விக்கிநூல்கள் tawikibooks https://ta.wikibooks.org/wiki/%E0%AE%AE%E0%AF%81%E0%AE%A4%E0%AE%B1%E0%AF%8D_%E0%AE%AA%E0%AE%95%E0%AF%8D%E0%AE%95%E0%AE%AE%E0%AF%8D MediaWiki 1.47.0-wmf.24 first-letter ஊடகம் சிறப்பு பேச்சு பயனர் பயனர் பேச்சு விக்கிநூல்கள் விக்கிநூல்கள் பேச்சு படிமம் படிமப் பேச்சு மீடியாவிக்கி மீடியாவிக்கி பேச்சு வார்ப்புரு வார்ப்புரு பேச்சு உதவி உதவி பேச்சு பகுப்பு பகுப்பு பேச்சு TimedText TimedText talk Module Module talk Event Event talk 0 6488 18235 2026-10-15T14:51:32Z Neyakkoo 5552 நூல் உருவாக்கம் 18235 wikitext text/x-wiki ==அறிமுகம்== செய்யறிவு முகவர் (AI Agent) என்பது மனித நிரலாக்குநர்களின் நேரடித் தலையீடு இன்றித் தானாகவே முடிவுகளை எடுக்கவும், இலக்குகளை நோக்கிச் செயல்படவும், செயல்களை மேற்கொள்ளவும் கூடிய ஒரு செய்யறிவு நிரலாகும். குறிப்பிட்ட பணிகளைச் செய்வதற்காக மட்டுமே பயன்படுத்தப்படும் கருவி போன்ற செய்யறிவுப் பயன்பாட்டிலிருந்து, முகவர் சார்ந்த செய்யறிவு வேறுபடுகிறது. எடுத்துக்காட்டாக, கேள்விகளுக்குப் பதிலளிப்பது போன்ற பணிகளை மட்டுமே செய்யும் உரையாடல் மென்பொருள்கள் (Chatbots) அல்லது பாரம்பரிய இயந்திரக் கற்றல் (Machine Learning) வழிமுறைகள் ஆகியவை இதற்கு மாறுபட்டவை. செய்யறிவு முகவருக்கு உலகளவில் ஏற்றுக்கொள்ளப்பட்ட ஒரே வரையறை இதுவரை இல்லை. இருப்பினும், இத்தகைய முகவர்களின் பொதுவான பண்புகள் பின்வருமாறு அமைகின்றன. * '''இலக்கு நோக்கிய செயல்பாடு''': ஒரு குறிப்பிட்ட இலக்கை அடைவதை நோக்கமாகக் கொண்டு செயல்படுதல். * '''வெளிப்புறக் கருவிகளைப் பயன்படுத்துதல்''': தேவையான தகவல்களைப் பெறவும் பணிகளைச் செய்யவும் பிற கருவிகளைப் பயன்படுத்துதல். * '''வெளிப்புறச் சூழலுடன் தொடர்புகொள்ளுதல்''': தன்னைச் சுற்றியுள்ள சூழலுடன் தொடர்புகொண்டு அதில் மாற்றங்களை ஏற்படுத்துதல். * '''தன்னாட்சி செயல்பாடு''': மனிதர்களின் தொடர்ச்சியான வழிகாட்டுதல் இல்லாமல் பல படிகளைக் கொண்ட பணிகளைச் செய்துமுடித்தல். இத்தகைய முகவர்களின் செயல்பாட்டு ஓட்டம் (Control Flow) பெரும்பாலும் பெருந்திரள் மொழி மாதிரிகளால் (Large Language Models – LLMs) வழிநடத்தப்படுகிறது. மேலும், செய்யறிவு முகவர் அமைப்புகளில் பின்வரும் கூறுகளும் இடம்பெறலாம். அவையாவன, * '''நினைவகக் கூறுகள் (Memory Components)''': முந்தைய தகவல்களையும் அனுபவங்களையும் சேமித்து மீண்டும் பயன்படுத்துதல். * '''திட்டமிடல் தர்க்கம் (Planning Logic)''': ஒரு இலக்கை அடைவதற்கான செயல்முறைகளைத் திட்டமிடுதல். * '''கருவி இடைமுகங்கள் (Tool Interfaces)''': வெளிப்புறக் கருவிகளுடன் தொடர்புகொள்வதற்கான வசதிகள். * '''ஒருங்கிணைப்பு மென்பொருள் (Orchestration Software)''': முகவர் அமைப்பின் பல்வேறு கூறுகளையும் ஒருங்கிணைத்துச் செயல்படுத்துதல். dmnud7kbl2buxwa6v85vtpmg3qe7u7l 18236 18235 2026-10-15T14:58:57Z Neyakkoo 5552 /* அறிமுகம் */ மேம்பாடு 18236 wikitext text/x-wiki ==அறிமுகம்== செய்யறிவு முகவர் (AI Agent) என்பது மனித நிரலாக்குநர்களின் நேரடித் தலையீடு இன்றித் தானாகவே முடிவுகளை எடுக்கவும், இலக்குகளை நோக்கிச் செயல்படவும், செயல்களை மேற்கொள்ளவும் கூடிய ஒரு செய்யறிவு நிரலாகும். குறிப்பிட்ட பணிகளைச் செய்வதற்காக மட்டுமே பயன்படுத்தப்படும் கருவி போன்ற செய்யறிவுப் பயன்பாட்டிலிருந்து, முகவர் சார்ந்த செய்யறிவு வேறுபடுகிறது. எடுத்துக்காட்டாக, கேள்விகளுக்குப் பதிலளிப்பது போன்ற பணிகளை மட்டுமே செய்யும் உரையாடல் மென்பொருள்கள் (Chatbots) அல்லது பாரம்பரிய இயந்திரக் கற்றல் (Machine Learning) வழிமுறைகள் ஆகியவை இதற்கு மாறுபட்டவை. செய்யறிவு முகவருக்கு உலகளவில் ஏற்றுக்கொள்ளப்பட்ட ஒரே வரையறை இதுவரை இல்லை. இருப்பினும், இத்தகைய முகவர்களின் பொதுவான பண்புகள் பின்வருமாறு அமைகின்றன. * '''இலக்கு நோக்கிய செயல்பாடு''': ஒரு குறிப்பிட்ட இலக்கை அடைவதை நோக்கமாகக் கொண்டு செயல்படுதல். * '''வெளிப்புறக் கருவிகளைப் பயன்படுத்துதல்''': தேவையான தகவல்களைப் பெறவும் பணிகளைச் செய்யவும் பிற கருவிகளைப் பயன்படுத்துதல். * '''வெளிப்புறச் சூழலுடன் தொடர்புகொள்ளுதல்''': தன்னைச் சுற்றியுள்ள சூழலுடன் தொடர்புகொண்டு அதில் மாற்றங்களை ஏற்படுத்துதல். * '''தன்னாட்சி செயல்பாடு''': மனிதர்களின் தொடர்ச்சியான வழிகாட்டுதல் இல்லாமல் பல படிகளைக் கொண்ட பணிகளைச் செய்துமுடித்தல். இத்தகைய முகவர்களின் செயல்பாட்டு ஓட்டம் (Control Flow) பெரும்பாலும் பெருந்திரள் மொழி மாதிரிகளால் (Large Language Models – LLMs) வழிநடத்தப்படுகிறது. மேலும், செய்யறிவு முகவர் அமைப்புகளில் பின்வரும் கூறுகளும் இடம்பெறலாம். அவையாவன, * '''நினைவகக் கூறுகள் (Memory Components)''': முந்தைய தகவல்களையும் அனுபவங்களையும் சேமித்து மீண்டும் பயன்படுத்துதல். * '''திட்டமிடல் தர்க்கம் (Planning Logic)''': ஒரு இலக்கை அடைவதற்கான செயல்முறைகளைத் திட்டமிடுதல். * '''கருவி இடைமுகங்கள் (Tool Interfaces)''': வெளிப்புறக் கருவிகளுடன் தொடர்புகொள்வதற்கான வசதிகள். * '''ஒருங்கிணைப்பு மென்பொருள் (Orchestration Software)''': முகவர் அமைப்பின் பல்வேறு கூறுகளையும் ஒருங்கிணைத்துச் செயல்படுத்துதல். ==வரலாறு== செய்யறிவு முகவர்களுக்கான கோட்பாட்டு அடிப்படைகள் 20-ஆம் நூற்றாண்டின் நடுப்பகுதியில் தோன்றின. அக்காலத்தில் கட்டுப்பாட்டியல் (Cybernetics), செய்யறிவு (Artificial Intelligence) ஆகிய துறைகள் உருவாக்கப்பட்டன. 1958-ஆம் ஆண்டில், ஆலிவர் செல்ஃப்ரிட்சு (Oliver Selfridge) எழுதிய “Pandemonium: A Paradigm for Learning” என்ற ஆய்வுக் கட்டுரை, முகவர் சார்ந்த கட்டமைப்பை (Agent-oriented Architecture) நிறுவுவதில் முக்கியமான தொடக்ககாலக் கோட்பாட்டுப் பங்களிப்பாக அமைந்தது. உண்மையான உலகப் பயன்பாடுகளுக்கான செய்யறிவு முகவர்களின் நடைமுறைச் செயலாக்கங்கள் 1990-களில் பரவலாகப் பயன்படத் தொடங்கின. இதற்கு நம்பிக்கை–விருப்பம்–நோக்கம் மென்பொருள் மாதிரி (Belief–Desire–Intention Software Model – BDI), முகவர் சார்ந்த நிரலாக்கம் (Agent-oriented Programming) ஆகியவற்றின் அறிமுகம் முக்கியக் காரணங்களாக அமைந்தன. ஹார்வர்டு பல்கலைக்கழகப் பேராசிரியர் மிலிந்த் தாம்பே (Milind Tambe) குறிப்பிடுவதன்படி, 1990-களில் செய்யறிவு முகவர் என்பதற்கான வரையறை தெளிவாக இருக்கவில்லை. கணினிக் கட்டமைப்புகளில் கண்காணிப்பு போன்ற பணிகளை மேற்கொள்வதற்காக முழுமையான எண்ணிம முகவர்கள் பயன்படுத்தப்பட்டனர். அதேவேளையில், உண்மையான உலகின் உணர்விகளுடன் (Sensors), செயலியக்கிகளுடன் (Actuators) இணைக்கப்பட்ட முகவர்கள் தொழில்துறை கட்டுப்பாட்டு அமைப்புகளில் (Industrial Control Systems) அதிக அளவில் பயன்படுத்தப்பட்டனர். ==ஆரம்பகால முகவர்களின் வளர்ச்சி== ஆரம்பகால செய்யறிவு முகவர்கள் பொதுவாக எளிய “If–Then” (என்றால்–அப்போது) தர்க்க முறையை அடிப்படையாகக் கொண்டிருந்தன. காலப்போக்கில், இம்முறைகள் விரிவடைந்து பெரிய முடிவெடுக்கும் மர மாதிரிகளாக (Decision Tree Models) உருவெடுத்தன. 2010-ஆம் ஆண்டுகளின் தொடக்கத்தில், ஆப்பிளின் சிறி (Siri), அமேசானின் அலெக்சா (Alexa) போன்ற தயாரிப்புகள் அறிமுகப்படுத்தப்பட்டன. இவை சில நேரங்களில் செய்யறிவு முகவர்கள் என்று அழைக்கப்பட்டன. இருப்பினும், பின்னர் உருவான பெருந்திரள் மொழி மாதிரிகளை (LLMs) அடிப்படையாகக் கொண்ட முகவர்களுக்கு இருந்ததைப் போன்ற பொதுவான நோக்கங்களுக்கான பகுத்தறியும் திறன் இவற்றுக்கு இருக்கவில்லை. 2010-ஆம் ஆண்டுகளின் பிற்பகுதியிலும் 2020-ஆம் ஆண்டுகளின் தொடக்கத்திலும் பெருந்திரள் மொழி மாதிரிகளின் வளர்ச்சி, செய்யறிவு முகவர்களை உருவாக்குவதற்கான புதிய அணுகுமுறைகளை அறிமுகப்படுத்தியது. GPT-3 போன்ற மாதிரிகள், முந்தைய பல மொழி அமைப்புகளைவிட மிகப் பெரிய அளவில் இயற்கை மொழியை உருவாக்கவும் புரிந்துகொள்ளவும் முடியும் என்பதை வெளிப்படுத்தின. ==பெரிய மொழி மாதிரிகளை அடிப்படையாகக் கொண்ட முகவர்கள்== 2018-ஆம் ஆண்டு முதல் கல்வியாளர்கள் பெருந்திரள் மொழி மாதிரி முகவர்களை ஆய்வு செய்யத் தொடங்கினர். OpenAI தனது Function Calling API வசதியை அறிமுகப்படுத்தியதைத் தொடர்ந்து, 2023-ஆம் ஆண்டின் பிற்பகுதியில் இத்தகைய முகவர்களின் நடைமுறைப் பயன்பாடு வேகமடைந்தது. குறிப்பாக, 2024-ஆம் ஆண்டின் பிற்பகுதியில் ஆந்திரபிக் (Anthropic) நிறுவனம் Model Context Protocol (MCP) எனப்படும் நெறிமுறையை அறிமுகப்படுத்தியது. இது பெருந்திரள் மொழி மாதிரி முகவர்கள் தங்களுக்குத் தேவையான சூழல் சார்ந்த தகவல்களைப் பெறவும், பல்வேறு வெளிப்புறக் கருவிகளை அழைப்பதன் மூலம் உண்மையான உலகில் செயல்பாடுகளை மேற்கொள்ளவும் உதவும் ஒரு தரப்படுத்தப்பட்ட வழிமுறையாகும். “Agentic” என்ற சொல் 2024-ஆம் ஆண்டில்தான் அதிக அளவில் பயன்படுத்தப்படத் தொடங்கியது. ஆராய்ச்சியாளர் ஆண்ட்ரூ என்சி (Andrew Ng) உள்ளிட்டோரின் பங்களிப்புகளும் இச்சொல் பிரபலமடைவதற்குக் காரணமாக அமைந்தன. q5s8zgin2s6yru39ykc6x20w1o3d2mp