ഇന്ത്യയിലെ അടുത്ത തലമുറ ഉപയോക്താക്കള്‍ക്ക് അത്യാധുനിക എഐ (Artificial Intelligence) വീഡിയോ കുറഞ്ഞ ചെലവിലും എളുപ്പത്തിലും ലഭ്യമാക്കുക എന്ന ലക്ഷ്യത്തോടെ, എഐ അധിഷ്ഠിത കമ്പനിയായ 'അവതാര്‍' (Avataar) 'വര്യ' എന്ന ഡിസ്റ്റില്‍ഡ് വീഡിയോ മോഡല്‍ പുറത്തിറക്കി.

ന്യൂഡല്‍ഹിയില്‍ നടന്ന പത്രസമ്മേളനത്തില്‍, കേന്ദ്ര ഇലക്ട്രോണിക്‌സ് ആന്‍ഡ് ഇന്‍ഫര്‍മേഷന്‍ ടെക്നോളജി മന്ത്രാലയം (MeitY) സെക്രട്ടറി ശ്രീ. എസ്. കൃഷ്ണന്‍, അവതാറിന്റെ അധികൃതര്‍ എന്നിവരുടെ സാന്നിധ്യത്തിലാണ് 'വര്യ' പ്രകാശനം ചെയ്തത്.

ഒരു പൊതുവായ സങ്കല്‍പ്പത്തിന് പകരമായി, ഇന്ത്യയുടെ വൈവിധ്യമാര്‍ന്ന സാഹചര്യങ്ങളെ ഉള്‍ക്കൊള്ളാന്‍ കഴിയുന്ന വിധത്തിലാണ് 'വര്യ' രൂപകല്‍പ്പന ചെയ്തിരിക്കുന്നത്. ഇന്ത്യയിലെ വിവിധ പ്രദേശങ്ങള്‍, ഉത്സവങ്ങള്‍, ജനവിഭാഗങ്ങള്‍, ഭക്ഷണം, വസ്ത്രധാരണം, പൊതുസ്ഥലങ്ങള്‍, ദൈനംദിന ജീവിതം എന്നിവയെ അടിസ്ഥാനമാക്കി, സാംസ്‌കാരിക സമ്പന്നമായ ദൃശ്യങ്ങള്‍ മനസ്സിലാക്കാനും നിര്‍മ്മിക്കാനും ഈ മാതൃകയ്ക്ക് സാധിക്കും.
ഒരു ഗ്രാമീണ ക്ലാസ് മുറിയില്‍ ദൃശ്യങ്ങള്‍ ഉപയോഗിച്ച് പാഠങ്ങള്‍ തയ്യാറാക്കുന്ന അദ്ധ്യാപകന്‍, ഉല്‍പ്പന്നങ്ങളുടെ പരസ്യങ്ങള്‍ നിര്‍മ്മിക്കുന്ന ചെറുകിട-ഇടത്തരം സംരംഭകര്‍ (MSMEs), വീഡിയോയിലൂടെ പൊതുവിവരങ്ങള്‍ മനസ്സിലാക്കുന്ന സാധാരണ പൗരന്മാര്‍ തുടങ്ങി എല്ലാവരുടെയും ലളിതമായ ആശയങ്ങളെ ഒരു ചലനാത്മക ചിത്രമാക്കി മാറ്റാന്‍ 'വര്യ' ലക്ഷ്യമിടുന്നു.

തദ്ദേശീയമായ അടിസ്ഥാന എഐ (Foundation AI) ശേഷികള്‍ വികസിപ്പിക്കുന്നതിനായി ഇന്ത്യഎഐ (IndiaAI) മിഷന്‍ തിരഞ്ഞെടുത്ത കമ്പനികളിലൊന്നാണ് അവതാര്‍. സബ്സിഡി നിരക്കില്‍ ലഭിച്ച ദേശീയ എഐ കമ്പ്യൂട്ട് ഇന്‍ഫ്രാസ്ട്രക്ചറാണ് (National AI compute infrastructure) വര്യയുടെ രൂപീകരണത്തിലേക്ക് നയിച്ച ഗവേഷണങ്ങള്‍ക്ക് വഴിയൊരുക്കിയത്. പൊതു എഐ അടിസ്ഥാന സൗകര്യങ്ങള്‍ക്ക് എങ്ങനെ തദ്ദേശീയമായ കണ്ടുപിടുത്തങ്ങളെ വേഗത്തിലാക്കാന്‍ സാധിക്കും എന്നതിന്റെ തെളിവാണിത്.

പഠനം, വാണിജ്യം, ആശയവിനിമയം, കഥാഖ്യാനം  എന്നിവയ്ക്കുള്ള പ്രധാന മാധ്യമമായി വീഡിയോ മാറിക്കൊണ്ടിരിക്കുന്ന ഈ കാലഘട്ടത്തില്‍, ഉയര്‍ന്ന ഗുണനിലവാരമുള്ള വീഡിയോ ഉള്ളടക്കം കാര്യക്ഷമമായി നിര്‍മ്മിക്കുക എന്നത് വളരെ പ്രധാനമാണ്.

ഇന്ത്യഎഐ മിഷന്റെ പിന്തുണയോടെ വികസിപ്പിച്ച വര്യ, ഒരു 'ഡിസ്റ്റിലേഷന്‍' (Distillation) സാങ്കേതികവിദ്യയാണ് ഉപയോഗിക്കുന്നത്. ഇത് വീഡിയോ നിര്‍മ്മാണത്തിന്റെ ഘട്ടങ്ങളെ 50-ല്‍ നിന്നും കേവലം 4 ആയി കുറയ്ക്കുന്നു. ഒപ്പം മികച്ച ഗുണനിലവാരം നിലനിര്‍ത്തുകയും ചെയ്യുന്നു. അവതാറിന്റെ ആഭ്യന്തര വിലയിരുത്തലുകള്‍ പ്രകാരം, സെക്കന്‍ഡില്‍ വെറും 0.48 രൂപ നിരക്കില്‍ വര്യയ്ക്ക് വീഡിയോകള്‍ നിര്‍മ്മിക്കാന്‍ സാധിക്കും. ഇത് ആഗോളതലത്തിലെ പ്രമുഖ വീഡിയോ മോഡലുകളെ അപേക്ഷിച്ച് 10 മടങ്ങ് വരെ ലാഭകരമാണ്.

ആശയം- വീഡിയോ- കഥ (Idea - Video - Story) എന്നതാണ് ഇതിന്റെ പ്രവര്‍ത്തനശൈലി. ഉപയോക്താക്കള്‍ക്ക് തങ്ങളുടെ ഒരു ആശയം എഴുതി നല്‍കുകയോ അല്ലെങ്കില്‍ ഒരു ചിത്രം അപ്ലോഡ് ചെയ്യുകയോ ചെയ്തുകൊണ്ട് വീഡിയോ നിര്‍മ്മിക്കാം. കൂടാതെ കൂടുതല്‍ ക്ലിപ്പുകള്‍ ചേര്‍ത്തുകൊണ്ട് ആ കഥ മുന്നോട്ട് കൊണ്ടുപോകാനും സാധിക്കും. ഒരു പ്രോംപ്റ്റ് (Prompt) വഴി ഒരു പാഠഭാഗമോ, പരസ്യമോ, ഗൈഡോ, സിനിമയോ അല്ലെങ്കില്‍ ഒരു ഓര്‍മ്മയോ ഒക്കെയായി ഇതിനെ മാറ്റാം.

ഇന്ത്യയെപ്പോലെ കോടിക്കണക്കിന് ആളുകള്‍ക്ക് പ്രയോജനപ്രദം ആകേണ്ട ഒരു രാജ്യത്ത്, കാര്യക്ഷമത എന്നത് കേവലമൊരു സാങ്കേതികവിദ്യ മാത്രമല്ല, മറിച്ച് എല്ലാവരെയും ഉള്‍ക്കൊള്ളുന്നതിനുള്ള (Inclusion) അടിത്തറയാണ്.

വര്യ: ഇന്ത്യയുടെ എഐ അഭിലാഷങ്ങളെ പ്രതിഫലിപ്പിക്കുന്നു-

ചടങ്ങില്‍ സംസാരിച്ച സെക്രട്ടറി എസ്. കൃഷ്ണന്‍ ഇപ്രകാരം പറഞ്ഞു:
'ഇന്ത്യഎഐ മിഷന്റെ പിന്തുണയോടെ വികസിപ്പിച്ച അടിസ്ഥാന മോഡലുകളിലൊന്ന് പുറത്തിറക്കാന്‍ സാധിച്ചത് ഇന്ത്യയുടെ എഐ പ്രയാണത്തിലെ ഒരു സുപ്രധാന നാഴികക്കല്ലാണ്. നാം പ്രോത്സാഹിപ്പിക്കാന്‍ ആഗ്രഹിക്കുന്ന ഗവേഷണ അധിഷ്ഠിത ശേഷി വികസനത്തിന്റെ മികച്ച ഉദാഹരണമാണ് വര്യ. തദ്ദേശീയമായി എഐ ശേഷികള്‍ വികസിപ്പിക്കുന്നതിനും ഊര്‍ജ്ജസ്വലമായ ഒരു ഡീപ്പ്-ടെക് (Deep-tech) വ്യവസ്ഥിതി കെട്ടിപ്പടുക്കുന്നതിനുമുള്ള നമ്മുടെ പ്രതിജ്ഞാബദ്ധതയുടെ അഭിമാന നിമിഷമാണിത്. അടിസ്ഥാന മോഡലുകള്‍ക്ക് തന്ത്രപരമായ പിന്തുണ നല്‍കുന്നതിലൂടെ, ഗണ്യമായ തോതില്‍ നൂതനാശയങ്ങളും അടുത്ത തലമുറ എഐ പരിഹാരങ്ങളും സാധ്യമാക്കുകയാണ് നാം ചെയ്യുന്നത്. ലോകോത്തര നിലവാരമുള്ളതും സാധാരണക്കാര്‍ക്ക് താങ്ങാനാവുന്നതുമായ ഇത്തരം തദ്ദേശീയ എഐ മുന്നേറ്റങ്ങളെ കൂടുതല്‍ ശക്തിപ്പെടുത്താനാവുമെന്ന് ഞങ്ങള്‍ പ്രതീക്ഷിക്കുന്നു.'

വര്യയുടെ മോഡല്‍ ആര്‍ക്കിടെക്ചര്‍, ഡിസ്റ്റിലേഷന്‍ രീതികള്‍, പ്രകടന വിലയിരുത്തലുകള്‍ എന്നിവ വ്യക്തമാക്കുന്ന ഒരു സാങ്കേതിക റിപ്പോര്‍ട്ടും അവതാര്‍ ഉടന്‍ പ്രസിദ്ധീകരിക്കും.

 വര്യയിലൂടെ കുറഞ്ഞ ചെലവില്‍ എഐ

അവതാറിന്റെ സിഇഒയും കോ-ഫൗണ്ടറുമായ ശ്രാവന്ത് ആലൂരു ഇപ്രകാരം അഭിപ്രായപ്പെട്ടു: 'ഇന്ത്യയുടെ എഐ സാധ്യതകള്‍ നിര്‍ണ്ണയിക്കപ്പെടുന്നത് ഏറ്റവും വലിയ മോഡലുകളിലൂടെ മാത്രമല്ല, മറിച്ച് ഏറ്റവും കാര്യക്ഷമമായ മോഡലുകളിലൂടെയുമാണ്. അത്യാധുനിക വീഡിയോ എഐ സാങ്കേതികവിദ്യ വളരെ കാര്യക്ഷമമായും കുറഞ്ഞ ചെലവിലും ലഭ്യമാക്കാന്‍ സാധിക്കുമെന്ന് വര്യ തെളിയിക്കുന്നു. 140 കോടി ജനങ്ങളുള്ള ഒരു രാജ്യത്ത്, കുറഞ്ഞ ചെലവ് എന്നത് ഒരു അധിക സവിശേഷതയല്ല, മറിച്ച് അത് അത്യാവശ്യമായ  ഘടകമാണ്. അടുത്ത 100 കോടി കഥകളും പാഠങ്ങളും പരസ്യങ്ങളും സേവനങ്ങളും എഐയിലൂടെയായിരിക്കും നിര്‍മ്മിക്കപ്പെടുക എന്ന് ഞങ്ങള്‍ വിശ്വസിക്കുന്നു. ആ സാധ്യത ചുരുക്കം ചിലര്‍ക്ക് മാത്രമല്ല, എല്ലാവര്‍ക്കും ലഭ്യമാകണം.'
അദ്ദേഹം കൂട്ടിച്ചേര്‍ത്തു:

'ചെലവ് കുറഞ്ഞ എഐ എന്നാല്‍ എല്ലാവരെയും ഉള്‍ക്കൊള്ളുന്ന എഐ എന്നാണ് അര്‍ത്ഥം. കേവലം എഐ ശേഷി എന്നതിലുപരി എഐയുടെ ലഭ്യതയിലേക്കാണ് വര്യയിലൂടെ അവതാര്‍ ശ്രദ്ധ തിരിക്കുന്നത്. വലിയൊരു ജനസംഖ്യയ്ക്കായി എഐ ഉല്‍പ്പന്നങ്ങള്‍ നിര്‍മ്മിക്കാനുള്ള ശേഷിയും വിപണിയും ഭാവനയും ഇന്ത്യയ്ക്കുണ്ട്. വലിയ മോഡലുകള്‍ നിര്‍മ്മിക്കുന്നതിന് പകരം, കൂടുതല്‍ കാര്യക്ഷമവും സാഹചര്യങ്ങള്‍ക്ക് അനുയോജ്യവുമായ മോഡലുകള്‍ നിര്‍മ്മിച്ച് ഇന്ത്യന്‍ കമ്പനികള്‍ക്ക് എങ്ങനെ ആഗോളതലത്തില്‍ മത്സരിക്കാമെന്നതിന്റെ മികച്ച ഉദാഹരണമാണ് വര്യ.'

അവതാറിനെക്കുറിച്ച് :
 വ്യവസായ സംരംഭങ്ങളെ കാര്യക്ഷമത വര്‍ദ്ധിപ്പിക്കാനും പുതിയ പ്രവര്‍ത്തന ശൈലികള്‍ രൂപീകരിക്കാനും ഐപി-അധിഷ്ഠിത (IP-led) ശേഷികള്‍ കെട്ടിപ്പടുക്കാനും സഹായിക്കുന്ന പ്രത്യേക എഐ ഉല്‍പ്പന്നങ്ങള്‍ നിര്‍മ്മിക്കുന്ന ഒരു മുന്‍നിര എഐ കമ്പനിയാണ് അവതാര്‍. ഉയര്‍ന്ന വളര്‍ച്ചയുള്ള വിപണികളിലുടനീളം യഥാര്‍ത്ഥ ബിസിനസ്സ്, ഉപഭോക്തൃ ആവശ്യങ്ങള്‍ക്കായി എഐ പ്രയോഗിക്കുന്നതിലാണ് കമ്പനി ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്.

 എന്താണ് ഡിസ്റ്റില്‍ഡ് വീഡിയോ ജനറേഷന്‍?

മെഷീന്‍ ലേണിംഗിലെ ഒരു മോഡല്‍ കംപ്രഷന്‍ (Model compression) സാങ്കേതികവിദ്യയാണിത്. ഇതിലൂടെ വലിപ്പമേറിയതും വേഗത കുറഞ്ഞതുമായ ഒരു 'ടീച്ചര്‍' (Teacher) മോഡലിന്റെ ഔട്ട്പുട്ടുകളെ, കമ്പ്യൂട്ടേഷന്‍ പ്രക്രിയകള്‍ കുറച്ചുകൊണ്ട് ഒരു ചെറിയ 'സ്റ്റുഡന്റ്' (Student) മോഡലായി അനുകരിക്കുന്നു. സാധാരണ വീഡിയോ മോഡലുകള്‍ ഒരു വ്യക്തമായ വീഡിയോ നിര്‍മ്മിക്കുന്നതിന് 50-ലധികം ഘട്ടങ്ങളിലൂടെ  കടന്നുപോകേണ്ടതുണ്ട്; എന്നാല്‍ ഡിസ്റ്റിലേഷന്‍ സാങ്കേതികവിദ്യയിലൂടെയുള്ള സ്റ്റുഡന്റ് മോഡല്‍ ഈ ഘട്ടങ്ങളില്‍ ഭൂരിഭാഗവും ഒഴിവാക്കിക്കൊണ്ട് ചുരുങ്ങിയ ഘട്ടങ്ങളിലൂടെ അതേ ഗുണനിലവാരമുള്ള ഔട്ട്പുട്ട് നല്‍കുന്നു. ഇന്ത്യയില്‍ ആദ്യമായാണ് വര്യ ഈ സാങ്കേതികവിദ്യ വീഡിയോ നിര്‍മ്മാണത്തില്‍ പ്രയോഗിക്കുന്നത്, ഇത് അത്യാധുനിക വീഡിയോ നിര്‍മാണം സാധാരണക്കാര്‍ക്ക് താങ്ങാനാവുന്ന ചെലവിലും വേഗതയേറിയതുമാക്കുന്നു.

***