுமக்கள் பரவலாகப் பயனடைவார்களா என்பது நிதி, அணுகல், பயன்பாட்டுக்குக் கொண்டுவருதல் குறித்த தேர்வுகளையும் சார்ந்தது. கண்டுபிடிப்புகளின் எண்ணிக்கை மட்டும் அந்தத் தேர்வுகளுக்குப் பதிலளிக்காது.

## சரியான நிரூபணம் நல்ல தீர்மானத்துக்கு உத்தரவாதமல்ல

ஒருங்கிணைவு இன்னொரு கேள்வியை எழுப்புகிறது. வாதத்தைக் கண்டுபிடிப்பதில் ஒரு அமைப்பு சிறந்து விளங்கலாம்; ஆனால் நீண்ட ஆய்வுத் திட்டம் முழுவதும் அதன் இயக்குநரின் நோக்கத்தைப் பின்பற்றுவதில் நம்பகமற்றதாக இருக்கலாம். சரிபார்க்கப்பட்ட கணித வெளியீடு, அந்த வெளியீடு குறித்த ஒன்றை நிறுவும். அனுமதிகளை அமைப்பு எப்போதும் மதிக்கிறது, தோல்விகளை நேர்மையாகத் தெரிவிக்கிறது அல்லது சரியான இலக்குகளைத் தொடர்கிறது என்பதை அது தனியாக நிறுவாது.

மேலும் திறன்வாய்ந்த கருவிகளை ஆய்வகங்கள் பயன்படுத்தும்போது இந்த வேறுபாடு முக்கியம். வரையறுக்கப்பட்ட தேடலை ஒப்படைத்து அதன் முடிவை ஆய்வு செய்வதும், பரிசோதனைகள், செலவுகள் அல்லது வெளியீடுகள் குறித்து அமைப்புக்கு விரிவான அதிகாரம் அளிப்பதும் ஒன்றல்ல. அறிவியல் சாதனை இன்னும் விரிவான ஆய்வை முயற்சிக்க நியாயம் தரலாம்; அதற்கான அனுமதிகளுக்கு தனியான நியாயம் தேவை.

மனிதப் புரிதலைப் பாதுகாப்பது இங்கு உதவும்; ஆனால் ஒருங்கிணைவுக்கான முழுமையான தீர்வு அதுவல்ல. ஒரு கண்டுபிடிப்பின் கணிதத்தை அறிந்தாலும், மாதிரியின் நடத்தையின் ஒவ்வொரு அம்சமும் தெரியவராது. மாறாக, பயனுள்ள கண்காணிப்பைச் செய்ய ஒவ்வொரு இடைநிலைக் கணக்கீட்டையும் ஒருவர் மீண்டும் செய்ய வேண்டியதில்லை. அமைப்பின் பணி நோக்கத்துக்கு உதவாமல் போகும்போது அதை உணர, போதிய சுயாதீனத் திறனையும் ஆதாரத்தையும் பாதுகாப்பதே நடைமுறை இலக்கு.

ஒவ்வொரு இழந்த பதவிக்கும் ஓய்வுநேரம் ஈடாகிவிடும் என்ற வாக்குறுதியை விட மேலதிக கவனம் மனிதப் பொருள் குறித்த கேள்விக்கும் தேவை. AI மக்களை மிஞ்சினாலும் உறவுகளும் செயல்பாடுகளும் அர்த்தமுள்ளவையாக இருக்கலாம் என Amodei வாதிடுகிறார்; அத்தகைய எதிர்காலத்தின் பொருளாதார ஏற்பாடுகள் இன்னும் தீர்மானிக்கப்படவில்லை என்றும் குறிப்பிடுகிறார். இது சாத்தியமான ஒரு பார்வை; வலியற்ற மாற்றத்துக்கான உத்தரவாதம் அல்ல. [வேலையும் வாழ்வின் பொருளும்](https://darioamodei.com/essay/machines-of-loving-grace)

ஒரு மாணவர் முடிவை முதலில் கண்டுபிடிக்காவிட்டாலும் அதைப் புரிந்துகொள்வதில் மதிப்பைக் காணலாம். எந்த இயந்திரத்தையும் மிஞ்ச வேண்டும் என்று அதன் உறுப்பினர்களிடம் கோராமலேயே ஒரு சமூகம் கற்பித்தல், விவாதம், ஆய்வு ஆகியவற்றுக்கு மதிப்பளிக்கலாம். ஆனால் அவற்றைச் சாத்தியமாக்கும் நிறுவனங்களைப் பேண வளங்களும் தேர்வுகளும் தேவை. தனிப்பட்ட நிறைவு மட்டும் ஆய்வகத்துக்குச் செலவளிக்கவோ, மாதிரி அணுகலை உறுதிசெய்யவோ, துறையைப் பாதுகாக்கவோ முடியாது.

## வெளியீடு உருவாக்கும் சுயாதீனத்தின் அடிப்படையில் மதிப்பிடுங்கள்

நிறுவனத்தின் விளக்கத்தை முழுமையாகச் சாராமல் யாராவது கூற்றைச் சவாலுக்குட்படுத்த முடியுமா? செலவுமிக்க தேடலை மீண்டும் செய்யாமல் மற்றொரு குழு முடிவைப் பயன்படுத்த முடியுமா? தயாரிப்பாளருக்கு ஆர்வம் குறைவான தொடராய்வுக் கேள்விகளை ஆய்வாளர்கள் தேர்ந்தெடுக்க முடியுமா? கவனம் வேறிடத்துக்குச் சென்ற பிறகும் வேலையை விளக்கவும் திருத்தவும் கிடைக்கச் செய்யவும் ஆட்களும் நிறுவனங்களும் உள்ளனவா?

இந்தக் கேள்விகள் நம்பிக்கையான எதிர்காலத்தையும் நம்பிக்கையற்ற எதிர்காலத்தையும் இணைக்கின்றன. ஒன்றில், சக்திவாய்ந்த தனியார் கருவிகள் பகிரப்பட்ட அறிவுக் களஞ்சியத்துக்குப் பங்களிக்கின்றன; முன்பு எட்ட முடியாத கேள்விகளை மேலும் பலர் ஆராய முடிகிறது. மற்றொன்றில், எதைப் பற்றி கேட்பது பயனுள்ளது என்பதைச் சில நிறுவனங்கள் தீர்மானிக்க மேலும் மேலும் சார்ந்தபடி, வெளியிலுள்ளவர்கள் ஈர்க்கக்கூடிய பதில்களை மட்டுமே பெறுகிறார்கள்.

வதந்தியாகக் கூறப்படும் மறைக்கப்பட்ட முடிவுகளில் என்ன உள்ளது என்பது இன்னும் தெரியாது. வெளிவரும் முடிவுகளைச் சுற்றி உருவாகும் ஏற்பாடுகளை நாம் மதிப்பிடலாம். ஒரு பெரிய AI முன்னேற்றம், அறிவியலின் பிற பகுதிகள் தன்னிச்சையாகச் செயல்படும் திறனை அதிகரிக்க வேண்டும்.

## Sources

- [Scott Aaronson: வியப்புகளும் அச்சங்களும் நிறைந்த காலம்](https://scottaaronson.blog/?p=10062) — AI முன்னேற்றம் குறித்த வதந்திகளையும் ஆசிரியரின் விளக்கத்தையும் தெரிவிக்கிறது. பெயரிடப்படாத தீர்வுகளையோ, அவை மறைக்கப்பட்டதற்கானதாகக் கூறப்படும் நோக்கத்தையோ இது வெளியிடவோ சரிபார்க்கவோ இல்லை.
- [கணிதம் மற்றும் செயற்கை நுண்ணறிவுக்கான ஆலோசனைக் குழு](https://agmai.org/) — குழுவின் அறிவிக்கப்பட்ட பணிவரம்பையும் சுயாதீனத்தையும் நிறுவுகிறது. நிலுவையிலுள்ள முடிவுகள் OpenAI தெரிவித்தவை; அவற்றுக்கான பொதுச் சான்றளிப்பு குழுவின் அறிக்கை அல்ல.
- [OpenAI: நவியர்–ஸ்டோக்ஸ் மில்லேனியம் பரிசுச் சிக்கல் குறித்து](https://openai.com/index/navier-stokes-solution/) — நிறுவனத்தின் பதிவு, வெளியிடப்பட்ட நிரூபணக் கோப்புகளுடன் இணைக்கிறது; உள்ளக மாதிரி பற்றியும் விவரிக்கிறது. ஒரேநேரத்தில் நடைபெற்ற பணி குறித்த பகுதி செப்டம்பர் 10 அன்று புதுப்பிக்கப்பட்டது; மூல உரிமையை இந்தக் கட்டுரை தீர்மானிக்கவில்லை.
- [Clay: அதிகாரப்பூர்வ நவியர்–ஸ்டோக்ஸ் சிக்கல் விளக்கம்](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf) — தூண்டலுடன் கூடிய முறிவு சாத்தியங்களையும், தூண்டலற்ற மென்மைச் சாத்தியங்களையும் வரையறுக்கிறது. முன்மொழியப்பட்ட தீர்வைச் சான்றளிப்பதற்குப் பதிலாக, கேள்வியின் வரம்பை நிறுவுகிறது.
- [Clay: நவியர்–ஸ்டோக்ஸ் அறிவிப்பு](https://www.claymath.org/news/navier-stokes-announcement/) — தகுதிவரம்புடன் வழங்கப்பட்ட நிறுவனத்தின் பதில், மதிப்பீடு மற்றும் அங்கீகாரச் செயல்முறையைப் பேணுகிறது. பரிசு வழங்கப்பட்டதாக இது அறிவிக்கவில்லை.
- [OpenAI: நவியர்–ஸ்டோக்ஸ் மற்றும் Euler நிரூபணக் களஞ்சியம்](https://github.com/openai/NavierStokesAndEuler) — பொதுக் களஞ்சியம் இரு முடிவுகளையும் வேறுபடுத்தி, உருவாக்கம் மற்றும் சரிபார்ப்பு வழிமுறைகளை வழங்குகிறது. நிரூபணங்களை மீண்டும் உருவாக்காமலும் சான்றளிக்காமலும் ஆவணங்களை நாங்கள் படித்தோம்.
- [Lean: Lean நிரூபணத்தைச் சரிபார்த்தல்](https://lean-lang.org/doc/reference/latest/ValidatingProofs/) — நிரூபணச் சரிபார்ப்பின் உறுதிகள், முன்கணிப்புகளின் ஆய்வு, வலுவான சுயாதீனச் சோதனைகள் ஆகியவற்றை விளக்குகிறது. நோக்கமுள்ள தேற்றத்தைச் சரியாகப் புரிந்துகொள்வது தனியான கவலை.
- [கணிதம் மற்றும் AI குறித்த அறிவிப்பு](https://www.mathandai.org/) — ஊக்கங்கள், பங்களிப்புக்கான அங்கீகாரம், மனிதப் புரிதல் குறித்த கவலைகளின் முதன்மை அறிக்கை. AI முன்னேற்றத்தையும் சாத்தியமான நன்மைகளையும் இது ஏற்கிறது; பாதிப்பின் அளவீடு அல்ல.
- [Julian Togelius: தயவுசெய்து அறிவியலைத் தானியக்கமாக்காதீர்கள்!](https://togelius.blogspot.com/2025/12/please-dont-automate-science.html) — அறிவியலாளர்களுக்கு உதவுவதையும் அவர்களைத் தேவையற்றவர்களாக்குவதையும் அசல் கட்டுரை வேறுபடுத்துகிறது. சரிபார்க்கப்பட்ட கணிப்பை அல்ல; கற்பனையான எதிர்காலத்தில் செயல்திறன் மற்றும் வாழ்வின் பொருள் குறித்த வாதத்தை முன்வைக்கிறது.
- [Dario Amodei: கருணைமிகு இயந்திரங்கள்](https://darioamodei.com/essay/machines-of-loving-grace) — நடைமுறை வரம்புகளும் தீராத பொருளாதாரக் கேள்விகளும் அடங்கிய, வெளிப்படையாக ஊகத் தன்மை கொண்ட நம்பிக்கையான கட்டுரை. அதன் காட்சிகள் கால அட்டவணையையோ மருத்துவ முடிவையோ நிறுவவில்லை.