செயற்கை நுண்ணறிவு: புதிய மாதிரிகள், உத்திகள்

செயற்கை நுண்ணறிவு உலகம் ஒருபோதும் ஓய்வெடுப்பதாகத் தெரியவில்லை. மேம்பட்ட திறன்கள், புதிய பயன்பாடுகள் அல்லது தொழில்துறையில் உள்ள மூலோபாய மறுசீரமைப்புகளை உறுதியளிக்கும் குறிப்பிடத்தக்க அறிவிப்புகள் இல்லாமல் ஒரு வாரம் கூட கடந்து செல்வதில்லை. சமீபத்தில், நிறுவப்பட்ட தொழில்நுட்ப ஜாம்பவான்கள் முதல் லட்சிய ஸ்டார்ட்அப்கள் வரை பல முக்கிய வீரர்கள், AI களத்திற்குள் விரைவான பரிணாம வளர்ச்சியையும் அதிகரித்து வரும் நிபுணத்துவத்தையும் அடிக்கோடிட்டுக் காட்டும் முன்னேற்றங்களை வெளியிட்டனர். இந்த முன்னேற்றங்கள் பெரிய மொழி மாதிரிகளில் மேம்பட்ட பகுத்தறிவு திறன்கள், பன்முக மற்றும் சிறிய AI-யின் எழுச்சி, முகவர் அமைப்புகளின் கவனம் செலுத்திய வளர்ச்சி மற்றும் பரந்த வரிசைப்படுத்தல் விருப்பங்களை நோக்கமாகக் கொண்ட புதுமையான வன்பொருள் கூட்டாண்மைகள் ஆகியவற்றை உள்ளடக்கியது. இந்த தனிப்பட்ட நகர்வுகளைப் புரிந்துகொள்வது நமது எதிர்காலத்தை வடிவமைக்கும் பரந்த போட்டி மற்றும் தொழில்நுட்ப நீரோட்டங்களின் தெளிவான படத்தை வழங்குகிறது.

Google Gemini 2.5 உடன் உயர்வதை நோக்கமாகக் கொண்டுள்ளது: ‘சிந்திக்கும் மாதிரிகளின்’ சகாப்தமா?

AI அரங்கில் ஒரு நிரந்தரமான கனரக வீரரான Google, சமீபத்தில் Gemini 2.5 அறிவிப்புடன் ஒரு புதிய சவாலை விடுத்துள்ளது. நிறுவனத்தின் ‘மிகவும் புத்திசாலித்தனமான AI மாதிரி’ என்று தைரியமாக நிலைநிறுத்தப்பட்ட இந்த வெளியீடு, மிகவும் அதிநவீன AI பகுத்தறிவை நோக்கிய Google-இன் தொடர்ச்சியான உந்துதலைக் குறிக்கிறது. ஆரம்ப வெளியீட்டில் Gemini 2.5 Pro Experimental இடம்பெற்றுள்ளது, இது சிக்கலான சவால்களைச் சமாளிப்பதற்கான முன்னணி விளிம்பாகக் கருதப்படுகிறது. Google-இன் கூற்றுப்படி, இந்த மறு செய்கையை வேறுபடுத்துவது அதன் ‘சிந்திக்கும் மாதிரி’ தன்மை ஆகும். இந்த புதிரான பதவி, முதன்மையாக தகவல்களை மீட்டெடுக்கும் மற்றும் ஒருங்கிணைக்கும் மாதிரிகளிலிருந்து, ஆழமான பகுப்பாய்வு செயல்முறைகளுக்குத் திறன் கொண்ட அமைப்புகளை நோக்கி ஒரு புறப்பாட்டைக் குறிக்கிறது.

இந்த ‘சிந்திக்கும் மாதிரிகளுக்கு’ பின்னால் உள்ள முக்கிய யோசனை, Gemini 2.0 Flash Thinking போன்ற முந்தைய பதிப்புகளில் அறிமுகப்படுத்தப்பட்ட கருத்துக்களை அடிப்படையாகக் கொண்டது, AI ஒரு பதிலை உருவாக்கும் முன் ஒரு வகையான உள் விவாதம் அல்லது பகுத்தறிவு வரிசையை மேற்கொள்வதை உள்ளடக்கியது. இது சிக்கலைத் தீர்ப்பதற்கான மிகவும் கட்டமைக்கப்பட்ட அணுகுமுறையைக் குறிக்கிறது, இது மனித அறிவாற்றல் படிகளை மிகவும் நெருக்கமாகப் பிரதிபலிக்கக்கூடும். Google இந்த மேம்பட்ட திறனை மேம்படுத்தப்பட்ட அடிப்படை மாதிரி கட்டமைப்பு மற்றும் மேம்பட்ட பயிற்சிக்குப் பிந்தைய சுத்திகரிப்பு நுட்பங்களின் கலவையாகக் கூறுகிறது. இந்த நுட்பங்களில் reinforcement learning (வலுவூட்டல் கற்றல்) அடங்கும், அங்கு மாதிரி பின்னூட்டத்திலிருந்து கற்றுக்கொள்கிறது, மற்றும் chain-of-thought prompting (சிந்தனை சங்கிலி தூண்டுதல்), இது AI சிக்கலான சிக்கல்களை இடைநிலை படிகளாக உடைக்க ஊக்குவிக்கும் ஒரு முறையாகும், இதன் மூலம் அதன் பகுத்தறிவு செயல்முறையின் வெளிப்படைத்தன்மை மற்றும் துல்லியத்தை மேம்படுத்துகிறது.

ஆரம்ப செயல்திறன் அளவீடுகள் நம்பிக்கைக்குரியதாகத் தோன்றுகின்றன. Google, Gemini 2.5 Pro Experimental ஏற்கனவே Chatbot Arena தரவரிசையில் முதலிடத்திற்கு உயர்ந்துள்ளது என்று எடுத்துக்காட்டியது, இது ஒரு கூட்டத்தால் பெறப்பட்ட தளமாகும், அங்கு வெவ்வேறு AI மாதிரிகள் அநாமதேயமாக ஒருவருக்கொருவர் எதிராக நிறுத்தப்பட்டு மனித பயனர்களால் மதிப்பிடப்படுகின்றன. இது பயனர் தொடர்புகளில் வலுவான நடைமுறை செயல்திறனைக் குறிக்கிறது. மேலும், நிறுவனம் பகுத்தறிவு மற்றும் குறியீட்டுப் பணிகளில் அதன் திறமையை வலியுறுத்தியது, பகுப்பாய்வு பயன்பாடுகள் மற்றும் மென்பொருள் மேம்பாட்டு தன்னியக்கமாக்கல் ஆகிய இரண்டிற்கும் முக்கியமான பகுதிகள். இந்த மேம்பட்ட மாதிரியை Gemini Advanced சந்தாதாரர்களுக்கு கிடைப்பது Google-இன் AI சலுகைகளை அடுக்குவதற்கான உத்திகளைக் குறிக்கிறது, பணம் செலுத்தும் பயனர்களுக்கு அதிநவீன திறன்களை வழங்குகிறது, அதே நேரத்தில் அதன் பரந்த தயாரிப்பு சுற்றுச்சூழல் அமைப்பில் சுத்திகரிக்கப்பட்ட பதிப்புகளை காலப்போக்கில் இணைக்க வாய்ப்புள்ளது. இந்த வெளியீடு OpenAI-இன் GPT தொடர் மற்றும் Anthropic-இன் Claude மாதிரிகள் போன்ற போட்டியாளர்களுடன் நடந்து வரும் போட்டியை தெளிவாக தீவிரப்படுத்துகிறது, சிக்கலான பணித் தீர்வு மற்றும் நுணுக்கமான புரிதலின் அடிப்படையில் பெரிய மொழி மாதிரிகள் எதை அடைய முடியும் என்பதன் எல்லைகளைத் தள்ளுகிறது. ‘சிந்தனை’ மற்றும் ‘பகுத்தறிவு’ மீதான முக்கியத்துவம் ஒரு புதிய கட்டத்தை அறிவிக்கக்கூடும், அங்கு AI மாதிரிகள் அவற்றின் அறிவு மீட்டெடுப்பில் மட்டுமல்ல, அவற்றின் சிக்கலைத் தீர்க்கும் புத்திசாலித்தனத்திலும் மதிப்பீடு செய்யப்படுகின்றன.

Alibaba Cloud Qwen2.5 உடன் பதிலளிக்கிறது: ஒரு சிறிய தொகுப்பில் பன்முக சக்தி

பின்தங்கிவிடாமல், Alibaba குழுமத்தின் டிஜிட்டல் தொழில்நுட்பம் மற்றும் நுண்ணறிவு முதுகெலும்பான Alibaba Cloud, Qwen2.5-Omni-7B AI மாதிரியை அறிமுகப்படுத்தியதன் மூலம் அதன் சொந்த குறிப்பிடத்தக்க முன்னேற்றத்தை அறிமுகப்படுத்தியது. இந்த வெளியீடு multimodal AI (பன்முக AI)-யின் வளர்ந்து வரும் முக்கியத்துவத்தை அடிக்கோடிட்டுக் காட்டுகிறது, இது உரை மட்டுமல்ல, படங்கள், ஆடியோ மற்றும் வீடியோ போன்ற பல்வேறு வடிவங்களில் தகவல்களைப் புரிந்துகொண்டு செயலாக்கக்கூடிய அமைப்புகள். Qwen2.5 மாதிரி இந்த மாறுபட்ட உள்ளீடுகளை உட்கொண்டு, உருவாக்கப்பட்ட உரை அல்லது குறிப்பிடத்தக்க வகையில் இயற்கையான ஒலிக்கும் பேச்சுடன் பதிலளிக்கும் வகையில் வடிவமைக்கப்பட்டுள்ளது.

Alibaba முன்னிலைப்படுத்திய ஒரு முக்கிய வேறுபாடு மாதிரியின் சிறிய தன்மை ஆகும். பல அதிநவீன மாதிரிகள் மிகப்பெரிய அளவுரு எண்ணிக்கைகளைக் கொண்டிருக்கும்போது, ​​பெரும்பாலும் அதிக கணினி செலவுகள் மற்றும் வரிசைப்படுத்தல் சிக்கல்களுடன் தொடர்புடையது, Qwen2.5-Omni-7B செயல்திறனை நோக்கமாகக் கொண்டுள்ளது. Alibaba இந்த சிறிய தடம் சுறுசுறுப்பான மற்றும் செலவு குறைந்த AI முகவர்களை உருவாக்குவதற்கான சிறந்த அடித்தளமாக அமைகிறது என்று பரிந்துரைக்கிறது. தன்னாட்சி முறையில் பணிகளைச் செய்ய வடிவமைக்கப்பட்ட AI முகவர்கள், சக்திவாய்ந்த மற்றும் வள-திறனுள்ள மாதிரிகளிலிருந்து கணிசமாக பயனடைகிறார்கள், இது விளிம்பு சாதனங்கள் உட்பட பல்வேறு வன்பொருள்களில் பரந்த வரிசைப்படுத்தலை அனுமதிக்கிறது. செயல்திறனில் இந்த கவனம் AI தத்தெடுப்பில் ஒரு முக்கியமான இடையூறைக் குறிக்கிறது - மிகப்பெரிய மாதிரிகளை இயக்குவதோடு தொடர்புடைய பெரும்பாலும் தடைசெய்யும் செலவு மற்றும் உள்கட்டமைப்பு தேவைகள்.

அதன் வரம்பையும் தாக்கத்தையும் மேலும் விரிவுபடுத்துவதன் மூலம், Alibaba Qwen2.5 மாதிரியை open-source (திறந்த மூல) ஆக்கியுள்ளது, இது Hugging Face மற்றும் GitHub போன்ற பிரபலமான தளங்கள் மூலம் உலகெங்கிலும் உள்ள டெவலப்பர்கள் மற்றும் ஆராய்ச்சியாளர்களுக்கு உடனடியாகக் கிடைக்கிறது. இந்த உத்தி சில போட்டியாளர்களால் எடுக்கப்பட்ட மிகவும் தனியுரிம அணுகுமுறையுடன் முரண்படுகிறது மற்றும் பல நோக்கங்களுக்கு உதவுகிறது. இது சமூக ஈடுபாட்டை வளர்க்கிறது, மாதிரியின் சுயாதீனமான ஆய்வு மற்றும் மேம்பாட்டை அனுமதிக்கிறது, மேலும் Alibaba-வின் தொழில்நுட்பத்தை அடிப்படையாகக் கொண்டு பரந்த அளவிலான டெவலப்பர்களை இயக்குவதன் மூலம் புதுமையை விரைவுபடுத்தக்கூடும். Alibaba Cloud-க்கு, டெவலப்பர்கள் திறந்த மூல மாதிரியை அடிப்படையாகக் கொண்ட பயன்பாடுகளை பரிசோதித்து வரிசைப்படுத்துவதால், அதன் பரந்த கிளவுட் சேவைகளின் தத்தெடுப்பையும் இது இயக்க முடியும். Qwen2.5 போன்ற சக்திவாய்ந்த, சிறிய, பன்முக மற்றும் திறந்த மூல மாதிரியின் வெளியீடு, அதிநவீன, ஊடாடும் AI பயன்பாடுகளை உருவாக்குவதற்கான நெகிழ்வான மற்றும் திறமையான தீர்வுகளைத் தேடும் டெவலப்பர்களுக்கு குறிப்பாக சேவை செய்யும் AI நிலப்பரப்பில் Alibaba-வை ஒரு குறிப்பிடத்தக்க உலகளாவிய வீரராக நிலைநிறுத்துகிறது.

DeepSeek V3 மாதிரியை மேம்படுத்துகிறது: பகுத்தறிவு மற்றும் நடைமுறை திறன்களைக் கூர்மைப்படுத்துதல்

புதுமை தொழில்நுட்ப ஜாம்பவான்களுக்கு மட்டும் அல்ல. ஒரு குறிப்பிடத்தக்க சீன AI ஸ்டார்ட்அப் ஆன DeepSeek, அதன் V3 பெரிய மொழி மாதிரியின் மேம்படுத்தப்பட்ட பதிப்பை வெளியிடுவதன் மூலம் அலைகளை உருவாக்கியது. இந்த மேம்படுத்தல், குறிப்பாக DeepSeek-V3-0324, நிஜ உலக பயன்பாடுகளுக்கு முக்கியமான நடைமுறை திறன்களை மேம்படுத்துவதில் கவனம் செலுத்துகிறது. ஸ்டார்ட்அப் படி, புதிய பதிப்பு பல முக்கிய பகுதிகளில் கணிசமான மேம்பாடுகளை வழங்குகிறது.

முதலாவதாக, ‘பகுத்தறிவு செயல்திறனில் ஒரு பெரிய ஊக்கம்’ உள்ளது. Google-இன் Gemini 2.5 போலவே, இது எளிய முறை பொருத்தம் அல்லது தகவல் மீட்டெடுப்பை விட ஆழமான பகுப்பாய்வு திறன்களை மதிப்பிடுவதை நோக்கிய தெளிவான தொழில்துறை போக்கைக் குறிக்கிறது. மேம்படுத்தப்பட்ட பகுத்தறிவு மாதிரிகள் மிகவும் சிக்கலான தர்க்கரீதியான சிக்கல்களைச் சமாளிக்கவும், நுணுக்கமான சூழல்களைப் புரிந்துகொள்ளவும், மேலும் நம்பகமான நுண்ணறிவுகளை வழங்கவும் அனுமதிக்கிறது.

இரண்டாவதாக, DeepSeek ‘வலுவான முன்-இறுதி மேம்பாட்டு திறன்களை’ எடுத்துக்காட்டுகிறது. இது ஒரு கவர்ச்சிகரமான நிபுணத்துவம், வலை மற்றும் பயன்பாட்டு இடைமுக உருவாக்கத்தின் அம்சங்களுக்கு உதவ அல்லது தானியக்கமாக்க மாதிரி நன்றாக வடிவமைக்கப்பட்டுள்ளது என்பதைக் குறிக்கிறது. பயனர் இடைமுகங்களுக்கான குறியீட்டை உருவாக்குவதில் திறமையான ஒரு LLM மென்பொருள் மேம்பாட்டு சுழற்சிகளை கணிசமாக துரிதப்படுத்த முடியும்.

மூன்றாவதாக, மேம்படுத்தல் ‘புத்திசாலித்தனமான கருவி-பயன்பாட்டு திறன்களை’ கொண்டுள்ளது. இது நிகழ்நேர தகவல்களை அணுகுவதற்கும், கணக்கீடுகளைச் செய்வதற்கும் அல்லது பிற மென்பொருள் அமைப்புகளுடன் தொடர்புகொள்வதற்கும் வெளிப்புற கருவிகள் அல்லது API-களை திறம்படப் பயன்படுத்தும் மாதிரியின் திறனைக் குறிக்கிறது. கருவி பயன்பாட்டை மேம்படுத்துவது LLM-களை மிகவும் சக்திவாய்ந்ததாகவும் பல்துறை திறன் கொண்டதாகவும் ஆக்குகிறது, இது அவர்களின் பயிற்சித் தரவுகளின் வரம்புகளிலிருந்து விடுபட்டு டிஜிட்டல் உலகத்துடன் மாறும் வகையில் தொடர்புகொள்ள அனுமதிக்கிறது.

Alibaba-வின் உத்தியைப் போலவே, DeepSeek இந்த மேம்படுத்தப்பட்ட மாதிரியை Hugging Face வழியாக உலகளாவிய சமூகத்திற்கு அணுகக்கூடியதாக ஆக்கியுள்ளது. இந்த திறந்த அணுகுமுறை ஆராய்ச்சியாளர்கள் மற்றும் டெவலப்பர்கள் DeepSeek-இன் முன்னேற்றங்களைப் பயன்படுத்த அனுமதிக்கிறது, இது பரந்த சுற்றுச்சூழல் அமைப்பின் வளர்ச்சிக்கு பங்களிக்கிறது. முன்-இறுதி மேம்பாடு மற்றும் கருவி பயன்பாடு போன்ற குறிப்பிட்ட, நடைமுறை திறன்களில் கவனம் செலுத்துவது, பொது நோக்கத்திற்கான மாதிரிகளுக்கு அப்பால், குறிப்பிட்ட தொழில்முறை களங்களுக்கு ஏற்றவாறு மிகவும் சிறப்பு வாய்ந்த AI உதவியாளர்களை நோக்கி நகரும் துறையின் முதிர்ச்சியைக் காட்டுகிறது. DeepSeek-இன் முன்னேற்றம் சீனாவின் துடிப்பான AI ஆராய்ச்சி மற்றும் மேம்பாட்டுத் துறையிலிருந்து உருவாகும் குறிப்பிடத்தக்க பங்களிப்புகளையும் அடிக்கோடிட்டுக் காட்டுகிறது.

Landbase பயன்பாட்டு AI ஆய்வகத்தை அறிமுகப்படுத்துகிறது: வணிகத்திற்கான முகவர் AI-ல் கவனம் செலுத்துதல்

மாதிரி மேம்பாட்டிலிருந்து சிறப்பு பயன்பாட்டிற்கு மாறுதல், தன்னை ஒரு ‘Agentic AI நிறுவனம்’ என்று அடையாளப்படுத்தும் Landbase, Silicon Valley-ல் மூலோபாய ரீதியாக அமைந்துள்ள ஒரு புதிய Applied AI Lab (பயன்பாட்டு AI ஆய்வகம்) நிறுவப்பட்டதை அறிவித்தது. இந்த நடவடிக்கை agentic AI (முகவர் AI)-யின் எல்லைகளைத் தள்ளுவதற்கான ஒரு கவனம் செலுத்திய முயற்சியைக் குறிக்கிறது, இது குறைந்தபட்ச மனித தலையீட்டுடன் சிக்கலான பணிகளைத் திட்டமிடவும், முடிவுகளை எடுக்கவும், செயல்படுத்தவும் கூடிய தன்னாட்சி AI அமைப்புகளை (முகவர்கள்) உருவாக்குவதை மையமாகக் கொண்ட ஒரு துறையாகும்.

ஆய்வகத்தின் குழுவை ஒன்று சேர்ப்பது அதன் லட்சியங்களைப் பற்றி பேசுகிறது. Landbase, Stanford University, Meta (முன்னர் Facebook), மற்றும் NASA உள்ளிட்ட மதிப்புமிக்க நிறுவனங்கள் மற்றும் நிறுவனங்களிலிருந்து திறமைகளை ஆட்சேர்ப்பு செய்வதை முன்னிலைப்படுத்தியது. இந்த நிபுணத்துவத்தின் செறிவு, முகவர் AI இடத்தில் நடைமுறை பயன்பாட்டு மேம்பாட்டுடன் அடிப்படை ஆராய்ச்சி சவால்களைச் சமாளிப்பதற்கான ஒரு உறுதிப்பாட்டைக் குறிக்கிறது. ஆய்வகத்தின் கூறப்பட்ட நோக்கம் மூன்று முக்கிய பகுதிகளில் புதுமையை விரைவுபடுத்துவதாகும்:

• Workflow Automation (பணிப்பாய்வு தன்னியக்கமாக்கல்): சிக்கலான, பல-படி வணிக செயல்முறைகளை கையாளக்கூடிய AI முகவர்களை உருவாக்குதல், செயல்பாடுகளை நெறிப்படுத்துதல் மற்றும் உயர்-நிலை பணிகளுக்கு மனித தொழிலாளர்களை விடுவித்தல்.
• Data Intelligence (தரவு நுண்ணறிவு): தரவை முன்கூட்டியே பகுப்பாய்வு செய்யக்கூடிய, வடிவங்களைக் கண்டறியக்கூடிய, நுண்ணறிவுகளை உருவாக்கக்கூடிய, மற்றும் தரவு சார்ந்த பரிந்துரைகளை தன்னாட்சி முறையில் செய்யக்கூடிய முகவர்களை உருவாக்குதல்.
• Reinforcement Learning (வலுவூட்டல் கற்றல்): மாதிரிப் பயிற்சிக்காக மட்டுமல்லாமல், குறிப்பிட்ட வணிகச் சூழல்களில் நிஜ உலக விளைவுகள் மற்றும் பின்னூட்டங்களின் அடிப்படையில் முகவர்கள் தங்கள் உத்திகளைக் கற்றுக்கொள்ளவும் மாற்றியமைக்கவும் உதவும் வகையில் வலுவூட்டல் கற்றல் நுட்பங்களைப் பயன்படுத்துதல்.

Landbase இந்த முயற்சியை அதன் தற்போதைய GTM-1 Omni மாதிரியுடன் இணைக்கிறது, இது go-to-market (GTM) நோக்கங்களுக்காக பிரத்யேகமாக உருவாக்கப்பட்ட முதல் மற்றும் ஒரே முகவர் AI மாதிரி என்று கூறுகிறது. இது விற்பனை, சந்தைப்படுத்தல் மற்றும் வாடிக்கையாளர் உறவு மேலாண்மை - தன்னியக்கமாக்கல் மற்றும் தரவு சார்ந்த மேம்படுத்தலுக்கு பழுத்த பகுதிகளுக்கு முகவர் AI-ஐப் பயன்படுத்துவதில் கவனம் செலுத்துவதைக் குறிக்கிறது. Landbase-இன் CEO, Daniel Saks, இந்த சிறப்பு மாதிரிக்கு புதுமையை இயக்குவதில் நிபுணர் குழுவின் முக்கியத்துவத்தை வலியுறுத்தினார்.

பயன்பாட்டு AI ஆய்வகம் பயனுள்ள முகவர் அமைப்புகளுக்கு முக்கியமான தனித்துவமான மாதிரி வகைகளை உருவாக்குவதில் அதன் முயற்சிகளை ஒருமுகப்படுத்தும்:

• Planning and Decision-Making Models (திட்டமிடல் மற்றும் முடிவெடுக்கும் மாதிரிகள்): முகவர்கள் இலக்குகளை நிர்ணயிக்கவும், உத்திகளை வகுக்கவும், பொருத்தமான நடவடிக்கைகளைத் தேர்வு செய்யவும் உதவும் முக்கிய நுண்ணறிவு.
• Messaging Generation Models (செய்தி உருவாக்கும் மாதிரிகள்): விற்பனை அவுட்ரீச் அல்லது வாடிக்கையாளர் ஆதரவு போன்ற பணிகளுக்கு சூழல் ரீதியாக பொருத்தமான மற்றும் பயனுள்ள தகவல்தொடர்புகளை உருவாக்கக்கூடிய AI.
• Prediction and Reward Models (கணிப்பு மற்றும் வெகுமதி மாதிரிகள்): முகவர்கள் விளைவுகளை எதிர்பார்க்கவும், வெவ்வேறு செயல்களின் சாத்தியமான வெற்றியை மதிப்பிடவும், அவர்களின் அனுபவங்களிலிருந்து கற்றுக்கொள்ளவும் உதவும் அமைப்புகள்.

இந்த பிரத்யேக ஆய்வகத்தை நிறுவுவது, உயர் மதிப்புள்ள வணிகப் பயன்பாடுகளில் கவனம் செலுத்தும் சிறப்பு AI நிறுவனங்களை நோக்கிய வளர்ந்து வரும் போக்கை அடிக்கோடிட்டுக் காட்டுகிறது, குறிப்பாக முக்கிய செயல்பாட்டு செயல்பாடுகளை மாற்றுவதற்கு தன்னாட்சி முகவர்களின் திறனைப் பயன்படுத்துகிறது.

வன்பொருள் இடைவெளிகளைக் குறைத்தல்: webAI மற்றும் MacStadium Apple Silicon வரிசைப்படுத்தலுக்காக கூட்டு சேர்கின்றன

இறுதியாக, அனைத்து AI மேம்பாடுகளும் சார்ந்துள்ள முக்கியமான உள்கட்டமைப்பு அடுக்கைக் கையாள்வது, AI தீர்வுகள் நிறுவனமான webAI மற்றும் நிறுவன கிளவுட் வழங்குநரான MacStadium ஒரு மூலோபாய கூட்டாண்மையை அறிவித்தன. அவர்களின் ஒத்துழைப்பு ஒரு குறிப்பிடத்தக்க சவாலைச் சமாளிப்பதை நோக்கமாகக் கொண்டுள்ளது: பெரிய, சக்திவாய்ந்த AI மாதிரிகளை திறமையாக வரிசைப்படுத்துதல், குறிப்பாக வன்பொருள் வரம்புகளை எதிர்கொள்ளும் அல்லது பாரம்பரிய GPU-மைய கிளவுட் உள்கட்டமைப்புக்கு மாற்றுகளைத் தேடும் வணிகங்களுக்கு.

இந்த கூட்டாண்மை Apple silicon தொழில்நுட்பத்தைப் பயன்படுத்தி பெரிய AI மாதிரிகளை வரிசைப்படுத்த வடிவமைக்கப்பட்ட ஒரு புதிய தளத்தை அறிமுகப்படுத்துகிறது. MacStadium, Apple-இன் Mac வன்பொருளை அடிப்படையாகக் கொண்ட கிளவுட் உள்கட்டமைப்பை வழங்குவதில் நிபுணத்துவம் பெற்றது, இதில் சக்திவாய்ந்த M-தொடர் சிப்கள் (Apple silicon) பொருத்தப்பட்ட இயந்திரங்கள் அடங்கும். CPU, GPU மற்றும் Neural Engine-ஐ இணைக்கும் அவற்றின் ஒருங்கிணைந்த கட்டமைப்பிற்கு அறியப்பட்ட இந்த சிப்கள், ஒரு வாட்டிற்கு ஈர்க்கக்கூடிய செயல்திறனை வழங்குகின்றன, இது பாரம்பரிய சர்வர் வன்பொருளுடன் ஒப்பிடும்போது சில AI பணிச்சுமைகளுக்கு மிகவும் கணினி ரீதியாக திறமையான தளத்தை வழங்கக்கூடும்.

இந்த ஒத்துழைப்பு AI வரிசைப்படுத்தலுக்கான இந்த திறனைத் திறப்பதை நோக்கமாகக் கொண்டுள்ளது. MacStadium-இன் macOS கிளவுட் சூழல்களில் நிபுணத்துவத்தை webAI-இன் ‘interconnected model approach’ (அதன் பிரத்தியேகங்களுக்கு மேலும் விவரம் தேவைப்படுகிறது ஆனால் மாதிரி பணிச்சுமைகளை மேம்படுத்துதல் அல்லது விநியோகிப்பதற்கான நுட்பங்களைக் குறிக்கலாம்) உடன் இணைப்பதன் மூலம், கூட்டாளர்கள் நிறுவனங்கள் மேம்பட்ட AI அமைப்புகளை, குறிப்பாக Apple வன்பொருளில், எவ்வாறு உருவாக்கி வரிசைப்படுத்துகின்றன என்பதை மாற்றும் ஒரு தளத்தை உருவாக்க விரும்புகிறார்கள். இது ஏற்கனவே Apple சுற்றுச்சூழல் அமைப்பில் பெரிதும் முதலீடு செய்துள்ள நிறுவனங்களுக்கு அல்லது முக்கிய கிளவுட் வழங்குநர்களிடமிருந்து விலையுயர்ந்த GPU திறனை வாடகைக்கு எடுப்பதற்கு செலவு குறைந்த, சக்தி-திறனுள்ள மாற்றுகளைத் தேடும் நிறுவனங்களுக்கு குறிப்பாக கவர்ச்சிகரமானதாக இருக்கலாம்.

MacStadium-இன் CEO, Ken Tacelli, இந்த கூட்டாண்மையை Apple-இன் வன்பொருள் உள்கட்டமைப்பு வழியாக நிறுவனத்திற்கு AI திறன்களைக் கொண்டுவருவதில் ஒரு ‘குறிப்பிடத்தக்க மைல்கல்’ என்று வடிவமைத்தார். இந்த முயற்சி அதிக கணினி செயல்திறன் மற்றும் செயல்திறனை உறுதியளிக்கிறது, இது முன்னர் வன்பொருள் செலவுகள் அல்லது கிடைப்பால் கட்டுப்படுத்தப்பட்ட வணிகங்களுக்கு பெரிய AI மாதிரி வரிசைப்படுத்தலுக்கான அணுகலை ஜனநாயகப்படுத்தக்கூடும். இந்த கூட்டாண்மை நவீன செயற்கை நுண்ணறிவின் பெருகிய முறையில் தேவைப்படும் கணினித் தேவைகளுக்கு சக்தி அளிக்க மாறுபட்ட மற்றும் திறமையான வன்பொருள் தீர்வுகளுக்கான தற்போதைய தேடலை எடுத்துக்காட்டுகிறது, இது ஆதிக்கம் செலுத்தும் GPU முன்னுதாரணத்திற்கு அப்பாற்பட்ட கட்டமைப்புகளை ஆராய்கிறது. AI உள்கட்டமைப்பின் எதிர்காலம் முன்னர் கருதப்பட்டதை விட மிகவும் பன்முகத்தன்மை கொண்டதாக இருக்கலாம், இது Apple-இன் போன்ற சிறப்பு சிலிக்கானை பாரம்பரிய தரவு மைய வன்பொருளுடன் இணைக்கிறது என்பதைக் குறிக்கிறது.