විශේෂඥ කාර්ය 206කින් සියයට 12ක් පමණි: අද AI නියෝජිතයන්ගේ සැබෑ සීමා ගැන GDPx මිණුම් සලකුණ හෙළි කරන දේ

සැබෑ, ගෙවන ලද විශේෂඥ වැඩවලින් සාදන ලද නව මිණුම් සලකුණක් (benchmark) ප්‍රමුඛ AI ආකෘති විස්සක් පරීක්ෂා කළ අතර, ඉන් හොඳම ආකෘතිය ලකුණු ගත්තේ සියයට 12ක් පමණි.

මෙම සතියේ පර්යේෂණ ආයතනය වන SemiAnalysis විසින් GDPx නම් මිණුම් සලකුණක් නිකුත් කළේය. එහි ඇත්තේ චිප සැලසුම්, සයිබර් ආරක්ෂාව, නීතිමය කටයුතු, ප්‍රමාණාත්මක වෙළඳාම (quantitative trading), ජීව විද්‍යාව, මෘදුකාංග ඉංජිනේරු විද්‍යාව ඇතුළු කර්මාන්ත 11ක් පුරා කාර්ය 206කි; මිනිසුන් ජීවිකාව සඳහා කරන වැඩ නිසා ඒවා තෝරාගෙන ඇත. කර්මාන්ත හවුල්කරුවන් දාහතර දෙනෙකු කාර්යයන් සපයා ඇති අතර ප්‍රමුඛ ආකෘති විස්සක් ඇගයීමට ලක් කෙරිණි. මෙම මිණුම් සලකුණ කැපී පෙනෙන්නේ එහි දුෂ්කරතාව නිසා නොව එහි අමුද්‍රව්‍ය නිසාය: මිනිසුන්ට ගෙවනු ලබන වැඩ.

ඉහළම ලකුණු ලැබූ ආකෘතිය වන Claude Opus 5.5 ලබාගත්තේ සියයට 12ක් පමණි. Gemini 4 Carbon ලකුණු 10.9ක් ද GPT-6 Astra ලකුණු 9.6ක් ද ලබා ගත්තේය.

එහෙත් ප්‍රමුඛ ලැයිස්තුව ආරම්භක ලක්ෂ්‍යයක් මිස තීන්දුවක් නොවේ. GDPx භාවිත කරන්නේ එක් ආයතනයක කාර්යයන් සහ එහි ම ඇගයීමයි; එය ස්වාධීනව සත්‍යාපනය කර නැති අතර, එම ආයතනය තමන් ඇගයීමට ලක් කරන කර්මාන්තයටම පර්යේෂණ විකුණයි. සංඛ්‍යා පරෙස්සමින් සලකන්න - නමුත් දිශාව නිවැරදිය, මන්ද එය ආකෘති මනින්නේ ඒවා ආකර්ෂණය කර ගැනීමට සැලසුම් කළ ද්‍රව්‍ය මත නොව ගෙවන වැඩ මතය.

ඉහළම ලකුණු ලැබූ ආකෘතිය සම්පූර්ණ කළ කාර්යයකට සාමාන්‍යයෙන් ඩොලර් 51ක් පමණ වියදම් කළ අතර, ප්‍රමුඛ ලැයිස්තුවේ එක් ලකුණක් ඇතුළත සිටි දෙවැනි ස්ථානයේ ආකෘතිය වියදම් කළේ ඩොලර් 16ක් පමණි. ඔබේ AI නියෝජිත උපාය මාර්ගය සිතන්නේ හැකියාව සහ පිරිවැය එක්ව ඉහළ යන බව නම්, මෙම වගුව පවසන්නේ වෙනත් දෙයකි.

මෙම කාර්තුවේ AI නියෝජිතයන් ඇගයීමට ලක් කරන නායකයන්ට ඉගෙනගත යුතු පාඩම: සෑම ප්‍රදර්ශනයක්ම විශේෂඥ වැඩ සඳහා සූදානම් යැයි කියනු ඇත, එහෙත් ප්‍රසිද්ධ, නම් කළ මිණුම් සලකුණක් මේ වන විට සීමාව සියයට 12 ලෙස තබා ඇත. එයින් අදහස් වන්නේ නියෝජිතයන් ප්‍රයෝජනයක් නැති බව නොවේ; අද දවසේ අවංක ආදායම් ක්ෂේත්‍රය සීමිත, සමීපව නිරීක්ෂණය කරන කාර්යයන් මානව සමාලෝචනය සහිතව ඇති බවත්, වේදිකාවෙන් විකුණන ස්වයංක්‍රීය දෙපාර්තමේන්තු නොවන බවත්ය.

එබැවින් ප්‍රදර්ශන යුගය අවසන්ය. සෑම AI විකුණුම්කරුවෙකුගෙන්ම එක් ප්‍රශ්නයක් අසන්න: මෙන් වැඩ සඳහා ස්වාධීන, කාර්ය පාදක මිණුම් සලකුණක ඔබේ ලකුණු සහ සම්පූර්ණ කළ කාර්යයකට පිරිවැය මට පෙන්වන්න. සියයට 12ක සීමාවක් AI නියෝජිතයන්ගෙන් ඉවත් වීමට හේතුවක් නොවේ; ඒවා උද්යෝගය වෙනුවට සාක්ෂි සමඟ මිලදී ගැනීමට හේතුවකි.