EKA-1 మరియు Dhīr: భారత్ కొత్త ఏఐ నమూనాలు శిక్షణ, భాష మరియు స్థానిక వినియోగాన్ని ఎలా అనుసంధానిస్తాయి

వార్తల్లో ఎందుకు ఉంది?

ఇండియాఏఐ మిషన్ (IndiaAI Mission) 3 నవంబర్ 2026న న్యూఢిల్లీలో మూడు స్వదేశీ కృత్రిమ మేధ (artificial intelligence) నమూనాలను విడుదల చేసింది: సాకెట్ ల్యాబ్స్ టెక్నాలజీ అండ్ రీసెర్చ్ (Soket Labs Technology and Research) అభివృద్ధి చేసిన EKA-1, మరియు జెంటెక్ ఏఐటెక్ ఇన్నోవేషన్స్ (ZenteiQ AiTech Innovations) అభివృద్ధి చేసిన Dhīr 2B మరియు Dhīr 5B. రాయితీతో కూడిన కంప్యూటింగ్ మౌలిక సదుపాయాలు, పరిశోధన ఖర్చులకు సాయం సహా ఈ మిషన్‌లోని ఇండియాఏఐ ఇన్నోవేషన్ సెంటర్ (IndiaAI Innovation Centre) స్తంభం కింద ఈ సంస్థలు మద్దతు పొందాయి.

ప్రాథమిక నమూనా ఏమి అందిస్తుంది

ఒక ప్రాథమిక నమూనా (foundation model) విస్తృతమైన డేటా సేకరణపై శిక్షణ పొందుతుంది మరియు దానిని విభిన్న పనులకు అనుగుణంగా మార్చుకోవచ్చు. ఒక భాషా నమూనా (language model) పాఠ్యంలోని అమరికలను నేర్చుకుంటుంది, ఇది సమాధానాలను రూపొందించడంలో దానికి సహాయపడుతుంది. ఆ తర్వాత డెవలపర్లు ప్రశ్నలకు సమాధానాలు ఇవ్వడం, కోడ్ రాయడం లేదా ఒక నిర్దిష్ట రంగానికి చెందిన పత్రాలతో పనిచేయడం వంటి కార్యకలాపాల కోసం ఈ ఉమ్మడి నమూనాను అనుకూలంగా మార్చుకోవచ్చు.

మూల నమూనాను అభివృద్ధి చేయడానికి భారీ స్థాయిలో డేటా, కంప్యూటింగ్ సామర్థ్యం మరియు సాంకేతిక నైపుణ్యం అవసరం కాబట్టి ఈ ఉమ్మడి ప్రారంభ దశ ఎంతో కీలకమైనది. అప్లికేషన్లు (applications) ఆ పునాదిపై ఆధారపడుతూనే తమ సొంత సూచనలను, సమాచార వనరులను మరియు వినియోగదారులకు కనిపించే సదుపాయాలను జోడించుకోవచ్చు. అందువల్ల ప్రాథమిక నమూనా మరియు పూర్తిస్థాయి అప్లికేషన్ అనేవి అభివృద్ధి ప్రక్రియలో వేర్వేరు భాగాలలో ఉంటాయి.

పారామీటర్లు, టోకెన్లు మరియు ఇన్‌ఫరెన్స్‌ను అర్థం చేసుకోవడం

శిక్షణ (training) సమయంలో, ఒక నమూనా డేటా నుంచి నేర్చుకునే కొద్దీ పారామీటర్లు (parameters) అని పిలిచే సంఖ్యా విలువలను సర్దుబాటు చేసుకుంటుంది. భాషా నమూనాలలో పాఠ్యాన్ని టోకెన్లు (tokens) అనే చిన్న ప్రమాణాలుగా ప్రాసెస్ చేస్తారు. పాఠ్యాన్ని విభజించడానికి ఉపయోగించే వ్యవస్థను బట్టి ఒక టోకెన్ అనేది ఒక పదాన్ని, పదంలోని ఒక భాగాన్ని లేదా ఒక అక్షరాన్ని సూచించవచ్చు.

EKA-1 నమూనాలో 26.3 బిలియన్ పారామీటర్లు ఉన్నాయని, సుమారు 7.5 ట్రిలియన్ టోకెన్లపై దీనికి శిక్షణ ఇచ్చారని మంత్రిత్వ శాఖ పేర్కొంది. ఇది రాజ్యాంగంలోని షెడ్యూల్‌లో ఉన్న మొత్తం 22 భారతీయ భాషలకు మరియు ఆంగ్లానికి మద్దతు ఇస్తుంది; గణితం, కోడింగ్ మరియు తార్కిక విశ్లేషణ (reasoning) దీని ఉద్దేశిత ఉపయోగాలలో ఉన్నాయి. ఈ రెండు గణాంకాలు వేర్వేరు లక్షణాలను వివరిస్తాయి: మొదటిది నమూనా నేర్చుకున్న సంఖ్యా నిర్మాణాన్ని, రెండవది శిక్షణ సమయంలో ప్రాసెస్ చేసిన పాఠ్య ప్రమాణాల పరిమాణాన్ని తెలుపుతుంది.

శిక్షణ పొందిన నమూనా వినియోగదారుడి ఇన్‌పుట్‌ను ప్రాసెస్ చేసి సమాధానాన్ని అందించే దశనే ఇన్‌ఫరెన్స్ (inference) అంటారు. శిక్షణ నమూనా యొక్క నేర్చుకున్న సామర్థ్యాలను ఏర్పరిస్తే, ఇన్‌ఫరెన్స్ ఆ సామర్థ్యాలను ఆచరణలో పెడుతుంది. భారీ కంప్యూటింగ్ వనరులను ఉపయోగించి అభివృద్ధి చేసిన నమూనాను ఆ తర్వాత ఒక అప్లికేషన్‌లో ఎలా వినియోగంలోకి తీసుకురావచ్చో వివరించడానికి ఈ వ్యత్యాసం సహాయపడుతుంది.

పత్రాలు మరియు స్థానిక స్థాయిలో వినియోగం

అధికారిక ప్రకటన Dhīr 2B మరియు Dhīr 5B నమూనాలను ఆంగ్లం మరియు 10 భారతీయ భాషలకు మద్దతు ఇచ్చే ఓపెన్-సోర్స్ (open-source) బహుభాషా నమూనాలుగా వర్ణించింది. పత్రాల ఆధారిత ఆటోమేషన్ (automation), సమాచార సేకరణ (information retrieval) మరియు ప్రభుత్వం, పరిశ్రమలు, విద్య, రక్షణ రంగాలలో సేవలు వీటి ఉద్దేశిత ఉపయోగాలలో ఉన్నాయి. వీటిని ఒక సంస్థ తన సొంత ప్రాంగణంలోనే (on-premises) ఏర్పాటు చేసుకోవచ్చని, తగిన పరికరాలపై నిరంతర క్లౌడ్ కనెక్టివిటీ లేకుండా కూడా పనిచేయగలవని జెంటెక్ వివరించింది.

ఒక ప్రశ్నను మరియు దానికి సంబంధించిన సేకరించిన పత్రాలను భాషా నమూనాకు అందించడం, ఆపై అది సమాధానాన్ని రూపొందించడాన్ని ఈ చిత్రం చూపిస్తుంది. — పత్రాల-ఆధారిత సహాయక వ్యవస్థ ప్రశ్నతో పాటు సంబంధిత మూల సమాచారాన్ని కూడా అందిస్తుంది. క్లారిటీ అసలు భావనాత్మక చిత్రం; మూలాలు: లూయిస్ మరియు ఇతరులు (2020) మరియు గూగుల్ మెషీన్ లెర్నింగ్ గ్లోసరీ.

ఒక పత్రాల-ఆధారిత (document-grounded) సహాయక వ్యవస్థ తన సమాధానాన్ని సిద్ధం చేసేటప్పుడు సంబంధిత మూల సమాచారాన్ని ఉపయోగిస్తుంది. ఉదాహరణకు, ఒక కార్యాలయ ప్రక్రియ గురించిన ప్రశ్నకు సమాధానం ఇచ్చే వ్యవస్థ ముందుగా దానికి సంబంధించిన సూచనలను వెతికి తీసి వాటిని భాషా నమూనాకు అందించగలదు. అప్పుడు ఆ నిర్దిష్ట ప్రశ్న కోసం అందించిన సమాచారం ఆధారంగా సమాధానం రూపొందుతుంది.

స్థానికంగా ఇన్‌ఫరెన్స్‌ను నడపడం వల్ల ప్రాసెసింగ్ ప్రక్రియ సంస్థ లేదా వినియోగదారుడి సొంత హార్డ్‌వేర్‌పై జరుగుతుంది. ఇంటర్నెట్ కనెక్టివిటీ పరిమితంగా ఉన్న చోట మరియు పత్రాలను నియంత్రిత వాతావరణంలోనే ఉంచాల్సిన సందర్భాలలో ఇది వినియోగానికి తోడ్పడుతుంది. ఈ ఏర్పాటు నమూనాను దానిని ఉపయోగించే సంస్థ యొక్క పరికరాలు, పత్రాలు మరియు యాక్సెస్ నియంత్రణలతో (access controls) అనుసంధానిస్తుంది.

విస్తృత ఇండియాఏఐ మిషన్

కేంద్ర మంత్రివర్గం 7 మార్చి 2024న ఇండియాఏఐ మిషన్‌కు ఆమోదం తెలిపింది. దీని ఏడు స్తంభాలలో కంప్యూటింగ్ సామర్థ్యం, స్వదేశీ నమూనాలు, డేటాసెట్లు, అప్లికేషన్ అభివృద్ధి, నైపుణ్యాలు, స్టార్టప్ ఆర్థిక సహాయం మరియు సురక్షితమైన, విశ్వసనీయమైన ఏఐ ఉన్నాయి. ఇవి ఒక ఏఐ వ్యవస్థలోని విభిన్న అవసరాలను తీరుస్తాయి: నమూనాలను అభివృద్ధి చేయడానికి కావాల్సిన వనరులు, వాటిని ఉపయోగించే ప్రజలు మరియు వ్యాపారాలు, అలాగే బాధ్యతాయుతమైన వినియోగాన్ని మూల్యాంకనం చేసే పద్ధతులు.

ముగింపు

ఈ విడుదల బహుభాషా నమూనాల అభివృద్ధిని ప్రభుత్వ కంప్యూటింగ్ మద్దతు మరియు స్థానికంగా ఏర్పాటు చేసుకోగల అప్లికేషన్లతో అనుసంధానిస్తుంది. శిక్షణ, ఇన్‌ఫరెన్స్ మరియు పత్రాల-ఆధారిత పనితీరును అర్థం చేసుకోవడం వల్ల ఈ పరిణామాన్ని అంచనా వేయడం సులభమవుతుంది: ఒక నమూనాను నిర్మించడానికి మరియు ఆచరణాత్మక పని కోసం దానిని ఉపయోగించడానికి మధ్య ఉన్న వేర్వేరు దశలను ఇందులో ప్రతి ఒక్కటీ వివరిస్తుంది.