Glimmer ಈಗ ಏಕೆ ಮುಖ್ಯ

ವರ್ಷಗಳಿಂದ, AI ಕ್ಷೇತ್ರವು ಕೇವಲ ಕ್ಲೌಡ್ ಆಧಾರಿತ APIಗಳ ಮೂಲಕ ಮಾತ್ರ ಪ್ರವೇಶಿಸಬಹುದಾದ ಮಾದರಿಗಳಿಂದ (models) ಆಕ್ರಮಣವಾಗಿದೆ. OpenAI ಮತ್ತು Google ನಂತಹ ಕಂಪನಿಗಳು ತಮ್ಮ ಅತ್ಯಂತ ಶಕ್ತಿಯುತ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಕಟ್ಟುನಿಟ್ಟಾಗಿ ನಿಯಂತ್ರಿಸಲ್ಪಡುವ ಎಂಡ್‌ಪಾಯಿಂಟ್‌ಗಳ (endpoints) ಹಿಂದೆ ಮರೆಮಾಚುತ್ತವೆ, ಇದರಿಂದಾಗಿ ಡೆವಲಪರ್‌ಗಳು ಡೇಟಾವನ್ನು ದೂರದ ಸರ್ವರ್‌ಗಳಿಗೆ ಕಳುಹಿಸಲು ಮತ್ತು ಪ್ರತಿ ಕರಲ್‌ಗೆ ಶುಲ್ಕವನ್ನು ಪಾವತಿಸಲು ಒತ್ತಾಯಿಸಲ್ಪಡುತ್ತಾರೆ. Glimmer ಈ ಚಿತ್ರಣವನ್ನೇ ಬದಲಾಯಿಸುತ್ತದೆ. ಮಾಡೆಲ್ ತೂಕಗಳನ್ನು (model weights) ಬಿಡುಗಡೆ ಮಾಡುವ ಮೂಲಕ, Meta ಸಂಶೋಧಕರು ಮತ್ತು ಎಂಜಿನಿಯರ್‌ಗಳು ವ್ಯವಸ್ಥೆಯನ್ನು ಸ್ಥಳೀಯವಾಗಿ (locally) ನಡೆಸಲು, ಅದನ್ನು ಮಾರ್ಪಡಿಸಲು ಮತ್ತು Meta ಸರ್ವರ್‌ನೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸುವ ಅಗತ್ಯವಿಲ್ಲದ ಸಾಧನಗಳಲ್ಲಿ ಅಳವಡಿಸಲು ಅನುಮತಿಸುತ್ತದೆ.

ಓಪನ್-ವೇಟ್ ಮಾದರಿಗಳು ಕೇವಲ ತಾಂತ್ರಿಕ ಕುತೂಹಲಕ್ಕಿಂತ ಹೆಚ್ಚಿನವುಗಳಾಗಿವೆ. ಅವು ಎಡ್ಜ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಅನ್ನು (edge computing) ಸಕ್ರಿಯಗೊಳಿಸುತ್ತವೆ—ಸ್ಮಾರ್ಟ್‌ಫೋನ್‌ಗಳು, IoT ಗೇಟ್‌ವೇಗಳು ಅಥವಾ ಆನ್-ಪ್ರೆಮಿಸ್ ಸರ್ವರ್‌ಗಳಲ್ಲಿ ಇನ್ಫರೆನ್ಸ್ (inference) ನಡೆಸುವ ಮೂಲಕ—ಹಾಗಾಗಿ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಬ್ಯಾಂಡ್‌ವಿಡ್ತ್ ಮಿತಿಗಳಿಲ್ಲದೆ ತಕ್ಷಣವೇ ಪ್ರತಿಕ್ರಿಯಿಸಬಹುದು. ಸೂಕ್ಷ್ಮ ಮಾಹಿತಿಯನ್ನು ನಿರ್ವಹಿಸುವ ಉದ್ಯಮಗಳು ತಮ್ಮದೇ ಆದ ಫೈರ್‌ವಾಲ್‌ಗಳ ಒಳಗೆ ಡೇಟಾವನ್ನು ಇರಿಸಿಕೊಳ್ಳಬಹುದು, ಇದರಿಂದಾಗಿ ಥರ್ಡ್-ಪಾರ್ಟಿ ಕ್ಲೌಡ್‌ಗೆ ಕಚ್ಚಾ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಕಳುಹಿಸುವುದರಿಂದ ಉಂಟಾಗುವ ಗೌಪ್ಯತೆಯ ಕಾಳಜಿಗಳನ್ನು ತಪ್ಪಿಸಬಹುದು. ಮತ್ತು ತೂಕಗಳು (weights) ಸಾರ್ವಜನಿಕವಾಗಿರುವುದರಿಂದ, ಎಲ್ಲಾ ಉದ್ದೇಶಗಳಿಗೂ ಒಂದೇ ರೀತಿಯಾಗಿರುವ API ಬೆಂಬಲಿಸಲು ಕಷ್ಟಪಡುವ ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯಗಳಿಗಾಗಿ ತಂಡಗಳು ಮಾಡೆಲ್ ಅನ್ನು ಫೈನ್-ಟ್ಯೂನ್ (fine-tune) ಮಾಡಬಹುದು.

ಸಮೀಕರಣದ ಇನ್ನರ್ಧ: Muse Spark

Glimmer ಬಾಗಿಲನ್ನು ತೆರೆದರೆ, Meta ನ Muse Spark ಒಂದು ಮುಚ್ಚಿದ ಬಾಗಿಲಿನ ಕೊಡುಗೆಯಾಗಿ ಉಳಿದಿದೆ. ಈ ಮಾದರಿಯನ್ನು ನಿರ್ವಹಣಾ API ಮೂಲಕ ಮಾತ್ರ ಪ್ರವೇಶಿಸಬಹುದು. ಪ್ರಾಯೋಗಿಕವಾಗಿ, Muse Spark ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯದ ಅಗತ್ಯವಿರುವ ಮತ್ತು ಸ್ವಂತ GPUಗಳನ್ನು ಸಿದ್ಧಪಡಿಸುವ ತೊಂದರೆಯನ್ನು ಬಯಸದ ಡೆವಲಪರ್‌ಗಳಿಗಾಗಿ Meta ನ ಪ್ರೀಮಿಯಂ ಉತ್ಪನ್ನವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.

ಜುಕರ್‌ಬರ್ಗ್‌ನ ಮ್ಯಾನಿಫೆಸ್ಟೋ: ವಿಕೇಂದ್ರೀಕರಣಕ್ಕಾಗಿ ಕರೆ

ಜುಕರ್‌ಬರ್ಗ್‌ನ ಲೇಖನವು, ಈ ಬಿಡುಗಡೆಯನ್ನು "ವಾಲ್ಡ್ ಗಾರ್ಡನ್" (walled garden) ಮಾದರಿಗೆ ಒಂದು ತಿದ್ದುಪಡಿ ಎಂದು ವಿವರಿಸುತ್ತದೆ; ಈ ಮಾದರಿಯು AI ಶಕ್ತಿಯನ್ನು ಕೆಲವೇ ಎಲೈಟ್ ಲ್ಯಾಬ್‌ಗಳಲ್ಲಿ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ ಎಂದು ಅವರು ಹೇಳುತ್ತಾರೆ. ಬುದ್ಧಿವಂತಿಕೆಯ ಮೇಲೆ ಏಕಸ್ವಾಮ್ಯವನ್ನು ತಡೆಗಟ್ಟಲು ಮತ್ತು ವೈವಿಧ್ಯಮಯ ಧ್ವನಿಗಳು ತಂತ್ರಜ್ಞಾನದ ಭವಿಷ್ಯವನ್ನು ರೂಪಿಸುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಓಪನ್-ವೇಟ್ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗಳು ಅತ್ಯಗತ್ಯ ಎಂದು ಅವರು ವಾದಿಸುತ್ತಾರೆ.

ಉದ್ಯಮವು ಪಡೆಯಬಹುದಾದ ಅಥವಾ ಕಳೆದುಕೊಳ್ಳಬಹುದಾದವುಗಳು

  • ಎಡ್ಜ್ ಮತ್ತು ಗೌಪ್ಯತೆ: ಸ್ಥಳೀಯವಾಗಿ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬೇಕಾದ ಕಂಪನಿಗಳಿಗೆ ಈಗ ತಾವೇ ಮೊದಲಿನಿಂದ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸುವ ಬದಲು ಒಂದು ಕಾರ್ಯಸಾಧ್ಯವಾದ ಪರ್ಯಾಯವಿದೆ. Glimmer ಸಾಧನದಲ್ಲಿನ (on-device) AI ಗೆ ಇರುವ ಅಡೆತಡೆಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಇದು ಆರೋಗ್ಯ ರಕ್ಷಣೆ, ಸ್ವಾಯತ್ತ ರೊಬೊಟಿಕ್ಸ್ ಮತ್ತು ನೈಜ-ಸಮಯದ ವಿಡಿಯೋ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ನಾವೀನ್ಯತೆಯನ್ನು ವೇಗಗೊಳಿಸುವ ಸಾಧ್ಯತೆಯಿದೆ.
  • ನಾವೀನ್ಯತೆಯ ವೇಗ: ಓಪನ್ ವೇಟ್‌ಗಳು ಸಂಶೋಧಕರು ವೇಗವಾಗಿ ಕೆಲಸ ಮಾಡಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತವೆ. ಅವರು ಹೊಸ ತರಬೇತಿ ವಿಧಾನಗಳೊಂದಿಗೆ ಪ್ರಯೋಗ ಮಾಡಬಹುದು, ಕ್ಷೇತ್ರ-ನಿರ್ದಿಷ್ಟ ಜ್ಞಾನವನ್ನು ಸೇರಿಸಬಹುದು ಅಥವಾ ಪರವಾನಗಿ ನಿಯಮಗಳ ಬಗ್ಗೆ ಚರ್ಚಿಸದೆ Glimmer ಅನ್ನು ಇತರ ಓಪನ್ ಮಾದರಿಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಬಹುದು.

ಸಾರಾಂಶ

ಉಚಿತವಾಗಿ ಡೌನ್‌ಲೋಡ್ ಮಾಡಬಹುದಾದ ಮಾದರಿಯು ಅಂತಿಮವಾಗಿ ತನ್ನ ಹೆಚ್ಚಿನ ಲಾಭದಾಯಕ, ಕ್ಲೋಸ್ಡ್-API ಸೇವೆಯನ್ನು ಅವಲಂಬಿಸುವ ಡೆವಲಪರ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯನ್ನು (ecosystem) ಸೃಷ್ಟಿಸುತ್ತದೆ ಎಂದು Meta ಪಣತೊಡಗಿದೆ. ಸಮುದಾಯವು Glimmer ಅನ್ನು ನೈಜ-ಪ್ರಪಂಚದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಅಡಿಪಾಯವಾಗಿ ಅಳವಡಿಸಿಕೊಂಡರೆ ಮಾತ್ರ ಈ ಪಣ ಯಶಸ್ವಿಯಾಗುತ್ತದೆ, ಇಲ್ಲದಿದ್ದರೆ ಮಾಲೀಕತ್ವದ (proprietary) APIಗಳ ಅನುಕೂಲ ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆಯು ಹೆಚ್ಚಿನ AI ಕೆಲಸದ ಹೊರೆಯನ್ನು ಪೇವಾಲ್‌ಗಳ (paywalls) ಹಿಂದೆ ಕಟ್ಟಿಹಾಕಿದರೆ ಇದು ವಿಫಲವಾಗುತ್ತದೆ.