টোকেন খরচ কমাতে Dell-H2O.ai-র উল্লম্ব AI: চমক!
এন্টারপ্রাইজ পর্যায়ে জেনারেটিভ AI গ্রহণের গতি বাড়লেও টোকেন খরচ ও ডেটা সার্বভৌমত্বের চ্যালেঞ্জ নতুন করে ভাবতে বাধ্য করছে। Dell ও H2O.ai এই সমস্যা সমাধানে উল্লম্ব AI মডেল তৈরি করছে যা খরচ কমিয়ে উৎপাদনশীলতা বাড়ানোর লক্ষ্য নিয়েছে।
এন্টারপ্রাইজ পর্যায়ে জেনারেটিভ AI গ্রহণের গতি বাড়লেও টোকেন খরচ ও ডেটা সার্বভৌমত্বের চ্যালেঞ্জ নতুন করে ভাবতে বাধ্য করছে। Dell ও H2O.ai এই সমস্যা সমাধানে উল্লম্ব AI মডেল তৈরি করছে যা খরচ কমিয়ে উৎপাদনশীলতা বাড়ানোর লক্ষ্য নিয়েছে।
এন্টারপ্রাইজ পর্যায়ে কৃত্রিম বুদ্ধিমত্তার ব্যবহার বাড়লেও অর্থনৈতিক চ্যালেঞ্জ এখন বড় বাধা হয়ে দাঁড়িয়েছে। টোকেন খরচের ক্রমবর্ধমান হার, ডেটা সার্বভৌমত্বের দাবি এবং AI পাইলট প্রকল্প থেকে উৎপাদনশীল বিনিয়োগে ফেরতের ক্রমবর্ধমান ব্যবধান প্রতিষ্ঠানগুলোকে নতুন করে ভাবতে বাধ্য করছে। ডেল এবং H2O.ai এই সমস্যা সমাধানে উল্লম্ব AI মডেল নিয়ে কাজ শুরু করেছে।
সিলিকনঅ্যাঙ্গেলের এক প্রতিবেদনে জানানো হয়েছে যে কোম্পানিগুলো এখন তাদের মডেল কোথায় চালাবে এবং আসলে কী ধরনের উল্লম্ব AI মডেল প্রয়োজন তা পুনর্বিবেচনা করছে। টোকেন খরচের সমস্যা বিশেষ করে বড় ভাষা মডেল ব্যবহারকারীদের জন্য তীব্র আকার ধারণ করেছে। প্রতিটি API কলের জন্য যে টোকেন ফি দিতে হয় তা দ্রুত বেড়ে যাওয়ায় ছোট ও মাঝারি ব্যবসাগুলো AI গ্রহণে পিছিয়ে পড়ছে।
ডেল এবং H2O.ai এর সমাধান হলো উল্লম্ব AI মডেল তৈরি করা যা নির্দিষ্ট শিল্পের জন্য ডিজাইন করা হয়েছে। এই মডেলগুলো সাধারণ উদ্দেশ্যের মডেলের তুলনায় ছোট এবং কম টোকেন ব্যবহার করে। ফলে খরচ অনেক কমে যায়। উদাহরণস্বরূপ, স্বাস্থ্যসেবা বা ব্যাংকিং খাতের জন্য তৈরি একটি মডেল শুধুমাত্র সেই খাতের ডেটা নিয়ে কাজ করে এবং জেনেরিক মডেলের তুলনায় ৩ গুণ দ্রুত কাজ করতে পারে।
ডেটা সার্বভৌমত্ব আরেকটি বড় উদ্বেগের বিষয়। অনেক প্রতিষ্ঠান তাদের সংবেদনশীল ডেটা পাবলিক ক্লাউডে পাঠাতে চায় না। উল্লম্ব AI মডেল অন-প্রিমাইস বা প্রাইভেট ক্লাউডে চালানো যায় যা ডেটা নিরাপত্তা নিশ্চিত করে। এই পদ্ধতি প্রতিষ্ঠানগুলোকে তাদের ডেটার সম্পূর্ণ নিয়ন্ত্রণ দেয় এবং নিয়ন্ত্রক প্রয়োজনীয়তা মেনে চলতে সহায়তা করে।
AI পাইলট প্রকল্প থেকে উৎপাদনশীল বিনিয়োগে ফেরতের ব্যবধান দিন দিন বাড়ছে। অনেক কোম্পানি পরীক্ষামূলক প্রকল্প শুরু করলেও সেগুলো প্রকৃত মূল্য তৈরি করতে পারছে না। উল্লম্ব মডেল এই ব্যবধান কমাতে সাহায্য করতে পারে কারণ এগুলো নির্দিষ্ট সমস্যার জন্য অপ্টিমাইজ করা হয়। একটি ব্যাংক যদি জালিয়াতি সনাক্তকরণের জন্য মডেল চায় তাহলে জেনেরিক চ্যাটবটের পরিবর্তে একটি বিশেষায়িত মডেল বেশি কার্যকর হবে।
বাংলাদেশের প্রসঙ্গে দেখা যায়, স্থানীয় স্টার্টআপ ও আইটি কোম্পানিগুলোও AI খরচ নিয়ে চিন্তিত। আন্তর্জাতিক API ব্যবহার করলে টোকেন ফি বিদেশি মুদ্রায় দিতে হয় যা ছোট ব্যবসার জন্য বোঝা। উল্লম্ব AI মডেল যদি অন-প্রিমাইস চালানো যায় তাহলে বাংলাদেশি কোম্পানিগুলো খরচ কমিয়ে নিজেদের ডেটা দিয়ে মডেল ট্রেন করতে পারবে। এটি স্থানীয় ভাষা ও সংস্কৃতির জন্য আরও উপযোগী সমাধান তৈরি করতে সাহায্য করবে।
ভবিষ্যতে উল্লম্ব AI মডেলের চাহিদা আরও বাড়বে বলে ধারণা করা হচ্ছে। ডেল এবং H2O.ai এর এই উদ্যোগ শিল্পের জন্য একটি গুরুত্বপূর্ণ দৃষ্টান্ত স্থাপন করছে। কম খরচে এবং বেশি নিরাপত্তায় AI ব্যবহারের পথ খুলে দিচ্ছে এই মডেলগুলো। প্রতিষ্ঠানগুলোর এখন উচিত তাদের নির্দিষ্ট প্রয়োজন অনুযায়ী মডেল নির্বাচন করা এবং সাধারণ সমাধানের পরিবর্তে বিশেষায়িত পদ্ধতি বেছে নেওয়া।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: SiliconAngle AI
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...