कृत्रिम बुद्धिमत्तेची वाटचाल: नवीन मॉडेल्स आणि रणनीती

कृत्रिम बुद्धिमत्तेचे जग कधीच थांबलेले दिसत नाही. क्वचितच एखादा आठवडा जातो ज्यात उद्योगात सुधारित क्षमता, नवीन अनुप्रयोग किंवा धोरणात्मक बदलांची महत्त्वपूर्ण घोषणा होत नाही. अलीकडे, स्थापित टेक दिग्गजांपासून ते महत्त्वाकांक्षी स्टार्टअप्सपर्यंत अनेक प्रमुख कंपन्यांनी AI क्षेत्रात जलद विकास आणि वाढत्या विशेषज्ञतेवर जोर देणारे बदल सादर केले आहेत. या प्रगतीमध्ये मोठ्या भाषिक मॉडेल्समध्ये सुधारित तार्किक क्षमता, मल्टीमोडल आणि कॉम्पॅक्ट AI चा उदय, एजंटिक सिस्टीमचा केंद्रित विकास आणि उपयोजन पर्याय वाढवण्याच्या उद्देशाने नाविन्यपूर्ण हार्डवेअर भागीदारी यांचा समावेश आहे. या वैयक्तिक घडामोडी समजून घेतल्याने आपल्या भविष्याला आकार देणाऱ्या व्यापक स्पर्धात्मक आणि तांत्रिक प्रवाहांचे स्पष्ट चित्र मिळते.

Google चे Gemini 2.5 सह मोठे ध्येय: ‘विचार करणाऱ्या मॉडेल्स’चे युग?

AI क्षेत्रातील एक प्रमुख खेळाडू असलेल्या Google ने अलीकडेच Gemini 2.5 ची घोषणा करून एक नवीन आव्हान उभे केले आहे. कंपनीचे आतापर्यंतचे ‘सर्वात बुद्धिमान AI मॉडेल’ म्हणून धाडसाने सादर केलेले हे प्रकाशन, Google च्या अधिक अत्याधुनिक AI तार्किकतेकडे सततच्या प्रयत्नांचे संकेत देते. सुरुवातीच्या रोलआउटमध्ये Gemini 2.5 Pro Experimental समाविष्ट आहे, ज्याला जटिल आव्हानांना सामोरे जाण्यासाठी आघाडीचे मानले जाते. Google च्या मते, या आवृत्तीला वेगळे ठरवणारी गोष्ट म्हणजे त्याचे ‘विचार करणारे मॉडेल’ स्वरूप. हे कुतूहलजनक नाव सूचित करते की प्रामुख्याने माहिती पुनर्प्राप्त करणाऱ्या आणि संश्लेषित करणाऱ्या मॉडेल्सपासून दूर जाऊन, अधिक सखोल विश्लेषणात्मक प्रक्रिया करण्यास सक्षम असलेल्या सिस्टीम तयार केल्या जात आहेत.

या ‘विचार करणाऱ्या मॉडेल्स’मागील मुख्य कल्पना, Gemini 2.0 Flash Thinking सारख्या पूर्वीच्या आवृत्त्यांमध्ये सादर केलेल्या संकल्पनांवर आधारित आहे. यात AI प्रतिसाद निर्माण करण्यापूर्वी एक प्रकारचे अंतर्गत विचारविनिमय किंवा तार्किक क्रम पार पाडते. याचा अर्थ समस्येचे निराकरण करण्यासाठी अधिक संरचित दृष्टिकोन, जो मानवी संज्ञानात्मक चरणांशी अधिक जवळून जुळतो. Google या सुधारित क्षमतेचे श्रेय सुधारित पायाभूत मॉडेल आर्किटेक्चर आणि प्रगत पोस्ट-ट्रेनिंग रिफाइनमेंट तंत्रांच्या संयोजनाला देते. या तंत्रांमध्ये reinforcement learning (जिथे मॉडेल अभिप्रायातून शिकते) आणि chain-of-thought prompting (एक पद्धत जी AI ला जटिल समस्यांना मध्यवर्ती चरणांमध्ये विभाजित करण्यास प्रोत्साहित करते, ज्यामुळे त्याच्या तार्किकप्रक्रियेची पारदर्शकता आणि अचूकता सुधारते) यांचा समावेश आहे.

सुरुवातीचे कार्यप्रदर्शन मेट्रिक्स आश्वासक दिसतात. Google ने हायलाइट केले की Gemini 2.5 Pro Experimental आधीच Chatbot Arena रँकिंग्जमध्ये शीर्षस्थानी पोहोचले आहे. हे एक क्राउडसोर्स केलेले प्लॅटफॉर्म आहे जिथे भिन्न AI मॉडेल्स अज्ञातपणे एकमेकांविरुद्ध लढवले जातात आणि मानवी वापरकर्त्यांद्वारे रेट केले जातात. हे वापरकर्ता संवादांमध्ये मजबूत व्यावहारिक कार्यप्रदर्शन दर्शवते. शिवाय, कंपनीने तर्क आणि कोडिंग कार्यांमधील आपल्या कौशल्यावर जोर दिला, जे विश्लेषणात्मक अनुप्रयोग आणि सॉफ्टवेअर डेव्हलपमेंट ऑटोमेशन दोन्हीसाठी महत्त्वपूर्ण क्षेत्रे आहेत. हे प्रगत मॉडेल Gemini Advanced सदस्यांसाठी उपलब्ध करणे Google च्या AI ऑफरिंगला स्तरित करण्याच्या धोरणाचे प्रतीक आहे, जे पैसे देणाऱ्या वापरकर्त्यांना अत्याधुनिक क्षमता प्रदान करते आणि कालांतराने त्याच्या व्यापक उत्पादन इकोसिस्टीममध्ये परिष्कृत आवृत्त्या समाविष्ट करण्याची शक्यता आहे. हे प्रकाशन OpenAI च्या GPT मालिका आणि Anthropic च्या Claude मॉडेल्स सारख्या प्रतिस्पर्धकांसोबत सुरू असलेली स्पर्धा तीव्र करते, जटिल कार्य निराकरण आणि सूक्ष्म समजूतीच्या बाबतीत मोठे भाषा मॉडेल काय साध्य करू शकतात याच्या सीमा पुढे ढकलते. ‘विचार’ आणि ‘तर्क’ यावर भर दिल्याने एका नवीन टप्प्याची सुरुवात होऊ शकते जिथे AI मॉडेल्सचे मूल्यांकन केवळ त्यांच्या ज्ञान पुनर्प्राप्तीवर नव्हे, तर त्यांच्या समस्या सोडवण्याच्या कौशल्यावर केले जाईल.

Alibaba Cloud चा Qwen2.5 सह प्रतिसाद: कॉम्पॅक्ट पॅकेजमध्ये मल्टीमोडल पॉवर

मागे न राहता, Alibaba Cloud, Alibaba Group चा डिजिटल तंत्रज्ञान आणि बुद्धिमत्ता आधारस्तंभ, ने Qwen2.5-Omni-7B AI मॉडेल लाँच करून स्वतःची महत्त्वपूर्ण प्रगती सादर केली. हे प्रकाशन मल्टीमोडल AI चे वाढते महत्त्व अधोरेखित करते – अशा सिस्टीम ज्या केवळ मजकूरच नव्हे, तर प्रतिमा, ऑडिओ आणि व्हिडिओ यांसारख्या विविध स्वरूपातील माहिती समजून घेण्यास आणि त्यावर प्रक्रिया करण्यास सक्षम आहेत. Qwen2.5 मॉडेल हे विविध इनपुट घेण्यासाठी आणि व्युत्पन्न मजकूर किंवा लक्षणीयरीत्या नैसर्गिक वाटणाऱ्या भाषणासह प्रतिसाद देण्यासाठी डिझाइन केलेले आहे.

Alibaba ने हायलाइट केलेला एक महत्त्वाचा फरक म्हणजे मॉडेलचे कॉम्पॅक्ट स्वरूप. अनेक अत्याधुनिक मॉडेल्स प्रचंड पॅरामीटर संख्येचा अभिमान बाळगतात, जे अनेकदा उच्च संगणकीय खर्च आणि उपयोजन जटिलतेशी संबंधित असतात, तर Qwen2.5-Omni-7B कार्यक्षमतेचे लक्ष्य ठेवते. Alibaba सुचवते की हे लहान फूटप्रिंट चपळ आणि किफायतशीर AI एजंट तयार करण्यासाठी एक आदर्श पाया बनवते. AI एजंट, जे स्वायत्तपणे कार्य करण्यासाठी डिझाइन केलेले आहेत, त्यांना शक्तिशाली परंतु संसाधन-कार्यक्षम असलेल्या मॉडेल्सचा लक्षणीय फायदा होतो, ज्यामुळे विविध हार्डवेअरवर, संभाव्यतः एज उपकरणांसह, व्यापक उपयोजन शक्य होते. कार्यक्षमतेवर हा फोकस AI अवलंबनातील एक गंभीर अडथळा दूर करतो – सर्वात मोठ्या मॉडेल्स चालवण्यासाठी लागणारा अनेकदा प्रतिबंधात्मक खर्च आणि पायाभूत सुविधांची आवश्यकता.

आपली पोहोच आणि प्रभाव आणखी वाढवत, Alibaba ने Qwen2.5 मॉडेल ओपन-सोर्स केले आहे, ज्यामुळे ते Hugging Face आणि GitHub सारख्या लोकप्रिय प्लॅटफॉर्मद्वारे जगभरातील डेव्हलपर आणि संशोधकांसाठी सहज उपलब्ध झाले आहे. ही रणनीती काही प्रतिस्पर्धकांनी घेतलेल्या अधिक मालकीच्या दृष्टिकोनाच्या विरोधात आहे आणि अनेक उद्देश पूर्ण करते. हे समुदायाच्या सहभागाला प्रोत्साहन देते, मॉडेलची स्वतंत्र छाननी आणि सुधारणा करण्यास अनुमती देते आणि Alibaba च्या तंत्रज्ञानावर आधारित विस्तृत डेव्हलपरना सक्षम करून संभाव्यतः नवोपक्रमाला गती देते. Alibaba Cloud साठी, डेव्हलपर ओपन-सोर्स मॉडेलवर आधारित अनुप्रयोग प्रयोग आणि तैनात करत असल्याने ते त्याच्या व्यापक क्लाउड सेवांचा अवलंब करण्यास देखील मदत करू शकते. Qwen2.5 सारख्या शक्तिशाली, कॉम्पॅक्ट, मल्टीमोडल आणि ओपन-सोर्स मॉडेलचे प्रकाशन Alibaba ला AI लँडस्केपमध्ये एक महत्त्वपूर्ण जागतिक खेळाडू म्हणून स्थान देते, विशेषतः अत्याधुनिक, परस्परसंवादी AI अनुप्रयोग तयार करण्यासाठी लवचिक आणि कार्यक्षम उपाय शोधणाऱ्या डेव्हलपरना आकर्षित करते.

DeepSeek ने V3 मॉडेल सुधारले: तर्क आणि व्यावहारिक कौशल्ये तीक्ष्ण केली

नवोपक्रम केवळ टेक दिग्गजांपुरता मर्यादित नाही. DeepSeek, एक उल्लेखनीय चीनी AI स्टार्टअप, ने देखील आपल्या V3 मोठ्या भाषिक मॉडेलची सुधारित आवृत्ती जारी करून लक्ष वेधले. हे अपडेट, विशेषतः DeepSeek-V3-0324, वास्तविक-जगातील अनुप्रयोगांसाठी महत्त्वपूर्ण असलेल्या व्यावहारिक क्षमता वाढवण्यावर लक्ष केंद्रित करते. स्टार्टअपच्या मते, नवीन आवृत्ती अनेक प्रमुख क्षेत्रांमध्ये भरीव सुधारणा देते.

प्रथम, “तार्किक कार्यक्षमतेत मोठी वाढ” आहे. Google च्या Gemini 2.5 प्रमाणे, हे साध्या पॅटर्न जुळवणी किंवा माहिती पुनर्प्राप्तीपेक्षा सखोल विश्लेषणात्मक क्षमतांना महत्त्व देण्याच्या स्पष्ट उद्योग प्रवृत्तीचे संकेत देते. सुधारित तर्कशक्ती मॉडेल्सना अधिक जटिल तार्किक समस्यांना सामोरे जाण्यास, सूक्ष्म संदर्भ समजून घेण्यास आणि अधिक विश्वसनीय अंतर्दृष्टी प्रदान करण्यास अनुमती देते.

दुसरे म्हणजे, DeepSeek “अधिक मजबूत फ्रंट-एंड डेव्हलपमेंट कौशल्ये” हायलाइट करते. ही एक आकर्षक विशेषज्ञता आहे, जी सूचित करते की मॉडेल वेब आणि ऍप्लिकेशन इंटरफेस निर्मितीच्या पैलूंमध्ये मदत करण्यासाठी किंवा स्वयंचलित करण्यासाठी फाइन-ट्यून केले जात आहे. वापरकर्ता इंटरफेससाठी कोड तयार करण्यात प्रवीण असलेले LLM सॉफ्टवेअर डेव्हलपमेंट सायकलला लक्षणीयरीत्या गती देऊ शकते.

तिसरे म्हणजे, अपग्रेड “स्मार्ट टूल-वापर क्षमता” चा अभिमान बाळगते. हे मॉडेलच्या बाह्य साधने किंवा APIs चा प्रभावीपणे वापर करून रिअल-टाइम माहिती मिळवणे, गणना करणे किंवा इतर सॉफ्टवेअर सिस्टीमशी संवाद साधण्याच्या क्षमतेचा संदर्भ देते. टूल वापरामध्ये वाढ केल्याने LLMs अधिक शक्तिशाली आणि बहुमुखी बनतात, ज्यामुळे ते त्यांच्या प्रशिक्षण डेटाच्या मर्यादांपासून मुक्त होतात आणि डिजिटल जगाशी गतिशीलपणे संवाद साधू शकतात.

Alibaba च्या धोरणाप्रमाणेच, DeepSeek ने हे सुधारित मॉडेल Hugging Face द्वारे जागतिक समुदायासाठी उपलब्ध केले आहे. हा खुला दृष्टिकोन संशोधक आणि डेव्हलपरना DeepSeek च्या प्रगतीचा फायदा घेण्यास अनुमती देतो, ज्यामुळे व्यापक इकोसिस्टीमच्या वाढीस हातभार लागतो. फ्रंट-एंड डेव्हलपमेंट आणि टूल वापर यांसारख्या विशिष्ट, व्यावहारिक कौशल्यांवर लक्ष केंद्रित करणे, क्षेत्राच्या परिपक्वतेचे प्रदर्शन करते, जे सामान्य-उद्देशीय मॉडेल्सच्या पलीकडे जाऊन विशिष्ट व्यावसायिक डोमेनसाठी तयार केलेल्या अधिक विशेषीकृत AI सहाय्यकांकडे जात आहे. DeepSeek ची प्रगती चीनच्या उत्साही AI संशोधन आणि विकास दृश्यातून उद्भवलेल्या महत्त्वपूर्ण योगदानांना देखील अधोरेखित करते.

Landbase ने Applied AI Lab सुरू केले: व्यवसायासाठी एजंटिक AI वर लक्ष केंद्रित केले

मॉडेल विकासातून विशेष अनुप्रयोगाकडे वळताना, Landbase, स्वतःला ‘एजंटिक AI कंपनी’ म्हणून ओळखणारी, ने सिलिकॉन व्हॅलीमध्ये धोरणात्मकदृष्ट्या स्थित असलेल्या नवीन Applied AI Lab च्या स्थापनेची घोषणा केली. ही हालचाल एजंटिक AI च्या सीमा पुढे ढकलण्याच्या केंद्रित प्रयत्नांचे संकेत देते, हे क्षेत्र स्वायत्त AI सिस्टीम (एजंट) तयार करण्यावर केंद्रित आहे जे कमीतकमी मानवी हस्तक्षेपासह योजना आखू शकतात, निर्णय घेऊ शकतात आणि जटिल कार्ये पार पाडू शकतात.

लॅबच्या टीमची जमवाजमव तिच्या महत्त्वाकांक्षेबद्दल बरेच काही सांगते. Landbase ने Stanford University, Meta (पूर्वीचे Facebook), आणि NASA यांसारख्या प्रतिष्ठित संस्था आणि कंपन्यांमधील प्रतिभावंतांची भरती केल्याचे हायलाइट केले. तज्ञांचे हे एकत्रीकरण एजंटिक AI स्पेसमध्ये व्यावहारिक अनुप्रयोग विकासासोबत मूलभूत संशोधन आव्हानांना सामोरे जाण्याच्या वचनबद्धतेचे सूचक आहे. लॅबचे घोषित ध्येय तीन मुख्य क्षेत्रांमध्ये नवोपक्रमाला गती देणे आहे:

• Workflow Automation: जटिल, बहु-चरण व्यवसाय प्रक्रिया ताब्यात घेण्यास सक्षम AI एजंट विकसित करणे, संभाव्यतः ऑपरेशन्स सुव्यवस्थित करणे आणि मानवी कर्मचाऱ्यांसाठी उच्च-स्तरीय कार्यांसाठी वेळ मोकळा करणे.
• Data Intelligence: असे एजंट तयार करणे जे सक्रियपणे डेटाचे विश्लेषण करू शकतील, नमुने ओळखू शकतील, अंतर्दृष्टी निर्माण करू शकतील आणि कदाचित स्वायत्तपणे डेटा-आधारित शिफारसी देखील करू शकतील.
• Reinforcement Learning: केवळ मॉडेल प्रशिक्षणासाठीच नव्हे, तर संभाव्यतः एजंटना विशिष्ट व्यवसाय संदर्भांमध्ये वास्तविक-जगातील परिणाम आणि अभिप्रायाच्या आधारावर त्यांच्या धोरणे शिकण्यास आणि जुळवून घेण्यास सक्षम करण्यासाठी रीइन्फोर्समेंट लर्निंग तंत्रांचा वापर करणे.

Landbase या उपक्रमाला त्याच्या विद्यमान GTM-1 Omni मॉडेलशी जोडते, ज्याचा दावा आहे की ते go-to-market (GTM) उद्देशांसाठी विशेषतः तयार केलेले पहिले आणि एकमेव एजंटिक AI मॉडेल आहे. याचा अर्थ विक्री, विपणन आणि ग्राहक संबंध व्यवस्थापन यांसारख्या क्षेत्रांमध्ये एजंटिक AI लागू करण्यावर लक्ष केंद्रित करणे आहे – ही क्षेत्रे ऑटोमेशन आणि डेटा-आधारित ऑप्टिमायझेशनसाठी योग्य आहेत. Landbase चे CEO, Daniel Saks यांनी या विशेष मॉडेलसाठी नवोपक्रम चालविण्यासाठी तज्ञ टीमच्या महत्त्वावर जोर दिला.

Applied AI Lab प्रभावी एजंटिक सिस्टीमसाठी महत्त्वपूर्ण असलेल्या विशिष्ट प्रकारच्या मॉडेल्सच्या विकासावर आपले प्रयत्न केंद्रित करेल:

• Planning and Decision-Making Models: एजंटना ध्येय निश्चित करण्यास, धोरणे आखण्यास आणि योग्य कृती निवडण्यास सक्षम करणारी मुख्य बुद्धिमत्ता.
• Messaging Generation Models: विक्री पोहोच किंवा ग्राहक समर्थनासारख्या कार्यांसाठी संदर्भितपणे संबंधित आणि प्रभावी संप्रेषण तयार करण्यास सक्षम AI.
• Prediction and Reward Models: एजंटना परिणामांचा अंदाज लावण्यास, भिन्न कृतींच्या संभाव्य यशाचे मूल्यांकन करण्यास आणि त्यांच्या अनुभवातून शिकण्यास मदत करणाऱ्या सिस्टीम.

या समर्पित लॅबची स्थापना उच्च-मूल्याच्या व्यवसाय अनुप्रयोगांवर लक्ष केंद्रित करणाऱ्या विशेषीकृत AI कंपन्यांच्या वाढत्या प्रवृत्तीला अधोरेखित करते, विशेषतः मुख्य कार्यात्मक कार्ये बदलण्यासाठी स्वायत्त एजंटच्या क्षमतेचा फायदा घेते.

हार्डवेअरमधील अंतर भरून काढणे: webAI आणि MacStadium ची Apple Silicon उपयोजनासाठी भागीदारी

शेवटी, सर्व AI विकासाचा आधार असलेल्या महत्त्वपूर्ण पायाभूत सुविधांच्या स्तरावर लक्ष केंद्रित करताना, AI सोल्यूशन्स कंपनी webAI आणि एंटरप्राइझ क्लाउड प्रदाता MacStadium यांनी धोरणात्मक भागीदारीची घोषणा केली. त्यांच्या सहकार्याचे उद्दिष्ट एका महत्त्वपूर्ण आव्हानाला सामोरे जाणे आहे: मोठे, शक्तिशाली AI मॉडेल्स कार्यक्षमतेने तैनात करणे, विशेषतः हार्डवेअर मर्यादांचा सामना करणाऱ्या किंवा पारंपरिक GPU-केंद्रित क्लाउड इन्फ्रास्ट्रक्चरला पर्याय शोधणाऱ्या व्यवसायांसाठी.

या भागीदारीने Apple silicon तंत्रज्ञानाचा वापर करून मोठे AI मॉडेल्स तैनात करण्यासाठी डिझाइन केलेले एक नवीन प्लॅटफॉर्म सादर केले आहे. MacStadium Apple च्या Mac हार्डवेअरवर आधारित क्लाउड इन्फ्रास्ट्रक्चर प्रदान करण्यात माहिर आहे, ज्यात शक्तिशाली M-सिरीज चिप्स (Apple silicon) असलेल्या मशीनचा समावेश आहे. या चिप्स, त्यांच्या CPU, GPU आणि Neural Engine ला एकत्रित करणाऱ्या आर्किटेक्चरसाठी ओळखल्या जातात, प्रति वॅट प्रभावी कार्यप्रदर्शन देतात, संभाव्यतः पारंपरिक सर्व्हर हार्डवेअरच्या तुलनेत विशिष्ट AI वर्कलोडसाठी अधिक संगणकीयदृष्ट्या कार्यक्षम प्लॅटफॉर्म प्रदान करतात.

या सहकार्याचे उद्दिष्ट AI उपयोजनासाठी ही क्षमता अनलॉक करणे आहे. MacStadium च्या macOS क्लाउड वातावरणातील कौशल्याला webAI च्या ‘interconnected model approach’ (ज्याचे तपशील अधिक माहितीची आवश्यकता दर्शवतात परंतु संभाव्यतः मॉडेल वर्कलोड ऑप्टिमाइझ करण्यासाठी किंवा वितरित करण्यासाठी तंत्रांचा संदर्भ देतात) सह एकत्रित करून, भागीदारांचा उद्देश एक असे प्लॅटफॉर्म तयार करणे आहे जे संस्था कशा प्रकारे प्रगत AI सिस्टीम विकसित करतात आणि तैनात करतात, विशेषतः Apple हार्डवेअरवर, हे बदलेल. हे विशेषतः Apple इकोसिस्टीममध्ये आधीच मोठ्या प्रमाणात गुंतवणूक केलेल्या संस्थांसाठी किंवा प्रमुख क्लाउड प्रदात्यांकडून महागड्या GPU क्षमतेचे भाडे घेण्याऐवजी किफायतशीर, ऊर्जा-कार्यक्षम पर्याय शोधणाऱ्यांसाठी आकर्षक असू शकते.

MacStadium चे CEO, Ken Tacelli यांनी या भागीदारीला Apple च्या हार्डवेअर इन्फ्रास्ट्रक्चरद्वारे एंटरप्राइझमध्ये AI क्षमता आणण्यात एक ‘महत्वपूर्ण मैलाचा दगड’ म्हणून संबोधले. हा उपक्रम अधिक संगणकीय कार्यक्षमता आणि कार्यप्रदर्शन देण्याचे वचन देतो, संभाव्यतः हार्डवेअर खर्च किंवा उपलब्धतेमुळे पूर्वी मर्यादित असलेल्या व्यवसायांसाठी मोठ्या AI मॉडेल उपयोजनात लोकशाहीकरण करतो. ही भागीदारी आधुनिक कृत्रिम बुद्धिमत्तेच्या वाढत्या मागणी असलेल्या संगणकीय गरजा पूर्ण करण्यासाठी विविध आणि कार्यक्षम हार्डवेअर सोल्यूशन्सच्या सततच्या शोधावर प्रकाश टाकते, प्रबळ GPU पॅराडाइमच्या पलीकडे असलेल्या आर्किटेक्चरचा शोध घेते. हे सूचित करते की AI इन्फ्रास्ट्रक्चरचे भविष्य पूर्वी गृहीत धरल्यापेक्षा अधिक विषम असू शकते, ज्यात Apple च्या विशेष सिलिकॉनसह पारंपरिक डेटा सेंटर हार्डवेअरचा समावेश असेल.