DeepMind இன் David Silver $1.1 பில்லியன் திரட்டி மனித தரவு இல்லாமல் கற்கும் AI உருவாக்கினார்

AlphaGo க்கு பின்னால் இருந்த குழுவை வழிநடத்திய DeepMind ஆராய்ச்சியாளர் David Silver, சில மாதங்களுக்கு முன்பு தொடங்கிய ஒரு startup க்கு $1.1 பில்லியன் திரட்டினார். அவரது புதிய நிறுவனம் Ineffable Intelligence, மனித-லேபிள் செய்யப்பட்ட தரவுக்கு பதிலாக சுய-விளையாட்டு மூலம் கற்கும் AI அமைப்புகளை உருவாக்கிக்கொண்டிருக்கிறது. ஆசியா முழுவதும் AI மேம்பாட்டு கருவிகளுடன் பணிபுரியும் டெவலப்பர்களுக்கு, இந்த மாற்றம் ஒன்றைக் குறிக்கிறது: ஸ்கிராப் செய்யப்பட்ட இணையதள தரவுகளில் மாதிரிகளைப் பயிற்றுவிக்கும் காலம் முடிந்துவிட்டது, மேலும் AI பயன்பாடுகளை உருவாக்க நாம் பயன்படுத்தும் கருவிகள் அதனுடன் உருவாக வேண்டும்.

Sequoia Capital மற்றும் Nvidia ஆல் வழிநடத்தப்பட்ட Silver இன் நிதி சுற்று, $5.1 பில்லியன் மதிப்பீட்டில், AI ஹைப் சைக்கிளில் வெறும் மற்றொரு தலைப்பு மட்டுமல்ல. இது அடுத்த தலைமுறை AI தற்போதைய மொழி மாதிரிகள் நுகரும் பெரிய தரவுசெட்டுகளை நம்பாது என்ற ஒரு அடிப்படை பந்தயத்தைக் குறிக்கிறது. அதற்கு பதிலாக, இந்த அமைப்புகள் தங்களின் சொந்த பயிற்சி சூழல்களை உৎপন்न செய்யும் — செய்வதன் மூலம் கற்கும், படிப்பதன் மூலம் அல்ல. MonstarX போன்ற தளங்களில் கட்டமைக்கும் ஆசிய டெவலப்பர்களுக்கு, இது ஒரு அவசர கேள்வியை எழுப்புகிறது: நாம் இன்று பயன்படுத்தும் கருவிகள் நாளைய AI கட்டமைப்புகளுக்குத் தயாரா?

AI மேம்பாட்டு கருவிகள் என்றால் என்ன?

AI மேம்பாட்டு கருவிகள் என்பது டெவலப்பர்கள் செயற்கை நுண்ணறிவு பயன்பாடுகளை உருவாக்க, பயிற்றுவிக்க, வரிசைப்படுத்த மற்றும் பராமரிக்க பயன்படுத்தும் மென்பொருள் தளங்கள், கட்டமைப்புகள் மற்றும் சேவைகள். இவை TensorFlow மற்றும் PyTorch போன்ற குறைந்த-நிலை இயந்திர கற்றல் நூலகங்கள் முதல் உள்கட்டமைப்பு சிக்கலை நீக்கும் உচ்च-நிலை தளங்கள் வரை பரவுகின்றன. கடந்த மூன்று ஆண்டுகளில் AI ஆராய்ச்சி ল்যாபிலிருந்து உৎপাদன பயன்பாடுகளுக்கு நகர்ந்ததால் இந்த வகை வெடிப்பு ஏற்பட்டுள்ளது.

ঐতिह्यवादी AI மேம்பாட்டுக்கு குழுக்கள் தரவு பাইপলைன்கள், மாதிரி பயிற்சி உள்கட்டமைப்பு, சோதனைகளுக்கான பதிப்பு கட்டுப்பாடு மற்றும் வரிசைப்படுத்தல் ஆர்கெஸ்ட்ரேশன் ஆகியவற்றை தனித்தனியாக நிர்வகிக்க வேண்டியிருந்தது. நவீன AI மேம்பாட்டு கருவிகள் இந்த பணிப்பாய்வுகளை ஒன்றிணைக்க முயற்சி செய்கின்றன. சில குறிப்பிட்ட পর்যায়ங்களில் கவனம் செலுத்துகின்றன — Scale AI போன்ற தரவு லேபிளிங் கருவிகள், Weights & Biases போன்ற மாதிரி பயிற்சி தளங்கள், அல்லது Hugging Face Inference Endpoints போன்ற வரிசைப்படுத்தல் சேவைகள். மற்றவை, குறிப்பாக AI-native மேம்பாட்டு தளங்கள், முழு வாழ்க்கைச் சுழற்சியையும் கையாள்ள இலக்கு வைக்கின்றன.

வேறுபாடு முக்கியமாக இருக்கிறது, ஏனெனில் Ineffable Intelligence இல் Silver இன் அணுகுமுறை AI மேம்பாட்டு தரவு சংগ்রহத்துடன் தொடங்குகிறது என்ற அனுமானத்தை சவால் செய்கிறது. ভবிষ்யত் மாதிரிகள் உருவகப்படுத்திய சூழல்களில் சுய-விளையாட்டு மூலம் கற்றால், டெவலப்பர்களுக்கு அந்த சூழல்களை உயர்த்த, சுய-மேற்பார்வை கற்றல் சுழல்களை கண்காணிக்க, மற்றும் குறிப்பு தரவுசெட்டுகள் இல்லாமல் மாதிரி நடத்தையை மதிப்பீடு செய்ய முடியும் கருவிகள் தேவை. বেশிபாலான தற்போதைய AI மேம்பாட்டு கருவிகள் இந்த முன்னுதாரணத்திற்கு வடிவமைக்கப்படவில்லை. அவை நீங்கள் தரவுடன் தொடங்குகிறீர்கள் என்று கருதுகின்றன, அதை உৎপன்न செய்வதை அல்ல.

ஆசியாவில் டெவலப்பர்களுக்கு, தரவு இறையாண்மை கவலைகள் மற்றும் பிராந்திய மொழி ஆதரவு கூடுதல் கட்டுப்பாடுகளை உருவாக்கும் இடத்தில், இந்த மாற்றம் விளையாட்டு களத்தை சமன் செய்யக்கூடும். சுய-கற்றல் அமைப்புகளுக்கு ஜப்பানிய ব்যবসায়িক ஆவணங்கள் அல்லது தாய் மருத்துவ பதிவுகளின் பெரிய கார்பஸ் தேவையில்லை. அவர்களுக்கு கணக்கீட்டு வளங்கள் மற்றும் நன்கு வடிவமைக்கப்பட்ட பুரস்கார செயல்பாடுகள் தேவை — ஆசிய மேகக் வழங்குநர்கள் மற்றும் மேம்பாட்டு தளங்கள்점점 போட்டியாக இருக்கும் வளங்கள்.

ஆசிய டெவலப்பர்களுக்கான சிறந்த கருவிகள்

ஆசியாவில் AI மேம்பாட்டு கருவிகளின் நிலப்பரப்பு Silicon Valley இன் இருந்து மூன்று முக்கிய வழிகளில் வேறுபடுகிறது: மாதிரி API களுக்கான தாமதம் உங்கள் பயனர்கள் Jakarta அல்லது Manila இல் இருக்கும்போது அधिक முக்கியமாக இருக்கிறது, பிராந்திய தரவு சட்டங்களுடன் இணக்கம் விருப்பமல்ல, மற்றும் bootstrap செய்யப்பட்ட startups இடையே செலவு உணர்திறன் அधिक இருக்கிறது. இந்த கட்டுப்பாடுகள் எந்த கருவிகள் உண்மையில் ஏற்றுக்கொள்ளப்படுகின்றன என்பதை வடிவமைத்துள்ளன.

மேக-அடிப்படையிலான AI தளங்கள் আধிபத்யம் செலுத்துகின்றன. AWS SageMaker மற்றும் Google Cloud AI Platform பரந்ததான அம்சங்களை வழங்குகின்றன, ஆனால் அவற்றின் Asia-Pacific விலை மற்றும் தாமதம் டெவலப்பர்களை பிராந்திய மாற்றுகளை நோக்கி தள்ளிவிட்டுள்ளன. Alibaba Cloud இன் PAI தளம் Southeast Asia இல் ஈர்ষணை பெற்றுள்ளது, குறிப்பாக ஈ-வாணிஜ்ய மற்றும் fintech பயன்பாடுகளுக்கு சீன மொழி ஆதரவு முக்கியமாக இருக்கிறது. Tencent Cloud இன் TI தளம் கேமிங் மற்றும் சামाजिक பயன்பாடுகளுக்கு ஒரு ஒத்த பாத்திரம் பরிமாற்றம் செய்கிறது.

உள்கட்டமைப்பை நிர்வகிக்காமல் வேகமாக நகர விரும்பும் குழுக்களுக்கு, புதிய தளங்கள் வெளிப்பட்டுள்ளன. Replicate திறந்த-மூல மாதிரிகளுக்கு ஒரு-கிளிக் வரிசைப்படுத்தலை வழங்குகிறது, இருப்பினும் அதன் விலை U.S. ব்যবসায়িக மணிநேரங்களில் உচ்च-போக்குவரத்து ஆசிய பயன்பாடுகளுக்கு உயர்ந்துவிடக்கூடும். Modal AI workloads க்கான serverless compute வழங்குகிறது சிறந்த Asia தாமதத்துடன், ஆனால் பார்வை தளங்களை விட அधिक Python দক்ষতை தேவை.

দ்রुततम-வளர்ந்து வரும் வகை AI-native தளங்கள் AI ஐ ஒரு add-on க்கு பதிலாக முதல்-வகுப்பு குடிமகனாக கருதுகின்றன. இந்த தளங்கள் டெவலப்பர்களுக்கு அவர்கள் இயற்கை மொழিতে உருவாக்க விரும்பியதை விவரிக்க அனுமதிக்கின்றன, பின்னர் பயன்பாட்டு குறியீட்டை உৎপன்न மற்றும் வரிசைப்படுத்த. இந்த அணுகுமுறை — சில சமயம் vibe coding என்று அழைக்கப்படுகிறது — ধারணை மற்றும் வேலை செய்யும் முன்மாதிரி இடையே இடைவெளியை வாரங்களிலிருந்து மணிநேரங்களுக்கு குறைக்கிறது. பெரிய பொறியியல் குழுக்கள் இல்லாத ஆசிய நிறுவனர்களுக்கு, மேம்பாட்டு சுழற்சির இந்த சுருக்கம் மாற்றமாக இருக்கிறது.

பயனுள்ள கருவிகளை மார்केटिং hype இலிருந்து பிரிக்கும் விஷயம் உৎபாদன தயாரிப்பு. நீங்கள் மாதிரி செயல்திறனை நிজ-நேரத்தில் கண்காணிக்க முடியுமா? API கீழே விழும்போது தளம் failover கையாளுமா? உங்கள் பயன்பாடு சார்பு சேவைகளுக்கு முன்-கட்டப்பட்ட இணைப்புகள் உள்ளனவா — பணி வாயில்கள், அங்கீகார வழங்குநர்கள், பிராந்திய CDN கள்? இந்த செயல்பாட்டு கவலைகள் benchmark மதிப்பெண்களை விட அधिक முக்கியமாக இருக்கிறது நீங்கள் உண்மையான பயனர்களைக் கொண்டிருக்கும்போது.

சரியான கருவியை எவ்வாறு தேர்ந்தெடுப்பது

AI மேம்பாட்டு கருவியைத் தேர்ந்தெடுப்பது கருவির அம்சங்கள் பட்டியலை அல்ல, உங்கள் குழுவின் திறன்களை நேர்மையாக மதிப்பீடு செய்வதன் மூலம் தொடங்குகிறது. வலுவான வலுவூட்டல் கற்றல் திறன்களை வழங்கும் தளம் உங்கள் குழுவிற்கு பুரস்கার வடிவம் புரிந்துகொள்ளும் ML பொறியாளர்கள் இல்லாவிட்டால் பயனற்றது. மாறாக, ஒரு no-code AI builder யாரும் பயன்பாடுகளை உருவாக்க முடியும் என்று வாக்குறுதி அளிக்கும் நீங்கள் தனிப்பட்ட மாதிரி fine-tuning தேவைப்படும்போது ஒரு சுவரை அடிக்கும்.

உங்கள் உண்மையான பணிப்பாய்வை வரைபடமாக்குவதன் மூலம் தொடங்குங்கள். நீங்கள் Tagalog மற்றும் English code-switching புரிந்துகொள்ள வேண்டிய ஒரு chatbot உருவாக்கிக்கொண்டிருக்கிறீர்களா? உங்களுக்கு வலுவான பல-மொழி மாதிரி ஆதரவு மற்றும் உரையாடல் தரவுகளில் fine-tune செய்ய திறன் தேவை. ஒரு ஈ-வாணிஜ்ய தளத்திற்கு ஒரு பரிந்துரை இயந்திரம் உருவாக்கிக்கொண்டிருக்கிறீர்களா? உங்களுக்கு வேகமான inference, A/B சோதனை உள்கட்டமைப்பு, மற்றும் உங்கள் বিদ்யமான பொருள் பட்டியலுடன் ஒருங்கிணைப்பு தேவை. உৎপাদন தரம் கட்டுப்பாட்டிற்கான ஒரு கணினி பார்வை பயன்பாடு உருவாக்கிக்கொண்டிருக்கிறீர்களா? உங்களுக்கு edge வரிசைப்படுத்தல் திறன்கள் மற்றும் குறைபாடு সনাক்தকরণத்தில் வகுப்பு ஏற்றத்தாழ்வு கையாள்ள கருவிகள் தேவை.

செலவு கட்டமைப்பு தலைப்பு விலை விட அधिक முக்கியமாக இருக்கிறது. சில தளங்கள் API அழைப்பு ஒன்றுக்கு கட்டணம் வசூல் செய்கின்றன, இது குறைந்த-போக்குவரத்து பயன்பாடுகளுக்கு வேலை செய்கிறது ஆனால் அளவில் தடை செய்யப்படுகிறது. மற்றவை கணக்கீட்டு நேரத்திற்கு கட்டணம் வசூல் செய்கின்றன, இது batch செயலாக்கத்தை நிজ-நேர inference க்கு விரும்புகிறது. சில பயன்பாட்டு பொருட்படாமல் மாதாந்திர நிலையான கட்டணம் வசூல் செய்கின்றன, இது பட்ജெட் predictability வழங்குகிறது ஆனால் போக்குவரத்து குறைந்த ஆரம்ப மேம்பாட்டின் போது விலையாக இருக்க முடியும். உங்கள் தற்போதைய பயன்பாட்டில் 10x இல் எதிர்பார்க்கப்படும் செலவுகளை கணக்கிடுங்கள் — விலை surprises பொதுவாக வெளிப்படும் இடம் அங்கு.

பிராந்திய ஆதரவு வெறுமனே தரவு மையம் இடங்களைப் பற்றி அல்ல. தளத்தின் ஆவணங்கள் உங்கள் சந்தையின் சூழலில் உதாரணங்கள் சேர்க்கிறதா? நீங்கள் Singapore நேரத்தில் 2 AM இல் ஒரு பிழையை அடிக்கும்போது, நீங்கள் ஆதரவு பெற முடியுமா, அல்லது நீங்கள் California விழிக்க பொறுத்திருக்கிறீர்களா? பிராந்திய-குறிப்பிட்ட சிக்கல்களுக்கு டெவலப்பர்கள் தீர்வுகளைப் பகிரும் உள்ளூர் பயனர் சম்প्রদாயங்கள் உள்ளனவா? இந்த மென்மையான காரணிகள் ஒரு கருவி உৎபாദனத்தில் வேலை செய்கிறதா அல்லது வெறுமனே demos இல் வேலை செய்கிறதா என்பதை தீர்மானிக்கிறது.

Ineffable Intelligence நிதி சுற்று மற்றொரு criterion ஐ பரிந்துரைக்கிறது: স्थापत्य flexibility. Silver சுய-கற்றல் அமைப்புகள் மனித-லேபிள் பயிற்சி தரவுக்கு பதிலாக இருக்கும் என்று சரியாக இருந்தால், நீங்கள் தேர்ந்தெடுக்கும் கருவிகள் பல பயிற்சி முன்னுதாரணங்களை ஆதரிக்க வேண்டும். supervised learning இல் lock-in மற்றும் static datasets மீது பயிற்சி அனுமান தளங்கள் யாரும் எதிர்பார்க்கும் விட வேகமாக ஒரு பொறுப்பாக மாறக்கூடும். பயிற்சி அணுகுமுறையை தளத்தின் கட்டமைப்பில் baked செய்வதற்கு பதிலாக configurable என்று கருதும் கருவிகளைத் தேடுங்கள்.

MonstarX தளம் மேலோட்டம்

MonstarX பாரம்பரிய கருவிகளை விட AI மேம்பாட்டை வேறு கோணத்திலிருந்து அணுகுகிறது. டெவலப்பர்களுக்கு மாதிரி호스்टிং், தரவுசேகரம் நிர்வாகம், அங்கீகாரம் மற்றும் வரிசைப்படுத்தல் ஆகியவற்றுக்கான தனித்தனி சேவைகளை இணைக்க வேண்டிய பதிலாக,