தனியுரிமை, வேகம் மற்றும் கட்டுப்பாடு: லோக்கல் AI-ன் அவசியம்

ஒவ்வொரு ப்ராம்ப்டையும் (prompt) ரிமோட் சர்வர்-க்கு அனுப்பும் காலம் முடிவுக்கு வருகிறது. பயனர்கள் தங்கள் தரவை மீண்டும் தங்கள் கட்டுப்பாட்டிற்குள் கொண்டு வருகிறார்கள். இந்த மாற்றத்திற்குத் தனியுரிமையே முக்கியக் காரணம். பல ஆண்டுகளாக, ஒரு பெரிய tech giant-க்கு உங்கள் தரவைக் கொடுத்துவிட்டு, அதற்குப் பதிலாக ஒரு பெரிய language model-ன் சக்தியைப் பெறுவது என்பது எளிமையான பரிமாற்றமாக இருந்தது. ஆனால், அந்தப் பரிமாற்றம் இப்போது கட்டாயமில்லை. தனிநபர்களும் நிறுவனங்களும் தங்கள் intelligence layers-ஐ தாங்கள் சொந்தமாக வைத்திருக்கும் மற்றும் கட்டுப்படுத்தும் hardware-க்கு மாற்றி வருவதால், ஒரு அமைதியான இடம்பெயர்வு நடந்து கொண்டிருக்கிறது. இந்த மாற்றம் வெறும் subscription கட்டணங்களைத் தவிர்ப்பது மட்டுமல்ல; இது தரவு எவ்வாறு பயணிக்கிறது என்பதை மறுபரிசீலனை செய்யும் ஒரு அடிப்படை மாற்றமாகும். நீங்கள் ஒரு மாடலை லோக்கலாக இயக்கும்போது, உங்கள் தரவு உங்கள் மெஷினை விட்டு வெளியேறாது. உங்கள் queries-ஐத் திருடி பயிற்சி தரவுகளாக மாற்ற இடைத்தரகர்கள் யாரும் இல்லை. சர்வர் பக்கத்தில் தரவு சேமிப்பு கொள்கைகளைப் பற்றி கவலைப்படத் தேவையில்லை. நவீன பொருளாதாரத்தில் தரவுதான் மிகவும் மதிப்புமிக்க சொத்து என்பதை உணர்ந்ததாலேயே இந்த மாற்றம் ஏற்படுகிறது. லோக்கல் AI அந்தச் சொத்தை விட்டுக்கொடுக்காமல் மேம்பட்ட கருவிகளைப் பயன்படுத்த ஒரு வழியை வழங்குகிறது. இது இரண்டு ஆண்டுகளுக்கு முன்பு நினைத்துக்கூடப் பார்க்க முடியாத டிஜிட்டல் தன்னிறைவை நோக்கிய ஒரு நகர்வாகும்.

லோக்கல் இன்டெலிஜென்ஸ் நோக்கிய பெரும் இடம்பெயர்வு

லோக்கல் AI-ஐ வரையறுப்பது hardware-ஐப் புரிந்துகொள்வதில் தொடங்குகிறது. இது cloud provider சர்வரில் இல்லாமல், உங்கள் சொந்த சிலிக்கானில் பெரிய language models-ஐ இயக்கும் பயிற்சியாகும். இதற்கு model weights-ஐ பதிவிறக்கம் செய்ய வேண்டும். இவை கற்றுக்கொண்ட மொழியின் கணித பிரதிநிதித்துவங்கள் ஆகும். இவற்றை உங்கள் சொந்த கிராபிக்ஸ் கார்டு அல்லது பிராசஸர் மூலம் இயக்கலாம். கடந்த காலத்தில், இதற்கு மிகப்பெரிய சர்வர் ரேக்குகள் தேவைப்பட்டன. இன்று, ஒரு உயர்தர லேப்டாப் ஆரம்பகால cloud கருவிகளின் செயல்திறனுக்கு இணையான அதிநவீன மாடல்களை இயக்க முடியும். மென்பொருள் தொகுப்பில் பொதுவாக ஒரு model loader மற்றும் பிரபலமான web-based சாட்போட்களின் அனுபவத்தைப் பிரதிபலிக்கும் ஒரு user interface ஆகியவை அடங்கும். இதில் உள்ள வித்தியாசம் என்னவென்றால், இணைய இணைப்பு தேவையில்லை. நீங்கள் கடலின் நடுவிலோ அல்லது பாதுகாப்பான பங்கரிலோ இருந்துகொண்டு உரையை உருவாக்கலாம், ஆவணங்களைச் சுருக்கலாம் அல்லது கோட் எழுதலாம்.

ஒரு லோக்கல் செட்டப்பின் முக்கிய கூறுகள் மாடல், inference engine மற்றும் இடைமுகம் ஆகியவை ஆகும். Meta-வின் Llama அல்லது ஐரோப்பிய startup-ஆன Mistral AI-ன் Mistral போன்ற மாடல்கள் பெரும்பாலும் பயன்படுத்தப்படுகின்றன. இந்த மாடல்கள் open-weight கொண்டவை, அதாவது அந்த நிறுவனம் AI-ன் மூளையை எவரும் பதிவிறக்கம் செய்யும் வகையில் வழங்குகிறது. inference engine என்பது உங்கள் hardware அந்த மூளையுடன் பேச அனுமதிக்கும் மென்பொருள் ஆகும். வசதியை விடக் கட்டுப்பாட்டிற்கு முன்னுரிமை அளிப்பவர்களுக்கு இந்த அமைப்பு பல தனித்துவமான நன்மைகளை வழங்குகிறது. இது தரவை சர்வர்-க்கு அனுப்பி பதிலுக்காகக் காத்திருக்கும் தாமதத்தை (latency) நீக்குகிறது. மேலும், இது சேவை முடக்கம் அல்லது சேவை விதிமுறைகளில் திடீர் மாற்றங்கள் ஏற்படும் அபாயத்தையும் நீக்குகிறது. மிக முக்கியமாக, உங்கள் தொடர்புகள் இயல்பாகவே தனிப்பட்டதாக இருப்பதை இது உறுதி செய்கிறது. ரிமோட் சர்வரில் எந்த லோக்களும் சேமிக்கப்படுவதில்லை, எனவே அவை subpoena செய்யப்படவோ அல்லது தரவு மீறலில் கசியவோ வாய்ப்பில்லை. பயனர் தனது தரவின் வாழ்க்கைச் சுழற்சியின் மீது முழு அதிகாரத்தைக் கொண்டுள்ளார்.

புவிசார் அரசியல் மற்றும் தரவு இறையாண்மை

லோக்கல் AI நோக்கிய உலகளாவிய மாற்றம் தனிநபர் தனியுரிமை கவலைகளைத் தாண்டிச் செல்கிறது. இது தேசிய மற்றும் கார்ப்பரேட் பாதுகாப்பின் விஷயமாகும். உணர்திறன் மிக்க தரவுகள் எல்லைகளைக் கடப்பது குறித்து அரசாங்கங்கள் அதிக எச்சரிக்கையுடன் உள்ளன. பெர்லினில் உள்ள ஒரு சட்ட நிறுவனம் அல்லது டோக்கியோவில் உள்ள ஒரு மருத்துவமனை, நோயாளி அல்லது வாடிக்கையாளர் தரவு வெவ்வேறு அதிகார வரம்புகளில் உள்ள சர்வர்களில் செயலாக்கப்படுவதை அபாயத்திற்கு உள்ளாக்க முடியாது. இங்கேதான் தரவு இறையாண்மை (data sovereignty) என்ற கருத்து முக்கியமானது. AI பணிகளை லோக்கல் hardware-க்கு மாற்றுவதன் மூலம், நிறுவனங்கள் கடுமையான GDPR விதிமுறைகள் மற்றும் பிற பிராந்திய தனியுரிமைச் சட்டங்களுக்கு இணங்குவதை உறுதி செய்ய முடியும். அவர்கள் இனி வெளிநாட்டு நிறுவனத்தின் தரவு சேமிப்புக் கொள்கைகளின் தயவில் இல்லை. வர்த்தக ரகசியங்கள் அல்லது வகைப்படுத்தப்பட்ட தகவல்களைக் கையாளும் தொழில்களுக்கு இது மிகவும் முக்கியமானது. தரவு கட்டிடத்தை விட்டு வெளியேறவில்லை என்றால், ஹேக்கர்களுக்கான தாக்குதல் பரப்பு கணிசமாகக் குறைக்கப்படுகிறது.

பதிப்பாளர்கள் மற்றும் படைப்பாளிகளும் தங்கள் அறிவுசார் சொத்துக்களைப் பாதுகாக்க லோக்கல் விருப்பங்களைப் பார்க்கிறார்கள். தற்போதைய cloud மாடலில் பெரும்பாலும் தெளிவற்ற ஒப்புதல் செயல்முறை உள்ளது, அங்கு பயனர் உள்ளீடுகள் அடுத்த தலைமுறை மாடல்களுக்குப் பயிற்சி அளிக்கப் பயன்படுத்தப்படுகின்றன. ஒரு தொழில்முறை எழுத்தாளர் அல்லது மென்பொருள் வடிவமைப்பாளருக்கு, இது ஏற்றுக்கொள்ள முடியாதது. அவர்களின் தனித்துவமான பாணி அல்லது proprietary கோட் பொதுப் பயிற்சி தொகுப்பின் ஒரு பகுதியாக மாறுவதை அவர்கள் விரும்பவில்லை. லோக்கல் AI, அவர்களின் போட்டித்தன்மையைச் சிதைக்காமல் இந்தக் கருவிகளைப் பயன்படுத்த ஒரு வழியை வழங்குகிறது. உயர்தரப் பயிற்சித் தரவின் தேவைக்கும் தனியுரிமைக்கான உரிமைக்கும் இடையிலான இந்த மோதல் நமது காலத்தின் ஒரு முக்கிய முரண்பாடாகும். தரவு கசிவின் விலை லோக்கல் hardware-ல் முதலீடு செய்வதை விட அதிகம் என்பதை நிறுவனங்கள் இப்போது உணர்ந்துள்ளன. அவர்கள் தங்கள் இன்டெலிஜென்ஸை வீட்டிற்குள்ளேயே வைத்திருக்க private internal clouds-ஐ உருவாக்க அல்லது சக்திவாய்ந்த ஒர்க்ஸ்டேஷன்களைப் பயன்படுத்தத் தேர்வு செய்கிறார்கள்.

நடைமுறையில் மருத்துவத் தனியுரிமை

உணர்திறன் மிக்க மரபணு தரவுகளில் பணிபுரியும் மருத்துவ ஆராய்ச்சியாளர் சாரா என்பவரின் தினசரி வழக்கத்தைக் கவனியுங்கள். கடந்த காலத்தில், சாரா cloud-based AI-ன் வேகம் மற்றும் மேனுவல் பகுப்பாய்வின் பாதுகாப்பு ஆகியவற்றுக்கு இடையே ஒன்றைத் தேர்ந்தெடுக்க வேண்டியிருந்தது. இன்று, அவர் தனது காலைப் பொழுதை இரண்டு NVIDIA GPU-கள் கொண்ட லோக்கல் ஒர்க்ஸ்டேஷனை ஆன் செய்வதன் மூலம் தொடங்குகிறார். மருத்துவச் சொற்களுக்காக fine-tune செய்யப்பட்ட ஒரு சிறப்பு மாடலை அவர் ஏற்றுகிறார். நாள் முழுவதும், அவர் நோயாளிகளின் பதிவுகளைச் சுருக்கவும், சிக்கலான தரவுத் தொகுப்புகளில் உள்ள வடிவங்களைக் கண்டறியவும் மாடலுக்கு வழங்குகிறார். மாடல் லோக்கலாக இருப்பதால், HIPAA மீறல்கள் அல்லது தரவுப் பகிர்வுக்கான நோயாளி ஒப்புதல் படிவங்களைப் பற்றி சாரா கவலைப்படத் தேவையில்லை. தரவு அவரது என்க்ரிப்ட் செய்யப்பட்ட டிரைவிலேயே இருக்கும். அவர் ஒரு மாநாட்டிற்காகப் பயணம் செய்யும்போது, உயர்தர லேப்டாப்பில் தனது வேலையைத் தொடர்கிறார். பாதுகாப்பான Wi-Fi இணைப்பு இல்லாமலேயே விமானத்தில் தகவல்களைச் செயலாக்க முடியும். AI கிளவுட் உடன் இணைக்கப்பட்டிருந்தபோது இந்த அளவிலான மொபிலிட்டி மற்றும் பாதுகாப்பு சாத்தியமில்லை.

ஒரு மென்பொருள் உருவாக்குநருக்கு, இந்த தினசரி வாழ்க்கைச் சூழல் சமமாக ஈர்க்கக்கூடியது. அவர்கள் ஒரு லோக்கல் மாடலை நேரடியாகத் தங்கள் கோடிங் சூழலில் ஒருங்கிணைக்க முடியும். அவர்கள் உணர்திறன் மிக்க proprietary கோடை எழுதும்போது, AI நிகழ்நேரத்தில் பரிந்துரைகளை வழங்குகிறது மற்றும் பிழைகளைக் கண்டறிகிறது. நிறுவனத்தின் “secret sauce” மூன்றாம் தரப்பு சர்வர்-க்கு பதிவேற்றப்படும் அபாயம் இல்லை. இந்த விரிவான AI தனியுரிமை வழிகாட்டி, இந்த அளவிலான கட்டுப்பாடு ஏன் டெக் நிறுவனங்களுக்குத் தரமானதாக மாறி வருகிறது என்பதை ஆராய்கிறது. லோக்கல் AI கிளவுட் கருவிகளால் ஈடுசெய்ய முடியாத அளவிலான தனிப்பயனாக்கலை அனுமதிக்கிறது. ஒரு டெவலப்பர் குறிப்பிட்ட பணிகளுக்காக மாடல்களை மாற்றிக்கொள்ளலாம், உதாரணமாக autocomplete-க்கு சிறிய, வேகமான மாடலையும், சிக்கலான கட்டடக்கலைத் திட்டமிடலுக்குப் பெரிய, திறன்மிக்க மாடலையும் பயன்படுத்தலாம். அவர்கள் கிளவுட் வழங்குநரால் வழங்கப்படும் rate limits அல்லது மாடல்களின் குறிப்பிட்ட பதிப்புகளால் கட்டுப்படுத்தப்படுவதில்லை. உள்ளீடு முதல் வெளியீடு வரை முழு பைப்லைனையும் அவர்களே சொந்தமாக வைத்திருக்கிறார்கள்.

இது சேவை வழங்குநரின் கட்டுப்பாடுகளை விட, திட்டத்தின் குறிப்பிட்ட தேவைகளுக்கு ஏற்ப மாற்றியமைக்கக்கூடிய மிகவும் திரவமான மற்றும் தடையற்ற பணிப்பாய்வை அனுமதிக்கிறது.

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

முழுமையான சுயாட்சியின் விலை

நன்மைகள் தெளிவாக இருந்தாலும், இந்த மாற்றத்தின் மறைமுகமான செலவுகள் குறித்து நாம் கடினமான கேள்விகளைக் கேட்க வேண்டும். அடிப்படை மாடல் வெயிட்டுகள் இன்னும் ஒரு கருப்புப் பெட்டியாக இருந்தால், லோக்கல் AI உண்மையிலேயே தனிப்பட்டதா? செயல்பாடு லோக்கலாக இருப்பதால், செயல்முறை வெளிப்படையானது என்று நாம் அடிக்கடி நினைக்கிறோம். இருப்பினும், பெரும்பாலான பயனர்களுக்கு ஒரு மாடலுக்குள் உள்ள பில்லியன் கணக்கான அளவுருக்களைத் தணிக்கை செய்யும் நிபுணத்துவம் இல்லை. hardware கழிவுகள் பற்றிய கேள்வியும் உள்ளது. லோக்கல் மாடல்களை இயக்க அனைவரும் சமீபத்திய GPU-களை வாங்க விரைவதால், இந்த உள்ளூர்மயமாக்கப்பட்ட கம்ப்யூட் சக்தியின் சுற்றுச்சூழல் தாக்கம் என்ன? கிளவுட் வழங்குநர்கள் ஆயிரக்கணக்கான பயனர்களிடையே ஆற்றல் பயன்பாட்டை மேம்படுத்த முடியும், ஆனால் அதிக சக்தியில் இயங்கும் மில்லியன் கணக்கான தனிப்பட்ட ஒர்க்ஸ்டேஷன்கள் வேறு கதை. டிஜிட்டல் பிளவையும் நாம் கருத்தில் கொள்ள வேண்டும். லோக்கல் AI-க்கு விலையுயர்ந்த hardware தேவை. இது தனியுரிமைக்குச் செலவு செய்யக்கூடிய “தரவு-பணக்கார” பயனர்களின் புதிய வர்க்கத்தை உருவாக்குமா, அதே சமயம் “தரவு-ஏழை” பயனர்கள் கிளவுட் அணுகலுக்காகத் தங்கள் தனியுரிமையை விற்க வேண்டிய கட்டாயத்தில் இருப்பார்களா?

ஒப்புதலின் மொழி என்பது அமைப்பு தோல்வியடையும் மற்றொரு பகுதியாகும். பல கிளவுட் வழங்குநர்கள் பயிற்சியிற்காக பயனர் தரவை வைத்திருப்பதை மறைக்க அடர்த்தியான சட்ட மொழியைப் பயன்படுத்துகின்றனர். லோக்கல் செட்டப்களில் கூட, சில மென்பொருள் ரேப்பர்கள் டெலிமெட்ரி தரவுகளுடன் இன்னும் “phone home” செய்யலாம். பயனர்கள் தாங்கள் தேர்ந்தெடுக்கும் கருவிகள் குறித்து விழிப்புடன் இருக்க வேண்டும். “ஒரே கிளிக்கில்” லோக்கல் இன்ஸ்டாலரின் வசதி, தொகுக்கப்பட்ட டிராக்கிங் மென்பொருளின் அபாயத்திற்கு மதிப்புள்ளதா என்று நாம் கேட்க வேண்டும். மேலும், மாடல் சிதைவு (model decay) என்ற சிக்கல் உள்ளது. பயனர் கைமுறையாகப் புதுப்பிக்காத வரை ஒரு லோக்கல் மாடல் காலப்போக்கில் புத்திசாலித்தனமாக மாறாது. கிளவுட் மாடல்கள் தொடர்ந்து செம்மைப்படுத்தப்படுகின்றன. நிலையான, குறைந்த திறன் கொண்ட மாடலின் பரிமாற்றம் தனியுரிமை ஆதாயத்திற்கு மதிப்புள்ளதா? பலருக்கு, பதில் ஆம், ஆனால் திறனில் உள்ள இடைவெளி ஒரு தொடர்ச்சியான கவலையாக உள்ளது. பராமரிப்புச் செலவையும் நாம் எடைபோட வேண்டும். நீங்கள் சொந்தமாக AI-ஐ இயக்கும்போது, நீங்களே IT துறை. பாதுகாப்பு பேட்ச்கள், hardware தோல்விகள் மற்றும் மென்பொருள் மோதல்களுக்கு நீங்களே பொறுப்பு.

நுழைவுக்கான தொழில்நுட்ப தடைகள்

பவர் யூசருக்கு, லோக்கல் AI-க்கான மாற்றம் ஒரு குறிப்பிட்ட தொழில்நுட்ப சவால்கள் மற்றும் வாய்ப்புகளை உள்ளடக்கியது. பணிப்பாய்வு ஒருங்கிணைப்புதான் முதன்மையான தடையாகும். ஒரு வெப் டேப் போலல்லாமல், லோக்கல் மாடலுக்கு API endpoint-ஐ வழங்க Ollama அல்லது LocalAI போன்ற inference சர்வர் தேவைப்படுகிறது. இது மற்ற பயன்பாடுகள் மாடலுடன் பேச அனுமதிக்கிறது. பெரும்பாலான பவர் யூசர்கள் OpenAI API தரநிலையை ஆதரிக்கும் கருவிகளைப் பயன்படுத்த விரும்புகிறார்கள், இது கிளவுட்-அடிப்படையிலான கீ-யை லோக்கல் URL-க்கு மாற்றுவதை எளிதாக்குகிறது. இருப்பினும், API வரம்புகள் hardware வரம்புகளால் மாற்றப்படுகின்றன. நீங்கள் இயக்கக்கூடிய மாடலின் அளவு உங்கள் Video RAM (VRAM) மூலம் கண்டிப்பாகத் தீர்மானிக்கப்படுகிறது. 70 பில்லியன் அளவுருக்கள் கொண்ட ஒரு மாடலுக்கு பொதுவாகப் பயன்படுத்தக்கூடிய வேகத்தில் இயங்க குறைந்தபட்சம் 40GB VRAM தேவைப்படுகிறது. இது பெரும்பாலும் தொழில்முறை-தர hardware-ல் முதலீடு செய்வதையோ அல்லது மாடலைச் சுருக்க quantization போன்ற நுட்பங்களைப் பயன்படுத்துவதையோ குறிக்கிறது. Quantization மாடல் வெயிட்டுகளின் துல்லியத்தைக் குறைக்கிறது, இது ஒரு பெரிய மாடலை குறைந்த நினைவகத்தில் பொருத்த அனுமதிக்கிறது, ஆனால் சில புத்திசாலித்தனத்தை இழக்க நேரிடும்.

லோக்கல் ஸ்டோரேஜ் மற்றொரு முக்கியமான காரணியாகும். ஒரு உயர்தர மாடல் 50GB முதல் 100GB வரை இடத்தை எடுத்துக்கொள்ளும். பவர் யூசர்கள் பெரும்பாலும் பிரத்யேக NVMe டிரைவ்களில் வெவ்வேறு மாடல்களின் லைப்ரரியைப் பராமரிக்கிறார்கள். அவர்கள் “context window”-ஐயும் நிர்வகிக்க வேண்டும், இது ஒரு உரையாடலின் போது மாடல் நினைவில் கொள்ளக்கூடிய தகவலின் அளவாகும். நினைவகக் கட்டுப்பாடுகள் காரணமாக லோக்கல் மாடல்கள் பெரும்பாலும் கிளவுட் மாடல்களை விடச் சிறிய context window-களைக் கொண்டுள்ளன. இதைச் சமாளிக்க, பயனர்கள் Retrieval-Augmented Generation (RAG)-ஐச் செயல்படுத்துகிறார்கள். இது ஆயிரக்கணக்கான ஆவணங்களைச் சேமிக்க லோக்கல் வெக்டர் டேட்டாபேஸைப் பயன்படுத்துவதை உள்ளடக்கியது. கணினி பின்னர் மிகவும் பொருத்தமான துணுக்குகளை “மீட்டெடுத்து” தேவைக்கேற்ப மாடலுக்கு வழங்குகிறது. இது ஒரு லோக்கல் AI-க்கு மிகப்பெரிய context window தேவையில்லாமல் பயனரின் முழு தனிப்பட்ட லைப்ரரியின் “நினைவகத்தை” வைத்திருக்க அனுமதிக்கிறது. லோக்கல் செட்டப்பிற்கான முதன்மை hardware பரிசீலனைகள் இங்கே உள்ளன:

• VRAM திறன்: மாடல் அளவு மற்றும் வேகத்திற்கு இதுவே மிக முக்கியமான காரணியாகும்.
• நினைவக அலைவரிசை: வேகமான நினைவகம் மாடல் டோக்கன்களை விரைவாகச் செயலாக்க அனுமதிக்கிறது.
• சேமிப்பக வேகம்: பெரிய மாடல் கோப்புகளை நினைவகத்தில் ஏற்றுவதற்கு NVMe டிரைவ்கள் அவசியம்.
• குளிர்வித்தல்: நீண்ட காலத்திற்கு inference-ஐ இயக்குவது குறிப்பிடத்தக்க வெப்பத்தை உருவாக்குகிறது.

மென்பொருள் பக்கமும் உருவாகி வருகிறது. LM Studio மற்றும் AnythingLLM போன்ற கருவிகள் இந்தச் சிக்கலான செட்டப்புகளை நிர்வகிக்க பயனர் நட்பு வழிகளை வழங்குகின்றன. அவை எளிதான மாடல் கண்டுபிடிப்பு மற்றும் உள்ளமைவை அனுமதிக்கின்றன. இருப்பினும், இந்த இயக்கத்தின் “geek” பிரிவு இன்னும் கமாண்ட் லைனைப் பயன்படுத்தவும் டிரைவர் சிக்கல்களைச் சரிசெய்யவும் விருப்பத்துடன் இருப்பதன் மூலம் வரையறுக்கப்படுகிறது. இது பொழுதுபோக்கு ஆர்வலர்களின் காலத்திற்குத் திரும்புவதாகும், அங்கு தொழில்நுட்ப முயற்சிக்குக் கிடைக்கும் வெகுமதி ஒருவரின் டிஜிட்டல் வாழ்க்கையின் மீதான முழுமையான கட்டுப்பாடாகும். இந்த சமூகம் Hugging Face போன்ற தளங்களை மையமாகக் கொண்டுள்ளது, அங்கு புதிய மாடல்கள் மற்றும் மேம்படுத்தல்கள் தினமும் பகிரப்படுகின்றன. இந்த இடத்தில் புதுமையின் வேகம் திகைக்க வைக்கிறது, நினைவகப் பயன்பாட்டைக் குறைப்பதற்கான புதிய நுட்பங்கள் ஒவ்வொரு வாரமும் தோன்றும்.

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.

இறையாண்மை கணினியின் எதிர்காலம்

லோக்கல் AI என்பது இனி தனியுரிமை ஆர்வலர்களுக்கான ஒரு சிறிய ஆர்வம் அல்ல. மையப்படுத்தப்பட்ட கிளவுட் சேவைகளைச் சார்ந்துள்ள உலகத்திற்கு இது ஒரு அவசியமான பரிணாமமாகும். வேகம், தனியுரிமை மற்றும் கட்டுப்பாட்டின் நன்மைகளை புறக்கணிக்க முடியாது. hardware தேவைகள் பலருக்குத் தடையாக இருந்தாலும், இடைவெளி குறைந்து வருகிறது. சிறப்பு AI சிப்கள் நுகர்வோர் மின்னணு சாதனங்களில் தரநிலையாக மாறும்போது, சக்திவாய்ந்த மாடல்களை லோக்கலாக இயக்கும் திறன் ஒரு ஆடம்பரமாக இல்லாமல் இயல்பான அம்சமாக மாறும். இந்த மாற்றம் தொழில்நுட்பத்துடனான நமது உறவை மறுவரையறை செய்யும். நாம் “software as a service” என்ற மாடலில் இருந்து “intelligence as an asset” என்ற மாடலுக்கு நகர்கிறோம். தங்கள் தரவு மற்றும் சுயாட்சியை மதிப்பவர்களுக்கு, தேர்வு தெளிவாக உள்ளது. AI-ன் எதிர்காலம் கிளவுட்டில் இல்லை. அது உங்கள் மேஜையில், உங்கள் பாக்கெட்டில் மற்றும் உங்கள் கட்டுப்பாட்டில் உள்ளது.