AI-ஐ உங்கள் கணினியிலேயே இயக்குவதற்கான சிறந்த காரணங்கள்

கிளவுட் ஆதிக்கத்திற்கு உங்கள் மேஜையில் இருக்கும் ஹார்டுவேர் அமைதியான, ஆனால் வலுவான சவாலை விடுத்து வருகிறது. கடந்த சில ஆண்டுகளாக, ஒரு பெரிய லாங்குவேஜ் மாடலைப் பயன்படுத்துவது என்பது உங்கள் தரவை ஒரு பெரிய கார்ப்பரேட் நிறுவனத்தின் சர்வர் பண்ணைக்கு அனுப்புவதைக் குறித்தது. டெக்ஸ்ட் அல்லது கோட் உருவாக்க உங்கள் தனியுரிமையையும் கோப்புகளையும் நீங்கள் அடகு வைத்தீர்கள். அந்த நிலை இப்போது மாறுகிறது. இணைய இணைப்பு இல்லாமலேயே பில்லியன் கணக்கான பாராமீட்டர்களைக் கையாளும் அளவுக்கு கன்சூமர் சிப்கள் சக்திவாய்ந்ததாக மாறியுள்ளதால், உள்ளூர் பயன்பாடு (local execution) வேகமெடுத்து வருகிறது. இது பொழுதுபோக்கு ஆர்வலர்களுக்கானது மட்டுமல்ல; இது நாம் மென்பொருளுடன் பழகும் முறையில் ஏற்பட்டுள்ள அடிப்படை மாற்றம். நீங்கள் ஒரு மாடலை உள்ளூரில் இயக்கும்போது, அதன் வெயிட்டுகள், உள்ளீடு மற்றும் வெளியீடு என அனைத்திற்கும் நீங்களே உரிமையாளர். மாதாந்திர சந்தாக் கட்டணங்கள் இல்லை, திடீரென மாறும் சர்வீஸ் விதிமுறைகள் இல்லை. ஓபன் வெயிட்டுகளில் ஏற்பட்டுள்ள வேகமான கண்டுபிடிப்புகளால், ஒரு சாதாரண லேப்டாப் கூட முன்பு டேட்டா சென்டர்களுக்கு மட்டுமே சாத்தியமான பணிகளைச் செய்ய முடிகிறது. இந்த சுதந்திரமான நகர்வு தனிநபர் கம்ப்யூட்டிங்கின் எல்லைகளை மீண்டும் வரையறுக்கிறது.

பிரைவேட் இன்டெலிஜென்ஸ் செயல்படும் விதம்

ஒரு செயற்கை நுண்ணறிவு மாடலை உங்கள் சொந்த ஹார்டுவேரில் இயக்குவது என்பது, கணித ரீதியான கடினமான வேலைகளை ரிமோட் சர்வரிலிருந்து உங்கள் உள்ளூர் கிராபிக்ஸ் பிராசஸிங் யூனிட் (GPU) அல்லது இன்டகிரேட்டட் நியூரல் என்ஜினுக்கு மாற்றுவதாகும். கிளவுட் மாடலில், உங்கள் ப்ராம்ப்ட் இணையம் வழியாக ஒரு சேவை வழங்குநருக்குச் செல்லும். அவர்கள் அதைச் செயல்படுத்தி பதிலை அனுப்புவார்கள். உள்ளூர் அமைப்பில், முழு மாடலும் உங்கள் ஹார்டு டிரைவிலேயே இருக்கும். நீங்கள் ஒரு கேள்வியைக் கேட்கும்போது, உங்கள் சிஸ்டம் மெமரி மாடல் வெயிட்டுகளை ஏற்றி, உங்கள் பிராசஸர் பதிலை கணக்கிடும். இந்தச் செயல்முறை வீடியோ மெமரி அல்லது VRAM-ஐ பெரிதும் சார்ந்துள்ளது, ஏனெனில் மாடலை உருவாக்கும் பில்லியன் கணக்கான எண்களை நொடிப்பொழுதில் அணுக வேண்டியிருக்கும். Ollama, LM Studio அல்லது GPT4All போன்ற சாஃப்ட்வேர்கள் ஒரு இடைமுகமாகச் செயல்பட்டு, Meta-வின் Llama 3 அல்லது பிரான்ஸ் குழுவின் Mistral போன்ற மாடல்களை ஏற்ற உதவுகின்றன. இந்த டூல்கள் தரவை உங்கள் மெஷினுக்குள்ளேயே வைத்துக்கொண்டு AI-உடன் உரையாட உதவுகின்றன. ஒரு டாக்குமெண்ட்டைச் சுருக்கவோ அல்லது ஸ்கிரிப்ட் எழுதவோ உங்களுக்கு ஃபைபர் ஆப்டிக் இணைப்பு தேவையில்லை. மாடல் என்பது உங்கள் கணினியில் உள்ள வேர்ட் பிராசஸர் அல்லது போட்டோ எடிட்டர் போன்ற மற்றொரு அப்ளிகேஷன் மட்டுமே. இந்த அமைப்பு டேட்டா பரிமாற்றத்தின் தாமதத்தைத் தவிர்த்து, உங்கள் வேலை மற்றவர்களின் கண்களுக்குத் தெரியாமல் இருப்பதை உறுதி செய்கிறது. அசல் கோப்புகளின் சுருக்கப்பட்ட பதிப்பான குவாண்டைஸ்டு (quantized) மாடல்களைப் பயன்படுத்துவதன் மூலம், உயர்தர ஆராய்ச்சிக்காக வடிவமைக்கப்படாத ஹார்டுவேரிலும் பெரிய சிஸ்டம்களை இயக்க முடியும். இப்போது கவனம் பிரம்மாண்டமான அளவிலிருந்து திறமையான செயல்பாட்டிற்கு மாறியுள்ளது. இது கிளவுட் வழங்குநர்களால் வழங்க முடியாத அளவிலான தனிப்பயனாக்கத்தை (customization) அனுமதிக்கிறது. உங்கள் குறிப்பிட்ட பணிக்கு எது சிறந்தது என்பதைக் கண்டறிய நொடிகளில் மாடல்களை மாற்றிக்கொள்ளலாம்.

உலகளாவிய தரவு இறையாண்மை மற்றும் இணக்கம்

உள்ளூர் AI-ன் உலகளாவிய தாக்கம் என்பது **தரவு இறையாண்மை (data sovereignty)** மற்றும் சர்வதேச தனியுரிமைச் சட்டங்களின் கடுமையான தேவைகளை மையமாகக் கொண்டது. ஐரோப்பிய ஒன்றியம் போன்ற பகுதிகளில், GDPR விதிகள் கிளவுட்-அடிப்படையிலான AI-ஐ உணர்திறன் மிக்க வாடிக்கையாளர் தரவுகளுடன் பயன்படுத்த விரும்பும் நிறுவனங்களுக்குப் பெரும் தடைகளை உருவாக்குகின்றன. மருத்துவப் பதிவுகள் அல்லது நிதி வரலாறுகளை மூன்றாம் தரப்பு சர்வருக்கு அனுப்புவது பல நிறுவனங்கள் ஏற்க விரும்பாத சட்டப் பொறுப்பை உருவாக்குகிறது. உள்ளூர் AI தரவை நிறுவனம் அல்லது நாட்டின் எல்லைகளுக்குள்ளேயே வைத்திருப்பதன் மூலம் ஒரு தீர்வை வழங்குகிறது. இது பாதுகாப்பு காரணங்களுக்காக இணைய அணுகல் தடைசெய்யப்பட்ட ஏர்-கேப்டு (air-gapped) சூழலில் இயங்கும் அரசு நிறுவனங்கள் மற்றும் பாதுகாப்பு ஒப்பந்ததாரர்களுக்கு மிகவும் முக்கியமானது. சட்டக் கட்டமைப்பிற்கு அப்பால், கலாச்சார மற்றும் மொழி பன்முகத்தன்மை என்ற சிக்கலும் உள்ளது. கிளவுட் மாடல்கள் பெரும்பாலும் சிலிக்கான் வேலி நிறுவனங்களின் மதிப்புகளைப் பிரதிபலிக்கும் சார்புகள் அல்லது ஃபில்டர்களுடன் உருவாக்கப்படுகின்றன. உள்ளூர் பயன்பாடு உலகெங்கிலும் உள்ள சமூகங்கள் அடிப்படை மாடல்களைத் தரவிறக்கம் செய்து, தங்கள் சொந்த டேட்டாசெட்களில் ஃபைன்-டியூன் (fine-tune) செய்ய அனுமதிக்கிறது. இது மத்திய அதிகார அமைப்பின் தலையீடு இல்லாமல் உள்ளூர் மொழிகளையும் கலாச்சார நுணுக்கங்களையும் பாதுகாக்கிறது. குறிப்பிட்ட அதிகார வரம்புகள் அல்லது தொழில்களுக்காக வடிவமைக்கப்பட்ட சிறப்பு மாடல்கள் அதிகரித்து வருகின்றன. இந்த பரவலாக்கப்பட்ட அணுகுமுறை தொழில்நுட்பத்தின் பலன்கள் ஒரே புவியியல் அல்லது கார்ப்பரேட் நிறுவனத்தின் கட்டுப்பாட்டில் மட்டும் முடங்காமல் இருப்பதை உறுதி செய்கிறது. இது இணைய உள்கட்டமைப்பு நிலையற்ற நாடுகளில் உள்ள பயனர்களுக்கு ஒரு பாதுகாப்பு வலையையும் வழங்குகிறது. இணையம் செயலிழந்தாலும், தொலைதூரப் பகுதியில் உள்ள ஒரு ஆராய்ச்சியாளர் தனது உள்ளூர் மாடலைப் பயன்படுத்தி தரவை ஆய்வு செய்யவோ அல்லது உரையை மொழிபெயர்க்கவோ முடியும். அடிப்படை தொழில்நுட்பத்தின் ஜனநாயகமயமாக்கல் என்பது, இந்த டூல்களை உருவாக்கும் மற்றும் பயன்படுத்தும் திறன் பாரம்பரிய டெக் மையங்களைத் தாண்டிப் பரவுகிறது என்பதைக் காட்டுகிறது.

ஆஃப்லைன் வொர்க்ஃப்ளோக்கள் செயல்பாட்டில்

கடுமையான அறிவுசார் சொத்து விதிகளைக் கொண்ட நிறுவனத்தில் பணிபுரியும் எலியாஸ் என்ற சாஃப்ட்வேர் இன்ஜினியரின் அன்றாட வழக்கத்தைக் கவனியுங்கள். எலியாஸ் அடிக்கடி வேலைக்காகப் பயணம் செய்கிறார், வைஃபை இல்லாத அல்லது பாதுகாப்பற்ற விமானங்களில் மணிக்கணக்கில் செலவிடுகிறார். பழைய வொர்க்ஃப்ளோவில், அவர் அலுவலகத்தை விட்டு வெளியேறியதும் அவரது உற்பத்தித்திறன் குறைந்துவிடும். நிறுவனத்தின் ரகசிய கோட் பேஸை வெளிப்புற சர்வருக்கு பதிவேற்ற அனுமதி இல்லாததால், அவரால் கிளவுட்-அடிப்படையிலான கோடிங் அசிஸ்டண்டுகளைப் பயன்படுத்த முடியாது. இப்போது, எலியாஸ் உள்ளூர் கோடிங் மாடல் கொண்ட உயர்தர லேப்டாப்பை வைத்திருக்கிறார். முப்பதாயிரம் அடி உயரத்தில் அமர்ந்து, அவர் ஒரு சிக்கலான ஃபங்க்ஷனைத் தேர்ந்தெடுத்து, சிறந்த செயல்திறனுக்காக அதை ரீஃபேக்டர் (refactor) செய்ய மாடலிடம் கேட்கலாம். மாடல் குறியீட்டை உள்ளூரில் ஆய்வு செய்து, நொடிகளில் மேம்பாடுகளைப் பரிந்துரைக்கிறது. சர்வர் பதிலுக்காகக் காத்திருக்க வேண்டிய அவசியமில்லை, தரவு கசிவு அபாயமும் இல்லை. அவரது வொர்க்ஃப்ளோ அவர் இருக்கும் இடத்தைப் பொறுத்து மாறாமல் சீராக இருக்கிறது. இதே நன்மை இணையம் கண்காணிக்கப்படும் அல்லது கட்டுப்படுத்தப்படும் மோதல் பகுதிகளில் பணிபுரியும் ஒரு பத்திரிகையாளருக்கும் பொருந்தும். அவர்கள் தங்கள் முக்கியமான தகவல்கள் எதிரிகளால் இடைமறிக்கப்படும் என்ற பயமின்றி, நேர்காணல்களை டிரான்ஸ்கிரைப் செய்ய அல்லது குறிப்புகளை ஒழுங்கமைக்க உள்ளூர் மாடலைப் பயன்படுத்தலாம். ஒரு சிறு வணிக உரிமையாளருக்கு, இதன் தாக்கம் லாபத்தில் தெரிகிறது. ஒவ்வொரு ஊழியருக்கும் மாதந்தோறும் இருபது டாலர் சந்தா செலுத்துவதற்குப் பதிலாக, உரிமையாளர் சில சக்திவாய்ந்த வொர்க்ஸ்டேஷன்களில் முதலீடு செய்கிறார். இந்த மெஷின்கள் மின்னஞ்சல்களை வரைவு செய்யவும், மார்க்கெட்டிங் நகல்களை உருவாக்கவும், விற்பனை விரிதாள்களை ஆய்வு செய்யவும் உதவுகின்றன. செலவு என்பது ஒருமுறை செய்யும் ஹார்டுவேர் கொள்முதல் மட்டுமே, ஒவ்வொரு ஆண்டும் வளரும் தொடர்ச்சியான செயல்பாட்டுச் செலவு அல்ல. உள்ளூர் மாடலில் “சிஸ்டம் டவுன்” பக்கம் அல்லது வேலைக்குத் தடையாகும் ரேட் லிமிட் (rate limit) கிடையாது. கணினிக்கு மின்சாரம் இருக்கும் வரை அது கிடைக்கும். இந்த நம்பகத்தன்மை AI-ஐ ஒரு நிலையற்ற சேவையிலிருந்து நம்பகமான கருவியாக மாற்றுகிறது.

இடைத்தரகரை நீக்குவதன் மூலம், பயனர் தங்கள் நேரம் மற்றும் படைப்புச் செயல்பாட்டின் மீது கட்டுப்பாட்டை மீண்டும் பெறுகிறார். நாம் தொடர்ந்து இணைக்கப்பட்டிருந்தாலும் தொடர்ந்து கண்காணிக்கப்படும் நவீன இணையத்தின் முரண்பாடுகள், நாம் பயன்படுத்தும் நுண்ணறிவு நம் சொந்த எண்ணங்களைப் போலவே தனிப்பட்டதாக இருக்கும்போது மறையத் தொடங்குகின்றன.

உள்ளூர் வரம்புகளின் உண்மை

உள்ளூர் AI-க்கு மாறுவது எல்லா பயனர்களுக்கும் எப்போதும் சரியான தேர்வா? ஹார்டுவேர் மற்றும் மின்சாரத்திற்கான மறைமுகச் செலவுகள் கிளவுட்டின் வசதியை விட அதிகமாக இருக்கிறதா என்று நாம் கேட்க வேண்டும். நீங்கள் ஒரு பெரிய மாடலை உங்கள் சொந்த மெஷினில் இயக்கும்போது, நீங்கள் சிஸ்டம் அட்மினிஸ்ட்ரேட்டராக மாறுகிறீர்கள். மாடல் குழப்பமான பதில்களைத் தந்தாலோ அல்லது சமீபத்திய டிரைவர் அப்டேட் உங்கள் இன்ஸ்டாலேஷனைப் பாதித்தாலோ அழைக்க எந்த சப்போர்ட் டீமும் இல்லை. உங்கள் ஹார்டுவேரின் குளிர்ச்சிக்கு நீங்களே பொறுப்பு, இது நீண்ட நேரப் பயன்பாட்டின் போது பெரிய சிக்கலாகலாம். ஒரு உயர்தர GPU நூற்றுக்கணக்கான வாட்ஸ் மின்சாரத்தை இழுக்கக்கூடும், இது ஒரு சிறிய அலுவலகத்தை மிகவும் வெப்பமான அறையாக மாற்றி உங்கள் மின்சாரக் கட்டணத்தை உயர்த்தும். மாடல் தரத்தைப் பற்றிய கேள்வியும் உள்ளது. ஓபன்-சோர்ஸ் மாடல்கள் வேகமாக முன்னேறி வந்தாலும், அவை பல பில்லியன் டாலர் கிளவுட் சிஸ்டம்களின் உச்சக்கட்ட தொழில்நுட்பத்திற்குப் பின்னால் இருக்கின்றன. ஒரு லேப்டாப்பில் இயங்கும் 7-பில்லியன் பாராமீட்டர் மாடல், சூப்பர் கம்ப்யூட்டரில் இயங்கும் டிரில்லியன்-பாராமீட்டர் மாடலுடன் போட்டியிட முடியுமா? எளிய பணிகளுக்கு ஆம், ஆனால் சிக்கலான பகுத்தறிவு அல்லது பிரம்மாண்டமான தரவுத் தொகுப்பிற்கு, உள்ளூர் பதிப்பு பின்தங்கக்கூடும். மையப்படுத்தப்பட்ட டேட்டா சென்டரின் செயல்திறனுடன் ஒப்பிடும்போது, உள்ளூர் பயன்பாட்டிற்காக மில்லியன் கணக்கான உயர்தர சிப்களை உற்பத்தி செய்வதன் சுற்றுச்சூழல் செலவையும் நாம் கருத்தில் கொள்ள வேண்டும். தனியுரிமை ஒரு வலுவான வாதம், ஆனால் எத்தனை பயனர்களுக்கு தங்கள் “உள்ளூர்” மென்பொருள் ரகசியமாகத் தரவை வெளியே அனுப்பவில்லை என்பதைச் சரிபார்க்கும் தொழில்நுட்பத் திறன் உள்ளது? ஹார்டுவேரே ஒரு நுழைவுத் தடையாக உள்ளது. சிறந்த AI அனுபவங்களுக்கு மூவாயிரம் டாலர் கணினி தேவைப்பட்டால், நாம் புதிய டிஜிட்டல் இடைவெளியை உருவாக்குகிறோமா? இந்த கேள்விகள் உள்ளூர் AI என்பது கிளவுட்டிற்கு முழுமையான மாற்றல்ல, மாறாக ஒரு சிறப்பு மாற்றாகும் என்பதைக் காட்டுகின்றன. முழுமையான கட்டுப்பாட்டிற்கான விருப்பத்திற்கும் தொழில்நுட்ப சிக்கல் மற்றும் உடல் ரீதியான கட்டுப்பாடுகளின் உண்மைக்கும் இடையே சமநிலையை ஏற்படுத்துவதே இந்த வர்த்தக பரிமாற்றம் (trade-off).

நாங்கள் கவர் செய்ய வேண்டும் என்று நீங்கள் நினைக்கும் AI கதை, கருவி, போக்கு அல்லது கேள்வி உங்களிடம் உள்ளதா? உங்கள் கட்டுரை யோசனையை எங்களுக்கு அனுப்பவும் — அதைக் கேட்க நாங்கள் விரும்புகிறோம்.

தொழில்நுட்பக் கட்டமைப்பு மற்றும் VRAM இலக்குகள்

பவர் யூசர்களுக்கு, உள்ளூர் AI-க்கு மாறுவது என்பது ஹார்டுவேர் ஆப்டிமைசேஷன் மற்றும் மெமரி மேனேஜ்மென்ட் பற்றிய விளையாட்டாகும். மிக முக்கியமான அளவீடு உங்கள் CPU-ன் வேகம் அல்ல, உங்கள் கிராபிக்ஸ் கார்டில் உள்ள VRAM-ன் அளவுதான். பெரும்பாலான நவீன மாடல்கள் GGUF அல்லது EXL2 எனப்படும் வடிவத்தில் விநியோகிக்கப்படுகின்றன, இது அவற்றை மெமரியில் திறமையாக ஏற்ற அனுமதிக்கிறது. 7 பில்லியன் பாராமீட்டர்கள் கொண்ட மாடலை வசதியாக இயக்க, பொதுவாக குறைந்தபட்சம் 8GB VRAM தேவை. நீங்கள் 13-பில்லியன் அல்லது 30-பில்லியன் பாராமீட்டர் மாடலுக்குச் செல்ல விரும்பினால், 16GB முதல் 24GB மெமரி தேவைப்படும். இதனால்தான் NVIDIA RTX 3090 மற்றும் 4090 சமூகத்தில் மிகவும் பிரபலமாக உள்ளன. ஆப்பிள் பக்கத்தில், M-சீரிஸ் சிப்களின் ஒருங்கிணைந்த மெமரி கட்டமைப்பு (unified memory architecture) சிஸ்டம் அதன் RAM-ன் பெரும்பகுதியை வீடியோ மெமரியாகப் பயன்படுத்த அனுமதிக்கிறது, இது 128GB RAM கொண்ட Mac Studio-வை உள்ளூர் இன்ஃபரன்ஸிற்கு (inference) ஒரு பவர்ஹவுஸாக மாற்றுகிறது. *குவாண்டைசேஷன் (Quantization)* என்பது மாடல் வெயிட்டுகளின் துல்லியத்தை 16-பிட்டிலிருந்து 4-பிட் அல்லது 8-பிட்டாகக் குறைப்பதன் மூலம் இதைச் சாத்தியமாக்கும் தொழில்நுட்பச் செயல்முறையாகும். இது வெளியீட்டின் நுண்ணறிவில் சிறிய பாதிப்பை மட்டுமே ஏற்படுத்தி, கோப்பின் அளவையும் மெமரி தேவைகளையும் குறைக்கிறது. உள்ளூர் சேமிப்பு மற்றொரு காரணியாகும், ஏனெனில் ஒரு உயர்தர மாடல் 5GB முதல் 50GB வரை இடத்தை எடுத்துக்கொள்ளலாம். பெரும்பாலான பயனர்கள் தங்கள் லைப்ரரியை கமாண்ட்-லைன் டூல்கள் அல்லது Hugging Face போன்ற களஞ்சியங்களுடன் இணைக்கும் சிறப்பு பிரவுசர்கள் மூலம் நிர்வகிக்கின்றனர். இந்த மாடல்களை ஒரு தொழில்முறை வொர்க்ஃப்ளோவில் ஒருங்கிணைக்க, உள்ளூர் API சர்வரை அமைப்பது அவசியம். Ollama போன்ற டூல்கள் OpenAI API-ஐப் பிரதிபலிக்கும் எண்ட்பாயிண்ட்டை வழங்குகின்றன, இது VS Code அல்லது Obsidian-க்கான மென்பொருள் பிளகின்களுடன் உங்கள் உள்ளூர் மாடலைப் பயன்படுத்த அனுமதிக்கிறது. இது மென்பொருள் கிளவுட்டுடன் பேசுவதாக நினைத்துக்கொள்ளும் ஒரு தடையற்ற மாற்றத்தை உருவாக்குகிறது, ஆனால் தரவு உங்கள் உள்ளூர் நெட்வொர்க்கை விட்டு வெளியேறாது.

• அதிக VRAM கொண்ட NVIDIA RTX GPU-கள் PC பயனர்களுக்குத் தரநிலையாக உள்ளன.
• Apple Silicon பெரிய மாடல்களுக்கு மிகவும் திறமையான மெமரி பகிர்வை வழங்குகிறது.

மூலோபாயத் தேர்வு

உங்கள் AI வொர்க்ஃப்ளோக்களை உள்ளூர்மயமாக்க முடிவு செய்வது என்பது உங்கள் தரவு எங்கே இருக்க வேண்டும் என்பது குறித்த ஒரு மூலோபாயத் தேர்வாகும். இது “மென்பொருள் ஒரு சேவையாக” (software as a service) என்ற மாதிரியிலிருந்து விலகி, தனிநபர் உரிமையின் காலத்திற்குத் திரும்புவதாகும். கிளவுட் எப்போதும் மிகவும் கோரும் பணிகளுக்கு அதிகபட்ச செயல்திறனை வழங்கும் என்றாலும், அன்றாட பயன்பாட்டிற்கான இடைவெளி குறைந்து வருகிறது. டெவலப்பர், எழுத்தாளர் மற்றும் தனியுரிமை உணர்வுள்ள நிபுணர்களுக்கு, ஆஃப்லைன் அணுகல் மற்றும் தரவுப் பாதுகாப்பின் நன்மைகள் புறக்கணிக்க முடியாத அளவுக்குப் பெரியதாகி வருகின்றன. ஹார்டுவேர் தயாராக உள்ளது, மாடல்கள் கிடைக்கின்றன, மேலும் மென்பொருள் ஒவ்வொரு மாதமும் பயன்படுத்த எளிதாகி வருகிறது. நீங்கள் இனி ஒரு சந்தா அல்லது சர்வர் ஸ்டேட்டஸ் பக்கத்துடன் பிணைக்கப்படவில்லை. உங்களுக்குத் தேவையான நுண்ணறிவு இப்போது உங்கள் உள்ளூர் டூல்கிட்டின் நிரந்தரப் பகுதியாக மாறிவிட்டது.

ஆசிரியரின் குறிப்பு: கணினித் துறையில் நிபுணர்கள் அல்லாதவர்கள், ஆனால் செயற்கை நுண்ணறிவைப் புரிந்துகொள்ளவும், அதை அதிக நம்பிக்கையுடன் பயன்படுத்தவும், ஏற்கனவே வந்துகொண்டிருக்கும் எதிர்காலத்தைப் பின்தொடரவும் விரும்பும் மக்களுக்காக, பலமொழி AI செய்திகள் மற்றும் வழிகாட்டல் மையமாக இந்த தளத்தை நாங்கள் உருவாக்கினோம்.

ஒரு பிழையைக் கண்டறிந்தீர்களா அல்லது திருத்தப்பட வேண்டிய ஒன்று இருக்கிறதா? எங்களுக்குத் தெரியப்படுத்துங்கள்.