AI ரீசனிங் ஆய்வு (AI Reasoning): o3, R1 மற்றும் 2026 புதிய மாடல்கள்

2026 அக்டோபர் மாதத்தின் அறிவியல் களநிலவரப்படி, உலகளாவிய செயற்கை நுண்ணறிவு ஆய்வுகள் ஒரு பிரம்மாண்ட வரலாற்றுத் திருப்புமுனையை எட்டியுள்ளன. கடந்த 2020 முதல் 2024 வரை மாதிரிக்கு முந்தைய பயிற்சியை (Pre-training) மட்டுமே தொடர்ந்து பெரிதாக்குவதில் பெரும் பொருட்செலவும் தரவுப் பற்றாக்குறையும் ஏற்பட்ட நிலையில், 2025 மற்றும் 2026-ஆம் ஆண்டுகளில் உருவான டெஸ்ட்-டைம் கம்ப்யூட் (Test-Time Compute) மற்றும் அனுமான நேர அளவீட்டு விதிகள் (Inference Scaling Laws) AI-யின் திறனை புதிய எல்லைக்கு எடுத்துச் சென்றுள்ளன.

வழக்கமான மொழி மாதிரிகள் கேட்கப்பட்ட வினாவுக்கு அடுத்தடுத்த சொற்களை உடனடியாக ஊகித்து விடையளித்து வந்தன. ஆனால் 2026-ல் பயன்பாட்டில் உள்ள புதிய தலைமுறை ரீசனிங் மாதிரிகள், விடையை வெளிப்படுத்துவதற்கு முன் உள்முகமாகப் பல யோசனைப் பாதைகளை உருவாக்கி (Tree Search), தங்களைத் தாமே சரிபார்த்து (Self-Correction), மனித விஞ்ஞானிகளைப் போல சிந்தித்து முடிவுகளை எட்டுகின்றன. முன்னதாக Evo 2 AI மரபணு மாதிரி உயிரியலில் புரட்சி செய்தது போல, இந்த ரீசனிங் ஆய்வுகள் அறிவியலின் அனைத்துத் துறைகளிலும் புரட்சியை ஏற்படுத்தியுள்ளன.

சிந்தனை நேரம் (Test-Time Compute) ஆய்வு எவ்வாறு செயல்படுகிறது?

மனிதர்களாகிய நாம் கடினமான ஒரு கணிதச் சிக்கலோ அல்லது செஸ் விளையாட்டோ வரும்போது, விடையைச் சொல்வதற்கு முன் சில நொடிகள் அல்லது நிமிடங்கள் தீவிரமாக யோசிக்கிறோம். இதே தத்துவத்தை AI-க்கு கொண்டுவந்ததே டெஸ்ட்-டைம் கம்ப்யூட் ஆகும். 2026-ஆம் ஆண்டின் முன்னணி ஆய்வுகளின்படி, இது மூன்று முக்கிய அறிவியல் தூண்களில் இயங்குகிறது:

• 1. மறைமுக சிந்தனைச் சங்கிலி (Hidden Chain-of-Thought): பயனர் கேட்கும் வினாவிற்குப் பதிலளிக்கும் முன், மாதிரி தனக்குள்ளேயே ஒரு உள்முக உரையாடலை நடத்துகிறது. இந்தச் சிந்தனைத் தொடரில் சிக்கலைச் சிறு கூறுகளாகப் பிரித்து, சாத்தியமான பல கோட்பாடுகளை ஒப்பிட்டுப் பார்க்கிறது.
• 2. செயல்முறை வெகுமதி மாதிரிகள் (Process Reward Models – PRM): முந்தைய மாதிரிகள் இறுதி விடை சரியா தவறா என்பதை மட்டுமே கவனித்தன. ஆனால் 2026 ரீசனிங் ஆய்வுகளில், சிந்தனையின் ஒவ்வொரு தர்க்கப் படியும் சரியானதா என்பதைச் சரிபார்க்கும் PRM அமைப்புகள் இணைக்கப்பட்டுள்ளன.
• 3. மான்டே கார்லோ ட்ரீ சர்ச் (Monte Carlo Tree Search – MCTS): ஒரு வழியில் சிந்திக்கும் போது பிழை நேர்ந்தால், மாதிரி உடனே பின்னோக்கி நகர்ந்து (Backtracking) மாற்றுப் பாதையைத் தேர்ந்தெடுத்து சுயமாகப் பிழையைத் திருத்துகிறது.

டீப்சீக் R1-ஜீரோ முதல் 2026 ஹைப்ரிட் ரீசனிங் வரை

2025 தொடக்கத்தில் வெளியான DeepSeek-R1-Zero ஆய்வில், மனிதர்கள் கற்றுக்கொடுக்காமலேயே தூய வலுவூட்டல் கற்றல் (Pure RL) மூலம் AI சுயமாகச் சிந்தித்துத் தனது பிழைகளைத் திருத்திக்கொள்ளும் ‘ஆஹா தருணம்’ (Aha Moment) கண்டறியப்பட்டது. தொடர்ந்து 2025 மற்றும் 2026-ல் OpenAI o3, DeepSeek-R1 மற்றும் Claude 3.7 Sonnet ஆகியவற்றில் ஹைப்ரிட் ரீசனிங் (Hybrid Reasoning) அறிமுகமானது.

ஹைப்ரிட் ரீசனிங் முறையில், எளிய கேள்விகளுக்கு மாதிரி 1 வினாடியில் வழக்கம்போல பதிலளிக்கிறது. ஆனால் சிக்கலான வினாக்களுக்கு பயனரே 1 வினாடி முதல் பல நிமிடங்கள் வரை ‘சிந்தனை பட்ஜெட்டை’ (Thinking Budget) நிர்ணயித்துக் கொள்ள முடியும். 2026 அக்டோபர் நிலவரப்படி, பல மணி நேரம் தொடர்ந்து சிந்தித்து அறிவியல் சிக்கல்களைத் தீர்க்கும் புதிய தேடல் முறைகள் ஆய்வகங்களில் சோதிக்கப்பட்டு வருகின்றன.

அறிவியல் ஆய்வுகளுக்கு இதன் பயன் என்ன?

2026 அக்டோபர் நிலவரப்படி, சர்வதேச அறிவியல் நிறுவனங்களில் இந்த ரீசனிங் மாடல்கள் நேரடியாகப் பயன்படுத்தப்பட்டு வருகின்றன:

• கணிதத் தேற்றங்கள் நிரூபித்தல்: பல தசாப்தங்களாகத் தீர்க்கப்படாத சிக்கலான எர்டோஸ் புதிர்களுக்கு (Erdos Conjectures) முறையான கணித நிரூபணங்களை உருவாக்க உதவுகின்றன.
• தன்னாட்சி அறிவியல் கண்டுபிடிப்புகள்: இயற்பியல் மற்றும் வேதியியல் ஆய்வகங்களில் ரோபோக்களுடன் இணைந்து இரவும் பகலும் புதிய சோதனைகளைத் திட்டமிட்டு நடத்துகின்றன.
• மருந்து வடிவமைப்பு: புற்றுநோய் மற்றும் அரிய நோய்களுக்கான புதிய மூலக்கூறுகளின் நிலைத்தன்மையை பல லட்சம் வழிகளில் சோதித்து மருத்துவ ஆய்வுகளை விரைவுபடுத்துகின்றன. கல்வியில் AI பயன்பாடுகள் குறித்த வழிகாட்டலிலும் இதன் தாக்கத்தைக் காணலாம்.