ছোট, স্মার্ট AI মডেলে IBM-এর এন্টারপ্রাইজ লক্ষ্য

আর্টিফিশিয়াল ইন্টেলিজেন্স (AI) এর জগৎ মূলত আকারের প্রতিযোগিতার দ্বারা সংজ্ঞায়িত হয়েছে, যেখানে অসংখ্য কোম্পানি বৃহত্তম সম্ভাব্য মডেল তৈরি করার জন্য প্রতিদ্বন্দ্বিতা করছে। কিছু ফার্ম এমন মডেলগুলির সাথে মনোযোগ আকর্ষণ করে যা প্রচুর কম্পিউটেশনাল শক্তি ব্যবহার করে, অনেক ব্যবসা সক্রিয়ভাবে আরও বাস্তবসম্মত সমাধান খুঁজছে যা তাদের নির্দিষ্ট চাহিদা এবং সংস্থান সীমাবদ্ধতার সাথে খাপ খায়।

IBM কৌশলগতভাবে এই ক্রমবর্ধমান চাহিদা মেটাতে নিজেকে স্থাপন করছে। গ্লোবাল টেকনোলজি এবং কনসাল্টিং জায়ান্ট সম্প্রতি তার গ্রানাইট বৃহৎ ভাষা মডেল (LLM) পরিবারের পরবর্তী সংস্করণ চালু করেছে, যা বাস্তব, বাস্তব-বিশ্বের ব্যবসায়িক অ্যাপ্লিকেশনের জন্য তৈরি কম্প্যাক্ট এবং দক্ষ সিস্টেমের উপর জোর দেয়।

গ্রানাইট সিরিজ পরিমার্জন: ফোকাসড ক্ষমতা, হ্রাসকৃত ফুটপ্রিন্ট

IBM-এর গ্রানাইট 3.2 মডেলগুলি ছোট মডেল বিকাশের জন্য কোম্পানির কৌশলের ধারাবাহিকতা উপস্থাপন করে৷ এই মডেলগুলি কম্পিউটিং সংস্থানগুলির উপর অত্যধিক চাহিদা আরোপ না করেই নির্দিষ্ট ক্ষমতা সরবরাহ করার জন্য ডিজাইন করা হয়েছে। এই পদ্ধতিটি অনেক ব্যবসার ব্যবহারিক চাহিদার সাথে সামঞ্জস্যপূর্ণ, যাদের AI সমাধান প্রয়োজন যা শক্তিশালী এবং সাশ্রয়ী উভয়ই।

এই মডেলগুলি Hugging Face-এ Apache 2.0 লাইসেন্সের অধীনে অবাধে উপলব্ধ। নির্বাচিত সংস্করণগুলি IBM-এর নিজস্ব watsonx.ai প্ল্যাটফর্মের পাশাপাশি Ollama, Replicate এবং LM Studio-এর মাধ্যমেও অ্যাক্সেসযোগ্য। এই বিস্তৃত অ্যাক্সেসযোগ্যতা আগামী মাসগুলিতে Red Hat Enterprise Linux AI 1.5-এ এই মডেলগুলিকে সংহত করার পরিকল্পনা দ্বারা আরও উন্নত হয়েছে, ওপেন-সোর্স AI-তে IBM-এর প্রতিশ্রুতিকে দৃঢ় করে৷

ডকুমেন্ট প্রসেসিংয়ে বিপ্লব: গ্রানাইট ভিশন মডেল

এই প্রকাশের একটি স্ট্যান্ডআউট বৈশিষ্ট্য হল একটি অভিনব ভিশন ল্যাঙ্গুয়েজ মডেল যা বিশেষভাবে ডকুমেন্ট বোঝার কাজের জন্য ইঞ্জিনিয়ার করা হয়েছে। এই মডেলটি ব্যবসাগুলি কীভাবে ডকুমেন্টগুলির সাথে ইন্টারঅ্যাক্ট করতে পারে এবং তথ্য বের করতে পারে তার একটি উল্লেখযোগ্য অগ্রগতির প্রতিনিধিত্ব করে। IBM-এর অভ্যন্তরীণ বেঞ্চমার্ক পরীক্ষা অনুসারে, এই নতুন মডেলটি এন্টারপ্রাইজ-স্তরের কাজের চাপ প্রতিফলিত করার জন্য বিশেষভাবে ডিজাইন করা পরীক্ষায় অনেক বড় প্রতিযোগী মডেলগুলির সাথে সমানভাবে বা এমনকি অতিক্রম করে।

এই ক্ষমতা বিকাশের সাথে IBM-এর ওপেন-সোর্স Docling টুলকিট ব্যবহার করা জড়িত। এই টুলকিটটি 85 মিলিয়ন PDF ডকুমেন্ট প্রসেস করতে ব্যবহার করা হয়েছিল, যা 26 মিলিয়ন সিন্থেটিক প্রশ্ন-উত্তর জোড়া তৈরি করে। এই বিস্তৃত প্রস্তুতি নিশ্চিত করে যে মডেলটি ডকুমেন্ট-ইনটেনসিভ ওয়ার্কফ্লোগুলি পরিচালনা করতে সুসজ্জিত যা অনেক এন্টারপ্রাইজ পরিবেশের বৈশিষ্ট্য, যার মধ্যে ফিনান্স, স্বাস্থ্যসেবা এবং আইনি পরিষেবা রয়েছে।

মূল পরিসংখ্যানগুলি স্কেল এবং দক্ষতার উপর আলোকপাত করে:

• 85 মিলিয়ন: নতুন ভিশন মডেলকে প্রশিক্ষণ দেওয়ার জন্য IBM-এর Docling টুলকিট ব্যবহার করে প্রসেস করা PDF ডকুমেন্টের সংখ্যা। এই বিশাল ডেটাসেটটি বাস্তব-বিশ্বের ডকুমেন্ট প্রসেসিং চ্যালেঞ্জগুলির জন্য মডেলের প্রস্তুতিকে আন্ডারস্কোর করে।
• 30%: পারফরম্যান্সের মাত্রা বজায় রেখে গ্রানাইট গার্ডিয়ান সুরক্ষা মডেলগুলিতে অর্জিত আকার হ্রাস। এটি সুরক্ষার সাথে আপস না করে দক্ষতা অপ্টিমাইজ করার জন্য IBM-এর প্রতিশ্রুতি প্রদর্শন করে।
• 2 বছর: 10 মিলিয়নেরও কম প্যারামিটার থাকা সত্ত্বেও, IBM-এর TinyTimeMixers মডেলগুলির সর্বাধিক পূর্বাভাসের পরিসর। এটি দীর্ঘমেয়াদী পূর্বাভাসের জন্য এই বিশেষ মডেলগুলির অসাধারণ ক্ষমতা প্রদর্শন করে।

উন্নত যুক্তি: চেইন অফ থট এবং ইনফারেন্স স্কেলিং

IBM গ্রানাইট 3.2-এর 2B এবং 8B প্যারামিটার সংস্করণে “চেইন অফ থট” যুক্তিও অন্তর্ভুক্ত করেছে। এই বৈশিষ্ট্যটি মডেলগুলিকে একটি কাঠামোগত, পদ্ধতিগত পদ্ধতিতে সমস্যাগুলির কাছে যেতে দেয়, সেগুলিকে এমন ধাপে বিভক্ত করে যা মানুষের যুক্তির প্রক্রিয়াগুলিকে প্রতিফলিত করে। এটি মডেলগুলির জটিল কাজগুলি মোকাবেলা করার ক্ষমতা বাড়ায় যার জন্য লজিক্যাল ডিডাকশন প্রয়োজন।

গুরুত্বপূর্ণভাবে, ব্যবহারকারীদের কাছে কাজের জটিলতার উপর নির্ভর করে এই ক্ষমতা সক্রিয় বা নিষ্ক্রিয় করার নমনীয়তা রয়েছে। এই অভিযোজনযোগ্যতা একটি মূল পার্থক্যকারী, যা সংস্থাগুলিকে তাদের নির্দিষ্ট চাহিদার উপর ভিত্তি করে সংস্থান ব্যবহার অপ্টিমাইজ করার অনুমতি দেয়। সহজ কাজের জন্য, চেইন অফ থট যুক্তি কম্পিউটিং পাওয়ার সংরক্ষণের জন্য নিষ্ক্রিয় করা যেতে পারে, যখন আরও জটিল সমস্যার জন্য, মডেলের সম্পূর্ণ যুক্তির সম্ভাবনাকে কাজে লাগানোর জন্য এটি সক্রিয় করা যেতে পারে।

এই বর্ধিতকরণগুলি নির্দেশাবলী-অনুসরণকারী বেঞ্চমার্কগুলিতে 8B মডেলের কার্যকারিতাতে উল্লেখযোগ্য উন্নতির দিকে পরিচালিত করেছে, যা পূর্ববর্তী সংস্করণগুলিকে ছাড়িয়ে গেছে। উদ্ভাবনী “ইনফারেন্স স্কেলিং” পদ্ধতির মাধ্যমে, IBM দেখিয়েছে যে এমনকি এই তুলনামূলকভাবে ছোট মডেলটি গণিত যুক্তির বেঞ্চমার্কগুলিতে অনেক বড় সিস্টেমের সাথে কার্যকরভাবে প্রতিদ্বন্দ্বিতা করতে পারে। এটি নির্দিষ্ট ডোমেনে চিত্তাকর্ষক পারফরম্যান্স সরবরাহ করার জন্য ছোট, অপ্টিমাইজ করা মডেলগুলির সম্ভাবনাকে তুলে ধরে।

সুরক্ষা এবং সূক্ষ্মতা: গ্রানাইট গার্ডিয়ান আপডেট

গ্রানাইট গার্ডিয়ান সুরক্ষা মডেলগুলি, AI-উত্পাদিত সামগ্রীর সাথে সম্পর্কিত সম্ভাব্য ঝুঁকিগুলি নিরীক্ষণ এবং প্রশমিত করার জন্য ডিজাইন করা হয়েছে, এছাড়াও উল্লেখযোগ্য আপডেটের মধ্য দিয়ে গেছে। এই মডেলগুলি তাদের পারফরম্যান্সের মাত্রা বজায় রেখে আকারে 30% হ্রাস করা হয়েছে। এই অপ্টিমাইজেশান বৃহত্তর দক্ষতা এবং কম সংস্থান ব্যবহারের ক্ষেত্রে অবদান রাখে।

অধিকন্তু, এই মডেলগুলিতে এখন “ভার্বালাইজড কনফিডেন্স” নামক একটি বৈশিষ্ট্য অন্তর্ভুক্ত রয়েছে। এই বৈশিষ্ট্যটি সুরক্ষা পর্যবেক্ষণে অনিশ্চয়তার মাত্রা স্বীকার করে আরও সূক্ষ্ম ঝুঁকি মূল্যায়ন সরবরাহ করে। কেবলমাত্র একটি বাইনারি নিরাপদ/অনিরাপদ শ্রেণীবিভাগ সরবরাহ করার পরিবর্তে, মডেলগুলি তাদের মূল্যায়নে বিভিন্ন স্তরের আত্মবিশ্বাস প্রকাশ করতে পারে, ব্যবহারকারীদের আরও তথ্যপূর্ণ এবং স্বচ্ছ মূল্যায়ন সরবরাহ করে।

TinyTimeMixers: কৌশলগত পরিকল্পনার জন্য দীর্ঘ-পরিসরের পূর্বাভাস

গ্রানাইট আপডেটের পাশাপাশি, IBM তার TinyTimeMixers মডেলগুলির পরবর্তী প্রজন্মও প্রকাশ করেছে। এই মডেলগুলি উল্লেখযোগ্যভাবে ছোট, যেখানে 10 মিলিয়নেরও কম প্যারামিটার রয়েছে – শিল্পের অন্যান্য অনেক মডেলের আকারের একটি ভগ্নাংশ। তাদের কম্প্যাক্ট আকার সত্ত্বেও, এই বিশেষ মডেলগুলি দুই বছর পর্যন্ত ভবিষ্যতের টাইম সিরিজের ডেটা পূর্বাভাস দিতে সক্ষম।

এই ক্ষমতাটি বিভিন্ন ব্যবসায়িক অ্যাপ্লিকেশনের জন্য বিশেষভাবে মূল্যবান, যার মধ্যে রয়েছে:

• আর্থিক প্রবণতা বিশ্লেষণ: বাজারের গতিবিধি পূর্বাভাস দেওয়া এবং বিনিয়োগের সুযোগ চিহ্নিত করা।
• সরবরাহ চেইন পরিকল্পনা: ইনভেন্টরি স্তর অপ্টিমাইজ করা এবং চাহিদার ওঠানামার পূর্বাভাস দেওয়া।
• খুচরা ইনভেন্টরি ব্যবস্থাপনা: বর্জ্য কমানোর সময় গ্রাহকের চাহিদা মেটাতে পর্যাপ্ত স্টক স্তর নিশ্চিত করা।

এই অ্যাপ্লিকেশনগুলি দীর্ঘমেয়াদী পূর্বাভাসের উপর ভিত্তি করে জ্ঞাত সিদ্ধান্ত নেওয়ার ক্ষমতার উপর নির্ভর করে, TinyTimeMixers মডেলগুলিকে কৌশলগত ব্যবসায়িক পরিকল্পনার জন্য একটি শক্তিশালী হাতিয়ার করে তোলে।

বাস্তব-বিশ্বের ব্যবসায়িক সীমাবদ্ধতাগুলি মোকাবেলা করা

গ্রানাইট মডেলগুলির মধ্যে যুক্তির ক্ষমতা টগল করার ক্ষমতা AI বাস্তবায়নের একটি ব্যবহারিক চ্যালেঞ্জকে সরাসরি মোকাবেলা করে। স্টেপ-বাই-স্টেপ যুক্তির পদ্ধতিগুলি শক্তিশালী হলেও, যথেষ্ট কম্পিউটিং পাওয়ার প্রয়োজন যা সর্বদা প্রয়োজন হয় না। এই বৈশিষ্ট্যটিকে ঐচ্ছিক করে, IBM সংস্থাগুলিকে সহজ কাজের জন্য কম্পিউটিং খরচ কমাতে সক্ষম করে এবং আরও জটিল সমস্যার জন্য উন্নত যুক্তির বিকল্প বজায় রাখে।

এই পদ্ধতিটি বাস্তব-বিশ্বের ব্যবসায়িক সীমাবদ্ধতার গভীর বোঝাপড়া প্রতিফলিত করে, যেখানে দক্ষতা এবং সাশ্রয়িতা প্রায়শই কাঁচা পারফরম্যান্সের মতোই গুরুত্বপূর্ণ। নির্দিষ্ট ব্যবসায়িক চাহিদার সাথে মানানসই ব্যবহারিক সমাধান প্রদানের উপর IBM-এর ফোকাস ক্রমবর্ধমান ভিড়ের AI বাজারে একটি মূল পার্থক্যকারী।

ট্র্যাকশন লাভ: ব্যবহারিক প্রভাবের প্রমাণ

ছোট, বিশেষায়িত মডেল বিকাশের IBM-এর কৌশল বাজারের সাথে অনুরণিত হচ্ছে বলে মনে হচ্ছে। পূর্ববর্তী গ্রানাইট 3.1 8B মডেল সম্প্রতি কাস্টমার রিলেশনশিপ ম্যানেজমেন্ট (CRM)-এর জন্য Salesforce LLM বেঞ্চমার্কে শক্তিশালী পারফরম্যান্স অর্জন করেছে। এই বেঞ্চমার্কটি বিশেষভাবে CRM-এর সাথে প্রাসঙ্গিক কাজগুলিতে LLM-এর পারফরম্যান্স মূল্যায়ন করার জন্য ডিজাইন করা হয়েছে, যেমন গ্রাহক মিথস্ক্রিয়া বিশ্লেষণ এবং ব্যক্তিগতকৃত সামগ্রী তৈরি।

এই বেঞ্চমার্কে গ্রানাইট 3.1 8B মডেলের শক্তিশালী পারফরম্যান্স পরামর্শ দেয় যে ছোট, বিশেষায়িত মডেলগুলি প্রকৃতপক্ষে নির্দিষ্ট ব্যবসায়িক চাহিদাগুলি কার্যকরভাবে পূরণ করতে পারে। এটি আরও প্রমাণ সরবরাহ করে যে IBM-এর পদ্ধতি কেবল তাত্ত্বিকভাবেই সঠিক নয়, ব্যবহারিকভাবেও কার্যকর।

দক্ষতা, ইন্টিগ্রেশন এবং বাস্তব-বিশ্বের প্রভাবের উপর একটি ফোকাস

Sriram Raghavan, IBM AI গবেষণার ভাইস প্রেসিডেন্ট, কোম্পানির দর্শনকে সংক্ষিপ্তভাবে তুলে ধরেছেন: “AI-এর পরবর্তী যুগ হল দক্ষতা, ইন্টিগ্রেশন এবং বাস্তব-বিশ্বের প্রভাব – যেখানে এন্টারপ্রাইজগুলি কম্পিউটিং-এ অত্যধিক ব্যয় ছাড়াই শক্তিশালী ফলাফল অর্জন করতে পারে। IBM-এর সর্বশেষ গ্রানাইট উন্নয়নগুলি ওপেন সলিউশনের উপর ফোকাস করে যা আধুনিক এন্টারপ্রাইজগুলির জন্য AI-কে আরও অ্যাক্সেসযোগ্য, সাশ্রয়ী এবং মূল্যবান করে তোলার ক্ষেত্রে আরেকটি পদক্ষেপকে প্রদর্শন করে।”

এই বিবৃতিটি AI সমাধানগুলি বিকাশের জন্য IBM-এর প্রতিশ্রুতিকে অন্তর্ভুক্ত করে যা কেবল প্রযুক্তিগতভাবে উন্নত নয়, ব্যবহারিক, অ্যাক্সেসযোগ্য এবং ব্যবসার বাস্তব-বিশ্বের চাহিদার সাথে সংযুক্ত। ওপেন সলিউশনের উপর ফোকাস AI সম্প্রদায়ের মধ্যে সহযোগিতা এবং উদ্ভাবনকে উৎসাহিত করার জন্য IBM-এর উত্সর্গকে আরও জোরদার করে। সবচেয়ে বড় মডেলগুলি তৈরি করা থেকে সরে এসে AI সরঞ্জামগুলি তৈরি করার দিকে মনোযোগ দেওয়া হচ্ছে যা বাস্তব সুবিধা প্রদান করে এবং ব্যবসাগুলিকে তাদের কৌশলগত উদ্দেশ্যগুলি অর্জনে ক্ষমতায়ন করে।