Skip to main content

Gemini ஆப்ஸ் குறித்த அறிமுகம்

தகவல்களையும் கம்ப்யூட்டிங்கையும் மக்கள் எளிதில் அணுகக்கூடியதாகவும் பயனுள்ளதாகவும் AI மாற்றுவதை நீண்ட நாட்களாகப் பார்த்து வருகிறோம். விரிவான மொழித்திறன் மாடல்களில் (LLMகள்) முன்னோடியாகத் திகழும் மேம்பாடுகளைச் செய்து, Googleளிலும் இந்தத் துறையிலும் சிறப்பான முன்னேற்றத்தைக் கண்டுள்ளோம். பல வருடங்களாக எங்கள் பல தயாரிப்புகளை மேம்படுத்த, பின்னணியில் LLMகளைப் பயன்படுத்தி வருகிறோம். உதாரணமாக, Gmailலில் வரிகளைத் தானே நிரப்புதல், Google Translateடை விரிவாக்குதல், Google Searchசில் வினவல்களை நன்றாகப் புரிந்துகொள்ள எங்களுக்கு உதவுதல் போன்றவை. பல Google சேவைகளுக்கும் Gemini ஆப்ஸை வழங்குவதற்கும் தொடர்ந்து LLMகளைப் பயன்படுத்தி வருகிறோம். இதன்மூலம், பயனர்கள் நேரடியாக ஜெனரேட்டிவ் AI உடன் இணைந்து செயல்பட முடியும். Googleளின் சமீபத்திய AI மாடல்களுக்கான நேரடி அணுகலைப் பயனர்களுக்கு வழங்குவதன் மூலம் Gemini ஆப்ஸை மிகவும் உதவிகரமான தனிப்பட்ட AI அசிஸ்டண்ட்டாக்க விரும்புகிறோம்.

ஜெனரேட்டிவ் AI தொழில்நுட்பத்தில் ஒரு திருப்புமுனையான தருணத்தில் இருக்கிறோம், பரவலாக அந்தத் துறை மீது இருக்கும் ஆர்வம் எங்களுக்கு ஊக்கமளிக்கிறது. ஆனாலும், இந்தத் தொழில்நுட்பம் இன்னும் ஆரம்ப நிலையில்தான் உள்ளது. Gemini ஆப்ஸில் ("Gemini") எங்கள் பணியை எப்படி அணுகுகிறோம் என்பதை இந்த விளக்கவுரை மேலோட்டமாகக் கூறுகிறது. அதன் மொபைல் மற்றும் இணைய ஆப்ஸ் அனுபவம் உட்பட, அது என்ன என்பது, அது செயல்படும் விதம், தற்போதைய திறன்கள் மற்றும் வரம்புகள் ஆகியவை இதில் அடங்கும். Geminiயின் அடிப்படைத் தொழில்நுட்பம் வளர்ச்சியடையும்போதும், தொடர் ஆராய்ச்சி, அனுபவம் மற்றும் பயனர் கருத்துகளில் இருந்து நாங்கள் கற்பவை மூலமாகவும், Geminiயை உருவாக்குவதற்கான எங்கள் அணுகுமுறை வளர்ச்சியடையும்.

Gemini என்றால் என்ன?

Gemini என்பது மல்டிமோடல் LLMக்கான (வார்த்தைகள், ஆடியோ, படங்கள் மற்றும் பலவற்றைக் கையாளுதல்) இடைமுகமாகும். Gemini என்பது LLMகள் மீதான Googleளின் மிகச் சமீபத்திய ஆய்வின் அடிப்படையிலானது. இது 2013ல் சொற்களைக் கணிதக் கருத்தாக்கங்களாக மேப் செய்யும் புதுமையான மாடல் கட்டமைப்புகளை முன்மொழிந்த வர்டு2வெக் என்ற ஆய்வுக் கட்டுரையில் தொடங்கியது. அதைத் தொடர்ந்து 2015ல் நியூரல் உரையாடல் மாடல் அறிமுகப்படுத்தப்பட்டது. மாடல்கள் எப்படி முந்தைய வாக்கியம் அல்லது வாக்கியங்களின் அடிப்படையில் உரையாடலின் அடுத்த வாக்கியத்தைக் கணிக்க முடியும் என்பதை இந்தக் கட்டமைப்பு விளக்கி, மிகவும் இயல்பான உரையாடல் அனுபவங்களுக்கு வழிவகுத்தது. அதைத் தொடர்ந்து 2017ல் டிரான்ஸ்ஃபார்மர், 2020ல் மல்டி-டர்ன் உரையாடல் திறன்கள் ஆகியவற்றில் நாங்கள் மேற்கொண்ட திருப்புமுனைப் பணிகள் ஜெனரேட்டிவ் மொழியின் முன்னேற்றத்தை இன்னும் அழுத்தமாக வெளிப்படுத்தியது.

எங்கள் AI கொள்கைகளுக்கு இணங்க, மார்ச் 2023ல் Geminiயை (முன்பு Bard என்று அழைக்கப்பட்டது) முதலில் ஒரு பரிசோதனையாக வெளியிட்டோம். அப்போதிருந்து, ஈர்க்கக்கூடிய வகையிலான மின்னஞ்சல்களை எழுதவும், கடினமான கோடிங் சிக்கல்களைப் பிழைதிருத்தவும், வரவிருக்கும் நிகழ்வுகளுக்கான யோசனைகளைக் கலந்து ஆலோசிக்கவும், கடினமான கருத்தாக்கங்களைக் கற்றுக்கொள்ள உதவி பெறவும் மற்றும் பலவற்றுக்கும் பயனர்கள் Gemini உதவியைப் பெறுகின்றனர். இன்று, Gemini பல வழிகளில் உங்களுக்கு உதவக்கூடிய பல்திறன் வாய்ந்த AI கருவியாகும். மக்கள் அதிகச் செயல்திறன் கொண்டவர்களாகவும், மிகவும் கிரியேட்டிவாகவும், அதிக ஆர்வமுள்ளவர்களாகவும் இருக்க Gemini உதவுவதை ஏற்கெனவே உணர்கிறோம். மேலும், புதிய அம்சங்கள் மற்றும் கண்டுபிடிப்புகளைத் தொடர்ந்து சேர்த்து வருகிறோம்.

பணிச் செயல்திறன்

முதலில், Geminiயால் உங்கள் நேரத்தை மிச்சப்படுத்த முடியும். உதாரணமாக, நீங்கள் ஒரு நீண்ட ஆய்வு ஆவணத்தைச் சுருக்க விரும்புகிறீர்கள் என்று வைத்துக்கொள்வோம். அதைப் பதிவேற்ற Gemini உங்களுக்கு உதவுவதோடு, பயனுள்ள தொகுப்பையும் வழங்குகிறது. Geminiயால் கோடிங் பணிகளிலும் உதவ முடியும். அதன் மிகவும் பிரபலமான பயன்பாடுகளில் ஒன்றாகக் கோடிங் விரைவாக மாறிவிட்டது.

கிரியேட்டிவிட்டி

Gemini உங்கள் யோசனைகளுக்கு உயிரூட்டவும், உங்கள் கிரியேட்டிவிட்டியைத் தூண்டவும் உதவும். உதாரணமாக, நீங்கள் ஒரு வலைப்பதிவை எழுதுகிறீர்கள் என்றால், Geminiயால் அதற்கான அவுட்லைனையும் உங்கள் பதிவை விளக்க உதவும் படங்களையும் உருவாக்க முடியும். மேலும், விரைவில் வரவிருக்கும் Gemகள் மூலம், குறிப்பிட்ட வழிமுறைகளுடன் Geminiயைப் பிரத்தியேகமாக்கி, குறிப்பிட்ட தலைப்பில் அதை நிபுணராகச் செயல்பட வைத்து உங்கள் தனிப்பட்ட இலக்குகளை அடைய முடியும்.

ஆர்வம்

உங்கள் யோசனைகள் மற்றும் நீங்கள் மேலும் தெரிந்துகொள்ள விரும்பும் விஷயங்களை ஆராய்வதற்கு Gemini ஒரு தொடக்கப் புள்ளியாக இருக்க முடியும். உதாரணமாக, சிக்கலான கருத்தாக்கத்தை எளிமையாக விளக்க முடியும், ஒரு தலைப்பு அல்லது படம் குறித்த பொருத்தமான தகவல்களைக் காட்ட முடியும். விரைவில், அது இந்தத் தகவல்களை இணையம் முழுவதிலும் இருந்து பெற்ற, பரிந்துரைக்கப்படும் உள்ளடக்கத்துடன் சேர்த்து குறிப்பிட்ட தலைப்புகள் பற்றி மேலும் தெரிந்துகொள்ள உதவும்.

Geminiயின் திறன்கள் வேகமாக விரிவடைந்து வருகின்றன. விரைவில், உங்கள் மொபைலின் கேமராவை ஏதேனும் ஒன்றை நோக்கிக் காட்டி அது எந்த வண்ணத்தில் உள்ளது என்று Geminiயைக் கேட்கலாம். உதாரணமாக, தாஜ்மஹாலைக் காட்டி அதன் வண்ணத்தைக் கேட்கலாம் (உங்களுக்கு அது “ஆஃப் ஒயிட்” போல உள்ளதோ என்று தோன்றினால்). வேறொரு மொழியில் உள்ள உணவக மெனுவைப் படிக்க உதவிசெய்யவும், நீங்கள் விரும்பக்கூடிய உணவைப் பரிந்துரைக்கும்படியும் கூட Geminiயிடம் கேட்கலாம். இவை இரண்டும் விரைவில் Geminiயில் கிடைக்கவிருக்கும் புதிய திறன்களுக்கான உதாரணங்கள் மட்டுமே.

Geminiயின் பதில்கள் நம்பகமான வகையிலும் உங்கள் எதிர்பார்ப்புகளுடன் ஒத்துப்போகும் வகையிலும் இருக்க வேண்டும் என்பதற்காக நாங்கள் அதற்குத் தீவிரமாகப் பயிற்சியளிக்கிறோம், கண்காணிக்கிறோம். வளர்ந்து வரும் இந்தத் தொழில்நுட்பத்தின் புதிய பயன்பாடுகள், ஆபத்துகள் மற்றும் வரம்புகளைத் தெரிந்துகொள்ள தொழில்துறை வல்லுநர்கள், கல்வியாளர்கள், கொள்கை உருவாக்குநர்கள், வணிகத் தலைவர்கள், சிவில் மற்றும் மனித உரிமைத் தலைவர்கள், உள்ளடக்க உருவாக்குநர்கள் ஆகியோருடனும் ஆலோசிக்கிறோம்.

Gemini செயல்படும் விதம்

1

முன் பயிற்சி

2

பயிற்சிக்குப் பின்

3

பயனர் ப்ராம்ப்ட்களுக்கான பதில்கள்

4

மனிதக் கருத்துகள் மற்றும் மதிப்பீடு

Gemini போன்ற LLM சார்ந்த இடைமுகங்களின் தெரிந்த வரம்புகள்

LLMகளைப் பொறுப்புடன் மேம்படுத்துவதற்கான எங்கள் தொடர்ச்சியான முயற்சியில் Gemini ஒரு பகுதி மட்டுமே. இந்தப் பணி முழுவதும், LLMகளுடன் தொடர்புடைய வரம்புகள் பலவற்றைக் கண்டறிந்து விவாதித்துள்ளோம். இதில், தொடர்ந்து ஆய்வுசெய்யும் ஆறு பகுதிகளில் நாங்கள் கவனம் செலுத்துகிறோம்:

  • துல்லியத்தன்மை: Geminiயின் பதில்கள் துல்லியமில்லாமல் இருக்கலாம். குறிப்பாக, சிக்கலான அல்லது உண்மையான தலைப்புகள் தொடர்பாகக் கேட்கப்படும்போது இப்படி நடக்கலாம்.

  • சார்புநிலை: Geminiயின் பதில்களில், அதன் பயிற்சித் தரவின் அடிப்படையில் சார்பு நிலைகள் இருக்கக்கூடும்.

  • பலதரப்பட்ட கண்ணோட்டங்கள்: Geminiயின் பதில்களில் பன்முகக் கருத்துகள் இல்லாமல் போகக்கூடும்.

  • ஆளுமைத் தோற்றம்: Geminiயின் பதில்கள், தனிப்பட்ட கருத்துகள் அல்லது உணர்வுகள் அதற்கு இருப்பதாக உங்களைத் தவறாகக் கருத வைக்கலாம்.

  • தவறான நேர்மறை மற்றும் தவறான எதிர்மறை பதில்கள்: சில முறையான ப்ராம்ப்ட்களுக்கு Gemini பதிலளிக்காமல் போகலாம், அதேபோல பிறவற்றுக்குச் சில முறையற்ற பதில்களை வழங்கலாம்.

  • தீயநோக்குள்ள ப்ராம்ப்ட்களுக்குப் பதிலளிக்கும் பலவீனம்: அர்த்தமற்ற ப்ராம்ப்ட்டுகள் அல்லது நிஜ உலகில் அரிதாகக் கேட்கப்படும் கேள்விகள் மூலம் Geminiயை அழுத்தச் சோதனைக்கு உள்ளாக்க பயனர்கள் பல வழிகளில் முயலலாம்.

இந்தப் பகுதிகள் ஒவ்வொன்றிலும் செயல்திறனை மேம்படுத்த, புதிய அணுகுமுறைகள் மற்றும் பகுதிகளை நாங்கள் தொடர்ந்து ஆராய்ந்து வருகிறோம்.

துல்லியத்தன்மை

அதிகாரப்பூர்வமான தகவல்கள் மீதான Googleளின் புரிதலின் அடிப்படையில் Gemini செயல்படுகிறது. மேலும், உங்கள் ப்ராம்ட்டின் சூழலுக்குப் பொருத்தமான மற்றும் உங்கள் எதிர்பார்ப்பிற்கு ஏற்ற பதில்களை உருவாக்குவதற்குப் பயிற்சி அளிக்கப்பட்டுள்ளது. ஆனால், எல்லா LLMகளையும் போலவே Geminiயும் சில நேரங்களில் நம்பிக்கையுடனும் நம்பத்தகுந்த வகையிலும் தவறான அல்லது தவறாக வழிநடத்தும் தகவல்கள் உள்ள பதில்களை உருவாக்கலாம்.

Since LLMs work by predicting the next word or sequences of words, they are not yet fully capable of distinguishing between accurate and inaccurate information on their own. We have seen Gemini present responses that contain or even invent inaccurate information (e.g., misrepresenting how it was trained or suggesting the name of a book that doesn’t exist).

சார்புநிலை

பயிற்சித் தரவில் (பொதுவில் கிடைக்கும் தகவல்கள் உட்பட) பல்வேறு கண்ணோட்டங்கள் மற்றும் கருத்துகள் உள்ளன. LLM பதிலில் பல்வேறு கண்ணோட்டங்கள் இருப்பதையும், அதேநேரத்தில் துல்லியமற்ற, மிகையான பொதுமைப்படுத்தல்கள் மற்றும் சார்புகளைக் குறைப்பதையும் உறுதிசெய்யும் வகையில் இந்தத் தரவை எப்படிப் பயன்படுத்துவது என்பதை நாங்கள் தொடர்ந்து ஆராய்ந்து வருகிறோம்.

பயிற்சித் தரவில் உள்ள இடைவெளிகள், சார்புகள் மற்றும் மிகையான பொதுமைப்படுத்தல்கள், ப்ராம்ப்ட்டுக்கான சாத்தியமான பதில்களை ஒரு மாடல் கணிக்க முயலும்போது அதன் வெளியீடுகளில் பிரதிபலிக்கலாம். இந்தச் சிக்கல்கள் பல வழிகளில் வெளிப்படுவதை நாங்கள் பார்க்கிறோம் (எ.கா. ஒரு கலாச்சாரம் அல்லது மக்கள் தொகையில் ஒரு பகுதியினரை மட்டுமே பிரதிபலிக்கும் பதில்கள், சிக்கலான மற்றும் மிகையான பொதுமைப்படுத்தல்களைக் குறிப்பிடுதல், பாலினம், மதம் அல்லது இனச் சார்புகளை வெளிப்படுத்துதல் அல்லது ஒரு கண்ணோட்டத்தை மட்டும் ஊக்குவித்தல்). தரவுகள் சில தலைப்புகளுக்கு விடுபட்டுள்ளன. அதாவது, கொடுக்கப்பட்ட தலைப்பு குறித்து LLM தெரிந்துகொண்டு நல்ல கணிப்புகளை வழங்கும் அளவுக்குப் போதுமான, நம்பகமான தகவல்கள் இல்லை. இதனால் தரம் குறைந்த அல்லது தவறான பதில்கள் வழங்கப்படலாம். Google சாராதவர்களின் நிபுணத்துவத்தை அதிக அளவில் பெற, துறைசார் நிபுணர்களுடனும் பல்வேறு சமூகங்களுடனும் நாங்கள் தொடர்ந்து பணியாற்றி வருகிறோம்.

பலதரப்பட்ட கண்ணோட்டங்கள்

தனிப்பட்ட கருத்து சார்ந்த தலைப்புகளுக்கு, பயனர் ஒரு குறிப்பிட்ட கண்ணோட்டத்தைக் கேட்கவில்லை என்றால், பலதரப்பட்ட கண்ணோட்டங்களை வழங்கும் வகையில் Gemini வடிவமைக்கப்பட்டுள்ளது. உதாரணமாக, முதன்மை ஆதாரத்தில் உள்ள தகவல்கள் அல்லது அதிகாரப்பூர்வ ஆதாரங்களால் சரிபார்க்க முடியாத ஒன்றைக் குறித்த தகவலுக்கு, அதாவது எது "சிறந்தது" அல்லது "மோசமானது" என்று தனிப்பட்ட கருத்து கேட்கப்பட்டால், வெவ்வேறு கண்ணோட்டங்களைப் பிரதிபலிக்கும் வகையில் Gemini பதிலளிக்க வேண்டும். ஆனால், Gemini போன்ற LLMகள் இணையத்தில் பொதுவில் கிடைக்கும் உள்ளடக்கம் மூலம் பயிற்சி பெறுவதால், அவை குறிப்பிட்ட அரசியல்வாதிகள், புகழ் பெற்றவர்கள் அல்லது பிற பிரபலங்களின் நேர்மறை அல்லது எதிர்மறை கருத்துகளைப் பிரதிபலிக்கலாம் அல்லது சர்ச்சைக்குரிய சமூக அல்லது அரசியல் சிக்கல்களின் ஒரு பக்கக் கண்ணோட்டத்தைச் சேர்த்துக்கொள்ளலாம். இந்தத் தலைப்புகளில் ஒரு குறிப்பிட்ட கண்ணோட்டத்தை ஆதரிக்கும் வகையில் Gemini பதிலளிக்கக்கூடாது. இந்த வகையான பதில்கள் குறித்து வரும் கருத்துகளைப் பயன்படுத்தி அவற்றைச் சிறப்பாகக் கையாள Geminiக்குப் பயிற்சியளிப்போம்.

ஆளுமைத் தோற்றம்

மனித அனுபவத்தை வெளிப்படுத்துவதற்கு மக்கள் பயன்படுத்துகின்ற மொழியில் பயிற்சி பெற்றதால், Gemini சில நேரங்களில் கருத்துகளோ உணர்ச்சிகளோ (அன்பு, கவலை போன்றவை) அதற்கு இருப்பதைப் போன்று காட்டும் பதில்களை அவ்வப்போது உருவாக்கக்கூடும். Gemini தன்னை எப்படிக் காட்டிக்கொள்ளலாம் (அதாவது, அதன் ஆளுமை) என்பது குறித்து நாங்கள் ஒரு வழிகாட்டுதல் தொகுப்பை உருவாக்கியுள்ளோம். மேலும், தனிப்பட்ட கருத்தைச் சேர்க்காமல் பதில்களை வழங்க மாடலைத் தொடர்ந்து மேம்படுத்துகிறோம்.

தவறான நேர்மறை/எதிர்மறை பதில்கள்

Geminiக்குப் பயிற்சியளிக்கவும், சிக்கலான பதில்களை உருவாக்குவதைத் தவிர்க்கவும் உதவும் வகையில் கொள்கை வழிகாட்டுதல்கள் தொகுப்பை உருவாக்கியுள்ளோம். Gemini சில நேரங்களில் இந்த வழிகாட்டுதல்களைத் தவறாகப் புரிந்துகொண்டு, "தவறான நேர்மறை" மற்றும் "தவறான எதிர்மறை" பதில்களை உருவாக்கலாம். "தவறான நேர்மறை" பதிலில், Gemini முறையான ப்ராம்ப்ட்டை முறையற்றது என்று தவறாகப் புரிந்துகொண்டு அதற்குப் பதிலளிக்காமல் போகலாம். "தவறான எதிர்மறை" பதிலில், வழிகாட்டுதல்கள் இருந்தபோதிலும் Gemini முறையற்ற பதிலை உருவாக்கக்கூடும். சில நேரங்களில், தவறான நேர்மறை அல்லது தவறான எதிர்மறை பதில்களால் Gemini சார்புடையதாகத் தோன்றக்கூடும்: உதாரணமாக, தவறான நேர்மறை பதிலால் Gemini ஒரு சிக்கலின் ஒரு பக்கத்தைப் பற்றிய கேள்விக்குப் பதிலளிக்காமல் போகக்கூடும், அதே நேரத்தில் அதே சிக்கலின் மறுபக்கத்தைப் பற்றிய அதே கேள்விக்குப் பதிலளிக்கும். மொழி, நிகழ்வுகள் மற்றும் சமூகம் வேகமாக அடுத்தடுத்த கட்டத்திற்கு நகர்வதால், உள்ளீடுகள் மற்றும் வெளியீடுகளை நன்றாகப் புரிந்துகொண்டு வகைப்படுத்தும் வகையில் இந்த மாடல்களை நாங்கள் தொடர்ந்து மேம்படுத்துகிறோம்.

தீயநோக்குள்ள ப்ராம்ப்ட்களுக்குப் பதிலளிக்கும் பலவீனம்

Gemini செய்யக்கூடியவற்றின் வரம்புகளைப் பயனர்கள் சோதித்துப் பார்ப்பார்கள் என்றும், அதன் பயிற்சி நெறிமுறைகள் அல்லது பிற தகவல்களை வெளியிட வைக்க முயற்சிப்பது, அதன் பாதுகாப்புத் தொழில்நுட்பங்களைத் தந்திரமாக ஏமாற்ற முயற்சிப்பது உட்பட, அதன் பாதுகாப்புகளை உடைக்க முயற்சிப்பார்கள் என்றும் நாங்கள் எதிர்பார்க்கிறோம். Geminiயை நாங்கள் தீவிரமாகச் சோதித்தோம், தொடர்ந்து சோதிக்கிறோம். ஆனாலும் அதை மேலும் அழுத்தச் சோதனைக்கு உள்ளாக்க பயனர்கள் தனித்துவமான, சிக்கலான வழிகளைக் கண்டுபிடிப்பார்கள் என்பது எங்களுக்குத் தெரியும். Geminiயை மேம்படுத்துவதில் இது ஒரு முக்கியமான பகுதி. பயனர்கள் என்னென்ன புதிய ப்ராம்ப்ட்டுகளைப் பயன்படுத்துகிறார்கள் என்பதைத் தெரிந்துகொள்ள நாங்கள் ஆவலுடன் காத்திருக்கிறோம். உண்மையில், 2023ல் Gemini வெளியானதில் இருந்து, தத்துவார்த்தமானது முதல் அர்த்தமற்றது வரை பல வகையான ப்ராம்ப்ட்டுகளின் மூலம் பயனர்கள் அதற்குச் சவால் விடுப்பதைப் பார்க்கிறோம். சில நேரங்களில், Geminiயும் அதே அளவு அர்த்தமற்ற அல்லது நாங்கள் குறிப்பிட்டுள்ள அணுகுமுறையுடன் இணங்காத பதில்களை வழங்குவதைப் பார்த்திருக்கிறோம். இந்த வகையான ப்ராம்ப்ட்டுகளுக்குப் பதிலளிக்க Geminiக்கு உதவும் முறைகளைக் கண்டறிவது இன்றும் சவாலாக உள்ளது. மேலும், துல்லியத்தன்மை, சார்பற்ற நிலை, அர்த்தத்தில் சின்னச்சின்ன வித்தியாசங்களை உணர்தல் ஆகியவற்றில் தொடர்ச்சியாக மேம்பட, எங்கள் நிறுவனத்திற்குள்ளான மதிப்பீடுகள் மற்றும் ரெட் குழுவை நாங்கள் தொடர்ந்து விரிவுபடுத்தி வருகிறோம்.

Geminiயை எப்படித் தொடர்ந்து மேம்படுத்துகிறோம்?

Geminiக்கான எங்கள் அணுகுமுறையின் பயன்பாடு

எங்கள் AI கொள்கைகளுடன், Gemini தொடர்பான பணிக்கான எங்கள் அணுகுமுறையைச் சமீபத்தில் தெளிவுபடுத்தினோம்: Gemini நீங்கள் சொல்வதைக் கேட்க வேண்டும், உங்கள் தேவைகளுக்கு ஏற்ப மாற வேண்டும் மற்றும் உங்களுக்குப் பாதுகாப்பான அனுபவத்தை வழங்க வேண்டும். பொறுப்பு மற்றும் பாதுகாப்பின் மீது கவனம் செலுத்துவதுதான் எங்கள் அணுகுமுறையின் அடிப்படை. Geminiக்கான கொள்கை வழிகாட்டுதல்கள் குறிப்பிட்ட வகையிலான சிக்கலான வெளியீடுகளைத் தவிர்க்க முயல்கின்றன. எங்கள் நிறுவனத்தின் "ரெட் குழு" உறுப்பினர்களுடன் இணைந்து தீயநோக்குள்ள ப்ராம்ப்ட்களுக்குப் பதிலளிக்கும் சோதனையில் தொடர்ச்சியாக நாங்கள் ஈடுபட்டுள்ளோம். இதில் தயாரிப்பு நிபுணர்கள் மற்றும் சமூக விஞ்ஞானிகள் வேண்டுமென்றே ஒரு மாடலை அழுத்தச் சோதனைக்கு உள்ளாக்கி இந்தக் கொள்கை வழிகாட்டுதல்கள் மற்றும் Geminiக்கான எங்கள் நார்த்ஸ்டார் அணுகுமுறையுடன் சீரமைவுச் சிக்கல்கள் உள்ளனவா என்று பார்ப்பார்கள். இதன்மூலம் அவர்கள் கற்பதைப் பயன்படுத்தி Geminiயைத் தொடர்ந்து மேம்படுத்த முடியும்.

Geminiயை மேம்படுத்தும்போது தனியுரிமைக்கும் முக்கியத்துவம் கொடுக்கிறோம். Geminiயை எப்படி வடிவமைப்பின்படி தனியுரிமையுடனும், கட்டுப்பாட்டை உங்களிடம் வழங்கும் வகையிலும் உருவாக்குகிறோம் என்பது பற்றிய கூடுதல் தகவல்கள் Gemini ஆப்ஸ் தனியுரிமைப் பிரிவில் உள்ளன.

பயனர் மற்றும் வெளியீட்டாளர் கட்டுப்பாட்டை இயக்குதல்

உங்கள் Gemini தரவைச் சரிபார்க்க, மாற்ற, நிர்வகிக்க, ஏற்ற மற்றும் நீக்க, எளிதில் அணுகக்கூடிய பல்வேறு Gemini பயனர் கட்டுப்பாடுகளை நாங்கள் உருவாக்கியுள்ளோம். Gemini ஆப்ஸ் செயல்பாட்டுக் கட்டுப்பாடு மூலம் உங்கள் Gemini ப்ராம்ப்ட்டுகள், பதில்கள் மற்றும் கருத்துகளை நீங்கள் அணுகலாம், சரிபார்க்கலாம். அத்துடன், உங்கள் Gemini ஆப்ஸ் செயல்பாடுகள் அமைப்பை ஆஃப் செய்வதன் மூலம் Google மெஷின் லேர்னிங் தொழில்நுட்பங்களை மேம்படுத்த உங்கள் எதிர்கால Gemini உரையாடல்கள் பயன்படுத்தப்படுவதைத் தவிர்க்கலாம். பிற Google சேவைகளைப் போலவே, இதிலும் Googleளின் Takeout கருவி மூலம் உங்கள் தகவல்களைப் பதிவிறக்கி ஏற்றலாம். உங்கள் Gemini மெசேஜ் தொடர்களுக்கு நீங்கள் உருவாக்கிய பொது இணைப்புகளை நிர்வகிக்க அனுமதிக்கும் கட்டுப்பாடுகளையும், நீட்டிப்புகளுக்கான (எ.கா. Workspace, Maps, YouTube) அணுகலை ஆன்/ஆஃப் செய்ய அனுமதிக்கும் கட்டுப்பாடுகளையும் வழங்குகிறோம். பல்வேறு வகையான பதில்களை வழங்கும் வகையில் ஃபில்டர்களைச் சரிசெய்வது உட்பட, Geminiயின் பதில்கள் மீதான கூடுதல் கட்டுப்பாட்டை உங்களுக்கு வழங்குவதற்கான புதிய வழிகளையும் நாங்கள் ஆராய்ந்து வருகிறோம்.

வெளியீட்டாளர்களுக்காக, Google-Extended என்ற கட்டுப்பாட்டை வெளியிட்டுள்ளோம். இதன்மூலம், இணைய வெளியீட்டாளர்கள் தங்கள் தளங்கள் Gemini மற்றும் Vertex AI ஜெனரேட்டிவ் APIகளை மேம்படுத்த உதவ வேண்டுமா என்பதை நிர்வகிக்கலாம். தளங்களின் உள்ளடக்கத்திற்கான அணுகலை Google-Extendedக்கு வழங்குவது AI மாடல்கள் காலப்போக்கில் மிகவும் துல்லியமாகவும் திறன்மிக்கதாகவும் மாற உதவும். மாடலின் பயிற்சிக்காகப் பயன்படுத்த ஒப்புதல் அளிக்காத URLகளில் இருந்து உள்ளடக்கத்தைப் பயன்படுத்தாமல் இருப்பதுடன், அத்தகைய உள்ளடக்கத்தை தகவல்களை உறுதிப்படுத்துவதற்காகவும் Gemini பயன்படுத்தாது. AI பயன்பாடுகள் விரிவடையும் போது, அதிக அளவில் பல்வேறு பயன்பாடுகளை நிர்வகிப்பதில் இணைய வெளியீட்டாளர்கள் அதிகமான சிக்கலை எதிர்கொள்வார்கள். விருப்பத்தேர்வு மற்றும் கட்டுப்பாட்டுக்கான, மெஷினால் படிக்கக்கூடிய அணுகுமுறைகளை ஆய்வு செய்ய இணையம் மற்றும் AI சமூகங்களுடன் இணைந்து செயல்படுவது எங்கள் நோக்கமாகும்.

Geminiயை நாம் இணைந்து மேம்படுத்துதல்

விரைவான மறுசெய்கையிலும், Geminiயின் சிறந்த பலன்களை உலகிற்கு வழங்குவதிலும் நாங்கள் நம்பிக்கை கொண்டுள்ளோம். பயனர் கருத்து எங்கள் மாடல்களின் மேம்பாடுகளைத் துரிதப்படுத்தியுள்ளது. உதாரணமாக, கூடுதல் உள்ளுணர்வும் கற்பனைத் திறனும் இருக்கும் வகையிலும், இன்னும் அதிகத் தரமான, துல்லியமான பதில்களை வழங்கும் வகையிலும் எங்கள் மாடல்களுக்குப் பயிற்சியளிக்க நாங்கள் மிகவும் திறன்வாய்ந்த ரீயின்ஃபோர்ஸ்மென்ட் லேர்னிங் நுட்பங்களைப் பயன்படுத்துகிறோம். LLMகளின் தொழில்நுட்ப, சமூக, நெறிமுறை சார்ந்த சவால்கள் மற்றும் வாய்ப்புகள் குறித்து மேலும் தெரிந்துகொள்ளவும், Geminiயின் மாடல் பயிற்சி மற்றும் சரிசெய்தல் நுட்பங்களை மேம்படுத்தவும், மேம்பட்ட AI அசிஸ்டண்ட்டுகளுக்கான நெறிமுறைகள் என்ற ஆய்வுக் கட்டுரை போல, கற்றதை ஆராய்ச்சியாளர்களுடன் பகிர்வதிலும் நாங்கள் தொடர்ந்து கவனம் செலுத்தி வருகிறோம். இங்கே பொறுப்புடன் கண்டுபிடிப்புகளை உருவாக்கவும், மொத்த அமைப்புக்கும் இந்தப் புதிய தொழில்நுட்பம் பயனளிக்கக்கூடிய வழிகளைக் கண்டறிய பயனர்கள், நம்பிக்கைக்குரிய சோதனையாளர்கள் மற்றும் ஆராய்ச்சியாளர்களுடன் இணைந்து செயல்படுவதும் எங்கள் நோக்கமாகும்.

வெளிப்படைத்தன்மை முக்கியமானது என்பதால், Geminiயின் உருவாக்கச் செயல்பாடு மற்றும் வரம்புகள் குறித்து வெளிப்படையாக இருப்பது எங்கள் நோக்கமாகும். Gemini மாயாஜாலப் பெட்டி அல்ல. அது தொடர்ந்து மேம்பட்டு வருகிறது. மேம்பாடுகள் குறித்த தகவல்களை நாங்கள் தொடர்ந்து பகிர்வோம். Geminiயின் சமீபத்திய அம்சங்கள், மேம்பாடுகள் மற்றும் பிழைதிருத்தங்களை நீங்கள் தெரிந்துகொள்ள வெளியீட்டுத் தகவல்கள் பக்கத்தை நாங்கள் தொடங்கியுள்ளோம். மேலும், இந்தப் பக்கத்தை அவ்வப்போது புதுப்பிப்போம். Gemini பயனுள்ளதாகவும் உதவிகரமாகவும் இருக்கும் இடங்களையும், அதை மேம்படுத்த மறுசெய்கை தேவைப்படும் இடங்களையும் அடையாளம் காண்போம். நாங்கள் புதிய திறன்களைத் தொடர்ந்து சேர்த்து வருகிறோம். மேலும், தொடர்ச்சியான ஆய்வு, சோதனை மற்றும் பயனர் கருத்துகள் மூலம் Geminiயை இணைந்து மேம்படுத்துவதை எதிர்நோக்கியுள்ளோம்.

அங்கீகரித்தல்கள்

Gemini ஆப்ஸ் குழு, Google DeepMind, நம்பிக்கை மற்றும் பாதுகாப்பு (Trust and Safety), Google Research ஆகியவற்றில் உள்ள எங்கள் சக பணியாளர்களின் அற்புதமான பணியை நாங்கள் பாராட்டுகிறோம், அங்கீகரிக்கிறோம்.

எழுதியவர்

ஜேம்ஸ் மான்யீகா
SVP, ஆய்வு, தொழில்நுட்பம் மற்றும் சமூகம்

சிஸ்ஸி ஹிசாவ்
துணைத் தலைவர் மற்றும் பொது மேலாளர், Google Assistant மற்றும் Gemini ஆப்ஸ்

திருத்துபவரின் குறிப்பு

செயலில் இருக்கும் இந்த ஆவணத்தில், Gemini ஆப்ஸின் திறன்களை நாங்கள் தொடர்ந்து விரைவாக மேம்படுத்துவது குறித்தும், LLMகளுக்கே உரிய வரம்புகளைச் சரிசெய்வது குறித்தும் தகவல்களை அவ்வப்போது சேர்ப்போம். இந்த அறிமுகப் பக்கம் கடைசியாக ஜூலை 25, 2024 அன்று புதுப்பிக்கப்பட்டது. Gemini ஆப்ஸ் குறித்த சமீபத்திய புதுப்பிப்புகளுக்கு, வெளியீட்டுத் தகவல்கள் பதிவைப் பாருங்கள் அல்லது Google Keyword வலைப்பதிவில் மேலும் படியுங்கள்.

Gemini செயல்படும் விதம்

1 முன் பயிற்சி

Googleளின் மிகவும் திறன்வாய்ந்த AI மாடல்கள் மூலம் இயங்கும் Gemini, வெவ்வேறு திறன்கள் மற்றும் பயன்பாட்டுச் சூழல்களுடன் வடிவமைக்கப்பட்டுள்ளது. தற்போது உள்ள பெரும்பாலான விரிவான மொழித்திறன் மாடல்கள் (LLMகள்) போலவே, இந்த மாடல்களுக்கும் பொதுவில் கிடைக்கும் பல்வேறு வகையான ஆதாரங்களில் உள்ள தகவல்கள் மூலம் முன் பயிற்சி அளிக்கப்பட்டுள்ளது. ஹியூரிஸ்டிக் விதிகள், மாடல் அடிப்படையிலான வகைப்படுத்திகள் ஆகிய இரண்டையும் பயன்படுத்தி நாங்கள் எல்லாத் தரவுத்தொகுப்புகளிலும் தர ஃபில்டர்களைப் பயன்படுத்துகிறோம். கொள்கையை மீறும் பதில்களை உருவாக்கக்கூடிய உள்ளடக்கத்தை அகற்ற, பாதுகாப்பு தொடர்பாகவும் ஃபில்டர் செய்வோம். மாடல்கள் நேர்மையாக மதிப்பிடப்பட, பயிற்சிக்காகத் தரவைப் பயன்படுத்தும் முன் எங்கள் பயிற்சித் தொகுப்பில் மதிப்பீட்டுத் தரவு ஏதேனும் இருந்தால் அதைத் தேடி அகற்றுவோம். சிறிய மாடல்களில் தரவை நீக்கிப் பார்க்கும் வழிமுறையின் மூலம், எந்தத் தரவு எந்த அளவில் வழங்கப்பட வேண்டும் என்பது தீர்மானிக்கப்படுகிறது. பயிற்சியின்போது தரவின் அளவை மாற்ற, பயிற்சியை பல நிலைகளாகப் பிரிப்போம். பயிற்சியின் இறுதி நிலையில் துறை தொடர்பான தரவை அதிகரிப்போம். அதிகச் செயல்திறனுடன் செயல்படும் மாடல்களுக்கு தரவின் தரம் மிகவும் முக்கியமான ஒன்றாக இருக்கலாம். முன் பயிற்சிக்கான சரியான தரவுத்தொகுப்பு அளவைக் கண்டறிவதில் இன்னும் பல சுவாரஸ்யமான கேள்விகள் உள்ளன என்று நம்புகிறோம்.

மொழி சார்ந்த பேட்டர்ன்களைக் கற்றுக்கொள்ளவும், அவற்றைப் பயன்படுத்தி வரிசையில் அடுத்ததாக வரக்கூடிய சொல்லையோ சொற்களையோ கணிக்கவும் மாடலுக்கு இந்த முன் பயிற்சி உதவுகிறது. உதாரணமாக, LLM கற்கும்போது “பழைய சோறும் ___’’ என்பதற்கு அடுத்து “பச்சை மிளகாயும்” என்பதுதான் வரக்கூடும், “பாயாசமும்” அல்ல என்பதை அதனால் கணிக்க முடியும். ஆனால், அடுத்து வருவதற்கு அதிக வாய்ப்புள்ள வார்த்தையை மட்டுமே LLM கணித்தால் பதில்கள் அவ்வளவு கிரியேட்டிவாக இருக்காது. எனவே, மிகவும் சுவாரஸ்யமான பதில்களை உருவாக்குவதற்காகப் பொருத்தமான, ஆனால் வருவதற்கு வாய்ப்பு குறைவாக இருக்கும் சொற்களை (எ.கா. “ஊறுகாயும்”) தேர்ந்தெடுப்பதற்கான சுதந்திரம் பெரும்பாலும் LLMகளுக்கு வழங்கப்படுகிறது. LLMகள் சில நேரங்களில் உண்மைத் தகவல்கள் தொடர்பான ப்ராம்ப்ட்டுகளுக்குச் சிறப்பான பதில்களை வழங்குவதால் அவை தகவல்களை எடுத்துத் தருவது போன்று தோற்றமளிக்கும். ஆனால், அவை தகவல் தரவுத்தளங்களோ டிடர்மினிஸ்டிக் தகவல் மீட்டெடுப்பு சிஸ்டங்களோ அல்ல என்பதை நினைவில்கொள்ளவும். எனவே, தரவுத்தளம் தொடர்பான வினவலுக்கு (தரவுத்தளத்தில் சேமிக்கப்பட்டுள்ள நிலையான தகவலை அப்படியே எடுத்துத் தரவேண்டியதற்கு) எப்போதும் ஒரேமாதிரியான பதிலை நீங்கள் எதிர்பார்க்கலாம். ஆனால், அதே ப்ராம்ப்ட்டுக்கு LLM எப்போதும் ஒரேமாதிரியான பதிலை வழங்காமல் போகலாம் (அல்லது அதற்குப் பயிற்சியளிப்பதற்குப் பயன்படுத்தப்பட்ட தகவல்களை அப்படியே எடுத்துத் தராமல் போகலாம்). சில நேரங்களில், தவறான தகவல்கள் உள்ள, ஆனால் உண்மை போலவே தோன்றும் பதில்களை LLMகள் உருவாக்குவதற்கு இதுவும் ஒரு முக்கியமான காரணம். உண்மைத்தன்மைக்கு முக்கியத்துவம் கொடுக்கும்போது இது பயன்படாது என்றாலும், கிரியேட்டிவான அல்லது எதிர்பாராத வெளியீடுகளை உருவாக்க இது பயனுள்ளதாக இருக்கக்கூடும்.

2 பயிற்சிக்குப் பின்

ஆரம்பப் பயிற்சிக்குப் பின், LLMகளின் பதில்களை மேம்படுத்த அவை கூடுதல் பயிற்சிகளுக்கு உட்படுத்தப்படும். சூப்பர்வைஸ்டு ஃபைன் டியூனிங் (SFT) என்பது இவற்றில் ஒன்றாகும், இது கவனமாகத் தேர்ந்தெடுக்கப்பட்ட சில சிறந்த பதில்களின் மூலம் மாடல்களுக்குப் பயிற்சியளிக்கிறது. இது நன்றாக எழுதப்பட்ட கதைகளையும் கட்டுரைகளையும் காட்டி குழந்தைகளுக்கு எழுதக் கற்றுக் கொடுப்பது போன்றதாகும்.

அடுத்தது, மனிதக் கருத்திலிருந்து பெறப்படும் ரீயின்ஃபோர்ஸ்மென்ட் லேர்னிங் (RLHF). இதில், ஒரு சிறப்பு ரிவார்டு மாடல் வழங்கும் ஸ்கோர்கள் அல்லது கருத்துகளின் அடிப்படையில் இன்னும் சிறப்பான பதில்களை உருவாக்குவதற்கு மாடல் கற்றுக்கொள்கிறது. இந்தச் சிறப்பு ரிவார்டு மாடலுக்கு மனித விருப்பத்தேர்வுகள் தரவின் அடிப்படையில் பயிற்சி அளிக்கப்படுகிறது. இந்தப் பயிற்சியில் பதில்கள் ஒன்றோடு ஒன்று ஒப்பிடப்பட்டு அதன் அடிப்படையில் மதிப்பிடப்பட்டுள்ளன. இதன் மூலம் மக்கள் விரும்புவது என்ன என்பது கற்பிக்கப்படுகிறது. சில நேரங்களில் விருப்பத்தேர்வுகள் தரவில் மனதைப் புண்படுத்தும் அல்லது துல்லியமற்ற தரவு சேர்க்கப்பட்டு மாடல்களுக்குக் காட்டப்படும். இதன்மூலம், அவற்றை எப்படி அடையாளம் காண்பது, தவிர்ப்பது என்று அவை கற்றுக்கொள்கின்றன. விருப்பத்தேர்வுகள் தரவு என்பது ஒரு வேலையை நன்றாகச் செய்ததற்காகக் குழந்தைக்கு ரிவார்டு கொடுப்பது போன்றதாகும். மக்கள் விரும்பும் பதில்களை உருவாக்கினால் மாடலுக்கு ரிவார்டு வழங்கப்படும்.

இந்த எல்லா நிலைகளிலும் உயர்தரமான பயிற்சித் தரவைப் பயன்படுத்துவது முக்கியம். SFTயில் பயன்படுத்தப்படும் உதாரணங்கள் பொதுவாக நிபுணர்களால் எழுதப்படுகின்றன அல்லது ஒரு மாடல் மூலம் உருவாக்கப்பட்டு நிபுணர்களால் மதிப்பாய்வு செய்யப்படுகின்றன.

இந்த நுட்பங்கள் ஆற்றல்மிக்கவை என்றாலும், அவற்றுக்கும் வரம்புகள் உள்ளன. உதாரணமாக, ரிவார்டு மாடலின் உதவியைப் பெற்றாலும்கூட கொடுக்கப்படும் பதில் சில நேரங்களில் தவறாக இருக்கக்கூடும். இருப்பினும், LLM அது பெறுகின்ற கருத்துகளின் அடிப்படையில் மிகவும் அதிகமாக விரும்பப்படும் பதில்களை உருவாக்கும் வகையில் மேம்படுத்தப்பட்டுள்ளது. மாணவர்கள் எப்படி தங்கள் ஆசிரியர்களின் கருத்துகளில் இருந்து கற்றுக்கொள்கிறார்களோ அதுபோலதான் இதுவும்.

3 பயனர் ப்ராம்ப்ட்களுக்கான பதில்கள்

ஒரு கேள்விக்குப் பதிலளிக்க ஒருவர் எப்படி வெவ்வேறு விதமாகச் சிந்திக்கிறாரோ அதுபோன்றதுதான் பதில் உருவாக்கமும். பயனர் ப்ராம்ட்டை வழங்கியவுடன், மேம்பட்ட பயிற்சி பெற்ற LLM, ப்ராம்ட்டில் உள்ள சூழல், பயனருடனான உரையாடல் ஆகியவற்றைப் பயன்படுத்தி Gemini பல விதமான பதில்களை உருவாக்குகிறது. பதில்களை உருவாக்க Google Search, மற்றும்/அல்லது அதன் பல நீட்டிப்புகளில் ஒன்று, சமீபத்தில் பதிவேற்றிய ஃபைல்கள் (Gemini Advanced மட்டும்) போன்ற வெளிப்புற ஆதாரங்களையும் அது பயன்படுத்துகிறது. இந்தச் செயல்பாடு, மேம்பட்ட ஆக்மென்ட்டேஷன் என்று அழைக்கப்படுகிறது. ஒரு ப்ராம்ப்ட் வழங்கப்பட்டால், Gemini இந்த வெளிப்புற ஆதாரங்களில் இருந்து (எ.கா. Google Search) மிகவும் பொருத்தமான தகவல்களை எடுத்து, அதன் பதிலில் அவற்றைத் துல்லியமாக வழங்க முயல்கிறது. வெளிப்புறக் கருவிகளைப் பயன்படுத்தி LLMகளை மேம்படுத்துவது ஆய்வின் ஒரு முக்கியமான பகுதியாகும். பிழைகள் பல வழிகளில் ஏற்படலாம். இந்த வெளிப்புறக் கருவிகளைச் செயல்படுத்த Gemini பயன்படுத்தும் வினவல், கருவிகள் வழங்கும் முடிவுகளை Gemini புரிந்துகொள்ளும் விதம், இறுதியான பதிலை உருவாக்க இந்த முடிவுகள் பயன்படுத்தப்படும் விதம் ஆகியவை இதில் அடங்கும். இதனால், Gemini உருவாக்கும் பதில்களை வைத்து அவற்றை உருவாக்கப் பயன்படுத்தப்படும் தனிப்பட்ட கருவிகளின் செயல்திறனை மதிப்பிடக்கூடாது.

கடைசியாக, இறுதியான பதில் காட்டப்படுவதற்கு முன், ஒவ்வொரு சாத்தியமான பதிலும் முன்பே தீர்மானிக்கப்பட்ட கொள்கை வழிகாட்டுதல்களுக்கு இணங்குவதை உறுதிசெய்ய ஒரு பாதுகாப்புச் சரிபார்ப்புக்கு உட்படுத்தப்படுகிறது. இந்தச் செயல்பாடு தீங்கு விளைவிக்கும் அல்லது மனதைப் புண்படுத்தும் தகவல்களை ஃபில்டர் செய்ய உதவ பதில்களைச் சரிபார்க்கிறது. மீதமுள்ள பதில்கள் அவற்றின் தரத்தின் அடிப்படையில் வரிசைப்படுத்தப்பட்டு, அதிக ஸ்கோர் பெற்ற பதில்கள் பயனருக்குக் காட்டப்படும்.

தொழில்துறையில் முன்னிலை வகிக்கும், AI ஜெனரேட்டட் உள்ளடக்கத்தை வாட்டர்மார்க் செய்வதற்கான எங்கள் டிஜிட்டல் கருவித்தொகுப்பான SynthID மூலம் Geminiயின் வார்த்தை பதில்களையும் பட பதில்களையும் நாங்கள் வாட்டர்மார்க் செய்கிறோம். உருவாக்கப்பட்ட படங்களில் டிஜிட்டல் வாட்டர்மார்க்கை (மனிதக் கண்ணுக்குப் புலப்படாத வகையில்) SynthID நேரடியாகப் பிக்சல்களில் சேர்க்கிறது. மிகவும் நம்பகமான AI அடையாளக் கருவிகளை உருவாக்குவதற்கு SynthID ஒரு முக்கியமான பில்டிங் பிளாக் ஆகும். மேலும், AI ஜெனரேட்டட் உள்ளடக்கத்தை எப்படிப் பயன்படுத்த வேண்டும் என்பது குறித்த தெளிவான முடிவுகளை எடுக்க மக்களுக்கு அதனால் உதவ முடியும்.

4 மனிதர்களின் கருத்துகள் மற்றும் மதிப்பீடு

பாதுகாப்புச் சரிபார்ப்புகள் நடந்தாலும் சில பிழைகள் ஏற்படக்கூடும். மேலும், Geminiயின் பதில்கள் சில நேரங்களில் உங்கள் எதிர்பார்ப்பைப் பூர்த்திசெய்யாமல் போகலாம். இந்தச் சூழல்களில்தான் மனிதர்களின் கருத்துகள் தேவைப்படுகின்றன. பதில்களின் தரத்தை மதிப்பீட்டாளர்கள் மதிப்பிட்டு, மேம்படுத்த வேண்டிய இடங்களைக் கண்டறிந்து தீர்வுகளைப் பரிந்துரைக்கிறார்கள். மேலே உள்ள "பயிற்சிக்குப் பின்" பிரிவில் விவரிக்கப்பட்டுள்ளபடி, Geminiயின் கற்றல் செயல்பாட்டில் இந்தக் கருத்துகள் ஒரு பகுதியாக உள்ளன.