Apple ஆய்வாளர்கள் வெளியிட்ட புதிய தரவுத்தொகுப்பு— “நானோ பானானா” மாதிரி AI மாடல்

Apple ஆய்வாளர்கள் வெளியிட்ட புதிய தரவுத்தொகுப்பு— “நானோ பானானா” மாதிரி AI மாடல்களுக்கு வழிகாட்டுதல்

அமெரிக்க தொழில்நுட்பப்பெருமையாளர் Apple, உலகளாவிய ஆராய்ச்சியாளர்கள் மற்றும் டெவலப்பர்களுக்காக வேண்டிய ஒரு பெரிய அளவு தரவுத்தொகுப்பை வெளியிட்டுள்ளது. இந்தத் தொகுப்பின் பெயர் Pico‑Banana‑400K — அதாவது 4 லட்சத்திரத்திற்கு (4 00,000) மொத்த செலவுள்ள கருத்துப்படுத்தப்பட்ட படங்கள் (curated images) கொண்டது. (MacRumors)
இந்த நடவடிக்கை, “நானோ பானானா மாதிரி” (nano banana-like) என குறிப்பிடப்படும் குறுஞ்சிறு, குறைந்த வளங்களால் இயங்கக்கூடிய AI மாடல்களை உருவாக்குவதற்கான ஆராய்ச்சியை ஊக்குவிப்பதாக உள்ளது. (Gadgets 360)

என்ன வெளியிடப்பட்டுள்ளது?

• Pico-Banana-400K என்பது 400,000 படங்கள் கொண்ட திட்டமாகும், இதில் படங்களையும், அவற்றின் உரை அகராதிகள் (text prompts), மற்றும் படங்களை “திருத்தும்” (editing) பணிகளுக்கான வழிகாட்டுதல்களும் உள்ளன. (AppleInsider)

• இந்தத் தொகுப்பில் முக்கியமாக உள்ள துணைத்தொகுப்புகள்:

  1. 72,000 மூன்று-முறை சம்பந்தப்பட்ட (multi-turn) திருத்தும் உதவிகள் — படத்தை அடைக்கலம் கொடுத்து அதனை தொடர்ச்சியாக மாற்றும் பணிகளுக்கான தரவு. (arXiv)

  2. 56,000 “விருப்பம்” (preference) உதாரணங்கள் — AI மாடல்களை மனித விருப்பங்களால் செீர்ப்படுத்த (alignment) பயன்படுத்தும் வகையில். (arXiv)

  3. சிறிய மற்றும் பெரிய உரை வழிகாட்டுதல்களுக்கு உதவும் “பேர்-பேர் குறுக்கு” உரைகள் (paired long-short editing instructions) என்று சொல்லப்படும் தொகுப்புக்கள். (arXiv)

• Apple கூறுகிறது: “முந்தைய பெரிய தரவுத்தொகுப்புகள் பெரும்பாலும் உருவாக்கப்பட்டவை (synthetic) அல்லது பெரிதும் வடிகட்டப்பட்டவை (filtered) ஆனால் Pico-Banana-400K இன் தனிமையாக ‘உயர்தரமான, உண்மையான படங்கள்’ மற்றும் ‘தரையிலான வேறுபாடுகள் (diversity)’ என்று குறிப்பிடக்கூடியவை.” என்று. (AppleInsider)

இந்த வெளியீட்டின் நோக்கம்

Apple-வினுடைய சரியான நோக்கம் இதுவாகும்:

• AI-யை சிறிய அளவிலான (“nano”) மாடல்களினாலும் — பெரிய வளங்கள் இல்லாமலும்கூட — பயனுள்ள வகையில் இயற்ற உதவ வேண்டும். அதுவே “nano banana-like” என விமர்சகர்கள் குறிப்பிடும் அனுபவம். (Gadgets 360)

• படதிருத்தம் (image editing) போன்ற குறிப்பிட்ட செயல்களில் AI-யின் திறனை மேம்படுத்துவதே முக்கியம். போதுமான தரவுகள் இல்லாததால் தொடர்ந்து வரும் பிரச்சினைகளைத் தீர்க்க அந்த நோக்கத்துடன் இந்த தொகுப்பு உள்ளது. (AppleInsider)

• ஆராய்ச்சியாளர்கள், கல்வி நிறுவனங்கள், திறமையான டெவலப்பர்கள் போன்றவர்கள் பெரிய நிறுவனங்களிடமிருந்து தவிர விடுபடாமல், திறந்த நிலை தரவுகளைப் பயன்படுத்தி ஆராய்ச்சி செய்யலாம் என்ற எண்ணம்.

என்ன மாற்றம் வரும்?

இந்தத் தயாரிப்பு மூலம் வரும் முக்கிய வாசல்கள்:

• திறமையான சிறு மாடல்கள்: பெரும் மெஷின் ரிசோர்ஸ்களின்றியும், குறைந்த அளவு மெமரியும் கொண்ட சாதனங்களிலும் (edge devices) இயங்கக்கூடிய AI மாடல்கள் உருவாகலாம்.

• படதிருத்தம் + உருவாக்கம்: சாதாரண பயனாளர்களாலும் தொழில்நுட்ப ஆர்வலர்களாலும் “ஒரு உரை எழுத → படம் திருத்து அல்லது உருவாக்கு” என்று உதவக்கூடிய மாடல்கள் விரைவில் கிடைக்க வாய்ப்பு அதிகரிக்கிறது.

• அறிவியல் மற்றும் கல்வி பயன்: பல பல்கலைக்கழகக் குழுக்கள், ஆராய்ச்சியாளர்கள் இந்த தரவுத்தொகுப்பைப் பயன்படுத்தி புதிய ஆய்வுகளை மேற்கொள்ள முடியும் — அதுவும் வணிக நிறுவனங்களின் பகுப்பாய்வுகளில் அடிமையாக இருக்காமல்.

• முன்னேற்றமான - நிறுவனம் நிலைமாற்றம்: Apple போன்ற பெரிய நிறுவனங்களின் தகவல்பைப்பு (data-dump) தரவுசேர்க்கை (data collection)-ஐ தொடர்ந்து திறக்கக்கூடும் என்று என்று தொழில் இயக்கங்கள் எதிர்பார்க்கின்றன.

எண்ணிக்கையியல் தாக்கம்

• 400,000 படங்கள் என்பது குறைந்தது 7-8 இலக்க எண்களில் உள்ள தரவுத்தொகுப்பு என்ற வகையில் குறிப்பிடப்படுகிறது.

• மூன்று துணைத்தொகுப்புகளினால் (multi-turn, preference, paired instructions) இது ஒரே “ஒரு வகை” தரவுத்தொகுப்பு அல்ல — பலவழி (multimodal) மற்றும் பல நிலைத்தன்மை (multi-turn) ஆராய்ச்சிகளுக்குக் கருத்தாய்வு வழங்குகிறது. (arXiv)

• உரை → படம் திருத்தம் (text-guided image editing) போன்ற அம்சங்களில் பயிற்சி (training) மற்றும் மதிப்பீடு (evaluation) ரீதியாக அதிக உதவியாக இருக்கும் என்று ஆராய்ச்சியாளர்கள் கூறுகிறார்கள். (MacRumors)

இந்தியா போன்ற சந்தைகளுக்கு பயன்பாடுகள்

• இந்தியாவில் பல சிறு மற்றும் நடுத்தர தொழில்நுட்ப நிறுவனங்கள் (startups) AI-தொகுப்போடு முன்னேற விரும்புகின்றன — இந்தத் தரவுத்தொகுப்பு அவற்றுக்கு வாய்ப்பு தரும்.

• படதிருத்தம், விளம்பரம், மின்னணு வணிகங்கள், புகைப்பட சேவைகள், சமூக வலைதளம் போன்ற துறைகளில் “உரை → படம்” செயல்பாடுகள் விரைவில் அதிகரிக்கக்கூடும் — இந்திய பயனாளர்களுக்கும் உரை மாநிலப் பயன்பாடுகளுக்கும் (regional language) பயன் உண்டு.

• உள்ளூர் மொழிகள், சாமானிய சாதனங்கள் (budget devices) போன்றவற்றில் செயல்படுத்தக்கூடிய “சிறு அளவு மாடல்களை” உருவாக்கும் முயற்சிகளுக்கு இது உதவும்.

என்ன கவனிக்கவேண்டும்?

• தரவுத்தொகுப்பின் விளம்பரம் குறித்த விவரங்கள் முழுமையாக தெரியவில்லை — உரிமை உரிமைகள் (licensing), தனியுரிமை (privacy) மற்றும் திரும்பும் பயன்பாடு (reuse) போன்ற அம்சங்கள் தெளிவாக அறிவிக்கப்படவில்லை.

• மட்டும் “உரை → படம்” மற்றும் “திருத்தம்” என்பதிலிருந்து மிக்க அகலம் (generalisation) வேண்டுமெனில், கூடுதல் மொழி, பண்புகள், சந்துகள் ஆகியவற்றை உள்ளடக்கிய தரவுகள் தேவைப்படும்.

• “நானோ மாடல்கள்” என்றால் எல்லா பயன்பாடுகளுக்கும் பொருந்துமோ என்பது சந்தேகமுள்ளது — விரிவான வடிவமைப்புகள், உயர் கணினி வளங்கள் தேவைப்படும் செயல்களில் இன்னும் பெரிய மாடல்கள் தேவையாகும்.

• AI-பயிற்சி மற்றும் பயன்பாட்டின் போது நெறிமுறை, பொறுப்பு, பாதுகாப்பு பிரச்சினைகள் (bias, misuse, copyright) தொடர்ந்து உள்ளன.

எதிர்காலம்: என்ன எதிர்பார்க்கலாம்?

• Apple, இந்த dataset-ஐ வெளிப்படுத்தியதன் பின்னர், பயிற்சி மாடல்களுக்கான open-source கூடுதல்களை வெளியிடலாம்.

• “மின்னணு சாதனங்களில் இயங்கக்கூடிய மாடல்கள்” (on-device models) சென்னை போன்ற பகுதியில் இந்தியா போன்ற நாடுகளில் விரைவாகப் பயன்பாட்டுக்குச் செல்லலாம்.

• மொழி, பண்புகள் (cultural contexts) என விரிவான தரவுத்தொகுப்புகள் உருவாக்கப்படுவதைத் தொடக்கமாக இது பார்க்கப்படுகிறது.

• தரவுத்தொகுப்பு + கட்டமைப்பு + செயல்பாடு பற்றி ஆராய்ச்சியாளர்கள் பல்வேறு பத்திரிகைகளில் ஆய்வுகளை வெளியிடுவார்கள் — இதில் இந்திய ஆராய்ச்சி அமைப்புகளும் பங்கெடுக்க வாய்ப்பு அதிகம்.

முடிவுரை

பெரு நிறுவனங்கள் தரவுகளை மட்டுமல்ல — திறந்த மாற்றத்தை (open access) வழங்கும் முயற்சிகள் அடையாத இடங்களைத் தாண்டி சென்றுள்ளன. Apple-வினால் வெளியிடப்பட்ட Pico-Banana-400K dataset என்பது மிகப் பெரிய அடி­பயிற்சி (milestone) என்று சொல்லலாம். சிறு மற்றும் நடுத்தர அளவிலான AI மாடல்களை உருவாக்க விரும்பும்டோர் கும்பல்களுக்கு இது புதிய வாய்ப்பு.

இந்தத் தரவுத்தொகுப்பு மூலம் “உரை எழுதினால் படம்தெரியும்” என்ற அற்புதமான மாற்றம் — நமது சாதனங்கள், நமது மொழிகள், நமது எண்ணங்கள் அனைத்தும் AI-யின் மூலம் விரிவடைந்து செல்லும் நாள் அருகில் இருக்கலாம். நமது இந்தியச் சூழல், பல மொழிகள், பல பண்புகள் இந்தப் பயணத்தில் முக்கிய பங்கு வகிக்கக்கூடும்.

விருப்பம் இருந்தால், இந்த dataset-ஐ பயன்படுத்தி “நானோ மாடல்” என்று அழைக்கப்படும் சிறு AI மாடல்களை இந்தியா-சூழலில் எப்படி உருவாக்கலாம், அதன் வழிமுறைகள் என்ன என்ற பகுதியையும் எழுதலாம். அதில் ஆர்வமுண்டா?