கூகிள் Ironwood: சூப்பர் கம்ப்யூட்டரைவிட 24 மடங்கு மேல்

கூகிளின் ஏழாவது தலைமுறை டென்சர் செயலாக்க அலகு (TPU) ஆன ஐயன்வுட் அறிமுகப்படுத்தப்பட்டதன் மூலம் செயற்கை நுண்ணறிவு (AI) செயலாக்கத்தின் களம் கணிசமாக மாற்றியமைக்கப்பட்டுள்ளது. இந்த அதிநவீன AI முடுக்கி, பெரிய அளவிலான வரிசைப்படுத்தல்களில், உலகின் அதிவேக சூப்பர் கம்ப்யூட்டரை விட 24 மடங்கு அதிகமாக கணக்கீட்டு திறன்களை கொண்டுள்ளது.

கூகிள் கிளவுட் நெக்ஸ்ட் ‘25 மாநாட்டில் வெளியிடப்பட்ட இந்த புதிய சிப், AI சிப் வளர்ச்சியில் கூகிளின் பத்தாண்டுகால மூலோபாயத்தில் ஒரு முக்கியமான தருணத்தை குறிக்கிறது. AI பயிற்சி மற்றும் அனுமானம் இரண்டிற்கும் முதன்மையாக வடிவமைக்கப்பட்ட அதன் முன்னோடிகளைப் போலல்லாமல், Ironwood குறிப்பாக அனுமானத்திற்காக வடிவமைக்கப்பட்டுள்ளது, இது AI வரிசைப்படுத்தல் செயல்திறனை மேம்படுத்துவதற்கான ஒரு மூலோபாய மாற்றத்தைக் குறிக்கிறது.

கூகிளின் துணைத் தலைவர் மற்றும் இயந்திர கற்றல், அமைப்புகள் மற்றும் கிளவுட் AI பொது மேலாளர் அமின் வாஹ்தாட் இந்த மாற்றத்திற்கு முக்கியத்துவம் கொடுத்து இவ்வாறு கூறினார், ‘ஜெனரேட்டிவ் AI மற்றும் அதன் மிகப்பெரிய கணக்கீடு மற்றும் தொடர்பு தேவைகளை ஆதரிக்க Ironwood வடிவமைக்கப்பட்டுள்ளது. AI முகவர்கள் தரவை வெறுமனே செயலாக்குவதற்குப் பதிலாக, நுண்ணறிவுகளையும் பதில்களையும் ஒத்துழைப்புடன் வழங்க தரவை முன்கூட்டியே மீட்டெடுத்து உருவாக்கும் ‘அனுமான சகாப்தம்’ என்று இதை நாங்கள் அழைக்கிறோம்.’

42.5 எக்ஸாஃப்ளாப்ஸ் கம்ப்யூட்டிங் சக்தியுடன் தடைகளை உடைக்கிறது

Ironwood இன் தொழில்நுட்ப விவரக்குறிப்புகள் உண்மையிலேயே ஈர்க்கக்கூடியவை. 9,216 சிப்களின் ஒரு பாட் அளவிற்கு அளவிடப்படும்போது, அது 42.5 எக்ஸாஃப்ளாப்ஸ் AI கணக்கீட்டை வழங்குகிறது. இதை ஒரு முன்னோக்குக்கு கொண்டுவர, இது தற்போதைய உலகின் அதிவேக சூப்பர் கம்ப்யூட்டரான எல் காபிட்டானை விட மிக அதிகமானது, இது 1.7 எக்ஸாஃப்ளாப்ஸில் இயங்குகிறது. ஒவ்வொரு தனி Ironwood சிப்பும் 4614 TFLOP களின் உச்ச கணக்கீட்டு திறனை அடைய முடியும்.

மூல செயலாக்க சக்திக்கு அப்பால், Ironwood நினைவகம் மற்றும் அலைவரிசையை கணிசமாக மேம்படுத்துகிறது. ஒவ்வொரு சிப்பும் 192GB உயர் அலைவரிசை நினைவகத்துடன் (HBM) பொருத்தப்பட்டுள்ளது, இது கடந்த ஆண்டு வெளியான முந்தைய தலைமுறை TPU, Trillium ஐ விட ஆறு மடங்கு அதிகரித்துள்ளது. சிப்பிற்கு நினைவக அலைவரிசை 7.2 டெராபிட்கள் / வினாடியை எட்டும், இது டிரில்லியத்தை விட 4.5 மடங்கு அதிகமாகும்.

• கணக்கீட்டு சக்தி: 42.5 எக்ஸாஃப்ளாப்ஸ் (9,216 சிப்களின் ஒரு பாட்டிற்கு)
• சிப்பிற்கு அதிகபட்ச கணக்கீடு: 4614 TFLOP கள்
• நினைவகம்: சிப்பிற்கு 192GB HBM
• நினைவக அலைவரிசை: சிப்பிற்கு 7.2 டெராபிட்கள் / வினாடி

தரவு மையங்கள் விரிவாக்கப்பட்டு, மின் நுகர்வு அதிகரித்து வரும் கவலையாக இருக்கும் ஒரு சகாப்தத்தில், Ironwood ஆற்றல் செயல்திறனிலும் குறிப்பிடத்தக்க முன்னேற்றங்களைக் காட்டுகிறது. இது டிரில்லியத்துடன் ஒப்பிடும்போது வாட்டிற்கு இரண்டு மடங்கு செயல்திறனையும், 2018 இல் அறிமுகப்படுத்தப்பட்ட முதல் TPU ஐ விட கிட்டத்தட்ட 30 மடங்கு அதிகமாகவும் வழங்குகிறது.

அனுமானத்திற்கான இந்த தேர்வுமுறை AI இன் பரிணாம வளர்ச்சியில் ஒரு முக்கியமான திருப்புமுனையை குறிக்கிறது. சமீபத்திய ஆண்டுகளில், முன்னணி AI ஆய்வகங்கள் அதிகரித்து வரும் அளவுரு எண்ணிக்கையுடன் பெருகிய முறையில் பெரிய அடித்தள மாதிரிகளை உருவாக்குவதில் கவனம் செலுத்தி வருகின்றன. கூகிள் அனுமான தேர்வுமுறையில் கவனம் செலுத்துவது வரிசைப்படுத்தல் செயல்திறன் மற்றும் அனுமான திறன்களை மையமாகக் கொண்ட ஒரு புதிய முன்னுதாரணத்தை நோக்கிய நகர்வை பரிந்துரைக்கிறது.

மாதிரி பயிற்சி அவசியம் என்றாலும், AI தொழில்நுட்பங்கள் பெருகிய முறையில் பரவலாக இருப்பதால், அனுமான செயல்பாடுகள் மிகவும் அடிக்கடி நிகழ்கின்றன, ஒவ்வொரு நாளும் பில்லியன்கணக்கான முறை நிகழ்கின்றன. AI ஐப் பயன்படுத்தும் வணிகங்களுக்கு, மாதிரிகள் மிகவும் சிக்கலானதாக இருப்பதால், பொருளாதாரம் அனுமான செலவுகளுடன் உள்ளார்ந்த முறையில் இணைக்கப்பட்டுள்ளது.

கூகிளின் AI கணக்கீட்டு தேவை கடந்த எட்டு ஆண்டுகளில் பத்து மடங்கு அதிகரித்து, 100 மில்லியனை எட்டியுள்ளது. Ironwood போன்ற சிறப்பு கட்டிடக்கலைகள் இல்லாமல், மூரின் சட்டத்தில் பாரம்பரிய முன்னேற்றங்கள் மூலம் இந்த வளர்ச்சிப் பாதையைத் தக்கவைக்க முடியாது.

குறிப்பாக, கூகிளின் அறிவிப்பு எளிய முறை அங்கீகாரத்தை விட சிக்கலான அனுமான பணிகளைச் செய்யக்கூடிய ‘நியாயப்படுத்தும் மாதிரிகளில்’ கவனம் செலுத்துவதை வலியுறுத்தியது. AI இன் எதிர்காலம் பெரிய மாதிரிகளில் மட்டுமல்ல, சிக்கல்களை உடைக்கக்கூடிய, பல-படி நியாயத்தில் ஈடுபடக்கூடிய மற்றும் மனிதனைப் போன்ற சிந்தனை செயல்முறைகளை பின்பற்றக்கூடிய மாதிரிகளிலும் உள்ளது என்று இது அறிவுறுத்துகிறது.

அடுத்த தலைமுறை பெரிய மாதிரிகளுக்கு சக்தியளிக்கிறது

கூகிள் Ironwood ஐ அதன் மிக மேம்பட்ட AI மாதிரிகளுக்கான அடித்தள உள்கட்டமைப்பாக நிலைநிறுத்துகிறது, இதில் அதன் சொந்த ஜெமினி 2.5 அடங்கும், இது ‘உள்ளூர் நியாயப்படுத்தும் திறன்களை’ கொண்டுள்ளது.

சமீபத்தில் நிறுவனம் ஜெமினி 2.5 ஃப்ளாஷ் அறிமுகப்படுத்தியது, இது அதன் முதன்மை மாதிரியின் சிறிய பதிப்பாகும், இது ‘தூண்டுதலின் சிக்கலான தன்மையின் அடிப்படையில் நியாயப்படுத்தும் ஆழத்தை சரிசெய்ய’ வடிவமைக்கப்பட்டுள்ளது. இந்த மாதிரி விரைவான மறுமொழி நேரங்கள் தேவைப்படும் அன்றாட பயன்பாடுகளுக்கு ஏற்றது.

கூகிள் அதன் விரிவான பல மாதிரி உருவாக்கும் தொகுப்பையும் காட்சிப்படுத்தியது, இதில் உரையிலிருந்து படம், உரையிலிருந்து வீடியோ மற்றும் புதிதாக வெளியிடப்பட்ட உரையிலிருந்து இசை திறன், லிரியா ஆகியவை அடங்கும். ஒரு விளம்பர வீடியோவை எவ்வாறு உருவாக்க முடியும் என்பதை ஒரு டெமோ விளக்கியது.

கூகிளின் பரந்த AI உள்கட்டமைப்பு மூலோபாயத்தின் ஒரு கூறு மட்டுமே Ironwood. கூகிள் கிளவுட் WAN ஐயும் நிறுவனம் அறிவித்தது, இது கூகிளின் உலகளாவிய அளவிலான தனியார் நெட்வொர்க் உள்கட்டமைப்பிற்கான அணுகலை நிறுவனங்களுக்கு வழங்கும் நிர்வகிக்கப்பட்ட பரந்த பகுதி நெட்வொர்க் சேவையாகும்.

கூகிள் AI வேலை சுமைகளுக்கான அதன் மென்பொருள் சலுகைகளையும் விரிவுபடுத்துகிறது, இதில் கூகிள் டீப்மைண்ட் உருவாக்கிய இயந்திர கற்றல் ரன்டைம் பாதைகள் அடங்கும். பாதைகள் இப்போது வாடிக்கையாளர்களுக்கு நூற்றுக்கணக்கான TPU களில் மாதிரி சேவையை அளவிட அனுமதிக்கிறது.

A2A ஐ அறிமுகப்படுத்துகிறது: அறிவார்ந்த முகவர் ஒத்துழைப்பின் சுற்றுச்சூழல் அமைப்பை வளர்ப்பது

வன்பொருள் முன்னேற்றங்களுக்கு அப்பால், கூகிள் பல முகவர் அமைப்புகளை மையமாகக் கொண்ட AI க்கான அதன் தொலைநோக்கை வழங்கியது, அறிவார்ந்த முகவர்களின் வளர்ச்சியை எளிதாக்க ஒரு நெறிமுறையை வெளியிட்டது: முகவர் முதல் முகவர் (A2A). இந்த நெறிமுறை வெவ்வேறு AI முகவர்களிடையே பாதுகாப்பான மற்றும் தரப்படுத்தப்பட்ட தொடர்புகளை ஊக்குவிக்க வடிவமைக்கப்பட்டுள்ளது.

2025 AI க்கு ஒரு மாற்றத்தக்க ஆண்டாக இருக்கும் என்று கூகிள் நம்புகிறது, ஜெனரேட்டிவ் AI இன் பயன்பாடு ஒற்றை கேள்விகளுக்கு பதிலளிப்பதில் இருந்து அறிவார்ந்த முகவர் அமைப்புகள் மூலம் சிக்கலான சிக்கல்களைத் தீர்ப்பதற்கு உருவாகிறது.

A2A நெறிமுறை தளங்கள் மற்றும் கட்டமைப்புகள் முழுவதும் செயல்படும் திறனை செயல்படுத்துகிறது, முகவர்களுக்கு ஒரு பொதுவான ‘மொழி’ மற்றும் பாதுகாப்பான தொடர்பு சேனல்களை வழங்குகிறது. இந்த நெறிமுறை அறிவார்ந்த முகவர்களுக்கான நெட்வொர்க் அடுக்காகக் காணலாம், இது சிக்கலான பணிப்பாய்வுகளில் முகவர் ஒத்துழைப்பை எளிதாக்குவதை நோக்கமாகக் கொண்டுள்ளது. இது மாறுபட்ட சிக்கலான மற்றும் கால அளவின் பணிகளில் ஒன்றாக வேலை செய்ய சிறப்பு AI முகவர்களை செயல்படுத்துகிறது, இறுதியில் ஒத்துழைப்பு மூலம் ஒட்டுமொத்த திறன்களை மேம்படுத்துகிறது.

A2A எவ்வாறு வேலை செய்கிறது

கூகிள் அதன் வலைப்பதிவு இடுகையில் MCP மற்றும் A2A நெறிமுறைகளுக்கு இடையே ஒரு ஒப்பீட்டை வழங்கியது:

• MCP (மாதிரி சூழல் நெறிமுறை): கருவி மற்றும் ஆதார மேலாண்மைக்கு
  • கட்டமைக்கப்பட்ட உள்ளீடு / வெளியீடு மூலம் முகவர்களை கருவிகள், API கள் மற்றும் ஆதாரங்களுடன் இணைக்கிறது.
  • கூகிள் ADK MCP கருவிகளை ஆதரிக்கிறது, பல்வேறு MCP சேவையகங்களை முகவர்களுடன் வேலை செய்ய உதவுகிறது.
• A2A (Agent2Agent நெறிமுறை): முகவர்களுக்கிடையேயான ஒத்துழைப்புக்கு
  • நினைவகம், ஆதாரங்கள் அல்லது கருவிகளைப் பகிராமல் முகவர்களிடையே மாறும் பல மாதிரி தொடர்புகளை செயல்படுத்துகிறது.
  • சமூகத்தால் இயக்கப்படும் ஒரு திறந்த தரநிலை.
  • கூகிள் ADK, LangGraph மற்றும் Crew.AI போன்ற கருவிகளைப் பயன்படுத்தி எடுத்துக்காட்டுகளைக் காணலாம்.

சாராம்சத்தில், A2A மற்றும் MCP ஆகியவை நிரப்பு. MCP முகவர்களுக்கு கருவி ஆதரவை வழங்குகிறது, அதே நேரத்தில் A2A இந்த பொருத்தப்பட்ட முகவர்கள் ஒருவருக்கொருவர் தொடர்பு கொள்ளவும் ஒத்துழைக்கவும் அனுமதிக்கிறது.

கூகிள் அறிவித்த கூட்டாளர்களின் பட்டியல் MCP ஐப் போன்ற கவனத்தைப் பெற A2A தயாராக உள்ளது என்று அறிவுறுத்துகிறது. இந்த முயற்சி அதன் ஆரம்ப ஒத்துழைப்பு குழுவிற்கு 50 க்கும் மேற்பட்ட நிறுவனங்களை ஏற்கனவே ஈர்த்துள்ளது, இதில் முன்னணி தொழில்நுட்ப நிறுவனங்கள் மற்றும் சிறந்த உலகளாவிய ஆலோசனை மற்றும் கணினி ஒருங்கிணைப்பு சேவை வழங்குநர்கள் அடங்கும்.

இந்த நெறிமுறையின் வெளிப்படைத்தன்மையை கூகிள் வலியுறுத்தியது, இது அடிப்படை தொழில்நுட்ப கட்டமைப்புகள் அல்லது சேவை வழங்குநர்களைப் பொருட்படுத்தாமல், முகவர்கள் ஒத்துழைப்பதற்கான நிலையான முறையாக நிலைநிறுத்துகிறது. அதன் கூட்டாளர்களுடன் நெறிமுறையை வடிவமைக்கும்போது பின்வரும் ஐந்து முக்கிய கொள்கைகளை கடைபிடித்ததாக நிறுவனம் கூறியது:

1. முகவர் திறன்களைத் தழுவுங்கள்: A2A முகவர்கள் தங்கள் இயற்கையான, கட்டமைப்பற்ற வழிகளில் ஒத்துழைக்க உதவுகிறது, அவர்கள் நினைவகம், கருவிகள் மற்றும் சூழலைப் பகிர்ந்து கொள்ளாவிட்டாலும் கூட. முகவர்களை வெறும் ‘கருவிகளாக’ கட்டுப்படுத்தாமல் உண்மையான பல முகவர் காட்சிகளை இயக்க வேண்டும் என்பதே குறிக்கோள்.
2. ஏற்கனவே உள்ள தரநிலைகளை உருவாக்குங்கள்: HTTP, SSE மற்றும் JSON-RPC உள்ளிட்ட ஏற்கனவே உள்ள பிரபலமான தரநிலைகளின் அடிப்படையில் நெறிமுறை உருவாக்குகிறது, இது நிறுவனங்களால் பயன்படுத்தப்படும் இருக்கும் IT அடுக்குகளுடன் ஒருங்கிணைப்பதை எளிதாக்குகிறது.
3. இயல்பாகவே பாதுகாப்பானது: A2A ஆனது நிறுவன தர அங்கீகாரம் மற்றும் அங்கீகாரத்தை ஆதரிக்க வடிவமைக்கப்பட்டுள்ளது, இது OpenAPI இன் அங்கீகாரத் திட்டங்களுடன் ஒப்பிடத்தக்கது.
4. நீண்ட கால பணிகளை ஆதரிக்கவும்: A2A விரைவான பணிகள் முதல் மணிநேரம் அல்லது நாட்கள் கூட ஆகக்கூடிய ஆழமான ஆராய்ச்சி வரை (மனிதர்கள் சம்பந்தப்பட்டிருக்கும் போது) பரவலான சூழ்நிலைகளை ஆதரிக்கும் நெகிழ்வுத்தன்மையுடன் வடிவமைக்கப்பட்டுள்ளது. இந்த செயல்முறை முழுவதும், A2A பயனர்களுக்கு நிகழ்நேர கருத்து, அறிவிப்புகள் மற்றும் நிலை புதுப்பிப்புகளை வழங்க முடியும்.
5. முறைமை அஞ்ஞானவாதி: முகவர்களின் உலகம் உரையுடன் மட்டுப்படுத்தப்படவில்லை, அதனால்தான் ஆடியோ மற்றும் வீடியோ ஸ்ட்ரீம்கள் உட்பட பல்வேறு முறைகளை ஆதரிக்க A2A வடிவமைக்கப்பட்டுள்ளது.

எடுத்துக்காட்டு: A2A வழியாக நெறிப்படுத்தப்பட்ட பணியமர்த்தல் செயல்முறை

கூகிள் வழங்கிய ஒரு எடுத்துக்காட்டு A2A எவ்வாறு பணியமர்த்தல் செயல்முறையை கணிசமாக நெறிப்படுத்த முடியும் என்பதை விளக்குகிறது.

Agentspace போன்ற ஒரு ஒருங்கிணைந்த இடைமுகத்திற்குள், பணியமர்த்தல் மேலாளர் வேலை தேவைகளின் அடிப்படையில் பொருத்தமான வேட்பாளர்களைக் கண்டறிய ஒரு முகவரை ஒதுக்க முடியும். இந்த முகவர் வேட்பாளர் ஆதாரத்தை முடிக்க குறிப்பிட்ட துறைகளில் உள்ள சிறப்பு முகவர்களுடன் தொடர்பு கொள்ளலாம். பயனர் நேர்காணல்களை திட்டமிட முகவருக்கு அறிவுறுத்தலாம் மற்றும் பின்னணி சோதனைகளுக்கு உதவ மற்ற சிறப்பு முகவர்களை செயல்படுத்தலாம், இதன் மூலம் முழுமையாக தானியங்கி, குறுக்கு-அமைப்பு கூட்டு பணியமர்த்தலை இயக்கலாம்.

MCP ஐ ஏற்றுக்கொள்வது: மாதிரி சூழல் நெறிமுறை சுற்றுச்சூழல் அமைப்பில் சேருவது

அதே நேரத்தில், கூகிள் MCP ஐயும் ஏற்றுக்கொள்கிறது. OpenAI Anthropic இன் மாதிரி சூழல் நெறிமுறையை (MCP) ஏற்றுக்கொண்டதாக அறிவித்த சில வாரங்களுக்குப் பிறகு, கூகிள் அதைப் பின்பற்றி முயற்சியில் சேர்ந்தது.

கூகிள் டீப்மைண்ட் CEO டெமிஸ் ஹசாபிஸ் கூகிள் அதன் ஜெமினி மாதிரிகள் மற்றும் SDK களுக்கு MCP க்கான ஆதரவைச் சேர்க்கும் என்று எக்ஸ் இல் அறிவித்தார், இருப்பினும் ஒரு குறிப்பிட்ட காலவரிசை வழங்கப்படவில்லை.

ஹசாபிஸ் கூறினார், ‘MCP ஒரு சிறந்த நெறிமுறை ஆகும், இது AI முகவர்களின் சகாப்தத்திற்கான திறந்த தரநிலையாக வேகமாக மாறி வருகிறது. MCP குழு மற்றும் இந்த தொழில்நுட்பத்தின் வளர்ச்சியை மேம்படுத்த தொழில்துறையில் உள்ள பிற கூட்டாளர்களுடன் இணைந்து பணியாற்ற நாங்கள் எதிர்நோக்குகிறோம்.’

நவம்பர் 2024 இல் வெளியிடப்பட்டதிலிருந்து, MCP விரைவாக பிரபலமடைந்துள்ளது மற்றும் பரவலான கவனத்தைப் பெற்றுள்ளது, இது மொழி மாதிரிகளை கருவிகள் மற்றும் தரவுடன் இணைப்பதற்கான எளிய மற்றும் தரப்படுத்தப்பட்ட வழியாக உருவெடுத்துள்ளது.

MCP ஆனது AI மாதிரிகள் தங்கள் பணிகளை முடிப்பதற்கும், உள்ளடக்க நூலகங்கள் மற்றும் பயன்பாட்டு மேம்பாட்டு சூழல்களுக்கு அணுகுவதற்கும் நிறுவன கருவிகள் மற்றும் மென்பொருள் போன்ற தரவு மூலங்களிலிருந்து தரவை அணுக உதவுகிறது. தரவு ஆதாரங்கள் மற்றும் சாட்போட்கள் போன்ற AI- இயங்கும் பயன்பாடுகளுக்கு இடையில் இரு திசை இணைப்புகளை நிறுவ நெறிமுறை டெவலப்பர்களை அனுமதிக்கிறது.

டெவலப்பர்கள் MCP சேவையகங்கள் மூலம் தரவு இடைமுகங்களை வெளிப்படுத்தலாம் மற்றும் இந்த சேவையகங்களுடன் இணைக்க MCP கிளையண்டுகளை (பயன்பாடுகள் மற்றும் பணிப்பாய்வுகள் போன்றவை) உருவாக்கலாம். Anthropic MCP ஐ திறந்த மூலமாக வெளியிட்டதிலிருந்து, பல நிறுவனங்கள் MCP ஆதரவை தங்கள் தளங்களில் ஒருங்கிணைத்துள்ளன.

முக்கிய கருத்துகளின் மேம்பட்ட முறிவு:

கூகிளின் சமீபத்திய அறிவிப்புகளின் தாக்கம் மற்றும் முக்கியத்துவத்தை மேலும் தெளிவுபடுத்த, முக்கிய கூறுகளை ஆழமாக ஆராய்வோம்: Ironwood, A2A மற்றும் MCP.

Ironwood: அனுமான சகாப்தத்தில் ஒரு ஆழமான மூழ்கல்

முதன்மையாக மாதிரிகளைப் பயிற்றுவிப்பதில் கவனம் செலுத்துவதில் இருந்து அனுமானத்திற்கான தேர்வுமுறையில் மாற்றம் செய்வது AI நிலப்பரப்பில் ஒரு முக்கியமான பரிணாம வளர்ச்சியாகும். பயிற்சி என்பது மாதிரிகள் patterns களை அடையாளம் காணவும் கணிப்புகளைச் செய்யவும் கற்றுக்கொடுப்பதற்காக அதிக அளவிலான தரவை ஊட்டுவதை உள்ளடக்குகிறது. மறுபுறம், அனுமானம் என்பது புதிய, கண்ணுக்கு தெரியாத தரவுகளில் கணிப்புகளைச் செய்ய பயிற்சி பெற்ற மாதிரியைப் பயன்படுத்துவதற்கான செயல்முறையாகும்.

பயிற்சி ஒரு வள-தீவிர, ஒரு முறை (அல்லது அடிக்கடி நிகழாத) நிகழ்வு என்றாலும், அனுமானம் உண்மையான பயன்பாடுகளில் தொடர்ச்சியாகவும் அளவிலும் நிகழ்கிறது. போன்ற பயன்பாடுகளைக் கவனியுங்கள்:

• சாட்போட்கள்: பயனர் வினவல்களுக்கு நிகழ்நேரத்தில் பதிலளிக்கிறது.
• பரிந்துரை அமைப்புகள்: பயனர் விருப்பங்களின் அடிப்படையில் தயாரிப்புகள் அல்லது உள்ளடக்கத்தைப் பரிந்துரைக்கிறது.
• மோசடி கண்டறிதல்: மோசடியான பரிவர்த்தனைகள் ஏற்படும்போது கண்டறிவது.
• பட அங்கீகாரம்: பொருள்கள், மக்கள் அல்லது காட்சிகளை அடையாளம் காண படங்களை பகுப்பாய்வு செய்கிறது.

இந்த பயன்பாடுகளுக்கு ஒரு தடையற்ற பயனர் அனுபவத்தை வழங்க விரைவான, திறமையான அனுமானம் தேவைப்படுகிறது. இந்த பணிகளில் சிறப்பாக செயல்பட Ironwood குறிப்பாக வடிவமைக்கப்பட்டுள்ளது.

அனுமானத்திற்கான Ironwood இன் முக்கிய நன்மைகள்:

• அதிக த்ரூபுட்: பாரிய கணக்கீட்டு சக்தி (42.5 எக்ஸாஃப்ளாப்ஸ்) ஒரே நேரத்தில் அதிக அளவிலான அனுமான கோரிக்கைகளை கையாள Ironwood ஐ அனுமதிக்கிறது.
• குறைந்த தாமதம்: அதிக அலைவரிசை நினைவகம் (HBM) மற்றும் திறமையான கட்டிடக்கலை ஆகியவை ஒவ்வொரு அனுமான கோரிக்கையையும் செயலாக்க எடுக்கும் நேரத்தை குறைக்கிறது.
• ஆற்றல் திறன்: வாட்டிற்கு மேம்படுத்தப்பட்ட செயல்திறன் பெரிய அளவிலான அனுமான வரிசைப்படுத்தல்களை இயக்குவதுடன் தொடர்புடைய செயல்பாட்டு செலவுகளைக் குறைக்கிறது.

அனுமானத்திற்காக தேர்வு செய்வதன் மூலம், AI-இயங்கும் பயன்பாடுகளை மிகவும் திறமையாகவும் செலவு குறைந்ததாகவும் வரிசைப்படுத்த கூகிள் வணிகங்களை இயக்குகிறது.

A2A: கூட்டு AI க்கான அடித்தளம்

முகவர் முதல் முகவர் (A2A) நெறிமுறை மிகவும் அதிநவீன மற்றும் கூட்டு AI அமைப்புகளை உருவாக்குவதற்கான ஒரு குறிப்பிடத்தக்க படியைக் குறிக்கிறது. பல முகவர் அமைப்பில், பல AI முகவர்கள் ஒரு சிக்கலான சிக்கலைத் தீர்க்க ஒன்றாக வேலை செய்கிறார்கள். ஒவ்வொரு முகவருக்கும் அதன் சொந்த சிறப்பு திறன்கள் மற்றும் அறிவு இருக்கலாம், மேலும் அவை ஒரு பொதுவான இலக்கை அடைய ஒருவருக்கொருவர் தொடர்பு கொண்டு ஒருங்கிணைக்கின்றன.

தானியங்கி வாடிக்கையாளர் ஆதரவு தொடர்பான ஒரு சூழ்நிலையைக் கவனியுங்கள்:

• முகவர் 1: வாடிக்கையாளரின் ஆரம்ப வினவலைப் புரிந்துகொண்டு அடிப்படை சிக்கலை அடையாளம் காட்டுகிறது.
• முகவர் 2: தொடர்புடைய தகவல்களைக் கண்டறிய அறிவுத் தளத்தை அணுகுகிறது.
• முகவர் 3: தேவைப்பட்டால் ஒரு மனித முகவருடன் பின்தொடர்தல் சந்திப்பை திட்டமிடுகிறது.

ஒரு ஒத்திசைவான வாடிக்கையாளர் அனுபவத்தை வழங்க இந்த முகவர்கள் தடையின்றி தொடர்புகொண்டு தகவல்களைப் பகிர வேண்டும். இந்த வகை ஒத்துழைப்பிற்கான கட்டமைப்பை A2A வழங்குகிறது.

A2A இன் முக்கிய நன்மைகள்:

• செயல்படும் திறன்: வெவ்வேறு தளங்கள் மற்றும் கட்டமைப்புகளில் உருவாக்கப்பட்ட முகவர்கள் ஒருவருக்கொருவர் தொடர்பு கொள்ள அனுமதிக்கிறது.
• தரப்படுத்தல்: முகவர் தொடர்புக்கு ஒரு பொதுவான ‘மொழி’ மற்றும் நெறிமுறைகளின் தொகுப்பை வழங்குகிறது.
• பாதுகாப்பு: முகவர்களிடையே பாதுகாப்பான தொடர்புகளை உறுதி செய்கிறது, முக்கியமான தரவைப் பாதுகாக்கிறது.
• நெகிழ்வுத்தன்மை: உரை, ஆடியோ மற்றும் வீடியோ உட்பட பரவலான தொடர்பு முறைகளை ஆதரிக்கிறது.

AI முகவர்களிடையே ஒத்துழைப்பை வளர்ப்பதன் மூலம், மிகவும் சக்திவாய்ந்த மற்றும் பல்துறை AI அமைப்புகளின் வளர்ச்சியை A2A செயல்படுத்துகிறது.

MCP: AI மற்றும் தரவுக்கிடையேயான இடைவெளியை இணைக்கிறது

மாதிரி சூழல் நெறிமுறை (MCP) AI மாதிரிகள் தங்கள் பணிகளை திறம்படச் செய்யத் தேவையான அதிக அளவிலான தரவுடன் இணைக்கும் சவாலை எதிர்கொள்கிறது. AI மாதிரிகள் துல்லியமான கணிப்புகளைச் செய்து தகவலறிந்த முடிவுகளை எடுக்க தரவுத்தளங்கள், API கள் மற்றும் கிளவுட் சேவைகள் போன்ற பல்வேறு ஆதாரங்களிலிருந்து நிகழ்நேரத் தரவை அணுக வேண்டும்.

இந்தத் தரவு மூலங்களை அணுகவும் தொடர்பு கொள்ளவும் MCP AI மாதிரிகளுக்குத் தரப்படுத்தப்பட்ட வழியை வழங்குகிறது. இது இதற்கான நெறிமுறைகளின் தொகுப்பை வரையறுக்கிறது:

• தரவு கண்டுபிடிப்பு: கிடைக்கக்கூடிய தரவு மூலங்களை அடையாளம் காட்டுதல்.
• தரவு அணுகல்: தரவு மூலங்களிலிருந்து தரவை மீட்டெடுப்பது.
• தரவு மாற்றம்: AI மாதிரி புரிந்து கொள்ளக்கூடிய வடிவமாக தரவை மாற்றுவது.

தரவு அணுகலுக்கு தரப்படுத்தப்பட்ட இடைமுகத்தை வழங்குவதன் மூலம், உண்மையான தரவுகளுடன் AI மாதிரிகளை ஒருங்கிணைக்கும் செயல்முறையை MCP எளிதாக்குகிறது.

MCP இன் முக்கிய நன்மைகள்:

• எளிமையான ஒருங்கிணைப்பு: தரவு மூலங்களுடன் AI மாதிரிகளை இணைப்பதை எளிதாக்குகிறது.
• தரப்படுத்தல்: தரவு அணுகலுக்கான நெறிமுறைகளின் பொதுவான தொகுப்பை வழங்குகிறது.
• அதிகரித்த திறன்: தரவை அணுகவும் மாற்றவும் தேவையான நேரம் மற்றும் முயற்சியைக் குறைக்கிறது.
• மேம்படுத்தப்பட்ட துல்லியம்: AI மாதிரிகள் மிகவும் புதுப்பித்த தகவல்களை அணுக உதவுகிறது, இது மிகவும் துல்லியமான கணிப்புகளுக்கு வழிவகுக்கிறது.

AI மாதிரிகள் தங்களுக்குத் தேவையான தரவை இணைப்பதன் மூலம், அவற்றை மிகவும் திறம்படச் செய்து அதிக மதிப்பை வழங்க MCP உதவுகிறது.