செயற்கை நுண்ணறிவுடனான ஏமாற்றமளிக்கும் ஊடாடல்களை நாம் அனைவரும் அனுபவித்திருக்கிறோம் அல்லது “உரையாடல் நிரல்களை வெறுக்கும்”வர்களை அறிந்திருக்கிறோம். பெரும்பாலும் அடிப்படையான அனுபவம் பயனுள்ளதாகவோ மதிப்புமிக்கதாகவோ மகிழ்ச்சியானதாகவோ இல்லாததே காரணம். அந்த ஏமாற்றம் பெரும்பாலும் மாடலின் திறன்களைவிட அனுபவத்துடனேயே அதிகம் தொடர்புடையது: மனிதர்கள், செயற்கை நுண்ணறிவு ஏஜென்ட், விரும்பிய முடிவு ஆகியவற்றுக்கு இடையிலான ஊடாடலுடன். இது ஏற்றுக்கொள்ளப்படுவதற்கான முக்கியத் தடையாகும். குறிப்பாக நிறுவனச் சூழல்களில், மோசமாக வடிவமைக்கப்பட்ட ஊடாடல்கள் திணறலை ஏற்படுத்தலாம், நிகழ்நேரச் சூழலைப் புறக்கணிக்கலாம் அல்லது பயனர் நோக்கத்தையும் நடத்தையையும் மதிக்காமல் போகலாம்.
இந்தக் கண்ணோட்டத்தில், ஒவ்வொரு வடிவமும் வழங்கும் நன்மைகள், அதிலுள்ள வடிவமைப்புச் சவால்கள், அதைப் பயன்படுத்துவதற்கான நடைமுறை வழிகாட்டல் ஆகியவற்றை நாங்கள் அடையாளம் கண்டுள்ளோம். இந்த வடிவங்கள் பல்வேறு ஊடாடல் வகைகளுக்கும் முறைகளுக்கும் பொருந்துகின்றன. அறிவுசார் பணியாளர்கள் சிறந்த முடிவுகளை எடுக்க உதவும் நுகர்வோர் அனுபவங்களுக்கும் உள் செயற்கை நுண்ணறிவுத் தீர்வுகளுக்கும் வாய்ப்புகளை உருவாக்குகின்றன.
பல உருவாக்கச் செயற்கை நுண்ணறிவுத் தீர்வுகளை உருவாக்கியும் பயன்படுத்திப் பார்த்தும் நாங்கள் கண்டுவரும் புதிய வடிவங்களைப் பகிர விரும்புகிறோம். மனிதர்-செயற்கை நுண்ணறிவு உறவுகளைச் சிறப்பாக வடிவமைக்க இவை உதவும்.
அறிவுசார் பணியாளர்களாகவோ நுகர்வோராகவோ தொழில்நுட்பத்துடன் நாம் மேற்கொள்ளும் பல ஊடாடல்கள், அன்றாடப் பணிகளைத் தேவையின்றிச் சிக்கலாக்குகின்றன. அவை நமது உற்பத்தித்திறன், செயல்திறன், மதிப்பு ஆகியவற்றைக் கட்டுப்படுத்துகின்றன.
கிடைக்கும் தகவல், தேர்வுகள், கருவிகளின் மிகப்பெரிய அளவு அறிவுசார் பணியாளர்களையும் நுகர்வோரையும் திணறச் செய்யலாம். பெரும்பாலும் ஒன்றுக்கொன்று முரண்படும் செய்திகளின் இந்த இடைவிடாத தாக்குதல், தெளிவான முடிவுகளை எடுப்பதையும் கவனத்தைப் பேணுவதையும் கடினமாக்குகிறது. ஊழியர்கள் தங்களுக்குத் தேவையான தகவலைத் தேடுவதற்கே பணிநாளின் 40% வரை செலவிடுவதாக ஆய்வுகள் தெரிவிக்கின்றன (மெக்கின்சி). இந்த தகவல் சுமை உற்பத்தித்திறனையும் நல்வாழ்வையும் பாதிக்கிறது.
மேலும், நமது கவனத் திறன் வரம்புக்குட்பட்டது. தகவலைக் கண்டறிந்தாலும், தகவலறிந்த முடிவை எடுக்கத் தேவையான அனைத்தையும் நம்மால் செயலாக்கவோ பகுப்பாய்வு செய்யவோ முடியாது. எந்த நேரத்திலும் கிடைக்கும் தரவின் சிறு பகுதியிலேயே நம்மால் கவனம் செலுத்த முடியும். மாற்றுகளைப் பரிசீலிக்கும் அல்லது எதிர்பாராத வடிவங்களைக் கண்டறியும் திறனைக் கட்டுப்படுத்தும் தற்போதைய நம்பிக்கைகள், யோசனைகளையே நாம் பெரும்பாலும் பற்றிக்கொள்கிறோம்.
கருவிகளே பெரும்பாலும் இந்த வரம்புகளை உணரத் தவறுகின்றன. பெரும்பாலான தொழில்நுட்பம் “சராசரிகளுக்காக” வடிவமைக்கப்படுகிறது. அதாவது தனிப்பட்ட சூழல்களுக்குத் தகவமையாத, அனைவருக்கும் ஒரே தீர்வுகள். பணியிட மென்பொருளையோ நுகர்வோர் செயலிகளையோ பயன்படுத்தினாலும், நமது தேவைகள், கட்டுப்பாடுகள் அல்லது தனித்துவமான சூழல்களை இந்தக் கருவிகள் அரிதாகவே கருத்தில் கொள்கின்றன. இதன் விளைவாக, தொழில்நுட்பம் செயல்திறனற்றதாகவோ எதிர்விளைவு தருவதாகவோ மாறலாம். மேலும் தகவமைக்கக்கூடிய, தனிப்பட்ட ஊடாடல்களை உருவாக்க உருவாக்கச் செயற்கை நுண்ணறிவு வாய்ப்பளிக்கிறது.
இறுதியாக, பல பணிச்சூழல்கள் தேவையற்ற துயரத்தை உருவாக்குகின்றன. அதிகரிக்கும் “பயனற்ற வேலைகள்”, “எப்போதும் தயாராக இருக்க” வேண்டிய அழுத்தம், மீண்டும் மீண்டும் செய்யப்படும் குறைந்த மதிப்புள்ள பணிகள் ஆகியவை ஈடுபாட்டின்மைக்கும் நீடித்த மனஅழுத்தத்திற்கும் காரணமாகின்றன. உருவாக்கச் செயற்கை நுண்ணறிவும் செயற்கை நுண்ணறிவு ஏஜென்ட்களும் இத்தகைய அனுபவங்களைக் குறைக்கவோ நீக்கவோ முடியும் என்றாலும், பலர் இன்னமும் ஒட்டுமொத்தப் பணியையும் மேம்படுத்தும் செயற்கை நுண்ணறிவின் திறனை நம்புவதில்லை. தாங்கள் இடமாற்றப்படுவோம் என்ற அச்சத்தாலோ, பிடிக்காத பணிகளில்கூட உரிமை உணர்வைக் கொண்டிருப்பதாலோ, “செயற்கை நுண்ணறிவு பொறுப்பேற்பதை” மக்கள் எதிர்க்கலாம்.
செயற்கை நுண்ணறிவைப் பயன்படுத்துவது மட்டுமே தீர்வல்ல. மோசமாக ஒருங்கிணைக்கப்பட்ட செயற்கை நுண்ணறிவு, குறிப்பாக அறிவுசார் பணியாளர்களுக்குப் புதிய பணிகளையும் பதற்றங்களையும் உருவாக்கலாம். செயல்திறன் கொண்டதாக மட்டுமல்லாமல், நமது அறிவாற்றல் திறன்கள், தனிப்பட்ட சூழல்கள், நிஜ உலகக் கட்டுப்பாடுகளுடன் ஒத்திசையும் மனிதர்-செயற்கை நுண்ணறிவு ஊடாடல்கள் தேவை என்பதை இந்தச் சவால்கள் காட்டுகின்றன. மக்களின் தேவைகளை உணர்ந்து, செயற்கை நுண்ணறிவுடன் மேலும் தகவமைக்கக்கூடிய, வெளிப்படையான, பொருளுள்ள உறவை ஆதரிக்கும் அணுகுமுறைகளைப் பின்வரும் ஆறு வடிவங்கள் விளக்குகின்றன.
புதிய வடிவமைப்பு வடிவங்களுக்கும் திறன்மிக்க, மனிதரை மையமாகக் கொண்ட செயற்கை நுண்ணறிவு அனுபவங்களுக்கான கோட்பாடுகளுக்கும் இடையிலான உறவு.
தொகுத்தளித்தல்: அறிவார்ந்த பட்டியலாகச் செயற்கை நுண்ணறிவு—பரந்த தரவுத்தொகுப்புகளில் மக்கள் வழிகாண உதவுவதன் மூலம் தகவலைத் தொகுத்து ஒழுங்கமைத்து, திணறலைக் குறைக்கிறது.
கருத்து வழங்குதல்: சிந்தனைத் துணையாகச் செயற்கை நுண்ணறிவு—ஊகங்களுக்குச் சவால்விட்டு மாற்றுக் கண்ணோட்டங்களை வழங்கும், சிந்தனையைத் தூண்டும் நிகழ்நேரக் கருத்தை அளிக்கிறது.
சூழ்நிலை விழிப்புணர்வு: இங்கும் இப்போதும் நடப்பதைப் புரிந்துகொள்ளும் செயற்கை நுண்ணறிவு—சுற்றுச்சூழல் தகவலையும் பயனர் தேவைகளையும் தொடர்ந்து செயலாக்கி, நிகழ்நேரச் சூழலுக்குத் தகவமைக்கிறது.
தொடர்ச்சியான கண்டறிதல்: ஒவ்வோர் ஊடாடலையும் பயனர் ஆய்வாக மாற்றுதல்—ஒவ்வொரு பயனர் ஊடாடலிலிருந்தும் நுண்ணறிவுகளைக் கண்டறிந்து தனது புரிதலைச் செம்மைப்படுத்துவதால், தொடர்ந்து கற்றலும் மேம்பாடும் உறுதியாகின்றன.
விரிவாக்கம்: சிறந்த முடிவுகளுக்காகப் பயனர் உள்ளீட்டை மேம்படுத்துதல்—பயனர்களின் மூல நோக்கத்தைப் பாதுகாத்தபடி, பின்னணியில் அவர்களின் உள்ளீட்டைச் செயற்கை நுண்ணறிவு மேம்படுத்துகிறது.
செயல்முறையைக் காட்டுதல்: வெளிப்படையான செயற்கை நுண்ணறிவு ரீஸனிங்—முடிவெடுக்கும் செயல்முறையைப் புலப்படவும் பயனுள்ளதாகவும் ஆக்கி, நம்பிக்கையை வளர்த்து, தகவலறிந்த முடிவுகளை எடுக்கப் பயனர்களுக்கு உதவுகிறது.
திறன்மிக்க செயற்கை நுண்ணறிவுத் தீர்வுகளுக்கு நன்கு வடிவமைக்கப்பட்ட பயனர் இடைமுகம் மட்டும் போதாது என்பதை இந்த ஆறு வடிவங்கள் காட்டுகின்றன. சிக்கலான அறிவு அமைப்புகளில் மக்களும் செயற்கை நுண்ணறிவு ஏஜென்ட்களும் ஒருங்கிணைந்து செயல்படும், முடிவெடுக்கும், ஊடாடும் விதத்தை இவை வடிவமைக்கின்றன. இந்த வடிவங்கள் மனிதர்-செயற்கை நுண்ணறிவு ஊடாடலைப் பின்வரும் வழிகளில் மேம்படுத்துகின்றன:
இருவழி அறிவுப் பரிமாற்றத்திற்கு முன்னுரிமை அளித்தல்: செயற்கை நுண்ணறிவும் மக்களும் யோசனைகள், சூழல், நுண்ணறிவுகளைப் பங்களிக்கும் உரையாடலை உருவாக்குங்கள். இன்னும் முறைப்படுத்தப்படாத நிபுணத்துவ அறிவாலும் உள்ளுணர்வாலும் வழிநடத்தப்படும், அதிகத் திறனுள்ள செயற்கை நுண்ணறிவு அமைப்புகளை இது ஆதரிக்கிறது.
சூழல்களுக்கேற்பத் தகவமைந்து மாறும் அனுபவங்களை உருவாக்குதல்: செயற்கை நுண்ணறிவுக் கருவிகள் விரைவில் காலாவதியாகவோ பொருத்தமற்றதாகவோ மாறலாம். சூழ்நிலை விழிப்புணர்வைப் பேணி, தொடர்ந்து கற்று, ஒவ்வொரு பயனரின் சூழலுக்கும் தகவமையும் அமைப்புகள் காலப்போக்கிலும் பயனுள்ளதாக இருக்கும்.
நம்பிக்கையையும் உறுதியையும் மேம்படுத்துதல்: வெளிப்படையான, கூட்டுச் செயல்பாட்டு ஊடாடல்கள் ஏற்றுக்கொள்வதற்கான தடைகளைக் குறைத்து, ஈடுபாட்டை அதிகரித்து, மனிதர் மற்றும் செயற்கை நுண்ணறிவின் முடிவெடுப்பை மேம்படுத்துகின்றன. சிந்தனைமிக்க வடிவமைப்பு, ஓர் அமைப்பின் முடிவுகளிலும் வெளியீடுகளிலும் மக்கள் காலப்போக்கில் நம்பிக்கையைப் பேண உதவுகிறது.
திறன்மிக்க செயற்கை நுண்ணறிவு அனுபவங்களை வடிவமைப்பது சவாலானது; ஆனால் நிரூபிக்கப்பட்ட அணுகுமுறைகள் உதவும். பயனர்களைப் புரிந்துகொள்வது, பயனுள்ள அனுபவங்களை உருவாக்குவது ஆகிய அடிப்படைக் கோட்பாடுகள் இன்னும் பொருந்துகின்றன. தன்னாட்சி கொண்ட செயற்கை நுண்ணறிவு அமைப்புகள் அறிமுகப்படுத்தும் புதிய அம்சங்களையும் கருத்தில் கொள்ள வேண்டும். தகவலைத் திறம்படத் தொகுத்து, பயனுள்ள கருத்தை வழங்கி, வெளிப்படையாகக் கற்கும் அனுபவங்கள் சுமையைக் குறைத்து, முடிவெடுப்பை மேம்படுத்தி, நம்பிக்கையை வளர்க்கலாம்.
ஏற்றுக்கொள்வதில் உள்ள பொதுவான தடைகளைத் தாண்ட இந்த வடிவங்கள் உதவுகின்றன. சம்பந்தப்பட்ட அனைவருக்கும் செயற்கை நுண்ணறிவை உண்மையிலேயே பயனுள்ளதாகவும் தகவமைக்கக்கூடியதாகவும் மதிப்புமிக்கதாகவும் ஆக்குகின்றன.
கீழுள்ள வழிகாட்டி ஒவ்வொரு வடிவத்தையும் விரிவாக ஆராய்ந்து, பரந்த செயற்கை நுண்ணறிவு அனுபவத்தை அது எவ்வாறு ஆதரிக்கும் என்பதையும் விளக்குகிறது.
இது என்ன: முடிவற்ற தேடல் முடிவுகள் அல்லது ஆவணங்களைப் பயனர்கள் தாங்களே அலசுவதற்குப் பதிலாக, பரந்த தரவுத்தொகுப்புகளிலிருந்து தகவல்களைச் செயற்கை நுண்ணறிவு ஏஜென்ட்கள் தொகுத்து, மிகவும் பொருத்தமான நுண்ணறிவுகளை வழங்கலாம். சுருக்கமாக, பயனரின் சூழலுக்கு ஏற்ப அறிவை ஒழுங்கமைக்கும் நூலகராகச் செயற்கை நுண்ணறிவு செயல்படுகிறது.
இது ஏன் பயனுள்ளது: தகவல் சுமையைக் குறைக்கிறது. ஒரு சராசரி அறிவுசார் பணியாளர் தகவலைத் தேடுவதற்கு நாளொன்றுக்கு 1.8 மணிநேரம் செலவிடுகிறார். இது பல ஊழியர்களின் பணிச்சோர்வுக்குக் காரணமாகிறது (மெக்கின்சி). பலவகையான ஆதாரங்களிலிருந்து தகவலை அட்டவணைப்படுத்தி, கண்டறிந்து, ஒருங்கிணைப்பதன் மூலம் செயற்கை நுண்ணறிவு சார்ந்த தொகுத்தளித்தல் இச்சிக்கலைத் தீர்க்கிறது. வழக்கமான தேடலில் தவறவிடக்கூடிய தகவல், விருப்பங்கள், நுண்ணறிவுகளைக் கண்டறிய இது உதவுகிறது.
சவால்: வழக்கமான இடைமுகம் சார்ந்த தேடலிலிருந்து ஏஜென்ட் உதவியுடனான அணுகுமுறைக்கு மாற, பயனர்கள் தங்கள் எதிர்பார்ப்புகளை மாற்றிக்கொள்ள வேண்டும். இணைப்புகளின் பட்டியலைப் பார்ப்பதற்கோ, தரவுத்தொகுப்பை வடிகட்ட பொத்தான்களை அழுத்துவதற்கோ மக்கள் பழகியுள்ளனர். ஆனால், பயனர்கள் அறிந்திராத ஆதாரங்களிலிருந்தும் செயற்கை நுண்ணறிவுத் தொகுப்பாளர் பதில்களை ஒருங்கிணைக்கிறது. இதனால் வடிகட்டுதல் மீதான பயனர்களின் கட்டுப்பாட்டு உணர்வு குறையலாம்; ஏஜென்ட்டின் தேர்வுகளை அவர்கள் நம்ப வேண்டியிருக்கலாம். பழக்கமான தேடல் முறைகள், நம்பிக்கையையோ கட்டுப்பாட்டையோ இழக்காமல் செயற்கை நுண்ணறிவு சார்ந்த தொகுத்தளித்தலுக்கு மக்கள் பழக உதவும்.
கட்டமைக்கப்பட்ட மற்றும் கட்டமைக்கப்படாத தகவல்களைக் கண்டறிய, பழக்கமான ஊடாடல் முறைகளை OpenAI எவ்வாறு பயன்படுத்துகிறது.
தேடல் முறைகளைப் பழக்கமான ஊடாடல்களாக வழங்குங்கள்:
வழக்கமான தேடலிலிருந்து மாறுவதை எளிதாக்க, வெற்றுத் திரைகளுக்குப் பதிலாகப் பழக்கமான ஊடாடல்களை வழங்குங்கள். அடையாளம் காணக்கூடிய விருப்பங்கள், வினாப்பட்டியல்கள், சூழல்சார் பரிந்துரைகள் ஆகியவற்றின் அடிப்படையில் அனுபவம் அமைந்தால் பயனர்கள் வசதியாக உணர்வார்கள்.
கட்டற்ற உள்ளீட்டைக் கோருவதற்குப் பதிலாகப் பொத்தான்களைப் ப்ராம்ப்ட்களாகப் பயன்படுத்துங்கள்:
கட்டற்ற உரை உள்ளீடு கடினமாகவோ நேரம் எடுப்பதாகவோ தோன்றலாம். முன்னமைக்கப்பட்ட அல்லது தானாக உருவாக்கப்பட்ட பொத்தான்கள் தொகுத்தளித்தலை எளிதில் அணுகக்கூடியதாக்குகின்றன. எடுத்துக்காட்டாக, “மிகச் சமீபத்தியவற்றின்படி வடிகட்டு”, “விலைகளை ஒப்பிடு”, “உலகளாவிய ஆதாரங்களைச் சேர்” ஆகியவை முடிவுகளைச் செம்மைப்படுத்த உதவும். இது பங்கேற்பதற்கான தடையைக் குறைத்து, ஆராய்வதை ஊக்குவித்து, பயனர் நோக்கத்திற்கு ஏற்ப செயற்கை நுண்ணறிவின் பரிந்துரைகளை அமைக்கிறது.
தேடல் முடிவுகளைச் செம்மைப்படுத்தப் பயனர்கள் தங்கள் கதையைச் சொல்ல அனுமதியுங்கள்:
சில நேரங்களில், நேரடிக் கேள்விகள் அல்லது வடிகட்டிகளைவிடக் கதைசொல்லல் பயனரின் தேவைகளைச் சிறப்பாக வெளிப்படுத்தும். அடர்த்தியான முகப்புப் பலகைகளைப் பயன்படுத்துவது அல்லது சரியான பொருளைத் தேடுவது போன்ற சிக்கலான சூழல்களில், வழக்கமான கருவிகள் மக்களைத் திணறச் செய்யலாம்; எந்த அளவுருக்களை மாற்றுவது என்றும் அவர்களுக்குத் தெரியாமல் போகலாம்.
பயனர்கள் ஒரு சிக்கல், தனிப்பட்ட இலக்கு அல்லது விரும்பும் பொருளை விவரித்து “தங்கள் கதையைச் சொல்லும்போது”, அந்த விவரிப்பைக் கட்டமைக்கப்பட்ட தேடல் அளவுருக்களாகச் செயற்கை நுண்ணறிவு மாற்றலாம். எடுத்துக்காட்டாக, “நான் இப்போதுதான் சிறிய வீட்டிற்கு மாறியுள்ளேன்; பலவகையில் பயன்படுத்தக்கூடிய, மலிவான சேமிப்புத் தீர்வுகள் வேண்டும்” என்று கூறுபவருக்குத் தொகுக்கப்பட்ட பொருள் யோசனைகள், நடைமுறைக் குறிப்புகள், பொருத்தமான பரிந்துரைகள் கிடைக்கலாம்.
கதைசொல்லலை ஏற்றுக்கொள்வது, எந்த வடிகட்டிகளைப் பயன்படுத்துவது என்ற மனச்சுமையைக் குறைப்பதோடு, இறுதியாகத் தொகுக்கப்பட்ட முடிவுகள் மீதான நம்பிக்கையையும் தெளிவையும் வளர்க்கிறது.
கண்டறிதலைத் தனிப்பயனாக்க இணைய நகைச்சுவைகளையும் பண்பாட்டுக் குறிப்புகளையும் பயன்படுத்துங்கள்:
இணைய நகைச்சுவைகள் செயற்கை நுண்ணறிவுத் தொகுத்தளித்தலுக்கு இருவழிகளில் உதவுகின்றன: பயனரைப் பற்றிய ஏஜென்ட்டின் புரிதலை வளப்படுத்துகின்றன; தேடல் முடிவுகளை மனித இயல்புடன், எளிதில் தொடர்புபடுத்தக்கூடிய விதத்தில் உயிர்ப்பிக்கின்றன. முதலில், தங்கள் இலக்கு, மனநிலை அல்லது பாணியை விளக்கும் இணைய நகைச்சுவைகளைத் தேர்ந்தெடுப்பதன் மூலமோ குறிப்பிடுவதன் மூலமோ பயனர்கள் தங்கள் “மனக் கோட்பாட்டை” செயற்கை நுண்ணறிவுடன் பகிர்கிறார்கள். எடுத்துக்காட்டாக, “இன்று ‘உன்னையே உபசரி’ என்ற மனநிலையில் இருக்கிறேன்!” என்று கூறலாம். வழக்கமான வரைகலை இடைமுகம் அல்லது உரைக் கேள்வியில் விடுபடக்கூடிய சூழலை ஊகித்து, தனது தொகுத்தளித்தலை ஏஜென்ட் நுணுக்கமாகச் சீரமைக்க இது உதவுகிறது.
இரண்டாவதாக, கருப்பொருள் அல்லது வெகுமக்கள் பண்பாட்டால் ஈர்க்கப்பட்ட “தொடக்கத் தொகுப்புகளாக” ஏஜென்ட் முடிவுகளை வழங்கலாம். இதனால் பரிந்துரைகள் மிகவும் பொருத்தமாகவும் தனிப்பயனாகவும் தோன்றும். எடுத்துக்காட்டாக, ஒருவர் வீட்டு அலுவலகத்தை மறுவடிவமைத்தால், மேசைத் துணைக்கருவிகள், தொழில்நுட்பம், உத்வேகம் ஆகியவற்றை இணைத்து “வீட்டிலிருந்து பணிபுரிவதற்கான தொடக்கத் தொகுப்பை” செயற்கை நுண்ணறிவு உருவாக்கலாம்.
அடுத்த சிறந்த செயல்கள் மூலம் பயனருக்குத் தெளிவை உருவாக்குங்கள்:
செயற்கை நுண்ணறிவு ஏஜென்ட்டின் முடிவுகள் சரியாக இருந்தாலும் இல்லாவிட்டாலும், பயனர்கள் அளவுருக்களை எளிதில் செம்மைப்படுத்த முடிய வேண்டும். எடுத்துக்காட்டாக, “உருப்படி 2 போன்றவற்றை மேலும் காட்டு” அல்லது “2020-க்கு முந்தைய ஆதாரங்களை விலக்கு” என்று கேட்கலாம். பரிந்துரைக்கப்படும் அடுத்த செயல்கள் புதிய பயனர்களைத் திணறடிக்காமல் வழிநடத்தலாம்.
இது என்ன: பாரம்பரியமாக மனிதர்கள் செய்த பணிகளை ஒப்படைக்கும் வழியாகவே செயற்கை நுண்ணறிவு ஏஜென்ட்கள் பெரும்பாலும் விவாதிக்கப்படுகின்றன. நிகழ்நேரக் கூட்டாளிகளாகச் செயல்படும் அவற்றின் திறன் குறைவான கவனமே பெறுகிறது. அறிவுறுத்தல்களைப் பின்பற்றுவதோ உள்ளடக்கத்தை உருவாக்குவதோ மட்டுமின்றி, சிந்தனையைத் தூண்டும் கேள்விகளைக் கேட்டு, ஊகங்களுக்குச் சவால்விட்டு, மாற்றுக் கண்ணோட்டங்களை ஏஜென்ட் வழங்கலாம். இதனால், பணி வளர்ச்சியடையும்போதே அதை மேம்படுத்த உதவும் சிந்தனைத் துணையாகச் செயற்கை நுண்ணறிவு அமைகிறது.
இது ஏன் பயனுள்ளது: சரியான நேரத்தில் கிடைக்கும் கருத்து அனைவருக்கும் பயனளிக்கும்; ஆனால் அது எப்போதும் நமக்குக் கிடைப்பதில்லை. ஒரு யோசனையுடன் அளவுக்கு அதிகமாகப் பற்றுகொள்வதற்கு முன் வடிவங்களைக் கண்டறிய, எதிர்ப்பும் ஆதரவும் உதவும். மனிதத் தீர்ப்புக்குப் பதிலாகச் செயல்படாமல், நமது ஊகங்களுக்குச் சவால்விடவும், யோசனைகளை உருவாக்கவும், தரவின் மாற்று விளக்கங்களைப் பரிந்துரைக்கவும் செயற்கை நுண்ணறிவு ஏஜென்ட்களால் முடியும். இந்த வகை ஏஜென்ட் சார்ந்த கருத்தைப் பெரும்பாலும் மக்கள் நன்றாக ஏற்றுக்கொள்வதை நாங்கள் கண்டுள்ளோம்.
ரீஸனிங்கில் உள்ள இடைவெளிகளை வெளிப்படுத்தும் அல்லது மாற்றுக் கண்ணோட்டங்களை எடுத்துக்காட்டும் எதிர்வாதங்களைச் செயற்கை நுண்ணறிவு ஏஜென்ட்கள் உருவாக்கலாம்.
சவால்: செயற்கை நுண்ணறிவின் கருத்து இயல்புணர்வுக்கு ஏற்றதாகவும் செயல்படுத்தக்கூடியதாகவும் இருக்க வேண்டும்; இல்லையெனில் அது கவனச்சிதறலாகிவிடும். பொருத்தமற்ற பரிந்துரைகளுடன் குறுக்கிடும் அல்லது ஒவ்வொரு விவரத்திலும் குறை காணும் ஏஜென்ட்டை மக்கள் வரவேற்க மாட்டார்கள். செயற்கை நுண்ணறிவு சரியான தருணங்களில், பொருத்தமான தொனியில் தலையிட வேண்டும். அது மிகவும் செயலற்றிருந்தால் பயனுள்ள வாய்ப்புகள் தவறும்; மிகவும் தீவிரமாக இருந்தால், தங்கள் முடிவுகள் சந்தேகிக்கப்படுவதாகப் பயனர்கள் உணரலாம்.
செயற்கை நுண்ணறிவின் கருத்தை எவ்வாறு வெளிப்படுத்துவது என்பதே சவால்: குறிப்புகளாகவா, விருப்பத்தேர்வு மதிப்பாய்வாகவா அல்லது இருவழி உரையாடலாகவா வழங்குவது? ஊடாடலைச் சரியாக வடிவமைப்பதே, பயனர்கள் செயற்கை நுண்ணறிவைக் கூட்டாளியாக ஏற்றுக்கொள்வார்களா அல்லது வெறும் கிளிப்பி 2.0 ஆகப் பார்ப்பார்களா என்பதைத் தீர்மானிக்கும்.
கருத்து முனைப்புடன் இருக்கட்டும்; ஆனால் எரிச்சலூட்டக் கூடாது:
இயல்பான இடைவெளிகளில் செயற்கை நுண்ணறிவு பரிந்துரைகளை வழங்கட்டும். எடுத்துக்காட்டாக, ஆவணத் திருத்தியில் ஒரு வாக்கியம் அல்லது பத்தி முடியும்வரை காத்திருந்து, பின்னர் திருத்தத்தைப் பரிந்துரைக்கலாம். வெற்று உரைப் புலத்தைத் தேர்ந்தெடுத்த பிறகு, உதவி வழங்குவதற்கு முன் ஏஜென்ட் சிறிது நேரம் காத்திருக்கச் செய்வதையும் நாங்கள் ஆராய்ந்துள்ளோம். தொனி முக்கியம்: நேரடியான வலியுறுத்தலைவிட “பரிசீலிக்க ஒரு யோசனை இதோ…” என்பது ஆக்கபூர்வமாகத் தோன்றும்.
கருத்தை ஆராயும் உரையாடலாக மாற்றுங்கள்:
கருத்து தெளிவாக இல்லாவிட்டால், “இதை மாற்ற ஏன் பரிந்துரைக்கிறீர்கள்?” போன்ற கேள்விகளைப் பயனர்கள் எளிதில் கேட்க வழிசெய்யுங்கள். ஆர்வமுள்ள செயற்கை நுண்ணறிவு ஆளுமை, உரையாடலை மேலும் ஆக்கபூர்வமாக்கலாம். சிந்தனைமிக்க சிகிச்சையாளர் அல்லது வழிநடத்துநரைப் போல, சரியான நேரத்தில் பொருத்தமான கேள்விகளை ஏஜென்ட் கேட்டு, பயனர் கற்றுக்கொள்ள உதவும் உரையாடலாகக் கருத்தை மாற்றலாம்.
சூழலைச் சேகரிக்கவும் இது செயற்கை நுண்ணறிவுக்கு உதவுவதால், பயனரும் ஏஜென்ட்டும் தெளிவான பொதுப் புரிதலை உருவாக்க முடியும்.
பல விருப்பங்கள், யோசனைகள் அல்லது மாற்றுகளை வழங்குங்கள்:
ஒரே யோசனை, தீர்வு அல்லது சவாலை வழங்குவதற்குப் பதிலாக, ஏஜென்ட் பல கண்ணோட்டங்களை முன்வைக்கலாம். எடுத்துக்காட்டாக, வடிவமைப்பு ஏஜென்ட் மூன்று மாற்று அமைப்புகளை உருவாக்கலாம்; எழுதும் ஏஜென்ட் வெவ்வேறு வாசகர்களுக்கு ஏற்ற ஒரு வாக்கியத்தின் வெவ்வேறு வடிவங்களைப் பரிந்துரைக்கலாம். விருப்பங்களை வழங்குவது, கட்டுப்பாடு பயனரிடமே இருப்பதை உறுதிப்படுத்துகிறது.
கருத்து சூழலை உணர்ந்ததாக இருப்பதை உறுதிசெய்யுங்கள்:
பயனரின் தற்போதைய சூழலுக்கு ஏற்பத் தனது “சிந்தனைத் துணை” பங்கை ஏஜென்ட் தகவமைக்க வேண்டும். ஒருவர் கேள்வி அல்லது உரைப் புலத்தில் தயங்கும்போது, முழுப் பதிலுடன் குறுக்கிடுவதற்குப் பதிலாகச் சிந்தனையைத் தூண்டும் கேள்வியைச் செயற்கை நுண்ணறிவு கேட்கலாம். ஒரு வாக்கியத்தை மட்டும் மாற்றியமைக்க வேண்டியபோது, ஏற்கவோ நிராகரிக்கவோ கூடிய சுருக்கமான பரிந்துரை, பணியின் மீதான பயனரின் உரிமையைப் பாதுகாக்க உதவும்.
முக்கியமாக, எப்போது பின்வாங்க வேண்டும் என்பதைச் செயற்கை நுண்ணறிவு அறிய வேண்டும். நீண்ட தொடருரையாடல் முடிவற்ற திருத்தங்களின் “அழிவுச் சுழலுக்கு” வழிவகுத்து, பயனரின் நம்பிக்கையைக் குலைக்கலாம். சூழலையும் பயனர் செயல்களையும் கவனிப்பதன் மூலம், எல்லை மீறாமல் உண்மையிலேயே உதவும் வகையில் செயற்கை நுண்ணறிவு ஏஜென்ட் தனது கருத்தைத் தகவமைக்கலாம்.
இது என்ன: சூழல்சார் தகவலை நிகழ்நேரத்தில் புரிந்துகொண்டு, அதற்கேற்பத் தனது நடத்தையை மாற்றிக்கொள்ளும் ஏஜென்ட்டின் திறனே சூழ்நிலை விழிப்புணர்வு. முன்னரே தீர்மானிக்கப்பட்ட உள்ளீடுகளை மட்டும் சார்ந்திருக்காமல், சுற்றுச்சூழல், பயனரின் தற்போதைய நிலை, பிற பொருத்தமான சூழல்கள் குறித்த தகவலைச் செயற்கை நுண்ணறிவு ஏஜென்ட்கள் தொடர்ந்து செயலாக்கலாம்.
பயனரின் உடனடித் தேவைகளுக்கு ஏற்ப இடைமுகத்தைத் தகவமைப்பதோ, பதில்களைப் பொருத்தமாக்க தற்போதைய சந்தை நிலவரத்தைப் புரிந்துகொள்வதோ இதில் அடங்கலாம்.
இது ஏன் பயனுள்ளது: நிஜ உலகம் மாறாதது அல்ல. தற்போதைய சூழல்களுக்குப் பதிலளிப்பதால், சூழ்நிலை விழிப்புணர்வுள்ள செயற்கை நுண்ணறிவு அமைப்புகள் அதிகப் பயனுள்ளதாக இருக்கலாம். பொருத்தமான சூழலை ஏஜென்ட் புரிந்துகொள்ளும்போது, ஊடாடல்கள் மிகவும் இயல்பாகவும் தனிப்பயனாகவும் நிதர்சனத்துடன் இணைந்ததாகவும் தோன்றும்.
சவால்: உண்மையான சூழ்நிலை விழிப்புணர்வுள்ள செயற்கை நுண்ணறிவை உருவாக்குவது கடினம். தேவையான தரவை அணுகி ஒருங்கிணைப்பது குறிப்பிடத்தக்க தொழில்நுட்பச் சிக்கலை ஏற்படுத்தலாம்.
பயனுள்ள சூழல்சார் விழிப்புணர்வுக்கும் ஊடுருவும் எல்லைமீறலுக்கும் இடையில் மிக நுண்ணிய வேறுபாடே உள்ளது. சூழலை “சரியாகப் புரிந்துகொள்ளும்” ஏஜென்ட்டைப் பயனர்கள் பாராட்டுவார்கள். ஆனால் அது அதிகத் தகவலைக் கேட்டாலோ விடாப்பிடியாகத் தோன்றினாலோ சங்கடப்படலாம். சூழல்கள் விரைவாக மாறக்கூடும் என்பதால், மனித நிபுணத்துவமும் தீர்ப்பும் இன்றியமையாதவை.
எனவே, பயனர்களின் சூழலைப் பற்றிய பயனுள்ள, புதுப்பித்த புரிதலைப் பராமரிக்கத் திறனுள்ள செயற்கை நுண்ணறிவு அமைப்புக்கு அவர்களின் உள்ளீடு தேவை.
சிறந்த சூழல் எப்படியிருக்கும் என்பதைப் பயனர்களுக்குக் காட்டுங்கள்:
OpenAI o1 போன்ற ரீஸனிங் மாடல்கள், பெரிய மொழி மாடல்களுக்குச் சூழலை மக்கள் வழங்கும் விதத்தை மாற்றியுள்ளன. மாடல் எதுவாக இருந்தாலும், விரிவான சூழல் மிகவும் பொருத்தமான பதில்களுக்கு உதவும். தெளிவான எடுத்துக்காட்டுகள், இடநிரப்பு உரை, விரிவாக்கக்கூடிய குறிப்புகள் ஆகியவை என்ன தகவலை வழங்க வேண்டும் என்பதைக் காட்டி, அது ஏன் முக்கியம் என்பதையும் விளக்கலாம்.
“சிறந்த சூழல்” எப்படியிருக்கும் என்பதை வெளிப்படையாகக் காட்டுவது, பொருளுள்ள விவரங்களைக் குறிப்பிடுவதிலிருந்து மக்களைத் தடுக்கும் ஊக வேலையை நீக்கலாம்.
ஏஜென்ட்டின் எல்லைகளை வரையறுப்பதை எளிதாக்குங்கள்:
பயனரின் உடனடித் தேவைகள் முக்கியமானவை; ஆனால் அவை வெளிப்படையாகத் தெரியாமல் இருக்கலாம். சூழ்நிலை விழிப்புணர்வுள்ள ஏஜென்ட், தான் ஆராய வேண்டிய தலைப்புகள், துறைகள், கருவிகளை வரையறுக்கப் பயனருடன் இணைந்து செயல்படலாம். ஆய்வுப் பணியைத் தொடங்குமுன் தெளிவுபடுத்தும் கேள்விகளைக் கேட்பதன் மூலம் ChatGPT-இல் உள்ள டீப் ரிசர்ச் இந்த அணுகுமுறையை ஆதரிக்கிறது.
விரைவான திருத்தங்களுக்கும் சேர்த்தல்களுக்கும் புலப்படும் சூழலை வழங்குங்கள்:
தங்கள் இலக்குகள், கவனம், தரவு ஆதாரங்கள் குறித்து செயற்கை நுண்ணறிவு தற்போது என்ன கருதுகிறது என்பதன் சுருக்கக் காட்சி பயனர்களுக்குத் தேவைப்படலாம். தனிப் பலகம் அதன் அறிவுத் துண்டிப்பு நாள், தற்போதைய ஊகங்கள், பொருத்தமான உள்ளீடுகள் ஆகியவற்றை விளக்கலாம். இருப்பிடத் தரவு பயன்படுத்தப்படும்போது ஓர் உருவக்குறி அதைக் காட்டலாம்; ஒரு நுண்ணறிவுக்கு எத்தனை பதிவுகள் பங்களித்தன என்பதைச் சுருக்கம் காட்டலாம்.
செயற்கை நுண்ணறிவு என்ன “அறிந்துள்ளது” என்பதைப் பார்ப்பதும், பொருத்தமான சூழலை எளிதில் சேர்ப்பதும் நீக்குவதும் புதுப்பிப்பதும் மக்களுக்குப் பயனளிக்கிறது.
பயன்பாட்டின் அடிப்படையில் பயனர் இடைமுக அம்சங்களைச் செயற்கை நுண்ணறிவு தேர்ந்தெடுக்கட்டும்:
சூழ்நிலைக் குறிப்புகளின் அடிப்படையில் செயற்கை நுண்ணறிவு ஏஜென்ட்கள் திறன்களைத் தேர்ந்தெடுத்துச் செயல்படுத்தவோ முடக்கவோ முடியும். ஒருவர் ஆய்வறிக்கை எழுதும்போது, மேம்பட்ட மேற்கோள் கருவிகளை ஏஜென்ட் செயல்படுத்தலாம்; உரையாளர் குறிப்புகளைத் திருத்தும்போது, திருத்த அம்சங்களை முன்னிலைப்படுத்தலாம். ஒவ்வொரு அமைப்பையும் பயனர்கள் தாங்களே நிர்வகிக்க வேண்டிய தேவையில்லாமல், கவனம்செலுத்திய அனுபவங்களை இது ஆதரிக்கிறது.
இது என்ன: அனுபவ வடிவமைப்பும் தயாரிப்பு மேம்பாடும் பயனர் ஆய்வைத் திட்டத்தின் தொடக்கத்திலோ குறிப்பிட்ட இடைவெளிகளிலோ நடக்கும் தனிக் கட்டமாகப் பெரும்பாலும் கருதுகின்றன. தொடர்ச்சியான கண்டறிதல், பயனரின் நடத்தை, தேவைகள், விருப்பங்களைப் புரிந்துகொள்வதைத் தொடர்ந்து நடைபெறும் செயல்முறையாகக் கருதுகிறது. உரையாடல்கள், சொடுக்குகள், கருத்துகள் ஆகியவற்றைப் பயனர்கள் வெளிப்படையாகக் கூறாத நுண்ணறிவுகளைக் கண்டறியும் வாய்ப்புகளாகச் செயற்கை நுண்ணறிவு மாற்றலாம்.
சுருக்கமாக, சிக்கல் சார்ந்த சூழலைச் செயற்கை நுண்ணறிவு நிகழ்நேரத்தில் தொடர்ந்து கற்றுக்கொண்டு, அதற்கேற்பத் தகவமைக்கிறது.
இது ஏன் பயனுள்ளது: செயற்கை நுண்ணறிவு வெளியீட்டின் செயல்திறன் அல்லது பயன்பாட்டுத்தன்மை குறித்து வல்லுநர்கள், தொழில்முறையாளர்கள், பொதுப் பயனர்களிடமிருந்து பயனுள்ள கருத்துகளைப் பெறுவது கடினமாக இருக்கலாம். அனுபவம் நினைவில் புதிதாக இருக்கும்போதே எதிர்வினைகள், நுண்ணறிவுகள், உள்ளுணர்வுகளை அவற்றின் சூழலுடன் பதிவு செய்ய ஏஜென்ட்கள் உதவலாம்.
சவால்: என்ன நடந்தது அல்லது முடிவு பயனருக்குப் பிடித்ததா என்பதைக் கருத்துகள் அடிக்கடி பதிவு செய்தாலும், அதற்கான காரணத்தை விளக்குவதில்லை. அந்த நுண்ணறிவுகள் அமைப்பின் எதிர்காலத் திறன்களை மேம்படுத்தக்கூடியவை என்றாலும், தங்கள் சிந்தனையின் ஒவ்வொரு படியையும் நினைவுகூர்ந்து ஆவணப்படுத்துமாறு கேட்பது மக்களுக்குச் சுமையாகத் தோன்றலாம்.
கட்டற்ற உரையாடல் விரும்பத்தக்கதாகவோ சாத்தியமாகவோ இல்லாத, கடுமையாகக் கட்டுப்படுத்தப்பட்ட செயற்கை நுண்ணறிவு அமைப்புகளில் இது குறிப்பாக முக்கியமானது.
எதிர்வினைகளைப் பதிவு செய்ய விளக்கக் குறிகளைப் பயன்படுத்துங்கள்:
வெறும் “விருப்பம்” அல்லது “விருப்பமில்லை” குறியீடு பயனரின் எதிர்வினையை விளக்குவது அரிது. “வரவுசெலவுத் திட்டமிடலுக்கு உதவியது” அல்லது “ஒழுங்குமுறைத் தகவல் இல்லை” போன்ற விளக்கக் குறிகள் அதிகப் பயனுள்ள சூழலை வழங்குகின்றன. இந்தக் குறிகள் தற்போதைய ஊடாடலைப் பிரதிபலிக்கலாம் அல்லது பயனர்களைச் சுருக்கமான கருத்தைப் பகிர அழைக்கலாம். இதனால் மதிப்பீடு, செயற்கை நுண்ணறிவு கற்றுக்கொள்ளக்கூடிய தகவலாக மாறுகிறது.
“நினைவட்டைகள்” மூலம் செயற்கை நுண்ணறிவு ஏஜென்ட்களை வழிநடத்துங்கள்:
செயற்கை நுண்ணறிவு தவறு செய்யும்போதோ ஓரளவு மட்டுமே வெற்றிபெறும்போதோ, அதைத் திருத்த அல்லது “கற்பிக்க” பயனர்களுக்கு எளிய வழியை வழங்குங்கள். எடுத்துக்காட்டாக, “இதை நீங்கள் எப்படிச் சொல்வீர்கள்?” அல்லது “எந்த விவரத்தை நாங்கள் தவறவிட்டோம்?” என்று ஏஜென்ட் கேட்கலாம். அதிலிருந்து கிடைக்கும் வழிகாட்டலைத் தற்போதைய ஊடாடலுக்காகச் சேமிக்கலாம் அல்லது பின்னர் மீண்டும் பயன்படுத்தலாம்.
மறுசெய்கை மற்றும் மாறுபாட்டிலிருந்து கற்றுக்கொள்ளுங்கள்:
சில நேரங்களில் மீண்டும் முயல்வதிலிருந்தே சிறந்த கருத்து கிடைக்கிறது. எளிய மறுஉருவாக்கக் கட்டுப்பாடுகள், புதிய விருப்பங்களை ஒப்பிட்டு விரும்பியவற்றை அடையாளம் காணப் பயனர்களை அனுமதிக்கின்றன. இந்தத் தேர்வுகள் தொடக்க உள்ளீட்டை மிகவும் பயனுள்ள முடிவுடன் இணைத்து, பரிசோதனையைக் கற்றல் செயல்முறையின் ஒரு பகுதியாக்குகின்றன.
ஊடாடல்களைக் கவனியுங்கள்:
பல ஊடாடல்களிலிருந்து கற்றுக்கொள்ளச் செயற்கை நுண்ணறிவு ஏஜென்ட்கள் ஒன்றிணைந்து செயல்படலாம். எடுத்துக்காட்டாக, ஓர் ஏஜென்ட் ஆய்வுச் சுருக்கத்தை உருவாக்கும்போது, மற்றொன்று அனுபவத்தை மதிப்பிட அந்த உரையாடலைப் பகுப்பாய்வு செய்யலாம். இனவரைவியலாளர்களைப் போலச் செயல்படும் இந்த ஏஜென்ட்கள், ஒருவரின் நோக்கத்திற்கும் வெளியீட்டின் தரம் குறித்த அவரது பார்வைக்கும் இடையிலான வேறுபாடுகளைக் கண்டறியலாம்.
இந்தக் கவனிப்புகள் நுண்ணறிவுகளை வெளிக்கொணர்ந்து, அமைப்பிற்கான மாற்றங்களைப் பரிந்துரைப்பதன் மூலம் தொடர்ச்சியான மேம்பாட்டை ஆதரிக்கலாம்.
இது என்ன: மூல நோக்கத்தைப் பாதுகாத்தபடி சிறந்த முடிவை உருவாக்க, பயனரின் உள்ளீடு, ப்ராம்ப்ட் அல்லது அறிவுறுத்தலை விரிவாக்கம் தகவமைக்கிறது. வெளிப்படையான கோரிக்கைக்கும் அப்பால், கூடுதல் பணியைச் செயற்கை நுண்ணறிவு பின்னணியில் செய்கிறது. எடுத்துக்காட்டாக, அமைப்பு பதிலை உருவாக்குமுன் “மறைமுகப் ப்ராம்ப்டிங்” ஒரு கேள்வியை வளப்படுத்தலாம்.
பயனர் ஒரு தொடக்க யோசனையை வழங்குகிறார்; அதை விரிவுபடுத்துவது முடிவை மேம்படுத்துமானால், ஏஜென்ட் அந்த உள்ளீட்டை விரிவுபடுத்துகிறது.
இது ஏன் பயனுள்ளது: மக்கள் பெரும்பாலும் சுருக்கமான அல்லது மேலோட்டமான அறிவுறுத்தல்களை வழங்குகிறார்கள். ஆனால் சிறந்த பதிலுக்குக் கூடுதல் படிகள் தேவைப்படலாம். பயனர்கள் அனைத்தையும் விளக்க வேண்டிய தேவையில்லாமல் செயற்கை நுண்ணறிவு ஏஜென்ட்கள் அந்த இடைவெளியை நிரப்பலாம். எடுத்துக்காட்டாக, “எனது புதிய காபி பொருளுக்கான சந்தைப்படுத்தல் யோசனைகளை உருவாக்கு” என்று செயற்கை நுண்ணறிவிடம் கேட்டால், இல்லையெனில் பொதுவான பட்டியலே கிடைக்கலாம்.
விரிவாக்கப்பட்ட அணுகுமுறை, அதிக லட்சியமுள்ள பல யோசனை அமர்வுகளை நடத்தி, சிறந்த யோசனைகளை ஒருங்கிணைத்து, செறிவானதும் பல்வகைப்பட்டதுமான முடிவை உருவாக்கலாம்.
சவால்: பின்னணியில் செயல்படுவது பயனரின் உரிமை மற்றும் வெளிப்படைத்தன்மை உணர்வைக் குறைக்கலாம். ஒருவரின் கோரிக்கையை மாற்றியதைச் செயற்கை நுண்ணறிவு விளக்காவிட்டால், பயனர் விரும்பாத முடிவை அது உருவாக்கலாம். பயனுள்ள விரிவாக்கத்தையும் விரும்பாத கையாளுதலின் அபாயத்தையும் வடிவமைப்பாளர்கள் சமநிலைப்படுத்த வேண்டும்.
பயனர்கள் விரும்பும்போது விரிவாக்கத்தை வழிநடத்த அனுமதிப்பதே வடிவமைப்புச் சவால்.
பயனரின் நோக்கத்தைப் பாதுகாத்து, அதன் அடிப்படையில் மேம்படுத்துங்கள்:
புதிய இலக்குகளை அறிமுகப்படுத்தாமல், பயனர் கூறிய இலக்குகளை விரிவாக்கம் மேம்படுத்த வேண்டும். செயற்கை நுண்ணறிவு ஒரு ப்ராம்ப்ட்டை விரிவுபடுத்திய அல்லது பின்னணிப் பணிகளை முடித்த பிறகு, அதுவோ தனியான சரிபார்ப்பானோ இறுதி வெளியீட்டை மூலக் கோரிக்கையுடன் ஒப்பிட வேண்டும். எதிர்பாராத சேர்த்தல்களைத் தெளிவாகத் தெரிவிக்க வேண்டும்.
பாதுகாப்புக்கும் படைப்பாற்றலுக்கும் விரிவாக்கத்தைப் பயன்படுத்துங்கள்:
மறைமுகப் ப்ராம்ப்டிங் போன்ற நுட்பங்கள் பயனர் கோரிக்கைகளை மறைவாக மாற்றியமைப்பது குறித்த கவலைகளை எழுப்பலாம். நம்பிக்கையைப் பேண, பயனரின் நோக்கத்தைப் பாதிக்காமல் தெளிவு, பாதுகாப்பு அல்லது முழுமையை மேம்படுத்த அவற்றைப் பயன்படுத்துங்கள். பாதுகாப்பு சார்ந்த மாற்றம் தேவைப்பட்டால், அதை விளக்குங்கள் அல்லது உடனடிக் கருத்தை வழங்குங்கள்.
அடிப்படைத் தர்க்கம் அல்லது அளவுகோல்களைக் காணாமலே பயனர்கள் உள்ளடக்கக் கட்டுப்பாட்டு முடிவை மட்டும் காணக்கூடும்.
நன்கு சோதிக்கப்பட்ட வழிநடத்தல் நுட்பங்களைப் பயன்படுத்துங்கள்:
பயனுள்ள ஊடாடல்களை வடிவமைக்க, “விடுவிக்கும் கட்டமைப்புகள்” போன்ற வழிநடத்தல் மற்றும் கூட்டுப்பணி முறைகளைச் செயற்கை நுண்ணறிவு ஏஜென்ட்கள் பயன்படுத்தலாம். இந்த எளிய கட்டமைப்புகள் ஒருவரின் படைப்பாற்றல் மற்றும் பகுப்பாய்வுத் திறனை முழுமையாகப் பயன்படுத்த உதவுகின்றன.
உரையாடலின்போது பழக்கமான யோசனை உருவாக்கல் மற்றும் யோசனை வடிகட்டல் முறைகளை ஏஜென்ட் பயன்படுத்தலாம். உரையாடல் விரியும் விதத்தில் செய்யப்படும் சிறிய மாற்றங்கள்கூட விரிவான யோசனைகளையும் நுண்ணறிவுகளையும் உருவாக்கலாம்.
பயனுள்ள உள்ளடக்கத்தை வெளிக்கொணர இணையான இழைகளைப் பயன்படுத்துங்கள்:
ஒரே நேர்கோட்டு உரையாடலை மட்டும் நம்பாமல், பல விளக்கங்கள், யோசனைகள் அல்லது தீர்வுகளை ஏஜென்ட் ஒரே நேரத்தில் ஆராயலாம். பயனுள்ள நுண்ணறிவுகளை இழக்காமல், வெவ்வேறு கண்ணோட்டங்களில் வல்லுநர்கள் குழுவாக யோசிப்பதை இது ஒத்திருக்கிறது.
ஒருங்கிணைக்கும் செயல்முறை, அந்த வெவ்வேறு ஆய்வுப் பாதைகளை ஒத்திசைவான, செயல்படுத்தக்கூடிய பதிலாக இணைக்கலாம்.
பயனர்களுக்குக் கற்பிக்க விரிவாக்கத்தைப் பயன்படுத்துங்கள்:
நன்கு வடிவமைக்கப்பட்ட விரிவாக்கம், செயற்கை நுண்ணறிவுடன் இன்னும் திறம்பட ஊடாடுவது எப்படி என்பதைக் கற்றுக்கொள்ளவும் மக்களுக்கு உதவும். “எனது பதிலில் X மற்றும் Y-ஐக் கருத்தில் கொண்டேன்” என்று ஏஜென்ட் விளக்கினால், எதிர்காலக் கோரிக்கைகளில் பயனர்கள் அந்தக் காரணிகளைச் சேர்க்கலாம். இதனால் இருவழி மேம்பாடு ஏற்படுகிறது: இப்போது சிறந்த பதில்களும், காலப்போக்கில் சிறந்த உள்ளீடுகளும் கிடைக்கின்றன.
இது என்ன: செயற்கை நுண்ணறிவு ஏஜென்ட்களின் ரீஸனிங்கைப் புரிந்துகொள்வதை இந்த வடிவம் எளிதாக்குகிறது. ஏஜென்ட் ஒரு பதிலை ஏன் உருவாக்கியது என்பதைச் சிந்தனைமிக்க ஊடாடல்கள் விளக்கலாம், ஆதரவு ஆதாரங்களை முன்னிலைப்படுத்தலாம் அல்லது அதன் செயல்முறையின் பொருத்தமான படிகளைக் காண்பிக்கலாம். பயனரைத் திணறடிக்காமல், திறன்மிக்க மனித முடிவெடுப்பை ஆதரிப்பதே இலக்கு.
பொருத்தமான ரீஸனிங்கைப் படிப்படியாக ஆராயவும், தேவையான விவரத்தின் அளவைத் தேர்ந்தெடுக்கவும் பயனர்களால் முடிந்தால், அதைக் காண்பிப்பது சிறப்பாகச் செயல்படும்.
இது ஏன் பயனுள்ளது: செயற்கை நுண்ணறிவை ஏற்றுக்கொள்ள நம்பிக்கை அவசியம்; குறிப்பாக நிறுவனச் சூழல்களில். ஓர் அமைப்பின் நடத்தையைப் புரிந்துகொள்ளவோ சரிபார்க்கவோ முடியாவிட்டால், மக்கள் அதை நம்பியிருப்பது குறையும். வெளிப்படையான வெளியீடுகள் சிக்கல்களைக் கண்டறிவதையும், தவறுகளைத் திருத்துவதையும், பயனுள்ள அணுகுமுறைகளை மீண்டும் பயன்படுத்துவதையும் எளிதாக்குகின்றன.
சவால்: செயற்கை நுண்ணறிவின் முடிவுகளை விளக்குவது கடினமாக இருக்கலாம். அதிக விவரங்கள் பயனர்களைத் திணறடிக்கலாம்; நிகழ்தகவுகள் அல்லது நீண்ட ரீஸனிங் சுருக்கங்களைப் புரிந்துகொள்வதும் கடினமாக இருக்கலாம். வெளிப்படைத்தன்மை மட்டுமே துல்லியத்திற்கு உத்தரவாதமளிக்காது.
விளக்கத்தின் தரம், அது வழங்கப்படும் விதத்தின் தெளிவு, ஆதாரங்களைப் பயனுள்ள உரையாடலின் பகுதியாக்கும் முறை ஆகியவற்றை வடிவமைப்பாளர்கள் கருத்தில் கொள்ள வேண்டும்.
ஏஜென்ட்கள் விரிவாகச் சிந்திக்க அனுமதித்து, பின்னர் முடிவுகளைச் சுருக்குங்கள்:
முடிவுகளை எளிதில் புரிந்துகொள்ளக்கூடிய வடிவில் வழங்கியபடியே, செயற்கை நுண்ணறிவு ஒரு சிக்கலை ஆழமாகப் பகுப்பாய்வு செய்யலாம். படிநிலைச் சுருக்கங்களும் படிப்படியான வெளிப்படுத்தலும் முதலில் முக்கிய நுண்ணறிவைப் பார்த்து, தேவைப்படும்போது மட்டும் ஆதரவு விவரங்களை விரிவாக்கப் பயனர்களை அனுமதிக்கின்றன.
ஆழத்தையோ தெளிவையோ இழக்காமல் சிக்கலான தகவலை எளிதாக ஆராய, நன்கு வடிவமைக்கப்பட்ட ஊடாடல் உதவும்.
ஆராயக்கூடிய மேற்கோள்களையும் சான்றுகளையும் வழங்குங்கள்:
செயற்கை நுண்ணறிவு உருவாக்கும் பதில்களின் ஆதாரங்களைப் பயனர்கள் தெளிவாகப் பார்வையிட வழி இருக்க வேண்டும். இணைப்புகள், உள் அறிக்கைகளின் பகுதிகள், பொருத்தமான ஆய்வு முடிவுகள் அல்லது அளவுசார் தரவின் விரிவான பார்வை இதில் அடங்கலாம்.
எடுத்துக்காட்டாக, மீட்டெடுப்பு மூலம் மேம்படுத்தப்பட்ட உருவாக்க அமைப்புகளில், செயற்கை நுண்ணறிவுச் சுருக்கத்திலிருந்து அதன் ஆதாரத்திற்குப் பயனர்கள் செல்ல முடிய வேண்டும். இது சரிபார்ப்பை ஆதரித்து, நம்பிக்கையை வளர்க்கும் ஆழமான விசாரணைக்கு வழிவகுக்கிறது.
முக்கியமான முன்னேற்றக் குறிகளைத் தெரிவியுங்கள்:
சிக்கலான ஏஜென்ட் பணிப்பாய்வுகளில் திசையை மாற்றுதல், முந்தைய படிகளை மீண்டும் பரிசீலித்தல் அல்லது பல ஆய்வுப் பாதைகளை இணைத்தல் ஆகியவை இடம்பெறலாம். என்ன நடக்கிறது என்பதைப் புரிந்துகொண்டால், தாமதங்களைப் பயனர்கள் எளிதாக ஏற்றுக்கொள்வார்கள். ஏஜென்ட் எதை முடித்துள்ளது, தற்போது என்ன செய்கிறது, அடுத்து என்ன நடக்கும் என்பதைத் தெளிவான முன்னேற்றப் புதுப்பிப்புகள் விளக்கலாம்.
தான் எப்போது சிக்கியுள்ளது அல்லது ஒரு முடிவுக்குக் கூடுதல் கண்ணோட்டங்கள் எப்போது தேவை என்பதையும் ஏஜென்ட் விளக்க வேண்டும்.
செயற்கை நுண்ணறிவு வெளியீடுகளைப் படிப்படியாக வெளிப்படுத்துங்கள்:
முழுப் பதிலையும் ஒரே நேரத்தில் வழங்குவதற்குப் பதிலாக, ஏஜென்ட் தகவலைக் கட்டங்கட்டமாக வெளிப்படுத்தலாம். எடுத்துக்காட்டாக, ஒரு முதலீட்டு உதவியாளர் தனது காரணத்தை விரிவாக்கும் விருப்பத்துடன் சுருக்கமான பரிந்துரையைக் காட்டலாம்: “படி 1: இடர் விவரத்தை மதிப்பிடுங்கள். படி 2: தற்போதைய முதலீட்டுத் தொகுப்பை மதிப்பாய்வு செய்யுங்கள். படி 3: பல்வகைப்படுத்துவதற்கான வாய்ப்புகளை அடையாளம் காணுங்கள். படி 4: ஒரு பரிந்துரையை உருவாக்குங்கள்.” கூடுதல் விவரம் விரும்புவோர் ஒவ்வொரு படியையும் ஆராயலாம்; மற்றவர்கள் சுருக்கத்துடன் நிறுத்திக்கொள்ளலாம்.
செயற்கை நுண்ணறிவு ரீஸனிங்கின் காட்சி விளக்கங்களைப் பயன்படுத்துங்கள்:
முதன்மை வெளியீட்டைப் போலவே விளக்கங்களும் புரிந்துகொள்ள எளிதாக இருக்க வேண்டும். ரீஸனிங்கில் எண்கள் அல்லது தொடர்புகள் இடம்பெறும்போது, விளக்கப்படங்களும் வரைபடங்களும் உதவும். ஏஜென்ட்டின் கேள்விகள், செயல்முறை, ரீஸனிங், ஆதாரங்கள் ஆகியவற்றைக் காட்சிப்படுத்துவது, அதன் போக்கைத் திருத்தவும், முடிவைப் பிறருக்கு விளக்கவும், பின்னர் செயல்முறையை மீண்டும் செய்யவும் பயனர்களுக்கு உதவும்.
தெளிவான காட்சி விளக்கங்கள், தகவலை விரைவாகப் புரிந்துகொண்டு செயல்படப் பயனர்களுக்கு உதவுகின்றன.