EKA-1 ಮತ್ತು Dhīr: ಭಾರತದ ಹೊಸ ಎಐ ಮಾದರಿಗಳು ತರಬೇತಿ, ಭಾಷೆ ಮತ್ತು ಸ್ಥಳೀಯ ಬಳಕೆಯನ್ನು ಹೇಗೆ ಬೆಸೆಯುತ್ತವೆ

ಸುದ್ದಿಯಲ್ಲಿ ಏಕಿದೆ?

ಇಂಡಿಯಾಎಐ ಮಿಷನ್ (IndiaAI Mission) 3 ನವೆಂಬರ್ 2026 ರಂದು ನವದೆಹಲಿಯಲ್ಲಿ ಮೂರು ಸ್ವದೇಶಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (artificial intelligence) ಮಾದರಿಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದೆ: ಸಾಕೆಟ್ ಲ್ಯಾಬ್ಸ್ ಟೆಕ್ನಾಲಜಿ ಅಂಡ್ ರಿಸರ್ಚ್ (Soket Labs Technology and Research) ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ EKA-1, ಹಾಗೂ ಜೆಂಟೆಕ್ ಎಐಟೆಕ್ ಇನ್ನೋವೇಶನ್ಸ್ (ZenteiQ AiTech Innovations) ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ Dhīr 2B ಮತ್ತು Dhīr 5B. ಈ ಕಂಪನಿಗಳು ಮಿಷನ್‌ನ ಇಂಡಿಯಾಎಐ ಇನ್ನೋವೇಶನ್ ಸೆಂಟರ್ (IndiaAI Innovation Centre) ಆಧಾರಸ್ತಂಭದ ಅಡಿಯಲ್ಲಿ ಸಹಾಯಧನದ ಕಂಪ್ಯೂಟಿಂಗ್ ಮೂಲಸೌಕರ್ಯ ಮತ್ತು ಸಂಶೋಧನಾ ವೆಚ್ಚಗಳಿಗೆ ನೆರವು ಸೇರಿದಂತೆ ವಿವಿಧ ಬೆಂಬಲವನ್ನು ಪಡೆದುಕೊಂಡಿವೆ.

ಮೂಲ ಮಾದರಿಯು ಏನನ್ನು ಒದಗಿಸುತ್ತದೆ

ಒಂದು ಮೂಲ ಮಾದರಿಯನ್ನು (foundation model) ವ್ಯಾಪಕವಾದ ದತ್ತಾಂಶ ಸಂಗ್ರಹದ ಮೇಲೆ ತರಬೇತಿಗೊಳಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅದನ್ನು ವಿಭಿನ್ನ ಕಾರ್ಯಗಳಿಗೆ ತಕ್ಕಂತೆ ಮಾರ್ಪಡಿಸಿಕೊಳ್ಳಬಹುದು. ಭಾಷಾ ಮಾದರಿಯು (language model) ಪಠ್ಯದಲ್ಲಿನ ವಿನ್ಯಾಸಗಳನ್ನು ಕಲಿಯುತ್ತದೆ ಹಾಗೂ ಇದು ಉತ್ತರಗಳನ್ನು ರೂಪಿಸಲು ಅದಕ್ಕೆ ನೆರವಾಗುತ್ತದೆ. ನಂತರ ಡೆವಲಪರ್‌ಗಳು ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವುದು, ಕೋಡ್ ಬರೆಯುವುದು ಅಥವಾ ನಿರ್ದಿಷ್ಟ ಕ್ಷೇತ್ರದ ದಾಖಲೆಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಂತಹ ಚಟುವಟಿಕೆಗಳಿಗಾಗಿ ಒಂದೇ ಸಾಮಾನ್ಯ ಮಾದರಿಯನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಬಹುದು.

ತಳಹದಿಯ ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಅಪಾರ ಪ್ರಮಾಣದ ದತ್ತಾಂಶ, ಕಂಪ್ಯೂಟಿಂಗ್ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ತಾಂತ್ರಿಕ ಪರಿಣತಿಯ ಅಗತ್ಯವಿರುವುದರಿಂದ ಈ ಸಾಮಾನ್ಯ ಆರಂಭಿಕ ಹಂತವು ಮಹತ್ವದ್ದಾಗಿದೆ. ಅಪ್ಲಿಕೇಶನ್‌ಗಳು (applications) ಆ ತಳಹದಿಯ ಮೇಲೆ ನಿರ್ಮಾಣವಾಗುತ್ತಲೇ ತಮ್ಮದೇ ಆದ ಸೂಚನೆಗಳು, ಮಾಹಿತಿ ಮೂಲಗಳು ಮತ್ತು ಬಳಕೆದಾರರಿಗೆ ಬೇಕಾದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಸೇರಿಸಿಕೊಳ್ಳಬಹುದು. ಆದ್ದರಿಂದ ಮೂಲ ಮಾದರಿ ಮತ್ತು ಸಂಪೂರ್ಣ ಅಪ್ಲಿಕೇಶನ್ ಅಭಿವೃದ್ಧಿ ಪ್ರಕ್ರಿಯೆಯ ವಿಭಿನ್ನ ಹಂತಗಳಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ.

ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು, ಟೋಕನ್‌ಗಳು ಮತ್ತು ಇನ್‌ಫರೆನ್ಸ್ ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು

ತರಬೇತಿಯ (training) ಸಮಯದಲ್ಲಿ, ಮಾದರಿಯು ದತ್ತಾಂಶದಿಂದ ಕಲಿಯುತ್ತಿದ್ದಂತೆ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು (parameters) ಎಂದು ಕರೆಯಲಾಗುವ ಸಂಖ್ಯಾತ್ಮಕ ಮೌಲ್ಯಗಳನ್ನು ಹೊಂದಾಣಿಕೆ ಮಾಡಿಕೊಳ್ಳುತ್ತದೆ. ಭಾಷಾ ಮಾದರಿಗಳಲ್ಲಿ ಪಠ್ಯವನ್ನು ಟೋಕನ್‌ಗಳು (tokens) ಎಂಬ ಸಣ್ಣ ಘಟಕಗಳಾಗಿ ಸಂಸ್ಕರಿಸಲಾಗುತ್ತದೆ. ಪಠ್ಯವನ್ನು ವಿಭಜಿಸಲು ಬಳಸುವ ವ್ಯವಸ್ಥೆಗೆ ಅನುಗುಣವಾಗಿ ಒಂದು ಟೋಕನ್ ಒಂದು ಪದವನ್ನು, ಪದದ ಒಂದು ಭಾಗವನ್ನು ಅಥವಾ ಒಂದು ಅಕ್ಷರವನ್ನು ಪ್ರತಿನಿಧಿಸಬಹುದು.

ಸಚಿವಾಲಯದ ಪ್ರಕಾರ, EKA-1 ಮಾದರಿಯು 26.3 ಬಿಲಿಯನ್ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಸುಮಾರು 7.5 ಟ್ರಿಲಿಯನ್ ಟೋಕನ್‌ಗಳ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದಿದೆ. ಇದು ಸಂವಿಧಾನದ ಎಲ್ಲಾ 22 ಅನುಸೂಚಿತ ಭಾರತೀಯ ಭಾಷೆಗಳು ಮತ್ತು ಇಂಗ್ಲಿಷ್ ಅನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ ಹಾಗೂ ಗಣಿತ, ಕೋಡಿಂಗ್ ಮತ್ತು ತಾರ್ಕಿಕ ವಿಶ್ಲೇಷಣೆ (reasoning) ಇದರ ಉದ್ದೇಶಿತ ಬಳಕೆಗಳಲ್ಲಿ ಸೇರಿವೆ. ಈ ಎರಡು ಸಂಖ್ಯೆಗಳು ವಿಭಿನ್ನ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ವಿವರಿಸುತ್ತವೆ: ಮೊದಲನೆಯದು ಮಾದರಿಯು ಕಲಿತ ಸಂಖ್ಯಾತ್ಮಕ ರಚನೆಯನ್ನು ತಿಳಿಸಿದರೆ, ಎರಡನೆಯದು ತರಬೇತಿಯ ಸಮಯದಲ್ಲಿ ಸಂಸ್ಕರಿಸಲಾದ ಪಠ್ಯ ಘಟಕಗಳ ಪ್ರಮಾಣವನ್ನು ಸೂಚಿಸುತ್ತದೆ.

ಇನ್‌ಫರೆನ್ಸ್ (inference) ಎಂಬುದು ತರಬೇತಿ ಪಡೆದ ಮಾದರಿಯು ಬಳಕೆದಾರರ ಇನ್‌ಪುಟ್ ಅನ್ನು ಸಂಸ್ಕರಿಸಿ ಉತ್ತರವನ್ನು ನೀಡುವ ಹಂತವಾಗಿದೆ. ತರಬೇತಿಯು ಮಾದರಿಯ ಕಲಿಕೆಯ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ನಿರ್ಮಿಸಿದರೆ, ಇನ್‌ಫರೆನ್ಸ್ ಆ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಕಾರ್ಯರೂಪಕ್ಕೆ ತರುತ್ತದೆ. ಬೃಹತ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಬಳಸಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಮಾದರಿಯನ್ನು ನಂತರ ಒಂದು ಅಪ್ಲಿಕೇಶನ್‌ನಲ್ಲಿ ಹೇಗೆ ನಿಯೋಜಿಸಬಹುದು ಎಂಬುದನ್ನು ವಿವರಿಸಲು ಈ ವ್ಯತ್ಯಾಸವು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ದಾಖಲೆಗಳು ಮತ್ತು ಸ್ಥಳೀಯ ನಿಯೋಜನೆ

ಅಧಿಕೃತ ಪ್ರಕಟಣೆಯು Dhīr 2B ಮತ್ತು Dhīr 5B ಮಾದರಿಗಳನ್ನು ಇಂಗ್ಲಿಷ್ ಹಾಗೂ 10 ಭಾರತೀಯ ಭಾಷೆಗಳನ್ನು ಬೆಂಬಲಿಸುವ ಓಪನ್-ಸೋರ್ಸ್ (open-source) ಬಹುಭಾಷಾ ಮಾದರಿಗಳೆಂದು ವಿವರಿಸುತ್ತದೆ. ದಾಖಲೆ-ಆಧಾರಿತ ಸ್ವಯಂಚಾಲನೆ (automation), ಮಾಹಿತಿ ಮರುಪಡೆಯುವಿಕೆ (information retrieval) ಹಾಗೂ ಸರ್ಕಾರ, ಕೈಗಾರಿಕೆ, ಶಿಕ್ಷಣ ಮತ್ತು ರಕ್ಷಣಾ ವಲಯದ ಸೇವೆಗಳು ಇವುಗಳ ಉದ್ದೇಶಿತ ಬಳಕೆಗಳಲ್ಲಿ ಸೇರಿವೆ. ಇವುಗಳನ್ನು ಸಂಸ್ಥೆಯ ಸ್ವಂತ ಆವರಣದಲ್ಲಿಯೇ (on-premises) ನಿಯೋಜಿಸಬಹುದು ಮತ್ತು ಸೂಕ್ತ ಸಾಧನಗಳಲ್ಲಿ ನಿರಂತರ ಕ್ಲೌಡ್ ಸಂಪರ್ಕವಿಲ್ಲದೆಯೂ ಬಳಸಬಹುದು ಎಂದು ಜೆಂಟೆಕ್ ವಿವರಿಸಿದೆ.

ಒಂದು ಪ್ರಶ್ನೆ ಮತ್ತು ಅದಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ಹುಡುಕಿ ತೆಗೆದ ದಾಖಲೆಗಳನ್ನು ಭಾಷಾ ಮಾದರಿಗೆ ನೀಡುವುದನ್ನು ಮತ್ತು ಆ ಮಾದರಿಯು ಉತ್ತರವನ್ನು ರೂಪಿಸುವುದನ್ನು ಈ ಚಿತ್ರ ತೋರಿಸುತ್ತದೆ. — ದಾಖಲೆ-ಆಧಾರಿತ ಸಹಾಯಕವು ಪ್ರಶ್ನೆಯೊಂದಿಗೆ ಸಂಬಂಧಿತ ಮೂಲ ಸಾಮಗ್ರಿಯನ್ನೂ ಒದಗಿಸುತ್ತದೆ. ಕ್ಲಾರಿಟಿಯ ಮೂಲ ಪರಿಕಲ್ಪನಾ ಚಿತ್ರ; ಮೂಲಗಳು: ಲೂಯಿಸ್ ಮತ್ತು ಇತರರು (2020) ಹಾಗೂ ಗೂಗಲ್ ಮಷಿನ್ ಲರ್ನಿಂಗ್ ಗ್ಲಾಸರಿ.

ಒಂದು ದಾಖಲೆ-ಆಧಾರಿತ (document-grounded) ಸಹಾಯಕವು ತನ್ನ ಉತ್ತರವನ್ನು ಸಿದ್ಧಪಡಿಸುವಾಗ ಸಂಬಂಧಿತ ಮೂಲ ಸಾಮಗ್ರಿಯನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಕಚೇರಿಯ ಕಾರ್ಯವಿಧಾನವೊಂದರ ಕುರಿತ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುವ ವ್ಯವಸ್ಥೆಯು ಮೊದಲು ಅದಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಸೂಚನೆಗಳನ್ನು ಹುಡುಕಿ ತೆಗೆದು ಅವುಗಳನ್ನು ಭಾಷಾ ಮಾದರಿಗೆ ನೀಡಬಹುದು. ಆಗ ಮಾದರಿಯ ಉತ್ತರವು ಆ ನಿರ್ದಿಷ್ಟ ಪ್ರಶ್ನೆಗಾಗಿ ಒದಗಿಸಲಾದ ಮಾಹಿತಿಯನ್ನು ಆಧರಿಸಿರುತ್ತದೆ.

ಸ್ಥಳೀಯವಾಗಿ ಇನ್‌ಫರೆನ್ಸ್ ನಡೆಸುವುದರಿಂದ ಸಂಸ್ಕರಣೆಯ ಕಾರ್ಯವು ಸಂಸ್ಥೆಯ ಅಥವಾ ಬಳಕೆದಾರರ ಸ್ವಂತ ಹಾರ್ಡ್‌ವೇರ್‌ನಲ್ಲಿ ನಡೆಯುತ್ತದೆ. ಇಂಟರ್ನೆಟ್ ಸಂಪರ್ಕ ಸೀಮಿತವಾಗಿರುವಲ್ಲಿ ಮತ್ತು ದಾಖಲೆಗಳನ್ನು ನಿಯಂತ್ರಿತ ವಾತಾವರಣದ ಒಳಗಡೆಯೇ ಇರಿಸಬೇಕಾದ ಸಂದರ್ಭಗಳಲ್ಲಿ ಇದು ಬಳಕೆಗೆ ನೆರವಾಗುತ್ತದೆ. ಈ ನಿಯೋಜನಾ ವ್ಯವಸ್ಥೆಯು ಮಾದರಿಯನ್ನು ಅದನ್ನು ಬಳಸುವ ಸಂಸ್ಥೆಯ ಉಪಕರಣಗಳು, ದಾಖಲೆಗಳು ಮತ್ತು ಪ್ರವೇಶ ನಿಯಂತ್ರಣಗಳೊಂದಿಗೆ (access controls) ಬೆಸೆಯುತ್ತದೆ.

ವ್ಯಾಪಕ ಇಂಡಿಯಾಎಐ ಮಿಷನ್

ಕೇಂದ್ರ ಸಚಿವ ಸಂಪುಟವು 7 ಮಾರ್ಚ್ 2024 ರಂದು ಇಂಡಿಯಾಎಐ ಮಿಷನ್‌ಗೆ ಅನುಮೋದನೆ ನೀಡಿತು. ಇದರ ಏಳು ಆಧಾರಸ್ತಂಭಗಳು ಕಂಪ್ಯೂಟಿಂಗ್ ಸಾಮರ್ಥ್ಯ, ಸ್ವದೇಶಿ ಮಾದರಿಗಳು, ಡೇಟಾಸೆಟ್‌ಗಳು, ಅಪ್ಲಿಕೇಶನ್ ಅಭಿವೃದ್ಧಿ, ಕೌಶಲ್ಯಗಳು, ಸ್ಟಾರ್ಟ್‌ಅಪ್ ಆರ್ಥಿಕ ನೆರವು ಹಾಗೂ ಸುರಕ್ಷಿತ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹ ಎಐ ಅನ್ನು ಒಳಗೊಂಡಿವೆ. ಇವು ಎಐ ವ್ಯವಸ್ಥೆಯೊಂದರ ವಿಭಿನ್ನ ಅಗತ್ಯಗಳನ್ನು ಪೂರೈಸುತ್ತವೆ: ಮಾದರಿಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಬೇಕಾದ ಸಂಪನ್ಮೂಲಗಳು, ಅವುಗಳನ್ನು ಬಳಸುವ ಜನರು ಮತ್ತು ಉದ್ಯಮಗಳು, ಹಾಗೂ ಜವಾಬ್ದಾರಿಯುತ ನಿಯೋಜನೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ವಿಧಾನಗಳು.

ಉಪಸಂಹಾರ

ಈ ಬಿಡುಗಡೆಯು ಬಹುಭಾಷಾ ಮಾದರಿಗಳ ಅಭಿವೃದ್ಧಿಯನ್ನು ಸಾರ್ವಜನಿಕ ಕಂಪ್ಯೂಟಿಂಗ್ ಬೆಂಬಲ ಮತ್ತು ಸ್ಥಳೀಯವಾಗಿ ನಿಯೋಜಿಸಬಹುದಾದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳೊಂದಿಗೆ ಒಗ್ಗೂಡಿಸುತ್ತದೆ. ತರಬೇತಿ, ಇನ್‌ಫರೆನ್ಸ್ ಮತ್ತು ದಾಖಲೆ-ಆಧಾರಿತ ಕಾರ್ಯವಿಧಾನವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದರಿಂದ ಈ ಬೆಳವಣಿಗೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವುದು ಸುಲಭವಾಗುತ್ತದೆ: ಇವುಗಳಲ್ಲಿ ಪ್ರತಿಯೊಂದೂ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸುವುದು ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಕೆಲಸಕ್ಕಾಗಿ ಅದನ್ನು ಬಳಸುವುದರ ನಡುವಿನ ವಿಭಿನ್ನ ಹಂತವನ್ನು ವಿವರಿಸುತ್ತದೆ.