الهند تنافس فى عالم الـ AI وتطلق نموذج Krutrim 2 مفتوح المصدر

أعلن بهويش أغاروال، مؤسس ورئيس شركة Ola، يوم الثلاثاء عن إطلاق مختبر Krutrim للذكاء الاصطناعي، والذي سيكون المركز البحثي الرئيسي لجميع النماذج المستقبلية الخاصة بشركة Krutrim الهندية، كما كشف أغاروال عن عدة نماذج ذكاء اصطناعي مفتوحة المصدر تركز على اللغات الهندية، وكان أبرزها نموذج Krutrim-2، الذي يمثل الجيل الجديد من تقنيات الذكاء الاصطناعي في الهند.

إطلاق مختبر Krutrim AI ونماذج جديدة

في منشور على منصة X (تويتر سابقًا)، أوضح أغاروال أن فريقه كان يعمل على ابتكارات ذكاء اصطناعي منذ تأسيس الشركة، مع التركيز على تحسين الذكاء الاصطناعي للغات الهندية، والتعامل مع قلة البيانات، والسياقات الثقافية المتنوعة.

نموذج Krutrim-2

يعد نموذج Krutrim-2 الجيل الثاني من نماذج الذكاء الاصطناعي الخاصة بـ Krutrim، ويتميز بكونه نموذجًا محولًا كثيفًا مبنيًا على بنية Mistral-NeMo-12B-Instruct، ويحتوي على 12 مليار معامل ويتميز بدعمه للعديد من اللغات الهندية (22 لغة إقليمية) واللغة الإنجليزية، مع إطار سياقي واسع يصل إلى 128,000 رمز، النموذج متاح حاليًا على منصة Hugging Face بموجب ترخيص Krutrim Community للاستخدام الأكاديمي والبحثي.

نموذج Chitrarth-1 للصور والنصوص متعددة اللغات

كما أعلنت الشركة عن إطلاق Chitrarth-1، وهو نموذج رؤية لغوية متعدد اللغات (VLM) يعتمد على Krutrim-7B، ويستخدم مشفّر رؤية SIGLIP لمعالجة المعلومات البصرية.

فقد تم تدريب هذا النموذج على بيانات متعددة اللغات من الصور والنصوص، ويدعم 9 لغات إقليمية هندية، وهي: الأسامية، البنغالية، الغوجاراتية، الكانادية، الماليالامية، الماراثية، الأوديا، التاميلية، والتيلجو، إلى جانب اللغة الإنجليزية.

نموذج Dhwani-1 للترجمة الصوتية الآلية

أطلقت Krutrim أيضًا نموذج Dhwani-1، وهو نموذج التعرف التلقائي على الكلام (ASR) الذي يمكنه الترجمة بين اللغات الهندية والإنجليزية، و يدعم النموذج اللغات: الإنجليزية، البنغالية، الغوجاراتية، الهندية، الكانادية، الماليالامية، الماراثية، التاميلية، والتيلجو، ويأتي مصحوبًا بنموذج Krutrim Translate لترجمة النصوص.

نموذج Vyakyarth-1-Indic-Embedding للبحث والتصنيف

كما كشفت الشركة عن نموذج Vyakyarth-1-Indic-Embedding، وهو نموذج محول متعدد اللغات مصمم لفهم تشابه النصوص، البحث، التجميع، والتصنيف عبر 100 لغة، مما يجعله مفيدًا جدًا لتطبيقات معالجة اللغة الطبيعية (NLP) متعددة اللغات.

إطلاق معيار