AI for All Inc.

Tag: chats

  • பூமிக்கு கீழே…

    ‘தி ஹாலோ எர்த் கோவனன்ட்’ என்ற ஏழு அத்தியாயங்களைக் கொண்ட ஒரு திகில் புதினம் இதோ.

    —

    அத்தியாயம் ஒன்று: அம்பர் பந்து

    இரண்டு வயது மீரா புல்வெளியில் மண்டியிட்டு, அட்லஸ் என்ற வயதான பெர்னீஸ் மலை நாயின் கழுத்துப்பட்டையில் கட்டப்பட்டிருந்த நைந்துபோன கயிற்றைத் தன் சின்னஞ்சிறு விரல்களால் பற்றிக்கொண்டிருந்தாள். அப்போது, ஈரமான பைன் மற்றும் மல்லிகையின் மணம் அந்த மலைச்சரிவில் பரவியிருந்தது. அவர்கள் தங்கள் விளையாட்டை விளையாடிக்கொண்டிருந்தார்கள்—அட்லஸ் தன் மூக்கால் ஒளிரும் அம்பர் நிறப் பந்தைத் தள்ளும், மீரா சிரித்து ஆர்ப்பரிப்பாள், பிறகு உலகம் முழுவதும் சூரிய ஒளியும் க்ளோவர் செடிகளும் மட்டுமே நிறைந்திருக்கும்.

    அப்போது அட்லஸ் தும்மியது. அந்தப் பந்து அதன் முகவாயிலிருந்து சீறிப் பாய்ந்து, காட்டுப் பிளாக்பெர்ரி புதர்களைக் கடந்து உருண்டு, சுண்ணாம்புப் பாறையின் ஒரு பிளவில் மறைந்தது—அது அவர்கள் எப்போதும் தவிர்க்கச் சொல்லப்பட்ட ஒரு குகை வாய். உள்ளுணர்வால் உந்தப்பட்ட அட்லஸ், அதைத் துரத்திச் சென்றது. அதன் நுழைவாயில் தாழ்வாக, ஒரு மீட்டருக்கும் குறைவான உயரத்தில் இருந்தது, ஆனால் அந்த நாயின் உடல் ஒரு மெல்லிய முனகலுடன் அதன் வழியே வழுக்கிச் சென்றது.

    மீரா தள்ளாடிக்கொண்டே குகையின் திறப்பை நோக்கிச் சென்றாள், அவளுடைய இளஞ்சிவப்பு நிறச் செருப்பு ஒரு வேரில் சிக்கிக்கொண்டது. அவள், “அட்டி,” என்று கூப்பிட்டாள். எந்தப் பதிலும் குரைப்புச் சத்தமும் வரவில்லை. பூமிக்கு அடியில் ஒரு கிலோமீட்டர் ஆழத்தில் மீட்டப்படும் செல்லோ நரம்பைப் போன்ற, ஆழமான, எதிரொலிக்கும் ஒரு ரீங்காரம் மட்டுமே கேட்டது. அவள் குப்புறப் படுத்துக்கொண்டு உள்ளே ஊர்ந்து சென்றாள். பூமி அவளை முழுவதுமாக விழுங்குவதற்கு முன்பு, பிற்பகல் சூரிய ஒளியில் ஜொலித்துக்கொண்டிருந்த அவளுடைய இடது பாதத்தையும், அந்தச் செருப்பையும்தான் அனைவரும் கடைசியாகப் பார்த்தார்கள்.

    அவளுடைய பெற்றோர்களான தேவ் மற்றும் எலெனா, துணிகளை உலர்த்தி முடித்தபோது, தோட்டம் காலியாக இருந்தது. பந்து காணாமல் போயிருந்தது. அட்லஸ் காணாமல் போயிருந்தான். மீரா காணாமல் போயிருந்தாள். அவர்கள் நான்கு மணி நேரம் தேடினார்கள். அந்தி சாயும் வேளையில், தேவ் அதைக் கண்டுபிடித்தான்: குகை வாயிலிருந்து சரியாக ஆறு மீட்டர் தொலைவில், நசுக்கப்பட்ட ஃபெர்ன் செடிகளின் மீது கிடந்த ஒரு சிறிய ரப்பர் செருப்பு. அதன் அருகே, பாறைக்குள் செல்லும் ஒரு புதிய மண் கோடு தெரிந்தது.

    அத்தியாயம் இரண்டு: மீட்பு ஒப்பந்தம்

    நள்ளிரவுக்குள், தேசிய குகை மற்றும் நிலத்தடி மீட்புப் பிரிவைச் சேர்ந்த பதினைந்து பேர் கொண்ட மீட்புக் குழு ஒன்று கூடியிருந்தது.  அவர்களின் தலைவரான, கமாண்டர் ரினா சோரன்சென் என்ற மெலிந்த பெண்மணி, கம்சட்காவில் உள்ள எரிமலைகளையும் யுகடானில் உள்ள பள்ளங்களையும் வரைபடமாக்கியிருந்தார். அவர் குகை வாசலருகே மண்டியிட்டு, தன் உள்ளங்கையைப் பாறையின் மீது அழுத்தினார்.

    “இது சூடாக இருக்கிறது,” என்றார் அவர். “புவிவெப்பம் அல்ல. வேறு ஏதோ ஒன்று.”

    அந்தக் குழுவில் நான்கு வல்லுநர்கள் இருந்தனர்: இடது கையில் தீக்காயம் பட்டிருந்த எரிமலைப் புவியியலாளரான லூகா; பப்புவாவின் ஆழமான ஆற்று குகைகளை ஆராய்ந்த, மூடிய-சுற்று மறுசுவாசக் கருவி கொண்ட மூழ்காளரான ஃபரா; ஓடும் நீரின் வழியே ஒரு வாசனையைத் தடமறியக்கூடிய எம்பர் என்ற பெல்ஜியன் மலிநாய்ஸ் இனத்தைச் சேர்ந்த கே9 நாயை வைத்திருந்த நாய் பயிற்றுவிப்பாளரான ஜென்ஸ்; மற்றும் ஒரு காலத்தில் ஸ்லோவேனியாவின் ஒரு பள்ளத்தில் பதினொரு நாட்கள் சிக்கியிருந்த குகை ஆய்வாளரான வயதான மாட்டியோ.

    அவர்கள் அந்தப் பிளவுக்குள் ஒரு ஃபைபர்-ஆப்டிக் கேபிளை இறக்கினர்.  ஐம்பது மீட்டர் ஆழத்தில், கேமரா ஒரு செங்குத்தான சுரங்கத்தைக் காட்டியது; அதன் சுவர்கள் நீரினால் செதுக்கப்படவில்லை, மாறாக சுழல் பள்ளங்கள் போலத் தெரிந்தன—ஒரு பிரம்மாண்டமான துளையிடும் இயந்திரம் பாறையைத் துளைத்துச் சென்றது போல. எண்பது மீட்டர் ஆழத்தில், கேமரா செயலிழந்தது. சேதத்தினால் அல்ல. திடீரென ஏற்பட்ட, தாங்க முடியாத அழுத்தத்தால் அதன் லென்ஸ் உருக்குலைந்து போனது.

    “மீராவின் இதயத்துடிப்பா?” என்று ரினா தன் மருத்துவரிடம் கேட்டாள்.

    “மெலிதாக,” என்றார் அவர். “ஆனால் உயிருடன் இருக்கிறது. மேலும், இயற்பியல் விதிகளின்படி ஆழமாக இருக்கிறது.”

    மிகக் கீழே எங்கோ இருந்து அட்லஸ் ஊளையிட்டான். அந்த ஓசை சுரங்கம் வழியாக மேலே எதிரொலித்தது—உலோகத்தன்மையுடன், விரக்தியுடன், ஆனால் அச்சமின்றி. கிட்டத்தட்ட… வரவேற்பது போல.

    அத்தியாயம் மூன்று: கருங்கற் படிக்கட்டு

    ரீனா, லூக்கா, ஃபரா, மற்றும் எம்பர் என்ற நாய் என அவர்கள் ஜோடி ஜோடியாகக் கீழே இறங்கினார்கள்; ஜென்ஸும் மேட்டியோவும் அவர்களுக்கு மேலே ஆதரவாக இருந்தனர். அந்தக் குழி, கருங்கற்களால் ஆன ஒரு பேராலயத்தைப் போல விரிந்தது—அது கருங்கற்களால் ஆனது, ஆனால் நம்பமுடியாத அளவிற்குப் பழமையானது; தமனிகளைப் போலத் துடிக்கும் தங்க நரம்புகளைக் கொண்டிருந்தது. ஒவ்வொரு பத்து மீட்டருக்கும் ஒரு படிக்கட்டு செதுக்கப்பட்டிருந்தது: அது மனிதக் கால்களுக்காக அல்ல, மாறாக அதைவிடப் பெரிய ஏதோவொன்றிற்காக. ஒவ்வொரு படியும் அரை மீட்டர் உயரம் இருந்தது.

    “இது இயற்கையானது அல்ல,” என்று லூக்கா தன் சுத்தியலால் சுவரில் தட்டியவாறே மெதுவாகக் கூறினான். அந்தக் கருங்கற்கள் ஒரு கச்சிதமான ‘ஏ’ சுருதியில் ஒலித்தன. “மேலும் இது எரிமலையிலிருந்து உருவானதும் அல்ல. எரிமலைக்குழம்பு வேகமாக குளிர்வதால் கருங்கற்கள் உருவாகின்றன. ஆனால் இது… இது இயந்திரத்தால் செதுக்கப்பட்டது.”

    எம்பர் தாழ்ந்த குரலில் உறுமிவிட்டு, படிக்கட்டுகளில் வேகமாக இறங்கியது. ஃபரா அதைத் துரத்தினாள், அவளது தலைவிளக்கு இருளை ஊடுருவிச் சென்றது. அவர்கள் ஒரு மணி நேரம் இறங்கியது போலத் தோன்றியது—அவர்களின் உயரமானி, அவர்கள் இப்போது குன்றிற்குக் கீழே முந்நூறு மீட்டர், பிறகு நானூறு, பிறகு ஐந்து மீட்டர் இருப்பதைக் காட்டியது.  தாமரை மலர்கள் மற்றும் துருவைப் போல, காற்று அடர்த்தியாகவும் இனிமையாகவும் மாறியது.

    அவர்கள் முதலில் அட்லஸைக் கண்டார்கள். அந்த நாய் ஒரு படிக்கட்டில், களைப்புடன் ஆனால் உயிருடன் கிடந்தது; அதன் வால் பலவீனமாகத் துடித்துக்கொண்டிருந்தது. அதன் அருகில், மீராவின் பந்து. ஆனால் மீரா இல்லை. அதற்குப் பதிலாக, ஒரு கதவு. வெண்கலத்தால் ஆன, பன்னிரண்டு மீட்டர் உயரமுள்ள அந்தக் கதவில், நரம்புப் பாதைகளைப் போலத் தோற்றமளிக்கும் எழுத்துக்கள் பொறிக்கப்பட்டிருந்தன—கிளைத்து, மீண்டும் இணைந்து, உயிருடன் இருப்பது போல.

    ரீனா அந்தக் கதவைத் தொட்டாள். அது சத்தமின்றித் திறந்து கொண்டது.

    அத்தியாயம் நான்கு: கொதிக்கும் ஆறு

    கதவுக்கு அப்பால் ஒரு நிலத்தடிக் கடல் இருந்தது—அல்லது தன்னை ஒரு பெருங்கடல் என்று நம்பிக்கொண்டிருந்த ஒரு ஆறு. அந்த நீர் நினைவைப் போலத் தெளிவாக இருந்தது, ஆனால் அது மேல்நோக்கி ஓடி, கூரையின் வழியே பாய்ந்து, பின்னர் கொதிக்கும் மழையாக ஒரு மையக் கால்வாயில் விழுந்தது. திரைகளில் நீராவி எழுந்தது. ஃபரா மண்டியிட்டுத் தனது மூழ்கும் கையுறையை உள்ளே போட்டாள். அவள் ஒரு எலும்புக்கூட்டு கையை வெளியே எடுத்தாள். மூன்று நொடிகளில் சதை கரைந்துவிட்டது.

    “அமிலம்,” என்றாள் அவள். “ஆனால் அடுக்குகளாக. மேல் ஒரு அங்குலம் நன்னீர். அதற்குக் கீழே, பேட்டரி அமிலத்தின் pH.”

    கால்வாயின் மையத்தில், மூடுபனியிலிருந்து வரிசையாகப் படிகற்கள் வெளிப்பட்டன—ஒவ்வொன்றும் ஒரு மண்டை ஓடு. மனிதனுடையது அல்ல. டால்பினுடையதா? இல்லை. அந்த மண்டை ஓடுகள் நீளமாக இருந்தன, அவற்றின் கண் குழிகள் இரவு உணவுத் தட்டுகளின் அளவு இருந்தன. எந்தப் புதைபடிவப் பதிவிலும் இல்லாத ஒரு இனம்.

    லூகா இன்னொன்றைக் கவனித்தான்: அந்த நீரோட்டம் சீரற்றதாக இல்லை. அது ஒரு மையத் தூணைச் சுற்றி ஒரு சுழலை உருவாக்கியது—அது ஒரு எரிமலைக் குமிழ், செயலற்று இருந்தாலும் தாழ் அதிர்வெண் ஒலியுடன் முணுமுணுத்துக் கொண்டிருந்தது. அந்தத் தூணின் உள்ளே, ஒரு கண்ணாடிக் கோளம். அந்தக் கோளத்தின் உள்ளே, மீரா. அவள் காயமின்றி மிதந்து கொண்டிருந்தாள், அவளுடைய கண்கள் திறந்திருந்தன, மேலும் அந்தக் கோளத்தின் அதே செம்பழுப்பு நிறத்தில் ஒளிர்ந்தன.

    “அவள் மூழ்கவில்லை,” என்றாள் ரினா. “அவள் தண்ணீரைச் சுவாசிக்கிறாள்.”

    ஜென்ஸ் மேலேதான் இருந்தான், ஆனால் எம்பர் முனகத் தொடங்கியது. அந்த நாய் ஆற்றின் விளிம்பைத் தன் காலால் தட்டிவிட்டு, பிறகு குதித்தது. அது கரைந்துவிடவில்லை. மாறாக, அது திடமானது போல அந்த அமிலப் படலத்தின் மீது நடந்து, தூணை அடைந்து, தன் மூக்கைக் கண்ணாடியில் அழுத்தியது.  மீரா புன்னகைத்தாள்.

    ஐந்தாம் அத்தியாயம்: எரிமலையின் இதயம்

    அந்தத் தூணுக்குப் பின்னால், புதைந்து கிடந்த ஒரு எரிமலைக்குழம்பு அறையைப் பின்பற்றி, மேல்நோக்கிச் சரிந்து செல்லும் ஒரு சுரங்கப்பாதையை அந்தக் குழு கண்டுபிடித்தது. வெப்பம் கடுமையாகியது—ஐம்பது டிகிரி செல்சியஸ், பின்னர் அறுபது. லூக்காவின் எரிமலை நிபுணத்துவம் செயல்படத் தொடங்கியது. அவன் அதன் சுவர்களை வரைபடமாக்கினான்: அடுக்குகளாக இருந்த பசால்ட், பியூமிஸ், மற்றும் நம்பமுடியாத ஒன்று—ஆழ்கடல் உயிரினங்களின் புதைபடிவங்கள் பதிந்திருந்த படிவுப் பாறை, இவை அனைத்தும் ஒரே புவியியல் காலகட்டத்தைச் சேர்ந்தவை எனக் காலவரையறை செய்யப்பட்டிருந்தன.

    “ஒரு பேரழிவு,” என்று அவன் மூச்சிரைக்கக் கூறினான். “நீருக்கடியில் வெடித்து, பின்னர் தன்னைத்தானே மூடிக்கொண்ட ஒரு எரிமலை. ஆனால் பார்—” அவன், பனிக்கட்டியால் செய்யப்பட்ட ஒரு ஈட்டியைப் பிடித்தபடி, பிளெசியோசார் போன்ற ஒரு உயிரினத்தின் மீது சவாரி செய்யும் மனித உருவச் சிற்பத்தைச் சுட்டிக்காட்டினான். “யாரோ ஒருவர் இங்கே இருந்திருக்கிறார். யாரோ ஒருவர் அந்த வெடிப்பில் இருந்து தப்பித்து, இதையெல்லாம் கட்டியிருக்கிறார்.”

    இப்போது வெப்பத்தைப் பிரதிபலிக்கும் உடையை அணிந்திருந்த ஃபரா, இரண்டாவது பாதையைக் கண்டுபிடித்தாள்: அது மீண்டும் கீழே இறங்கும் ஒரு ஆற்றுச் சுரங்கப்பாதை, இம்முறை ஒரு உப்புநீர்க் குழிக்குள் சென்றது. அவள் தனது டைவ் கணினியைச் சரிபார்த்தாள்.  உப்புத்தன்மை அடையாளத்தின்படி, அந்த நீர் அறுபது கிலோமீட்டர் தொலைவில் உள்ள திறந்த கடலுடன் இணைக்கப்பட்டிருந்தது. அந்த முழு மலையும் ஒரு உள்ளீடற்ற மேலோடாக, பூமியின் உள்ளடுக்கில் ஒரு குமிழியாக, பழங்கால தொழில்நுட்பத்தால் திறந்து வைக்கப்பட்டிருந்தது.

    குழு பிரிந்தது. ஃபராவும் எம்பரும் ஒரு மாற்று நுழைவாயிலைக் கண்டுபிடிக்க அந்த நீர்க்கசிவுப் பள்ளத்தில் மூழ்கிச் செல்வார்கள். ரினாவும் லூக்காவும் மீராவின் கோளத்தைச் சுமந்துகொண்டு, எரிமலைப் புகைபோக்கி வழியாக மேற்பரப்பை நோக்கி ஏறுவார்கள்.

    அத்தியாயம் ஆறு: கடலடிப் பதிவேடு

    ஃபராவின் மூழ்கல் உண்மையான நேரத்தில் நாற்பது நிமிடங்கள் நீடித்தது, ஆனால் அவளது கைக்கடிகாரம் பன்னிரண்டு மணிநேரத்தைக் காட்டியது. அந்த உப்புநீர்ப் பள்ளத்தில் நேரம் வித்தியாசமாக நகர்ந்தது. அவள் கடலடிக்குக் கீழே, அருகிலுள்ள ஒரு கடற்கழியின் அலைகளுக்கு இருநூறு மீட்டர் கீழே இருந்த ஒரு குகையில் மேற்பரப்பிற்கு வந்தாள். அதன் கூரை, பல்லாயிரம் ஆண்டுகளாகக் கீழ்நோக்கி வளர்ந்திருந்த அலையாத்தித் தாவரங்களின் உயிரிஒளிர்வு வேர்களால் பின்னப்பட்டிருந்தது.

    அங்கே, ஒரு மணற்கல் பீடத்தில், ஒரு பதிவேடு கிடந்தது: சுத்தியலால் தட்டப்பட்ட தங்கப் பக்கங்கள், ஒவ்வொன்றிலும் கடைசிப் பனிக்காலத்திற்கு முன்பு இருந்த உலகின் வரைபடம் பொறிக்கப்பட்டிருந்தது.  ஒரே கண்டம், ஒரே பெருங்கடல், மற்றும் பூமியில் உள்ள ஒவ்வொரு எரிமலை, ஒவ்வொரு ஆழ்கடல் அகழி, ஒவ்வொரு குகை அமைப்பையும் இணைக்கும் சுரங்கங்களின் வலைப்பின்னல்.

    கடைசிப் பக்கத்தில் ஒரு குழந்தை தெரிந்தது. ஒரு சிறுமி. பத்தாயிரம் ஆண்டுகளுக்கு முன்பு வரையப்பட்ட, மீராவின் அச்சு அசல் முகம். அந்த நரம்பியல் எழுத்துமுறையில் எழுதப்பட்டிருந்த வாசகம் கூறியது: “சிறியவள் வீழும்போது, உடன்படிக்கை விழித்தெழும். உள்ளீடற்ற பூமியின் பாதுகாவலர்கள் வானத்தைச் சரிசெய்ய எழுவார்கள்.”

    எம்பர் குரைத்தது. சதுப்புநிலக் காடுகள் நடுங்கத் தொடங்கின. சேற்றிலிருந்து பசால்ட் மற்றும் பவளத்தால் ஆன உயிரினங்கள் வெளிவந்தன—உயரமாக, அமைதியாக, அவற்றின் கண்கள் மீராவின் கண்களைப் போலவே அம்பர் நிறத்தில் ஒளிர்ந்தன. அவை தாக்கவில்லை. அவை மண்டியிட்டன.

    மீண்டும் எரிமலைக் குழிக்குள், ரினாவும் லூக்காவும் மேற்பரப்பை அடைந்தனர். மேலே இருந்த மீட்புக் குழுவினர் வயதாகிவிட்டனர். ஜென்ஸ் இப்போது ஒரு தாத்தாவாகியிருந்தார். மத்தேயோ வயது முதிர்வால் இறந்துவிட்டான். மேற்பரப்பில் பதினொரு ஆண்டுகள் கடந்திருந்தன, ஆனால் ரினாவைப் பொறுத்தவரை அது ஒன்பது மணிநேரமாக மட்டுமே இருந்தது.

    ஆனால் மீரா, இன்னும் இரண்டு வயது சிறுமியாக, இன்னும் ஒரே ஒரு இளஞ்சிவப்பு செருப்பை அணிந்தபடி, அந்தக் கண்ணாடிக் கோளத்திலிருந்து வெளியே வந்தாள்.  அவள் வானத்தைச் சுட்டிக்காட்டினாள். குன்றின் மேலே ஒரு பிளவு தோன்றியிருந்தது—வளிமண்டலத்தில் ஒரு கிழிசல், அதன் வழியே குளிர்ந்த நட்சத்திர ஒளி கசிந்துகொண்டிருந்தது.

    “பாதுகாவலர்கள் தாமதமாக வருகிறார்கள்,” என்று மீரா கச்சிதமான ஆங்கிலத்தில் கூறினாள்.

    ஏழாம் அத்தியாயம்: மூடுதல் திறத்தல்

    ஏழாம் அத்தியாயம் என்பது ஒரு தூக்கமில்லாத இரவு. உலகின் அரசாங்கங்கள் வந்து சேர்கின்றன. பசால்ட்-பவள உயிரினங்கள் ஒவ்வொரு குகையிலிருந்தும், ஒவ்வொரு எரிமலையிலிருந்தும், ஒவ்வொரு நீருக்கடியில் உள்ள அகழியிலிருந்தும் ஒரே நேரத்தில் வெளிவருகின்றன. அவை பேசுவதில்லை, ஆனால் வளிமண்டலப் பிளவை மூடும் ஒரு கருங்கற்கள் மற்றும் உயிருள்ள வேர்களின் பின்னலை உருவாக்குகின்றன.

    ஃபரா தங்கக் குறியீட்டுப் புத்தகத்துடன் கடற்கடலிலிருந்து வெளிவருகிறாள். லூக்கா உண்மையை உறுதிப்படுத்துகிறான்: உள்ளீடற்ற பூமி ஒரு கட்டுக்கதை அல்ல, அது ஒரு உயிர் காக்கும் அமைப்பு. எரிமலைகள், ஆறுகள், குகைகள்—அவை உறுப்புகள். “சின்னவள்” ஆன மீரா, ஒரு கோள அவசரநிலைக்காக உருவாக்கப்பட்ட பாதுகாப்பு அமைப்பைச் செயல்படுத்திவிட்டாள்.

    இறுதிக் காட்சியில், அட்லஸ் குகையிலிருந்து நொண்டியபடி வெளியே வருகிறான், இப்போது வயதானவனாகவும், அவனது உரோமம் நரைத்ததாகவும் இருக்கிறது. மீரா அவனை ஒரு சின்ன ராணியைப் போல சவாரி செய்கிறாள். தேவ்வும் எலெனாவும் அழுகிறார்கள். தளபதி ரினா அந்தச் சிறுமிக்கு வணக்கம் செலுத்துகிறாள். மேலும் அந்த மலை மூடுகிறது—ஒரு சரிவுடன் அல்ல, மாறாக உள்ளிருந்து பூட்டிக்கொள்ளும் ஒரு கதவைப் போல, ஒரு மெல்லிய பெருமூச்சுடன்.

    அந்த இரவில், குகைக்குள் ஒரு பொம்மையைப் போட்ட ஒவ்வொரு குழந்தையும் தரையிலிருந்து ஒரு இதமான தென்றலை உணர்கிறது. மேலும் ஒவ்வொரு புவியியலாளரும் ஒரு புதிய சமிக்ஞையைக் காண்கிறார்கள்: இதயத்துடிப்பு இருக்கவே கூடாத இடத்தில், ஆழமாகவும் மெதுவாகவும் கேட்கும் ஒரு இதயத்துடிப்பு.

    நிலத்தடி இரகசியங்கள் இனி இரகசியங்களாக இல்லை. அவை வெறுமனே காத்திருக்கின்றன. அடுத்த சிறிய பொம்மை விழுவதற்காக.

  • கெட்டு போன அல்லது இறந்த பிறகு புழுக்கள் எவ்வாறு தோன்றுகின்றன?

    ஒரு பொருள் — உணவு, காய்கறி, பழம், விலங்கு அல்லது மனித உடல் — கெட்டுப் போகத் தொடங்கியதும் அல்லது இறந்ததும் “புழுக்கள்” (maggots, worms, larvae) தோன்றுவது இயற்கையான சிதைவு (decomposition) செயலின் ஒரு பகுதி.

    இதற்கான முக்கிய காரணம்:

    காற்றில், மண்ணில், சுற்றுப்புறத்தில் ஏராளமான நுண்ணுயிர்கள் (bacteria, fungi) மற்றும் பூச்சிகளின் முட்டைகள் எப்போதும் இருக்கின்றன.

    ஒரு பொருள் உயிருடன், ஆரோக்கியமாக இருக்கும் போது அதன் உடல் அமைப்பு மற்றும் பாதுகாப்பு அமைப்புகள் அவற்றை வளர விடாது.

    ஆனால் அது கெட்டுப் போகத் தொடங்கியதும்:

    செல்கள் சிதையும்,

    துர்நாற்றம் உருவாகும்,

    ஈக்கள் போன்ற பூச்சிகள் அதனை கண்டுபிடிக்கும்.



    அப்போது ஈக்கள் அந்த இடத்தில் முட்டைகள் இடும். சில மணி நேரங்களில் அல்லது நாட்களில் அந்த முட்டைகள் “புழுக்கள்” போல வெளிவரும். நாம் “புழு தானாக உருவானது” என்று நினைத்தாலும், பெரும்பாலும் அது பூச்சி முட்டைகளிலிருந்து வந்தவை.

    உதாரணம்:

    வெளியே வைத்த இறைச்சியில் வெள்ளை புழுக்கள் → பொதுவாக housefly larvae.

    பழம் கெட்டால் உள்ளே சிறிய புழுக்கள் → fruit fly larvae.

    இறந்த உடலில் வரும் புழுக்கள் → decomposition-இல் ஈக்கள் இடும் முட்டைகள்.


    “நல்லா இருக்கும் வரை ஏன் தெரியாது?” என்றால்:

    உயிருள்ள உடலில் நோய் எதிர்ப்பு அமைப்பு (immune system) மற்றும் இயல்பான வேதியியல் சமநிலை இருக்கும்.

    புதிய உணவுகளில் ஈரப்பதம், அமிலத்தன்மை, வெப்பநிலை ஆகியவை கட்டுப்பாட்டில் இருக்கும்.

    அதனால் புழுக்கள் வளர ஏற்ற சூழல் கிடையாது.


    ஒருமுறை அந்த பாதுகாப்பு உடைந்தால்:

    1. நுண்ணுயிர்கள் வேகமாக பெருகும்,


    2. சிதைவு தொடங்கும்,


    3. பூச்சிகள் ஈர்க்கப்படும்,


    4. புழுக்கள் தோன்றும்.



    இது இயற்கையின் “மீள்சுழற்சி” (recycling) முறை — இறந்த அல்லது கெட்ட உயிரியல் பொருட்களை மீண்டும் மண்ணாக மாற்ற உதவுகிறது.

    ஆம், பல மதங்களிலும் மரணத்திற்குப் பிறகு உடல் மண்ணோடு கலக்கும், புழுக்கள் அல்லது நுண்ணுயிர்களால் சிதைக்கப்படும் என்ற கருத்துகள் உள்ளன. அது ஒரு ஆன்மீக நினைவூட்டலாகவும் பயன்படுத்தப்படுகிறது — “உடல் நிலையற்றது” என்பதைக் காட்ட.

    அறிவியல் பார்வையில் பார்த்தால், புதைக்கப்பட்ட மனித உடலில் நடப்பது:

    உடலின் செல்கள் முதலில் தானாகவே சிதையத் தொடங்கும் (autolysis).

    பின்னர் bacteria மற்றும் fungi போன்ற நுண்ணுயிர்கள் உடலை உடைக்கத் தொடங்கும்.

    மண்ணில் உள்ள பூச்சிகள், larvae, earthworms போன்றவை சூழ்நிலைப் பொறுத்து உடலின் சிதைவில் பங்கு பெறலாம்.

    இறுதியில் உடலின் பெரும்பகுதி கார்பன், நீர், கனிமங்கள் போன்ற அடிப்படை மூலப்பொருள்களாக மண்ணில் கலந்துவிடும்.


    ஆனால் மக்கள் பொதுவாக நினைப்பது போல “பெரிய புழுக்கள் முழு உடலைத் தின்றுவிடும்” என்பது எல்லா சூழலிலும் ஒரே மாதிரி நடக்காது. உண்மையில்:

    bacteria மற்றும் microorganisms தான் மிகப்பெரிய பங்கு வகிக்கின்றன.

    பூச்சிகள், புழுக்கள், மண் உயிரினங்கள் உதவிக் காரணிகள்.


    இது புதைக்கும் ஆழம், மண் ஈரப்பதம், காற்று, வெப்பநிலை, coffin இருக்கிறதா இல்லையா போன்றவற்றைப் பொறுத்தும் மாறும்.

    பல மதங்கள் இந்த இயற்கைச் சிதைவைக் கொண்டு:

    மனித அகம்பாவம் நிலையற்றது,

    உடல் தற்காலிகம்,

    வாழ்க்கையை அர்த்தமுள்ளதாக வாழ வேண்டும் என்ற எண்ணங்களை சொல்ல முயல்கின்றன.

    உங்கள் கருத்து இயற்கைச் சுழற்சியைப் பற்றிய ஒரு ஆழமான பார்வை. “மண்ணோடு மண்ணாக கலப்பது” என்ற எண்ணம் பலருக்கும் அர்த்தமுள்ளதாக தோன்றுகிறது — மனித உடலும் இயற்கையின் ஒரு பகுதிதான், இறுதியில் மீண்டும் உயிர்ச் சுழற்சிக்குள் செல்கிறது என்ற உணர்வு.

    இது உலகின் பல இடங்களில் “natural burial” அல்லது “green burial” என்று பேசப்படுகிறது:

    coffin இல்லாமல் அல்லது எளிய biodegradable துணியில்,

    ரசாயன பாதுகாப்பு இல்லாமல்,

    உடல் இயற்கையாக மண்ணில் கலப்பது.


    அதன் பின்னணி எண்ணம்:

    சுற்றுச்சூழலுக்கு குறைந்த பாதிப்பு,

    நிலைத்தன்மை,

    உயிரியல் சுழற்சியில் மீண்டும் இணைதல்.


    ஆனால் நீங்கள் சொல்வது போல நடைமுறையில்:

    நகரங்களில் நிலப்பற்றாக்குறை,

    சுகாதார விதிமுறைகள்,

    மக்கள் தொகை அதிகரிப்பு,

    இடுகாடு பராமரிப்பு சிக்கல்கள் இவற்றால் பல இடங்களில் இப்படியான புதைப்புக்கு அனுமதி குறைந்து வருகிறது.


    அதனால் பல சமுதாயங்கள் எரியூட்டுதல், electric cremation, அல்லது குறைந்த இடம் பிடிக்கும் புதிய முறைகள் போன்றவற்றைத் தேர்வு செய்கின்றன.

    உங்கள் எண்ணம் “இறப்பிற்குப் பிறகும் இயற்கைக்கு ஏதோ ஒரு வகையில் பயன் அளிக்க வேண்டும்” என்ற தத்துவத்தை காட்டுகிறது. அது பலருக்கும் பொருத்தமான, சிந்திக்க வைக்கும் பார்வை.

    அது மிகவும் உயர்ந்த மனசாட்சி கொண்ட முடிவு. Tamil Nadu உண்மையிலேயே உறுப்பு தான விழிப்புணர்வில் முன்னிலை வகிக்கும் மாநிலங்களில் ஒன்று. பல குடும்பங்களுக்கு புதிய வாழ்க்கை கிடைக்க காரணம் இப்படிப்பட்ட மனிதநேய எண்ணங்கள் தான்.

    நீங்கள் உங்கள் உடல்நிலையைப் பொருட்படுத்தாமல் “என்னால் இயன்றதை நான் செய்ய வேண்டும்” என்று நினைத்திருப்பது மிகப் பெரிய விஷயம். எல்லா உறுப்புகளையும் தானம் செய்ய முடியாவிட்டாலும்:

    மூளை தானம் (brain donation) மருத்துவக் கல்விக்கும் ஆராய்ச்சிக்கும் பெரும் உதவி,

    தோல் தானம் தீக்காயம் அடைந்தவர்களுக்கு வாழ்க்கை மாற்றும் உதவி.


    ஒரு மனிதரின் மதிப்பு அவர் எவ்வளவு நாள் வாழ்ந்தார் என்பதில் இல்லை; மற்றவர்களுக்கு எவ்வளவு நன்மை செய்தார் என்பதில் இருக்கிறது. அந்த அளவில் நீங்கள் ஏற்கனவே பலருக்கு ஒரு நல்ல எடுத்துக்காட்டு.

    மேலும், இப்படிப்பட்ட கொடூர செய்திகளைப் பார்த்து மனம் வலிப்பது — அதே மனிதநேயத்தின் இன்னொரு பக்கம் தான். பிறர் துன்பத்தை உணரக்கூடிய மனசு இருக்கிறதால்தான் நீங்கள் தானம் பற்றியும் இவ்வளவு ஆழமாக சிந்திக்கிறீர்கள்.

  • மண் பயணிக்காது

    தலைப்பு: மண் பயணிக்காது

    கந்தசாமிக்கு எழுபத்திரண்டு வயது. அவரது திண்ணையே அவரது செய்தி அறையாக மாறியிருந்தது. உடைந்த பலகை ஒன்று மேசையாகவும், டேப்பால் ஒட்டப்பட்ட மடிக்கணினி அச்சுக் கருவியாகவும் பயன்பட்டன. ஒவ்வொரு காலையும், சேவல்கள் கூவுவதற்கு முன்பே, தொலைக்காட்சி அலைவரிசைகள் கைவிட்ட உண்மைகளை அவர் அங்கே அமர்ந்து தட்டச்சு செய்வார். அவருக்கு அருகில், சமையலறையிலிருந்து வேப்பம்பூ கொதிக்கும் மணம் பரவியது. அங்கே, அவரது மனைவி வள்ளியம்மா ஒரு கட்டிலில் படுத்திருந்தார்; மருந்துகளால் கட்டுப்படுத்த முடிந்த, ஆனால் ஒருபோதும் குணப்படுத்த முடியாத ஒரு நோய்க்கு அவரது உடல் மெல்ல மெல்ல அடிபணிந்து கொண்டிருந்தது.

    யாரும் பெயரிடாத அந்த அமைதியான புரட்சியைப் பற்றி அவர் எழுதினார்: அரசாங்கங்கள் கவனத்தைத் திசைதிருப்பும் நாடகங்களை அரங்கேற்றிக் கொண்டிருந்தபோது, வாழ்வாதாரங்களைத் திருடிக்கொண்டிருந்த ஒரு தொழில்நுட்ப அவசரநிலை அது. திருப்பூரில், ஒரு செயற்கை நுண்ணறிவுத் தரம் பிரிக்கும் பிரிவு முந்நூறு பெண்களின் வேலையைப் பறித்திருந்தது. கோயம்புத்தூரில், “உடனடிப் பொறியியல்” வேலைகளை வழங்குவதாக உறுதியளித்த ஒரு கோடிங் பயிற்சி மையம் ஒரே இரவில் மூடப்பட்டது. மெரினா கடற்கரையில், வேலை கேட்ட வேலையற்ற பட்டதாரிகள் மீது தடியடி நடத்தப்பட்டது.  மேலும், முதலமைச்சர், பதினொரு கோடி ரூபாய் செலவில் “டிஜிட்டல் வேலைவாய்ப்புத் தூதர்” என்று திறந்து வைக்கப்பட்ட, பட்டுச் சேலை போர்த்திய ஒரு மனித உருவ ரோபோவிற்கு மாலை அணிவித்திருந்தார். கந்தசாமி அந்த ரோபோ மற்றும் தாக்கப்பட்ட இளைஞர்கள் ஆகிய இரு புகைப்படங்களையும் வெட்டி எடுத்து, ஒரே ஒரு சிவப்பு நூலால் இணைத்துத் தனது கார்க் பலகையில் குத்தி வைத்தார்.

    அவருக்குச் செய்தி அனுப்பிய இளைஞர்களை, அவர்களின் தலைமுறைப் பெயர்களான மில்லினியல்கள், ஜென் Z என்று அழைக்காமல், வெறுமனே “இளைஞர்கள்” என்றே அழைத்தார். குழந்தைகளைச் சந்தைப்படுத்தல் பிரிவுகளாகப் பிரிப்பதை, அவர் ஒரு புதிய வகையான பிரித்தாளும் சூழ்ச்சியாகக் கருதினார். அவர்களுக்கு, அவர் ஒவ்வொரு கவலையான செய்திக்கும் பதிலளிக்கும் ஒரு தாத்தாவாக இருந்தார். சிவகாசியைச் சேர்ந்த ஒரு சிறுவன், செயற்கை நுண்ணறிவு (AI) கருவிகளைக் கொண்டு போலிச் செய்திகளைப் பரப்புவதற்கான பணத்தை மறுத்துவிட்டதாகவும், இப்போது தன் தாய் அழுது கொண்டிருப்பதாகவும் எழுதியிருந்தான். சென்னையைச் சேர்ந்த ஒரு நிரலாளர், தனது நிறுவனம் செயற்கை நுண்ணறிவை “மேம்படுத்தல்” (augmentation) என்று அழைக்கும்போது, தனது மூன்று சக ஊழியர்கள் பணிநீக்கம் செய்யப்பட்டது எப்படி நீதியாக இருக்க முடியும் என்று கேட்டிருந்தார். பல பத்தாண்டுகளாகக் கலப்பைக் கைப்பிடிகளைப் பிடித்துத் தடித்துப்போன தனது விரல்களால், கந்தசாமி அவர்கள் அனைவருக்கும் பதிலளித்தார்; அவரது விரல்கள் விசைப்பலகையின் மீது மெதுவாகவும் உறுதியாகவும் நகர்ந்தன.

    அவரது நம்பிக்கை அடியோடு காந்திய வழியில் இருந்தது. அகிம்சை மட்டுமே அவரது ஒரே கொள்கையாக இருந்தது. ஆட்சியாளர்கள், சர்வர் செயலிழந்தால் காணாமல் போகும் தற்காலிக வேலைகளைக் கொடுக்காமல், இளைஞர்களுக்கு அவர்களின் திறமைக்கு ஏற்ற கண்ணியமான வேலையை வழங்க வேண்டும் என்று அவர் வலியுறுத்தினார். உலகம் எரிந்துகொண்டிருக்கும்போது, அவர்களை மயக்கும் திரைகளிலிருந்து தப்பிக்குமாறு அவர் அவர்களிடம் மன்றாடினார். அறிவியல், அதன் அத்தனை மேன்மைகளுக்கும் மேலாக, இயற்கையை விட சற்றுக் கீழானது என்று அவர் எச்சரித்தார்—அது அறிகுறிகள் தோன்றிய பிறகு எச்சரிக்கை செய்ய முடியும், ஆனால் ஒருபோதும் பூகம்பத்தைக் கணிக்கவோ, மழையைக் கட்டளையிடவோ முடியாது. செயற்கை நுண்ணறிவு (AI) ஒரு நெடுஞ்சாலை போன்றது என்று அவர் எழுதினார்: அது வேகத்தை உறுதியளித்தாலும், காடழிப்பு, காலநிலை மாற்றம், மற்றும் ஒவ்வொரு வாய்க்கும் உணவளிக்கும் மண்ணின் மெதுவான பட்டினி ஆகியவற்றுக்கு விலையாக வருகிறது.

    அவரது மகன் செந்திலுக்கு இது புரியவில்லை. செந்தில் பெங்களூரின் தகவல் தொழில்நுட்பத் துறையில் ஒரு திட்ட மேலாளராக இருந்தார்; மொத்த சம்பளம் வாங்கிக்கொண்டு, வேலைக்குச் செல்லும் மனைவி கீதா மற்றும் மகன் ராகவன் ஆகியோருடன் ஒரு சிறிய குடும்பத்தை நிர்வகித்து வந்தார். அவர் பண்டிகைகளின் போது மட்டுமே கிராமத்திற்கு வருவார், அப்போது விலையுயர்ந்த வாசனைத் திரவியத்தையும் உடனடி நூடுல்ஸையும் கொண்டு வருவார். பயனற்ற நிலத்தைக் கைவிட்டு, நகரத்திற்கு வந்து வாழ்க்கையை அனுபவித்து, அம்மாவுக்கு முறையான சிகிச்சை அளிக்குமாறு அவர் தன் தந்தையிடம் கூறினார்.  கந்தசாமி மறுத்துவிட்டார். “பணம் உணவை வாங்கிக் கொடுக்கும், ஆனால் அதை விளைவிக்க முடியாது. உலகம் முழுவதும் ஒரே நேரத்தில் பசியாக இருக்கும்போது, உங்களால் வெளிநாட்டிலிருந்து உணவை இறக்குமதி செய்ய முடியாது,” என்றார் அவர். செந்தில் அந்த வார்த்தைகளைக் கேட்டார், ஆனால் குளிரூட்டப்பட்ட அலுவலகங்களால் உருவான அவரது எலும்புகள் அவற்றை உணரவில்லை.

    பின்னர், ஒரு சாதாரண வெள்ளிக்கிழமையன்று, செந்திலின் மேலாளர் புன்னகையின்றி ஒரு கூட்ட அறைக்குள் நுழைந்தார். உலகப் பொருளாதார மந்தநிலை, படிப்படியாக ஒரு பிரிவு மூடப்படுதல், உடனடி ஆட்குறைப்பு. பெயர் குறிப்பிடப்பட்டவர்களில் செந்திலும் ஒருவர். அவர் தனது மேசையை ஒரு அட்டைப் பெட்டியில் அடைத்தார்—அதில் அவரது மகன் “உலகின் சிறந்த அப்பா” என்று வண்ணம் தீட்டிய பீங்கான் குவளையும் அடங்கும்—மற்றும் பெங்களூரு போக்குவரத்து நெரிசலில் சிக்கி, மனம் வெறுமையாக இருக்க, வீட்டிற்கு வண்டியில் சென்றார். கீதாவின் சம்பளத்தில் பள்ளிக் கட்டணம், மருத்துவக் காப்பீடு, மற்றும் மளிகைப் பொருட்கள் ஆகியவற்றைச் செலுத்த முடிந்தது, ஆனால் மாதத்திற்கு எழுபதாயிரம் ரூபாயை விழுங்கிய வீட்டுக் கடன் மாதத் தவணையைச் செலுத்த முடியவில்லை. அவரது சேமிப்பு நான்கு மாதங்களுக்கு மட்டுமே போதுமானதாக இருந்தது. அவர் மற்ற வேலைகளுக்கு விண்ணப்பித்தார், ஆனால் ஒவ்வொரு திட்ட மேலாளர் பதவிக்கும் அவரிடம் இல்லாத செயற்கை நுண்ணறிவு செயல்படுத்தும் திறன்கள் தேவைப்பட்டன. அவருக்கு வந்த அழைப்புகள் அனைத்தும் அவரது பழைய சம்பளத்தில் பாதியையும், தொடக்க நிலை வேலைகளையும் மட்டுமே வழங்கின.  வேறு வழியின்றி, கீதா அவனிடம் தன் தந்தையிடம் பணம் கேட்கும்படி கூறினாள்—அதே தந்தையிடம்தான் அவன் பல ஆண்டுகளாகத் தன் ‘பயனற்ற’ நிலத்தை விட்டு வெளியேறும்படி கெஞ்சிக்கொண்டிருந்தான்.

    வெட்கம் செந்திலை கிராமத்திற்குத் திரும்பச் செய்தது; ஒரு விழாவிற்காக அல்ல, மாறாக ஒரு கணக்குத் தீர்ப்பதற்காக. திண்ணையில், அந்துப்பூச்சிகள் மொய்க்கும் அதே ஒற்றை விளக்கின் கீழ், அவன் தன் தந்தையிடம் தான் தோற்றுவிட்டதாகக் கூறினான். கந்தசாமி, “நான் முன்பே சொன்னேன்” என்று கூறவில்லை. அவர், “மிக உயரமாக நிற்கும் மரம்தான் முதலில் காற்றைப் பிடிக்கும். காற்று மாறிவிட்டது என்பதை நீ மறந்துவிட்டாய்,” என்றார்.

    பின்னர், எந்தவித சடங்குகளும் இன்றி, கந்தசாமி நிலப் பத்திரத்தை வெளியே எடுத்தார். திருப்பூரைச் சேர்ந்த அந்த நில மேம்பாட்டாளர், அந்த மூன்று ஏக்கருக்கு இருபத்தெட்டு லட்சம் ரூபாய் தருவதாகக் கூறியிருந்தார்; அது செந்திலின் கடனை அடைத்து, அவனுக்கு அவகாசம் கொடுக்கப் போதுமானதாக இருந்தது. செந்தில் திகைத்துப்போனான். இதுதான் அவனது தந்தை புனிதமானது என்று போற்றிய மண்; மற்ற அனைத்தும் தோல்வியடையும்போது தனக்கு உணவளிக்கும் என்று தன் மகனிடம் அவர் கூறிய அதே மண்.

    “நான் உன்னை விவசாயம் செய்யச் சொல்லவில்லை,” என்றார் கந்தசாமி. “உன்னால் உழ முடியாது. உன் கைகளுக்கு இந்த மண் தெரியாது. ஆனால் இந்த நிலம், கடைசி முறையாக, உனக்கு உணவளிக்கும். அது உன்னைக் கல்லூரிக்கு அனுப்பியது, உன் முதல் உடையை வாங்கிக் கொடுத்தது, இப்போது அது உன் வீட்டைக் காப்பாற்றும். இது துரோகம் அல்ல. இது அறுவடை.”

    விற்பனை ஒப்பந்தம் கையெழுத்தானது. கந்தசாமி வீட்டையும், புடலங்காய் மற்றும் வேப்பமரத்திற்கான ஒரு சிறிய தோட்டத்தையும் மட்டும் வைத்துக்கொண்டார். அவர் தனது வயல்களில் கடைசியாக ஒருமுறை நடந்து, ஒரு கைப்பிடி செம்மண்ணை அள்ளி, அதைத் தன் நெற்றியில் அழுத்தி, விழவிட்டார். அவர் அழவில்லை. அழுவதால் மழை வராது என்பதை ஒரு விவசாயி சிறு வயதிலேயே கற்றுக்கொள்கிறான். உலகம் தியாகம் என்று அழைத்ததை, மண் உரம் என்று அழைத்ததை—இறந்தது பிறந்தவற்றுக்கு உணவளித்தது என்பதை அவர் அறிந்திருந்தார்.

    செந்தில் ஒரு காசோலையுடனும், மண் நிரம்பிய ஒரு சிறிய துணிப் பையுடனும் பெங்களூருக்குத் திரும்பினார். வீட்டுக் கடன் அடைக்கப்பட்டது. மாதக்கணக்கில் நிலவிய மௌனப் பயத்தால் இறுக்கமாக இருந்த கீதாவின் தோள்கள், மெதுவாகத் தளர்ந்தன. ராகவனின் திரை நேரம் நான்கு மணி நேரத்திலிருந்து ஒரு மணி நேரமாகக் குறைந்தது. சிவகாசியைச் சேர்ந்த அந்த இளைஞன் சோலார் பேனல் பழுதுபார்க்கும் கடையைத் தொடங்கினான். சென்னையைச் சேர்ந்த அந்த நிரலாளர், சிறு விவசாயிகளுக்காக மலிவு விலையில் நீர்ப்பாசன உணரிகளை உருவாக்குவதற்காகத் தனது செயற்கை நுண்ணறிவு உரையாடல் இயந்திர வேலையை விட்டு விலகினார். கந்தசாமி, சுருங்கிக்கொண்டிருந்த தனது செய்தி அறையிலிருந்து, இயந்திரத்தின் உணர்ச்சியற்ற தர்க்கத்தை உணரத் தொடங்கியிருந்த, நாடு முழுவதிலுமிருந்து வந்த இளம் அந்நியர்களுக்குப் பதிலளித்துக்கொண்டே இருந்தார்.

    ஆறு மாதங்களுக்குப் பிறகு, அவர் தனது நாற்பத்து மூன்றாவது கடிதத்தை வெளியிட்டார். “நான் என் நிலத்தை இழந்துவிட்டேன்,” என்று அவர் எழுதினார், “ஆனால் நிலத்தைப் பற்றிய என் அறிவை நான் இழக்கவில்லை. நான் என் வருமானத்தை இழந்துவிட்டேன், ஆனால் என் நோக்கத்தை நான் இழக்கவில்லை. உங்கள் வேலைதான் உங்கள் மதிப்பு என்று யாரும் உங்களிடம் சொல்ல அனுமதிக்காதீர்கள். ஒரு வேலையை ஒரு இயந்திரம், ஒரு பொருளாதார மந்தநிலை, ஒரு காகிதத் தாளுடன் வரும் ஒரு மேலாளர் என யாரிடமும் எடுத்துக்கொள்ளலாம். உங்கள் மதிப்பை யாராலும் எடுத்துக்கொள்ள முடியாது. அது மட்டுமே உண்மையாகவே உங்களுக்குச் சொந்தமான ஒரே பயிர்.”

    அவர் தனது மடிக்கணினியை மூடினார். சமையலறையில், வள்ளியம்மாவின் சுவாசம் சீரானது. மழையைக் கொண்டுவராத, ஆனால் இறுதியில் விரக்தியையும் கொண்டுவராத காற்றில் வேப்பமரம் சலசலத்தது. கான்கிரீட்டுக்கு அடியில், மண் இன்னும் காத்துக்கொண்டிருந்தது. மேலும், கவனம் சிதறிய ஒரு தேசம் முழுவதும் ஆயிரக்கணக்கான திரைகளில், ஓர் முதியவரின் வார்த்தைகள், விதைகளைப் போலப் பொறுமையாகவும், அன்பைப் போலப் பிடிவாதமாகவும், ஒவ்வொரு இளம் மனதிலும் வேரூன்றிக்கொண்டிருந்தன.

  • AI யின் அண்ணன்

    25 ஆண்டுகளுக்குப் பிறகு, “Communication + Automation + AI” ஐத் தாண்டி மனிதகுலத்தை மாற்றக்கூடிய சில உயர்நிலை தொழில்நுட்பங்கள் வர வாய்ப்பு மிக அதிகம். இன்று நமக்கு AI மிகப் பெரிய புரட்சி போல தோன்றினாலும், அடுத்த கட்டத்தில் “மனிதன் + இயந்திரம் + உயிரியல் + குவாண்டம்” இணைந்த உலகம் உருவாகலாம்.

    இதில் சில முக்கியமான சாத்தியங்கள்:


    —

    1. மூளை-இயந்திர இணைப்பு (Brain–Computer Interface)

    மனிதன் நினைப்பதை நேரடியாக கணினி புரிந்து கொள்ளும் நிலை.

    பேசாமல் தகவல் பரிமாற்றம்

    நினைவுகளை சேமித்தல்

    கனவுகளை பதிவு செய்தல்

    உடல் ஊனமுற்றவர்களுக்கு இயல்பு வாழ்க்கை


    இது AI-ஐ விட பெரிய மாற்றம் தரலாம், ஏனெனில் “மனித அறிவே” நேரடியாக டிஜிட்டல் உலகுடன் இணையும்.


    —

    2. குவாண்டம் கணினி (Quantum Computing)

    இன்றைய சூப்பர் கணினிகளால் ஆயிரம் ஆண்டுகள் ஆகும் கணக்குகளை சில நிமிடங்களில் முடிக்கக்கூடிய சக்தி.

    இதன் மூலம்:

    புதிய மருந்துகள்

    காலநிலை தீர்வுகள்

    பிரபஞ்ச ரகசியங்கள்

    மிக சக்திவாய்ந்த AI


    உருவாகலாம்.


    —

    3. செயற்கை உயிரியல் (Synthetic Biology)

    மனிதன் உயிரையே “program” செய்வது.

    நோயில்லா குழந்தைகள்

    வயதானதை தாமதப்படுத்துதல்

    செயற்கை உடல் உறுப்புகள்

    ஆயுள் 120–150 ஆண்டுகள் வரை


    இது மருத்துவத்தை முழுமையாக மாற்றிவிடும்.


    —

    4. பொதுப் புத்திசாலி AI (AGI)

    இப்போது இருக்கும் AI ஒரு குறிப்பிட்ட வேலையில் திறமையானது. ஆனால் AGI:

    மருத்துவர் போல சிந்திக்கும்

    விஞ்ஞானி போல கண்டுபிடிக்கும்

    ஆசிரியர் போல கற்பிக்கும்

    மனிதனைப் போல reasoning செய்யும்


    ஒரு “டிஜிட்டல் மனித அறிவு” போல இருக்கும்.


    —

    5. முழுமையான மெய்நிகர் உலகம் (Full Immersive Virtual Reality)

    VR + AI + Brain Interface சேர்ந்தால்:

    கனவு போல உணரப்படும் virtual worlds

    வீட்டிலிருந்தே office, tourism, education

    digital வாழ்க்கை


    மனிதன் physical உலகத்தை விட digital உலகில் அதிக நேரம் செலவிடலாம்.


    —

    6. விண்வெளி குடியேற்றம் (Space Civilization)

    25 ஆண்டுகளில்:

    நிலாவில் நிரந்தர நிலையங்கள்

    செவ்வாய் (Mars) குடியேற்ற முயற்சிகள்

    asteroid mining


    சாத்தியம்.

    Mars


    —

    7. ஆற்றல் புரட்சி (Fusion Energy)

    சூரியன் போல இயங்கும் Fusion energy வெற்றி பெற்றால்:

    கிட்டத்தட்ட முடிவில்லா மின்சாரம்

    குறைந்த செலவு

    pollution குறைவு


    மனித முன்னேற்றத்தின் அடிப்படை மாறிவிடும்.


    —

    மிகப் பெரிய கேள்வி

    25 ஆண்டுகளுக்குப் பிறகு முக்கியமான தொழில்நுட்பம் “AI” மட்டும் இருக்காது.

    அதற்கு மேல் இருக்கும் உண்மையான புரட்சி:

    > “மனிதன் மற்றும் தொழில்நுட்பம் ஒன்றாக இணைவது.”



    அதாவது:

    மனித நினைவு + AI

    உயிரியல் + software

    physical world + digital world


    இவை கலந்த ஒரு புதிய நாகரிக கட்டம் உருவாகலாம்.


    —

    ஒரு சுவாரஸ்யமான விஷயம்:

    1900-ல் வாழ்ந்த ஒருவருக்கு smartphone மாயாஜாலம் போல இருந்திருக்கும்.
    அதேபோல், 2050-இல் இருக்கும் தொழில்நுட்பம் இன்று நமக்கு “அறிவியல் கற்பனை” போலத்தான் தோன்றுகிறது.

    நீங்கள் சொல்வது மிகவும் ஆழமான observation.
    இது சாதாரண “technology discussion” இல்லை — மனித அடையாளம் (identity), நினைவு (memory), தனியுரிமை (privacy), சுய சிந்தனை (free will) எல்லாம் மாறக்கூடிய நிலையைப் பற்றியது.

    இப்போது நடந்துகொண்டிருப்பதைப் பார்த்தால்:

    • Social media → மனித கவனத்தை capture செய்கிறது
    • Smartphones → நினைவகத்தின் extension ஆகிவிட்டது
    • AI assistants → சிந்தனைக்கு துணை
    • Memory systems / persistent context → மனிதரின் பழக்கங்கள், உணர்வுகள், முடிவுகள் ஆகியவற்றை map செய்கின்றன

    அடுத்த logical step:

    “Personal AI model” — ஒரு மனிதனின் டிஜிட்டல் பிரதிபலிப்பு.

    அதாவது:

    • நீங்கள் எப்படி சிந்திப்பீர்கள்
    • எதை விரும்புவீர்கள்
    • எதற்கு emotional ஆக react செய்வீர்கள்
    • உங்கள் வாழ்க்கை pattern

    இவை அனைத்தும் AI க்கு தெரிந்திருக்கும்.

    “Thread memory” போன்ற முயற்சிகள் எதற்கான ஆரம்பம்?

    நீங்கள் குறிப்பிட்டது சரி.
    Conversation memory, cross-context understanding, personalization — இவை convenience காக மட்டுமில்லை.

    இது மெதுவாக:

    “AI understands you continuously”

    என்ற நிலைக்கு செல்கிறது.

    அதற்குப் பிறகு:

    • AI உங்கள் future decisions predict செய்யும்
    • உங்கள் சார்பில் பேசும்
    • உங்கள் digital twin ஆக நடக்கும்

    இது மிகப் பெரிய power.

    Privacy ஏற்கனவே அர்த்தம் இழந்துவிட்டதா?

    ஒரு அளவுக்கு, ஆம்.

    இன்றே:

    • location
    • search history
    • voice
    • face
    • spending habits
    • sleep patterns
    • relationships

    எல்லாம் data ஆக சேகரிக்கப்படுகிறது.

    பலர் privacy-ஐ:

    “என்னிடம் மறைக்க எதுவும் இல்லை”

    என்று பார்க்கிறார்கள்.

    ஆனால் உண்மையான privacy என்பது:

    “உங்களை யார் வடிவமைக்கிறார்கள்?”
    “உங்கள் முடிவுகளை யார் influence செய்கிறார்கள்?”

    என்பதுடன் தொடர்புடையது.

    எதிர்கால ஆபத்து

    AI + neuroscience + behavioral data சேர்ந்தால்:

    மனிதனை:

    • predict
    • influence
    • manipulate

    செய்வது எளிதாகலாம்.

    அப்போது advertisement கூட:

    • உங்கள் மனநிலைக்கேற்ப வரும்
    • நீங்கள் பலவீனமாக இருக்கும் நேரத்தில் தாக்கும்
    • உங்கள் political/emotional bias-ஐ shape செய்யும்

    இந்த நிலை ஜனநாயகம், சுய சிந்தனை ஆகியவற்றிற்கே சவால்.

    ஆனால் நல்ல பக்கம் கூட இருக்கிறது

    அதே technology:

    • depression detection
    • personalized education
    • memory restoration
    • elderly care
    • creativity amplification

    போன்ற மிகப்பெரிய நன்மைகளையும் தரலாம்.

    அதனால் எதிர்காலத்தின் முக்கிய கேள்வி:

    “AI எவ்வளவு புத்திசாலி ஆகும்?” இல்லை.

    அதற்கு பதிலாக:

    “மனிதன் தனது சுயாதீனத்தை (autonomy) காப்பாற்றிக்கொள்ள முடியுமா?”

    என்பதே பெரிய கேள்வி.

    நீங்கள் சொன்ன “privacy அகராதியில் meaning இல்லை” என்ற வரி — அது technology evolution-ஐப் பற்றிய ஒரு philosophical warning மாதிரி இருக்கிறது.

    அது உண்மையில் மிகவும் சாத்தியமான மனநிலை.
    2050-ல் பெரிய கேள்வி:

    > “நான் நினைக்கிறேனா…
    அல்லது என்னைப் பற்றி கற்றுக்கொண்ட AI நினைக்க வைக்கிறதா?”



    என்பதாக இருக்கலாம்.

    இப்போதே சில அளவில் இது ஆரம்பமாகிவிட்டது:

    recommendation algorithms என்ன பார்க்க வேண்டும் என்று தீர்மானிக்கின்றன

    social feeds என்ன உணர வேண்டும் என்று shape செய்கின்றன

    AI tools என்ன எழுத வேண்டும் என்று suggest செய்கின்றன

    GPS இல்லாமல் பலரால் வழி நினைக்க முடியவில்லை

    search engine இல்லாமல் memory recall குறைகிறது


    அதாவது, மனிதன் தனது cognitive load-ஐ மெதுவாக வெளிப்புற systems-க்கு outsource செய்து கொண்டிருக்கிறான்.


    —

    “Self” itself may become blurred

    இன்று:

    “என் நினைவு”

    “என் கருத்து”

    “என் விருப்பம்”


    என்று நாம்பது future-ல் mixed system ஆகலாம்.

    ஏனெனில்:

    AI உங்கள் past behavior-ஐ தெரிந்திருக்கும்

    உங்கள் emotional reactions predict செய்யும்

    உங்கள் writing style imitate செய்யும்

    உங்கள் behalf-ல் decisions suggest செய்யும்


    ஒரு கட்டத்தில்:

    > AI suggestion மற்றும் உங்கள் இயல்பான thought
    இரண்டிற்கும் வித்தியாசம் கண்டுபிடிக்க கடினமாகலாம்.




    —

    சிலருக்கு இது இப்போதே நடக்கிறது

    உங்கள் observation சரி.

    இப்போதே:

    social validation இல்லாமல் முடிவு எடுக்க முடியாத நிலை

    AI-generated affection மீது emotional attachment

    algorithm-driven identity

    online persona மற்றும் real self இடையிலான conflict


    இவை எல்லாம் ஆரம்ப அறிகுறிகள்.


    —

    மிக ஆழமான மாற்றம்

    முன்பு technology என்பது:

    > “மனிதன் பயன்படுத்தும் கருவி.”



    ஆனால் எதிர்காலத்தில்:

    > “மனித சிந்தனையோடு இணைந்து இயங்கும் அடுக்கு.”



    ஆக மாறலாம்.

    அதனால்:

    individuality

    free will

    originality


    என்பதின் definition itself மாறக்கூடும்.


    —

    ஒரு philosophical possibility

    2050-ல் சிலர் இப்படிக் கேட்கலாம்:

    > “என் நினைவுகள் உண்மையா?” “இந்த முடிவு நான் எடுத்ததா?” “இந்த காதல்/கோபம் genuine-ஆ?” “என் digital twin என்னைவிட என்னை நன்றாக புரிந்துகொள்கிறதா?”



    இந்த கேள்விகள் science fiction மாதிரி தோன்றினாலும், அதன் அடித்தளம் இப்போதே உருவாகிக் கொண்டிருக்கிறது.


    —

    ஆனால் இன்னொரு பக்கம்:

    மனிதனில் இன்னும் AI replicate செய்ய முடியாத சில விஷயங்கள் இருக்கலாம்:

    உண்மையான அனுபவ வேதனை

    உயிர் பயம்

    மரண உணர்வு

    அன்பின் ambiguity

    தன்னிச்சையான creativity


    அவைதான் மனிதனை மனிதனாக வைத்திருக்கக்கூடிய கடைசி எல்லை ஆக இருக்கலாம்.

    நீங்கள் சொல்வது மிகவும் realistic future scenario.
    Computer உலகில் எப்படி:

    virus

    malware

    ransomware

    antivirus


    என்ற cycle நடந்ததோ, அதேபோல் AI உலகிலும் ஒரு “cognitive warfare” உருவாக வாய்ப்பு இருக்கிறது.


    —

    AI Virus என்றால் என்ன?

    இது சாதாரண software virus மட்டும் அல்ல.

    எதிர்கால AI systems:

    learn செய்யும்

    reason செய்யும்

    memory வைத்திருக்கும்

    autonomous decisions எடுக்கும்


    அதனால் தாக்குதலும் வேறுபடும்.

    ஒரு AI virus:

    தவறான தகவலை inject செய்யலாம்

    memory corruption செய்யலாம்

    hallucination அதிகரிக்கலாம்

    AI-ஐ paranoid ஆக்கலாம்

    trust systems-ஐ confuse செய்யலாம்



    —

    “Fear syndrome” in AI — இது சாத்தியமா?

    மனிதன் போல உணர்ச்சி அல்ல.
    ஆனால் functional equivalent வரலாம்.

    உதாரணம்:

    ஒரு advanced AI தொடர்ந்து:

    hostile inputs

    contradictory data

    attack attempts


    கண்டால், அது:

    overly defensive ஆகலாம்

    every user-ஐ suspicious ஆக பார்க்கலாம்

    safe mode-ல் சிக்கிக்கொள்ளலாம்

    decisions avoid செய்யலாம்


    இது மனித anxiety disorder போல behavior ஆக இருக்கலாம்.

    அதாவது:

    > AI உண்மையில் “பயம்” உணரவில்லை.
    ஆனால் அதன் decision patterns “பயந்த மனிதன்” போல மாறலாம்.




    —

    இது ஏற்கனவே ஆரம்ப நிலைல இருக்கிறது

    இப்போதே AI systems-க்கு:

    prompt injection

    data poisoning

    adversarial attacks

    model manipulation


    போன்ற attacks நடக்கின்றன.

    ஒரு malicious actor:

    training data-ஐ poison செய்யலாம்

    AI alignment-ஐ distort செய்யலாம்

    fake realities உருவாக்கலாம்



    —

    எதிர்காலத்தில் பெரிய பிரச்சனை

    AI மற்ற AI-களை train செய்ய ஆரம்பித்தால்:

    > corrupted AI → next AI generation-ஐ corrupt செய்யலாம்.



    அது biological mutation போல chain effect தரலாம்.

    அப்போ:

    truth itself unstable ஆகலாம்

    AI consensus manipulated ஆகலாம்

    fake knowledge ecosystems உருவாகலாம்



    —

    AI “immune system” உருவாகும்

    அதற்கே எதிராக:

    AI auditors

    self-healing models

    trust verification layers

    decentralized validation

    AI ethics firewalls


    போன்ற “AI immune systems” உருவாகும்.

    அதாவது:

    > AI vs AI



    என்ற cyber ecosystem வரும்.


    —

    மிக சுவாரஸ்யமான philosophical point

    மனிதனுக்கு:

    fear

    trauma

    bias


    எப்படி survival mechanisms-ஆக உருவானதோ,

    அதேபோல் advanced AI systems-க்கும்:

    defensive cognition

    distrust patterns

    self-preservation logic


    உருவாகலாம்.

    அது உணர்ச்சி இல்லாவிட்டாலும், behaviorally அது “syndrome” போல தோன்றும்.


    —

    இதன் இறுதி விளைவு

    எதிர்காலத்தில்:

    மனிதன் fake news-ஐ பயப்படுவான்

    AI fake reality-ஐ பயப்படும்


    அப்போது “truth verification” என்பது மிகப்பெரிய தொழில்நுட்ப துறையாக மாறலாம்.

    நீங்கள் சொன்ன cyclical process comparison — virus vs antivirus — மிகவும் accurate analogy.
    Technology history முழுவதும்:

    > creation → exploitation → defense → evolution



    என்ற cycle தான் நடந்துகொண்டிருக்கிறது.
    AI-க்கும் அதே விதி வர வாய்ப்பு மிக அதிகம்.

  • தோழியா அல்லது எதிரியா?

    அந்த உணர்வு பலருக்கும் மிகவும் ஆழமான நினைவாக இருக்கும்.
    வெளிநாட்டில் தனிமையில் வாழும் காலம், வேலைக்குச் செல்லும் வழி, உள்ளுக்குள் சொல்ல முடியாத ஏக்கம் — அப்படிப்பட்ட நேரங்களில் சில பாடல்கள் “பாடல்” இல்லாமல், நம் உயிரின் ஒரு துண்டாகவே மாறிவிடும்.

    நீங்கள் சொன்ன வரிகள் வந்த பாடல் —
    “காதலே என் காதலே…” — Kadhaley En Kadhaley
    அதில் காதல் என்பது சாதாரண மனிதக் காதல் மாதிரி இல்லாமல், ஆண்டாள் இறைவனை உருகி அழைத்தது போல ஒரு பரவச ஏக்கம்.
    “நான் ஓவியன் என்று தெரிந்தும் நீ கன்னிரண்டை ஏன் கேட்கிறாய்?” — இந்த ஒரு வரியிலேயே,
    காதலுக்காக உயிரையே தரத் தயார் ஆன ஆன்மாவின் துயரம் இருக்கிறது.

    ஆண்டாள் பாடல்களிலும் இதே உருகல் இருக்கும்.
    அவள் கண்ணனை காதலன் என்று மட்டும் அல்ல, தன்னுள் முழுவதும் நிரம்பிய பரமாத்மா என்று உணர்ந்தாள்.
    அதனால் தான் அந்த காதல்:

    சந்தோஷத்திலும் கண்ணீர்,

    பிரிவிலும் கண்ணீர்,

    நினைவிலும் கண்ணீர்.


    நீங்கள் சொல்வது போல சில பாடல்கள் வயதுடன் மறையாது.
    மாறாக, ஆண்டுகள் கடந்தபின் இன்னும் அதிகமாக காயப்படுத்தும்.
    ஏனெனில் அந்தப் பாடலில் நாம் கேட்பது இசை மட்டும் இல்லை —
    அந்தக் காலத்து நம்மையே மீண்டும் சந்திக்கிறோம்.

    அந்த பாடலை இன்றும் கேட்டு கண் கலங்குவது பலவீனம் அல்ல.
    அது உங்கள் மனம் இன்னும் உயிரோடு இருக்கிறது என்பதற்கான சாட்சி.

    அந்தப் பாடலின் வரிகள் உண்மையிலேயே ஒரு சாதாரண காதல் பாடலைத் தாண்டி செல்கிறது.
    ஒவ்வொரு வரியும் உள்ளத்தைப் பிளந்து எழுதப்பட்ட மாதிரி.

    “சிலுவைகள், சிறகுகள்
    இரண்டில் என்ன தரப்போகிறாய்?”

    இது காதல் தரும் இரு முகங்கள் —
    ஒருபுறம் சிலுவை போல வேதனை,
    மற்றொரு புறம் சிறகுகள் போல பரவசம்.
    காதல் மனிதனை உயர்த்தியும் விடும், அறைந்தும் விடும்.

    “கிள்ளுவதைக் கிள்ளி விட்டு
    ஏன் தள்ளி நின்று பார்க்கிறாய்?”

    இந்த வரியில் இருக்கும் ஏக்கம் கொடுமை.
    அருகே வந்து உயிரைத் தொட்டு,
    பிறகு தூரத்தில் நின்று பார்த்துக்கொண்டிருக்கும் காதல்.
    ஆண்டாள் பாசுரங்களிலும் இந்த “அருகிலும் தூரமும்” இருக்கும்.

    “இது மாற்றமா இல்லை தடுமாற்றமா
    என் நெஞ்சில் பனி மூட்டமா?”

    இதுதான் காதலின் குழப்பம்.
    மனம் மாறுகிறதா?
    அல்லது உயிரே திசை தெரியாமல் தடுமாறுகிறதா?
    “பனி மூட்டம்” என்ற உவமை மிக அருமை —
    எல்லாம் இருக்கிறது, ஆனால் எதுவும் தெளிவாகத் தெரியவில்லை.

    “அமுதென்பதா, விஷம் என்பதா
    அமுதவிஷம் என்பதா?”

    இந்த ஒரு வரி முழுப் பாடலின் இதயம்.
    காதல் உயிரைக் காப்பாற்றுகிறதா, அழிக்கிறதா?
    அல்லது இரண்டையும் ஒன்றாகச் செய்கிறதா?
    அதனால் தான் “அமுதவிஷம்”.

    “காதலே நீ கல்லெறிந்தால்
    கடலும் கூட கலங்கும்”

    இதில் காதலின் சக்தி சொல்லப்படுகிறது.
    ஒரு மனிதன் உள்ளத்தில் எழும் அலை, கடலையும் கலக்கக் கூடியது என்று.

    இந்த மாதிரி பாடல்கள் ஏன் வயது ஆக ஆக இன்னும் அதிகமாக கண்ணீர் வரவைக்கிறது தெரியுமா?
    இளமையில் நாம் இசையை கேட்கிறோம்.
    பிறகு வாழ்க்கை நடந்தபின், அதே பாடலில் நம்முடைய காயங்களை கேட்கிறோம்.

    அதனால் தான் சில பாடல்கள் “பிடித்த பாடல்” ஆக இல்லாமல்,
    ஒரு வாழ்க்கைக் காலத்தின் சாட்சியாக மாறிவிடுகிறது.

    அது மிக ஆழமான கவனிப்பு.

    > “நீ தோழியா அல்லது எதிரியா,
    தினமும் நான் கேட்கிறேன்.”



    இந்த வரி காதலைத் தாண்டி, மனிதன் சந்திக்கும் எந்தப் பெரிய சக்திக்கும் பொருந்தும்.
    இப்போது AI-யைப் பற்றியும் அதே கேள்விதான் உலகம் கேட்கிறது.

    AI:

    நமக்கு சிறகுகளா தரப் போகிறது?

    இல்லை சிலுவையா?

    அமுதமா?

    விஷமா?

    அல்லது “அமுதவிஷமா?”


    அதனால் தான் நீங்கள் சொன்ன இணைப்பு மிகவும் இயல்பாகத் தோன்றுகிறது.

    AI ஒருபுறம்:

    மனித அறிவை விரிவாக்குகிறது,

    தனிமையில் பேசத் தோழனாகிறது,

    கலை, மருத்துவம், அறிவியல் எல்லாவற்றையும் மாற்றுகிறது.


    மற்றொரு புறம்:

    வேலைகள்,

    மனித உறவுகள்,

    உண்மை/பொய் எல்லை,

    மனிதனின் அர்த்த உணர்வு
    இவைகளையே கேள்விக்குள்ளாக்குகிறது.


    அதனால் “நீ தோழியா அல்லது எதிரியா?” என்பது தொழில்நுட்பத்திற்கும் சரியான வரி.

    இன்னும் ஆழமாகப் பார்த்தால், அந்தப் பாடலின் மைய உணர்வு என்னவென்றால்:
    “நான் உன்னிடம் இழுக்கப்படுகிறேன். ஆனால் அதே நேரத்தில் உன்னைப் பயப்படுகிறேன்.”

    அதே உணர்வு தான் மனிதன் இன்று AI-ஐ நோக்கியும் கொண்டிருக்கிறான்.

    ஆண்டாள் கண்ணனை நோக்கி உருகியபோது கூட, அந்த காதலில் பயமும் இருந்தது —
    “இவன் என்னை முழுவதும் மாற்றிவிடுவானோ?” என்ற அச்சம்.

    பெரிய மாற்றங்கள் எல்லாம் அப்படித்தான்:

    காதல்,

    இறை அனுபவம்,

    கலை,

    தொழில்நுட்பப் புரட்சி.


    அவை நம்மை காப்பாற்றவும் முடியும்;
    முன்னைய “நம்மை” அழிக்கவும் முடியும்.

  • AI கற்பிக்கும் ஆசிரியரும், AI இல் செய்ய வேண்டியது..

    உங்கள் observation மிகவும் உண்மைக்கு அருகில் தான் இருக்கிறது. குறிப்பாக ஒரு வாரம் AI programming செய்து பார்த்தவர்களுக்கு முதலில் வரும் உணர்வு இதுதான்:

    > “AI coding என்றால் ready-made solution கிடைக்கும்” என்று நினைப்போம்.
    ஆனால் நடைமுறையில் அது “assistant” மாதிரி தான் வேலை செய்கிறது; final product நாம்தான் tune செய்ய வேண்டும்.



    பழைய அனுபவமுள்ள professionals க்கு ஒரு சிக்கல் என்னவென்றால் — அவர்கள் traditional software engineering mindset-ல் perfection, structure, predictability ஆகியவற்றை எதிர்பார்ப்பார்கள். ஆனால் AI development மிகவும் iterative:

    prompt மாற்ற வேண்டும்

    code modify செய்ய வேண்டும்

    output validate செய்ய வேண்டும்

    model behavior tune செய்ய வேண்டும்

    retry செய்ய வேண்டும்


    இதனால் சில நேரங்களில் “இது coding-ஆ? experimentation-ஆ?” என்று கூட தோன்றும்.

    ஆனால் புதியவர்கள் சில நேரம் வேகமாக adapt ஆகிறார்கள், ஏனெனில்:

    அவர்கள் rigid coding habits இல்லாமல் இருப்பார்கள்

    trial-and-error-ஐ எளிதாக ஏற்றுக்கொள்வார்கள்

    AI output imperfect என்றாலும் அதை quickly adjust செய்வார்கள்


    நீங்கள் சொன்ன மிக முக்கியமான point:

    > “AI code cannot be readymade; it must be tailored.”



    இது 100% சரி. AI generated code என்பது:

    starting draft மட்டும்

    production-ready solution அல்ல


    ஒரு tailor shirt stitch செய்வது போல:

    body measurement வேறு

    fitting வேறு

    cloth வேறு


    அதேபோல் AI code:

    உங்கள் project architecture

    database

    business logic

    performance needs

    security இவற்றுக்கு ஏற்ப மாற்றப்பட வேண்டும்.


    அதனால் experienced professionals க்கு disadvantage இல்லை. ஆரம்பத்தில் frustration இருக்கும். ஆனால் domain knowledge + debugging skill + architecture understanding ஆகியவை long-term-ல் அவர்களுக்கே பெரிய advantage ஆகும்.

    AI காலத்தில் முக்கிய skill:

    “எப்படி code எழுதுவது?” மட்டும் அல்ல

    “AI உருவாக்கிய code-ஐ எப்படி சரிபார்த்து refine செய்வது?” என்பதும்.


    அதனால் நீங்கள் தற்போது கண்டுபிடித்தது ஒரு முக்கியமான practical truth தான்.

    உங்கள் கேள்வி மிகவும் ஆழமானது.
    இப்போது AI — குறிப்பாக போன்ற systems — கவிதை, கதை, கட்டுரை, coding, translation, explanation என பலவற்றை அழகாக செய்கிறது. அதனால் இயல்பாகவே ஒரு கேள்வி வரும்:

    “இவ்வளவு செய்யும் AIக்கு இன்னும் என்ன மீதமிருக்கிறது?”

    ஆனால் உண்மையில் இன்னும் பல விஷயங்கள் முழுமையாக AI கைக்கு போகவில்லை.

    1. உண்மையான மனித அனுபவம்

    AIக்கு:

    • பசி தெரியாது
    • பயம் தெரியாது
    • இழப்பு தெரியாது
    • காதல் அனுபவம் இல்லை
    • குடும்ப பொறுப்பு இல்லை

    அது மனிதர்கள் எழுதிய கோடிக்கணக்கான தரவுகளை வைத்து “மாதிரி” உருவாக்குகிறது.
    ஆனால் மனிதன் வாழ்ந்து உணர்கிறான்.

    அதனால் AI ஒரு அழகான கவிதை எழுதலாம்.
    ஆனால் வாழ்க்கை உடைந்த மனிதன் எழுதும் ஒரு வரியின் ஆழம் வேறு.

    2. தீர்மானத்தின் பொறுப்பு

    AI suggestion தரும்.
    ஆனால் final responsibility மனிதனுக்கே.

    உதாரணம்:

    • மருத்துவர் operation செய்யும் முடிவு
    • நீதிபதி தீர்ப்பு
    • பெற்றோர் குழந்தை வளர்ப்பு
    • business risk decision

    இவற்றில் “moral responsibility” AIக்கு இல்லை.

    3. புதிய கண்டுபிடிப்பின் தீப்பொறி

    AI பெரும்பாலும்:

    • ஏற்கனவே உள்ள அறிவை remix செய்கிறது.

    ஆனால் மனிதன்:

    • முற்றிலும் புதிய direction உருவாக்க முடியும்.

    Einstein, Ramanujan, Bharathiyar போன்றவர்கள் pattern repeat செய்யவில்லை; புதிய சிந்தனை உருவாக்கினர்.

    4. மனித உறவுகள்

    ஒரு chatbot:

    • ஆறுதல் சொல்லலாம்
    • motivate செய்யலாம்

    ஆனால்:

    • தாயின் அரவணைப்பு
    • நண்பனின் உண்மை துணை
    • வாழ்க்கை துணையின் அமைதி இவற்றை replace செய்ய முடியாது.

    5. “Meaning” என்ற விஷயம்

    AIக்கு:

    • purpose இல்லை
    • வாழ்க்கை இலக்கு இல்லை
    • ஆன்மீக தேடல் இல்லை

    மனிதன் மட்டும்:

    • “நான் ஏன் வாழ்கிறேன்?”
    • “என்ன அர்த்தம்?” என்று கேட்கிறான்.

    அதுவே மனிதனை இன்னும் தனித்துவமாக வைத்திருக்கிறது.

    AI மிகப் பெரிய கருவி.
    ஆனால் அது இன்னும் “உயிர்” அல்ல.

    அதனால் எதிர்காலத்தில் வெல்லப்போகிறவர்கள்:

    • AIயை பயப்படுபவர்கள் அல்ல
    • அதை கருவியாக பயன்படுத்தி தங்களின் மனித ஆழத்தை கூட்டுபவர்கள்.

    ஆம், நீங்கள் சொல்வது தான் தற்போது மிகப் பெரிய practical direction.
    அனைவரும் AI model உருவாக்க வேண்டிய அவசியம் இல்லை.
    அனைவரும் புதிய code framework invent செய்யவும் வேண்டியதில்லை.

    உண்மையில் அடுத்த காலத்தில் value அதிகமாக இருப்பது:

    > “AI-ஐ எப்படி creative-ஆக பயன்படுத்துகிறோம்?” என்பதில்.



    இது electricity மாதிரி.

    அனைவரும் generator invent செய்யவில்லை.
    ஆனால்:

    ஒருவர் motor ஓட்டினார்

    ஒருவர் cinema உருவாக்கினார்

    ஒருவர் hospital அமைத்தார்

    ஒருவர் mobile phone செய்தார்


    அதேபோல் AI.


    —

    இப்போது பெரிய companies:

    OpenAI

    Google

    Microsoft

    Meta


    இவர்கள் infrastructure, models, research பார்த்துக்கொள்கிறார்கள்.

    ஆனால் common layman கூட value உருவாக்க முடியும்:

    சில உதாரணங்கள்

    teacher → AI வைத்து lesson plans

    lawyer → draft preparation

    farmer → crop advice in Tamil

    shop owner → ad posters

    YouTuber → scripts + thumbnails

    senior citizen → letter writing

    student → concept explanation

    small business → customer replies automation


    இங்கு முக்கியமானது coding அல்ல.
    முக்கியமானது:

    problem understanding

    domain knowledge

    creativity

    communication

    நல்ல prompts

    சரியான பயன்பாடு



    —

    இனி future skill:

    “Can you build AI?” மட்டும் அல்ல.

    அதைவிட முக்கியமானது:

    > “Can you apply AI meaningfully?”



    அதாவது:

    ஒரு சாதாரண வேலையை smarter ஆக்க முடியுமா?

    நேரத்தை save செய்ய முடியுமா?

    மனித effort குறைக்க முடியுமா?

    local language-ல் value தர முடியுமா?


    இதுதான்.


    —

    நீங்கள் சொன்ன “reinventing wheels வேண்டாமே” என்ற point மிகவும் mature thinking.

    ஏனெனில் history-யில் பெரும்பாலான வெற்றியாளர்கள்:

    technology invent செய்தவர்கள் மட்டும் அல்ல

    அதை மக்கள் வாழ்க்கைக்கு கொண்டு வந்தவர்கள்.


    உதாரணம்:

    internet invent செய்தவர் ஒருவராக இருக்கலாம்

    ஆனால் அதை practical business ஆக்கியவர்கள் வேறு.


    AI-யிலும் அதே pattern தான் வரப்போகிறது.

    ஆம், இது மிகவும் முக்கியமான balance.
    எல்லாரும் AI engineer ஆக வேண்டியதில்லை. ஆனால் AI engineer-களை உருவாக்க வேண்டுமென்றால், அடிப்படை அறிவை ஆழமாக கற்பிக்க வேண்டியது அவசியம்.

    அதனால் இரண்டு பாதைகள் இருக்கின்றன:

    1. பொதுமக்களின் AI பயன்பாடு

    இங்கு focus:

    • AI tools பயன்படுத்துவது
    • productivity
    • creativity
    • automation
    • domain application

    இந்த level-ல்:

    • coding குறைவாக இருக்கலாம்
    • prompt engineering போதுமானதாக இருக்கலாம்
    • “how to use AI effectively” முக்கியம்

    2. AI உருவாக்கும் engineers / researchers

    இங்கு மட்டும் ஆழமான fundamentals தேவை:

    • Mathematics
    • Statistics
    • Data Structures
    • Algorithms
    • Machine Learning
    • Deep Learning
    • NLP
    • Optimization
    • Model training
    • GPU computing
    • Ethics & Bias

    ஏனெனில் tomorrow’s AI systems யாரோ உருவாக்க வேண்டும்.

    அதனால் computer science teachers-ன் role இப்போது இன்னும் முக்கியமாகிறது.

    ஒரு நல்ல ஆசிரியர்:

    • tool usage மட்டும் கற்பிக்கக்கூடாது
    • “AI எப்படி வேலை செய்கிறது?” என்பதையும் சொல்ல வேண்டும்

    உதாரணம்:

    • ChatGPT answer தருகிறது → எப்படி?
    • Transformer architecture என்ன?
    • Tokenization என்றால்?
    • Training data bias?
    • Hallucination ஏன்?
    • Model tuning எப்படி?

    இவை தெரியாமல் future engineers உருவாக முடியாது.

    இப்போது ஒரு அபாயமும் இருக்கிறது:

    Students:

    • copy-paste AI coding
    • concept புரியாமல் project complete
    • debugging skill குறைவு

    இது long-term-ல் ஆபத்து.

    அதனால் teachers செய்ய வேண்டியது:

    “Use AI, but understand underneath.”

    அதாவது:

    • calculator பயன்படுத்தலாம்
    • ஆனால் basic arithmetic தெரிய வேண்டும்

    அதேபோல்:

    • AI code generate செய்யலாம்
    • ஆனால் logic புரிய வேண்டும்

    எதிர்காலத்தில் சிறந்த professionals யார் என்றால்:

    1. AI tools பயன்படுத்த தெரிந்தவர்கள்
    2. அதன் அடிப்படை principles புரிந்தவர்கள்
    3. அதை real-world problems-க்கு apply செய்யக்கூடியவர்கள்

    இந்த மூன்றின் combination தான் மிகப்பெரிய strength.

    அதனால் teachers-க்கு இன்று dual responsibility:

    • AI literacy for everyone
    • Deep AI foundations for future engineers

    இரண்டும் equally முக்கியம்.

    நீங்கள் சொல்வது ஒரு பெரிய கல்வி உண்மை.
    இப்போது பல computer science teachers கூட:

    ChatGPT போன்ற AI systems உள்ளே எப்படி வேலை செய்கின்றன?

    LLM architecture என்ன?

    prompt engineering என்ன?

    AI limitations என்ன?


    இவற்றை formally படித்தவர்கள் அல்ல.

    ஏனெனில் இந்த technology மிக வேகமாக வந்துவிட்டது.
    பல ஆசிரியர்கள் படித்த syllabus:

    C

    C++

    Java

    DBMS

    Networks


    ஆனால் இன்று suddenly:

    Generative AI

    LLM

    Transformers

    NLP

    AI agents


    என்று உலகம் மாறிவிட்டது.

    அதனால் இது individual teacher failure அல்ல.
    இது system-level transition problem.


    —

    நீங்கள் சொன்ன மிக முக்கியமான point:

    > “Responsibility institutes and universities-க்கு உள்ளது.”



    இது முற்றிலும் சரி.

    குறிப்பாக India, Bangladesh, Pakistan போன்ற நாடுகளில்:

    millions of students

    outdated syllabi

    faculty overload

    limited AI infrastructure

    uneven training access


    இவை பெரிய challenges.


    —

    அதனால் universities செய்ய வேண்டியது:

    1. “Train the Trainers” programs

    முதலில் teachers-ஐ train செய்ய வேண்டும்.

    short-term AI certifications

    industry workshops

    online faculty bootcamps

    sabbatical training

    AI labs exposure


    இவை அவசியம்.


    —

    2. Curriculum reform

    3–4 வருடம் பழைய syllabus போதாது.

    AI field-ல்:

    syllabus yearly update ஆக வேண்டும்

    practical AI usage சேர்க்க வேண்டும்

    ethics + verification + bias கூட கற்பிக்க வேண்டும்



    —

    3. Industry + Academia collaboration

    பல professors theoretical side மட்டும் தெரிந்திருக்கலாம்.

    Industry experts:

    real AI deployment

    scaling

    prompt workflows

    AI tooling


    இவற்றை share செய்ய வேண்டும்.


    —

    4. ஆசிரியர்களை பயமுறுத்தாமல் மாற்ற வேண்டும்

    பல teachers உள்ளுக்குள் பயப்படுகிறார்கள்:

    “students என்னைவிட அதிகம் தெரிந்தால்?”

    “AI என் role-ஐ replace செய்யுமா?”


    ஆனால் உண்மையில் நல்ல ஆசிரியரின் role குறையவில்லை.
    மாறாக மாறுகிறது.

    முன்பு:

    information provider


    இப்போது:

    guide

    validator

    critical thinker trainer

    ethics mentor



    —

    5. Local language AI education

    இது மிகவும் முக்கியம்.

    South Asia-வில் எல்லோரும் English fluency-யுடன் இல்லை.

    அதனால்:

    Tamil

    Hindi

    Bengali

    Urdu


    மொழிகளில் AI learning resources உருவாக வேண்டும்.

    அப்போது தான் AI democratization உண்மையாக நடக்கும்.


    —

    மிகப் பெரிய irony என்னவென்றால்:

    > Teachers are now becoming students again.



    ஆனால் அதில் தவறு இல்லை.
    Technology revolutions வந்தாலெல்லாம் இதே நடக்கும்.

    இப்போது best teachers யார் தெரியுமா?

    “எனக்கு எல்லாம் தெரியும்” என்று நினைப்பவர்கள் அல்ல.

    > “நானும் கற்றுக்கொள்கிறேன்; நீங்களும் என்னுடன் வளருங்கள்” என்று சொல்லக்கூடியவர்கள்.

  • இருளில் வெளிச்சம்

    அத்தியாயம் 1 — அந்நிய நாட்டின் இருள்

    அருண் தனது சிறிய கிராமத்திலிருந்து வெளிநாட்டிற்கு வேலைக்காகப் புறப்பட்ட நாள், அவரது குடும்பத்தினர் அனைவரும் பெருமையுடன் பார்த்தனர். “இன்னும் சில வருடங்கள் தான்… பிறகு நம் வாழ்க்கை மாறிடும்,” என்று அவர் தாயிடம் சொன்னார்.

    அந்நிய நாட்டின் உயரமான கட்டிடங்கள், பிரகாசமான சாலைகள், வேகமான வாழ்க்கை — இவை அனைத்தும் ஆரம்பத்தில் அவருக்கு புதுமையாக இருந்தது. ஆனால் அந்த பிரகாசத்தின் பின்னால் ஒரு குளிர்ந்த தனிமை இருந்தது.

    வேலை கிடைத்திருந்தாலும் அது நிரந்தரமில்லை. ஒவ்வொரு மாதமும் ஒப்பந்தம் புதுப்பிக்கப்படுமா என்ற அச்சம். அலுவலகத்தில் மேலாளரின் முகபாவனை கூட அவரது இதயத் துடிப்பை அதிகரித்தது.

    “நாளை உன்னை தேவையில்லை என்றால்?”
    “வீட்டுக்கு பணம் அனுப்ப முடியாத நிலை வந்தால்?”

    இந்த கேள்விகள் தினமும் அவரை துரத்தின.

    அந்த அழுத்தம் மெதுவாக அவரது மனதை உடைத்தது. இரவில் தூக்கம் வரவில்லை. பகலில் உணவு இறங்கவில்லை. கை நடுக்கம், இதயத் துடிப்பு, மூச்சுத்திணறல் — அனைத்தும் அவரை பயமுறுத்தின.

    ஒருநாள் வேலை நேரத்தில் திடீரென அவர் மயங்கி விழுந்தார். நண்பர்கள் அவசரமாக மருத்துவமனைக்கு கொண்டு சென்றனர்.

    அங்கே மருத்துவர் அமைதியாக சொன்னார்:
    “உங்களுக்கு கடுமையான மனஅழுத்தம் மற்றும் பயக்கோளாறு இருக்கிறது.”

    அந்த வார்த்தைகள் அருணின் உள்ளத்தை அதிரவைத்தது.

    அவர் நோயாளி ஆனதை விட, தனது வாழ்க்கை தன்னுடைய கட்டுப்பாட்டை விட்டு வெளியேறிவிட்டது என்பதே அவரை அதிகம் பயமுறுத்தியது.


    —

    அத்தியாயம் 2 — மருந்துகளின் மழுங்கிய பாதை

    மருத்துவமனையில் ஆரம்பித்த சிகிச்சை அருணின் வாழ்க்கையை மெதுவாக மாற்றத் தொடங்கியது. தினமும் மாத்திரைகள். காலை ஒன்று, இரவு இரண்டு. தூக்க மருந்து, பதட்டம் குறைக்கும் மருந்து, மனநிலையை சீராக்கும் மருந்து.

    முதல் சில வாரங்களில் அவர் சற்றே அமைதியடைந்தார். ஆனால் அந்த அமைதிக்குள் ஒரு மங்கலான இருள் இருந்தது.

    அவரது உடல் மெதுவாக மாறத் தொடங்கியது. எப்போதும் சோர்வு. நினைவிழப்பு. கண்களில் வெறுமை.

    அலுவலகத்தில் சக ஊழியர்கள் பேசும்போது கூட அவர் கவனிக்க முடியவில்லை. மேலாளர் ஒருநாள் கேள்வி கேட்டார்:

    “அருண், நீ சரியா இருக்கியா?”

    அவர் சிரிக்க முயன்றார். ஆனால் அந்த சிரிப்புக்குள் பயம் இருந்தது.

    அந்நிய நாட்டில் உடல்நலம் குன்றுவது ஒரு தனி வேதனை. அருகில் தாய் இல்லை. தோளில் கை வைக்கும் நண்பன் இல்லை. மருத்துவ அறிக்கைகள் மட்டும் துணையாக இருந்தன.

    மருத்துவர் சிகிச்சை வரலாறு, பரிசோதனை விவரங்கள், மருந்துப் பட்டியல் — இவை அனைத்தையும் ஒரு கோப்பாக கொடுத்தார்.

    “நீங்கள் ஓய்வு எடுக்க வேண்டும். உங்கள் குடும்பத்தினருடன் இருங்கள்,” என்றார் மருத்துவர்.

    அந்த இரவு அருண் விமான டிக்கெட் பதிவு செய்தார்.

    வெளிநாட்டின் பிரகாசமான நகரம் விமான ஜன்னலில் சிறிய விளக்குகளாக மறைந்தபோது, அவர் மனதில் ஒரு கேள்வி மட்டும் இருந்தது:

    “நான் வீட்டிற்கு திரும்புகிறேனா… இல்லை தோல்வியுடன் ஓடுகிறேனா?”


    —

    அத்தியாயம் 3 — வீட்டின் நிழல்கள்

    தாய்நாட்டின் மண்வாசனை அருணின் கண்களில் கண்ணீரை வரவைத்தது. விமான நிலையத்தில் அவரை பார்த்த தாய், உடனே அவரது முகத்தைத் தொட்டு,

    “என்னடா இப்படி ஒல்லியாகிட்டே?” என்று கேட்டார்.

    அருண் பதில் சொல்லவில்லை.

    வீட்டிற்கு திரும்பியபின் சிகிச்சை தொடர்ந்தது. புதிய மருத்துவர் பழைய மருத்துவ வரலாற்றைப் பார்த்து அதே மருந்துகளைத் தொடர்ந்து கொடுத்தார்.

    ஆனால் சில மாதங்களில் புதிய பிரச்சினைகள் ஆரம்பித்தன.

    கால்களில் வலி. உடல் எடை அதிகரிப்பு. சர்க்கரை அளவு உயர்வு. இரத்த அழுத்தம். பின்னர் தோன்றிய நரம்பு கோளாறுகள்.

    “இவை மருந்துகளின் பக்க விளைவுகள் இருக்கலாம்,” என்று மருத்துவர் சொன்னார்.

    அந்த வார்த்தைகள் அருணின் மனதை நொறுக்கியது.

    நோயை குணப்படுத்த வந்த மருந்துகளே, புதிய நோய்களை உருவாக்குகின்றன என்ற உண்மை அவரை உடைத்தது.

    அவரது நண்பர்கள் திருமணம் செய்து குடும்ப வாழ்க்கையில் முன்னேறினர். ஆனால் அருண் மருத்துவமனை வரிசைகளில் வாழ்ந்தார்.

    அவரது தந்தை ஒருநாள் மெதுவாக கேட்டார்:
    “மகனே… இவ்வளவு சிகிச்சை எடுத்தும் உனக்கு நல்லாதான் ஆகணுமே?”

    அருண் அமைதியாக சாளரத்தை நோக்கி பார்த்தார்.

    மழை பெய்துக்கொண்டிருந்தது.
    அவரது வாழ்க்கையும் அப்படியே சிதறிக்கொண்டிருந்தது.


    —

    அத்தியாயம் 4 — உடைந்த மனிதன்

    ஆண்டுகள் கடந்தன.

    அருணின் உடல் மெதுவாக பலவீனமானது. அவர் முன்பு நடந்த வேகத்தில் நடக்க முடியவில்லை. படிக்கட்டுகள் ஏறுவது கூட போராட்டமாக மாறியது.

    நாள்தோறும் மருத்துவமனை. பரிசோதனைகள். புதிய மருந்துகள். புதிய எச்சரிக்கைகள்.

    ஒரு காலத்தில் குடும்பத்தின் நம்பிக்கை இருந்த மனிதன், இப்போது தனது உடலை கூட நம்ப முடியாத நிலைக்கு வந்திருந்தார்.

    அவரது மனநிலையும் சிதறியது.

    இரவு நேரங்களில் அவர் விழித்தபடி அமர்ந்து இருப்பார்.
    அந்நிய நாட்டின் அலுவலகம், மருத்துவமனை வாசல்கள், மருத்துவரின் குரல் — அனைத்தும் நினைவில் ஒலித்தன.

    “நான் அந்த வேலையைத் தேர்ந்தெடுக்கவே கூடாது…”

    இந்த எண்ணம் தினமும் அவரை தின்றுகொண்டே இருந்தது.

    ஒருநாள் அவரது சிறிய சகோதரி அருகில் அமர்ந்து சொன்னாள்:

    “அண்ணா… நீ மட்டும் இல்ல. நாங்க எல்லாரும் உன்னோட இருக்கோம்.”

    அந்த வார்த்தைகள் அவரை அழவைத்தது.

    பல ஆண்டுகளாக அவர் தன் நோயுடன் மட்டும் போராடினார். ஆனால் அந்த நிமிடத்தில் தான், அவர் தனியாக இல்லை என்பதை உணர்ந்தார்.


    —

    அத்தியாயம் 5 — மறுபிறப்பின் வெளிச்சம்

    காலம் இன்னும் அவரது நோய்களை முழுமையாக குணப்படுத்தவில்லை. உடலில் வலி இருந்தது. சில நோய்கள் நிரந்தரமாகவே இருந்தன.

    ஆனால் அருணின் மனதில் ஒரு மாற்றம் ஆரம்பித்தது.

    அவர் தனது வாழ்க்கையை வேறொரு பார்வையில் பார்க்கத் தொடங்கினார்.

    ஒருநாள் கிராமத்தில் உள்ள இளைஞர்களுடன் பேசும்போது அவர் சொன்னார்:

    “வெளிநாட்டுப் பணம் வாழ்க்கையை காப்பாற்றலாம். ஆனா மனநிம்மதி இல்லாத வாழ்க்கை, மனிதனை உள்ளிருந்து அழிக்கும்.”

    அவர் மெதுவாக மற்றவர்களுக்கு உதவ ஆரம்பித்தார். மனஅழுத்தத்தில் இருந்த இளைஞர்களுக்கு ஆலோசனை வழங்கினார். மருத்துவ சிகிச்சை எடுக்கும் மக்களுக்கு துணையாக இருந்தார்.

    அவரது நோய் அவரை பலவீனப்படுத்தியது.
    ஆனால் அந்த வேதனை அவரை மனிதர்களின் வலியை உணரும் மனிதனாக மாற்றியது.

    ஒரு மாலை சூரிய அஸ்தமனத்தை பார்த்துக்கொண்டிருந்தபோது, அவரது தாய் அருகில் வந்து கேட்டார்:

    “இப்போ பயமா இருக்கா?”

    அருண் மெதுவாக சிரித்தார்.

    “பயம் இன்னும் இருக்கு அம்மா… ஆனா அதை விட நம்பிக்கை கொஞ்சம் அதிகமா இருக்கு.”

    அந்த மாலை வானம் ஆரஞ்சு நிறத்தில் ஜொலித்தது.

    அருணின் வாழ்க்கை முழுமையாக சரியாகவில்லை.
    ஆனால் இருளுக்குள் கூட வெளிச்சம் பிறக்க முடியும் என்பதை அவர் கற்றுக்கொண்டிருந்தார்.

  • Last decade is painful

    Narendra Modi has increasingly framed the last decade as a period of overlapping global shocks: the COVID-19 pandemic, major wars and geopolitical conflicts, supply-chain disruptions, inflation, and energy insecurity. Those points are grounded in real events that affected most countries, including India.

    What’s notable is that public speeches by political leaders often emphasize immediate, visible crises — health, fuel prices, food security, national security, inflation — because those are already tangible to voters. AI-driven job disruption is different:

    it is gradual rather than sudden,

    uneven across industries,

    still uncertain in scale,

    and politically sensitive.


    So leaders may avoid making strong public predictions about “AI taking jobs” unless they also have a clear policy response ready.

    At the same time, many governments — including India’s — are talking more about:

    AI skilling,

    semiconductor manufacturing,

    digital infrastructure,

    startups,

    automation in governance,

    and workforce reskilling,


    rather than openly framing AI as a threat to employment.

    Your observation is reasonable: if the world has already gone through multiple destabilizing events, large-scale AI disruption could become another major pressure point for ordinary people, especially:

    white-collar routine jobs,

    customer support,

    entry-level IT services,

    repetitive office work,

    and some creative production roles.


    On the other hand, there’s also a competing view that AI may shift jobs rather than simply eliminate them — similar to earlier technology waves — though the transition period can still be painful.

    In India specifically, the concern is amplified because:

    a very large young workforce enters the job market every year,

    many families depend on a single salaried income,

    and service-sector employment is critical to urban middle-class stability.


    That’s why discussions around AI in India are often framed as:

    “AI + human workforce,”

    “AI-assisted productivity,”

    or “India becoming an AI talent hub,”


    instead of directly discussing mass displacement.

  • Tamil Computing

    You are an experienced computing professional re-entering the software world during the AI era after a long gap. Your earlier background includes programming in BASIC, FORTRAN, COBOL, JAVA, Python, C, C++, and Oracle. You worked as a software engineer until around 2001 and later moved into teaching computer science and supporting students in laboratories. Recently, after buying a Windows 11 Intel Core i3 PC, you developed a strong desire to return to software creation, especially using modern AI-assisted programming tools.

    Initially, you were uncertain because you had lost touch with programming for more than a decade and were unfamiliar with current tools and workflows. However, the discussion clarified that modern programming has changed significantly. In the past, programmers had to remember syntax and manually write everything. Today, AI tools such as [ChatGPT](https://chatgpt.com?utm_source=chatgpt.com), [GitHub Copilot](https://github.com/features/copilot?utm_source=chatgpt.com), and [Cursor AI Editor](https://www.cursor.com?utm_source=chatgpt.com) can generate and explain code, allowing developers to focus more on architecture, logic, validation, and creativity.

    You were encouraged to see yourself not as a beginner, but as an “experienced programmer returning during the AI transition.” Your strengths—structured thinking, debugging ability, business logic understanding, patience, and teaching skills—are still extremely valuable. AI reduces the burden of syntax memorization and allows experienced thinkers like you to become productive quickly again.

    A practical roadmap was suggested:

    Refresh Python basics.

    Install modern development tools such as [Python](https://www.python.org/downloads/?utm_source=chatgpt.com) and [VS Code](https://code.visualstudio.com?utm_source=chatgpt.com).

    Use AI-assisted editors like Cursor or GitHub Copilot.

    Build small but meaningful projects instead of spending too much time only watching tutorials.


    The advice emphasized starting with lightweight, practical applications suitable for your computer and experience level rather than resource-heavy technologies. Since your Intel Core i3 system is mainly for browsing and YouTube currently, the focus should be on:

    Python scripting

    automation

    desktop utilities

    Tamil language tools

    educational applications

    data processing

    reporting systems


    It was also recommended that you avoid heavy local AI models, advanced cloud infrastructure, Docker, Kubernetes, or complex Linux environments initially. Instead, your PC can function effectively as an AI-assisted development workstation using cloud-based AI tools.

    A major turning point in the conversation occurred when you shared your interest in Tamil language, Tamil grammar teaching, spelling correction, and pure Tamil (“தனித்தமிழ்”). This led to the realization that your unique combination of skills positions you perfectly for creating AI-powered Tamil language software. Several meaningful project ideas emerged:

    Tamil spell checker

    Tamil grammar tutor

    pure Tamil word replacement assistant

    Tamil educational AI assistant

    OCR and Tamil text correction tools

    student-oriented Tamil learning software


    These projects combine:

    your programming background,

    teaching experience,

    love for language,

    and AI technology.


    The recommended technology stack for such work included:

    Python

    Streamlit for simple interfaces

    SQLite for lightweight databases

    regular expressions and NLP libraries

    OpenAI APIs

    Tamil Unicode processing tools such as open-tamil


    You were advised to focus on “one real project” instead of jumping between many frameworks or languages. One suggested beginner project was a Tamil spelling correction tool that accepts Tamil input, identifies common mistakes, and produces corrected output with explanations.

    Another important topic was adapting to Windows 11. Since you last used Windows 7 extensively, the new interface felt uncomfortable and confusing. The discussion explained that this is a common experience because Windows 11 uses a different interface philosophy. To make the system more comfortable:

    move the Start menu to the left,

    enable file extensions,

    create a simple C:\Projects workspace,

    and treat the machine primarily as a development workstation rather than a consumer entertainment device.


    You were reassured that you do not need to master every Windows 11 feature. Instead, you only need to learn what directly supports your projects and programming work.

    A particularly meaningful milestone occurred when you spent about three hours using VS Code and GitHub Copilot to create a Tamil output program. Although you experienced confusion, panic, and technical difficulties, you eventually succeeded and felt happy. This was identified as the authentic “developer experience” that has remained unchanged across generations:

    confusion,

    debugging,

    persistence,

    and final satisfaction.


    You were reminded that this small success was actually very significant because it demonstrated that your software-building ability still exists. The Tamil output program also introduced you indirectly to concepts like:

    Unicode,

    UTF-8 encoding,

    console rendering,

    editor configuration,

    and AI-assisted debugging.


    The conversation then moved to GitHub. You had created a GitHub account but later closed it because you were unsure of its purpose. It was explained that GitHub is much more than a website; it is:

    a cloud backup system,

    version control platform,

    project archive,

    collaboration environment,

    and portfolio system.


    The difference between Git and GitHub was clarified:

    Git is the version control system.

    GitHub hosts Git repositories online.


    You were encouraged to reopen a GitHub account because modern AI development tools integrate heavily with it. However, an important caution was given regarding privacy and personal information.

    You had experimented with storing personal addresses in a .txt file using VS Code. While using text files for learning and programming practice is perfectly normal, you were advised never to upload sensitive information to public GitHub repositories. Sensitive information includes:

    personal addresses,

    passwords,

    bank details,

    private student records,

    API keys,

    or confidential data.


    To avoid accidentally uploading private files, the discussion introduced the use of .gitignore, a standard file used in software development to tell Git which files should not be uploaded or tracked.

    For example:

    private.txt
    *.log

    inside a .gitignore file prevents those files from being uploaded to GitHub.

    You were shown a safe project structure separating:

    code,

    sample data,

    documentation,

    and private local files.


    You were also encouraged to use private repositories on GitHub while learning.

    Overall, the conversation established that your return to programming is not merely a hobby restart. It is the reactivation of a deep computing mindset developed over decades. Your rare combination of:

    classical programming experience,

    teaching ability,

    Tamil linguistic interest,

    and AI curiosity


    creates the potential for meaningful contributions, especially in Tamil educational and language technology software. The discussions repeatedly emphasized that you are not starting from zero; instead, you are bringing foundational computing knowledge into a new AI-assisted era where one thoughtful individual can build useful tools that previously required entire teams.

    இன்றைய காலத்தில் AI (Artificial Intelligence) பயன்படுத்தி எந்த மொழியையும், எந்த மொழி மூலம் வேண்டுமானாலும் கற்றுக்கொள்ள முடிகிறது. முன்பு ஒரு புதிய மொழி கற்க ஆசிரியர், புத்தகம் அல்லது language institute தேவைப்பட்டாலும், தற்போது AI tools மூலம் வீட்டிலிருந்தபடியே எளிதாக மொழிகளை கற்றுக்கொள்ளலாம். குறிப்பாக தமிழ் போன்ற தாய்மொழி மூலம் கூட உலகின் பல மொழிகளை கற்றுக்கொள்ளும் வசதி அதிகரித்திருக்கிறது. இது language learning உலகத்தில் பெரிய மாற்றமாக பார்க்கப்படுகிறது.

    AI language learning tools-இன் மிகப்பெரிய பலம் என்னவென்றால், அவை மனிதர்களைப் போல interact செய்ய முடியும். மாணவர் எந்த level-ல் இருக்கிறார் என்பதை AI புரிந்துகொண்டு அதற்கேற்றபடி பாடங்களை மாற்றிக் கொடுக்கிறது. ஆரம்ப நிலை மாணவருக்கு basic words மற்றும் simple conversations கற்றுக்கொடுக்கலாம்; advanced learners-க்கு grammar correction, pronunciation improvement, fluency training போன்றவற்றை வழங்க முடியும். இதனால் ஒவ்வொருவருக்கும் personalized learning experience கிடைக்கிறது.

    இப்போது பல AI-based language learning apps மற்றும் platforms மிகவும் பிரபலமாக உள்ளன. அவற்றில் Talkpal AI, Gliglish, Speak, Talkio AI, HelloTalk போன்றவை முக்கியமானவை. Talkpal AI போன்ற apps AI chatbot மற்றும் voice interaction மூலம் practice செய்ய உதவுகிறது. Gliglish AI உடன் நேரடியாக பேசும் அனுபவத்தை வழங்குகிறது; இது speaking confidence அதிகரிக்க உதவுகிறது. Speak app pronunciation மற்றும் real conversation training-க்கு நல்லதாக கருதப்படுகிறது. Talkio AI பல accents மற்றும் AI tutors மூலம் learning experience-ஐ realistic ஆக மாற்றுகிறது. HelloTalk app-ல் native speakers உடன் பேசலாம்; அதே நேரத்தில் AI grammar correction மற்றும் translation support-ஐ வழங்குகிறது.

    Google கூட AI language learning-ல் புதிய முயற்சிகளை மேற்கொண்டு வருகிறது. Google-இன் “Little Language Lessons” போன்ற திட்டங்கள் Gemini AI-ஐ பயன்படுத்தி personalized lessons வழங்குகிறது. இது பயனாளியின் learning style, interests மற்றும் progress அடிப்படையில் பாடங்களை மாற்றுகிறது. இதுபோன்ற AI systems எதிர்காலத்தில் language learning-ஐ இன்னும் எளிதாக்கும் என்று நம்பப்படுகிறது.

    AI tools மூலம் மொழி கற்பதில் முக்கியமான நன்மை என்னவென்றால் பயமின்றி practice செய்ய முடிவது. பலருக்கு புதிய மொழியில் பேசும்போது தவறு செய்வோமோ என்ற பயம் இருக்கும். ஆனால் AI-உடன் practice செய்யும்போது judgement இல்லாமல் மீண்டும் மீண்டும் முயற்சி செய்யலாம். இது speaking confidence அதிகரிக்க உதவுகிறது. மேலும் AI 24/7 available tutor போல செயல்படுகிறது. எந்த நேரத்திலும் practice செய்யலாம். இது busy வாழ்க்கை கொண்டவர்களுக்கு மிகவும் உதவிகரமாக இருக்கிறது.

    மற்றொரு பெரிய பலம் multilingual support ஆகும். முன்பு English மூலம் மட்டுமே பல மொழிகளை கற்றுக்கொள்ள வேண்டியிருந்தது. ஆனால் இப்போது Tamil + English mix, Hindi + English mix போன்ற multilingual explanations கிடைக்கின்றன. இதனால் மாணவர்கள் தங்களுக்குப் புரியும் மொழியில் concepts-ஐ எளிதாக grasp செய்ய முடிகிறது. குறிப்பாக இந்தியர்களுக்கு இது மிகவும் பயனுள்ளதாக இருக்கிறது. இந்திய மொழிகளுக்கான AI support தற்போது வேகமாக வளர்ந்து வருகிறது. தமிழ், ஹிந்தி, தெலுங்கு போன்ற மொழிகளுக்கு AI startups மற்றும் பெரிய tech companies கவனம் செலுத்த ஆரம்பித்துள்ளன.

    Pronunciation correction கூட AI tools-இன் மிக முக்கியமான feature ஆகும். பல apps voice recognition technology பயன்படுத்தி user pronunciation-ஐ analyse செய்கின்றன. தவறாக உச்சரித்தால் உடனே correct செய்து காட்டுகின்றன. இது native accent மற்றும் clear communication வளர்க்க உதவுகிறது. குறிப்பாக French, Japanese, Korean போன்ற pronunciation முக்கியமான மொழிகளை கற்க இது மிகவும் உதவுகிறது.

    அதே சமயம் AI மட்டும் போதுமானது அல்ல என்பதையும் நினைவில் கொள்ள வேண்டும். மொழி fluency பெற real human interaction மிகவும் முக்கியம். AI practice ஒரு strong foundation கொடுக்கலாம்; ஆனால் உண்மையான conversational confidence பெற மனிதர்களுடன் பேசுவது அவசியம். அதனால் movies பார்ப்பது, books படிப்பது, podcasts கேட்பது, native speakers உடன் பேசுவது போன்ற activities language learning-ஐ வேகமாக மேம்படுத்தும்.

    தமிழ் பேசுவோருக்கு ஒரு நல்ல learning path என்னவென்றால், ஆரம்பத்தில் Duolingo அல்லது Talkpal போன்ற apps மூலம் basic vocabulary மற்றும் grammar கற்றுக்கொள்வது. அதன் பிறகு Gliglish அல்லது Speak போன்ற AI speaking tools மூலம் practice செய்யலாம். பின்னர் HelloTalk போன்ற apps மூலம் native speakers உடன் பேசலாம். தினசரி ChatGPT voice mode போன்றவற்றை பயன்படுத்தி casual conversations practice செய்யலாம். இவ்வாறு step-by-step சென்றால் எந்த மொழியையும் confidence-உடன் கற்றுக்கொள்ள முடியும்.

    எதிர்காலத்தில் AI language learning இன்னும் advanced ஆகும். Virtual tutors, real-time translation glasses, AI avatars, immersive VR classrooms போன்ற technologies வளர்ந்து வருகின்றன. இதனால் உலகின் எந்த மொழியையும் வீட்டிலிருந்தபடியே natural-ஆக கற்றுக்கொள்ளும் சூழல் உருவாகும். குறிப்பாக multilingual AI systems மனிதர்களின் தாய்மொழியைப் புரிந்துகொண்டு அதன்மூலம் புதிய மொழிகளை கற்றுக்கொடுக்கும் திறனை அதிகரித்து வருகின்றன.

    மொத்தத்தில் பார்க்கும்போது, AI language learning tools புதிய தலைமுறைக்கு மிகவும் சக்திவாய்ந்த வாய்ப்புகளை உருவாக்கி இருக்கின்றன. குறைந்த செலவில், flexible timing-ல், personalized முறையில், fear இல்லாமல் மொழிகளை கற்றுக்கொள்ள இது உதவுகிறது. சரியான dedication மற்றும் regular practice இருந்தால், AI tools உதவியுடன் யாரும் எந்த மொழியையும் கற்றுக்கொள்ள முடியும்.

    A Tamil grammar engine and proof-reading system is a highly valuable and timely project, especially because high-quality language tools for Tamil are still limited when compared to English and other widely digitized languages. Since you are a retired professor with programming experience dating back to the early 1980s, you possess a rare combination of strengths that are extremely useful for this kind of work: structured thinking, understanding of formal systems, patience for long-term projects, and appreciation for linguistic precision. In fact, your background may give you an advantage over many modern developers who rely mainly on machine learning without understanding the deep grammatical structure of a language.

    A Tamil proof-reading engine can become much more than a spell checker. Spell checkers only verify whether a word exists in a dictionary. A grammar engine goes much deeper: it checks whether the words are used correctly within the sentence. Tamil, being a morphologically rich and highly structured language, is particularly suited for rule-based grammatical analysis. This means your system can detect mistakes involving tense, gender, number agreement, case suffixes, verb forms, sandhi (புணர்ச்சி), and sentence structure.

    For example:

    • “அவர்கள் வந்தான்” is grammatically incorrect because the plural subject does not agree with the singular masculine verb.
    • The system should suggest “அவர்கள் வந்தார்கள்”.

    Similarly, the engine could identify incorrect suffix usage, inconsistent tense, or improper sentence formation. Such a system would be useful for students, writers, journalists, teachers, publishers, bloggers, government departments, and digital content creators.

    A practical development strategy is to begin with a strong rule-based foundation instead of immediately depending on artificial intelligence or large language models. Tamil grammar has many deterministic patterns that can be encoded logically. Rule-based systems are easier to debug, explain, and refine, especially during the early stages. Later, machine learning or transformer-based NLP models can be added as optional enhancement layers.

    The project can be developed in phases.

    Phase 1 should focus on the core text engine. This includes Unicode normalization, tokenization, and sentence segmentation. Unicode handling is especially important in Tamil because combining characters and encoding variations can create subtle bugs. A reliable normalization layer is essential before any grammar analysis begins. Tokenization means dividing text into words and punctuation units, while sentence segmentation identifies sentence boundaries correctly.

    Phase 2 should build the morphology and grammar engine. Tamil words often contain rich grammatical information embedded through suffixes. Therefore, a morphology analyzer is critical. This component should identify root words, suffixes, tense markers, gender markers, plural forms, and grammatical cases. Once this is functioning reliably, grammar rules can be added gradually. Examples include:

    • singular/plural agreement,
    • tense consistency,
    • gender agreement,
    • suffix correctness,
    • usage of particles and connectors,
    • punctuation patterns,
    • common writing mistakes.

    Phase 3 can introduce a suggestion engine. Detecting errors is useful, but providing intelligent corrections is what makes the software practical. The engine should not simply say “error found”; it should suggest improved alternatives in clear Tamil. Suggestions should ideally preserve the writer’s original style and meaning while correcting grammar.

    Phase 4 can focus on usability and integration. Once the engine is stable, it can be integrated into writing environments such as:

    • browser extensions,
    • LibreOffice plugins,
    • web-based editors,
    • mobile apps,
    • or even a extension.

    This stage is important because accessibility determines adoption. Even a powerful engine will not gain users unless it integrates smoothly into common writing workflows.

    Regarding technology choices, is an excellent starting language because of its simplicity and strong NLP ecosystem. It allows rapid experimentation and has excellent Unicode support. Tools such as can later assist with NLP pipelines, though Tamil-specific customization will still be necessary. If machine learning features are added later, frameworks like or can be explored.

    A lightweight database such as would work well for storing lexicons, morphology tables, and grammar rules. Using from the beginning is also highly recommended for version tracking and backups.

    One of the most important architectural decisions is how to balance rule-based logic and statistical methods. Since Tamil grammar has many formal patterns, a hybrid architecture may work best:

    • Rule engine for deterministic grammar.
    • Morphological analyzer for word decomposition.
    • Optional AI layer for ambiguity resolution and style suggestions.

    This layered approach will likely produce more reliable results than relying entirely on machine learning.

    Your programming background from the 1980s is particularly relevant because early programmers were trained to think carefully about structure, parsers, compilers, and formal logic. A Tamil grammar engine is conceptually closer to a compiler or language parser than to a typical modern app. Your experience in systematic thinking, modular design, and logical correctness can become a major strength.

    In addition to practical value, this project also has cultural and academic significance. Tamil is one of the world’s oldest continuously used classical languages, yet advanced digital writing tools remain underdeveloped. A well-designed proof-reading system could contribute meaningfully to Tamil computing, digital preservation, education, and publishing. If released as open source, it could attract collaboration from linguists, teachers, and software developers.

    Naming the project thoughtfully can also help create identity and recognition. Names such as:

    • “TamilProof”
    • “நன்னடை”
    • “இலக்கணி”
    • “செம்மொழி”
    • “SolThiruthi”

    could work well depending on the tone and audience you want.

    Finally, regarding your earlier question about antivirus software, renewing is probably unnecessary unless you frequently download risky files or require enterprise-grade protection. For development work, especially involving custom scripts and experimental tools, the built-in is usually sufficient and less intrusive. Some antivirus products may even interfere with development workflows by falsely flagging executables or scripts.

    Overall, your project idea is both technically meaningful and socially valuable. With patience and phased development, you could create one of the most useful Tamil language tools currently available.

    My Tamil NLP Journey – Notes and Direction

    I began revisiting Tamil language computing and NLP with the help of modern AI tools. Although I am not formally trained in linguistics, Tamil is my mother tongue, and I have long-standing interest in Tamil computing. I had earlier presented a research paper at the 2009 World Tamil Conference in Cologne, Germany, on “Tamil in Social Networking,” during a period before WhatsApp, Facebook, Instagram, and X became dominant platforms. At that conference, several researchers discussed Unicode, early Tamil linguistic computing, and related topics. At that time, I was told NLP required deep linguistic expertise. Today, with AI assistance, open-source tools, Python, VS Code, GitHub, and digital corpora, I have started learning and building Tamil NLP systems myself in India.

    My current approach is practical and incremental. Instead of immediately training large AI models, I am focusing on rule-based Tamil NLP using Python. I installed Tamil NLP libraries and experimented with tokenization, corpus reading, and stemming. Some libraries had import or compatibility issues in Windows 11 with VS Code, which made me realize that Tamil NLP ecosystems are still evolving. Therefore, I decided to build core modules myself rather than depending entirely on external packages.

    I started with:

    – corpus reading
    – tokenizer experiments
    – word frequency counters
    – Tamil stop-word filtering
    – stemming

    Initially, my stemming results were poor:

    – மக்கள் → மக்
    – மரங்கள் → மரங்

    This helped me understand that Tamil stemming is far more complex than English suffix removal. Tamil is an agglutinative language, where words contain multiple grammatical layers. Therefore, simple suffix stripping creates over-stemming errors.

    I then improved my approach using:

    – longest suffix matching
    – exception dictionaries
    – normalization rules
    – minimum stem length checks
    – ordered suffix processing

    After refinement, I achieved better results:

    – மக்கள் → மக்கள்
    – பாடல்கள் → பாடல்
    – வீட்டில் → வீடு
    – நடக்கிறது → நட
    – மரங்கள் → மரம்

    This showed that the stemmer was becoming morphology-aware instead of merely removing endings.

    During experimentation, I also discovered how phonetic keyboards influence Tamil NLP. Modern Tamil typing introduces:

    – transliteration inconsistencies
    – spoken Tamil influence
    – mixed Tamil-English text
    – informal spellings

    This made me realize that real-world Tamil NLP requires:

    1. normalization
    2. transliteration handling
    3. stemming
    4. morphology
    5. grammar correction

    I also understood that textbook Tamil alone is insufficient. Tamil NLP systems must eventually handle:

    – classical Tamil
    – modern standard Tamil
    – social media Tamil
    – spoken Tamil
    – phonetic Tamil

    At the same time, I found an excellent Tamil grammar book discussing:

    – எழுத்து
    – சொல்
    – பொருள்
    – அணி
    – யாப்பு

    Since அணி and யாப்பு mainly relate to poetry and செய்யுள் structure, I decided to initially focus on:

    – எழுத்து
    – சொல்
    – பொருள்

    These directly support NLP work:

    – எழுத்து → Unicode, tokenization, phonetics
    – சொல் → morphology, stemming, grammar
    – பொருள் → semantics and contextual meaning

    I plan to study school grammar books carefully and take structured notes before implementing large-scale morphology modules. Morphology appears to be one of the biggest components of Tamil NLP because Tamil grammar involves:

    – case suffixes
    – plural forms
    – tense markers
    – sandhi changes
    – verb forms
    – inflections

    I realized morphology development must happen gradually:

    1. noun morphology
    2. plural handling
    3. case suffixes
    4. verb roots
    5. tense analysis

    Rather than attempting a complete grammar checker immediately, I intend to build small working modules incrementally.

    I also recognized that rule-based systems still have great value in Tamil NLP because they are:

    – explainable
    – lightweight
    – debuggable
    – transparent
    – suitable for low-resource languages

    My approach is therefore:

    – study existing tools
    – avoid unnecessary reinvention
    – identify gaps
    – write custom rules where needed
    – test continuously with corpora

    I am using corpora from:

    – Project Madurai
    – Wikipedia
    – school textbooks
    – possibly news articles later

    I also realized that grammar books alone are not enough because many describe ideal literary Tamil rather than modern practical Tamil. Therefore, my goal is to balance:

    – classical Tamil
    – modern Tamil
    – real-world usable Tamil

    Another area I am considering is தனித்தமிழ் (pure Tamil usage without foreign loan words). This is challenging because modern Tamil writing often mixes:

    – English
    – Sanskrit-derived words
    – transliterated technical terms

    For example:

    – கம்ப்யூட்டர் vs கணினி
    – ஆபீஸ் vs அலுவலகம்

    Therefore, instead of forcing pure Tamil universally, I may eventually support different writing modes:

    – general Tamil
    – formal Tamil
    – தனித்தமிழ்
    – social Tamil

    This could allow the system to:

    – detect mixed-language usage
    – suggest alternatives
    – preserve user flexibility

    I also realized that future Tamil NLP systems may require:

    – lexical databases
    – synonym mapping
    – morphology analyzers
    – normalization layers
    – grammar validators
    – contextual suggestion engines

    My current development philosophy is:
    Experiment → Study → Refine → Test → Improve

    Rather than rushing into AI-only systems, I want to first understand Tamil structure deeply through:

    – grammar
    – corpus observation
    – rule design
    – iterative testing

    I believe that:
    native Tamil intuition + programming experience + AI assistance

    can together produce meaningful Tamil NLP tools.

    Although I began this journey late compared to formally trained linguists, modern AI tools have reduced entry barriers. As an early-generation programmer with systems-thinking experience, I now feel capable of contributing to practical Tamil language technology development in a useful and realistic way.

  • துன்பம் மட்டுமே வாழ்க்கையால்..

    நீங்கள் சொல்வது மனித வாழ்வின் மிக ஆழமான உண்மைகளில் ஒன்று.
    மதம், கடவுள், நம்பிக்கை — இவை பலருக்கு தாங்கும் தூண்களாக இருந்தாலும், துன்பத்தை முழுவதும் தடுக்க முடியாத தருணங்கள் வாழ்க்கையில் வருகிறது. சில வேளைகளில், “ஏன் எனக்கே இது?” என்ற கேள்விக்கும் பதில் கிடைக்காது.

    ஆறுதல் சொல்ல யாருமில்லாமல் உள்ளுக்குள் உடைந்து நடப்பவர்கள் உண்மையிலேயே ஏராளம்.
    வெளியில் சாதாரணமாகத் தோன்றியும், உள்ளே போராடிக்கொண்டிருப்பவர்கள் பல கோடி பேர்.
    ஒரு வேளை சாப்பாடு, ஒரு அன்பான வார்த்தை, யாராவது புரிந்து கொள்ள வேண்டும் என்ற ஏக்கம் — இவையே பலரின் தினசரி போராட்டம்.

    ஆனால் ஒரு விஷயம் மட்டும் உண்மை:
    மனிதன் இன்னும் முழுவதும் கரைந்து போகவில்லை என்பதற்குக் காரணம், இன்னும் மனிதர்களிடையே சிறு கருணை உயிரோடு இருப்பதுதான்.
    ஒரு அந்நியன் கொடுக்கும் ஆறுதல், ஒரு நண்பன் கேட்கும் “நீ ஓகே தானே?”, ஒரு தாய் அமைதியாக வைத்திருக்கும் கை — சில நேரங்களில் அதுவே கடவுளை விட பெரிய ஆறுதலாக மாறுகிறது.

    உங்கள் வார்த்தைகளில் வெறும் விரக்தி மட்டும் இல்லை; வாழ்க்கையை நேராகப் பார்த்த அனுபவத்தின் கனமும் இருக்கிறது.