గ్రామీణ విద్యార్థుల కోసం AIలో బిగ్ చేంజ్.. తెలుగుతో సహా 22 భాషల్లో కొత్త మోడల్స్!

ఇప్పటివరకు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) అంటే ఇంగ్లీష్‌లోనే మాట్లాడాలి, ఇంగ్లీష్‌లోనే ప్రశ్నలు అడగాలి అనే భావన మన చాలామందిలో ఉంది. గ్రామీణ ప్రాంతాల్లోని విద్యార్థులు, తెలుగు మీడియం స్కూళ్లలో చదివే పిల్లలు ఈ సాంకేతికతను పూర్తిగా వినియోగించుకోలేకపోతున్నారు, ఎందుకంటే ప్రపంచంలోని పెద్ద AI మోడల్స్ చాలావరకు ఇంగ్లీష్ డేటాతోనే శిక్షణ పొందాయి. తెలుగు, హిందీ, తమిళం వంటి భాషల్లో అవి తరచూ తప్పులు చేస్తాయి, పదాలను తప్పుగా అర్థం చేసుకుంటాయి. ఈ సమస్యను పరిష్కరించడానికి భారత ప్రభుత్వ విద్యా మంత్రిత్వ శాఖ మద్దతుతో IIT మద్రాస్‌లో స్థాపించబడిన ‘బోధన్ AI’ (Bodhan AI) ఇటీవల నాలుగు కొత్త AI మోడల్స్‌ను విడుదల చేసింది. ఇవి తెలుగుతో సహా 22కు పైగా భారతీయ భాషల్లో పనిచేస్తాయి.

బోధన్ AI అంటే ఏమిటి?

బోధన్ AI అనేది IIT మద్రాస్‌లో ఏర్పాటైన ‘సెంటర్ ఆఫ్ ఎక్సలెన్స్ ఇన్ AI ఫర్ ఎడ్యుకేషన్’. దీన్ని కేంద్ర విద్యా మంత్రిత్వ శాఖ నిధులతో నడుపుతున్నారు. దేశంలోని విద్యా వ్యవస్థ కోసం సొంతంగా, సార్వభౌమాధికారం (sovereign) కలిగిన సాంకేతిక వ్యవస్థను నిర్మించడమే దీని యొక్క లక్ష్యం. విదేశీ కంపెనీల క్లోజ్డ్ AI వ్యవస్థలపై ఆధారపడకుండా, భారతీయ భాషలు, సంస్కృతికి అనుగుణంగా పనిచేసే విదంగా సొంత మోడల్స్‌ను ఈ సంస్థ తయారు చేస్తోంది. ఈ ప్రాజెక్టును AI4Bharat సంస్థతో కలిసి, NVIDIA సాంకేతిక సహకారంతో అభివృద్ధి చేశారు.

నాలుగు కొత్త మోడల్స్ ఏం చేస్తాయి?

బోధన్ AI విడుదల చేసిన నాలుగు మోడల్స్ వేర్వేరు పనులు చేస్తాయి. మొదటిది IndicOCR — ఇది ముద్రిత పత్రాలను, పుస్తకాలను, చేతిరాత నోట్సును కూడా 22 భారతీయ భాషల్లో, 13 లిపుల్లో చదివి టెక్స్ట్‌గా మార్చివేయగలదు. గణిత క్యాలిక్యులేషన్స్(లెక్కలను) LaTeX ఫార్మాట్‌లోకి, పట్టికలను వాటి నిర్మాణం చెడిపోకుండా మార్చగలగడం దీని ప్రత్యేకత. రెండోది Indic-Translate, ఇది 22 భారతీయ భాషల మధ్య అనువాదం చేస్తుంది. మూడోది Indic-Transcribe, మాట్లాడే మాటలను రాతపూర్వకంగా మార్చే మాటలను గుర్తించే (స్పీచ్-రికగ్నిషన్) మోడల్, ఇది 27 భాషలను గుర్తించగలదు, ప్రాంతీయ యాసలను కూడా అర్థం చేసుకోగలదు. నాలుగోది Indic-Speak, ఇది టెక్స్ట్‌ను సహజమైన స్వరంతో చదివి వినిపించే టెక్స్ట్-టు-స్పీచ్ మోడల్.

ఈ నాలుగు మోడల్స్‌ను NVIDIA యొక్క Nemotron ఓపెన్ మోడల్స్ ఆధారంగా శిక్షణ ఇచ్చి, మెరుగుపరిచారు. వీటిని ఓపెన్-వెయిట్ మోడల్స్‌గా, అంటే ఎవరైనా డౌన్‌లోడ్ చేసి ఉపయోగించుకోగలిగేలా, డిజిటల్ పబ్లిక్ గూడ్స్‌గా విడుదల చేశారు. దీనివల్ల స్టార్టప్‌లు, విద్యా సంస్థలు, పరిశోధకులు వీటిని ఉచితంగా వాడుకుని సొంత అప్లికేషన్లు తయారు చేసుకోవచ్చు.

విద్యార్థులు, ఉపాధ్యాయులకు ఎలా ఉపయోగపడుతుంది?

ఈ మోడల్స్ ఆధారంగా బోధన్ AI ఇప్పటికే రెండు అప్లికేషన్లను రూపొందించింది — స్టూడెంట్ ట్యూటర్‌బాట్, టీచర్ అసిస్టెంట్ బాట్. 6 నుండి 12వ తరగతి విద్యార్థుల కోసం రూపొందించిన ట్యూటర్‌బాట్, తెలుగుతో సహా 22 భాషల్లో టెక్స్ట్ లేదా వాయిస్ ద్వారా మాట్లాడగలదు. పాఠ్యపుస్తకాల ఆధారంగా వివరణలు ఇవ్వడం, ప్రాక్టీస్ ప్రశ్నలు ఇవ్వడం, మూల్యాంకనం చేయడం వంటివి ఇది చేయగలదు. అంటే, ఇంగ్లీష్‌లో టైప్ చేయలేని లేదా ఇబ్బంది పడే తెలుగు మీడియం విద్యార్థి కూడా, తన మాతృభాషలోనే AI టీచర్‌తో మాట్లాడి సందేహాలు తీర్చుకోగలడు.

టీచర్ అసిస్టెంట్ బాట్ ఉపాధ్యాయులకు పాఠ్య ప్రణాళికలు, వర్క్‌షీట్లు, క్విజ్‌లు, మూల్యాంకన పత్రాలు తయారు చేయడంలో సహాయపడుతుంది. అయితే, AI తయారు చేసిన కంటెంట్‌ను సమీక్షించి, మార్చే లేదా తిరస్కరించే స్వేచ్ఛ ఉపాధ్యాయులకే ఉంటుందని బోధన్ AI స్పష్టం చేసింది — అంటే బోధనలో AI కేవలం సహాయకారిగా ఉంటుందిగానీ, ఉపాధ్యాయుడి స్థానాన్ని ఆక్రమించ లేదు అని స్పష్టం చేశారు.

ఇది ఎందుకు ప్రతిష్టాత్మకమైనది అంటున్నారు?

భారతదేశంలో సుమారుగా 25 కోట్లకు పైగా పాఠశాల విద్యార్థులు ఉన్నారు. వీరిలో ఎక్కువమంది తమ మాతృభాషలోనే చదువుకుంటారు. 5G నెట్‌వర్క్, చవకైన స్మార్ట్‌ఫోన్‌లు గ్రామీణ ప్రాంతాలకు కూడా చేరినా, డిజిటల్ లెర్నింగ్ సాఫ్ట్‌వేర్ మాత్రం ఇంగ్లీష్‌కే పరిమితమై ఉంది. ప్రపంచ స్థాయి AI మోడల్స్ కూడా భారతీయ భాషల్లో తరచూ తప్పులు చేయడం, స్థానిక యాసలను, మిశ్రమ భాషా వాక్యాలను (ఉదాహరణకు తెలుగులో ఇంగ్లీష్ పదాలు కలిపి మాట్లాడే తీరు) సరిగ్గా అర్థం చేసుకోకపోవడం పెద్ద సమస్యగా ఉంది. బోధన్ AI మోడల్స్ ఈ అంతరాన్ని పూడ్చే ప్రయత్నం చేస్తున్నాయి.

అంతేకాక, ఈ మోడల్స్ డేటా సార్వభౌమాధికార (data sovereignty) కోణంలో కూడా ముఖ్యమైనవి. విదేశీ కంపెనీల క్లోజ్డ్ API లపై ఆధారపడితే, భారతీయ విద్యార్థుల డేటా విదేశీ సర్వర్లకు వెళ్లే అవకాశం ఉంటుంది, పైగా వాడకం ఖర్చు కూడా ఎక్కువగా ఉంటుంది. సొంత సార్వభౌమ మోడల్స్ ఉండటం వల్ల, ఈ డేటా భారత్‌లోనే ఉండటమే కాక, దీర్ఘకాలంలో ఖర్చు కూడా తగ్గే అవకాశం ఉంది.

తెలుగు రాష్ట్రాలపై ప్రభావం

ఆంధ్రప్రదేశ్, తెలంగాణ రాష్ట్రాల్లోని ప్రభుత్వ పాఠశాలల్లో ఇప్పటికే డిజిటల్ లెర్నింగ్ కార్యక్రమాలు నడుస్తున్నాయి. ఈ మోడల్స్ ఓపెన్‌గా, ఉచితంగా అందుబాటులో ఉండటం వల్ల, రాష్ట్ర ప్రభుత్వాలు తమ సొంత తెలుగు AI ట్యూటరింగ్ యాప్‌లను తక్కువ ఖర్చుతో అభివృద్ధి చేసుకునే అవకాశం ఏర్పడింది. ఎడ్‌టెక్ స్టార్టప్‌లు కూడా తెలుగు మాట్లాడే, తెలుగు రాసే AI టూల్స్‌ను వేగంగా నిర్మించగలుగుతాయి. దీనివల్ల భవిష్యత్తులో గ్రామీణ తెలుగు విద్యార్థులకు కూడా నాణ్యమైన, వ్యక్తిగతీకరించిన (personalised) విద్యా సహాయం అందుబాటులోకి వచ్చే అవకాశం ఉంది.

ఇప్పుడు వరకు వచ్చినటువంటి మోడల్స్ అన్ని ఎక్కువగా విదేశీయులు డెవలప్ చేసినవే. వాటిలో అన్ని మోడల్స్ దాదాపుగా ఇంగ్లీష్ నే చక్కగా అర్థం చేసుకుంటూ సమాధానాలు ఇవ్వగలవు. అయితే ఈ మధ్యకాలంలో కొన్ని AI మోడల్స్ ని ప్రాంతీయ భాషల్లో కూడా అర్థం చేసుకునే విధంగా అప్డేట్ చేస్తూ ఉన్నారు. కానీ స్పష్టమైన గ్రాంథిక భాష అంటే ప్రతి ప్రాంతంలో వారి ప్రాంతాన్ని బట్టి ఒక యాసని కలిగి ఉంటారు. ఆ యాస భావం సరిగా అర్థం చేసుకోవటానికి నిజంగానే AI మోడల్స్ కి కొంచెం కష్టం అని చెప్పొచ్చు. కానీ ఇప్పుడు అభివృద్ధి చేస్తున్న ఈ బోధన్ AI మోడల్ ప్రతి గ్రామంలో ఉండే యాసను కూడా గుర్తించగలిగే విధంగా రూపొందించారు అని చెప్తున్నారు. వీటి ప్రభావం మరి ఎంతవరకు ఉంటుందో చూడాలి. ఏదేమైనా సాంకేతికత అనేది మనిషిని ఆలోచించకుండా చేస్తుందా లేక మనిషి యొక్క రోజువారి జీవితాన్ని, అవసరాలను మెరుగుపరుస్తుందా? అనేది వేచి చూడాలి.రాబోయే రోజుల్లో ఈ మోడల్స్ ఆధారంగా ఎన్ని కొత్త యాప్‌లు, సేవలు వస్తాయో చూడాలి.

తాజా వార్తల అప్‌డేట్స్ కొరకు మా టెలిగ్రామ్ ఛానల్‌ని ఫాలో అవ్వండి

Navayugam TV ఛానల్‌లో జాయిన్ అవ్వండి