Tencent Hunyuan-Large மாடலானது industry-leading அளவுரு அளவு மற்றும் செயல்திறனைக் கொண்ட ஒரு transformer கட்டமைப்பாகும். இந்த மாதிரி பொது அளவுகோல்கள், பல-டர்ன் உரையாடல்கள், உயர்தர உரை உருவாக்கம், கணித தர்க்கம் மற்றும் குறியீடு உருவாக்கம் உள்ளிட்ட பரந்த அளவிலான பணிகளில் சிறந்து விளங்குகிறது.
Tencent Hunyuan-Large இன் ஆற்றலை வெளிப்படுத்துதல்: தனிப்பயனாக்கம் மற்றும் திறன்கள்
Hunyuan-Large மாதிரியின் மையத்தில், பல்வேறு களங்களில் உள்ள பயனர்களுக்கு அதிகாரம் அளிக்கும் வகையில் வடிவமைக்கப்பட்ட විශේෂිත திறன்களின் தொகுப்பை வழங்குகிறது. இந்த திறன்களை ஆழமாக ஆராய்வோம்:
உரை உருவாக்கத்தை மேம்படுத்துதல்: எழுதுவதிலிருந்து செம்மைப்படுத்துதல் வரை
Hunyuan-Large மாதிரி அசல் உள்ளடக்கத்தை உருவாக்குவது முதல் இருக்கும் பகுதிகளைச் செம்மைப்படுத்துவது வரை அதிநவீன உரை உருவாக்கும் திறன்களை வழங்குகிறது. இது எழுத்து தெளிவை மேம்படுத்துதல், நுண்ணறிவு சுருக்கங்களை உருவாக்குதல் மற்றும் ஆக்கப்பூர்வமான யோசனைகளைத் தூண்டுதல் ஆகியவற்றில் சிறந்து விளங்குகிறது. கட்டாயமான மார்க்கெட்டிங் நகலை உருவாக்குதல், தகவல் தரும் வலைப்பதிவு இடுகைகளை எழுதுதல் அல்லது ஈடுபாட்டுடன் கூடிய புனைகதை கதைகளை உருவாக்குதல் ஆகியவற்றில் உங்களுக்கு உதவி தேவைப்பட்டாலும், இந்த மாதிரி ஒரு மதிப்புமிக்க கருவியாக செயல்பட முடியும்.
- எழுதுதல் உதவி: பல்வேறு வடிவங்கள் மற்றும் பாணிகளில் உயர்தர உள்ளடக்கத்தை உருவாக்கவும்.
- உள்ளடக்க செம்மைப்படுத்துதல்: தெளிவு, இலக்கணம் மற்றும் ஒட்டுமொத்த தாக்கத்தை மேம்படுத்தும் வகையில் எழுத்தை மெருகூட்டவும்.
- சுருக்கம்: நீண்ட உரைகளில் இருந்து முக்கியத் தகவல்களைச் சுருக்கமான சுருக்கங்களாக வடிகட்டவும்.
- ஆக்கப்பூர்வமான உருவாக்கம்: யோசனைகளைக் கூட்டிப்பு மற்றும் புதுமையான உள்ளடக்கக் கருத்துக்களை உருவாக்கவும்.
கணிதத்தில் தேர்ச்சி பெறுதல்: கணக்கீடுகள், சூத்திரங்கள் மற்றும் காட்சிப்படுத்தல்கள்
உரைக்கு அப்பாற்பட்டு, மாதிரி கணிதத்தின் சாம்ராஜ்யத்திற்குள் அதன் திறன்களை விரிவுபடுத்துகிறது, கணக்கீட்டு சக்தி, சூத்திர உருவாக்கம் மற்றும் வரைபட காட்சிப்படுத்தல் ஆகியவற்றை வழங்குகிறது. இந்த அம்சமானது மாணவர்கள், ஆராய்ச்சியாளர்கள் மற்றும் சிக்கலான கணிதக் கருத்துகளுடன் பணிபுரியும் நிபுணர்களுக்கு ஒரு மதிப்புமிக்க ஆதாரமாக அமைகிறது.
- கணித கணக்கீடுகள்: வேகமாகவும் துல்லியமாகவும் சிக்கலான கணக்கீடுகளைச் செய்யவும்.
- சூத்திர உருவாக்கம்: வழங்கப்பட்ட அளவுருக்களை அடிப்படையாகக் கொண்டு கணித சூத்திரங்களை உருவாக்கவும்.
- வரைபடம் மற்றும் விளக்கப்படம் உருவாக்கம்: வரைபடங்கள் மற்றும் விளக்கப்படங்கள் மூலம் தரவு மற்றும் கணித உறவுகளை காட்சிப்படுத்தவும்.
அறிவார்ந்த அறிவு மீட்டெடுத்தல்: நம்பிக்கையுடன் கேள்விகளுக்குப் பதிலளித்தல்
Hunyuan-Large மாதிரியின் மையத்தில், வலுவான சொற்பொருள் புரிதல் மற்றும் அறிவு இருப்புகளை வெளிப்படுத்துகிறது, இது பயனர்களின் அறிவு அடிப்படையிலான விசாரணைகளுக்கு பதிலளிக்க உதவுகிறது. வரலாற்று உண்மைகள், அறிவியல் விளக்கங்கள் அல்லது சிறப்பு விதிமுறைகளின் வரையறைகளை நீங்கள் தேடுகிறீர்களா, மாதிரி நுண்ணறிவு மற்றும் துல்லியமான பதில்களை வழங்க முடியும்.
- பொது சொற்பொருள் புரிதல்: சிக்கலான கேள்விகளை விளக்கி பொருத்தமான தகவல்களைப் பிரித்தெடுக்கவும்.
- விரிவான அறிவு தளம்: பல்வேறு பாடங்களில் தகவல்களின் பரந்த களஞ்சியத்தை அணுகவும்.
- துல்லியமான மற்றும் பொருத்தமான பதில்கள்: குறிப்பிட்ட கேள்விக்கு ஏற்ற நம்பகமான பதில்களை வழங்கவும்.
கட்டமைப்பை வெளிப்படுத்துதல்: Hunyuan-Large ஐ இயக்கும் புதுமைகள்
Hunyuan-Large மாதிரி அதன் செயல்திறன் மற்றும் செயல்திறனுக்கு பங்களிக்கும் பல புதுமையான கட்டமைப்பு அம்சங்களை உள்ளடக்கியது.
சீரற்ற இழப்பீட்டு ரூட்டிங்: நிபுணர் பயன்பாட்டை மேம்படுத்துதல்
இந்த மாதிரி சீரற்ற இழப்பீட்டு ரூட்டிங் உத்தியை பயன்படுத்துகிறது. இந்த அணுகுமுறை நிபுணர் அதிக சுமை சிக்கலை நிவர்த்தி செய்கிறது. ஒரு முழுமையாக ஏற்றப்பட்ட நிபுணரால் நிராகரிக்கப்படக்கூடிய பணிகளை கிடைக்கக்கூடிய கொள்ளளவு கொண்ட பிற நிபுணர்களுக்கு மாற்றுவதன் மூலம் இந்த அணுகுமுறை சிக்கலை சரிசெய்கிறது. இந்த பொறிமுறையானது பயிற்சி ஸ்திரத்தன்மையை மேம்படுத்துகிறது மற்றும் ஒன்றிணைப்பை துரிதப்படுத்துகிறது.
இது MoE மாதிரிகளில் மிகவும் முக்கியமானது, அங்கு நிபுணர்களிடையே பணிச்சுமை ஏற்றத்தாழ்வுகள் ஒட்டுமொத்த செயல்திறனைத் தடுக்கலாம். பணிகள் திறமையாக வினியோகிக்கப்படுவதை உறுதி செய்வதன் மூலம், மாதிரி வள பயன்பாட்டை மேம்படுத்துகிறது மற்றும் வேகமான கற்றலை அடைகிறது.
சுருக்க உத்திகள்: திறமையான அனுமானத்திற்கான GQA மற்றும் CLA
அனுமான செயல்திறனை மேம்படுத்த, Hunyuan-Large KV cache சுருக்கத்திற்காக Grouped-QueryAttention (GQA) மற்றும் Cross-Layer Attention (CLA) உத்திகளை உள்ளடக்கியது. GQA தலைகளின் எண்ணிக்கையை 80 இலிருந்து 8 ஆகக் குறைக்கிறது, அதே நேரத்தில் CLA ஒவ்வொரு இரண்டு அடுக்குகளிலும் KV செயல்படுத்தல் மதிப்புகளைப் பகிர்கிறது.
இந்த சுருக்கமானது KV cache அளவை ஒரு நிலையான multi-head attention (MHA) பொறிமுறையின் 5% ஆகக் குறைக்கிறது, இதன் விளைவாக அனுமானத்தின் போது குறிப்பிடத்தக்க செயல்திறன் மேம்பாடுகள் ஏற்படுகின்றன. இந்த உத்திகள் வள-கட்டுப்படுத்தப்பட்ட சூழல்களில் பெரிய மொழி மாதிரிகளைப் பயன்படுத்துவதற்கு அவசியமானவை.
அளவுகோல் சிறந்து விளங்குகிறது: Hunyuan-Large முன்னணியில் உள்ளது
DeepSeek-V2, Llama3.1-70B, Llama3.1-405B மற்றும் Mixtral-8x22B போன்ற பிற திறந்த மூல மாதிரிகளுக்கு எதிராக கடுமையான மதிப்பீடுகளில், Hunyuan-Large சிறந்த செயல்திறனைக் காட்டியுள்ளது. இந்த அளவுகோல்கள் பின்வருவனவற்றை உள்ளடக்கிய பல்வேறு பணிகளை உள்ளடக்கியது:
- பல்துறை விரிவான மதிப்பீட்டு தொகுப்புகள்: CMMLU, MMLU மற்றும் CEval, அவை பல்வேறு கல்விப் பிரிவுகளில் மாதிரியின் அறிவை மதிப்பிடுகின்றன.
- சீன மற்றும் ஆங்கில NLP பணிகள்: மாதிரி இரு மொழிகளிலும் இயற்கையான மொழியைப் புரிந்துகொள்ளும் மற்றும் உருவாக்கும் திறனை மதிப்பிடுகிறது.
- குறியீடு உருவாக்கம்: மாதிரி குறியீடு துணுக்குகள் மற்றும் நிரல்களை உருவாக்கும் திறமையை மதிப்பிடுகிறது.
- கணித பகுத்தறிவு: கணித சிக்கல்களைத் தீர்க்கவும் தர்க்கரீதியான கழிவுகளைச் செய்யவும் மாதிரியின் திறனைச் சோதிக்கிறது.
இந்த முடிவுகள் Hunyuan-Largeஐ தொழில்துறையில் ஒரு முன்னணி மாதிரியாக நிறுவுகின்றன, இது பரந்த அளவிலான பயன்பாடுகளில் அதன் விதிவிலக்கான திறன்களைக் காட்டுகிறது.
தொழில்நுட்ப விவரக்குறிப்புகளில் ஆழமான டைவ்
Tencent Hunyuan Large மாதிரி சுமார் 389 பில்லியன் அளவுருக்களைக் கொண்டுள்ளது, இதில் சுமார் 52 பில்லியன் அளவுருக்கள் அனுமானத்தின் போது செயலில் உள்ளன, மேலும் 256k டோக்கன்கள் வரையிலான சூழல் நீளத்தை ஆதரிக்கிறது. அளவு மற்றும் சூழல் நீளத்தின் இந்த கலவையானது சிக்கலான மற்றும் நுணுக்கமான தகவல்களை அதிக துல்லியத்துடன் செயலாக்க மாதிரியை அனுமதிக்கிறது.
இந்த மாதிரியின் கட்டமைப்பு Transformer கட்டமைப்பை அடிப்படையாகக் கொண்டது, இது பெரிய மொழி மாதிரிகளுக்கான தரமாக மாறியுள்ளது. அதன் வடிவமைப்பு திறந்த மூல கட்டமைப்புகளைப் பயன்படுத்தி நன்றாகச் சரிசெய்வதற்கும் பயன்படுத்துவதற்கும் மிகவும் உகந்தது.
Hunyuan-Large ஐ திறந்த மூலமாக மாற்றுவதற்கான Tencent இன் முடிவு AI சமூகத்திற்குள் ஒத்துழைப்பு மற்றும் புதுமையை வளர்ப்பதற்கான அதன் உறுதிப்பாட்டை பிரதிபலிக்கிறது. தொழில்நுட்பத்தைப் பகிர்வதன் மூலம், ஆராய்ச்சியாளர்களையும் டெவலப்பர்களையும் புதிய பயன்பாடுகளை ஆராய்ந்து AI ஆராய்ச்சியின் எல்லைகளைத் தள்ள Tencent நம்புகிறது.
அளவுருக்கள், செயல்படுத்தல் மற்றும் சூழல் நீளம்
அளவுருக்கள்
மாதிரி சுமார் 389 பில்லியன் அளவுருக்களைக் கொண்டுள்ளது. அளவுருக்கள் ஒரு இயந்திரக் கற்றல் மாதிரி பயிற்சியின் போது கற்றுக்கொள்ளும் மாறிகள். அதிக அளவுருக்களைக் கொண்ட ஒரு மாதிரி தரவில் அதிக சிக்கலான உறவுகளைக் கற்றுக்கொள்ளும் திறன் கொண்டது, ஆனால் பயிற்சிக்கு அதிக தரவு மற்றும் கணக்கீட்டு ஆதாரங்களும் தேவைப்படுகின்றன.
செயலில் உள்ள அளவுருக்கள்
அனுமானத்தின் போது சுமார் 52 பில்லியன் அளவுருக்கள் செயலில் உள்ளன. MoE மாதிரிகளில், ஒவ்வொரு உள்ளீட்டிற்கும் அனைத்து அளவுருக்களும் பயன்படுத்தப்படுவதில்லை. செயலில் உள்ள அளவுருக்கள் ஒரு குறிப்பிட்ட உள்ளீட்டிற்கு பயன்படுத்தப்படும் அளவுருக்களின் துணைக்குழுவாகும். இது MoE மாதிரிகள் அதிக எண்ணிக்கையிலான அளவுருக்களைக் கொண்டிருக்க அனுமதிக்கிறது. அனுமானத்தின் போது கணக்கீட்டுத் திறனுள்ளவை.
சூழல் நீளம்
மாதிரி 256k டோக்கன்கள் வரையிலான சூழல் நீளத்தை ஆதரிக்கிறது. சூழல் நீளம் என்பது மாதிரி கணிப்புகளைச் செய்யும்போது கருத்தில் கொள்ளக்கூடிய உரையின் அளவைக் குறிக்கிறது. நீண்ட சூழல் நீளம் உரையில் அதிக சார்புகளைப் பிடிக்கவும், மிகவும் ஒத்திசைவான மற்றும் தொடர்புடைய வெளியீடுகளை உருவாக்கவும் மாதிரியை அனுமதிக்கிறது. 256k டோக்கன்கள் மிக நீண்ட சூழல் நீளம், இது மாதிரி நீண்ட மற்றும் சிக்கலான உரைகளைப் புரிந்துகொள்ளவும் உருவாக்கவும் உதவுகிறது.
திறந்த மூலத்தின் முக்கியத்துவம்
Hunyuan-Large மாதிரியை திறந்த மூலமாக்குவதன் மூலம், AI தொழில்நுட்பத்தின் முன்னேற்றத்தை துரிதப்படுத்த Tencent இலக்கு கொண்டுள்ளது. மாதிரியின் கட்டமைப்பு, குறியீடு மற்றும் பயிற்சி தரவைப் பகிர்வது ஆராய்ச்சியாளர்களையும் டெவலப்பர்களையும் அனுமதிக்கிறது:
- பரிசோதனை மற்றும் புதுமை: புதிய பயன்பாடுகள் மற்றும் தீர்வுகளை બનાવવા இருக்கும் மாதிரியை உருவாக்கவும்.
- மாதிரியை மேம்படுத்தவும்: பிழைகளை அடையாளம் கண்டு சரிசெய்வதன் மூலமும், செயல்திறனை மேம்படுத்துவதன் மூலமும், புதிய அம்சங்களைச் சேர்ப்பதன் மூலமும் மாதிரிகளின் வளர்ச்சிக்கு योगदान செய்யவும்.
- AIக்கான அணுகலை மக்களாக்குதல்: மேம்பட்ட AI தொழில்நுட்பத்தை பரந்த பார்வையாளர்களுக்குக் கிடைக்கச் செய்தல், பல்வேறு தொழில்களில் புதுமையை வளர்ப்பது.
இயற்கை மொழி செயலாக்கம், கணினி பார்வை மற்றும் ரோபாட்டிக்ஸ் போன்ற क्षेत्रों में இந்த सहयोगी அணுகுமுறை குறிப்பிடத்தக்க முன்னேற்றத்தை ஏற்படுத்தும் என்று எதிர்பார்க்கப்படுகிறது.
சமூக ஈடுபாடு
Hunyuan-Large மாதிரியின் வளர்ச்சி மற்றும் மேம்பாட்டில் சமூக பங்கேற்பை Tencent सक्रियமாக உற்சாகப்படுத்துகிறது. திறந்த மூல சமூகத்தை உருவாக்குவதன் மூலம், ஆராய்ச்சியாளர்கள், உருவாக்குபவர்கள் மற்றும் பயனர்களிடையே सहयोगத்திற்கு Tencent நம்புகிறது. இந்த सहयोगी சூழல் அறிவு, வளங்கள் மற்றும் சிறந்த நடைமுறைகளைப் பகிர்தலை எளிதாக்கும். المجتمع உறுப்பினர்கள் இதன் மூலம் проектуக்கு યોગદાન செய்ய முடியும்:
- சிக்கல்களைப் புகாரளித்தல்: பிழைகள் அல்லது எதிர்பாராத நடத்தையை அடையாளம் கண்டு புகாரளித்தல்.
- குறியீட்டை சமர்ப்பித்தல்: புதிய அம்சங்கள், பிழைத் திருத்தங்கள் அல்லது प्रदर्शन மேம்பாடுகளுக்கு योगदान செய்தல்.
- ஆராய்ச்சியைப் பகிர்தல்: மாதிரியை அடிப்படையாகக் கொண்டு ஆய்வு கட்டுரைகள் மற்றும் கட்டுரைகளை வெளியிடுதல்.
- விண்ணப்பங்களை உருவாக்குதல்: மாதிரியால் இயக்கப்படும் புதிய விண்ணப்பங்கள் மற்றும் தீர்வுகளை உருவாக்குதல்.
- கருத்துக்களை வழங்குதல்: மாதிரியின் производительность மற்றும் उपयोगத் தன்மை குறித்து கருத்துக்களைப் பகிர்தல்.
தொழில்நுட்ப ஆழமான டைவ்
ट्रांसफॉर्मर आर्किटेक्चर
Hunyuan-Large मॉडल ट्रांसफॉर्मर आर्किटेक्चर पर आधारित है, जो न्यूरल 네트워크 आर्किटेक्चर है, जिसने प्राकृतिक भाषा обработки के क्षेत्र में क्रांति ला दी है. ट्रांसफॉर्मर आर्किटेक्चर भविष्यवाणियां करते समय इनपुट अनुक्रम के विभिन्न भागों के महत्व को मापने के लिए स्व-Attention तंत्र पर निर्भर करता है. यह मॉडल को पाठ में लंबी दूरी की निर्भरताओं को पकड़ने और अधिक सुसंगत और प्रासंगिक आउटपुट उत्पन्न करने की अनुमति देता है.
मिश्रण विशेषज्ञ (MoE)
இந்த மாதிரி Mixture of Experts (MoE) கட்டமைப்பு முறையைEmploy செய்திக்கிறது, இது நரம்பியல் பிணைப்பு கட்டமைப்பு രീതിயாகும், இது பல “நிபுணத்துவ” துணை-மாதிரிகளைக் கொண்டுள்ளது. ஒவ்வொரு நிபுணர் ஒவ்வொரு உள்ளீடு தாராளிகளுக்கும் വ്യത്യസ്ത தொகுதிகளாக संभालने பயிற்சி எடுக்கப்படுகிறது. ஒரு gating நெட்வொர்க் ஒவ்வொரு உள்ளீட்டை மிகவும் பொருத்தமான நிபுணத்துவத்திற்க்கு منتقل કરવા ઉપયોગிக்கப்படுகிறது.
MoE தயாரிப்புகளுக்கு पारंपरिक મોனோલિથિક தயாரிப்புகளுக்கு ஒரு சில फायदे உள்ளன. அவர்கள் அனுമാന காலத்தின்போது أكثر திறம்படச் ചെയ്യக்கூடிய சாத்தியம் உள்ளன. ஏனென்றால் ஒவ்வொரு உள்ளீட்டினைச் செய்யும் போதும் પરિමාණයக உள்ள அளவுருக்கள் ആവശ്യപ്പെടப்படுவதில்லை. নতুন தயாரிப்பாளரை மாதிரிக்குப் பயிற்சி ఇవ్వாமலே மாதிரி சேர்க்கும்போது இன்னும் எளிதாக விரிவு செய்யும் சாத்தியக் கூடும்.
பயிற்சி தரவு
Hunyuan-Large மாதிரி டெக்ஸ்ட் மற்றும் குறியீட்டின் വലിയ டேட்டா மூலம் பயிற்சி எடுக்கப்பட்டது. பயிற்சித் தரவில் இவை அடங்கும்:
- புத்தகங்கள்: பல்வேறு വിഭാഗங்களில் இருந்து புத்தகங்களின் தொகுப்பு.
- வலைப் பக்கங்கள்: உலகளாவிய வலையின் క్రॉल.
- குறியீடு: विभिन्न நிரலாக்க மொழிகளில் இருந்து குறியீடுகளின் சேகரிப்பு.
பயிற்சி தரவைப் பற்றிய கவலையினைச் சரியாகப் பராமரிக்க தரமாக இருக்க வேண்டியது आवश्यकமானது.
చక్కగా సరిదిద్దడం
ஒரு சில காரியங்களுக்குச் சிறப்புப் பாரபட்சங்கள் செய்து சரி செய்யவும் முடியும். சரியா சரிசெய்தல் என்பது, કાર્યத்தின் විශේෂ성에ப் குறிப்பிட்ட ஒரு சிறிய டேட்டாவில் பயிற்சி ಮಾಡುವುದು. இது மாதிரி कार्यத்தின் நுணுக்கங்களைப் பயன்படுத்த அதிகச் செயல்பாட்டைக் செய்ய அனுமதியளிக்கிறது.
হার্ডওয়্যার மற்றும் સ सॉफ्टवेयर தேவைகள்
Hunyuan-Large மாதிரியைப் பயிற்சி கொடுக்கவும் வெளியிடவும் მნიშვნელమైన கணிப்பொறி மூலங்கள் தேவைப்படுகிறது. மாதிரிக்கான பயிற்சி GPU அல்லது TPU (Tensor Processing Units) மூலம் பயிற்சி அளிக்கப்படும். இது CPU(Central Processing Units) અથવા GPU દ્વારા வெளியிடப்படும்.
ಭವಿಷ್ಯದ দিকಗಳು
Hunyuan-Large மாதிரியைத் தொடர்ந்து உருவாக மாற்றியமைப்பதில் Tencent உறுதிபூண்டுள்ளது. எதிர்கால ஆராய்ச்சி நோக்கங்கள்:
- மாதிரியில் மாற்றம் காட்டுதல்: மாதிரியின் தரத்தை முன்னேற்றம் செய்ய அதில் உள்ள அளவுருக்களை அதிகரிப்பது.
- மாதிரியில் திறன் அதிகரித்தல்: மாதிரியை பயிற்சி கொடுக்கவும் வெளிக்கொணர தேவைப்படும் కంప్యూటింగ్ தரங்களை уменьப்பது.
- பயன்பாட்டில் புதிய பாதைகளை புகுத்துவது: மாதிரியில் இருந்து ஆற்றல் பெறும் புதிய பாதைகளையும் தீர்வுகளையும் உருவாக்குவது.
- नैतिक அக்கறைகளை கருத்தில் கொள்வது: மாதிரியை பொறுப்புடன் மற்றும் முறையாக பயன்படுத்துவது.
முடிவு
பெரிய மொழி மாதிரிகளைப் பொறுத்தவரை Tencent Hunyuan-Large மாதிரி அதன் முன்னேற்றத்தைக் குறிக்கிறது. පරිමාණය, நிலை சூழல்களின் சேர்க்கை మరియు புதுமையான கட்டமைப்பின் காரணமாக அதிக அளவிலான εφαρμογებისთვის இது சக்தி உள்ள ஒரு கருவியாகும். AI கூட்டணிகளுடன் ஒத்துழைக்க Tencent எடுத்த திறந்த மூல முடிவின் காரணமாக பெரும் நன்மை ஏற்படும். இந்த மாதிரி இயற்கைமொழி செயலாக்கம், கணினி பார்வை, ரோபா மற்றும் தானியங்கியல் துறை எனப் பல 분야க்களில் முன்னேற்றம் செய்யும் என எதிர்பார்க்கப்படுகிறது. திறந்த மூல சமூகம் இந்த அற்புதமான கண்டுபிடிப்பை வளர்த்தெடுக்க உதவும்.