
DNEWS:కృత్రిమ మేధ (AI) రంగంలో భారత్ తనదైన ముద్ర వేయడానికి వేగంగా అడుగులు వేస్తోంది. ఇప్పటివరకు అత్యాధునిక AI మోడల్స్ కోసం అమెరికా, చైనా వంటి దేశాల టెక్నాలజీ సంస్థలపై ఆధారపడిన భారత్.. స్వదేశీ అవసరాలకు అనుగుణంగా AI వ్యవస్థలను అభివృద్ధి చేసే దిశగా ముందుకెళ్తోంది. ఈ క్రమంలో EKA-1, Dhīr వంటి భారతీయ AI మోడల్స్ చర్చలోకి వచ్చాయి.
ఈ పరిణామం కేవలం కొత్త చాట్బాట్ల విడుదలకే పరిమితం కాదు. భారతీయ భాషలు, స్థానిక డేటా, ప్రభుత్వ సేవలు, విద్య, వైద్యం, వ్యవసాయం, పరిశ్రమలు వంటి రంగాల్లో దేశీయ అవసరాలకు సరిపోయే AI పరిష్కారాలను నిర్మించాలనే పెద్ద లక్ష్యంలో భాగం. అయితే ఈ మోడల్స్ సామర్థ్యం, అందుబాటు, పనితీరు, వినియోగ నిబంధనలపై స్పష్టమైన సమాచారం తెలుసుకున్న తర్వాతే వాటి ప్రాధాన్యాన్ని అంచనా వేయాలి.
EKA-1, Dhīr మోడల్స్ ప్రత్యేకత ఏమిటి?
కేంద్ర ఎలక్ట్రానిక్స్, ఐటీ మంత్రిత్వ శాఖ (MeitY) ఆధ్వర్యంలోని IndiaAI Mission 2026 నవంబర్ 3న ఈ మోడల్స్ను అధికారికంగా విడుదల చేసింది. ఇందులో EKA-1ను Soket Labs Technology and Research అభివృద్ధి చేయగా, Dhīr 2B, Dhīr 5B మోడల్స్ను ZenteiQ AiTech Innovations రూపొందించింది. ఈ రెండు సంస్థలు IndiaAI Missionలోని Foundation Models విభాగం కింద ఎంపికయ్యాయి. దేశీయ AI మోడల్స్ అభివృద్ధికి అవసరమైన కంప్యూటింగ్ వనరులు, పరిశోధన సహకారం ఈ కార్యక్రమం ద్వారా అందాయి.
1. EKA-1: 22 భారతీయ భాషలకు మద్దతు
EKA-1 ఈ విడుదలలో ప్రత్యేకంగా గుర్తింపు పొందిన పెద్ద భాషా మోడల్. అధికారిక ప్రకటన ప్రకారం ఇందులో 26.3 బిలియన్ పారామీటర్లు ఉన్నాయి. సుమారు 7.5 ట్రిలియన్ టోకెన్లపై దీనికి శిక్షణ ఇచ్చారు. భారత రాజ్యాంగంలోని 22 షెడ్యూల్డ్ భాషలతో పాటు ఇంగ్లీష్ను కూడా ఇది సపోర్ట్ చేస్తుంది.
గణితం, కోడింగ్, తార్కిక విశ్లేషణ (Reasoning), అలాగే పలు దశల్లో పనులు పూర్తి చేయగల Agentic AI వినియోగాల కోసం EKA-1ను రూపొందించారు. బ్యాంకింగ్, ఫైనాన్షియల్ సర్వీసులు, సైబర్ సెక్యూరిటీ వంటి భారతీయ డిజిటల్ రంగాల అవసరాలకు అనుగుణంగా దీన్ని అభివృద్ధి చేసినట్లు Soket Labs తెలిపింది.
2. Dhīr 2B, Dhīr 5B: ఇంటర్నెట్ లేకున్నా పనిచేసే AI
Dhīr మోడల్స్ ప్రత్యేకత వాటి చిన్న పరిమాణం, స్థానికంగా అమలు చేయగల సామర్థ్యం. ఇవి ఇంగ్లీష్తో పాటు 10 భారతీయ భాషలకు మద్దతు ఇస్తాయి. హిందీ, బెంగాలీ, తమిళం, తెలుగు, మరాఠీ, గుజరాతీ, కన్నడ, మలయాళం, పంజాబీ, ఒడియా భాషలు వీటిలో ఉన్నాయి.
ZenteiQ అధికారిక వివరాల ప్రకారం Dhīr 2Bలో సుమారు 2.03 బిలియన్ పారామీటర్లు ఉండగా, Dhīr 5B MoEలో మొత్తం 5.09 బిలియన్ పారామీటర్లు ఉన్నాయి. రెండింటిలోనూ 16,384 టోకెన్ల కాంటెక్స్ట్ విండో ఉంది. ఈ మోడల్స్ను స్థానిక కంప్యూటర్లలో అమలు చేయడానికి వీలుగా రూపొందించారు.
ఈ మోడల్స్ వల్ల సామాన్యులకు ఉపయోగం ఏమిటి?
AI మోడల్స్ గురించి వార్తలు వచ్చినప్పుడు సాధారణంగా చాట్బాట్లతో పోల్చి చూస్తాం. కానీ EKA-1, Dhīr వంటి మోడల్స్ ప్రధాన లక్ష్యం కేవలం ప్రశ్నలకు సమాధానాలు ఇవ్వడం మాత్రమే కాదు. ప్రభుత్వ కార్యాలయాలు, బ్యాంకులు, విద్యాసంస్థలు, ఆసుపత్రులు, పరిశ్రమలు తమ అవసరాలకు అనుగుణంగా AI అప్లికేషన్లు నిర్మించుకునేందుకు వీలు కల్పించడం కూడా.
ఉదాహరణకు, ఒక ప్రభుత్వ కార్యాలయంలో పౌరులు తెలుగులో దరఖాస్తు చేస్తే, ఆ సమాచారాన్ని అర్థం చేసుకుని సంబంధిత విభాగానికి పంపే వ్యవస్థను రూపొందించవచ్చు. విద్యార్థులకు స్థానిక భాషలో పాఠ్యాంశాలను వివరించే సహాయక వ్యవస్థలు, రైతులకు వ్యవసాయ పత్రాలు లేదా మార్గదర్శకాలను అర్థం చేసుకునే సాధనాలు, చిన్న వ్యాపారాలకు పత్రాల నిర్వహణలో సహాయపడే అప్లికేషన్లు అభివృద్ధి చేయవచ్చు. అయితే ఇవి మోడల్స్ ఆధారంగా నిర్మించగల సాధ్యమైన వినియోగాలు మాత్రమే; ప్రతి సేవ ఇప్పటికే సిద్ధంగా ఉందని భావించకూడదు.
తెలుగు భాషకు ఎందుకు కీలకం?
భారతదేశంలో AI వినియోగం విస్తరించాలంటే ఇంగ్లీష్ ఒక్కటే సరిపోదు. తెలుగు, తమిళం, కన్నడ, హిందీ వంటి భాషల్లో ప్రజలు సహజంగా ప్రశ్నలు అడగగలగాలి. స్థానిక భాషలో సమాధానాలు పొందడమే కాకుండా, ప్రభుత్వ పథకాల సమాచారం, విద్యా విషయాలు, ఆరోగ్య అవగాహన, వ్యవసాయ సూచనలు వంటి అంశాలను సులభంగా అర్థం చేసుకునేలా AI వ్యవస్థలు ఉండాలి.
EKA-1కు 22 షెడ్యూల్డ్ భాషల మద్దతు ఉండటం ఈ కోణంలో ప్రాధాన్యం కలిగిన విషయం. Dhīr మోడల్స్ తెలుగు సహా 10 భారతీయ భాషలకు మద్దతు ఇస్తున్నాయి. అయితే భాషా మద్దతు ఉందని చెప్పడం మాత్రమే సరిపోదు. ప్రాంతీయ మాండలికాలు, స్థానిక పదజాలం, వాక్య నిర్మాణం, అనువాద నాణ్యత, వాస్తవ సమాచారాన్ని సరిగ్గా అర్థం చేసుకునే సామర్థ్యం వంటి అంశాల్లోనూ పరీక్షలు అవసరం.
ఇంటర్నెట్ లేని ప్రాంతాల్లో Dhīr ఎలా ఉపయోగపడుతుంది?
Dhīr మోడల్స్ ఆఫ్లైన్లో అమలు చేయగలిగేలా రూపొందించడం మరో ముఖ్యమైన అంశం. సాధారణంగా క్లౌడ్ ఆధారిత AI సేవలను ఉపయోగించాలంటే ఇంటర్నెట్ కనెక్షన్ అవసరం. కానీ ఆన్-ప్రెమైస్ లేదా స్థానిక పరికరాల్లో అమలు చేసే మోడల్స్ ద్వారా కొన్ని పనులను స్థానికంగానే చేయవచ్చు. దీంతో నెట్వర్క్ సౌకర్యం తక్కువగా ఉన్న ప్రాంతాల్లోనూ AI సేవలను అందించే అవకాశం ఉంటుంది.
అంతేకాదు, సున్నితమైన సమాచారం బయటకు వెళ్లకూడని సంస్థలకు కూడా ఈ విధానం ఉపయోగపడుతుంది. ఉదాహరణకు, ఒక సంస్థకు చెందిన అంతర్గత పత్రాలను క్లౌడ్కు పంపకుండా, సంస్థ సొంత కంప్యూటింగ్ వ్యవస్థలోనే AI ద్వారా వెతకడం, సారాంశం తయారు చేయడం, సమాచారాన్ని వర్గీకరించడం వంటి పనులు చేయవచ్చు. అయితే వాస్తవ భద్రత అనేది మోడల్ లక్షణాలపైనే కాకుండా, దాన్ని అమలు చేసే పరికరం, యాక్సెస్ నియంత్రణలు, డేటా నిల్వ విధానం, సాఫ్ట్వేర్ భద్రతపైనా ఆధారపడి ఉంటుంది.
ZenteiQ వివరాల ప్రకారం Dhīr మోడల్స్ ఓపెన్ సోర్స్గా Apache 2.0 లైసెన్స్తో అందుబాటులో ఉన్నాయి. సంస్థ వెబ్సైట్లో మోడల్ పరిమాణాలు, సాంకేతిక నివేదిక, AIKosh ద్వారా డౌన్లోడ్ చేసుకునే మార్గం వివరించబడ్డాయి.
మోడల్స్ పరిమాణం, పనితీరు: తెలుసుకోవాల్సిన విషయాలు
Dhīr 2B, Dhīr 5B మోడల్స్ పరిమాణం తక్కువగా ఉండటం వల్ల వాటిని సాధారణ కంప్యూటింగ్ పరికరాల్లో అమలు చేసే అవకాశాలు పెరుగుతాయి. ZenteiQ ప్రచురించిన వివరాల ప్రకారం 4-bit ఫార్మాట్లో Dhīr 2B ఫైల్ సుమారు 1.21 GB, Dhīr 5B ఫైల్ సుమారు 2.95 GB ఉంటుంది. అయితే మోడల్ ఫైల్ పరిమాణమే మొత్తం అవసరమైన RAM లేదా పరికర సామర్థ్యాన్ని సూచించదు. అమలు చేసే సాఫ్ట్వేర్, కాంటెక్స్ట్ పరిమాణం, వినియోగదారుల సంఖ్య వంటి అంశాల ఆధారంగా అదనపు మెమరీ అవసరం కావచ్చు.
సంస్థ ప్రచురించిన పరీక్షల్లో 41 బెంచ్మార్క్ల ఆధారంగా Dhīr 2B, Dhīr 5B మోడల్స్ పనితీరును చూపించింది. ఆ ఫలితాలు ఉపయోగకరమైన ప్రారంభ సూచికలే అయినప్పటికీ, అవి అభివృద్ధి సంస్థ వెల్లడించిన పరీక్షలని గుర్తుంచుకోవాలి. స్వతంత్ర పరిశోధకులు వేర్వేరు పరికరాలు, భాషలు, పనులపై పరీక్షించిన తర్వాతే వాటి వాస్తవ పనితీరుపై మరింత స్పష్టత వస్తుంది.
EKA-1, Dhīr మధ్య ప్రధాన తేడాలు
| అంశం | EKA-1 | Dhīr 2B / Dhīr 5B |
|---|---|---|
| అభివృద్ధి సంస్థ | Soket Labs | ZenteiQ |
| ప్రధాన లక్ష్యం | గణితం, కోడింగ్, రీజనింగ్, ఏజెంటిక్ పనులు | స్థానిక, సురక్షిత, బహుభాషా సహాయక వ్యవస్థలు |
| భాషలు | 22 షెడ్యూల్డ్ భాషలు + ఇంగ్లీష్ | 10 భారతీయ భాషలు + ఇంగ్లీష్ |
| పరిమాణం | 26.3 బిలియన్ పారామీటర్లు | 2.03B, 5.09B |
| వినియోగ దిశ | క్లిష్టమైన AI పనులు, రంగాలవారీ పరిష్కారాలు | ఆఫ్లైన్/ఆన్-ప్రెమైస్ వినియోగం |
ఈ రెండింటినీ ఒకే రకమైన మోడల్స్గా చూడకూడదు. EKA-1 పెద్ద స్థాయి భాషా మోడల్గా విస్తృత పనులపై దృష్టి పెట్టగా, Dhīr చిన్న పరిమాణంలో స్థానికంగా అమలు చేయగల సహాయక మోడల్స్ దిశగా రూపొందించబడింది.
భారత ప్రభుత్వ IndiaAI Mission పాత్ర
ఈ మోడల్స్ విడుదల వెనుక కేంద్ర ప్రభుత్వం ప్రారంభించిన IndiaAI Mission కీలక పాత్ర పోషించింది. ఈ కార్యక్రమాన్ని కేంద్ర కేబినెట్ 2024 మార్చి 7న ఆమోదించింది. “Making AI in India and Making AI Work for India” అనే లక్ష్యంతో దేశీయ AI సామర్థ్యాలను పెంచడం, పరిశోధనకు మద్దతు ఇవ్వడం, కంప్యూటింగ్ వనరులను అందుబాటులోకి తేవడం దీని ప్రధాన ఉద్దేశాలు.
ఈ మిషన్లో ఏడు ప్రధాన విభాగాలు ఉన్నాయి. అవి AI కంప్యూటింగ్ సామర్థ్యం, దేశీయ ఫౌండేషన్ మోడల్స్ అభివృద్ధి, AIKosh డేటాసెట్ వేదిక, AI అప్లికేషన్ అభివృద్ధి, AI నైపుణ్యాల పెంపు, స్టార్టప్లకు ఆర్థిక సహకారం, సురక్షితమైన మరియు విశ్వసనీయ AI అభివృద్ధి. EKA-1, Dhīr మోడల్స్ ఈ మిషన్లోని Foundation Models విభాగం కింద అభివృద్ధి అయ్యాయి.
ఇక్కడ మరో ముఖ్యమైన విషయం ఏమిటంటే, ఈ మోడల్స్ అభివృద్ధికి అవసరమైన కంప్యూటింగ్ వనరులు ఖరీదైనవి. భారీ డేటాపై మోడల్కు శిక్షణ ఇవ్వడానికి ప్రత్యేక AI చిప్స్, అధిక విద్యుత్ సామర్థ్యం, డేటా సెంటర్లు అవసరం. IndiaAI Mission ద్వారా సబ్సిడీతో కూడిన జాతీయ కంప్యూటింగ్ వనరులు, పరిశోధన సహకారం అందించడం స్టార్టప్లకు పెద్ద ప్రోత్సాహం.
ఈ AI మోడల్స్లో ఇంకా ఏయే పరిమితులు ఉన్నాయి?
కొత్త మోడల్స్ విడుదలయ్యాయని వెంటనే అవి ప్రపంచంలోని ప్రముఖ AI వ్యవస్థలతో సమానమని భావించడం సరికాదు. వాటి వాస్తవ సామర్థ్యాన్ని అర్థం చేసుకోవడానికి స్వతంత్ర పరీక్షలు, వినియోగదారుల అనుభవం, భద్రతా పరిశీలనలు అవసరం.
ముఖ్యంగా Dhīr మోడల్స్ విషయంలో ZenteiQ తన వెబ్సైట్లో కొన్ని పరిమితులను స్పష్టంగా పేర్కొంది. ప్రస్తుత వెర్షన్లు టెక్స్ట్ ఆధారిత మోడల్స్ మాత్రమే. అంటే ఫొటోలు, ఆడియో లేదా స్పీచ్ను నేరుగా ఇన్పుట్గా తీసుకుని అర్థం చేసుకునే మల్టీమోడల్ సామర్థ్యం వీటికి లేదని సంస్థ తెలిపింది. అలాగే ఆధారాలు లేని వాస్తవాలను గుర్తుచేసి చెప్పే విషయంలో బలహీనత ఉందని, వైద్యం, చట్టం, ఆర్థిక వ్యవహారాలు, వ్యవసాయం వంటి కీలక అంశాల్లో అధికారిక సమాచారాన్ని ఆధారంగా చేసుకుని మానవ పరిశీలనతో ఉపయోగించాలని సూచించింది. ZenteiQ
అందువల్ల ఈ మోడల్స్ ఇచ్చే సమాధానాలను పూర్తిగా నమ్మి ముఖ్యమైన నిర్ణయాలు తీసుకోవడం మంచిది కాదు. ముఖ్యంగా ప్రభుత్వ పథకాలు, బ్యాంకింగ్ లావాదేవీలు, ఆరోగ్య సూచనలు, చట్టపరమైన విషయాల్లో సంబంధిత అధికారిక వెబ్సైట్లు లేదా నిపుణుల సలహా తప్పనిసరిగా పరిశీలించాలి.
AI రంగంలో భారత్కు ఎదురయ్యే సవాళ్లు
భారత్ సొంత AI మోడల్స్ను అభివృద్ధి చేయడం మంచి ముందడుగు అయినప్పటికీ, అంతర్జాతీయ స్థాయిలో పోటీపడాలంటే ఇంకా కొన్ని సవాళ్లను అధిగమించాలి.
- నాణ్యమైన భారతీయ భాషా డేటా: అన్ని భాషల్లో సమతుల్యమైన, నాణ్యమైన డేటా అందుబాటులో ఉండాలి.
- పనితీరు పరీక్షలు: స్వతంత్ర సంస్థలు వివిధ భాషలు, పనులు, పరికరాలపై మోడల్స్ను పరీక్షించాలి.
- భద్రత: వ్యక్తిగత సమాచారం, ప్రభుత్వ డేటా, బ్యాంకింగ్ వివరాలు సురక్షితంగా ఉండేలా చర్యలు అవసరం.
- ఖర్చు: మోడల్స్ శిక్షణ, నిర్వహణ, విద్యుత్, హార్డ్వేర్ ఖర్చులు తగ్గాలి.
- అందుబాటు: విద్యార్థులు, పరిశోధకులు, స్టార్టప్లు సులభంగా ఉపయోగించుకునేలా డాక్యుమెంటేషన్, సాధనాలు, సాంకేతిక మద్దతు ఉండాలి.
వినియోగదారులు ఈ మోడల్స్ను ఎలా పొందవచ్చు?
Dhīr మోడల్స్కు సంబంధించిన వివరాలు, సాంకేతిక నివేదిక, డౌన్లోడ్ లింక్ను ZenteiQ తన అధికారిక వెబ్సైట్లో అందిస్తోంది. సంస్థ పేర్కొన్న ప్రకారం ఇవి AIKosh వేదిక ద్వారా కూడా అందుబాటులో ఉన్నాయి. అయితే వాటిని కంప్యూటర్ లేదా మొబైల్లో అమలు చేయాలంటే మోడల్ పరిమాణం మాత్రమే కాకుండా పరికరంలోని RAM, ప్రాసెసింగ్ సామర్థ్యం, అవసరమైన సాఫ్ట్వేర్ వంటి అంశాలను ముందుగా పరిశీలించాలి. EKA-1 విషయంలో మాత్రం సాధారణ వినియోగదారులకు అందుబాటులో ఉన్న వెర్షన్, వినియోగ విధానం, లైసెన్స్ వివరాలను అధికారిక సమాచారంలో ధృవీకరించుకోవాలి.
భారత్ AI భవిష్యత్తుకు ఇది ఎంత కీలకం?
EKA-1, Dhīr విడుదలతో భారత్ AI రంగంలో మరో ముఖ్యమైన అడుగు వేసింది. ఒకవైపు 22 భారతీయ భాషలకు మద్దతిచ్చే పెద్ద మోడల్, మరోవైపు ఇంటర్నెట్ కనెక్షన్ పరిమితంగా ఉన్న ప్రాంతాల్లోనూ ఉపయోగపడే చిన్న మోడల్స్ అందుబాటులోకి రావడం దేశీయ AI పర్యావరణ వ్యవస్థకు కొత్త అవకాశాలను తెరుస్తోంది.
అయితే అసలైన విజయం ఈ మోడల్స్ విడుదలతో ముగియదు. అవి ఎంత నాణ్యంగా పనిచేస్తాయి? తెలుగు సహా భారతీయ భాషల్లో ఎంత ఖచ్చితమైన సమాధానాలు ఇస్తాయి? ప్రభుత్వ కార్యాలయాలు, విద్యాసంస్థలు, పరిశ్రమలు వాటిని ఎంతవరకు స్వీకరిస్తాయి? డేటా భద్రతను ఎలా కాపాడతాయి? అనే అంశాలే వాటి భవిష్యత్తును నిర్ణయిస్తాయి.
మొత్తంగా చూస్తే, EKA-1, Dhīr మోడల్స్ భారతదేశం స్వదేశీ AI సామర్థ్యాలను పెంచుకునే ప్రయత్నంలో ప్రాధాన్యమైన మైలురాళ్లు. స్థానిక భాషలు, డేటా గోప్యత, ఆఫ్లైన్ వినియోగం, రంగాలవారీ అప్లికేషన్లకు ఇవి ఉపయోగపడే అవకాశం ఉంది. కానీ వాటి పూర్తి ప్రయోజనం ప్రజలకు చేరాలంటే నిరంతర అభివృద్ధి, స్వతంత్ర పరీక్షలు, సులభమైన అందుబాటు, బాధ్యతాయుత వినియోగం కీలకం.
