G.C.E. A/L ICT · Grade 13 · New Trends and Future Directions of ICT Unit 13 – ICT இன் புதிய போக்குகளும் எதிர்காலத் திசைகளும்

Unit 13 – ICT இன் புதிய போக்குகளும் எதிர்காலத் திசைகளும்

G.C.E. A/L ICT · Grade 13 · New Trends and Future Directions of ICT

Intelligent Computing (நுண்ணறிவுக் கணிப்பீடு)

வரையறைதரவுகளிலிருந்து கற்றுக்கொண்டு, பகுத்தறிந்து, பிரச்சினைகளைத் தீர்த்து, முடிவுகளை எடுக்கக்கூடிய கணினி முறைமைகளை உருவாக்கும் கணிப்பீட்டு அணுகுமுறை.

சாதாரண கணினி கொடுக்கப்பட்ட கட்டளையை மட்டும் செய்யும். Intelligent Computing முறைமைகள் தரவுகளையும் அனுபவங்களையும் பயன்படுத்தித் தங்கள் செயல்பாட்டை மேம்படுத்தும்.

முக்கிய பண்புகள்

1. Learning – கற்றல்
2. Reasoning – காரணம் கண்டறிதல்
3. Problem Solving – பிரச்சினை தீர்த்தல்
4. Decision Making – முடிவெடுத்தல்
5. Adaptability – சூழலுக்கு ஏற்ப மாறுதல்
6. Pattern Recognition – வடிவங்களைக் கண்டறிதல்

உதாரணம் 1 – வங்கிவாடிக்கையாளரின் வழக்கமான பரிமாற்ற முறையைக் கற்று, வேறொரு நாட்டிலிருந்து திடீரென பெரிய தொகை எடுக்கப்பட்டால் அதைச் சந்தேகத்திற்குரியதாக அடையாளம் காணும்.

உதாரணம் 2 – Google Mapsபோக்குவரத்துத் தரவுகளைப் பகுப்பாய்வு செய்து நெரிசலைக் கண்டு மாற்றுப் பாதை பரிந்துரைக்கும்.

பயன்பாடுகள்

• மருத்துவத்தில் நோய் கண்டறிதல்
• வங்கி மோசடி கண்டறிதல்
• போக்குவரத்துத் திட்டமிடல்
• தொழிற்சாலை தானியங்கி உற்பத்தி
• வாடிக்கையாளர் நடத்தைப் பகுப்பாய்வு

Emotional Computing (உணர்வுக் கணிப்பீடு)

வரையறைமனிதர்களின் உணர்வுகளை அடையாளம் காணவும், புரிந்துகொள்ளவும், அதற்கேற்றவாறு பதிலளிக்கவும் கணினிகளுக்கு உதவும் தொழில்நுட்பம்.

சென்சார்கள், கேமராக்கள், குரல் பகுப்பாய்வு, AI ஆகியவற்றைப் பயன்படுத்தி மனித உணர்வுகளை அடையாளம் காணலாம்.

செயல்படும் படிகள்

1. Input Collection – மனிதரிடமிருந்து தரவு பெறுதல்

2. Data Analysis – தரவைப் பகுப்பாய்வு செய்தல்

3. Emotion Recognition – உணர்வை அடையாளம் காணுதல்

4. Response Generation – பதிலை உருவாக்குதல்

உணர்வை அறியும் முறைகள்

முறை	விளக்கம்
Facial Expression	முகபாவனை பகுப்பாய்வு
Voice Analysis	குரலின் தொனி, மாற்றங்கள்
Text Analysis	எழுதிய சொற்களின் உணர்வு
Body Language	உடல் அசைவுகள்
Physiological Signals	இதயத்துடிப்பு போன்ற சமிக்ஞைகள்

உதாரணம் 1 – Online Learningமாணவர் பாடத்தைப் புரிந்துகொள்ளச் சிரமப்படுகிறாரா என AI மதிப்பிட்டு ஆசிரியருக்கு அறிவிக்கலாம். (இது சாத்தியமான பயன்பாடு; உணர்வு அடையாளம் காணல் எப்போதும் துல்லியமல்ல.)

உதாரணம் 2 – Customer Service Chatbotகோபமான புகாரை அடையாளம் கண்டு அமைதியான, உதவிகரமான பதிலை வழங்கும்.

பயன்பாடுகள்

• மருத்துவ, உளவியல் உதவி முறைமைகள்
• Online Education
• Customer Service
• ஓட்டுநரின் சோர்வைக் கண்டறிதல்
• மனித–கணினி தொடர்பாடல் மேம்பாடு

Intelligent vs Emotional

Intelligent	Emotional
நுண்ணறிவுடன் செயல்படுதல்	உணர்வுகளை அடையாளம் காணுதல்
தரவிலிருந்து கற்கிறது	உணர்வு சமிக்ஞைகளைப் பகுப்பாய்கிறது
முடிவெடுக்க உதவுகிறது	உணர்வுக்கேற்ற பதில் தர உதவுகிறது
உ-ம்: மோசடி கண்டறிதல்	உ-ம்: கோபமான வாடிக்கையாளரை அடையாளம் காணுதல்

நினைவில் வைக்கIntelligent = Think and Learn · Emotional = Recognize and Respond to Emotions

Artificial Intelligence (செயற்கை நுண்ணறிவு)

வரையறைமனிதர்களின் கற்றல், பகுத்தறிதல், பிரச்சினை தீர்த்தல், முடிவெடுத்தல் போன்ற அறிவுசார் செயல்பாடுகளைக் கணினி முறைமைகள் மூலம் உருவகப்படுத்தும் தொழில்நுட்பம்.

AI இன் முக்கிய திறன்கள்

1. Learning – கற்றல்

தரவிலிருந்து புதிய விடயங்களைக் கற்பது. உ-ம்: YouTube பார்த்த வீடியோக்களின் அடிப்படையில் பரிந்துரை.

2. Reasoning – பகுத்தறிதல்

தகவல்களை ஆய்வு செய்து முடிவெடுப்பது. உ-ம்: மருத்துவத் தரவுகளிலிருந்து நோய் வாய்ப்பை மதிப்பிடுதல்.

3. Problem Solving – பிரச்சினை தீர்த்தல்

உ-ம்: Google Maps குறுகிய பாதையைக் கண்டறிதல்.

4. NLP – இயற்கை மொழிச் செயலாக்கம்

மனித மொழிகளைக் கணினி புரிந்துகொள்ளுதல். உ-ம்: ChatGPT, Google Translate.

5. Computer Vision – கணினிப் பார்வை

படங்கள்/வீடியோக்களில் பொருட்கள், மனிதர்களை அடையாளம் காணுதல். உ-ம்: முக அடையாளம் காணல்.

AI வகைகள்

வகை	விளக்கம்	நிலை
Narrow AI	குறிப்பிட்ட/வரையறுக்கப்பட்ட பணிகளுக்கான AI. உ-ம்: Voice Assistant, Face Recognition, Spam Detection, Recommendation	பயன்பாட்டில் உள்ளது
General AI	மனிதனைப் போல் பல துறைகளில் கற்று புதிய பிரச்சினைகளைத் தீர்க்கும் AI	ஆராய்ச்சி இலக்கு
Super AI	பெரும்பாலான அறிவுசார் பணிகளில் மனிதனை மீறும் AI	கற்பனை நிலை

AI – ML – Deep Learning

• AI: அறிவார்ந்த செயல்பாடுகளை வழங்கும் பரந்த துறை
• Machine Learning: தரவிலிருந்து கற்கும் AI அணுகுமுறை
• Deep Learning: பல அடுக்கு Artificial Neural Networks மூலம் கற்கும் ML அணுகுமுறை

பயன்பாடுகள்

துறை	பயன்பாடு	உதாரணம்
மருத்துவம்	நோய் கண்டறிய உதவுதல்	Medical Image Analysis
கல்வி	தனிப்பயன் கற்றல்	AI Tutor
வங்கி	மோசடி கண்டறிதல்	Fraud Detection
விவசாயம்	பயிர் நோய் அடையாளம்	Plant Disease Detection
போக்குவரத்து	பாதைத் திட்டமிடல்	Smart Navigation
வணிகம்	பொருள் பரிந்துரை	Shopping Recommendations

நன்மைகள்

1. வேகமான தரவுப் பகுப்பாய்வு
2. மீண்டும் மீண்டும் செய்யும் பணிகளைத் தானியக்கமாக்கல்
3. மனிதப் பிழைகளைக் குறைத்தல்
4. 24 மணி நேரமும் செயல்படுதல்
5. பெரிய தரவுகளின் அடிப்படையில் முடிவெடுத்தல்

குறைபாடுகள் / சவால்கள்

1. வேலைவாய்ப்பில் மாற்றங்கள்
2. தனியுரிமைப் பிரச்சினைகள்
3. பயிற்சித் தரவில் பாகுபாடு இருந்தால் முடிவிலும் பாகுபாடு
4. தவறான அல்லது உருவாக்கப்பட்ட தகவல்கள்
5. உருவாக்க/பராமரிக்க அதிக செலவு
6. மனித மேற்பார்வை இல்லையெனில் ஆபத்து

Man-Machine Coexistence (மனித–இயந்திர இணைவாழ்வு)

வரையறைமனிதர்களும் இயந்திரங்களும் ஒரே சூழலில் ஒன்றுக்கொன்று துணையாக ஒத்துழைத்துச் செயல்படும் நிலை.

மனிதர்: அனுபவம், படைப்பாற்றல், உணர்வு, முடிவெடுத்தல். இயந்திரம்: வேகம், துல்லியம், கணக்கீடு, தொடர்ச்சியான செயல்பாடு.

உதாரணம் 1 – கார் தொழிற்சாலைமனிதர் உற்பத்தித் திட்டத்தை உருவாக்குகிறார்; Robot பாகங்களைத் துல்லியமாக இணைக்கிறது; மனிதர் தரத்தைப் பரிசோதிக்கிறார்; கணினி உற்பத்தித் தரவைப் பகுப்பாய்கிறது.

உதாரணம் 2 – மருத்துவமனைமருத்துவர் சிகிச்சை முடிவை எடுக்கிறார்; Robotic Surgery System அவரது கட்டுப்பாட்டில் துல்லியமாக உதவுகிறது.

நன்மைகள்

1. உற்பத்தித்திறன் அதிகரிப்பு
2. கடினமான பணிகளை இயந்திரங்கள் செய்தல்
3. மனிதர்களின் வேலைச்சுமை குறைதல்
4. ஆபத்தான சூழலில் மனித நேரடிப் பங்கு குறைதல்
5. மனித, இயந்திரத் திறன்களின் இணைப்பு

சவால்கள்

• வேலைவாய்ப்பு மாற்றங்கள்
• இயந்திரங்களைச் சார்ந்திருத்தல்
• தொழில்நுட்பப் பயிற்சி தேவை
• இயந்திரப் பிழைகளின் பாதிப்பு
• மனிதப் பாதுகாப்பு, பொறுப்புக்கூறல்

Machine-to-Machine (M2M) (இயந்திரம்–இயந்திர இணைவாழ்வு)

வரையறைமனிதத் தலையீடு குறைவாக அல்லது இன்றி, இரண்டு அல்லது அதற்கு மேற்பட்ட இயந்திரங்கள் தரவுகளைப் பரிமாறித் தானாகச் செயல்படும் முறை.

செயல்படும் முறை

Sensor தகவலைச் சேகரிக்கிறது

தொடர்பாடல் வலையமைப்பு மூலம் அனுப்பப்படுகிறது

மற்றொரு சாதனம் தகவலைப் பெறுகிறது

தகவலின் அடிப்படையில் தானாகச் செயல்படுகிறது

உதாரணம் 1 – Smart Homeவெப்பநிலை சென்சார் அறை வெப்பம் அதிகரித்ததை Smart Air Conditioner-க்கு அனுப்புகிறது; குளிரூட்டி தானாக இயங்குகிறது.

உதாரணம் 2 – Smart AgricultureSoil Moisture Sensor ஈரப்பதம் குறைவதை அறிவிக்கிறது → Water Pump தானாக இயங்குகிறது → தேவையான ஈரப்பதம் கிடைத்ததும் நிற்கிறது.

பயன்பாடுகள்

• Smart Home · Smart Agriculture · Smart City
• Industrial Automation
• Smart Electricity Meter
• Vehicle Tracking
• Healthcare Monitoring

Man-Machine vs M2M

Man-Machine	M2M
மனிதரும் இயந்திரமும் இணைந்து செயல்படுகின்றனர்	இயந்திரங்கள் ஒன்றுடன் ஒன்று தொடர்புகொள்கின்றன
மனிதப் பங்கேற்பு முக்கியம்	நேரடி மனிதப் பங்கேற்பு குறைவு
மனிதர் கட்டுப்படுத்தலாம்	இயந்திரங்கள் தானாகச் செயல்படலாம்
உ-ம்: Robotic Surgery	உ-ம்: Smart Irrigation

நினைவில் வைக்கMan-Machine = Human + Machine · M2M = Machine + Machine

Software Agents (மென்பொருள் முகவர்கள்)

வரையறைஒரு குறிப்பிட்ட பணிக்காக உருவாக்கப்பட்டு, சூழலிலிருந்து தகவல்களைப் பெற்று, அவற்றின் அடிப்படையில் தானாகச் செயல்படக்கூடிய மென்பொருள் நிரல்.

உதாரணம் 1 – Email Spam Filterஉள்வரும் மின்னஞ்சல்களைப் பரிசோதித்து, சந்தேகத்திற்குரியவற்றை Spam Folder-க்கு அனுப்புகிறது.

உதாரணம் 2 – Price Agentபல இணையக் கடைகளில் Mobile Phone விலைகளைச் சேகரித்து ஒப்பிட்டு, குறைந்த விலை கிடைக்கும்போது அறிவிக்கிறது.

முக்கிய பண்புகள்

1. Autonomy – சுயாதீனமாகச் செயல்படுதல்

தொடர் கட்டளைகள் இன்றி இலக்கின் அடிப்படையில் செயல்படுதல். உ-ம்: குறிப்பிட்ட நேரத்தில் தானாக Email அனுப்புதல்.

2. Reactivity – எதிர்வினையாற்றுதல்

சூழல் மாற்றங்களை உணர்ந்து செயல்படுதல். உ-ம்: புதிய Email வந்ததும் அதை ஆய்வு செய்தல்.

3. Proactiveness – முன்முயற்சி

கட்டளைக்குக் காத்திராமல் இலக்கை அடைய முன்கூட்டியே செயல்படுதல். உ-ம்: விமான டிக்கெட் விலை குறைந்ததும் அறிவித்தல்.

4. Social Ability – தொடர்புகொள்ளும் திறன்

பிற Agents/முறைமைகளுடன் தகவல் பரிமாறுதல். உ-ம்: Shopping Agent, Payment Agent-உடன் தொடர்புகொள்ளுதல்.

5. Learning Ability – கற்றல் (விருப்பத்திற்குரியது)

சில Agents கடந்தகாலத் தரவிலிருந்து கற்று மேம்படும். எல்லா Agents-களுக்கும் இது அவசியமல்ல.

செயல்படும் முறை

Environment (சூழல்)

Percepts – தகவல்களைப் பெறுதல்

Software Agent – பகுப்பாய்வு, முடிவெடுத்தல்

Actions – செயல்பாடுகள்

Environment – சூழலில் மாற்றம்

Multi-Agent Systems (பல முகவர் முறைமைகள்)

வரையறைஒரு பிரச்சினையைத் தீர்க்க இரண்டு அல்லது அதற்கு மேற்பட்ட Software Agents ஒன்றுடன் ஒன்று தொடர்புகொண்டு ஒத்துழைத்துச் செயல்படும் கணினி முறைமை.

உதாரணம் 1 – Online Shopping System

Agent	பொறுப்பு
Search Agent	பொருட்களைத் தேடுதல்
Price Agent	விலைகளை ஒப்பிடுதல்
Inventory Agent	கையிருப்பைச் சரிபார்த்தல்
Payment Agent	பணப்பரிவர்த்தனை
Delivery Agent	விநியோக ஒருங்கிணைப்பு

உதாரணம் 2 – Traffic Managementஒரு Agent வாகன எண்ணிக்கையைக் கண்காணிக்கிறது; மற்றொன்று அருகிலுள்ள சந்திப்பின் நிலையை அறிகிறது; இன்னொன்று போக்குவரத்து விளக்கு நேரத்தை மாற்றுகிறது.

முக்கிய பண்புகள்

1. Autonomy – ஒவ்வொரு Agent-உம் சுயாதீனம்
2. Cooperation – பொது இலக்குக்காக ஒன்றாகச் செயல்படுதல்
3. Communication – தகவல் பரிமாற்றம்
4. Coordination – பணிகளை ஒருங்கிணைத்தல்
5. Distributed Processing – வெவ்வேறு பணிகளைப் பகிர்தல்
6. Problem Solving – சிக்கலான பிரச்சினையைப் பகுதிகளாகப் பிரித்துத் தீர்த்தல்

Software Agent vs MAS

Software Agent	Multi-Agent System
தனிப்பட்ட முகவர்	பல முகவர்களின் தொகுதி
ஒரு குறிப்பிட்ட பணி	பணிகளைப் பகிர்ந்து செய்தல்
தனியாகச் செயல்படலாம்	ஒன்றுடன் ஒன்று தொடர்புகொள்ளும்
உ-ம்: Spam Filter Agent	உ-ம்: Smart Traffic System

Agent முறைமைகளின் பயன்பாடுகள்

1. E-commerce – மின்னணு வணிகம்

• பொருட்களைத் தேடுதல், விலை ஒப்பிடுதல்
• பொருட்களைப் பரிந்துரைத்தல்
• கையிருப்பைக் கண்காணித்தல்
• கொள்வனவு செயல்முறையை ஒருங்கிணைத்தல்

2. Information Retrieval – தகவல் மீட்டெடுத்தல்

இணையத்தில் தேடி தேவையான தகவலைப் பயனருக்குத் தருதல். உ-ம்: குறிப்பிட்ட தலைப்பிலான புதிய ஆய்வுக் கட்டுரைகளைச் சேகரித்தல்.

3. Healthcare – சுகாதாரம்

• நோயாளியின் தரவைக் கண்காணித்தல்
• மருத்துவர்களுக்கு எச்சரிக்கை
• மருத்துவ நேர நிர்வாகம்
• மருத்துவத் தகவல் தேடல்

4. Transportation – போக்குவரத்து

• வாகன இருப்பிடக் கண்காணிப்பு
• நெரிசலைக் கணித்தல்
• மாற்றுப் பாதை பரிந்துரை
• விநியோக வாகன ஒருங்கிணைப்பு

5. Banking – வங்கித்துறை

• சந்தேகத்திற்குரிய பரிவர்த்தனைகளைக் கண்டறிதல்
• வாடிக்கையாளர் கேள்விகளுக்குப் பதில்
• தானியங்கி அறிவிப்புகள்

6. Manufacturing – உற்பத்தித்துறை

• உற்பத்திப் பணிகளை ஒருங்கிணைத்தல்
• இயந்திர நிலைக் கண்காணிப்பு
• கையிருப்பு நிர்வாகம்
• பராமரிப்புத் தேவை அறிவிப்பு

Von-Neumann Architecture (வொன் நியூமன் கட்டமைப்பு)

வரையறைஅறிவுறுத்தல்களும் தரவுகளும் ஒரே நினைவகத்தில் சேமிக்கப்பட்டு CPU மூலம் செயலாக்கப்படும் பாரம்பரிய கணினிக் கட்டமைப்பு.

முக்கிய கூறுகள்

கூறு	பணி	உதாரணம்
Input Unit	தரவு, கட்டளைகளை வழங்கும்	Keyboard, Mouse, Scanner
Memory Unit	தரவு, அறிவுறுத்தல்களைச் சேமிக்கும்	RAM
Control Unit (CU)	பகுதிகளைக் கட்டுப்படுத்தி ஒருங்கிணைக்கும்	–
ALU	கணித, தர்க்கச் செயல்பாடுகள்	–
Output Unit	முடிவுகளை வழங்கும்	Monitor, Printer

Fetch–Decode–Execute Cycle

Fetch – நினைவகத்திலிருந்து அறிவுறுத்தலைப் பெறுதல்

Decode – அறிவுறுத்தலைப் புரிந்துகொள்ளுதல்

Execute – செயல்படுத்துதல்

Von-Neumann BottleneckCPU–Memory இடையேயான வரையறுக்கப்பட்ட தரவுப் பாதையால் செயலாக்க வேகம் கட்டுப்படும் நிலை.

எளிய உதாரணம்வகுப்பறைக்கு ஒரே கதவு மட்டும் இருந்தால் மாணவர்கள் அதிகரிக்கும்போது நெரிசல் ஏற்படும்; அதுபோல் CPU–Memory இடையே நெரிசல்.

Beyond von-Neumann Computing

வரையறைVon-Neumann வரம்புகளைத் தாண்டி அதிக வேகம், குறைந்த மின்பயன்பாடு, சிக்கலான பிரச்சினைகளைத் தீர்க்கும் திறனுக்கான புதிய கட்டமைப்புகளும் அணுகுமுறைகளும்.

1. Parallel Computing – இணைநிலைக் கணிப்பீடு

பெரிய பணியைச் சிறு பணிகளாகப் பிரித்துப் பல Processors ஒரே நேரத்தில் செய்தல். உ-ம்: ஒரு கணக்கீட்டை 4 பகுதிகளாகப் பிரித்து 4 Processors கணித்தல்.

2. Distributed Computing – பகிர்ந்தளிக்கப்பட்ட கணிப்பீடு

பணியைப் பல கணினிகளுக்குப் பகிர்ந்து வலையமைப்பு மூலம் இணைந்து செய்தல். உ-ம்: Cloud Computing-இல் பல சேவையகங்கள் ஒரு சேவையை வழங்குதல்.

3. Neuromorphic Computing – நரம்பியல் சார்ந்த கணிப்பீடு

மூளையின் நரம்பணுக்களை ஒத்த கட்டமைப்பு. உ-ம்: மூளை போன்று வடிவமைக்கப்பட்ட சிறப்பு Chips.

4. Quantum Computing – குவாண்டம் கணிப்பீடு

Quantum Physics கொள்கைகளால் தகவலைச் செயலாக்குதல்; சில குறிப்பிட்ட பிரச்சினைகளில் பாரம்பரியக் கணினிகளை விடச் சிறந்த செயல்திறன் தரக்கூடும்.

Nature-Inspired Computing (இயற்கை அடிப்படையிலான கணிப்பீடு)

வரையறைஇயற்கையின் செயல்முறைகள், நிகழ்வுகள், உயிரினங்களின் நடத்தைகளை முன்மாதிரியாகக் கொண்டு கணினி வழி பிரச்சினைகளைத் தீர்க்கும் அணுகுமுறை.

1. Genetic Algorithms – மரபணு வழிமுறைகள்

பரிணாம வளர்ச்சி, இயற்கைத் தெரிவு (Natural Selection) அடிப்படையில் பல தீர்வுகளை உருவாக்கி சிறந்தவற்றைத் தேர்ந்து மேம்படுத்தும்.

Initial Population – ஆரம்பத் தீர்வுகள்

Fitness Evaluation – தரத்தை மதிப்பிடுதல்

Selection – சிறந்தவற்றைத் தேர்தல்

Crossover – தீர்வுகளை இணைத்தல்

Mutation – சிறு மாற்றங்கள்

New Generation – புதிய தீர்வுகள்; தேவையான தரம் வரை மீண்டும்

உ-ம்: குறைந்த தூரம், செலவில் அனைத்து வாடிக்கையாளர்களுக்கும் விநியோகிக்கும் பாதையைத் தேடுதல்.

2. Ant Colony Optimization – எறும்புக் கூட்ட மேம்படுத்தல்

எறும்புகள் பெரோமோன் (Pheromone) தடத்தை விட்டுச் செல்ல, பிற எறும்புகள் அதைப் பின்பற்றிப் பாதையைத் தேர்கின்றன. உ-ம்: நகரில் பல இடங்களுக்குப் பொருள் வழங்கச் சிறந்த பாதை.

3. Particle Swarm Optimization – துகள் கூட்ட மேம்படுத்தல்

பறவை/மீன் கூட்டங்கள் தகவல் பகிர்ந்து சிறந்த நிலையை நோக்கி நகர்வதை அடிப்படையாகக் கொண்டது. உ-ம்: பொறியியல் வடிவமைப்பில் குறைந்த செலவில் சிறந்த தீர்வு.

பயன்பாடுகள்

• சிறந்த பாதை கண்டறிதல்
• போக்குவரத்து, உற்பத்தித் திட்டமிடல்
• வளங்களைச் சிறப்பாகப் பயன்படுத்துதல்
• பொறியியல் வடிவமைப்பு
• சிக்கலான Optimization பிரச்சினைகள்

Biology-Inspired Computing (உயிரியல் அடிப்படையிலான கணிப்பீடு)

வரையறைஉயிரினங்களின் உடலமைப்பு, உயிரியல் செயல்முறைகள், மரபணுக்கள், மூளை, உயிரணுக்களின் செயல்பாடுகளை அடிப்படையாகக் கொண்டு கணினித் தொழில்நுட்பங்களை உருவாக்கும் அணுகுமுறை.

1. Artificial Neural Networks (ANN)

மூளையின் நரம்பணுக்களை முன்மாதிரியாகக் கொண்ட கணினி மாதிரி. செயற்கை Neurons இணைக்கப்பட்டுத் தகவலைச் செயலாக்கும்.

அடுக்குகள்: Input Layer → Hidden Layer → Output Layer

உ-ம்: கையெழுத்து இலக்கங்களை அடையாளம் காணுதல்.

2. DNA Computing

DNA மூலக்கூறுகளைப் பயன்படுத்திக் கணக்கீடு செய்யும் ஆராய்ச்சி சார்ந்த அணுகுமுறை. உ-ம்: DNA இணைப்பு/பிரிப்பு மூலம் சில கணிதப் பிரச்சினைகளின் தீர்வுகளை ஆராய்தல்.

3. Evolutionary Computing – பரிணாமக் கணிப்பீடு

பரிணாமம், இயற்கைத் தெரிவு, மரபணு மாற்றங்களை அடிப்படையாகக் கொண்ட வழிமுறைகள்; Genetic Algorithms இதன் முக்கிய அணுகுமுறை.

Nature vs Biology Inspired

Nature-Inspired	Biology-Inspired
பரந்த இயற்கை நிகழ்வுகள்	உயிரியல் அமைப்புகள், செயல்முறைகள்
எறும்புகள், பறவைகள், இயற்கைத் தெரிவு	DNA, Neurons, உயிரணுக்கள்
Ant Colony, PSO, Genetic Algorithms	ANN, DNA Computing, Evolutionary Computing

குறிப்புGenetic Algorithms பரிணாமத்தைப் பின்பற்றுவதால் இரு அணுகுமுறைகளுடனும் தொடர்புடையவை.

Quantum Computing (குவாண்டம் கணிப்பீடு)

வரையறைQuantum Mechanics கொள்கைகளைப் பயன்படுத்தித் தகவலைச் செயலாக்கும் கணினித் தொழில்நுட்பம். பாரம்பரியக் கணினி Bit; குவாண்டம் கணினி Qubit.

Classical Bit vs Qubit

Bit: 0 அல்லது 1 (மின்விளக்கு அணைந்தால் 0, எரிந்தால் 1).

Qubit: Superposition காரணமாக 0, 1 ஆகியவற்றின் கலவையான Quantum State-இல் இருக்க முடியும்.

Superposition – மீநிலை

அளவீட்டுக்கு முன் பல சாத்தியமான நிலைகளின் கலவையில் இருக்கும் குவாண்டம் பண்பு.

ஒப்புமை (எச்சரிக்கை)சுழலும் நாணயம் ஒரு எளிய ஒப்புமை மட்டுமே; உண்மையான Superposition அதற்குச் சமமல்ல.

Entanglement – குவாண்டம் பிணைப்பு

இரண்டு அல்லது அதற்கு மேற்பட்ட Qubits ஒன்றுடன் ஒன்று தொடர்புடைய Quantum State-இல் இருத்தல். ஒன்றை அளவிடும்போது மற்றதன் அளவீட்டுடன் தொடர்புடைய முடிவு கிடைக்கலாம். இது சாதாரணத் தகவல் பரிமாற்றம் அல்ல.

Quantum Interference – குவாண்டம் குறுக்கீடு

Probability Amplitudes இணைந்து சில முடிவுகளின் சாத்தியக்கூறை அதிகரித்து, சிலவற்றைக் குறைத்தல். Quantum Algorithms சரியான விடையின் சாத்தியக்கூறை உயர்த்த இதைப் பயன்படுத்தும்.

செயல்படும் முறை

Qubit Initialization – Qubits தயாரித்தல்

Quantum Gates – Qubits மீது செயல்பாடுகள்

Quantum Interference – முடிவுகளின் சாத்தியக்கூறை மாற்றுதல்

Measurement – Classical Output பெறுதல்

Classical vs Quantum

Classical	Quantum
Bit	Qubit
0 அல்லது 1	0, 1 இன் கலவை (Quantum State)
Classical Logic Gates	Quantum Gates
Classical Physics சார்ந்த மின்சுற்றுகள்	Quantum Mechanics சார்ந்தது
பொதுவான பணிகளுக்கு ஏற்றது	குறிப்பிட்ட சிக்கலான கணக்கீடுகளுக்கு ஏற்றது

பயன்பாடுகள்

1. Drug Discovery – மூலக்கூறு நடத்தைக் கணக்கீடுகள்
2. Cryptography – சில மறையாக்க முறைகளைப் பாதிக்கலாம்; Quantum-resistant Cryptography முக்கியம்
3. Optimization – போக்குவரத்து, விநியோகம், வள ஒதுக்கீடு
4. Material Science – புதிய பொருட்களின் பண்புகள்
5. Scientific Research – இயற்பியல், வேதியியல் உருவகப்படுத்தல்

சவால்கள்

1. Qubits-ஐ நிலையாக வைத்திருப்பது கடினம்
2. சூழல் இடையூறுகளால் Quantum Errors
3. சில Hardware-களுக்கு மிகக் குறைந்த வெப்பநிலை தேவை
4. Quantum Error Correction சிக்கலானது
5. அதிக உருவாக்க/பராமரிப்புச் செலவு
6. எல்லாப் பிரச்சினைகளுக்கும் சிறந்த தீர்வல்ல

நினைவில் வைக்கBit = 0/1 · Qubit = Quantum State · Superposition = நிலைகளின் கலவை · Entanglement = Qubits தொடர்பு · Interference = சாத்தியக்கூறை மாற்றல்

எதிர்காலத் தொழில்நுட்பங்கள்

தொழில்நுட்பம்	எதிர்காலப் பயன்பாடு
Artificial Intelligence	அறிவார்ந்த முடிவெடுத்தல்
Quantum Computing	சில சிக்கலான கணக்கீடுகள்
DNA Computing	உயிரியல் அடிப்படைக் கணக்கீடு
Neuromorphic Computing	மூளை போன்ற கட்டமைப்புகள்
Swarm Intelligence	பல முகவர்களின் கூட்டுச் செயல்பாடு
Robotics	தானியங்கித் தொழிற்சாலை, சேவைப் பணிகள்
Distributed Computing	பல கணினிகளின் ஒருங்கிணைந்த செயல்பாடு

Von-Neumann-க்கு மாற்றாக உருவாகக்கூடியவை

1. Quantum Computing
2. Neuromorphic Computing
3. DNA Computing
4. Optical Computing
5. Parallel and Distributed Computing
6. Nature-Inspired Computing

இவை பாரம்பரியக் கணினிகளின் சில வரம்புகளைக் குறைக்கவும் குறிப்பிட்ட பிரச்சினைகளைத் திறமையாகத் தீர்க்கவும் உருவாக்கப்பட்டு வருகின்றன.

குறுகிய விடை வினாக்கள்

மாதிரி வினாக்கள்; அதிகாரப்பூர்வ கடந்தகால வினாத்தாளிலிருந்து எடுக்கப்பட்டவை அல்ல.

1. Intelligent Computing என்றால் என்ன?

தரவிலிருந்து கற்று, பகுத்தறிந்து, பிரச்சினைகளைத் தீர்த்து, முடிவெடுக்கக்கூடிய கணினி முறைமைகளை உருவாக்கும் கணிப்பீட்டு அணுகுமுறை.

2. Emotional Computing என்றால் என்ன?

மனித உணர்வுகளை அடையாளம் கண்டு, புரிந்து, அதற்கேற்பப் பதிலளிக்கும் கணினி முறைமைகளை உருவாக்கும் தொழில்நுட்பம்.

3. AI என்பதன் விரிவாக்கம்?

Artificial Intelligence

4. Machine Learning என்றால் என்ன?

ஒவ்வொரு விதியையும் வெளிப்படையாக நிரலாக்காமல், கணினி தரவிலிருந்து கற்று கணிப்புகள்/முடிவுகளை உருவாக்கும் AI அணுகுமுறை.

5. Man-Machine Coexistence என்றால் என்ன?

மனிதர்களும் இயந்திரங்களும் ஒரே சூழலில் ஒத்துழைத்துச் செயல்படும் நிலை.

6. M2M விரிவாக்கம்?

Machine-to-Machine

7. Software Agent என்றால் என்ன?

ஒரு பணிக்காகச் சூழலிலிருந்து தகவல்களைப் பெற்றுத் தானாகச் செயல்படும் மென்பொருள் நிரல்.

8. Software Agent இன் நான்கு பண்புகள்?

Autonomy, Reactivity, Proactiveness, Social Ability.

9. Multi-Agent System என்றால் என்ன?

இரண்டு அல்லது அதற்கு மேற்பட்ட Software Agents தொடர்புகொண்டு ஒத்துழைத்துச் செயல்படும் முறைமை.

10. Von-Neumann Bottleneck என்றால் என்ன?

CPU–Memory இடையிலான வரையறுக்கப்பட்ட தரவுப் பாதையால் ஏற்படும் செயலாக்கத் தடங்கல்.

11. Nature-Inspired Computing என்றால் என்ன?

இயற்கை நிகழ்வுகள், உயிரினங்களின் நடத்தைகளை அடிப்படையாகக் கொண்டு கணக்கீட்டுப் பிரச்சினைகளைத் தீர்க்கும் அணுகுமுறை.

12. Artificial Neural Network என்றால் என்ன?

மனித மூளையின் நரம்பணுக்களை முன்மாதிரியாகக் கொண்ட கணினி மாதிரி.

13. Quantum Computing என்றால் என்ன?

Quantum Mechanics கொள்கைகளால் தகவலைச் செயலாக்கும் கணினித் தொழில்நுட்பம்.

14. Qubit என்றால் என்ன?

Quantum Computer-இல் தகவலைப் பிரதிநிதித்துவப்படுத்தும் அடிப்படை அலகு.

15. Superposition என்றால் என்ன?

அளவீட்டுக்கு முன் பல சாத்தியமான நிலைகளின் கலவையில் இருக்கும் Quantum பண்பு.

16. Entanglement என்றால் என்ன?

இரண்டு அல்லது அதற்கு மேற்பட்ட Qubits-இன் Quantum States ஒன்றுடன் ஒன்று தொடர்புடையதாக இருக்கும் நிகழ்வு.

விளக்க வினாக்கள்

17. Intelligent vs Emotional Computing

Intelligent: கற்றல், பகுத்தறிதல், முடிவெடுத்தல். Emotional: மனித உணர்வுகளை அடையாளம் கண்டு அதற்கேற்பப் பதிலளித்தல்.

18. Man-Machine vs M2M (உதாரணங்களுடன்)

• Man-Machine: மனிதரும் இயந்திரமும் இணைந்து செயல்படுதல். உ-ம்: மருத்துவர் + Robotic Surgery System.
• M2M: இயந்திரங்கள் தானாகத் தகவல் பரிமாறிச் செயல்படுதல். உ-ம்: ஈரப்பதம் அறிந்து தானாக இயங்கும் நீர்ப்பாசன முறைமை.

19. Software Agent இன் பண்புகளை விளக்குக

• Autonomy – சுயாதீனச் செயல்பாடு
• Reactivity – சூழல் மாற்றத்துக்கு எதிர்வினை
• Proactiveness – முன்முயற்சி
• Social Ability – பிற Agents உடன் தொடர்பு

20. MAS இன் நான்கு நன்மைகள்

1. பணிகளைப் பகிர்ந்தளிக்கலாம்
2. சிக்கலான பிரச்சினைகளைத் தீர்க்கலாம்
3. பல Agents ஒரே நேரத்தில் செயல்படலாம்
4. Agents இடையே தகவல் பரிமாறி ஒருங்கிணைக்கலாம்

21. Von-Neumann Architecture இன் கூறுகள்

Input Unit, Memory Unit, Control Unit, Arithmetic and Logic Unit, Output Unit.

22. Genetic Algorithm செயல்முறை

இயற்கைத் தெரிவை அடிப்படையாகக் கொண்டது. படிகள்: Initial Population → Fitness Evaluation → Selection → Crossover → Mutation → New Generation.

23. Classical vs Quantum (மூன்று வேறுபாடுகள்)

Classical	Quantum
Bit	Qubit
0 அல்லது 1	Superposition கொண்ட Quantum State
Classical Logic Gates	Quantum Gates

24. Quantum Computing இன் மூன்று பயன்பாடுகள்

Drug Discovery, Cryptography Research, Complex Optimization.

சூழ்நிலை வினாக்கள்

25. Soil Moisture Sensor + நீர்ப்பம்பு

அ) Machine-to-Machine Communication.

ஆ) Sensor ஈரப்பதத்தை அளக்கிறது; குறைந்தால் கட்டுப்பாட்டு முறைமைக்கு அனுப்புகிறது; Water Pump தானாக இயங்குகிறது.

இ) நீர் விரயம் குறைந்து நீர்ப்பாசனம் தானியக்கமாகிறது.

26. விலைகளை ஒப்பிட்டு அறிவிக்கும் Shopping Website

அ) Software Agent.

ஆ) Autonomy, Proactiveness.

இ) பல கடைகளைத் தனித்தனியாகப் பார்க்கும் தேவை குறைகிறது.

27. மருத்துவர் + Robot அறுவைச் சிகிச்சை

அ) Man-Machine Coexistence.

ஆ) நிலையை மதிப்பிடுதல், சிகிச்சை முடிவெடுத்தல், ரோபோவை மேற்பார்வை செய்தல்.

இ) மருத்துவரின் கட்டுப்பாட்டில் துல்லியமான செயல்பாடுகளுக்கு உதவுதல்.

28. போக்குவரத்துச் சந்திப்புக் கணினிகள் தொடர்புகொள்ளுதல்

அ) Multi-Agent System.

ஆ) Communication, Coordination.

இ) சூழ்நிலைக்கேற்பப் போக்குவரத்து விளக்கு நேரத்தை மாற்றுதல்.

29. Neural Network மூலம் கையெழுத்து இலக்கங்கள்

அ) Artificial Neural Network.

ஆ) Biology-Inspired Computing.

இ) கையெழுத்து அடையாளம் காணுதல்.

30. Qubits மூலம் சிக்கலான கணிதப் பிரச்சினை

அ) Quantum Computing.

ஆ) Superposition, Entanglement.

இ) Bit 0 அல்லது 1; Qubit பல சாத்திய நிலைகளின் Superposition-இல் இருக்க முடியும்.

இறுதி மீளாய்வு ஒப்பீடுகள்

தலைப்புகள்	முக்கிய வேறுபாடு
Intelligent vs Emotional	அறிவார்ந்த செயல்பாடு vs உணர்வு அடையாளம்
AI vs Machine Learning	பரந்த துறை vs AI கற்றல் அணுகுமுறை
Man-Machine vs M2M	மனிதர் + இயந்திரம் vs இயந்திரம் + இயந்திரம்
Software Agent vs MAS	தனி Agent vs பல Agents
Nature vs Biology Inspired	இயற்கை நிகழ்வுகள் vs உயிரியல் அமைப்புகள்
Bit vs Qubit	0 அல்லது 1 vs Quantum State
Superposition vs Entanglement	நிலைகளின் கலவை vs Qubits இடையிலான தொடர்பு

Unit 13 – Quick Test (10 வினாக்கள்)

0 / 10

இக்குறிப்புகள் மாணவர் கற்றலுக்கானவை. உங்கள் வகுப்பின் சமீபத்திய NIE பாடத்திட்டத்துடன் தலைப்புகளைச் சரிபார்க்கவும்.