குவாண்ட்டைசேஷன்-அவேர் ட்ரெய்னிங் (QAT) என்றால் என்ன?
குவாண்ட்டைசேஷன்-அவேர் ட்ரெய்னிங் (QAT) என்பது AI மாடல்களை குறைந்த வளங்கள் உள்ள சூழல்களில் பயன்படுத்துவதற்காக மேம்படுத்தும் ஒரு நுட்பமாகும். AI மாடல் உருவாக்கத்தில், ஆராய்ச்சியாளர்கள் தரவை சேமிக்க தேவையான பிட்களின் எண்ணிக்கையை குறைக்க பல்வேறு நுட்பங்களை பயன்படுத்துகின்றனர். உதாரணமாக, 8-பிட் முழு எண்கள் (int8) அல்லது 4-பிட் முழு எண்கள் (int4) போன்றவற்றை பயன்படுத்துகின்றனர். மாடலுக்குள் உள்ள எண் பிரதிநிதித்துவங்களின் துல்லியத்தை குறைப்பதன் மூலம், நினைவகத்தின் அளவு கணிசமாக குறைகிறது.
குவாண்ட்டைசேஷனின் சவால்
இருப்பினும், துல்லியத்தில் இந்த குறைப்பு பெரும்பாலும் மாடல் செயல்திறனில் குறைவை ஏற்படுத்துகிறது. குவாண்ட்டைசேஷன் பிழைகள் மற்றும் சிதைவுகளை அறிமுகப்படுத்தலாம், இது AI மாடலின் துல்லியம் மற்றும் செயல்திறனை எதிர்மறையாக பாதிக்கும். எனவே, அவற்றின் நோக்கம் கொண்ட பணிகளைச் செய்யும் திறனை தியாகம் செய்யாமல் மாடல்களை குவாண்ட்டைஸ் செய்வதற்கான வழிகளைக் கண்டுபிடிப்பதே சவாலாகும்.
கூகிளின் QAT அணுகுமுறை
கூகிள் QAT உடன் இந்த சவாலை எதிர்கொள்கிறது, இது குவாண்ட்டைசேஷன் செயல்முறையை பயிற்சி கட்டத்தில் நேரடியாக ஒருங்கிணைக்கிறது. பாரம்பரிய போஸ்ட்-ட்ரெய்னிங் குவாண்ட்டைசேஷன் நுட்பங்களைப் போலல்லாமல், QAT பயிற்சியின் போது குறைந்த துல்லியமான செயல்பாடுகளை உருவகப்படுத்துகிறது. இது குறைந்த துல்லியமான சூழலுக்கு மாடல் மாற்றியமைக்க அனுமதிக்கிறது, மாடல் சிறிய, வேகமான பதிப்புகளாக குவாண்ட்டைஸ் செய்யப்படும்போது துல்லியமான இழப்பைக் குறைக்கிறது.
QAT நடைமுறையில் எவ்வாறு வேலை செய்கிறது
நடைமுறையில், கூகிளின் QAT செயல்படுத்தல் பயிற்சியின் போது குவாண்ட்டைஸ் செய்யப்படாத செக் பாயிண்ட்டின் நிகழ்தகவு விநியோகத்தை இலக்காக பயன்படுத்துவதை உள்ளடக்குகிறது. மாதிரி சுமார் 5,000 QAT பயிற்சி படிகளுக்கு உட்படுகிறது, இதன் போது குவாண்ட்டைசேஷனின் விளைவுகளை ஈடுசெய்ய கற்றுக்கொள்கிறது. Q4_0, ஒரு பொதுவான குவாண்ட்டைசேஷன் வடிவத்திற்கு குவாண்ட்டைஸ் செய்யப்படும்போது, மாதிரியின் கணிப்புத் திறனை அளவிடும் பெர்ப்ளெக்சிட்டியின் குறிப்பிடத்தக்க குறைப்பு இந்த செயல்முறையின் விளைவாகும்.
Gemma 3 க்கான QAT இன் நன்மைகள்
Gemma 3 க்கான QAT ஐ ஏற்றுக்கொண்டதால் குறிப்பிடத்தக்க நன்மைகள் கிடைத்துள்ளன, குறிப்பாக VRAM தேவைகளின் அடிப்படையில். வெவ்வேறு Gemma 3 மாடல்களுக்கான VRAM பயன்பாட்டில் உள்ள குறைப்பு பின்வரும் அட்டவணையில் விளக்கப்பட்டுள்ளது:
- Gemma 3 27B: 54 GB (BF16) இருந்து 14.1 GB (int4) ஆக குறைந்துள்ளது
- Gemma 3 12B: 24 GB (BF16) இருந்து 6.6 GB (int4) ஆக குறைந்துள்ளது
- Gemma 3 4B: 8 GB (BF16) இருந்து 2.6 GB (int4) ஆக குறைந்துள்ளது
- Gemma 3 1B: 2 GB (BF16) இருந்து 0.5 GB (int4) ஆக குறைந்துள்ளது
VRAM பயன்பாட்டில் உள்ள இந்த குறைப்புகள் நுகர்வோர் தர வன்பொருளில் Gemma 3 மாடல்களை இயக்குவதற்கான புதிய சாத்தியங்களைத் திறக்கின்றன.
நுகர்வோர் தர வன்பொருளில் AI சக்தியை கட்டவிழ்த்து விடுங்கள்
QAT-உகந்த Gemma 3 மாடல்களின் மிகவும் அற்புதமான அம்சங்களில் ஒன்று, அவை எளிதாக கிடைக்கக்கூடிய நுகர்வோர் தர வன்பொருளில் இயங்கும் திறன் ஆகும். AI தொழில்நுட்பத்தின் இந்த ஜனநாயகமயமாக்கல், டெவலப்பர்கள் மற்றும் ஆராய்ச்சியாளர்கள் விலையுயர்ந்த, சிறப்பு வன்பொருள் தேவையில்லாமல் மேம்பட்ட AI மாடல்களை பரிசோதிக்கவும் பயன்படுத்தவும் புதிய வழிகளைத் திறக்கிறது.
NVIDIA RTX 3090 இல் Gemma 3 27B
எடுத்துக்காட்டாக, Gemma 3 27B (int4) மாடலை ஒரு NVIDIA RTX 3090 (24GB VRAM) அல்லது அதைப் போன்ற கிராஃபிக்ஸ் கார்டில் எளிதாக நிறுவலாம். இது பயனர்கள் மிகப்பெரிய Gemma 3 பதிப்பை உள்நாட்டில் இயக்க அனுமதிக்கிறது, இது பல்வேறு பயன்பாடுகளுக்கான அதன் முழு திறனையும் திறக்கிறது.
லேப்டாப் GPU களில் Gemma 3 12B
Gemma 3 12B (int4) மாடல் NVIDIA RTX 4060 GPU (8GB VRAM) போன்ற லேப்டாப் GPU களில் திறமையாக இயங்க முடியும். இது சக்திவாய்ந்த AI திறன்களை போர்ட்டபிள் சாதனங்களுக்கு கொண்டு வருகிறது, பயணத்தின்போது AI செயலாக்கம் மற்றும் பரிசோதனையை செயல்படுத்துகிறது.
குறைந்த வளங்கள் உள்ள அமைப்புகளுக்கான சிறிய மாடல்கள்
சிறிய Gemma 3 மாடல்கள் (4B மற்றும் 1B) மொபைல் போன்கள் மற்றும் உட்பொதிக்கப்பட்ட சாதனங்கள் போன்ற குறைந்த வளங்கள் உள்ள அமைப்புகளுக்கு கூட அதிக அணுகலை வழங்குகின்றன. குறைந்த கணினி சக்தி உள்ள சூழல்களில் கூட, AI திறன்களை பல்வேறு பயன்பாடுகளில் ஒருங்கிணைக்க டெவலப்பர்களை இது அனுமதிக்கிறது.
பிரபலமான டெவலப்பர் கருவிகளுடன் ஒருங்கிணைப்பு
QAT-உகந்த Gemma 3 மாடல்களின் அணுகல் மற்றும் பயன்பாட்டினை மேலும் மேம்படுத்த, கூகிள் பல்வேறு பிரபலமான டெவலப்பர் கருவிகளுடன் ஒத்துழைத்துள்ளது. இந்த தடையற்ற ஒருங்கிணைப்பு டெவலப்பர்கள் இந்த மாடல்களை அவர்களின் தற்போதைய பணிப்பாய்வுகளில் எளிதாக இணைத்து அவற்றின் நன்மைகளைப் பயன்படுத்த அனுமதிக்கிறது.
Ollama
பெரிய மொழி மாதிரிகளை இயக்குவதற்கும் நிர்வகிப்பதற்கும் ஒரு கருவியான Ollama, இப்போது Gemma 3 QAT மாடல்களுக்கு சொந்த ஆதரவை வழங்குகிறது. ஒரு எளிய கட்டளையின் மூலம், பயனர்கள் இந்த மாடல்களை எளிதாக பயன்படுத்தலாம் மற்றும் பரிசோதிக்கலாம்.
LM Studio
LM Studio டெஸ்க்டாப்பில் Gemma 3 QAT மாடல்களை பதிவிறக்கம் செய்து இயக்குவதற்கு ஒரு பயனர் நட்பு இடைமுகத்தை வழங்குகிறது. விரிவான தொழில்நுட்ப நிபுணத்துவம் தேவையில்லாமல் இந்த மாடல்களுடன் தொடங்க டெவலப்பர்கள் மற்றும் ஆராய்ச்சியாளர்களுக்கு இது எளிதாக்குகிறது.
MLX
MLX ஆப்பிள் சிலிக்கானில் Gemma 3 QAT மாடல்களின் திறமையான அனுமானத்தை செயல்படுத்துகிறது. இது பயனர்கள் AI செயலாக்கத்திற்கான ஆப்பிளின் வன்பொருளின் சக்தியைப் பயன்படுத்த அனுமதிக்கிறது.
Gemma.cpp
Gemma.cpp என்பது ஒரு பிரத்யேக C++ செயல்படுத்தல் ஆகும், இது Gemma 3 மாடல்களின் திறமையான அனுமானத்தை CPU இல் நேரடியாக செயல்படுத்துகிறது. இது பல்வேறு சூழல்களில் இந்த மாடல்களை பயன்படுத்துவதற்கு ஒரு நெகிழ்வான மற்றும் பல்துறை விருப்பத்தை வழங்குகிறது.
llama.cpp
llama.cpp GGUF வடிவ QAT மாடல்களுக்கு சொந்த ஆதரவை வழங்குகிறது, இது தற்போதைய பணிப்பாய்வுகளில் ஒருங்கிணைப்பதை எளிதாக்குகிறது. llama.cpp உடன் ஏற்கனவே பழக்கமாக உள்ள டெவலப்பர்களுக்கு இது ஒரு தடையற்ற அனுபவத்தை வழங்குகிறது.
சமூகத்தின் எதிர்வினை
QAT-உகந்த Gemma 3 மாடல்களின் வெளியீடு AI சமூகத்திடமிருந்து உற்சாகத்துடன் வரவேற்கப்பட்டது. இந்த மாடல்களின் அதிகரித்த அணுகல் மற்றும் மலிவு விலைக்கு பயனர்கள் தங்கள் ஆர்வத்தை வெளிப்படுத்தியுள்ளனர். ஒரு பயனர் தங்கள் 4070 GPU இப்போது Gemma 3 12B மாடலை இயக்க முடியும் என்று கருத்து தெரிவித்தார், மற்றொருவர் கூகிள் குவாண்ட்டைசேஷனின் எல்லைகளை 1-பிட் குவாண்ட்டைசேஷனை நோக்கித் தொடர்ந்து தள்ளும் என்று நம்புகிறார்.
சாத்தியமான பயன்பாடுகள் மற்றும் தாக்கங்களை ஆராய்தல்
கூகிளின் Gemma 3 குடும்பத்தின் வெளியீடு, இப்போது குவாண்ட்டைசேஷன்-அவேர் ட்ரெய்னிங் (QAT) மூலம் மேம்படுத்தப்பட்டுள்ளது, AI இன் பயன்பாடு மற்றும் அணுகுமுறைக்கு பரந்த தாக்கங்களைக் கொண்டுள்ளது. இது ஏற்கனவே இருக்கும் மாடல்களை படிப்படியாக மேம்படுத்துவது மட்டுமல்ல; இது சக்திவாய்ந்த AI கருவிகளை மிக அதிகமான பார்வையாளர்களுக்கு கொண்டு வரும் ஒரு அடிப்படை மாற்றமாகும். இந்த வளர்ச்சியின் சாத்தியமான பயன்பாடுகள் மற்றும் பரந்த தாக்கங்களை இங்கே ஆழமாக ஆராய்வோம்.
AI மேம்பாடு மற்றும் ஆராய்ச்சியின் ஜனநாயகமயமாக்கல்
QAT-உகந்த Gemma 3 மாடல்களின் மிக முக்கியமான தாக்கங்களில் ஒன்று, AI மேம்பாடு மற்றும் ஆராய்ச்சியின் ஜனநாயகமயமாக்கல் ஆகும். முன்பு, அதிநவீன AI மாடல்களுக்கான அணுகலுக்கு உயர்நிலை GPU கள் அல்லது கிளவுட் கம்ப்யூட்டிங் வளங்கள் போன்ற சிறப்பு வன்பொருளில் குறிப்பிடத்தக்க முதலீடு தேவைப்பட்டது. இது வரையறுக்கப்பட்ட பட்ஜெட்களைக் கொண்ட சுயாதீன டெவலப்பர்கள், சிறிய ஆராய்ச்சி குழுக்கள் மற்றும் கல்வி நிறுவனங்களுக்கு ஒரு நுழைவுத் தடையாக உருவாக்கியது.
Gemma 3 மாடல்களை நுகர்வோர் தர வன்பொருளில் இயக்கும் திறனுடன், இந்த தடைகள் கணிசமாகக் குறைக்கப்படுகின்றன. டெவலப்பர்கள் இப்போது விலையுயர்ந்த உள்கட்டமைப்பு தேவையில்லாமல், தங்கள் சொந்த லேப்டாப்கள் அல்லது டெஸ்க்டாப்களில் இந்த மாடல்களை பரிசோதிக்கலாம் மற்றும் நன்றாக மாற்றலாம். இது தனிநபர்கள் மற்றும் அமைப்புகளின் பரந்த வரம்பிற்கு புதுமை மற்றும் பரிசோதனைக்கான வாய்ப்புகளைத் திறக்கிறது.
உள்ளூர் மற்றும் எட்ஜ் கம்ப்யூட்டிங்கை மேம்படுத்துதல்
QAT-உகந்த Gemma 3 மாடல்களின் குறைக்கப்பட்ட நினைவகத்தின் அளவு உள்ளூர் மற்றும் எட்ஜ் கம்ப்யூட்டிங் சூழல்களில் பயன்படுத்துவதற்கு ஏற்றதாக ஆக்குகிறது. எட்ஜ் கம்ப்யூட்டிங்கில் தரவை ஒரு மையப்படுத்தப்பட்ட கிளவுட் சர்வரில் அனுப்புவதற்கு பதிலாக, மூலத்திற்கு அருகில் செயலாக்குவது அடங்கும். இது குறைக்கப்பட்ட தாமதம், மேம்படுத்தப்பட்ட தனியுரிமை மற்றும் அதிகரித்த நம்பகத்தன்மை உள்ளிட்ட பல நன்மைகளை வழங்க முடியும்.
Gemma 3 மாடல்களை ஸ்மார்ட்போன்கள், டேப்லெட்டுகள் மற்றும் உட்பொதிக்கப்பட்ட அமைப்புகள் போன்ற எட்ஜ் சாதனங்களில் பயன்படுத்தலாம், இது நெட்வொர்க் இணைப்பு தேவையில்லாமல் AI பணிகளை உள்நாட்டில் செய்ய உதவுகிறது. இணைப்பு வரையறுக்கப்பட்ட அல்லது நம்பகமற்ற இடங்களில், அதாவது தொலைதூர இடங்கள் அல்லது மொபைல் பயன்பாடுகள் போன்ற சூழ்நிலைகளில் இது மிகவும் பயனுள்ளதாக இருக்கும்.
கிளவுடுக்கு தரவை அனுப்பாமல் நிகழ்நேர மொழிபெயர்ப்பு அல்லது பட அங்கீகாரத்தைச் செய்யக்கூடிய ஒரு ஸ்மார்ட்போன் பயன்பாட்டை கற்பனை செய்து பாருங்கள். அல்லது இணையம் செயலிழந்தாலும் குரல் கட்டளைகளைப் புரிந்துகொண்டு பதிலளிக்கக்கூடிய ஒரு ஸ்மார்ட் ஹோம் சாதனத்தை கற்பனை செய்து பாருங்கள். உள்ளூர் மற்றும் எட்ஜ் கம்ப்யூட்டிங் சூழல்களில் QAT-உகந்த Gemma 3 மாடல்களின் சாத்தியமான பயன்பாடுகளுக்கு இவை சில எடுத்துக்காட்டுகள் மட்டுமே.
பல்வேறு தொழில்களில் AI ஏற்றுக்கொள்ளலை துரிதப்படுத்துதல்
Gemma 3 மாடல்களின் அதிகரித்த அணுகல் மற்றும் செயல்திறன் பல்வேறு தொழில்களில் AI ஏற்றுக்கொள்ளலை துரிதப்படுத்தலாம். அனைத்து அளவிலான வணிகங்களும் இப்போது இந்த மாடல்களைப் பயன்படுத்தி தங்கள் செயல்பாடுகளை மேம்படுத்தவும், வாடிக்கையாளர் அனுபவங்களை மேம்படுத்தவும், புதிய தயாரிப்புகள் மற்றும் சேவைகளை உருவாக்கவும் முடியும்.
சுகாதாரத் துறையில், மருத்துவப் படங்களை பகுப்பாய்வு செய்யவும், நோய்களைக் கண்டறியவும், சிகிச்சைத் திட்டங்களைத் தனிப்பயனாக்கவும் Gemma 3 மாடல்களைப் பயன்படுத்தலாம். நிதித்துறையில், மோசடியைக் கண்டறியவும், ஆபத்தை மதிப்பிடவும், வர்த்தக உத்திகளை தானியங்குபடுத்தவும் அவற்றைப் பயன்படுத்தலாம். சில்லறைத் துறையில், பரிந்துரைகளைத் தனிப்பயனாக்கவும், சரக்கு மேலாண்மையை மேம்படுத்தவும், வாடிக்கையாளர் சேவையை மேம்படுத்தவும் அவற்றைப் பயன்படுத்தலாம்.
வெவ்வேறு தொழில்களில் Gemma 3 மாடல்களின் சாத்தியமான பயன்பாடுகளுக்கு இவை சில எடுத்துக்காட்டுகள் மட்டுமே. இந்த மாடல்கள் அதிக அணுகக்கூடியதாகவும், பயன்படுத்த எளிதானதாகவும் மாறும்போது, அவற்றை பரந்த அளவிலான பயன்பாடுகள் மற்றும் சேவைகளில் ஒருங்கிணைக்கப்படுவதை நாம் எதிர்பார்க்கலாம்.
புதுமை மற்றும் ஆக்கப்பூர்வத்தை வளர்ப்பது
AI மேம்பாட்டின் ஜனநாயகமயமாக்கல் புதுமை மற்றும் ஆக்கப்பூர்வத்தை வளர்க்க முடியும். AI கருவிகளை அதிக பார்வையாளர்களுக்கு அணுகக்கூடியதாக மாற்றுவதன் மூலம், AI இன் சாத்தியக்கூறுகளை பரிசோதிக்கவும் ஆராயவும் அதிகமான மக்களை ஊக்குவிக்க முடியும். இது இன்று நம்மால் கற்பனை செய்ய முடியாத புதிய மற்றும் புதுமையான பயன்பாடுகளின் வளர்ச்சிக்கு வழிவகுக்கும்.
டிஜிட்டல் கலையின் புதிய வடிவங்களை உருவாக்க Gemma 3 மாடல்களைப் பயன்படுத்தும் கலைஞர்களை கற்பனை செய்து பாருங்கள், அல்லது அசல் இசையை இயற்ற அவற்றைப் பயன்படுத்தும் இசைக்கலைஞர்களை கற்பனை செய்து பாருங்கள். அல்லது மாணவர்களுக்கான கற்றல் அனுபவங்களைத் தனிப்பயனாக்க கல்வியாளர்கள் அவற்றைப் பயன்படுத்துவதை கற்பனை செய்து பாருங்கள், அல்லது சமூகப் பிரச்சினைகள் குறித்து விழிப்புணர்வை ஏற்படுத்த ஆர்வலர்கள் அவற்றைப் பயன்படுத்துவதை கற்பனை செய்து பாருங்கள்.
AI கருவிகளுடன் தனிநபர்களை மேம்படுத்துவதன் மூலம், அவர்களின் ஆக்கப்பூர்வ திறனைத் திறக்கலாம் மற்றும் ஒட்டுமொத்த சமூகத்திற்கும் பயனளிக்கும் புதுமை கலாச்சாரத்தை வளர்க்கலாம்.
நெறிமுறை பரிசீலனைகளை நிவர்த்தி செய்தல்
AI மிகவும் ஊடுருவிச் செல்லும்போது, அதன் பயன்பாட்டுடன் தொடர்புடைய நெறிமுறை பரிசீலனைகளை நிவர்த்தி செய்வது முக்கியம். இதில் சார்பு, நியாயம், வெளிப்படைத்தன்மை மற்றும் பொறுப்புக்கூறல் போன்ற சிக்கல்கள் அடங்கும்.
QAT-உகந்த Gemma 3 மாடல்கள் இந்த நெறிமுறை பரிசீலனைகளை நிவர்த்தி செய்வதில் ஒரு பங்கைக் கொண்டிருக்கும். AI மாடல்களை அதிக அணுகக்கூடியதாக மாற்றுவதன் மூலம், அவற்றின் மேம்பாடு மற்றும் பயன்பாட்டில் பங்கேற்க அதிகமான தனிநபர்கள் மற்றும் அமைப்புகளை ஊக்குவிக்க முடியும். இந்த மாடல்கள் பொறுப்புள்ள மற்றும் நெறிமுறை முறையில் உருவாக்கப்பட்டு பயன்படுத்தப்படுவதை உறுதிப்படுத்த இது உதவும்.
AI அணுகுமுறையின் எதிர்காலம்
கூகிளின் QAT-உகந்த Gemma 3 மாடல்களின் வெளியீடு, AI தொழில்நுட்பத்தை அதிக பார்வையாளர்களுக்கு அணுகக்கூடியதாக மாற்றுவதில் ஒரு குறிப்பிடத்தக்க படியாகும். AI தொடர்ந்து உருவாகும்போது, அதன் நன்மைகள் அனைவருக்கும் பகிர்ந்து கொள்ளப்படுவதை உறுதி செய்வது முக்கியம். AI மேம்பாட்டை ஜனநாயகப்படுத்துவதன் மூலம், நாம் புதுமையை வளர்க்கலாம், ஏற்றுக்கொள்ளலை துரிதப்படுத்தலாம் மற்றும் நெறிமுறை பரிசீலனைகளை நிவர்த்தி செய்யலாம். AI இன் எதிர்காலம் என்பது அனைவருக்கும் அதன் வளர்ச்சியில் பங்கேற்கவும் அதன் திறன்களிலிருந்து பயனடையவும் வாய்ப்பு கிடைக்கும் ஒன்றாகும்.
Gemma 3 QAT மாடல்கள் ஒரு திருப்புமுனையை பிரதிபலிக்கின்றன, நுழைவுக்கான தடையைக் குறைத்து, AI கண்டுபிடிப்பாளர்களின் ஒரு புதிய தலைமுறையை மேம்படுத்துகின்றன. அன்றாட வன்பொருளில் அதிநவீன AI ஐ இயக்கும் திறன், பிரபலமான டெவலப்பர் கருவிகளுடன் தடையற்ற ஒருங்கிணைப்புடன் இணைந்து, பல்வேறு துறைகளில் AI ஏற்றுக்கொள்ளலில் ஒரு எழுச்சியை நிச்சயமாக தூண்டும். எட்ஜ் கம்ப்யூட்டிங், தனிப்பயனாக்கப்பட்ட கற்றல் மற்றும் ஆக்கப்பூர்வ வெளிப்பாடு ஆகியவற்றில் சாத்தியமான தாக்கம் மிகப்பெரியது, AI என்பது பெரிய நிறுவனங்களுக்கான ஒரு கருவி மட்டுமல்ல, அனைவருக்கும் அணுகக்கூடிய ஒரு ஆதாரமாகும். சமூகம் இந்த மாடல்களை தொடர்ந்து ஆராய்ந்து மேம்படுத்துவதால், இன்னும் அதிகமான அற்புதமான பயன்பாடுகளையும் AI இன் மாற்றும் சக்தியின் மிகவும் சமமான விநியோகத்தையும் நாம் எதிர்பார்க்கலாம்.