இன்றைய அதிவேக தொழில்நுட்ப உலகில், டீப்ஸீக் (DeepSeek), கூகிளின் ஜெம்மா (Gemma), மற்றும் மெட்டாவின் லாமா (Llama) போன்ற பெரிய மொழி மாதிரிகள் (LLM) நம் வாழ்வின் பல்வேறு அம்சங்களை புரட்சிகரமாக மாற்றும் சக்திவாய்ந்த கருவிகளாக வெளிவந்துள்ளன. ChatGPT, கூகிளின் ஜெமினி (Gemini), மற்றும் ஆப்பிள் இன்டெலிஜென்ஸ் (Apple Intelligence) போன்ற கிளவுட் அடிப்படையிலான LLM-கள் குறிப்பிடத்தக்க திறன்களை வழங்கினாலும், அவை நிலையான இணைய இணைப்பு தேவைப்படுவதால் அடிக்கடி பாதிக்கப்படுகின்றன. இந்த சார்புநிலை தனியுரிமை, செயல்திறன் மற்றும் செலவு பற்றிய கவலைகளை எழுப்புகிறது, இது தனிப்பட்ட சாதனங்களில் LLM-களை உள்நாட்டில் இயக்குவதில் அதிகரித்து வரும் ஆர்வத்திற்கு தூண்டுகிறது.
Mac பயனர்களுக்கு, LLM-களை உள்நாட்டில் இயக்குவதற்கான வாய்ப்பு, மேம்பட்ட தனியுரிமை, மேம்பட்ட செயல்திறன் மற்றும் அவர்களின் AI தொடர்புகளின் மீது அதிக கட்டுப்பாட்டைக் கொண்ட ஒரு உலகத்தைத் திறக்கிறது. இந்த வழிகாட்டி உங்கள் Mac-ல் டீப்ஸீக் (DeepSeek) மற்றும் பிற LLM-களை உள்நாட்டில் இயக்குவதில் உள்ள நுணுக்கங்களை ஆராய்கிறது, நன்மைகள், தேவைகள் மற்றும் சம்பந்தப்பட்ட படிகள் பற்றிய விரிவான கண்ணோட்டத்தை வழங்குகிறது.
உள்ளூர் LLM செயலாக்கத்தின் கட்டாய நன்மைகள்
உங்கள் Mac-ல் LLM-களை உள்நாட்டில் இயக்குவதைத் தேர்ந்தெடுப்பது, கிளவுட் அடிப்படையிலான மாற்றுகளுடன் தொடர்புடைய வரம்புகளை நிவர்த்தி செய்து, பல நன்மைகளைத் திறக்கிறது.
அசைக்க முடியாத தனியுரிமை மற்றும் பாதுகாப்பு
LLM-களை உள்நாட்டில் இயக்குவதற்கான மிக முக்கியமான காரணங்களில் ஒன்று, அது வழங்கும் உயர்ந்த தனியுரிமை மற்றும் பாதுகாப்பு. உங்கள் தரவு மற்றும் AI செயலாக்கத்தை உங்கள் சொந்த சாதனத்திற்குள் வைத்திருப்பதன் மூலம், முக்கியமான தகவல்கள் வெளிப்புற சேவையகங்களுக்கு அனுப்பப்படும் அபாயத்தை நீக்குகிறீர்கள். ரகசிய தரவு, தனியுரிம வழிமுறைகள் அல்லது நீங்கள் தனிப்பட்டதாக வைத்திருக்க விரும்பும் தனிப்பட்ட தகவல்களைக் கையாளும் போது இது மிகவும் முக்கியமானது.
உள்ளூர் LLM செயலாக்கத்துடன், உங்கள் தரவின் மீது நீங்கள் முழுமையான கட்டுப்பாட்டைப் பெறுகிறீர்கள், அங்கீகரிக்கப்படாத அணுகல், தரவு மீறல்கள் அல்லது மூன்றாம் தரப்பினரின் சாத்தியமான தவறான பயன்பாடு ஆகியவற்றிலிருந்து அது பாதுகாக்கப்படுவதை உறுதிசெய்கிறீர்கள். தரவு சார்ந்த இன்றைய உலகில், தனியுரிமைக் கவலைகள் மிக முக்கியமானவை, மன அமைதி விலைமதிப்பற்றது.
இணையற்ற செயல்திறன் மற்றும் பதிலளிக்கும் தன்மை
LLM-களை உள்நாட்டில் இயக்குவதன் மற்றொரு குறிப்பிடத்தக்க நன்மை மேம்பட்ட செயல்திறன் மற்றும் அது வழங்கும் பதிலளிக்கும் தன்மை. தரவை தொலை சேவையகங்களுக்கு அனுப்பவும் பெறவும் தேவையில்லாமல், தாமதம் மற்றும் பிணைய சார்புகளைக் குறைத்து, வேகமான செயலாக்க நேரத்தையும், தடையற்ற AI தொடர்புகளையும் விளைவிக்கிறது.
உள்ளூர் LLM செயலாக்கம் உங்கள் Mac-ன் முழு செயலாக்க சக்தியையும் பயன்படுத்த அனுமதிக்கிறது, கிளவுட் அடிப்படையிலான தீர்வுகளுடன் தொடர்புடைய தாமதங்கள் இல்லாமல் நிகழ்நேர பகுப்பாய்வு, விரைவான முன்மாதிரி மற்றும் ஊடாடும் பரிசோதனையை செயல்படுத்துகிறது. குறியீடு உருவாக்கம், இயற்கை மொழி செயலாக்கம் மற்றும் ஆக்கப்பூர்வமான உள்ளடக்க உருவாக்கம் போன்ற உடனடி கருத்து தேவைப்படும் பணிகளுக்கு இது மிகவும் பயனுள்ளதாக இருக்கும்.
செலவு குறைந்த மற்றும் நீண்ட கால சேமிப்பு
கிளவுட் அடிப்படையிலான LLM-கள் பெரும்பாலும் திரும்பத் திரும்ப API கட்டணங்கள் மற்றும் பயன்பாட்டு அடிப்படையிலான கட்டணங்களுடன் வந்தாலும், LLM-களை உள்நாட்டில் இயக்குவது நீண்ட காலத்திற்கு மிகவும் செலவு குறைந்த தீர்வாக இருக்கும். தேவையான வன்பொருள் மற்றும் மென்பொருளில் முன்கூட்டியே முதலீடு செய்வதன் மூலம், தொடர்ச்சியான செலவுகளை நீங்கள் தவிர்க்கலாம் மற்றும் AI செயலாக்க திறன்களுக்கு வரம்பற்ற அணுகலைப் பெறலாம்.
உள்ளூர் LLM செயலாக்கம் ஒவ்வொரு API அழைப்பு அல்லது தரவு பரிவர்த்தனைக்கும் பணம் செலுத்தும் தேவையை நீக்குகிறது, இதனால் அதிகரித்து வரும் செலவுகளைப் பற்றி கவலைப்படாமல் AI தீர்வுகளை பரிசோதிக்க, உருவாக்க மற்றும் பயன்படுத்த உங்களை அனுமதிக்கிறது. LLM-களை அடிக்கடி அல்லது அதிக அளவில் பயன்படுத்துவதை எதிர்பார்க்கும் பயனர்களுக்கு இது மிகவும் சாதகமானது, ஏனெனில் காலப்போக்கில் ஒட்டுமொத்த சேமிப்பு கணிசமாக இருக்கும்.
குறிப்பிட்ட தேவைகளுக்கு ஏற்ப தனிப்பயனாக்கம் மற்றும் நன்றாக ட்யூனிங் செய்தல்
உள்ளூர் LLM-களை இயக்குவது உங்கள் குறிப்பிட்ட தேவைகள் மற்றும் தேவைகளுக்கு ஏற்ப மாதிரிகளைத் தனிப்பயனாக்க மற்றும் நன்றாக ட்யூனிங் செய்வதற்கான நெகிழ்வுத்தன்மையை வழங்குகிறது. உங்கள் சொந்த தனியுரிம தரவுடன் LLM-களுக்கு பயிற்சி அளிப்பதன் மூலம், அவற்றின் பதில்களைத் தனிப்பயனாக்கலாம், அவற்றின் துல்லியத்தை மேம்படுத்தலாம் மற்றும் குறிப்பிட்ட பணிகளுக்கான அவற்றின் செயல்திறனை மேம்படுத்தலாம்.
இந்த அளவிலான தனிப்பயனாக்கம் கிளவுட் அடிப்படையிலான LLM-களில் எப்போதும் சாத்தியமில்லை, அவை அடிப்படை மாதிரிகள் மற்றும் பயிற்சி தரவின் மீது வரையறுக்கப்பட்ட கட்டுப்பாட்டை வழங்குகின்றன. உள்ளூர் LLM செயலாக்கத்துடன், உங்கள் தனித்துவமான டொமைன், தொழில் அல்லது பயன்பாட்டிற்கு ஏற்ப மாதிரிகளை மாற்றியமைக்க உங்களுக்கு சுதந்திரம் உள்ளது, அவை மிகவும் பொருத்தமான மற்றும் பயனுள்ள முடிவுகளை வழங்குவதை உறுதி செய்கிறது.
டெவலப்பர்களுக்கு அதிகாரம் அளித்தல் மற்றும் புதுமையை வளர்ப்பது
டெவலப்பர்களுக்கு, LLM-களை உள்நாட்டில் இயக்குவது பரிசோதனை, முன்மாதிரி மற்றும் புதுமைக்கான வாய்ப்புகளின் உலகத்தைத் திறக்கிறது. மாதிரிகளுக்கான நேரடி அணுகலைப் பெறுவதன் மூலம், டெவலப்பர்கள் அவற்றின் திறன்களை ஆராயலாம், வெவ்வேறு உள்ளமைவுகளை சோதிக்கலாம் மற்றும் வெளிப்புற APIகள் அல்லது கிளவுட் சேவைகளை நம்பாமல் தனிப்பயன் AI- இயங்கும் பயன்பாடுகளை உருவாக்கலாம்.
உள்ளூர் LLM செயலாக்கம் டெவலப்பர்களை மாதிரிகளின் உள் செயல்பாடுகளுக்குள் ஆழமாக மூழ்கி, அவற்றின் பலம், பலவீனம் மற்றும் சாத்தியமான பயன்பாடுகளைப் பற்றி நன்கு புரிந்து கொள்ள அனுமதிக்கிறது. இந்த கையேடு அனுபவம் நாவல் AI தீர்வுகளை உருவாக்குதல், இருக்கும் வழிமுறைகளை மேம்படுத்துதல் மற்றும் புதிய தொழில்நுட்பங்களை உருவாக்குதல் ஆகியவற்றிற்கு வழிவகுக்கும்.
உங்கள் Mac-ல் உள்ளூர் LLM செயலாக்கத்திற்கான அத்தியாவசிய தேவைகள்
உங்கள் Mac-ல் LLM-களை உள்நாட்டில் இயக்குவது பெருகிய முறையில் அணுகக்கூடியதாக மாறிக்கொண்டாலும், மென்மையான மற்றும் திறமையான அனுபவத்தை உறுதிப்படுத்த வன்பொருள் மற்றும் மென்பொருள் தேவைகளைப் புரிந்துகொள்வது அவசியம்.
ஆப்பிள் சிலிகான்-இயங்கும் Mac
Mac-ல் உள்ளூர் LLM செயலாக்கத்தின் மூலக்கல்லானது ஆப்பிள் சிலிகான்-இயங்கும் சாதனம். ஆப்பிள் நிறுவனத்தால் உள்நாட்டில் வடிவமைக்கப்பட்ட இந்த சில்லுகள், அதிக செயல்திறன் மற்றும் ஆற்றல் திறன் ஆகியவற்றின் தனித்துவமான கலவையை வழங்குகின்றன, இது தேவைப்படும் AI வேலை சுமைகளை இயக்குவதற்கு ஏற்றதாக அமைகிறது.
M1, M2 மற்றும் M3 தொடர் சில்லுகளால் இயக்கப்படும் ஆப்பிள் சிலிகான் Macகள், LLM-களின் கணக்கீட்டு தேவைகளை கையாள தேவையான செயலாக்க சக்தி மற்றும் நினைவக அலைவரிசையை வழங்குகின்றன, நிகழ்நேர ஊகம் மற்றும் திறமையான பயிற்சிக்கு உதவுகின்றன.
போதுமான கணினி நினைவகம் (RAM)
கணினி நினைவகம் அல்லது RAM, உங்கள் Mac-ல் LLM-களை உள்நாட்டில் இயக்குவதற்கான சாத்தியக்கூறுகளை தீர்மானிப்பதில் மற்றொரு முக்கியமான காரணியாகும். LLM-கள் பொதுவாக அவற்றின் அளவுருக்கள், இடைநிலை கணக்கீடுகள் மற்றும் உள்ளீட்டு தரவை சேமிக்க கணிசமான அளவு நினைவகம் தேவைப்படுகிறது.
8GB RAM உடன் சில சிறிய LLM-களை இயக்க முடியும் என்றாலும், மென்மையான மற்றும் பதிலளிக்கக்கூடிய அனுபவத்திற்கு குறைந்தது 16GB RAM இருப்பது பொதுவாக பரிந்துரைக்கப்படுகிறது. பெரிய மற்றும் சிக்கலான LLM-களுக்கு, உகந்த செயல்திறனை உறுதிப்படுத்த 32GB அல்லது 64GB RAM கூட தேவைப்படலாம்.
போதுமான சேமிப்பு இடம்
RAM உடன் கூடுதலாக, LLM கோப்புகள், தரவுத்தொகுப்புகள் மற்றும் பிற தொடர்புடைய ஆதாரங்களை சேமிக்க போதுமான சேமிப்பு இடம் அவசியம். LLM-கள் சில ஜிகாபைட் முதல் நூற்றுக்கணக்கான ஜிகாபைட் வரை அளவு வேறுபடலாம், இது அவற்றின் சிக்கலான தன்மை மற்றும் அவை வெளிப்படுத்தப்பட்ட பயிற்சி தரவின் அளவைப் பொறுத்து.
உள்நாட்டில் இயக்க திட்டமிட்டுள்ள LLM-களைக் கையாள உங்கள் Mac-ல் போதுமான இலவச சேமிப்பு இடம் இருப்பதை உறுதிப்படுத்திக் கொள்ளுங்கள். தற்காலிக சேமிப்பு, தற்காலிக கோப்புகள் மற்றும் பிற கணினி செயல்முறைகளுக்கு கூடுதல் இடம் வைத்திருப்பது நல்லது.
LM ஸ்டுடியோ: உள்ளூர் LLM செயலாக்கத்திற்கான உங்கள் நுழைவாயில்
LM ஸ்டுடியோ என்பது உங்கள் Mac-ல் LLM-களை உள்நாட்டில் இயக்குவதற்கான செயல்முறையை எளிதாக்கும் ஒரு பயனர் நட்பு மென்பொருள் பயன்பாடு ஆகும். இது LLM-களைப் பதிவிறக்குவதற்கும், நிறுவுவதற்கும் மற்றும் நிர்வகிப்பதற்கும் ஒரு கிராஃபிகல் இடைமுகத்தை வழங்குகிறது, இது தொழில்நுட்ப மற்றும் தொழில்நுட்பம் அல்லாத பயனர்களுக்கு அணுகக்கூடியதாக உள்ளது.
LM ஸ்டுடியோ டீப்ஸீக் (DeepSeek), லாமா (Llama), ஜெம்மா (Gemma) மற்றும் பலவற்றை உள்ளடக்கிய பரந்த அளவிலான LLM-களை ஆதரிக்கிறது. இது மாதிரி தேடல், உள்ளமைவு விருப்பங்கள் மற்றும் மூல பயன்பாட்டு கண்காணிப்பு போன்ற அம்சங்களையும் வழங்குகிறது, இது உள்ளூர் LLM செயலாக்கத்திற்கு இன்றியமையாத கருவியாக அமைகிறது.
LM ஸ்டுடியோவைப் பயன்படுத்தி உங்கள் Mac-ல் LLM-களை உள்நாட்டில் இயக்குவதற்கான படிப்படியான வழிகாட்டி
தேவையான வன்பொருள் மற்றும் மென்பொருள் இருக்கும் இடத்தில், இப்போது LM ஸ்டுடியோவைப் பயன்படுத்தி உங்கள் Mac-ல் LLM-களை உள்நாட்டில் இயக்கும் பயணத்தைத் தொடங்கலாம். தொடங்க இந்த படிப்படியான வழிமுறைகளைப் பின்பற்றவும்:
LM ஸ்டுடியோவைப் பதிவிறக்கி நிறுவவும்: LM ஸ்டுடியோ வலைத்தளத்தைப் பார்வையிட்டு உங்கள் Mac இயக்க முறைமைக்கான சரியான பதிப்பைப் பதிவிறக்கவும். பதிவிறக்கம் முடிந்ததும், நிறுவி கோப்பை இருமுறை கிளிக் செய்து, உங்கள் கணினியில் LM ஸ்டுடியோவை நிறுவ திரைவழி வழிமுறைகளைப் பின்பற்றவும்.
LM ஸ்டுடியோவைத் தொடங்கவும்: நிறுவல் முடிந்ததும், உங்கள் பயன்பாடுகள் கோப்புறை அல்லது லாஞ்ச்பேடில் இருந்து LM ஸ்டுடியோவைத் தொடங்கவும். சுத்தமான மற்றும் உள்ளுணர்வு இடைமுகத்துடன் நீங்கள் வரவேற்கப்படுவீர்கள்.
மாதிரி நூலகத்தை ஆராயுங்கள்: LM ஸ்டுடியோ பதிவிறக்கம் மற்றும் வரிசைப்படுத்தலுக்கு தயாராக உள்ள முன்-பயிற்சி LLM-களின் விரிவான நூலகத்தைக் கொண்டுள்ளது. கிடைக்கும் மாதிரிகளை ஆராய, இடது பக்க பட்டியில் உள்ள “மாதிரி தேடல்” ஐகானைக் கிளிக் செய்யவும்.
நீங்கள் விரும்பும் LLM-ஐத் தேடுங்கள்: மாதிரி தேடல் சாளரத்தின் மேலே உள்ள தேடல் பட்டியைப் பயன்படுத்தி, உள்நாட்டில் இயக்க நீங்கள் விரும்பும் குறிப்பிட்ட LLM-ஐக் கண்டறியவும். பெயர், டெவலப்பர் அல்லது வகை மூலம் தேடலாம்.
LLM-ஐத் தேர்ந்தெடுத்து பதிவிறக்கவும்: நீங்கள் பயன்படுத்த விரும்பும் LLM-ஐக் கண்டுபிடித்ததும், அதன் விளக்கம், அளவு மற்றும் இணக்கத்தன்மை தேவைகள் போன்ற கூடுதல் விவரங்களைக் காண அதன் பெயரைக் கிளிக் செய்யவும். LLM உங்கள் தேவைகளைப் பூர்த்தி செய்தால், பதிவிறக்க செயல்முறையைத் தொடங்க “பதிவிறக்கு” பொத்தானைக் கிளிக் செய்யவும்.
மாதிரி அமைப்புகளை உள்ளமைக்கவும் (விரும்பினால்): LLM பதிவிறக்கம் முடிந்ததும், அதன் செயல்திறன் மற்றும் நடத்தையை மேம்படுத்த அதன் அமைப்புகளைத் தனிப்பயனாக்கலாம். உள்ளமைவு விருப்பங்களை அணுக இடது பக்க பட்டியில் உள்ள “அமைப்புகள்” ஐகானைக் கிளிக் செய்யவும்.
LLM-ஐ ஏற்றவும்: LLM பதிவிறக்கம் செய்யப்பட்டு உள்ளமைக்கப்பட்டதும், அதை LM ஸ்டுடியோவில் ஏற்ற நீங்கள் தயாராக உள்ளீர்கள். அரட்டை இடைமுகத்தைத் திறக்க இடது பக்க பட்டியில் உள்ள “அரட்டை” ஐகானைக் கிளிக் செய்யவும். பின்னர், “ஏற்ற ஒரு மாதிரியைத் தேர்ந்தெடுக்கவும்” கீழ்தோன்றும் மெனுவைக் கிளிக் செய்து, நீங்கள் பதிவிறக்கிய LLM-ஐத் தேர்ந்தெடுக்கவும்.
LLM உடன் தொடர்பு கொள்ளத் தொடங்குங்கள்: LLM ஏற்றப்பட்டதும், அரட்டை சாளரத்தில் தூண்டுதல்கள் மற்றும் கேள்விகளைத் தட்டச்சு செய்வதன் மூலம் நீங்கள் இப்போது அதனுடன் தொடர்பு கொள்ளத் தொடங்கலாம். LLM அதன் பயிற்சி தரவு மற்றும் உங்கள் உள்ளீட்டின் அடிப்படையில் பதில்களை உருவாக்கும்.
செயல்திறனை மேம்படுத்துதல் மற்றும் வளங்களை நிர்வகித்தல்
LLM-களை உள்நாட்டில் இயக்குவது வள-தீவிரமாக இருக்கலாம், எனவே செயல்திறனை மேம்படுத்துவது மற்றும் வளங்களை திறம்பட நிர்வகிப்பது அவசியம். உங்கள் உள்ளூர் LLM அனுபவத்தை அதிகம் பெற உதவும் சில குறிப்புகள் இங்கே:
சரியான LLM-ஐத் தேர்ந்தெடுக்கவும்: உங்கள் குறிப்பிட்ட தேவைகள் மற்றும் வன்பொருள் திறன்களுக்கு ஏற்ற ஒரு LLM-ஐத் தேர்ந்தெடுக்கவும். சிறிய மற்றும் குறைந்த சிக்கலான LLM-கள் பொதுவாக வேகமாக இயங்கும் மற்றும் குறைவான நினைவகம் தேவைப்படும்.
மாதிரி அமைப்புகளை சரிசெய்யவும்: செயல்திறன் மற்றும் துல்லியம் ஆகியவற்றுக்கு இடையேயான உகந்த சமநிலையைக் கண்டறிய வெவ்வேறு மாதிரி அமைப்புகளுடன் பரிசோதனை செய்யுங்கள். LLM-ன் நடத்தையை நன்றாக ட்யூனிங் செய்ய நீங்கள் சூழல் நீளம், வெப்பநிலை மற்றும் டாப்_பி (top_p) போன்ற அளவுருக்களை சரிசெய்யலாம்.
வள பயன்பாட்டைக் கண்காணிக்கவும்: சாத்தியமான தடைகளைக் கண்டறிய உங்கள் Mac-ன் CPU, நினைவகம் மற்றும் டிஸ்க் பயன்பாட்டைக் கண்காணிக்கவும். அதிகப்படியான வள நுகர்வைக் கண்டால், ஒரே நேரத்தில் பணிகளின் எண்ணிக்கையைக் குறைக்க அல்லது குறைவான தேவைப்படும் LLM-க்கு மாற முயற்சிக்கவும்.
தேவையற்ற பயன்பாடுகளை மூடவும்: LLM செயலாக்கத்திற்கான கணினி வளங்களை விடுவிக்க நீங்கள் தீவிரமாகப் பயன்படுத்தாத எந்த பயன்பாட்டையும் மூடவும்.
உங்கள் வன்பொருளை மேம்படுத்தவும்: நீங்கள் தொடர்ந்து செயல்திறன் சிக்கல்களை எதிர்கொண்டால், LLM வேலை சுமைகளை கையாளும் திறனை மேம்படுத்த உங்கள் Mac-ன் RAM அல்லது சேமிப்பிடத்தை மேம்படுத்துவதைக் கவனியுங்கள்.
முடிவுரை: உங்கள் Mac-ல் AI-ன் எதிர்காலத்தைத் தழுவுங்கள்
உங்கள் Mac-ல் LLM-களை உள்நாட்டில் இயக்குவது, மேம்பட்ட தனியுரிமை, மேம்பட்ட செயல்திறன் மற்றும் உங்கள் AI தொடர்புகளின் மீது அதிக கட்டுப்பாட்டை வழங்குவதன் மூலம் AI-ன் முழு திறனையும் திறக்க உங்களுக்கு அதிகாரம் அளிக்கிறது. சரியான வன்பொருள், மென்பொருள் மற்றும் அறிவுடன், உங்கள் Mac-ஐ ஒரு சக்திவாய்ந்த AI பணியிடமாக மாற்றலாம், பரிசோதனை செய்யவும், புதுமை செய்யவும் மற்றும் புதிய பயன்பாடுகளை உருவாக்கவும் உங்களை அனுமதிக்கிறது.
LLM-கள் தொடர்ந்து வளர்ச்சியடைந்து மேலும் அணுகக்கூடியதாக மாறும்போது, அவற்றை உள்நாட்டில் இயக்கும் திறன் பெருகிய முறையில் மதிப்புமிக்கதாக இருக்கும். இந்த தொழில்நுட்பத்தைத் தழுவுவதன் மூலம், நீங்கள் AI புரட்சியின் முன்னணியில் இருக்க முடியும் மற்றும் எதிர்காலத்தை வடிவமைக்க அதன் மாற்றும் சக்தியைப் பயன்படுத்த முடியும்.