Google-இன் Gemma 3: சக்திவாய்ந்த திறந்த மூல AI

செயற்கை நுண்ணறிவுத் துறை தொடர்ந்து மாறிக்கொண்டே இருக்கிறது, மேலும் அதிநவீன மாதிரிகளின் வருகையால் இது குறிக்கப்படுகிறது. ஆயினும்கூட, மூல சக்திக்கும் அணுகல்தன்மைக்கும் இடையில் ஒரு நிலையான பதற்றம் நிலவுகிறது. Google இந்த அரங்கில் Gemma 3 உடன் உறுதியாக காலடி எடுத்து வைத்துள்ளது, இது ஒரு குறிப்பிட்ட, அழுத்தமான குறிக்கோளுடன் வடிவமைக்கப்பட்ட திறந்த மூல AI மாதிரிகளின் குடும்பமாகும்: உயர்நிலை செயல்திறனை வழங்குவது, ஒருவேளை ஒற்றை கிராபிக்ஸ் செயலாக்க அலகு (GPU) இல் கூட. இந்த முயற்சி Google-இன் ஒரு குறிப்பிடத்தக்க நகர்வைக் குறிக்கிறது, இது மூடிய, தனியுரிம அமைப்புகளுக்கு ஒரு சக்திவாய்ந்த மாற்றீட்டை வழங்குகிறது மற்றும் மேம்பட்ட AI திறன்களுக்கான அணுகலை ஜனநாயகப்படுத்தக்கூடும். AI-இன் பரிணாம வளர்ச்சியைக் கண்காணிப்பவர்களுக்கு, குறிப்பாக சக்திவாய்ந்த மற்றும் நிர்வகிக்கக்கூடிய மாதிரிகளை நோக்கிய போக்கைக் கவனிப்பவர்களுக்கு, Gemma 3 நெருக்கமான கவனத்திற்குரியது.

Gemma 3 முன்மொழிவைப் புரிந்துகொள்வது

அதன் மையத்தில், Gemma 3 என்பது Google-இன் பாரிய, முதன்மை Gemini மாதிரிகளின் அடிப்படையிலான மேம்பட்ட தொழில்நுட்பத்தை மேலும் அணுகக்கூடிய வடிவத்தில் வடித்தெடுக்கும் முயற்சியைக் குறிக்கிறது. பெரிய அளவிலான அமைப்புகளுக்காக உருவாக்கப்பட்ட முக்கிய நுண்ணறிவை எடுத்து, டெவலப்பர்கள் மற்றும் ஆராய்ச்சியாளர்கள் பதிவிறக்கம் செய்து, ஆய்வு செய்து, தாங்களாகவே இயக்கக்கூடிய பதிப்புகளாக அதைச் செம்மைப்படுத்துவதாக நினைத்துப் பாருங்கள். இந்த ‘திறந்த’ அணுகுமுறை முக்கியமானது. கார்ப்பரேட் API-களுக்குப் பின்னால் பூட்டப்பட்ட மாதிரிகளைப் போலல்லாமல், Gemma 3-இன் எடைகள் (மாதிரியின் கற்றறிந்த அறிவை வரையறுக்கும் அளவுருக்கள்) கிடைக்கின்றன, இது உள்ளூர் வரிசைப்படுத்தலை அனுமதிக்கிறது - மடிக்கணினிகள், சேவையகங்கள் அல்லது அதிக விவரக்குறிப்பு கொண்ட மொபைல் சாதனங்களில் கூட.

இந்தத் திறந்த தன்மை வெளிப்படைத்தன்மை மற்றும் கட்டுப்பாட்டை வளர்க்கிறது, பயனர்கள் குறிப்பிட்ட பணிகளுக்காக மாதிரிகளைச் சரிசெய்ய அல்லது API-அடிப்படையிலான அணுகலுடன் தொடர்புடைய பயன்பாட்டுக் கட்டணங்கள் இன்றி பயன்பாடுகளில் ஒருங்கிணைக்க உதவுகிறது. இதன் வாக்குறுதி கணிசமானது: வழக்கமான உள்கட்டமைப்பு அல்லது செலவுத் தடைகள் இல்லாமல் உயர்மட்ட AI திறன்கள். Google குறியீட்டை மட்டும் வெளியிடவில்லை; இது பல்வேறு வன்பொருள் கட்டமைப்புகளில் திறமையாக இயங்கும் வகையில் வடிவமைக்கப்பட்ட கருவிகளின் தொகுப்பை வெளியிடுகிறது, மேம்பட்ட AI-ஐ முன்னெப்போதையும் விட அடையக்கூடியதாக மாற்றுகிறது. மிகப்பெரிய மறு செய்கையான Gemma 3 27B, இதற்கு ஒரு சான்றாக நிற்கிறது, செயல்திறனில் அதன் வடிவமைப்பு முக்கியத்துவம் இருந்தபோதிலும், தர அளவீடுகளின் அடிப்படையில் முன்னணி திறந்த மாதிரிகளுக்கு எதிராகப் போட்டியிடும் வகையில் தன்னை நிலைநிறுத்துகிறது.

Gemma 3 குடும்பத்தை ஆராய்தல்: அளவு மற்றும் திறன்

Google, Gemma 3-ஐ பல்வேறு அளவுகளில் வழங்குகிறது, இது பல்வேறு தேவைகள் மற்றும் கணினி வளங்களைப் பூர்த்தி செய்கிறது. இந்த குடும்பத்தில் 1 பில்லியன் (1B), 4 பில்லியன் (4B), 12 பில்லியன் (12B), மற்றும் 27 பில்லியன் (27B) அளவுருக்கள் கொண்ட மாதிரிகள் அடங்கும். பெரிய மொழி மாதிரிகளின் துறையில், ‘அளவுருக்கள்’ என்பது மாதிரி கணிப்புகளைச் செய்வதற்கும் உரையை உருவாக்குவதற்கும் பயன்படுத்தும் கற்றறிந்த மாறிகளைக் குறிக்கிறது. பொதுவாக, அதிக அளவுரு எண்ணிக்கை அதிக சிக்கலான தன்மை, நுணுக்கம் மற்றும் சாத்தியமான திறனுடன் தொடர்புடையது, ஆனால் அதிக கணினி சக்தி மற்றும் நினைவகத்தையும் கோருகிறது.

• சிறிய மாதிரிகள் (1B, 4B): இவை வளங்கள் குறைவாக உள்ள சூழல்களுக்காக வடிவமைக்கப்பட்டுள்ளன. அவை செயல்திறன் மற்றும் செயல்திறனின் சமநிலையை வழங்குகின்றன, மடிக்கணினிகள் அல்லது எட்ஜ் சாதனங்கள் போன்ற வரையறுக்கப்பட்ட நினைவகம் அல்லது செயலாக்க சக்தி கொண்ட சாதனங்களில் பணிகளுக்கு ஏற்றவை. அவற்றின் பெரிய உடன்பிறப்புகளைப் போல சக்திவாய்ந்ததாக இல்லாவிட்டாலும், அவை குறிப்பிடத்தக்க AI திறன்களை வழங்குகின்றன.
• நடுத்தர மாதிரி (12B): இந்த மாதிரி ஒரு அழுத்தமான சமநிலையைத் தாக்குகிறது, சிறிய பதிப்புகளை விட கணிசமாக அதிக சக்தியை வழங்குகிறது, அதே நேரத்தில் பெரியதை விட நிர்வகிக்கக்கூடியதாக இருக்கிறது. உரை உருவாக்கம், மொழிபெயர்ப்பு மற்றும் சுருக்கம் உள்ளிட்ட பல பொதுவான AI பணிகளுக்கு இது ஒரு வலுவான வேட்பாளர், இது பெரும்பாலும் நுகர்வோர் தர அல்லது புரோசூமர் GPU-களில் இயங்கக்கூடியது.
• முதன்மை மாதிரி (27B): இது குடும்பத்தின் ஆற்றல் மையமாகும், இது உயர்மட்ட திறந்த மாதிரிகளுடன் போட்டித்தன்மை வாய்ந்த செயல்திறனை வழங்க வடிவமைக்கப்பட்டுள்ளது. அதன் குறிப்பிடத்தக்க அளவுரு எண்ணிக்கை மிகவும் அதிநவீன பகுத்தறிவு, புரிதல் மற்றும் உருவாக்கத்தை செயல்படுத்துகிறது. முக்கியமாக, இந்த பெரிய மாதிரி கூட ஒற்றை, உயர்நிலை GPU-இல் வரிசைப்படுத்த உகந்ததாக உள்ளது என்று Google வலியுறுத்துகிறது, இது விநியோகிக்கப்பட்ட கணினி கிளஸ்டர்கள் தேவைப்படும் மாதிரிகளுடன் ஒப்பிடும்போது அதன் அணுகலை விரிவுபடுத்தும் ஒரு குறிப்பிடத்தக்க சாதனையாகும்.

இந்த அடுக்கு அணுகுமுறை பயனர்கள் தங்கள் குறிப்பிட்ட பயன்பாடு மற்றும் வன்பொருள் கட்டுப்பாடுகளுக்கு மிகவும் பொருத்தமான மாதிரியைத் தேர்ந்தெடுக்க அனுமதிக்கிறது, இது Gemma 3-ஐ ஒரே அளவு அனைவருக்கும் பொருந்தும் தீர்வைக் காட்டிலும் பல்துறை கருவித்தொகுப்பாக மாற்றுகிறது. பெரிய மாதிரிகள் ‘புத்திசாலித்தனமாக’ இருக்கும் ஆனால் அதிக குதிரைத்திறன் தேவைப்படும் என்ற பொதுவான கொள்கை உள்ளது. இருப்பினும், Google செய்த தேர்வுமுறைப் பணி, 27B மாதிரி கூட உடனடியாகக் கிடைக்கும் வன்பொருளில் சாத்தியமானவற்றின் எல்லைகளைத் தள்ளுகிறது என்பதைக் குறிக்கிறது.

Gemma 3-இன் முக்கிய திறன்களை வெளிக்கொணர்வது

வெவ்வேறு மாதிரி அளவுகளுக்கு அப்பால், Gemma 3 பல மேம்பட்ட அம்சங்களை உள்ளடக்கியுள்ளது, இது அதன் பயன்பாட்டை மேம்படுத்துகிறது மற்றும் நெரிசலான AI துறையில் அதை வேறுபடுத்துகிறது. இந்த திறன்கள் எளிய உரை உருவாக்கத்திற்கு அப்பால் நீண்டு, மிகவும் சிக்கலான மற்றும் பல்துறை பயன்பாடுகளை செயல்படுத்துகின்றன.

பன்முக புரிதல்: உரைக்கு அப்பால்

ஒரு தனித்துவமான அம்சம், குறிப்பாக ஒரு திறந்த மாதிரிக்கு, Gemma 3-இன் பன்முகத்தன்மை ஆகும். இதன் பொருள், மாதிரி ஒரே நேரத்தில் ஒன்றுக்கு மேற்பட்ட உள்ளீட்டு வகைகளிலிருந்து தகவல்களைச் செயலாக்கலாம் மற்றும் புரிந்து கொள்ளலாம், குறிப்பாக படங்களுடன் உரையை இணைத்து. பயனர்கள் ஒரு படத்தை வழங்கி அதைப் பற்றி கேள்விகளைக் கேட்கலாம் அல்லது உரை உருவாக்கத்திற்கான சூழலாக படங்களைப் பயன்படுத்தலாம். GPT-4 போன்ற பெரிய, மூடிய மாதிரிகளுக்கு வெளியே முன்னர் பற்றாக்குறையாக இருந்த இந்தத் திறன், பல சாத்தியங்களைத் திறக்கிறது: காட்சித் தரவை பகுப்பாய்வு செய்தல், பட தலைப்புகளை உருவாக்குதல், பார்வை சார்ந்த உரையாடல் அமைப்புகளை உருவாக்குதல் மற்றும் பல. இது உலகை மேலும் மனிதனைப் போன்ற வழியில் உணரவும் பகுத்தறியவும் கூடிய AI-ஐ நோக்கிய ஒரு குறிப்பிடத்தக்க படியைக் குறிக்கிறது.

விரிவாக்கப்பட்ட நினைவகம்: 128,000 டோக்கன் சூழல் சாளரம்

Gemma 3 ஒரு ஈர்க்கக்கூடிய 128,000 டோக்கன் சூழல் சாளரத்தைக் கொண்டுள்ளது. நடைமுறையில், ஒரு ‘டோக்கன்’ என்பது உரையின் ஒரு அலகு (தோராயமாக ஒரு சொல் அல்லது ஒரு சொல்லின் பகுதி). ஒரு பெரிய சூழல் சாளரம் என்பது ஒரு கோரிக்கையைச் செயலாக்கும்போது அல்லது உரையாடலில் ஈடுபடும்போது மாதிரி ஒரே நேரத்தில் ‘மனதில் கொள்ளக்கூடிய’ தகவலின் அளவைக் குறிக்கிறது. 128k சாளரம் Gemma 3-ஐ மிக நீண்ட உள்ளீடுகளைக் கையாள அனுமதிக்கிறது - நூற்றுக்கும் மேற்பட்ட பக்க உரைகளுக்குச் சமம். இது பின்வரும் பணிகளுக்கு முக்கியமானது:

• நீண்ட ஆவண பகுப்பாய்வு: விரிவான அறிக்கைகளைச் சுருக்குதல், சட்ட ஒப்பந்தங்களை பகுப்பாய்வு செய்தல் அல்லது முந்தைய விவரங்களைத் தவறவிடாமல் புத்தகங்களிலிருந்து தகவல்களைப் பிரித்தெடுத்தல்.
• நீடித்த உரையாடல்கள்: நீட்டிக்கப்பட்ட தொடர்புகளில் ஒத்திசைவைப் பேணுதல் மற்றும் தகவல்களை நினைவுபடுத்துதல்.
• சிக்கலான குறியீட்டுப் பணிகள்: பெரிய குறியீட்டுத் தளங்களைப் புரிந்துகொள்வது அல்லது விரிவான தேவைகளின் அடிப்படையில் சிக்கலான குறியீட்டுத் துணுக்குகளை உருவாக்குதல்.
  இந்த விரிவாக்கப்பட்ட நினைவகம், சிறிய சூழல் மாதிரிகள் போராடும் சிக்கலான, தகவல் நிறைந்த பணிகளைக் கையாள்வதற்கான Gemma 3-இன் திறனை கணிசமாக மேம்படுத்துகிறது.

பரந்த பன்மொழி ஆதரவு

உலகளாவிய பயன்பாட்டிற்காக வடிவமைக்கப்பட்ட Gemma 3, பெட்டியிலிருந்து 140-க்கும் மேற்பட்ட மொழிகளில் தேர்ச்சியுடன் வருகிறது. இந்த விரிவான பன்மொழித் திறன், பல்வேறு மொழியியல் சமூகங்களுக்கு சேவை செய்யும் பயன்பாடுகளை உருவாக்குவதற்கும், குறுக்கு மொழி மொழிபெயர்ப்புகளைச் செய்வதற்கும் அல்லது ஒவ்வொரு வழக்கிற்கும் தனித்தனி, மொழி சார்ந்த மாதிரிகள் தேவையில்லாமல் பன்மொழி தரவுத்தொகுப்புகளை பகுப்பாய்வு செய்வதற்கும் உடனடியாகப் பொருந்தும்.

கட்டமைக்கப்பட்ட தரவு வெளியீடு

AI-ஐ பயன்பாடுகளில் ஒருங்கிணைக்கும் டெவலப்பர்களுக்கு, கணிக்கக்கூடிய, இயந்திரம் படிக்கக்கூடிய வெளியீட்டைப் பெறுவது இன்றியமையாதது. Gemma 3, கோரப்படும்போது JSON (JavaScript Object Notation) போன்ற கட்டமைக்கப்பட்ட வடிவங்களில் பதில்களை வழங்க வடிவமைக்கப்பட்டுள்ளது. இது AI-இன் வெளியீட்டைப் பாகுபடுத்துவதற்கும், அதை நேரடியாக மற்ற மென்பொருள் கூறுகள், தரவுத்தளங்கள் அல்லது பணிப்பாய்வுகளுக்கு ஊட்டுவதற்கும் செயல்முறையை எளிதாக்குகிறது, பயன்பாட்டு மேம்பாட்டை நெறிப்படுத்துகிறது.

செயல்திறன் மற்றும் வன்பொருள் அணுகல்தன்மை

Gemma 3-இன் ஒரு முக்கிய வடிவமைப்பு கொள்கை கணினி செயல்திறன் ஆகும். Google இந்த மாதிரிகளை மேம்படுத்துவதில் பெரிதும் முதலீடு செய்துள்ளது, குறிப்பாக பெரிய 27B மாறுபாடு, ஒற்றை, உயர்நிலை GPU-இல் திறம்பட இயங்குகிறது. இது விலையுயர்ந்த, பல-GPU அமைப்புகள் அல்லது கிளவுட் அடிப்படையிலான கிளஸ்டர்களை அவசியமாக்கும் ஒத்த அளவிலான பல மாதிரிகளுடன் கூர்மையாக வேறுபடுகிறது. செயல்திறனில் இந்த கவனம் சக்திவாய்ந்த AI-ஐ வரிசைப்படுத்துவதற்கான நுழைவுத் தடையைக் குறைக்கிறது, இது சிறிய நிறுவனங்கள், ஆராய்ச்சியாளர்கள் அல்லது பொருத்தமான வன்பொருள் கொண்ட தனிநபர்களுக்கு கூட சாத்தியமாக்குகிறது. சிறிய பதிப்புகள் இன்னும் அணுகக்கூடியவை, போதுமான RAM கொண்ட மடிக்கணினிகளில் இயங்கும் திறன் கொண்டவை, சாத்தியமான பயனர் தளத்தை மேலும் விரிவுபடுத்துகின்றன.

ஒருங்கிணைந்த பாதுகாப்பு அம்சங்கள்

பொறுப்பான AI வரிசைப்படுத்தலின் முக்கியத்துவத்தை உணர்ந்து, Google பாதுகாப்பு பரிசீலனைகளை Gemma 3-இல் இணைத்துள்ளது. தீங்கு விளைவிக்கும் அல்லது பொருத்தமற்ற உள்ளடக்கத்தை வடிகட்டவும், மாதிரி நடத்தையை பாதுகாப்பு வழிகாட்டுதல்களுடன் சீரமைக்கவும் உதவும் ShieldGemma 2 போன்ற கருவிகளுக்கான அணுகல் இதில் அடங்கும். எந்த அமைப்பும் சரியானதாக இல்லாவிட்டாலும், பாதுகாப்பில் இந்த உள்ளமைக்கப்பட்ட கவனம், உருவாக்கும் AI உடன் தொடர்புடைய அபாயங்களைக் குறைக்க டெவலப்பர்களுக்கு கருவிகளை வழங்குகிறது.

திறந்த மாதிரி முன்னுதாரணம் மற்றும் வணிக உரிமம்

Google, Gemma 3-ஐ ஒரு திறந்த மாதிரியாக வெளியிடும் முடிவு குறிப்பிடத்தக்க தாக்கங்களைக் கொண்டுள்ளது. பயன்பாடு பொதுவாக API-கள் வழியாக அளவிடப்பட்டு கட்டுப்படுத்தப்படும் மூடிய அமைப்புகளைப் போலல்லாமல், திறந்த மாதிரிகள் வழங்குகின்றன:

• கட்டுப்பாடு: பயனர்கள் தங்கள் சொந்த உள்கட்டமைப்பில் மாதிரியை ஹோஸ்ட் செய்யலாம், தரவு தனியுரிமை மற்றும் செயல்பாட்டு அம்சங்கள் மீது முழுமையான கட்டுப்பாட்டை வழங்குகிறது.
• தனிப்பயனாக்கம்: முக்கிய பணிகள் அல்லது தொழில்களுக்கான செயல்திறனை வடிவமைக்க குறிப்பிட்ட தரவுத்தொகுப்புகளில் மாதிரி எடைகளைச் சரிசெய்யலாம்.
• செலவுத் திறன்: அதிக அளவு பயன்பாட்டிற்கு, சுய-ஹோஸ்டிங் என்பது API அழைப்புக்கு பணம் செலுத்துவதை விட கணிசமாக செலவு குறைந்ததாக இருக்கும், இருப்பினும் இதற்கு வன்பொருள் உள்கட்டமைப்பை நிர்வகிக்க வேண்டும்.
• வெளிப்படைத்தன்மை: ஆராய்ச்சியாளர்கள் மாதிரியின் கட்டமைப்பு மற்றும் நடத்தையை கருப்பு-பெட்டி அமைப்புகளை விட எளிதாக ஆராயலாம்.

Google, Gemma 3-ஐ வணிக பயன்பாட்டை அனுமதிக்கும் உரிமத்தின் கீழ் வழங்குகிறது, இருப்பினும் உரிம விதிமுறைகளில் கோடிட்டுக் காட்டப்பட்டுள்ள பொறுப்பான AI நடைமுறைகள் மற்றும் பயன்பாட்டு வழக்கு கட்டுப்பாடுகளைப் பின்பற்ற வேண்டும். இது வணிகங்கள் Gemma 3-ஐ வணிக தயாரிப்புகள் அல்லது சேவைகளில் உருவாக்க அனுமதிக்கிறது. இந்த அணுகுமுறை Meta-வின் LLaMA குடும்பம் போன்ற மாதிரிகளுடன் காணப்பட்ட உத்திகளைப் பிரதிபலிக்கிறது, ஆனால் உள்ளமைக்கப்பட்ட பன்முகத்தன்மை மற்றும் பெரிய மாதிரி வகைகளுக்கான ஒற்றை-GPU செயல்திறனில் வலுவான முக்கியத்துவம் போன்ற அம்சங்களுடன் அதை விரிவுபடுத்துகிறது. திறந்த தன்மை, திறன் மற்றும் வணிக நம்பகத்தன்மை ஆகியவற்றின் இந்த கலவையானது Gemma 3-ஐ உருவாக்கும் AI பயன்பாடுகளை ஆராயும் டெவலப்பர்கள் மற்றும் வணிகங்களுக்கு ஒரு அழுத்தமான விருப்பமாக மாற்றுகிறது.

Gemma 3-ஐ அணுகுவதற்கும் பயன்படுத்துவதற்கும் வழிகள்

Google, Gemma 3 மாதிரிகளுடன் தொடர்புகொள்வதற்கும் வரிசைப்படுத்துவதற்கும் பல வழிகளை எளிதாக்கியுள்ளது, சாதாரண பரிசோதனையாளர்கள் முதல் சிக்கலான அமைப்புகளில் AI-ஐ ஒருங்கிணைக்கும் அனுபவமுள்ள டெவலப்பர்கள் வரை வெவ்வேறு பயனர் வகைகளைப் பூர்த்தி செய்கிறது.

Google AI Studio: விரைவான தொடக்க விளையாட்டு மைதானம்

Gemma 3-ஐ உடனடியாக, குறியீடு இல்லாத வழியில் அனுபவிக்க விரும்புவோருக்கு, Google AI Studio ஒரு வலை அடிப்படையிலான இடைமுகத்தை வழங்குகிறது.

• அணுகல்தன்மை: இதற்கு Google கணக்கு மற்றும் இணைய உலாவி மட்டுமே தேவை.
• பயன்படுத்த எளிதானது: பயனர்கள் தளத்திற்குள் உள்ள கீழ்தோன்றும் மெனுவிலிருந்து Gemma 3 மாதிரி மாறுபாட்டை (எ.கா., Gemma 27B, Gemma 4B) தேர்ந்தெடுக்கலாம்.
• செயல்பாடு: இது பயனர்கள் உள்ளீட்டு புலத்தில் நேரடியாக தூண்டுதல்களைத் தட்டச்சு செய்து தேர்ந்தெடுக்கப்பட்ட Gemma 3 மாதிரியிலிருந்து பதில்களைப் பெற அனுமதிக்கிறது. இது விரைவான சோதனைகள், எழுதும் உதவி, யோசனை உருவாக்கம் அல்லது கேள்விகளுக்கு பதிலளிப்பது போன்ற பணிகளுக்கான மாதிரியின் திறன்களை ஆராய்வதற்கு ஏற்றது, எந்த அமைப்பும் தேவையில்லை. உள்ளூர் வரிசைப்படுத்தல் அல்லது API ஒருங்கிணைப்புக்கு உறுதியளிப்பதற்கு முன் மாதிரிகள் என்ன செய்ய முடியும் என்பதைப் புரிந்துகொள்வதற்கான சிறந்த நுழைவுப் புள்ளியாக இது செயல்படுகிறது.

Hugging Face: உள்ளூர் வரிசைப்படுத்தலுக்கான டெவலப்பரின் கருவித்தொகுப்பு

Python உடன் வசதியாக இருக்கும் மற்றும் அதிக கட்டுப்பாடு அல்லது உள்ளூர் வரிசைப்படுத்தலைத் தேடும் டெவலப்பர்களுக்கு, Hugging Face Hub ஒரு முதன்மை வளமாகும். Hugging Face AI மாதிரிகள், தரவுத்தொகுப்புகள் மற்றும் கருவிகளுக்கான மைய களஞ்சியமாக மாறியுள்ளது.

• மாதிரி கிடைக்கும் தன்மை: Google, Gemma 3 மாதிரி எடைகளை Hugging Face Hub-இல் கிடைக்கச் செய்துள்ளது.
• முன்நிபந்தனைகள்: மாதிரிகளை அணுகுவதற்கு பொதுவாக Hugging Face கணக்கு தேவைப்படுகிறது. பயனர்கள் குறிப்பிட்ட Gemma 3 மாதிரிப் பக்கத்திற்குச் செல்ல வேண்டும் (எ.கா., google/gemma-3-27b) மற்றும் எடைகளைப் பதிவிறக்குவதற்கு முன் உரிம விதிமுறைகளை ஏற்க வேண்டும்.
• சூழல் அமைப்பு: உள்ளூர் வரிசைப்படுத்தலுக்கு பொருத்தமான Python சூழல் தேவைப்படுகிறது. முக்கிய நூலகங்கள் பின்வருமாறு:
  • transformers: மாதிரிகள் மற்றும் டோக்கனைசர்களுடன் தொடர்புகொள்வதற்கான Hugging Face-இன் முக்கிய நூலகம்.
  • torch: PyTorch டீப் லேர்னிங் கட்டமைப்பு (Gemma பெரும்பாலும் PyTorch உடன் பயன்படுத்தப்படுகிறது).
  • accelerate: Hugging Face-இலிருந்து ஒரு நூலகம், இது வெவ்வேறு வன்பொருள் அமைப்புகளுக்கு (CPU, GPU, பல-GPU) குறியீட்டை மேம்படுத்த உதவுகிறது.
    நிறுவல் பொதுவாக pip வழியாக செய்யப்படுகிறது: pip install transformers torch accelerate
• முக்கிய பணிப்பாய்வு (கருத்தியல் Python எடுத்துக்காட்டு):
  1. நூலகங்களை இறக்குமதி செய்க: from transformers import AutoTokenizer, AutoModelForCausalLM
  2. டோக்கனைசரை ஏற்றவும்: டோக்கனைசர் உரையை மாதிரி புரிந்துகொள்ளும் வடிவத்திற்கு மாற்றுகிறது. tokenizer = AutoTokenizer.from_pretrained("google/gemma-3-27b") (தேவைக்கேற்ப மாதிரி பெயரை மாற்றவும்).
  3. மாதிரியை ஏற்றவும்: இது மாதிரி எடைகளைப் பதிவிறக்குகிறது (பெரியதாகவும் நேரத்தைச் செலவழிப்பதாகவும் இருக்கலாம்) மற்றும் மாதிரி கட்டமைப்பை ஏற்றுகிறது. model = AutoModelForCausalLM.from_pretrained("google/gemma-3-27b", device_map="auto") (device_map="auto" ஐப் பயன்படுத்துவது accelerate GPU-கள் போன்ற கிடைக்கக்கூடிய வன்பொருளில் மாதிரி இருப்பிடத்தை நிர்வகிக்க உதவுகிறது).
  4. உள்ளீட்டைத் தயார் செய்க: பயனரின் தூண்டுதலை டோக்கனைஸ் செய்யவும். inputs = tokenizer("Your prompt text here", return_tensors="pt").to(model.device)
  5. வெளியீட்டை உருவாக்கவும்: உள்ளீட்டின் அடிப்படையில் உரையை உருவாக்க மாதிரிக்கு அறிவுறுத்தவும். outputs = model.generate(**inputs, max_new_tokens=100) (தேவைக்கேற்ப max_new_tokens ஐ சரிசெய்யவும்).
  6. வெளியீட்டை டிகோட் செய்யவும்: மாதிரியின் டோக்கன் வெளியீட்டை மீண்டும் மனிதனால் படிக்கக்கூடிய உரையாக மாற்றவும். response = tokenizer.decode(outputs[0], skip_special_tokens=True)
• பரிசீலனைகள்: மாதிரிகளை உள்ளூரில் இயக்குவது, குறிப்பாக பெரியவை (12B, 27B), குறிப்பிடத்தக்க கணினி வளங்கள், முதன்மையாக GPU நினைவகம் (VRAM) தேவைப்படுகிறது. உங்கள் வன்பொருள் தேர்ந்தெடுக்கப்பட்ட மாதிரி அளவின் கோரிக்கைகளைப் பூர்த்தி செய்வதை உறுதிசெய்க. Hugging Face சுற்றுச்சூழல் அமைப்பு இந்த செயல்முறையை எளிதாக்க விரிவான ஆவணங்கள் மற்றும் கருவிகளை வழங்குகிறது.

Google API-களைப் பயன்படுத்துதல்: உள்ளூர் ஹோஸ்டிங் இல்லாமல் ஒருங்கிணைப்பு

உள்ளூர் வன்பொருள் உள்கட்டமைப்பை நிர்வகிக்கும் சுமை இல்லாமல் Gemma 3-இன் திறன்கள் தேவைப்படும் பயன்பாடுகளுக்கு, Google அநேகமாக API அணுகலை வழங்குகிறது அல்லது வழங்கும்.

• இயங்குமுறை: இது பொதுவாக Google Cloud அல்லது தொடர்புடைய தளத்திலிருந்து API விசையைப் பெறுவதை உள்ளடக்குகிறது. டெவலப்பர்கள் பின்னர் ஒரு குறிப்பிட்ட இறுதிப்புள்ளிக்கு HTTP கோரிக்கைகளைச் செய்கிறார்கள், தூண்டுதலை அனுப்பி மாதிரியின் பதிலைப் பெறுகிறார்கள்.
• பயன்பாட்டு வழக்குகள்: Gemma 3-ஐ வலை பயன்பாடுகள், மொபைல் பயன்பாடுகள் அல்லது பின்தள சேவைகளில் ஒருங்கிணைப்பதற்கு ஏற்றது, அங்கு அளவிடுதல் மற்றும் நிர்வகிக்கப்பட்ட உள்கட்டமைப்பு முன்னுரிமைகள்.
• வர்த்தகப் பரிமாற்றங்கள்: உள்கட்டமைப்பு நிர்வாகத்தை எளிதாக்கும்போது, API அணுகல் பொதுவாக பயன்பாடு சார்ந்த செலவுகள் மற்றும் உள்ளூர் ஹோஸ்டிங்குடன் ஒப்பிடும்போது தரவின் மீது குறைவான கட்டுப்பாட்டைக் கொண்டுள்ளது. குறிப்பிட்ட API-கள், விலை நிர்ணயம் மற்றும் இறுதிப்புள்ளிகள் பற்றிய விவரங்கள் Google-இன் அதிகாரப்பூர்வ கிளவுட் அல்லது AI இயங்குதள ஆவணங்கள் மூலம் வழங்கப்படும்.

ஒரு பரந்த சுற்றுச்சூழல் அமைப்பு: சமூக கருவிகள்

Gemma 3-இன் திறந்த தன்மை பல்வேறு சமூக-உருவாக்கிய கருவிகள் மற்றும் தளங்களுடன் ஒருங்கிணைப்பை ஊக்குவிக்கிறது. Ollama (மாதிரிகளை உள்ளூரில் இயக்குவதை எளிதாக்குகிறது), vLLM (LLM அனுமானத்தை மேம்படுத்துகிறது), PyTorch (அடிப்படை டீப் லேர்னிங் கட்டமைப்பு), Google AI Edge (சாதனத்தில் வரிசைப்படுத்தலுக்கு), மற்றும் UnSloth (வேகமான ஃபைன்-டியூனிங்கிற்கு) போன்ற கருவிகளுடன் பொருந்தக்கூடிய தன்மை பற்றிய குறிப்புகள் Gemma 3-ஐ ஆதரிக்கும் வளர்ந்து வரும் சுற்றுச்சூழல் அமைப்பை எடுத்துக்காட்டுகின்றன. இந்த பரந்த பொருந்தக்கூடிய தன்மை பல்வேறு கருவிச் சங்கிலிகளைப் பயன்படுத்தும் டெவலப்பர்களுக்கு அதன் நெகிழ்வுத்தன்மையையும் கவர்ச்சியையும் மேலும் மேம்படுத்துகிறது.

சரியான அணுகல் முறையைத் தேர்ந்தெடுப்பது குறிப்பிட்ட திட்டத் தேவைகள், தொழில்நுட்ப நிபுணத்துவம், கிடைக்கக்கூடிய வன்பொருள் மற்றும் பட்ஜெட் கட்டுப்பாடுகளைப் பொறுத்தது. இந்த வெவ்வேறு முறைகளில் Gemma 3-இன் கிடைக்கும் தன்மை, இந்த சக்திவாய்ந்த AI தொழில்நுட்பத்தை பரவலாக அணுகக்கூடியதாக மாற்றுவதற்கான Google-இன் உறுதிப்பாட்டை அடிக்கோடிட்டுக் காட்டுகிறது.