సంస్కృత, తమిళ వారసత్వ ఏఐ నమూనాలు 'లయ', 'సొల్' ఆవిష్కరణ
ఏఐ సంస్థ ఆర్టికల్8 రూపొందించిన 32 బిలియన్ పారామీటర్ల సంస్కృత నమూనా 'లయ'ను కేంద్ర ఆర్థిక మంత్రి నిర్మలా సీతారామన్ సెప్టెంబర్ 15న 118 ఏళ్ల మద్రాస్ సంస్కృత కళాశాలలో ఆవిష్కరించారు. పాణిని అష్టాధ్యాయిలోని 3,996 వ్యాకరణ సూత్రాల ఆధారంగా ఇది తప్పు వివరణలను తిరస్కరిస్తుందని సీఈఓ అరుణ్ సుబ్రమణియన్ తెలిపారు. తమిళ నమూనా 'సొల్' తొల్కాప్పియం ఆధారంగా రూపొందింది. గుజరాతీ, కన్నడ, తెలుగు భాషలకూ విస్తరించే యోచన ఉంది.
మూలం
Hindustan Times — India · అసలు వార్త చదవండి ↗
డెస్క్ తనిఖీ · మూలంతో సరిపోల్చాం
డెస్క్ తనిఖీ చేసినవి (5)
- Union Finance Minister Nirmala Sitharaman unveiled the Laya AI model at Madras Sanskrit College on September 15. — Stated as fact in source with date and venue; no further attribution given.
- Laya is a 32-billion-parameter model built on Panini's 3,996 grammatical rules from the Ashtadhyayi. — Figures appear in source; attributed to the company's description of the model.
- ChatGPT, Claude and other general-purpose models accepted an incorrect verse interpretation while Laya refused. — Attributed to CEO Arun Subramaniyan; comparative test not independently documented in source.
- Articul8's Indic tokeniser achieves 17 times higher compression than any other tokeniser available. — Direct quote from Subramaniyan; a company claim with no external benchmark cited.
- Articul8 is finalising a partnership with a central government institution to validate and jointly release Sol. — Attributed to Subramaniyan; institution unnamed in source.
విశ్లేషకుల అభిప్రాయం అభిప్రాయం
లయ, సొల్ నమూనాలు ఇప్పటి ఎల్ఎల్ఎం ధోరణికి వ్యతిరేక దిశలో నడుస్తున్నాయి — వినియోగదారుని మెప్పించడం కాదు, నియమాల ఆధారంగా 'కాదు' అని చెప్పడం వీటి లక్ష్యం. పాణిని అష్టాధ్యాయి 3,996 సూత్రాలను, తొల్కాప్పియాన్ని ధ్రువీకరణ పొరగా ఉపయోగించి ప్రతి జవాబును మూలగ్రంథానికి ముడిపెట్టే ఈ నిర్మాణం, 32 బిలియన్ పారామీటర్లతోనే విశిష్ట రంగంలో పెద్ద నమూనాలతో పోటీపడాలని చూస్తోంది. అసలైన సాంకేతిక విలువ నమూనా పరిమాణంలో కాదు, ఇండిక్ టోకనైజర్ మరియు మాడ్యులర్ నిర్మాణంలో ఉంది — ఇది గుజరాతీ, కన్నడ, తెలుగుకు విస్తరణను చౌకగా చేస్తుంది.
- సాధారణ నమూనాలు వినియోగదారుని ఒప్పించే దిశగా శిక్షణ పొందుతాయి; లయ నియమ ధ్రువీకరణ ఇంజిన్‌తో తప్పు వివరణను తిరస్కరించేలా రూపొందింది — ఇది 'సికోఫన్సీ' సమస్యకు ఒక ఇంజినీరింగ్ పరిష్కారం.
- ఇండిక్ భాషలకు 5–10 రెట్లు ఎక్కువ టోకెన్లు అవసరమయ్యే సమస్యను సొంత టోకనైజర్‌తో 17 రెట్లు కుదింపు సాధించారని సంస్థ చెబుతోంది; నిజమైతే ఇది భారతీయ భాషల ఏఐ ఖర్చును నేరుగా తగ్గిస్తుంది.
- ఐదు భాగాల మాడ్యులర్ నిర్మాణంలో జనరేషన్ నమూనా స్థానంలో జెమ్మా, క్వెన్ వంటివి వాడుకోవచ్చు — అంటే ఉత్పత్తి నమూనా కాదు, ధ్రువీకరణ పొరే ఆర్టికల్8 అసలైన పోటీ బలం.
- తమిళానికి అదే నిర్మాణం బదిలీ అయిందన్నది కీలకం — ఒక భాషకు ఒక నమూనా అనే ఖరీదైన మార్గం కాకుండా, పునర్వినియోగ చట్రం ద్వారా విస్తరణ సాధ్యమవుతుంది.
- మద్రాస్ సంస్కృత కళాశాల, బీహెచ్‌యూ, పుణె సంస్థలతో భాగస్వామ్యం — డేటా కాపలాదారులతో కలిసి పనిచేయడం సార్వభౌమ ఏఐ ప్రయత్నాలకు అనుకూలంగా నిలుస్తుంది.
గమనించాల్సినవి — సొల్‌ను సంయుక్తంగా విడుదల చేయనున్న కేంద్ర ప్రభుత్వ సంస్థ భాగస్వామ్యం ఖరారు కావడం, విస్తృత పరీక్షల తర్వాత బహిరంగ అందుబాటు, మరియు ఈ చట్రం తెలుగు, కన్నడ, గుజరాతీలకు ఎంత సాఫీగా బదిలీ అవుతుందో గమనించాలి.
లయ ఇతర నమూనాల కంటే మెరుగైనదని చెప్పే ఆధారం సంస్థ సీఈఓ వివరించిన ఉదాహరణలే — స్వతంత్ర బెంచ్‌మార్క్‌లు, టోకనైజర్ 17 రెట్ల కుదింపు దావా, లేదా ఖర్చు-ఖచ్చితత్వ గణాంకాలు ఈ కథనంలో ధ్రువీకరించబడలేదు.
లోతైన విశ్లేషణ
పరిశోధన సంక్షిప్తం · 8 ముఖ్యాంశాలు · 4 తేదీలు · పరీక్షలకు ఉపయోగంసంక్షిప్తం
నేపథ్యం
కృత్రిమ మేధ (ఏఐ) సంస్థ ఆర్టికల్8 భారతీయ భాషల వ్యాకరణ, జ్ఞాన సంప్రదాయాల ఆధారంగా 'హెరిటేజ్ ఏఐ' నమూనాలను రూపొందిస్తోంది. వాటిలో మొదటిది సంస్కృత నమూనా 'లయ' - పాణిని అష్టాధ్యాయిలోని 3,996 పరస్పర సంబంధిత వ్యాకరణ సూత్రాలే దీని కేంద్ర జ్ఞాన స్థావరం. దీన్ని కేంద్ర ఆర్థిక మంత్రి నిర్మలా సీతారామన్ సెప్టెంబర్ 15న 118 ఏళ్ల మద్రాస్ సంస్కృత కళాశాలలో ఆవిష్కరించారు. తమిళ వ్యాకరణ గ్రంథం తొల్కాప్పియం ఆధారంగా 'సొల్' అనే తమిళ నమూనాను కూడా రూపొందించారు.
ముఖ్యాంశాలు
- లయ 32 బిలియన్ పారామీటర్ల నమూనా; పాణిని అష్టాధ్యాయిలోని 3,996 పరస్పర సంబంధిత వ్యాకరణ సూత్రాలు దీని కేంద్ర జ్ఞాన స్థావరం.
- సెప్టెంబర్ 15న కేంద్ర ఆర్థిక మంత్రి నిర్మలా సీతారామన్ 118 ఏళ్ల మద్రాస్ సంస్కృత కళాశాలలో లయను ఆవిష్కరించారు.
- సంస్కృత పండితులు ఉద్దేశపూర్వకంగా ఒక శ్లోకానికి తప్పు వివరణ ఇచ్చినప్పుడు లయ అంగీకరించలేదు; చాట్‌జీపీటీ, క్లాడ్ వంటి సాధారణ నమూనాలు చివరకు అంగీకరించాయని సీఈఓ అరుణ్ సుబ్రమణియన్ చెప్పారు.
- లయ ఇంకా విస్తృత పరీక్ష దశలోనే ఉంది; మరింత పండిత పరీక్ష తర్వాత విస్తృత ప్రజా అందుబాటు యోచన.
- లయ నిర్మాణం ఐదు భాగాలు: ఇండిక్ భాషల కస్టమ్ టోకనైజర్, పద విభజన నమూనా, సందర్భ ఎంబెడింగ్ నమూనా, రూల్ వెరిఫికేషన్ ఇంజిన్, లయ జనరేషన్ నమూనా.
- ఇండిక్ పాఠ్యానికి 5 నుంచి 10 రెట్లు ఎక్కువ టోకెన్లు అవసరం; సంస్థ టోకనైజర్ ఇతర ఏ టోకనైజర్ కంటే 17 రెట్లు ఎక్కువ కంప్రెషన్ ఇస్తుందని సుబ్రమణియన్ చెప్పారు.
- మద్రాస్ సంస్కృత కళాశాల, బనారస్ హిందూ విశ్వవిద్యాలయం (బీహెచ్‌యూ), పుణె ఇన్‌స్టిట్యూట్ ఆఫ్ లింగ్విస్టిక్ సైన్సెస్‌తో సంస్థ కలిసి పనిచేస్తోంది.
- సొల్ అంటే తమిళంలో 'పదం'; ఇదే నిర్మాణాన్ని గుజరాతీ, కన్నడ, తెలుగు భాషలకు విస్తరించే యోచన ఉంది.
కాలక్రమం
- రెండు సహస్రాబ్దాల క్రితంపాణిని అష్టాధ్యాయిలో వ్యాకరణ సూత్రాల క్రోడీకరణ - లయ నమూనా ఆధారం.
- 118 ఏళ్ల క్రితంమద్రాస్ సంస్కృత కళాశాల ఏర్పాటు (ఆవిష్కరణ వేదిక).
- సెప్టెంబర్ 15నిర్మలా సీతారామన్ చేతుల మీదుగా లయ సంస్కృత ఏఐ నమూనా ఆవిష్కరణ.
- ఆవిష్కరణ అనంతరం (ప్రస్తుతం)లయ విస్తృత పరీక్ష దశలో; తమిళ నమూనా సొల్ సంయుక్త విడుదల కోసం ఒక కేంద్ర ప్రభుత్వ సంస్థతో భాగస్వామ్యం ఖరారు దశలో.
ఎవరికి సంబంధం
- ఆర్టికల్8 (సీఈఓ అరుణ్ సుబ్రమణియన్) — లయ, సొల్ నమూనాల రూపకల్పన; ఖచ్చితత్వానికి హామీ ఇస్తూ వాణిజ్య, ఎంటర్‌ప్రైజ్ వినియోగానికి అవకాశం.
- మద్రాస్ సంస్కృత కళాశాల, బీహెచ్‌యూ, పుణె ఇన్‌స్టిట్యూట్ ఆఫ్ లింగ్విస్టిక్ సైన్సెస్ — పండిత భాగస్వామ్యం, నమూనా పరీక్ష - భాషా శుద్ధత, మూల గ్రంథ ఆధారిత ఫలితాలు.
- కేంద్ర ప్రభుత్వం / కేంద్ర ఆర్థిక మంత్రి — సార్వభౌమ ఏఐ (సావరిన్ ఏఐ) ప్రయత్నాలకు మద్దతు; సొల్ ధ్రువీకరణ, సంయుక్త విడుదల కోసం ఒక కేంద్ర సంస్థ భాగస్వామ్యం.
- సంస్కృత, తమిళ పండితులు, భాషా సంరక్షకులు — తప్పు వివరణలను తిరస్కరించే నమూనా; భాషా సంరక్షకులను గౌరవించడం అనే సంస్థ ప్రకటిత లక్ష్యం.
- గుజరాతీ, కన్నడ, తెలుగు భాషా వినియోగదారులు — ఇదే నిర్మాణ విస్తరణ ద్వారా వారసత్వ ఆధారిత ఏఐ నమూనాలు రావచ్చు.
ఎందుకు ముఖ్యం
సాధారణ ప్రయోజన ఏఐ నమూనాలు వినియోగదారుని ఒప్పింపుకు లొంగిపోయి తప్పు వివరణలను అంగీకరిస్తున్నాయనే ఆరోపణ నేపథ్యంలో, మూల గ్రంథానికి ప్రతి ఫలితాన్ని జతచేసి, వ్యాకరణ సూత్రాల ప్రకారం తప్పును తిరస్కరించే నిర్మాణం ఒక భిన్న మార్గాన్ని చూపుతోంది. ఇండిక్ భాషలకు టోకనైజేషన్ ఖర్చు ఎక్కువ కావడం వల్ల స్వదేశీ టోకనైజర్లు సామర్థ్యం, వ్యయం రెండింటికీ కీలకం. ఖగోళశాస్త్రం, లోహశాస్త్రం, సుస్థిరత వంటి అంశాలపై ప్రాచీన గ్రంథాల అన్వేషణ, సార్వభౌమ ఏఐ చర్చకు ఇది కలుస్తుంది.
UPSC కోణం
ప్రిలిమ్స్ సూచనలు
- లయ - ఆర్టికల్8 రూపొందించిన 32 బిలియన్ పారామీటర్ల సంస్కృత ఏఐ నమూనా; ఆధారం పాణిని అష్టాధ్యాయి (3,996 సూత్రాలు).
- సొల్ - తమిళ ఏఐ నమూనా; తమిళంలో 'పదం' అని అర్థం; ఆధారం తొల్కాప్పియం.
- ఆవిష్కరణ: సెప్టెంబర్ 15, మద్రాస్ సంస్కృత కళాశాల (118 ఏళ్లు), కేంద్ర ఆర్థిక మంత్రి నిర్మలా సీతారామన్.
- భాగస్వామ్య సంస్థలు: మద్రాస్ సంస్కృత కళాశాల, బనారస్ హిందూ విశ్వవిద్యాలయం, పుణె ఇన్‌స్టిట్యూట్ ఆఫ్ లింగ్విస్టిక్ సైన్సెస్.
- సంస్థ టోకనైజర్ ఇతర టోకనైజర్ల కంటే 17 రెట్లు ఎక్కువ కంప్రెషన్; ఇండిక్ పాఠ్యానికి సాధారణంగా 5-10 రెట్లు ఎక్కువ టోకెన్లు అవసరం.
- యోగక్షేమ - సమాజ సంక్షేమం, భద్రత, సంపన్నతను సూచించే సంస్కృత భావన; లయ సమాధానాలకు ఉదాహరణగా ప్రస్తావన.
మెయిన్స్ కోణం
భారతీయ భాషల కోసం ఏఐ నమూనాల నిర్మాణంలో 'వారసత్వ ఆధారిత' మార్గం ఒక కొత్త ప్రయత్నం: సాధారణ పెద్ద భాషా నమూనాలు వినియోగదారుని ఒప్పింపుకు లొంగే ధోరణి (సోర్స్ ప్రకారం చాట్‌జీపీటీ, క్లాడ్ తప్పు వివరణను చివరకు అంగీకరించాయి) ఉన్నప్పుడు, లయ పాణిని సూత్రాలను నియమంగా అమలు చేసి ప్రతి ఫలితాన్ని మూల గ్రంథానికి జతచేస్తూ 'సమాధానం ఇవ్వకుండా నిరాకరించే' సామర్థ్యాన్ని కలిగి ఉంటుంది. ఇందుకు కారణాలు రెండు - ఇండిక్ భాషల్లో టోకనైజేషన్ వ్యయం ఎక్కువ (5-10 రెట్లు టోకెన్లు), సాంస్కృతిక సందర్భం లోపించడం. చిక్కులు: ఐదు అంచెల మాడ్యులర్ నిర్మాణం (టోకనైజర్, పద విభజన, సందర్భ ఎంబెడింగ్, రూల్ వెరిఫికేషన్ ఇంజిన్, జనరేషన్ నమూనా) వల్ల జెమ్మా, క్వెన్ వంటి ఇతర నమూనాలను కూడా ప్రత్యామ్నాయంగా వాడగలిగే సౌలభ్యం; అదే సమయంలో ఈ విధానం లోపరహితం కాదని సీఈఓ స్వయంగా అంగీకరించారు, నమూనా ఇంకా పరీక్ష దశలోనే ఉంది. ముందుకు వెళ్లే దారి: పండిత సంస్థలతో ధ్రువీకరణ, భాషా సంరక్షకుల భాగస్వామ్యం, కేంద్ర ప్రభుత్వ సంస్థతో సంయుక్త విడుదల, గుజరాతీ-కన్నడ-తెలుగుకు విస్తరణ, తద్వారా సార్వభౌమ ఏఐ సామర్థ్యానికి తోడ్పాటు.
కీలక పదాలు
- లయ (Laya)
- ఆర్టికల్8 రూపొందించిన 32 బిలియన్ పారామీటర్ల సంస్కృత ఏఐ నమూనా; పాణిని సూత్రాల ఆధారంగా తప్పు ఫలితాలను తిరస్కరిస్తుంది.
- సొల్ (Sol)
- తమిళ వారసత్వ ఏఐ నమూనా; తొల్కాప్పియం సహా తమిళ వ్యాకరణ మూలాల ఆధారంగా రూపొందింది; 'సొల్' అంటే పదం.
- అష్టాధ్యాయి
- రెండు సహస్రాబ్దాల క్రితం పాణిని క్రోడీకరించిన సంస్కృత వ్యాకరణ గ్రంథం; 3,996 పరస్పర సంబంధిత సూత్రాలు.
- టోకనైజర్
- పాఠ్యాన్ని నమూనా అర్థం చేసుకునే చిన్న యూనిట్లుగా (టోకెన్లు) విభజించే భాగం; ఆర్టికల్8 దీనికి ఇండిక్ భాషల కస్టమ్ వెర్షన్‌ను నిర్మించింది.
- రూల్ వెరిఫికేషన్ ఇంజిన్
- సరైన వ్యాకరణ సూత్రాలే వర్తిస్తున్నాయా అని నిర్ధారించే లయ నిర్మాణంలోని భాగం.
- యోగక్షేమ
- సమాజ సంక్షేమం, భద్రత, సంపన్నతను సూచించే ప్రాచీన సంస్కృత భావన; లయ సమాధానాల్లో సాంస్కృతిక సందర్భానికి ఉదాహరణ.
ప్రాక్టీస్ ప్రశ్నలు
- వ్యాకరణ సూత్రాల ఆధారిత 'వారసత్వ ఏఐ' నమూనాలు సాధారణ ప్రయోజన పెద్ద భాషా నమూనాల కంటే ఎలా భిన్నంగా పనిచేస్తాయి? లయ, సొల్ ఉదాహరణలతో చర్చించండి.
- ఇండిక్ భాషల కోసం స్వదేశీ టోకనైజర్ల అభివృద్ధి ఎందుకు కీలకం? సామర్థ్యం, ఖచ్చితత్వం కోణాల్లో విశ్లేషించండి.
- సార్వభౌమ ఏఐ (సావరిన్ ఏఐ) సాధనలో భాషా వారసత్వ ఆధారిత నమూనాలు, పండిత సంస్థల భాగస్వామ్యం ఎలా తోడ్పడతాయి?
మూల వార్త ఆధారంగానే రాసినవి — సంఖ్యలు, తేదీలు మూలం చెప్పినవే, ఊహించినవి కావు.