Exploring Google’s Gemma-3: A Breakthrough in AI for Tamil Users

கடந்த இரண்டு ஆண்டுகளாக இயற்றறிவு துறையில் தினமும் முன்னேற்றங்கள் நடந்து வருகிறது. இருப்பினும், கூகுள் நிறுவனம் இந்த வாரம் (12 மார்ச்) வெளியிட்டுள்ள “மொழி மாதிரி”யை முக்கியமான ஒன்றாக நான் கருதுகிறேன்.

இந்த ஜனவரியில் சீனாவிலிருந்து வெளிவந்த டீப்சீக் (Deepseek) உலகத்தையே வியக்கவைத்தது. அதற்குப் பல காரணங்கள் இருந்தாலும் (பிப்ரவரி 5ஆம் தேதி மெட்ராஸ் பேப்பர் கட்டுரையில் அவற்றை விளக்கியுள்ளேன்), முக்கியமானது ஓபன்-ஏ.ஐ மாதிரியைப் போல இல்லாமல், டீப்சீக் திற மூல மாதிரியாக வெளிவந்தது. டீப்சீக் மிகவும் திறமையான மாதிரியாக இருந்தாலும், இதை நம் வீட்டில் இருக்கும் சாதாரண விண்டோஸ் அல்லது மேக் கணினிகளில் ஓட்டமுடியாது. அதற்கு நவீன என்விடியா ஜி.பி.யுக்கள் பல நூறு வேண்டும். ஆனால், இந்த வாரம் வெளிவந்துள்ள கூகுள் நிறுவனத்தின் ஜெம்மா-3 (Gemma 3) மாதிரி திறந்ததாகவும், இலவசமாகவும் இருப்பதோடு நம் கணினிகளிலும் நிறுவி, இயக்கக் கூடிய சிறிய அளவிலானது.

“கடுகு சிறுத்தாலும் காரம் குறையாது” என்பது போல, இது ஒரு சிறிய மொழி மாதிரியாக இருந்தாலும், இதன் திறன் சென்ற ஆண்டு வந்த பல மிகப் பெரிய மொழி மாதிரிகளுக்கு நிகராக இருப்பதாகச் சொல்லப்படுகிறது. இந்த மாதிரியின் வடிவங்கள் உங்கள் செல்பேசியில், மடிக்கணினிகளில், பெரிய மேஜை கணினிகளில் சுலபமாக இயங்கும். கூகுள் நிறுவனத்தின் மிகப் பெரிய மாதிரியும், அதி நவீன மாதிரியுமான கூகுள் ஜெமினி 2.0யைக் கொண்டு தயாரிக்கப்பட்டது ஜெம்மா-3. இது பன்முகத்திறன் (மல்டிமோடல்) கொண்டது – அப்படியென்றால் இது வாக்கியங்களைப் புரிந்து கொண்டு பதில் அளிப்பதோடு, படங்களைப் பார்த்து அதைப் பற்றிக் கேட்கப்படும் கேள்விகளுக்கும் பதில் அளிக்கும். ஆங்கிலத்தைச் சேர்த்து மொத்தம் 140 உலக மொழிகளில் இருக்கும் தரவுகளைக் கொண்டு கூகுள் இதனைப் பயின்றுவிற்றிருக்கிறார்கள். சுமார் 35 உலக மொழிகளில் பதில் அளிக்கும் திறன் கொண்டது ஜெம்மா-3. இதன் சிறப்பு, இது தமிழை நன்றாகப் புரிந்து கொண்டு, தமிழிலேயே பதிலும் சொல்கிறது. இந்த அளவு தமிழ் புலமை கொண்ட சிறிய மொழி மாதிரிகள் (மைக்ரோசாப்ட் ஃபை உட்பட) இது வரை வந்ததில்லை –

இந்தச் சிறிய மாதிரிகள் ஏன் முக்கியம்? எல்லாச் சமயங்களிலும் எல்லாச் சூழ்நிலைகளிலும் பெரிய மொழி மாதிரிகளை இயக்க முடியாது. விமானமும் ராக்கேட்டும் அதி வேகமாகப் போகக் கூடியது, ஆனால் நம் ஊரிலேயே இருக்கும் இன்னொரு இடத்திற்குப் போக அவை உதவாது. பக்கத்துத் தெருவுக்கும், கடைக்கும் போக இரு சக்கர வாகனம் வேண்டும், இவற்றைப் போன்றது தான் இந்தச் சிறிய மாதிரிகள். பெரிய மொழி மாதிரிகள் பெரும்பாலும் மேகக் கணினிகளில் தான் இருக்கும், அதனால் அவற்றை அணுக இணையத் தொடர்பு தேவை. அவற்றை இயக்கச் செலவும் அதிகம். அவற்றிலிருந்து பதில் கிடைக்க ஆகும் நேரமும் சில விநாடி முதல் ஒரு சில நிமிடங்கள் வரை கூட எடுக்கும். பல சமயங்களில் உடனடியாகப் பதில் வர வேண்டிய சாதாரண வேலைகளுக்குச் சிறிய மாதிரிகள் போதும்.

இத்தோடு ஜெம்மா-3யின் அறிமுகத்தை நிறுத்தி கொள்கிறேன். இதைக் கொண்டு நான் செய்த சிறிய சோதனைகளை, இந்த மாதிரியைக் கொண்டு என்னவெல்லாம் செய்யலாம் என்பதைப் பார்க்கலாம்:
1. தமிழில் கேள்வி கேட்டு தமிழில் விடையைப் பெறலாம்,
2. மற்ற மொழிகளிலிருந்து தமிழுக்கு மொழி பெயர்க்கலாம்,
3. கொடுத்த படத்தைப் பார்த்து தமிழில் வர்ணனை செய்யச் சொல்லலாம்,
4. தமிழில் ஒரு வாக்கியத்தைக் கொடுத்து, நம் கட்டளையைப் பொருத்து மாற்றி எழுதச் சொல்லலாம்,
மற்றும் பல.

நான் செய்த உள்ளீடுகளையும் (மஞ்சள் நிறத்தில் முன்னிலைப்படுத்தியுள்ளேன்) அவற்றுக்கு ஜெம்மா-3 அளித்த பதில்களையும் இணைப்பில் உள்ள படங்களில் பார்க்கலாம். நான் செய்த சோதனைகளில் என்னைக் கவர்ந்தது படத்தைப் பார்த்து ஜெம்மா-3 பதில் சொன்னது. இந்தளவு திறன் ஒரு சில ஆண்டுகளுக்கு முன்னர் கூட, அதுவும் தமிழில் இவ்வளவு சுலபமாக, இலவசமாக, சாதாரணக் கணினிகளில் வரும் நினைத்துக் கூடப் பார்த்திருக்க முடியாது.

ஜெம்மா-3யை உங்கள் கணினியில் ஓரளவு திறன் கொண்ட என்விடியா ஜி.பி.யு. இருந்தால் சுலபமாக இயக்கிப் பார்க்கலாம். நான் சோதித்தது ஜெம்மா-3யின் 12பி என்கிற மாதிரி, இதன் கோப்பு சுமார் 8 ஜி.பி. அளவில் கிடைக்கிறது. இதை இயக்கச் சுமார் இதே அளவிலான ஜி.பி.யு. நினைவகம் இருந்தால் போதும். இதை இயக்க நான் எனது கணினியில் ஓலாமா என்கிற இலவச மென்பொருளைப் பயன்படுத்துகிறேன். இதற்கான செயல்முறையை எனது முந்தைய காணொலியில் பார்க்கலாம்.