மென்பொருள் உருவாக்கத்தில் செய்யறிவின் பங்கு வேகமெடுத்து வருகிறது, ஆனால் மனிதனின் முடிவெடுக்கும் திறனுடன் இணையும்போதுதான் அதன் உண்மையான வலிமை வெளிப்படுகிறது.
பத்து ஆண்டுகளுக்கு முன்பு, அது வளர்ந்து வந்த காலகட்டத்தில், மென்பொருள் உருவாக்கத்தில் செய்யறிவின்(AI) பங்கு ஒரு பரிசோதனை முயற்சியாகவே இருந்தது. அது அடிப்படையில் சிறிய பணிகளைத் தானியக்கமாக்குவதற்கான ஒரு துணைவனாகவே இருந்தது.
இன்று, மென்பொருளைக் கருத்தாக்கம் செய்யும், உருவாக்கும் , மேம்படுத்தும் விதத்தை அது உண்மையில் மாற்றியமைக்கிறது. Zoho-வின் ZIA , Anthropic-இன் Model Context Protocol (MCP) போன்ற திறமூல, கூட்டு வடிவமைப்புகளால் உந்தப்பட்டு, செய்யறிவு ஒரு குறிமுறைவரிகளின் குறுக்குவழியாக இல்லாமல், ஒரு படைப்புத் துணைவனாக மாறியுள்ளது.
இந்த மாற்றத்தையும், செய்யறிவானது(AI) ஒரு குறிமுறைவரிகளின் துணையிலிருந்து ஒரு அறிவார்ந்த உதவியாளராக எவ்வாறு பரிணமித்துள்ளது என்பதையும், MCP போன்ற திறமூல நெறிமுறைகள் ஏன் முக்கியமானவை என்பதையும், இவை அனைத்தும் மென்பொருள் உருவாக்குநர்களுக்கும் மென்பொருளின் எதிர் காலத்திற்கும் என்ன அர்த்தம் தருகின்றன என்பதையும் ஆராய புறப்படுவோமா.
மிகப்பெரிய கேள்வி:செய்யறிவானது(AI) மென்பொருள் உருவாக்குநர்களை மாற்றுமா?
உண்மையைச் சொல்வதானால், செய்யறிவு(AI) என்று வரும்போது இந்த ஒரு முக்கியக் கேள்வியைத் தாண்டி நம்மால் செல்ல முடியாது: செய்யறிவானது(AI) மென்பொருள் உருவாக்குநர்களை மாற்றுமா? சுருக்கமான பதில் இல்லை.
செய்யறிவு (AI) மீண்டும் மீண்டும் செய்யப்படும் பணிகளைத் தானியக்கமாக்கி, நம்முடைய கற்றல் செயல்முறையை வேகப்படுத்த முடியும். ஆனால், மென்பொருள் உருவாக்கத்திற்கு அடிப்படை குறிமுறைவரிகளின் உருவாக்கத்தை விட மேலானவை தேவையாகும். வெவ்வேறு சூழ்நிலைகளுக்கான சூழலையும் கண்ணோட்டத்தையும் புரிந்துகொள்வதும், சிக்கல்களைத் தீர்வுசெய்வதற்கான ஒரு தீர்வை வடிவமைப்பதற்கு முன்பு அவற்றிற்கு விளக்கமளிப்பதும் இதற்குத் தேவைப்படுகிறது.
பொதுவாக அனுபவத்தில், செய்யறிவை (AI)ஒரு அறிவார்ந்த உதவியாளராகக் கருதும் போது அது சிறப்பாகச் செயல்படுகிறது. அது நம்முடைய சிக்கலான அறிக்கைகளையோ அல்லது அதற்கான தீர்வுகளையோ வரைவு செய்யவோ, பரிந்துரைக்கவோ அல்லது செம்மைப்படுத்தவோ முடியும். ஆனால், அதற்கு இன்னும் மனித வழிகாட்டுதல் தேவைப்படுகிறது. படைப்பாற்றல், வடிவமைப்பு உள்ளுணர்வு , துறை சார்ந்த புரிதல் ஆகியவற்றை செய்யறிவால்(AI) இன்னும் மாற்றீடு செய்ய முடியவில்லை.
செய்யறிவு(AI) மேம்பாட்டுக் கருவிகளின் மூன்று வகைகள்
நாம் இதற்குதயாராகத் தொடங்கிடும்போது, இந்த ஆரவாரத்தைக் கடந்து செல்ல விரும்பிடுவோம். தினமும் புதிய கருவிகள் தோன்றிகொண்டேயிருக்கின்றன, அவை அனைத்தையும் பட்டியலிடுவது முடிவில்லாததாக இருக்கும். அதற்கு பதிலாக, செய்யறிவின்(AI) மேம்பாட்டுக் கருவிகளை மூன்று பரந்த வகைகளாகப் பிரித்திடலாம்:
அரட்டை அடிப்படையிலான உதவியாளர்கள் (ChatGPT, Claude, DeepSeek)
நம்முடைய IDE-க்குள் செய்யறிவு(AI) (GitHub Copilot, Codium, Cursor AI)
செய்யறிவின்(AI)-திறன் பெற்ற மேம்பாட்டுத் தளங்கள் (Replit, Bolt, Lovable)
இந்த மூன்று வகைகளையும் ஒரே எளிய சிக்கலில் பரிசோதித்தபோது: பயனரின் உள்ளீடுகளை (பெயர், மின்னஞ்சல், கைபேசி எண்) ஏற்றுக்கொண்டு ஒரு QR குறியீட்டை உருவாக்குகின்ற ஒரு வலைத்தளத்தை உருவாக்குவது. மேலும், இந்தக் கருவிகள் அனைத்திற்கும் ஒரே நிரலாக்க மொழியையும் கட்டளை வரியையும் பயன்படுத்தப்பட்டது.
வகை ஒன்று: அரட்டை அடிப்படையிலான உதவியாளர்கள்
முதல் தேர்வு ChatGPT. செய்யறிவு(AI)-உதவியுடனான மேம்பாட்டைப் பிரபலப்படுத்திய கருவி இதுதான் என்று வாதிடலாம். அரட்டை அடிப்படையிலான அமைவுகள் புதிய சிந்தனைகளை உருவாக்குவதிலும், பிழைகளைச் சரிசெய்வதிலும், கருத்துகளுக்கு விளக்கமளிப்பதிலும் சிறந்து விளங்குகின்றன. இருப்பினும், அவற்றைப் பயன்படுத்துவதில் ஒருவித சிரமம் உள்ளது: ஒரு IDE-இல் நிரலாக்கம் செய்துகொண்டே, உலாவியில் உள்ளீடுகளைக் கேட்பதற்குத் தொடர்ச்சியான சூழல் மாற்றம் தேவைப்படுகிறது.
QRஎனும் குறியீடுகளின் செயல்திட்டத்தின் போது, ChatGPT நம்பகமான குறியீட்டுத் துண்டுகளையும் துல்லியமான நூலக பரிந்துரைகளையும் உருவாக்குகின்றது, ஆனால் ஒவ்வொரு திருத்தத்திற்கும் கைமுறையாகச் செய்ய வேண்டியிருக்கின்றது. இந்த பணிப்பாய்வு, இணைந்து உருவாக்குவதை விட, பயிற்சி அளிப்பது போன்றே இருக்கின்றது.
இந்த வகைக்கான பயன்பாட்டுச் சூழல்கள் தெளிவாக உள்ளன—சிந்தனைக் கலவை, கருத்துத் தெளிவுபடுத்தல், குறிமுறைவரிகளின் உருவாக்கம் , பிழைதிருத்தம். ஆயினும், செயல்விளக்கசெய்முறையை காட்டுவது போன்று, இது தூண்டுதல், ஒட்டுதல், சரிசெய்தல் , மீண்டும் செய்தல் என்ற சுழற்சியாகவே உள்ளது.
வகை இரண்டு: IDE-க்குள் செய்யறிவு
செய்யறிவு ஆனது பணிச்சூழலுக்குள் நுழையும்போதுதான் உண்மையான மாற்றம் தொடங்குகிறது. Codium, Copilot , Cursor AI போன்ற கருவிகள் Visual Studio Code-இல் நேரடியாக ஒருங்கிணைக்கப்பட்டு, உடனடி மறுசீரமைப்பு, தானியங்கு பரிந்துரைகள் தொகுப்பாளற்குள் அரட்டை ஆகியவற்றை அனுமதிக்கின்றன.
Codium-இன் அரட்டைப் பக்கப்பட்டி குறிப்பாக உள்ளுணர்வுடன் செயல்படுவதை காணலாம். ஒரு குறிமுறைவரிகளின் தொகுதியை முனைப்பாக்கபகுதியாக செய்து, மேம்படுத்தலைக் கோரும்போது, சில நொடிகளில் தெளிவான, சூழலுக்கு ஏற்ற திருத்தங்கள் கிடைக்கின்றன. OpenAI , DeepSeek போன்ற மாதிரிகளுக்கு இடையில் மாறுவதன் மூலம், இந்தக் கருவி ஒவ்வொரு செயல்திட்டத்தின் தன்மைக்கும் ஏற்ப தன்னை மாற்றிக்கொள்கிறது, இது தொழில்முறைப் பயனர்களுக்கு ஒரு நன்மையாகும்.
அவற்றை முழுவதுமாக செய்யறிவானது(AI) கையாள விட்டுவிடலாம். அதே வலைச் செயலி பரிசோதனையின் போது, Codiumஆனது பெரும்பாலான தொடரியல் , சார்பு சிக்கல்கள் ஆகியவற்றைத் தானாகவே சரிசெய்திடுகின்றது. IDEஐ விட்டு அரிதாகவே வெளியேறவேண்டியிருக்கும், மேலும் பணி ஓட்டம் தடையின்றி இருக்கின்றது. மற்றொரு நன்மை நெகிழ்வுத்தன்மை ஆகும்—செயல்திட்டத் தேவைகளைப் பொறுத்து, OpenAI , DeepSeek போன்ற பெரிய மொழி மாதிரிகளுக்கு இடையில் மாறுவதற்கு Codiumஆனது அனுமதிக்கிறது.
இந்த வகை, மேம்படுத்துநரை பணி ஓட்டத்தில் வைத்திருக்கின்ற ஒருங்கிணைந்த செய்யறிவை(AI)குறிக்கிறது, இது சூழல் மாற்றங்களைக் குறைக்கிறது, அதே நேரத்தில் இறுதியானத் துல்லியத்திற்காக மனித மேற்பார்வை தேவைப்படுகிறது.
வகை மூன்று:செய்யறிவின்(AI)-திறன் பெற்ற மேம்பாட்டுத் தளங்கள்
Replit, Bolt, , Lovable போன்ற தளங்கள் தானியக்கத்தை அதன் தர்க்கரீதியான உச்சத்திற்குக் கொண்டு செல்கின்றன. இங்கே, ஒரேயொரு கட்டளையிலிருந்து முழுமையான பயன்பாடுகளை உருவாக்கி வெளியிடலாம்.
Replitஆனது செய்யறிவின்(AI)முகவரைப் பயன்படுத்தி, அதே செயல்திட்டத்தை ஒரே முறையில் உருவாக்கிடும்போது. செயல்திட்டத்தை நேரலையில் வெளியிட முயற்சிக்கும்போது சில பிழைகள் வருகின்றன, ஆனால் எந்தக் கூடுதல் சூழலையும் உள்ளிடத் தேவையில்லாமல் Replitஆனது அவற்றைத் தானாகவே சரிசெய்கிறது.
முன்மாதிரி தயாரானதும், நமக்கு இரண்டு வெளியீட்டு வாய்ப்புகள் உள்ளன. குறிமுறைவரிகளை பதிவேற்றம் செய்து இணைய இணைப்பில்லாமலும் இயக்கலாம் அல்லது Replitஇன் சொந்த களப்பெயரில் உடனடியாக புரவலராக செய்யலாம். இதன் மூலம், வாடிக்கையாளரின் ஆய்வு அல்லது ஒப்புதலுக்காக நேரலைப் பதிப்பை நம்மால் எளிதாகப் பகிர்ந்துகொள்ள முடியும்.
விரைவான முன்மாதிரி உருவாக்கம் , வாடிக்கையாளர் செயல்விளக்கங்களுக்கு, இந்த அணுகுமுறை ஈடு இணையற்றது. இருப்பினும், இதை அதிகமாகச் சார்ந்திருப்பதற்கு எதிராக எச்சரிக்கப்படுகின்றது. உற்பத்தி நிலை பயன்பாடுகளுக்கு, விரிவாக்கத்தன்மை, பாதுகாப்பு , பராமரிப்புத்தன்மைக்காக மனித மேற்பார்வை இன்னும் தேவைப்படுகிறது.
மூன்றையும் ஒப்பிடுதல் (பாரம்பரிய குறிமுறைவரிகளின் வழிமுறையுடன் சேர்த்து)
வேறுபாட்டைக் காட்சிப்படுத்த, இந்த மூன்று வகைகளையும் பாரம்பரிய குறிமுறைவரிகளின் வழிமுறையுடன் ஒப்பிடும்போது:
தேவைகளைப் புரிந்துகொள்வதற்கான நேரம் அனைத்து வழிமுறைகளிலும் மாறாமல் இருக்கின்றது.
செய்யறிவு அறிமுகப்படுத்தப்பட்டதால், குறிமுறைவரிகளை எழுத, பிழைதிருத்தம் செய்ய பரிசோதிக்க ஆகும் நேரம் வியத்தகு முறையில் குறைகின்றது, மேலும் முழுமையான தளங்கள் மிக வேகமான முன்மாதிரி உருவாக்கத்தை வழங்குகின்றன.
இருப்பினும், இந்நிலையில் ஒரு எச்சரிக்கை உள்ளது. முன்மாதிரி உருவாக்கம் வேகமடைந்தாலும், உற்பத்தித் தரத்திலான வரிசைப்படுத்தல் சவாலாகவே உள்ளது. செய்யறிவால் உருவாக்கப்பட்ட குறிமுறைவரிகளின் எப்போதும் பிழையற்றதாக இருப்பதில்லை; தற்செயலான பிழைகள் , விளிம்புநிலைச் சூழல்களைக் கையாள ஒரு மேம்பபடுத்துநரின் தொழில்முறை நிபுணத்துவம் நமக்குத் தேவையாகும். இன்று, செய்யறிவால் உருவாக்கப்பட்ட அனைத்து குறிமுறைவரிகளிலும் ஏறக்குறைய பாதி நம்பகமானவை என்று மதிப்பிடப்படுகிறது. இன்னும் சில ஆண்டுகளில், இது 90% ஆக அதிகரிக்கக்கூடும். மீதமுள்ளவை, குறிப்பாகப் பிழைகளை கையாளுதல், சரிபார்ப்பு , செயல்திறனுக்காக மறுஆய்வு ஆகியன செய்யப்பட வேண்டும். இருப்பினும், ஒவ்வொரு புதிய மாதிரியின் வெளியீட்டிலும், இந்த இடைவெளிகள் குறைந்து வருகின்றன.
செய்யறிவு (AI) எவ்வாறு ஒரு அறிவார்ந்த உதவியாளராகப் பரிணமித்துள்ளது
செய்யறிவின் பரிணாம வளர்ச்சியின் அடுத்த கட்டம் என்பது, நிலையான மாதிரிகளிலிருந்து (static models) செய்யறிவு முகவர்களாக (AI agents) மாறுவதுதான். LangChain , CrewAI போன்ற வரைச்சட்டங்கள், பெரிய மொழி மாதிரிகளின் API-களை அழைப்பது, நேரடித் தரவைப் பெறுவது அல்லது பணிப்பாய்வுகளை (workflows) நிர்வகிப்பது போன்ற செயல்களைச் செய்ய உதவுகின்றன.
இதை நாம் உண்மையான மென்பொருள் ஒத்துழைப்பின் தொடக்கமாகக் காணமுடியும். செய்யறிவு முகவர்கள்(AI agents) தற்போது குறிமுறைவரிகளை நிறைவு செய்வது மட்டுமல்லாமல், பல-படிமுறை பகுத்தறிவையும் (multi-step reasoning) செய்ய முடியும். அவை பாதுகாப்பான, தடமறியக்கூடிய , தணிக்கை செய்யக்கூடிய, கட்டுப்படுத்தப்பட்ட, தனிமைப்படுத்தப்பட்ட மணற்தொட்டி போன்றசூழல்களில் (sandboxed environments) இயங்குகின்றன.
இந்தக் கட்டமைக்கப்பட்ட தன்னாட்சிஆனது, உருவாக்குநரின் பங்கை மாற்றியமைக்கிறது. தொடரியலை (syntax) நுணுக்கமாக நிர்வகிப்பதற்குப் பதிலாக, வரையறுக்கப்பட்ட எல்லைகளுக்குள் பகுத்தறிந்து செயல்படும் அமைப்புகளை நாம் ஒருங்கிணைக்கிறோம்.
MCP போன்ற திறமூல நெறிமுறைகள் ஏன் முக்கியமானவை
ஆந்த்ரோபிக் (Anthropic) எனும் நிறுவனம் மாதிரி சூழல் நெறிமுறையை (model context protocol – MCP) அறிமுகப்படுத்துவதற்கு முன்பு, ஒவ்வொரு செய்யறிவு (AI) கருவிக்கும் மற்றவற்றுடன் தொடர்பு கொள்ள தனிப்பயன் இணைப்பிகள் அல்லது API-கள் தேவைப்பட்டன. இது, USB-க்கு முந்தைய சாதன இணக்கத்தன்மை காலத்தைப் போலவே துண்டு துண்டாக இருந்தது. அந்தக் காலங்களில், ஒவ்வொரு சாதனத்திற்கும் அதன் சொந்த தனித்துவமான இயக்கி (driver) அல்லது இணைப்புகம்பி தேவைப்பட்டது. பெட்டியிலிருந்து வெளியில் எடுத்தவுடனேயே எதுவும் ஒன்றாகச் செயல்படவில்லை.
செய்யறிவு (AI) கருவிகளும் ஏறக்குறைய இதே சிக்கலை எதிர்கொண்டன. GPT, Claude, அல்லது Gemini போன்ற மாதிரிகள் என ஒவ்வொரு அமைப்பும், தரவைப் பரிமாறிக்கொள்ள அல்லது பிற செயல்களைச் செய்ய அதன் சொந்த இடைமுகத்தைப் பயன்படுத்திகொள்கின்றன. இயங்குதளங்கள் ஒன்றுடன் ஒன்று தொடர்புகொள்வதை சாத்தியமாக்க, உருவாக்குநர்கள் இணைப்பிகளைக் கைமுறையாக உருவாக்க வேண்டியிருக்கின்றது அல்லது தனியுரிமைக் கருவிகளைச் சார்ந்திருக்க வேண்டியிருக்கின்றது.
MCP ஆனது செய்யறிவு (AI) அமைவுகளுக்கான ஒரு உலகளாவிய இணைப்பானாகச் செயல்படுவதன் மூலம் அதை மாற்றியமைக்கிறது. மாதிரிகள் எவ்வாறு தரவுகளையும் செயல்களையும் பாதுகாப்பாகப் பகிர்ந்துகொள்கின்றன என்பதை இது வரையறுத்து, பல-முகவர் அமைப்புகளுக்கு ஒரு திறந்த, தரப்படுத்தப்பட்ட இடைமுகத்தை உருவாக்குகிறது. ஒட்டுமொத்தமாக பார்க்கும்போது, திறந்த தரநிலைகள் இணையத்திற்கு என்ன செய்தனவோ, அதையே MCPஆனது செய்யறிவு (AI) ஒத்துழைப்பிற்குச் செய்கிறது: அது களத்தைச் சமப்படுத்துகிறது.
மேம்படுத்துநர்களுக்கு, இதன் பொருள் ஒருங்கிணைப்புச் சிக்கல் குறைதல், கருவிகளை எளிதாக ஒருங்கிணைத்தல்,தளங்கள் முழுவதும் அதிக வெளிப்படையான இயங்குதன்மை ஆகும். போட்டியிடும் நெறிமுறைகள் உருவாக வாய்ப்புள்ளது, ஆனால் MCPஆனது ஏற்கனவே தன்னை ஒரு நம்பகமான திறந்த மாதிரித் தரநிலையாக நிலைநிறுத்திகொண்டுள்ளது.
பரந்த கண்ணோட்டம்: வன்பொருள், வளர்ந்து வரும் போக்குகள்
செய்யறிவின் (AI) முன்னேற்றம் மென்பொருள் தொடர்பானது மட்டுமன்று. மைக்ரோசாஃப்ட்டின் Majorana 1 போன்ற வன்பொருள் முன்னேற்றங்கள் qubit நிலைப்படுத்தலில் ஒரு மைல்கல் ஆகும். கோட்பாட்டளவில், அவை பாரம்பரிய qubits.களை விட தகவல்களை மிகவும் நிலையாகச் சேமிக்க முடியும். எனவே, எளிமையாகச் சொல்வதெனில், பெரிய அளவிலான செய்யறிவானது (AI) பணிச்சுமைகளைக் கையாள்வதிலிருந்து குவாண்டம் செயலிகளைத் தடுக்கும் பிழை விகிதங்களை அவை குறைக்கக்கூடும். இதற்கிடையில், NVIDIA’s இன் Dynamo எனும்இயக்கநேரசெயலி ஆனது, பாரம்பரியக் கணக்கீட்டின் செயல்திறனை புதிய நிலைகளுக்கு உயர்த்துகிறது. CPU , GPU-ஆகியவற்றில் குறிமுறைவரிகளின் செயல்படும் விதத்தைத் தானாகவே மேம்படுத்துவதன் மூலம், செய்யறிவின் (AI) மாதிரிகள் மிகவும் திறமையாக இயங்க இது உதவுகிறது.
இந்தத் தொழில்நுட்பங்கள் ஒன்றிணையும்போது, எதிர்காலத்தில், மேககணினி அடிப்படையிலான சூழல்களுக்குப் பதிலாக, வளாக அல்லது edge அமைவுகளில் செய்யறிவின் (AI) பணிப்பாய்வுகள் பாதுகாப்பாக இயங்கக்கூடும் என்று நாம் எதிர்பார்க்கலாம்.
இத்தகைய பரவலாக்கப்பட்ட செய்யறிவானது (AI) சிறந்த தரவுத் தனியுரிமையையும், தனியுரிமை API-களிலிருந்து சுதந்திரத்தையும் வழங்கக்கூடும்; சுருக்கமாக கூறுவதெனில், நீடித்த திறமூலச் சூழல் அமைவுகளை நோக்கி நாம் ஒரு படி முன்னேறலாம்.
செய்யறிவின் (AI) வரலாற்றின் சிறப்பம்சங்கள் (1950–2022)
1950: ஆலன் டூரிங், “இயந்திரங்களால் சிந்திக்க முடியுமா?” என்று கேட்கிறார்.
1956: ‘செய்யறிவு’ என்ற சொல் உருவாக்கப்பட்டது.
1966: எலிசா எனும் அரட்டையறை( chatbot )உருவாக்கப்பட்டது.
1970கள்–1980கள்: உள்கட்டமைப்பு , தரவுப் பற்றாக்குறையால் செய்யறிவிற்கான (AI) – மந்தநிலை ஏற்பட்டது.
1986: ஜெஃப்ரி ஹின்டனின் Backpropagation எனும் வழிமுறை உருவானது.
1997: Garry Kasparov என்பதை செய்யறிவானது (AI)தோற்கடித்தது.
1999: LeNet 5 (CNN இன் மாதிரி) என்பது உருவாக்கப்பட்டது
2006: Deep Belief வலைபின்னல்கள் — ஆழ் கற்றல் சகாப்தத்தின் தொடக்கம்.
2007: ImageN தரவுத்தொகுப்பு உருவாக்கப்பட்டது (14 மில்லியன் படங்கள்).
2012: AlexNet பிழை விகிதத்தை 25%-இலிருந்து 15%-ஆகக் குறைத்தது — “செய்யறிவின் பெருவெடிப்பு.”
2015: எலான் மஸ்க் , சாம் ஆல்ட்மேன் ஆகியோரால், ஒரு இலாப நோக்கற்ற திறமூல முயற்சியாக OpenAI நிறுவப்பட்டது.
2017: Transformer எனும் கட்டமைப்பு அறிமுகப்படுத்தப்பட்டது.
2022: ChatGPT அறிமுகம் — உருவாக்கசெய்யறிவுவின் (Generative AI) பரவலான பயன்பாடு.
செய்யறிவின் (AI) அபாயங்களும் பொறுப்புகளும்
செய்யறிவின் ஆற்றல் உண்மையான அபாயங்களால் நிறைந்துள்ளது. “ஆழ்நிலைக் கற்றலின் தந்தை” என்று அடிக்கடி அழைக்கப்படும் ஜெஃப்ரி ஹின்டன், செய்யறிவு மாதிரிகள் எதிர்பாராத நடத்தைகளைக் கற்றுக்கொள்வது பற்றிப் பேசியுள்ளார். எலான் மஸ்க் , பிற தொழில்நுட்பத் தலைவர்கள், தானியக்கத்தின் அதீதப் பயன்பாடு , அதன் நெறிமுறை சார்ந்த தாக்கங்கள் குறித்து எச்சரித்துள்ளனர்.
ஒரு மென்பொருள் உருவாக்குநரின் கண்ணோட்டத்தில், செய்யறிவு தொடர்பான மிக உடனடியான பொறுப்புகளில், தனியுரிமைக் குறிமுறைவரிகளைப் பாதுகாத்தல், தரவுக் கசிவை நிர்வகித்தல், ,மூன்றாம் தரப்பு API-களை ஒருங்கிணைக்கும்போது இணக்கத்தை உறுதி செய்தல் ஆகியவை அடங்கும்.
பெரும்பாலான சிந்தனையாளர்கள், அபாயத்தைக் குறைக்கும் அதே வேளையில் செய்யறிவின் பரிணாம வளர்ச்சியைக் கட்டுப்படுத்துவதற்கான வழியாக விழிப்புணர்வையும் தரப்படுத்தப்பட்ட நிர்வாகத்தையும் பரிந்துரைத்துள்ளனர். நாம் ஒரு பொறுப்புணர்ச்சிமிக்கக் கலாச்சாரத்தை ஊக்குவிக்க வேண்டும், குறிப்பாக மென்பொருள் உருவாக்குநர் சமூகத்தினரிடையே, அவர்கள் செய்யறிவின் புத்தாக்கத்தைப் போன்றே அதன் நெறிமுறை சார்ந்த பயன்பாட்டையும் முக்கியமானதாகக் கருத வேண்டும்.
இறுதியாக: செய்யறிவானது கூட்டாண்மையாகும், மாற்று அன்று
மென்பொருள் உருவாக்கத்தைப் பொறுத்தவரை, செய்யறிவின் வடிவமைப்பு, பரிசோதனை , பயன்பாட்டை விரைவுபடுத்துகிறது, ஆனால் அது மனித நோக்கத்தையும் , படைப்பாற்றலையும் சார்ந்துள்ளது.
செய்யறிவு ஒரு போட்டியாளரோ அல்லது அச்சுறுத்தலோ அன்று, மாறாக அது ஒரு கூட்டு முயற்சிக் கருவியாகும்.
செய்யறிவின் ஆற்றலை மிகவும் பொறுப்புடன் பயன்படுத்திடுக, ஆக்கப்பூர்வமான கட்டுப்பாட்டைப் பராமரி்த்திடுக, திறந்த, ஒளிவுமறைவற்ற சூழல் அமைப்புகளை ஆதரித்திடுக நாம் ஒரு சமநிலையைக் கண்டறிய வேண்டும். இதன் மூலம், தொழில்நுட்பம் மனிதகுலத்திற்குச் சேவை செய்வதை உறுதிசெய்ய வேண்டுமே தவிர, மனிதகுலம் தொழில்நுட்பத்திற்குச் சேவை செய்யக்கூடாது.
எனவே, மென்பொருள் உருவாக்கத்தில் செய்யறிவின் உண்மையான வாக்குறுதி என்பது கூட்டாண்மையே தவிர, மாற்று அன்று என்று நம்பப்படுகிறது.