एआई मॉडल और प्लेटफ़ॉर्म

Vertex AI का परिचय

Kunal Kejriwal
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुVertex AI खंडित डेटा और AI टूल्स को एक एकीकृत, एंटरप्राइज़-तैयार प्लेटफ़ॉर्म में समेकित…
और देखें
  • Vertex AI खंडित डेटा और AI टूल्स को एक एकीकृत, एंटरप्राइज़-तैयार प्लेटफ़ॉर्म में समेकित करता है।
  • इसका मॉडल गार्डन 200 से अधिक चयनित फाउंडेशन मॉडल्स के लिए केंद्रीकृत पहुंच प्रदान करता है।
  • प्लेटफ़ॉर्म की गतिशील ऑर्केस्ट्रेशन और ग्राउंडिंग सुविधाएँ प्रोडक्शन AI विफलताओं और हॉल्यूसिनेशन का समाधान करती हैं।

आर्टिफ़िशियल इंटेलिजेंस के तेज़ी से विकसित होते परिदृश्य में, तकनीकी नेताओं की सबसे बड़ी चुनौतियों में से एक «प्रयोगात्मक» से «उद्यम में उपयोग के लिए तैयार» अवस्था तक पहुँचना है। उपभोक्ता चैटबॉट और इंटरैक्टिव प्लेटफ़ॉर्म जनता की कल्पना को प्रेरित करते हैं, लेकिन व्यवसाय केवल चैट इंटरफ़ेस के सहारे सफल नहीं हो सकते। बढ़ती प्रतिस्पर्धा में उन्हें एक मजबूत, स्केलेबल और सुरक्षित पारिस्थितिकी तंत्र चाहिए। गूगल (GOOGL ) यही प्रदान करने का प्रयास करता है— वर्टेक्स एआई के साथ, जो Google Cloud का एकीकृत AI और मशीन लर्निंग प्लेटफ़ॉर्म है। 

वर्टेक्स एआई आधुनिक क्लाउड इन्फ्रास्ट्रक्चर के साथ जेनरेटिव एआई एकीकरण के लिए एक बैकबोन के रूप में खुद को स्थापित करने का प्रयास करता है, जो कि रॉ फाउंडेशन मॉडल और उत्पादन-ग्रेड एप्लिकेशन के बीच की खाई को पाटने वाली सुविधाओं का एक व्यापक सूट प्रदान करता है। वर्टेक्स एआई केवल बड़े भाषा मॉडल (एलएलएम) के लिए एक रैपर नहीं है, बल्कि यह एक एकीकृत मशीन लर्निंग और आर्टिफ़िशियल इंटेलिजेंस (एमएल/एआई) पारिस्थितिकी तंत्र है जो जेनरेटिव एआई को आधुनिक क्लाउड इन्फ्रास्ट्रक्चर का एक मुख्य घटक मानता है।

वर्टेक्स एआई के केंद्र में मॉडल गार्डन है, एक केंद्रीय बाज़ार जो 200 से अधिक चुनिंदा फ़ाउंडेशन मॉडल उपलब्ध कराता है। इनमें शक्तिशाली मल्टीमोडल जेमिनी 2.5 प्रो शामिल है, जिसकी संदर्भ विंडो 20 लाख टोकन की है। इस लेख में हम वर्टेक्स एआई की वास्तुकला, बुद्धिमत्ता के लिए उद्योग के «ऐप स्टोर» के रूप में मॉडल गार्डन की भूमिका और अगली पीढ़ी के उद्यम सॉफ़्टवेयर की रीढ़ बनने वाले तकनीकी स्तंभों का विश्लेषण करेंगे।

मुख्य वास्तुकला : एक एकीकृत प्लेटफ़ॉर्म

वर्टेक्स एआई एक ढीली तरह से जुड़े हुए टूल्स का संग्रह नहीं है, बल्कि एक एकीकृत डेटा और एआई पारिस्थितिकी तंत्र है जो मशीन लर्निंग को आज तक प्रभावित करने वाले डेटा, टूल्स और टीमों के खंडितकरण को पाटने के लिए डिज़ाइन किया गया है। परंपरागत रूप से, एआई विकास अलग-अलग वातावरण में होता है, और कभी-कभी, डेटा कई भंडारण में फैला होता है और फंस जाता है। उदाहरण के लिए, संगठन ग्राहक डेटा को एसक्यूएल वेयरहाउस में स्टोर कर सकते हैं, जबकि अनस्ट्रक्चर्ड डॉक्यूमेंट डेटा लेक में डंप हो जाते हैं। जब डेटा खंडित होता है, तो एआई केवल “आंशिक सत्य” को देखता है, जिससे पूर्वाग्रहित परिणाम या उच्च हॉल्यूसिनेशन दर हो सकती है क्योंकि उसे उद्यम का पूरा संदर्भ नहीं मिलता। 

वर्टेक्स एआई पूरे जीवनचक्र को एकीकृत करने का प्रयास करता है, BigQuery और Cloud Storage से कच्चे डेटा के प्रवेश से लेकर उत्पादन निगरानी तक, मूल रूप से इन अलग-थलग डेटा भंडारों के बीच “कनेक्टिव टिश्यू” के रूप में कार्य करता है। वर्टेक्स एआई क्लाउड स्टोरेज और बिगक्यूरी के साथ मूल रूप से एकीकृत होता है, जिससे एआई मॉडल्स को जटिल एक्सट्रैक्शन, ट्रांसफ़ॉर्मेशन और लोड पाइपलाइनों के बिना डेटा प्राप्त करने की अनुमति मिलती है। 

फ़ाउंडेशन : गूगल का एआई हाइपरकंप्यूटर

जेनरेटिव एआई की परत वाला वर्टेक्स एआई Google AI Hypercomputer की वास्तुकला पर आधारित है। इस एकीकृत सुपरकंप्यूटिंग सिस्टम में शामिल हैं:

टीपीयू वी5पी और वी5ई (टेंसर प्रोसेसिंग यूनिट्स)

गूगल के टेंसर प्रोसेसिंग यूनिट्स डीप लर्निंग का आधार बनने वाले मैट्रिक्स गुणा के लिए विशेष रूप से डिज़ाइन किए गए कस्टम ASIC (एप्लिकेशन-विशिष्ट एकीकृत सर्किट) हैं।

  • टीपीयू वी5पी (प्रदर्शन): यह बड़े पैमाने पर प्रशिक्षण के लिए फ्लैगशिप एक्सेलरेटर है। प्रत्येक टीपीयू वी5पी पॉड 8,960 चिप्स तक स्केल कर सकता है जो गूगल के उच्चतम-बैंडविड्थ इंटर-चिप इंटरकनेक्ट (आईसीआई) द्वारा 4,800 जीबीपीएस पर जुड़े हुए हैं। एक तकनीकी नेता के लिए, इसका अर्थ है 2.8 गुना तेज़ प्रशिक्षण एक जीपीटी-3 आकार के मॉडल (175 अरब पैरामीटर) के लिए, पिछली पीढ़ी की तुलना में बाजार में आने के समय को काफी कम कर देता है।
  • टीपीयू वी5ई (कुशलता): लागत-अनुकूलित प्रदर्शन के लिए डिज़ाइन किया गया v5e मध्यम पैमाने के प्रशिक्षण और उच्च-थ्रूपुट इन्फ़रेंस के लिए प्रमुख विकल्प है। यह मूल्य के अनुपात में 2.5 गुना तक बेहतर प्रदर्शन देता है, इसलिए भारी बजट के बिना चौबीसों घंटे इन्फ़रेंस चलाने वाले व्यवसायों के लिए उपयुक्त है।

एनवीडिया एच100/ए100 जीपीयू के लिए लचीलापन

जबकि टीपीयू विशेष प्रयोजन के हैं, कई विकास टीमें एनवीडिया सीउडीए इकोसिस्टम पर भरोसा करती हैं। वर्टेक्स एआई एनवीडिया के नवीनतम हार्डवेयर के लिए प्रथम-श्रेणी का समर्थन प्रदान करता है:

  • एनवीडिया एच100 (हॉपर): सबसे बड़े ओपन-सोर्स मॉडलों, जैसे Llama 3.1 405B, की फ़ाइन-ट्यूनिंग के लिए आदर्श; इन मॉडलों को बहुत अधिक मेमोरी बैंडविड्थ चाहिए।
  • ज्यूपिटर नेटवर्किंग: “नेटवर्क बॉटलनेक” को रोकने के लिए, गूगल अपने ज्यूपिटर डेटा सेंटर नेटवर्क फैब्रिक का उपयोग करता है। यह सुनिश्चित करता है कि जीपीयू के बीच डेटा बिजली की गति से चलता है, आरडीएमए (रिमोट डायरेक्ट मेमोरी एक्सेस) का समर्थन करता है ताकि सीपीयू ओवरहेड को बायपास किया जा सके और वितरित नोड्स में लगभग स्थानीय प्रदर्शन प्रदान किया जा सके।

डायनामिक ऑर्केस्ट्रेशन

वर्टेक्स एआई में सबसे महत्वपूर्ण तकनीकी बदलाव डायनामिक ऑर्केस्ट्रेशन है। एक पारंपरिक वातावरण में, यदि एक जीपीयू नोड 3-सप्ताह के प्रशिक्षण रन के दौरान विफल हो जाता है, तो पूरा प्रशिक्षण कार्य विफल हो सकता है।

  • स्वचालित पुनर्बहाली: वर्टेक्स एआई, जो अक्सर गूगल कुबेरनेट्स इंजन (जीकेई) द्वारा संचालित होता है, में “स्व-चिकित्सा” नोड्स हैं। यदि हार्डवेयर दोष का पता चलता है, तो प्लेटफ़ॉर्म स्वचालित रूप से कार्यभार को एक स्वस्थ नोड में माइग्रेट कर देता है।
  • डायनामिक वर्कलोड शेड्यूलर: यह टूल टीमों को तात्कालिकता के आधार पर कंप्यूट क्षमता माँगने देता है। वे Flex Start चुन सकती हैं, जो सस्ता है और क्षमता उपलब्ध होने पर शुरू होता है, या महत्वपूर्ण रिलीज़ के लिए गारंटीकृत क्षमता चुन सकती हैं।
  • सर्वरलेस प्रशिक्षण: जो टीमें इन्फ्रास्ट्रक्चर का प्रबंधन नहीं करना चाहतीं, वे वर्टेक्स एआई सर्वरलेस प्रशिक्षण में अपना कोड और डेटा भेज सकती हैं। प्लेटफ़ॉर्म क्लस्टर उपलब्ध कराता है, कार्य चलाता है और फिर क्लस्टर को समाप्त करता है; शुल्क केवल इस्तेमाल किए गए कंप्यूट सेकंड का लगता है।

तीन प्रवेश बिंदु: खोज, प्रयोग और स्वचालन

डेटा वैज्ञानिकों से लेकर एप्लिकेशन डेवलपर्स तक विभिन्न तकनीकी व्यक्तियों को समायोजित करने के लिए, वर्टेक्स एआई तीन प्राथमिक प्रवेश बिंदु प्रदान करता है:

मॉडल गार्डन: खोज के लिए बाज़ार

Google Cloud का Vertex AI Model Garden एक केंद्रीकृत प्लेटफ़ॉर्म है जहाँ Google के अपने, ओपन-सोर्स और तृतीय-पक्ष AI मॉडल खोजे, परखे, अनुकूलित और तैनात किए जा सकते हैं। इनमें अलग-अलग व्यावसायिक जरूरतों के लिए दृष्टि, पाठ और कोड वाले मल्टीमोडल मॉडल शामिल हैं। यह Vertex AI टूल के साथ सहज एकीकरण देकर MLOps को सरल बनाता है। यह व्यापक लाइब्रेरी डेवलपर्स और व्यवसायों को अपने कार्य के लिए बड़े फ़ाउंडेशन मॉडल से लेकर विशेष मॉडल तक चुनने में मदद करती है—चाहे कार्य पाठ निर्माण, छवि विश्लेषण या कोड पूर्ण करना हो—और उन्हें अपने Google Cloud वातावरण में कुशलता से तैनात करने देती है।

मॉडल गार्डन अपने 200+ मॉडल को तीन विशिष्ट स्तरों में वर्गीकृत करता है, जिससे वास्तुकार प्रदर्शन, लागत और नियंत्रण के बीच संतुलन बना सकते हैं:

  1. पहली पार्टी (गूगल) मॉडल: ये Vertex AI के प्रमुख मल्टीमोडल मॉडल हैं। Google इन्हें जटिल तर्क वाले Pro से लेकर कम विलंबता और अधिक मात्रा वाले उपयोग के लिए Flash तक अलग-अलग आकारों में देता है, ताकि डेवलपर्स अपने उपयोग के अनुसार मॉडल अनुकूलित कर सकें। 
  2. तृतीय-पक्ष (प्रोप्राइटरी) मॉडल: रणनीतिक साझेदारी के माध्यम से, वर्टेक्स एआई “मॉडल-एज-ए-सर्विस” (एमएएएस) पहुंच प्रदान करता है जैसे कि एंथ्रोपिक (क्लॉड 3.5) और मिस्ट्रल एआई। इसका मतलब है कि एक तकनीकी टीम को पांच अलग-अलग एआई प्रदाताओं के लिए अलग-अलग बिलिंग और सुरक्षा क्रेडेंशियल्स का प्रबंधन करने की आवश्यकता नहीं है; वे अपने मौजूदा गूगल क्लाउड प्रोजेक्ट के माध्यम से उन सभी तक पहुंच सकते हैं, एक एकीकृत एपीआई प्रारूप का उपयोग करते हुए।
  3. ओपन-सोर्स और ओपन-वेट मॉडल: इस स्तर में मेटा का Llama 3.2, मिस्ट्रल, और गूगल का अपना गेमा शामिल हैं। ये उन संगठनों के लिए आदर्श हैं जो अपने स्वयं के वीपीसी (वर्चुअल प्राइवेट क्लाउड) के भीतर मॉडल तैनात करना चाहते हैं ताकि अधिकतम डेटा अलगाव सुनिश्चित किया जा सके।

एक गैर-एकीकृत वातावरण में, एक ओपन-सोर्स मॉडल जैसे Llama को तैनात करने के लिए, PyTorch वातावरण सेट करना, सीउडीए ड्राइवरों को कॉन्फ़िगर करना और एक फ्लास्क या फास्टएपीआई रैपर प्रबंधित करना आवश्यक है।

मॉडल गार्डन एकीकृत प्रबंधित एंडपॉइंट्स के माध्यम से डेटा और टूल की तैयारी का यह चरण समाप्त करता है:

  • एक-क्लिक तैनाती: कई मॉडलों के लिए, “तैनाती” पर क्लिक करने से स्वचालित रूप से आवश्यक टीपीयू/जीपीयू संसाधनों का प्रावधान होता है, मॉडल को एक उत्पादन-तैयार कंटेनर में लपेटा जाता है, और एक आरईएसटी एपीआई एंडपॉइंट प्रदान किया जाता है।
  • हगिंग फ़ेस इंटीग्रेशन: Vertex AI अब डेवलपर्स को Hugging Face Hub से सीधे Vertex एंडपॉइंट पर मॉडल तैनात करने देता है, जिससे उपलब्ध बुद्धिमत्ता का लगभग असीम विस्तार होता है।
  • प्राइवेट सर्विस कनेक्ट (पीएससी): उच्च विनियमित उद्योगों के लिए, मॉडल प्राइवेट सर्विस कनेक्ट का उपयोग करके तैनात किए जा सकते हैं, यह सुनिश्चित करते हुए कि मॉडल एंडपॉइंट कभी भी सार्वजनिक इंटरनेट के संपर्क में नहीं आता है—कॉर्पोरेट नेटवर्क के भीतर डेटा ट्रैफ़िक को सख्ती से रखता है।

वर्टेक्स एआई स्टूडियो: प्रयोग के लिए खेल का मैदान

जबकि मॉडल गार्डन चयन के बारे में है, वर्टेक्स एआई स्टूडियो का केंद्र है सटीकता। Vertex AI Studio की तुलना पारंपरिक सॉफ़्टवेयर के कंपाइलर और डीबगर से की जा सकती है। यह वह कार्यक्षेत्र है जहाँ प्रॉम्प्ट इंजीनियरिंग, मल्टीमोडल परीक्षण और उन्नत हाइपरपैरामीटर ट्यूनिंग के मेल से कच्चे मॉडलों को विशिष्ट व्यावसायिक टूल में ढाला जाता है। 

मल्टीमॉडल प्रोटोटाइपिंग: पाठ से परे

स्टूडियो की एक प्रमुख विशेषता इसका मल्टीमॉडलिटी के लिए मूल समर्थन है। जहाँ अन्य प्लेटफ़ॉर्म पर गैर-पाठ डेटा को संभालने के लिए जटिल कोडिंग चाहिए होती है, वर्टेक्स एआई स्टूडियो आपको इंटरफ़ेस में सीधे फ़ाइलें ड्रॉप करने की अनुमति देता है ताकि जेमिनी 2.5 की तर्क क्षमताओं का परीक्षण किया जा सके।

  • वीडियो इंटेलिजेंस: आप 45 मिनट का एक तकनीकी मुख्य भाषण अपलोड कर सकते हैं और मॉडल से कह सकते हैं “प्रत्येक बार जब एक विशिष्ट एपीआई का उल्लेख किया जाता है तो उसकी पहचान करें और एक टाइमस्टैम्प्ड सारांश प्रदान करें।”
  • दस्तावेज़ विश्लेषण: मॉडल केवल पाठ पढ़ने के बजाय 1,000 पृष्ठों के पीडीएफ के दृश्य लेआउट का विश्लेषण कर सकता है, चार्ट, तालिकाओं और आसपास के गद्य के बीच संबंधों को समझता है।
  • कोड निष्पादन: स्टूडियो अब प्लेग्राउंड में कोड निष्पादन का समर्थन करता है। यदि आप मॉडल से एक जटिल गणितीय समस्या का समाधान करने या एक सीएसवी का विश्लेषण करने के लिए कहते हैं, तो मॉडल एक सुरक्षित सैंडबॉक्स्ड वातावरण में पाइथन कोड लिख और निष्पादित कर सकता है ताकि एक सत्यापित उत्तर प्रदान किया जा सके।

उन्नत अनुकूलन: ट्यूनिंग पथ

जब प्रॉम्प्ट इंजीनियरिंग (ज़ीरो-शॉट या फ़्यू-शॉट) एक सीमा तक पहुंच जाती है, तो वर्टेक्स एआई स्टूडियो भारी मशीनरी प्रदान करता है: मॉडल ट्यूनिंग।

  1. पर्यवेक्षित फ़ाइन-ट्यूनिंग (एसएफटी): डेवलपर “प्रॉम्प्ट/प्रतिक्रिया” जोड़े (आदर्श रूप से 100+ उदाहरण) का एक डेटासेट प्रदान करते हैं। यह मॉडल को एक विशिष्ट ब्रांड वॉइस, आउटपुट प्रारूप (जैसे विशिष्ट JSON) या डोमेन-विशिष्ट जार्गन अपनाने के लिए सिखाता है।
  2. संदर्भ कैशिंग: बड़े स्थिर डेटासेट (जैसे कानूनी पुस्तकालय या कोडबेस) वाले उद्यमों के लिए, स्टूडियो संदर्भ कैशिंग की अनुमति देता है। यह आपको मॉडल की स्मृति में एक मिलियन टोकन डेटा “प्री-लोड” करने की अनुमति देता है, जिससे बाद के प्रश्नों के लिए विलंबता और लागत में काफी कमी आती है।
  3. आसवन (शिक्षक-छात्र): यह एक उच्च-स्तरीय वास्तुशिल्प चाल है। आप एक बड़े मॉडल (जेमिनी 2.5 प्रो) का उपयोग एक छोटे, तेज़ मॉडल (जेमिनी 2.0 फ्लैश) को “सिखाने” के लिए कर सकते हैं। परिणाम एक हल्का मॉडल है जो “प्रो” स्तर पर प्रदर्शन करता है लेकिन “फ्लैश” गति और लागत पर चलता है।

वर्टेक्स एआई एजेंट बिल्डर: स्वचालन के लिए फ़ैक्टरी

वर्टेक्स एआई एजेंट बिल्डर एक उच्च-स्तरीय ऑर्केस्ट्रेशन फ़्रेमवर्क है जो डेवलपर्स को फ़ाउंडेशन मॉडल को उद्यम डेटा और बाहरी एपीआई के साथ जोड़कर इन एजेंटों को बनाने की अनुमति देता है।

“सत्य” की वास्तुकला: ग्राउंडिंग और आरएजी

उद्यम एआई के लिए प्राथमिक तकनीकी बाधा हॉल्यूसिनेशन है। एजेंट बिल्डर एक जटिल ग्राउंडिंग इंजन के माध्यम से इसका समाधान करता है।

  • गूगल सर्च के साथ ग्राउंडिंग: वास्तविक समय के विश्व ज्ञान (जैसे “न्यूयॉर्क में वर्तमान बंधक दर क्या हैं?”) की आवश्यकता वाले प्रश्नों के लिए, एजेंट गूगल सर्च कर सकता है, तथ्य निकाल सकता है और अपने स्रोतों का हवाला दे सकता है।
  • वर्टेक्स एआई सर्च (आरएजी-एज-ए-सर्विस): Pinecone या Weaviate जैसे वेक्टर डेटाबेस को स्वयं बनाने के बजाय डेवलपर्स वर्टेक्स एआई सर्च का उपयोग कर सकते हैं ताकि वे अपने स्वयं के दस्तावेजों (पीडीएफ, एचटीएमएल, बिगक्यूरी) को सूचीबद्ध कर सकें। यह स्वचालित रूप से “चंकिंग,” “एम्बेडिंग,” और “पुनर्प्राप्ति” चरणों को संभालता है, यह सुनिश्चित करता है कि एजेंट केवल अपने आंतरिक “स्रोत सत्य” के आधार पर उत्तर देता है।
  • वर्टेक्स एआई आरएजी इंजन: बड़े पैमाने के कस्टम कार्यान्वयन के लिए यह प्रबंधित सेवा हाइब्रिड खोज देती है, जिसमें वेक्टर-आधारित और कीवर्ड-आधारित परिणाम जोड़े जाते हैं। इससे मानक LLM आउटपुट की तुलना में सटीकता में अधिकतम 30% की वृद्धि हो सकती है।

मल्टी-एजेंट ऑर्केस्ट्रेशन (ए2ए प्रोटोकॉल)

उन्नत उद्यम कार्यप्रवाहों में अक्सर कई विशिष्ट एजेंटों को मिलकर काम करना पड़ता है। Vertex AI एजेंट-टू-एजेंट (ए2ए) प्रोटोकॉल पेश करता है, एक खुला मानक जो अनुमति देता है:

  • “यात्रा एजेंट” को वित्त एजेंट से बात करने देता है ताकि उड़ान की बुकिंग कॉर्पोरेट बजट के भीतर रहे।
  • अंतर-संचालनीयता: चूंकि यह एक खुले प्रोटोकॉल का उपयोग करता है, वर्टेक्स एआई पर बनाए गए एजेंट लैंगचेन या क्रूएआई जैसे अन्य फ्रेमवर्क पर बनाए गए एजेंटों के साथ संवाद कर सकते हैं।

डेवलपर स्टैक: एडीके और एजेंट इंजन

“तकनीकी प्लेटफ़ॉर्म” दर्शकों के लिए, एजेंट बिल्डर दो विशिष्ट पथ प्रदान करता है:

  1. नो-कोड कंसोल: त्वरित प्रोटोटाइप और व्यवसाय-उपयोगकर्ता कॉन्फ़िगरेशन के लिए एक दृश्य ड्रैग-एंड-ड्रॉप इंटरफ़ेस।
  2. एजेंट डेवलपमेंट किट (एडीके): एक कोड-फ़र्स्ट पाइथन टूलकिट इंजीनियरों के लिए। यह “प्रॉम्प्ट-एज-कोड” की अनुमति देता है, संस्करण नियंत्रण एकीकरण, और वर्टेक्स एआई एजेंट इंजन में तैनाती की अनुमति देता है—एक प्रबंधित रनटाइम जो सत्र निरंतरता, स्केलिंग और स्थिति प्रबंधन को स्वचालित रूप से संभालता है।

निष्कर्ष: “क्या होगा” से “क्या आगे है” तक

एक आकर्षक एआई डेमो से एक उत्पादन-ग्रेड उद्यम अनुप्रयोग में संक्रमण डिजिटल परिवर्तन परियोजनाओं के लिए लंबे समय से “मृत्यु की घाटी” रहा है। जैसा कि हमने अन्वेषण किया है, वर्टेक्स एआई विशेष रूप से इस अंतर को पाटने के लिए डिज़ाइन किया गया है। डेटा, इन्फ्रास्ट्रक्चर और मॉडल ऑर्केस्ट्रेशन के खंडित सिलोस को एकीकृत करके, गूगल क्लाउड ने बड़े भाषा मॉडल की कच्ची शक्ति से बातचीत को दूर किया है और एआई जीवन चक्र की परिचालन परिपक्वता की ओर ले जाया है।

Kunal Kejriwal
medium

कुणाल केजरीवाल एक बैकएंड इंजीनियर हैं जो Python, PostgreSQL, Redis और GCP व AWS पर क्लाउड इन्फ्रास्ट्रक्चर में विशेषज्ञता रखते हैं। उन्हें वास्तविक उपयोग में चलने वाली प्रणालियों को बनाने और उनका विस्तार करने का तीन वर्षों का अनुभव है। वे एआई इन्फ्रास्ट्रक्चर, वितरित प्रणालियों और मशीन लर्निंग वर्कलोड को डिप्लॉय करने की आर्किटेक्चर के बारे में लिखते हैं।