க人工 நுண்ணறிவு (AI) உலகளாவிய தொழில்துறைகளை மாற்றி அமைக்கிறது, எனவே பல துறைகளில் பணியாற்றுவோர் AI தொடர்பான திறன்களை வளர்க்க வேண்டும். OECD குறிப்பிடுவதுபோல், AI பரவல் “திறமையான AI நிபுணர்களுக்கும், AI பற்றிய பொதுவான புரிதலை கொண்ட பணியாளர்களுக்கும் அதிக தேவையை ஏற்படுத்துகிறது”.

மற்ற வார்த்தைகளில், தொழில்நுட்பம் சாராத பணிகளுக்கும் அடிப்படை AI அறிவு – AI கருவிகள் எப்படி செயல்படுகின்றன, அவை எந்த தரவுகளை பயன்படுத்துகின்றன, மற்றும் அவை மனித பணிகளை எவ்வாறு மேம்படுத்த முடியும் என்பதைக் கற்றுக்கொள்ளுதல் – அதிக முக்கியத்துவம் பெறுகிறது.

UNESCO இன் AI திறன் கட்டமைப்பும், பயில்வோருக்கு “அடிப்படை AI அறிவும் திறன்களும்” தேவைப்படுவதாக வலியுறுத்துகிறது. சுருக்கமாகச் சொல்வதானால், AI காலத்தில் வெற்றி பெற தொழில்நுட்ப அறிவும், நெறிமுறை புரிதலால் ஊக்குவிக்கப்பட்ட மனிதநேயம் சார்ந்த திறன்களும் அவசியம்.

இப்போது கீழே AI உடன் பணியாற்ற தேவையான திறன்களை மேலும் அறிந்து கொள்வோம்!

முக்கிய தொழில்நுட்ப திறன்கள்

• பிரோகிராமிங் மொழிகள்: Python, R, அல்லது Java போன்ற முக்கிய மொழிகளில் திறமை AI மேம்பாட்டிற்கு அடிப்படையாகும். இம்மொழிகள் TensorFlow, PyTorch போன்ற விரிவான AI நூலகங்களை கொண்டுள்ளன மற்றும் மாதிரிகளை உருவாக்கவும் பயிற்றுவிக்கவும் பரவலாக பயன்படுத்தப்படுகின்றன.

• மெஷின் லெர்னிங் மற்றும் AI கட்டமைப்புகள்: மேற்பார்வை/மேற்பார்வையற்ற கற்றல், நரம்பு வலைப்பின்னல்கள் மற்றும் ஆழ்ந்த கற்றல் போன்ற மெஷின் லெர்னிங் கருத்துக்களை புரிந்துகொள்வது அவசியம். நிபுணர்கள் மாதிரிகளை உருவாக்கவும் பயிற்றுவிக்கவும் (பெரிய மொழி மாதிரிகள் அல்லது உருவாக்கும் AI போன்ற முன்னேற்றமானவையும்) மற்றும் AI கட்டமைப்புகள் மற்றும் கருவிகளை பயன்படுத்தவும் தெரிந்திருக்க வேண்டும்.

• தரவு மேலாண்மை மற்றும் பெரிய தரவு கருவிகள்: AI அமைப்புகள் பெரிய தரவுத்தொகுதிகளுக்கு சார்ந்தவை. தரவு சேகரிப்பு, சுத்தம் செய்தல் மற்றும் முன் செயலாக்கம் திறன்கள் முக்கியம். Hadoop, Apache Spark போன்ற பெரிய தரவு தளங்கள் மற்றும் SQL, NoSQL போன்ற தரவுத்தள/வினவல் கருவிகளுடன் அனுபவம் AI மாதிரிகள் துல்லியமான, உயர்தர தரவின் அடிப்படையில் பயிற்றுவிக்கப்படுவதை உறுதி செய்ய உதவுகிறது.

• மேக கணினி மற்றும் அடித்தளம்: AWS, Azure, Google Cloud போன்ற மேக சேவைகள் மற்றும் GPU/சமமுக செயலாக்க கட்டமைப்புகளுடன் பரிச்சயம் அதிகரித்து வருகிறது. AI ஐ வெளியிடுவது பெரும்பாலும் மேக அடிப்படையிலான ML தளங்கள் அல்லது கன்டெய்னர் தொழில்நுட்பங்கள் (Docker/Kubernetes) மூலம் மாதிரிகளை உற்பத்தியில் விரிவாக்குவதை உள்ளடக்கியது.

இந்த தொழில்நுட்ப திறன்கள் ஒருவருக்கு AI மாதிரிகளை குறியிடவும், பயிற்றுவிக்கவும், வெளியிடவும் திறனளிக்கின்றன.

உதாரணமாக, Johns Hopkins பல்கலைக்கழகத்தின் ஆய்வு “பிரோகிராமிங் மொழிகளில் திறமை AI மேம்பாட்டிற்கு அடிப்படையான திறனாகும்” என்றும், Hadoop அல்லது Spark போன்ற கருவிகளின் மூலம் பெரிய தரவுத்தொகுதிகளை கையாள்வது துல்லியமான AI மாதிரிகளை உருவாக்குவதற்கு முக்கியம் என்றும் குறிப்பிடுகிறது.

கணித மற்றும் பகுப்பாய்வு திறன்கள்

• புள்ளியியல் மற்றும் சாத்தியக்கூறு: மாதிரிகளை வடிவமைக்கவும் மதிப்பாய்வு செய்யவும் புள்ளியியல் அறிவு அவசியம் (பிழை அல்லது நம்பகத்தன்மையை அளவிடுவது போன்றவை). இது AI வெளியீடுகளை புரிந்து கொள்ளவும், அநிச்சயத்தன்மையை அளவிடவும் உதவுகிறது.
  
  உதாரணமாக, AI மேம்பாட்டாளர்கள் மாதிரி செயல்திறனை மதிப்பிட புள்ளியியல் அளவுகோல்கள் (சராசரி சதுர பிழை போன்றவை) மற்றும் கணிப்புகளில் அநிச்சயத்தன்மையை கையாள பாய்சியன் முறைகள், மறைமுக மார்கோவ் மாதிரிகள் போன்ற probabilistic reasoning ஐ பயன்படுத்துகிறார்கள்.

• சீரியல் புவியியல் (Linear Algebra): பல AI ஆல்கொரிதம்கள் (முக்கியமாக ஆழ்ந்த கற்றல்) சீரியல் புவியியலுக்கு (வேக்டர்கள், மேட்ரிக்சுகள், டென்சர்கள்) சார்ந்தவை. உதாரணமாக, மேட்ரிக்ஸ் பெருக்கல் மற்றும் eigenvectors போன்ற கருத்துக்கள் பரிமாணக் குறைப்பு (SVD) மற்றும் நரம்பு வலைப்பின்னல் செயல்பாடுகளுக்கு அடித்தளமாக உள்ளன.
  
  சீரியல் புவியியலை நன்கு புரிந்துகொள்வது AI மாதிரியில் தரவு ஓட்டத்தை புரிந்து கொண்டு மேம்படுத்த உதவுகிறது.

• கணக்கியல் மற்றும் மேம்படுத்தல்: கணக்கியல் (உருவாக்கங்கள், திசைமாற்றங்கள்) மாதிரிகளை பயிற்றுவிக்க கிரேடியன்ட் டிசென்ட் போன்ற முறைகளுக்கு அடிப்படையாகும். மாதிரி அளவுருக்களை மேம்படுத்த (நஷ்ட செயல்பாடுகளை குறைக்க) சிறிய மாற்றங்கள் முடிவுகளை எப்படி பாதிக்கின்றன என்பதைக் புரிந்துகொள்வது கணக்கியல் கருத்து.
  
  ஆகையால், பலமாறி கணக்கியல் மற்றும் மேம்படுத்தல் கோட்பாடுகள் முன்னேற்ற AI திறன்களின் பகுதியாகும்.

• பகுப்பாய்வு காரணித்தல்: அதிகாரபூர்வ கணிதத்தைத் தாண்டி, வலுவான பகுப்பாய்வு சிந்தனை பிரச்சனைகளை வடிவமைக்கவும் மாதிரிகளை சீரமைக்கவும் உதவுகிறது. ஒரு பிரச்சனையை உடைக்கவும், அளவுகோல் காரணித்தலைப் பயன்படுத்தவும், மாதிரிகளை முறையாக மேம்படுத்தவும் திறன் AI பணிக்குத் தேவையானது.

இவை அனைத்தும் AI மேம்பாட்டின் அடித்தளமாகும்.

Johns Hopkins குறிப்பிடுவதுபோல், புள்ளியியல், சாத்தியக்கூறு, சீரியல் புவியியல் மற்றும் கணக்கியல் “சிக்கலான AI மாதிரிகளின் அடித்தளமாகும்”.

மென்மையான திறன்கள் மற்றும் மனித பண்புகள்

தொழில்நுட்ப நிபுணத்துவம் மட்டும் போதாது. AI உடன் பணியாற்றுவதற்கு AI நகலெடுக்க முடியாத வலுவான மனிதநேயம் சார்ந்த திறன்களும் தேவை.
முக்கிய மென்மையான திறன்கள்:

• புதுமை மற்றும் விமர்சன சிந்தனை: AI உடன் புதுமை செய்வது புதிய ஆல்கொரிதம்களை உருவாக்கவோ அல்லது தனித்துவமான பிரச்சனைகளுக்கு AI ஐ பயன்படுத்தவோ ஆகும். UNESCO இன் AI கட்டமைப்பு “பிரச்சனை தீர்க்கும் திறன், புதுமை மற்றும் வடிவமைப்பு சிந்தனை” என்பவற்றை வலியுறுத்துகிறது.
  
  அதேபோல், ஐரோப்பிய ஒன்றியம் ஆராய்ச்சி மனித திறன்கள், குறிப்பாக புதுமை மற்றும் சிக்கலான பிரச்சனை தீர்க்கும் திறன்கள் AI உடன் இணைந்து அதிக தேவைப்படும் என்று கூறுகிறது.

• தொடர்பு மற்றும் குழு பணிகள்: AI திட்டங்கள் பொதுவாக தரவு விஞ்ஞானிகள், துறை நிபுணர்கள், மேலாளர்கள் போன்ற பல துறை குழுக்களை உள்ளடக்கியவை. AI கருத்துக்களை எளிய முறையில் விளக்கவும், தெளிவான ஆவணங்களை எழுதவும், திறம்பட ஒத்துழைக்கவும் தெரிந்திருக்க வேண்டும்.
  
  ஐரோப்பிய ஒன்றியம் தொடர்பு மற்றும் ஒத்துழைப்பு திறன்களை தொழில்நுட்ப திறன்களை பூர்த்தி செய்யும் முக்கிய “மென்மையான” திறன்களாகக் குறிப்பிடுகிறது.

• உடனடி மாற்றத்துக்கு ஏற்ப ஒத்துழைப்பு மற்றும் ஆயுள் முழுவதும் கற்றல்: AI ஒரு வேகமாக மாறும் துறை. வேலைவாய்ப்பு மற்றும் நிபுணர்கள் ஒத்துழைப்பு, நெகிழ்வுத்தன்மை மற்றும் ஆர்வம் ஆகியவற்றை AI காலத்திற்கான முக்கிய திறன்களாகக் குறிப்பிடுகின்றனர். உலக பொருளாதார மன்றம் ஆர்வம் மற்றும் வளர்ச்சி மனப்பான்மைகள் முக்கியத்துவம் பெறுவதாகக் கூறுகிறது.
  
  OECD தொடர்ந்து திறன்களை மேம்படுத்துவது அவசியம் என்றும், வேலையிடம் வேகமாக மாறுவதால் புதிய கருவிகளை விரைவாக கற்றுக்கொண்டு புதிய தொழில்நுட்பங்களுக்கு மாறுபவர்கள் வெற்றி பெறுவார்கள் என்றும் குறிப்பிடுகிறது.

• கருணை மற்றும் உணர்ச்சி நுண்ணறிவு: பயனர் தேவைகள், நெறிமுறை விளைவுகள் மற்றும் குழு உறவுகளை புரிந்துகொள்ள கருணை அவசியம். ஐரோப்பிய ஒன்றியம் கருணை மற்றும் உணர்ச்சி நுண்ணறிவை AI-ஆல் மேம்படுத்தப்பட்ட வேலைவாய்ப்புகளில் தொடர்ந்தும் தேவைப்படும் மென்மையான திறன்களாகக் குறிப்பிடுகிறது.
  
  இந்த திறன்கள் மனிதர்களுக்கு உண்மையாக சேவை செய்யும் AI வடிவமைப்பிலும் மாற்றங்களை வழிநடத்தும் குழுக்களை வழிகாட்டுவதிலும் உதவுகின்றன.

சுருக்கமாக, புதுமை, விமர்சன சிந்தனை, தொடர்பு மற்றும் ஒத்துழைப்பு போன்ற மனிதநேயம் சார்ந்த திறன்கள் தொழில்நுட்ப அறிவுடன் இணைந்து AI உடன் பணியாற்றுவதற்கு அவசியம்.

நெறிமுறை மற்றும் பொறுப்பான AI பயன்பாடு

AI இன் சக்தி நெறிமுறை மற்றும் சட்டப் பரிசீலனைகளை எழுப்புகிறது, எனவே அவற்றை புரிந்துகொள்வது AI பணிக்கான முக்கிய “திறன்” ஆகும்:

• நெறிமுறை விழிப்புணர்வு: பணியாளர்கள் AI இன் பாகுபாடுகள் மற்றும் சமூக விளைவுகளை அறிந்திருக்க வேண்டும். UNESCO AI நெறிமுறை என்பதை முக்கிய திறனாக (பொறுப்பான பயன்பாடு, நியாயம் மற்றும் பாதுகாப்பு) குறிப்பிடுகிறது.
  
  இதன் பொருள், AI வெளியீடுகளை தவறான பாகுபாடு அல்லது தீங்கு இருப்பதற்கான விமர்சன மதிப்பீடு செய்யவும், ஆல்கொரிதங்களில் வெளிப்படைத்தன்மையை வடிவமைக்கும் சிறந்த நடைமுறைகளை பின்பற்றவும் தெரிந்திருக்க வேண்டும்.

• சட்ட மற்றும் ஒழுங்கு அறிவு: தரவு பாதுகாப்பு (உதா. GDPR), தனியுரிமை விதிகள் மற்றும் தொழிற்துறை தரநிலைகளுடன் பரிச்சயம் AI பயன்பாட்டை ஒழுங்குபடுத்த உதவுகிறது. நிறுவனங்கள் பணியாளர்கள் AI ஆளுகை கட்டமைப்புகளை புரிந்திருக்க எதிர்பார்க்கின்றன.

• உருவாக்கும் AI மற்றும் கருவி அறிவு: புதிய AI கருவிகள் (உருவாக்கும் AI உதவியாளர்கள் அல்லது உள்ளடக்க கருவிகள்) ஐ திறம்பட மற்றும் பாதுகாப்பாக பயன்படுத்துவது நடைமுறை திறன். UNESCO AI அறிவில் “உருவாக்கும் AI ஐ பொறுப்புடன் பயன்படுத்துவது” (எழுத்து அல்லது வணிக பணிகளுக்கு) அடங்கும் என்று வலியுறுத்துகிறது.
  
  இதில் மாதிரிகளை சரியாக கேட்கும் திறன், AI பரிந்துரைகளை சரிபார்ப்பது மற்றும் தவறான தகவல் பரவல் போன்ற சிக்கல்களைத் தவிர்ப்பது அடங்கும்.

• பாதுகாப்பு மற்றும் தரவு கையாளுதல்: ஐரோப்பிய ஒன்றியம் அறிக்கை தொழில்நுட்ப திறன்களில் தரவு பாதுகாப்பும் AI திறன்களுடன் சேர்ந்து தேவைப்படுவதாக குறிப்பிடுகிறது. நுண்ணறிவு தரவை பாதுகாப்பது, AI அமைப்புகளை பாதுகாப்பது மற்றும் சைபர் பாதுகாப்பு சிறந்த நடைமுறைகளை பின்பற்றுவது AI திறன்களின் பகுதியாக மாறி வருகிறது.

நெறிமுறை தீர்மானம் மற்றும் பொறுப்பான பயன்பாட்டு பழக்கவழக்கங்களை வளர்த்துக் கொண்டு – தொழில்நுட்ப திறன்களை மட்டுமல்லாமல் – பணியாளர்கள் AI கருவிகள் நேர்மறை விளைவுகளுக்காகவும் அபாயங்களை குறைக்கவும் பயன்படுத்தப்படுவதை உறுதி செய்ய உதவ முடியும்.

ஆயுள் முழுவதும் கற்றலும் ஒத்துழைப்பும்

இறுதி முக்கிய “திறன்” என்பது தொடர்ச்சியாக கற்றுக்கொள்ளும் திறன். AI தொழில்நுட்பங்கள் வேகமாக மாறுகின்றன; இன்று முன்னணி தொழில்நுட்பம் நாளை பழையதாக மாறக்கூடும்.

ஆய்வாளர்களும் நிறுவனங்களும் ஆயுள் முழுவதும் கற்றலை வலியுறுத்துகின்றனர்:

OECD மற்றும் ஐரோப்பிய ஒன்றியம் கல்வி தொடர்ச்சியான, நெகிழ்வான கற்றல் நோக்கமாக மாற வேண்டும் என்று குறிப்பிடுகின்றன, ஏனெனில் கடந்த கால பயிற்சி விரைவில் பழையதாக மாறுகிறது.

அதேபோல், உலக பொருளாதார மன்றம் “ஆர்வம் மற்றும் ஆயுள் முழுவதும் கற்றல்” எதிர்கால வேலைகளுக்கான முக்கிய திறன்களில் ஒன்றாகும் என்று கூறுகிறது.

நடைமுறையில், இது திறன்களை மேம்படுத்த முனைப்புடன் இருக்க வேண்டும் – பாடநெறிகள் எடுப்பது, பணிமனைகள் செல்லுதல் அல்லது புதிய AI முறைகளை சுயமாக கற்றுக்கொள்வது.

மேலும், மாற்றத்திற்கு திறந்த மனப்பான்மையுடன் இருக்க வேண்டும். புதிய AI கருவிகளை தங்கள் பணியில் முயற்சி செய்வதன் மூலம் பணியாளர்கள் சிறந்த முறையில் தகுந்தவராக மாறுவார்கள்.

சுருக்கமாக, AI-க்கு தயாரான தொழில் பாதை தொடர்ச்சியான கற்றல் திறன் மற்றும் துறையின் முன்னேற்றத்துடன் திறன்களை புதுப்பிக்க விருப்பம் கொண்டிருப்பதை தேவைப்படுத்துகிறது.

AI-க்கு தயாரான சுயவிவரம் உருவாக்குதல்

முடிவில், AI நிறைந்த வேலைவாய்ப்பில் வெற்றி பெற பல்வேறு திறன்களை இணைத்தல் அவசியம். நிபுணர்கள் இன்னும் முக்கிய AI திறன்கள் (பிரோகிராமிங், மெஷின் லெர்னிங், தரவு பகுப்பாய்வு) தேவைப்படுவார்கள், ஆனால் அனைத்து பணியாளர்களும் பொதுவான AI அறிவு (அடிப்படை AI கருவிகள் மற்றும் கருத்துக்களை புரிந்துகொள்வது) மூலம் பயனடைவார்கள்.

மனித திறன்களும் – புதுமை, தொடர்பு, கருணை – மற்றும் நெறிமுறை பார்வையும் சமமாக முக்கியம்.
உலகளாவிய ஆய்வுகள் தெளிவாகக் கூறுகின்றன: தொழில்நுட்ப, பகுப்பாய்வு மற்றும் இடைமுக திறன்களின் கலவை அவசியம்.

குறியீட்டும் கணித திறன்களும் பிரச்சனை தீர்க்கும் திறன், ஒத்துழைப்பு மற்றும் பொறுப்பான விழிப்புணர்வுடன் இணைந்து, பல துறைகளில் உள்ள நிபுணர்கள் AI உடன் முன்னேற முடியும்.

>>> மேலும் அறிய:

தனிப்பட்டவர்களுக்கும் வணிகங்களுக்கும் செயற்கை நுண்ணறிவின் நன்மைகள்

க人工 நுண்ணறிவு (AI) துறையில் தொழில் வாய்ப்புகள்