Google Gimini 2.5 ફ્લેશમાં AI રિઝનિંગ કંટ્રોલ રજૂ કર્યું..

“Google Gemini 2.5 ફ્લેશમાં AI Reasoning Control સાથે રજૂ થયું છે, જે વધુ ઝડપી અને સ્માર્ટ આઉટપુટ માટે નવીન ટેક્નોલોજી આપે છે. જાણો તેની ખાસિયતો અને ઉપયોગિતા.”

Google Gemini 2.5 ફ્લેશ મોડેલ માટે AI રિઝનિંગ કંટ્રોલ મિકેનિઝમ રજૂ કર્યું છે જે ડેવલપર્સને સમસ્યાનું નિરાકરણ કરવા માટે સિસ્ટમ કેટલી પ્રોસેસિંગ પાવર ખર્ચે છે તે મર્યાદિત કરવાની મંજૂરી આપે છે.

17 એપ્રિલના રોજ રિલીઝ થયેલ, આ “થિંકિંગ બજેટ” સુવિધા વધતી જતી ઉદ્યોગ પડકારનો જવાબ આપે છે: અદ્યતન AI મોડેલો વારંવાર સીધી પ્રશ્નોનું વધુ પડતું વિશ્લેષણ કરે છે, બિનજરૂરી કોમ્પ્યુટેશનલ સંસાધનોનો ઉપયોગ કરે છે અને ઓપરેશનલ અને પર્યાવરણીય ખર્ચમાં વધારો કરે છે.

આ વિકાસ ક્રાંતિકારી ન હોવા છતાં, વાણિજ્યિક AI સોફ્ટવેરમાં તર્ક ક્ષમતાઓ પ્રમાણભૂત બનતાં ઉભરી આવેલી કાર્યક્ષમતાની ચિંતાઓને સંબોધવા તરફ એક વ્યવહારુ પગલું રજૂ કરે છે.

નવી પદ્ધતિ પ્રતિભાવો ઉત્પન્ન કરતા પહેલા સંસાધનોનું ચોક્કસ માપાંકન સક્ષમ કરે છે, જે સંભવિત રીતે સંસ્થાઓ AI જમાવટના નાણાકીય અને પર્યાવરણીય પ્રભાવોને કેવી રીતે મેળ ખાય છે તે બદલી નાખે છે.

“મોડેલ વધુ પડતું વિચારે છે,” જેમિની ખાતે પ્રોડક્ટ મેનેજમેન્ટના ડિરેક્ટર તુલસી દોશી સ્વીકારે છે. “સરળ સંકેતો માટે, મોડેલ તેની જરૂરિયાત કરતાં વધુ વિચારે છે.”

આ પ્રવેશ અદ્યતન તર્ક મોડેલોનો સામનો કરી રહેલા પડકારને છતી કરે છે – અખરોટને તોડવા માટે ઔદ્યોગિક મશીનરીનો ઉપયોગ કરવા સમાન.

તર્ક ક્ષમતાઓ તરફના પરિવર્તને અણધાર્યા પરિણામો પેદા કર્યા છે. જ્યાં પરંપરાગત મોટા ભાષા મોડેલો મુખ્યત્વે તાલીમ ડેટામાંથી પેટર્ન સાથે મેળ ખાય છે, ત્યાં નવા પુનરાવર્તનો તબક્કાવાર તાર્કિક રીતે સમસ્યાઓમાંથી કામ કરવાનો પ્રયાસ કરે છે. જ્યારે આ અભિગમ જટિલ કાર્યો માટે વધુ સારા પરિણામો આપે છે, તે સરળ પ્રશ્નોને હેન્ડલ કરતી વખતે નોંધપાત્ર બિનકાર્યક્ષમતા રજૂ કરે છે.

ખર્ચ અને કામગીરીનું સંતુલન

અનિયંત્રિત AI તર્કના નાણાકીય પરિણામો નોંધપાત્ર છે. Google ના ટેકનિકલ દસ્તાવેજો અનુસાર, જ્યારે સંપૂર્ણ તર્ક સક્રિય થાય છે, ત્યારે આઉટપુટ ઉત્પન્ન કરવું પ્રમાણભૂત પ્રક્રિયા કરતા લગભગ છ ગણું વધુ ખર્ચાળ બની જાય છે. ખર્ચ ગુણક ફાઇન-ટ્યુન નિયંત્રણ માટે એક શક્તિશાળી પ્રોત્સાહન બનાવે છે.

હગિંગ ફેસના એન્જિનિયર નાથન હબીબ, જે તર્ક મોડેલોનો અભ્યાસ કરે છે, તે આ સમસ્યાને સમગ્ર ઉદ્યોગમાં સ્થાનિક તરીકે વર્ણવે છે. “સ્માર્ટ AI બતાવવાની ઉતાવળમાં, કંપનીઓ હથોડા જેવા તર્ક મોડેલો સુધી પહોંચી રહી છે જ્યાં કોઈ ખીલી દેખાતી નથી,” તેમણે MIT ટેકનોલોજી રિવ્યૂને સમજાવ્યું.

કચરો ફક્ત સૈદ્ધાંતિક નથી. હબીબે દર્શાવ્યું કે કેવી રીતે એક અગ્રણી તર્ક મોડેલ, કાર્બનિક રસાયણશાસ્ત્ર સમસ્યાને હલ કરવાનો પ્રયાસ કરતી વખતે, પુનરાવર્તિત લૂપમાં ફસાઈ ગયું, “રાહ જુઓ, પરંતુ…” સેંકડો વખત પુનરાવર્તન કર્યું – મૂળભૂત રીતે ગણતરીત્મક ભંગાણનો અનુભવ કર્યો અને પ્રોસેસિંગ સંસાધનોનો ઉપયોગ કર્યો.

ડીપમાઇન્ડ ખાતે જેમિની મોડેલ્સનું મૂલ્યાંકન કરતી કેટ ઓલ્સઝેવસ્કાએ પુષ્ટિ આપી કે Google ની સિસ્ટમો ક્યારેક સમાન સમસ્યાઓનો અનુભવ કરે છે, પ્રતિભાવ ગુણવત્તામાં સુધારો કર્યા વિના કમ્પ્યુટિંગ શક્તિને ડ્રેઇન કરે છે તેવા લૂપમાં અટવાઈ જાય છે.

દાણાદાર નિયંત્રણ પદ્ધતિ

Google Gemini 2.5 એઆઈ રિઝનિંગ કંટ્રોલ ડેવલપર્સને ચોક્કસ ચોકસાઈ પ્રદાન કરે છે. આ સિસ્ટમ શૂન્ય (મિનિમલ રિઝનિંગ) થી લઈને 24,576 ટોકન્સ “થિંકિંગ બજેટ” સુધીનો લવચીક સ્પેક્ટ્રમ પ્રદાન કરે છે – જે મોડેલની આંતરિક પ્રક્રિયાનું પ્રતિનિધિત્વ કરે છે. દાણાદાર અભિગમ ચોક્કસ ઉપયોગના કિસ્સાઓના આધારે કસ્ટમાઇઝ્ડ ડિપ્લોયમેન્ટ માટે પરવાનગી આપે છે.

ડીપમાઇન્ડના મુખ્ય સંશોધન વૈજ્ઞાનિક જેક રે કહે છે કે શ્રેષ્ઠ રિઝનિંગ સ્તરોને વ્યાખ્યાયિત કરવું પડકારજનક રહે છે: “વિચાર માટે હાલમાં કયું સંપૂર્ણ કાર્ય છે તેની સીમા દોરવી ખરેખર મુશ્કેલ છે.”

વિકાસ ફિલસૂફીમાં ફેરફાર

એઆઈ રિઝનિંગ કંટ્રોલનો પરિચય કૃત્રિમ બુદ્ધિ કેવી રીતે વિકસિત થાય છે તેમાં ફેરફારનો સંકેત આપે છે. 2019 થી, કંપનીઓએ વધુ પરિમાણો અને તાલીમ ડેટા સાથે મોટા મોડેલો બનાવીને સુધારાઓ કર્યા છે. Google Gemini 2.5 અભિગમ સ્કેલને બદલે કાર્યક્ષમતા પર ધ્યાન કેન્દ્રિત કરતો વૈકલ્પિક માર્ગ સૂચવે છે.

હબીબ કહે છે, “સ્કેલિંગ કાયદાઓ બદલવામાં આવી રહ્યા છે,” જે દર્શાવે છે કે ભવિષ્યમાં પ્રગતિ મોડેલ કદને સતત વિસ્તૃત કરવાને બદલે તર્ક પ્રક્રિયાઓને ઑપ્ટિમાઇઝ કરવાથી ઉભરી શકે છે.

પર્યાવરણીય અસરો પણ એટલી જ મહત્વપૂર્ણ છે. જેમ જેમ તર્ક મોડેલોનો ફેલાવો થાય છે, તેમ તેમ તેમનો ઉર્જા વપરાશ પ્રમાણસર વધે છે. સંશોધન સૂચવે છે કે અનુમાન – AI પ્રતિભાવો ઉત્પન્ન કરવા – હવે પ્રારંભિક તાલીમ પ્રક્રિયા કરતાં ટેકનોલોજીના કાર્બન ફૂટપ્રિન્ટમાં વધુ ફાળો આપે છે. Google નું તર્ક નિયંત્રણ પદ્ધતિ આ સંબંધિત વલણ માટે સંભવિત ઘટાડા પરિબળ પ્રદાન કરે છે.

સ્પર્ધાત્મક ગતિશીલતા

Google Gemini 2.5 એકલા કામ કરી રહ્યું નથી. આ વર્ષની શરૂઆતમાં ઉભરી આવેલા “ઓપન વેઇટ” ડીપસીક આર1 મોડેલે સંભવિત રીતે ઓછા ખર્ચે શક્તિશાળી તર્ક ક્ષમતાઓ દર્શાવી હતી, જેના કારણે બજારની અસ્થિરતા વધી હતી જેના કારણે લગભગ એક ટ્રિલિયન ડોલરના શેરબજારમાં વધઘટ થઈ હતી.

Google માલિકીના અભિગમથી વિપરીત, ડીપસીક તેની આંતરિક સેટિંગ્સને ડેવલપર્સ માટે સ્થાનિક રીતે અમલમાં મૂકવા માટે જાહેરમાં ઉપલબ્ધ કરાવે છે.

સ્પર્ધા હોવા છતાં, Google ડીપમાઇન્ડના ચીફ ટેકનિકલ ઓફિસર કોરે કાવુક્કુઓગ્લુ કહે છે કે માલિકીના મોડેલો વિશિષ્ટ ડોમેન્સમાં ફાયદા જાળવી રાખશે જેમાં અસાધારણ ચોકસાઇની જરૂર હોય છે: “કોડિંગ, ગણિત અને નાણાકીય બાબતો એવા કિસ્સાઓ છે જ્યાં મોડેલ પાસેથી ખૂબ જ સચોટ, ખૂબ જ ચોક્કસ અને ખરેખર જટિલ પરિસ્થિતિઓને સમજવામાં સક્ષમ હોવાની અપેક્ષા રાખવામાં આવે છે.”

ઉદ્યોગ પરિપક્વતાના સંકેતો

AI તર્ક નિયંત્રણનો વિકાસ એક એવા ઉદ્યોગને પ્રતિબિંબિત કરે છે જે હવે તકનીકી માપદંડોથી આગળ વ્યવહારિક મર્યાદાઓનો સામનો કરી રહ્યો છે. જ્યારે કંપનીઓ તર્ક ક્ષમતાઓને આગળ ધપાવવાનું ચાલુ રાખે છે, ત્યારે Google નો અભિગમ એક મહત્વપૂર્ણ વાસ્તવિકતાને સ્વીકારે છે: કાર્યક્ષમતા વાણિજ્યિક એપ્લિકેશનોમાં કાચા પ્રદર્શન જેટલી જ મહત્વપૂર્ણ છે.

આ સુવિધા તકનીકી પ્રગતિ અને ટકાઉપણું ચિંતાઓ વચ્ચેના તણાવને પણ પ્રકાશિત કરે છે. તર્ક મોડેલ પ્રદર્શનને ટ્રેક કરતા લીડરબોર્ડ્સ દર્શાવે છે કે એકલ કાર્યો પૂર્ણ કરવા માટે $200 થી વધુ ખર્ચ થઈ શકે છે – ઉત્પાદન વાતાવરણમાં આવી ક્ષમતાઓને માપવા વિશે પ્રશ્નો ઉભા કરે છે.

વિકાસકર્તાઓને વાસ્તવિક જરૂરિયાતના આધારે તર્કને ઉપર અથવા નીચે ડાયલ કરવાની મંજૂરી આપીને, Google AI જમાવટના નાણાકીય અને પર્યાવરણીય બંને પાસાઓને સંબોધિત કરે છે.

“તર્ક એ મુખ્ય ક્ષમતા છે જે બુદ્ધિનું નિર્માણ કરે છે,” કાવુક્કુઓગ્લુ જણાવે છે. “જે ક્ષણે મોડેલ વિચારવાનું શરૂ કરે છે, મોડેલની એજન્સી શરૂ થઈ ગઈ છે.” નિવેદન તર્ક મોડેલોના વચન અને પડકાર બંનેને છતી કરે છે – તેમની સ્વાયત્તતા તકો અને સંસાધન વ્યવસ્થાપન પડકારો બંને બનાવે છે.

AI સોલ્યુશન્સ જમાવટ કરતી સંસ્થાઓ માટે, તર્ક બજેટને ફાઇન-ટ્યુન કરવાની ક્ષમતા ઓપરેશનલ શિસ્ત જાળવી રાખીને અદ્યતન ક્ષમતાઓની ઍક્સેસને લોકશાહી બનાવી શકે છે.

Google દાવો છે કે જેમિની 2.5 ફ્લેશ “કિંમત અને કદના થોડા અંશ માટે અન્ય અગ્રણી મોડેલોને તુલનાત્મક મેટ્રિક્સ” પહોંચાડે છે – ચોક્કસ એપ્લિકેશનો માટે તર્ક સંસાધનોને ઑપ્ટિમાઇઝ કરવાની ક્ષમતા દ્વારા મજબૂત મૂલ્ય પ્રસ્તાવ.

વ્યવહારુ અસરો

AI રિઝનિંગ કંટ્રોલ ફીચરમાં તાત્કાલિક વ્યવહારુ એપ્લિકેશનો છે. કોમર્શિયલ એપ્લિકેશનો બનાવતા ડેવલપર્સ હવે પ્રોસેસિંગ ડેપ્થ અને ઓપરેશનલ ખર્ચ વચ્ચે જાણકાર ટ્રેડ-ઓફ કરી શકે છે.

મૂળભૂત ગ્રાહક પ્રશ્નો જેવા સરળ એપ્લિકેશનો માટે, ન્યૂનતમ રિઝનિંગ સેટિંગ્સ મોડેલની ક્ષમતાઓનો ઉપયોગ કરતી વખતે સંસાધનોને સાચવે છે. ઊંડા સમજણની જરૂર હોય તેવા જટિલ વિશ્લેષણ માટે, સંપૂર્ણ રિઝનિંગ ક્ષમતા ઉપલબ્ધ રહે છે.

Google Gemini 2.5 નું રિઝનિંગ ‘ડાયલ’ પ્રદર્શન ધોરણો જાળવી રાખીને ખર્ચ નિશ્ચિતતા સ્થાપિત કરવા માટે એક પદ્ધતિ પ્રદાન કરે છે.

ઉદ્યોગના અગ્રણીઓ પાસેથી AI અને મોટા ડેટા વિશે વધુ જાણવા માંગો છો? એમ્સ્ટરડેમ, કેલિફોર્નિયા અને લંડનમાં ચાલી રહેલા AI અને મોટા ડેટા એક્સ્પો તપાસો. આ વ્યાપક ઇવેન્ટ ઇન્ટેલિજન્ટ ઓટોમેશન કોન્ફરન્સ, બ્લોકએક્સ, ડિજિટલ ટ્રાન્સફોર્મેશન વીક અને સાયબર સિક્યુરિટી અને ક્લાઉડ એક્સ્પો સહિત અન્ય અગ્રણી ઇવેન્ટ્સ સાથે સહ-સ્થિત છે.

ટેકફોર્જ દ્વારા સંચાલિત અન્ય આગામી એન્ટરપ્રાઇઝ ટેકનોલોજી ઇવેન્ટ્સ અને વેબિનાર્સનું અહીં અન્વેષણ કરો.