ചാറ്റ്ജിപിടിയും ഗൂഗിൾ ജെമിനിയും പിന്നിൽ, ഇതാ എഐ മേഖലയിലെ ഇന്ത്യൻ വിപ്ലവം, നമ്മുടെ സ്വന്തം സർവ്വം എഐ

ആർട്ടിഫിഷ്യൽ ഇന്‍റലിജൻസ് അഥവാ എഐ മേഖലയിൽ അമേരിക്കയും ചൈനയുമായുമാണ് രാജാക്കന്മാർ. ഗൂഗിൾ, ഓപ്പൺഎഐ, മൈക്രോസോഫ്റ്റ് തുടങ്ങിയ ഭീമന്മാർ എഐ മേഖലയിൽ ആധിപത്യം നേടിയിട്ടുണ്ട്. എന്നാൽ ആർട്ടിഫിഷ്യൽ ഇന്‍റലിജൻസ് മേഖലയിൽ ഇന്ത്യയുടെ സ്ഥാനം എവിടെയാണെന്ന് നിങ്ങൾ ആലോചിച്ചു നോക്കിയിട്ടുണ്ട്. നമ്മുടെ രാജ്യത്തും കഴിവുകളുള്ള നിരവധി ആളുകളുണ്ട്. പക്ഷെ കോർ എഐ വികസനത്തിൽ നമ്മൾ പിന്നിലാണ്. എന്നാൽ ഇപ്പോൾ, ആ ധാരണയെ പൂർണ്ണമായും മാറ്റിമറിച്ചുകൊണ്ട് ബെംഗളൂരു ആസ്ഥാനമായുള്ള സർവം എഐ എന്ന സ്റ്റാർട്ടപ്പ് ആഗോള ടെക് സമൂഹത്തിന്‍റെ ശ്രദ്ധ പിടിച്ചുപറ്റുകയാണ്.

സർവം എഐ പുതിയ മോഡലുകളായ 'സർവം വിഷൻ' (Sarvam Vision), 'ബുൾബുൾ വി3' (Bulbul V3) എന്നിവയാണ് രാജ്യത്തിന്‍റെ പുതിയ പ്രതീക്ഷകളാകുന്നത്. ഒപ്റ്റിക്കൽ ക്യാരക്ടർ റെക്കഗ്നിഷൻ (OCR) അഥവാ ചിത്രങ്ങളിലെ അക്ഷരങ്ങൾ തിരിച്ചറിയുന്ന സാങ്കേതികവിദ്യയിലാണ് സർവം എഐ ലോകോത്തര മോഡലുകളെ പിന്നിലാക്കിയത്. പ്രമുഖ ബെഞ്ച്മാർക്ക് ടെസ്റ്റുകളിൽ ഗൂഗിളിന്റെ ജെമിനി 3 പ്രോ (Gemini 3 Pro), ചൈനീസ് മോഡലായ ഡീപ്‌സീക്ക് (DeepSeek) എന്നിവയേക്കാൾ ഉയർന്ന കൃത്യത സർവം വിഷൻ കാഴ്ചവെച്ചു.

ഒപ്റ്റിക്കൽ ക്യാരക്ടർ റെക്കഗ്നിഷൻ -ബെഞ്ച് ടെസ്റ്റിൽ സർവം വിഷൻ 84.3% കൃത്യത കൈവരിച്ചു. ഇത് ഗൂഗിൾ ജെമിനി 3 പ്രോ, ഡീപ്സീക്ക് ഒസിആർ v2 എന്നിവയേക്കാൾ വളരെ കൂടുതലാണ്. ഇതേ ടെസ്റ്റിൽ ചാറ്റ്ജിപിടി വളരെ താഴ്ന്ന റാങ്കിലാണ് എത്തിയതെന്ന് സർവം എഐയുടെ സഹസ്ഥാപകനായ പ്രത്യുഷ് കുമാർ വ്യക്തമാക്കി.

കൂടാതെ, AI സിസ്‌റ്റങ്ങൾ യഥാർത്ഥ ലോക ഡോക്യുമെന്റുകൾ എങ്ങനെ വായിക്കുകയും മനസിലാക്കുകയും ചെയ്യുന്നു എന്ന് പരിശോധിക്കുന്ന ഒരു മാനദണ്ഡത്തിലും സർവം വിഷൻ മികച്ച സ്കോർ നേടി. ഇത് മൊത്തത്തിൽ 93.28 ശതമാനം സ്കോർ ചെയ്‌തു. പ്രത്യേകിച്ച് സങ്കീർണ്ണമായ ലേഔട്ടുകൾ, സാങ്കേതിക പട്ടികകൾ, ഗണിതശാസ്ത്ര ഫോർമുലകൾ എന്നിവയിൽ.

വിമർശനത്തിൽ നിന്ന് പ്രശംസയിലേക്ക്

മുൻകാലങ്ങളിൽ ഇന്ത്യൻ ഭാഷകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചതിന് ചിലർ സർവം എഐയെ വിമർശിച്ചിരുന്നു. എന്നാൽ ഏറ്റവും പുതിയ ഫലങ്ങളോടെ, ആ വിമർശനങ്ങളെല്ലാം നിശബ്ദമാക്കപ്പെട്ടു. ഞാൻ അത് തെറ്റായി വിലയിരുത്തി. അവരുടെ ഇൻഡിക് മോഡലുകൾ ഇപ്പോൾ ശരിക്കും വിലപ്പെട്ടതായി മാറിയിരിക്കുന്നു- എന്നാണ് പ്രമുഖ ടെക് അനലിസ്റ്റ് ഡിഡി ദാസ് പറഞ്ഞത്. കുറഞ്ഞ വിലയ്ക്ക് മികച്ച ടെക്സ്റ്റ്-ടു-സ്പീച്ച്, സ്പീച്ച്-ടു-ടെക്സ്റ്റ്, ഒസിആർ സേവനങ്ങൾ അവർ നൽകുന്നുവെന്ന് അദ്ദേഹം പറഞ്ഞു.

'ബുൾബുൾ' ഇന്ത്യൻ ഭാഷകൾക്ക് ഒരു പുതിയ ആശ്വാസം

സർവം AI പുറത്തിറക്കിയ മറ്റൊരു പ്രധാന ടൂൾ ബുൾബുൾ v3 ആണ്. ടെക്സ്റ്റിനെ സ്വാഭാവിക ശബ്ദമാക്കി മാറ്റുന്ന ഒരു ആധുനിക ടെക്സ്റ്റ്-ടു-സ്പീച്ച് മോഡലാണിത്. ഈ മേഖലയിൽ അറിയപ്പെടുന്ന ഇലവൻ ലാബ്സ് പോലുള്ള കമ്പനികൾക്ക് ശക്തമായ ഒരു എതിരാളിയാണ് ബുൾബുൾ. 22 ഔദ്യോഗിക ഇന്ത്യൻ ഭാഷകളെ പിന്തുണയ്ക്കുന്ന ഈ ടെക്സ്റ്റ്-ടു-സ്പീച്ച് മോഡലിൽ 35 വ്യത്യസ്ത ശബ്ദങ്ങൾ ലഭ്യമാണ്. 1800-കൾ മുതലുള്ള രേഖകളും വിവിധ തരം സ്കാനുകളും കൃത്യമായി വിശകലനം ചെയ്യാൻ ഇതിന് സവിശേഷമായ കഴിവുണ്ട്. എന്തായാലും സർവം AI യുടെ മുന്നേറ്റം ഒരു കാര്യം വ്യക്തമാക്കുന്നു. ഇന്ത്യ ഇപ്പോൾ വെറുമൊരു AI ഉപഭോക്താവ് മാത്രമല്ല... AI സ്രഷ്ടാവ് എന്ന നിലയിലും നമ്മുടെ രാജ്യം ലോകത്തെ അത്ഭുതപ്പെടുത്തുകയാണ്.