உக்ரைனின் முழு சட்ட அமைப்பிலும் ஒரு பிரம்மாண்டமான AI மாதிரியைப் பயிற்றுவித்தல் — என்ன நடக்கும் என்பது இங்கே

ஜூலை 3, 2026 அன்று DEV Community இல் வந்த ஒரு சிந்தனைப் பரிசோதனை இது: ஒவ்வொரு உக்ரைனிய நீதிமன்றத் தீர்ப்பு, ஒவ்வொரு சட்டம், ஒவ்வொரு சட்டப் பதிவு ஆகியவற்றையும் எடுத்து, அவை அனைத்தையும் Google Cloud இல் இயங்கும் ஒரு மாபெரும் AI மாதிரிப் பயிற்சிக்கு அளித்தால் என்ன நடக்கும்? உங்களுக்கு உண்மையில் என்ன கிடைக்கும்?

இது முற்றிலும் தத்துவார்த்தமானது அல்ல. ஒரு சட்ட தொழில்நுட்பக் குழுவிடம் ஏற்கனவே தரவு உள்ளது - சுமார் 2 டெராபைட் உக்ரைனிய சட்டம் இப்போது அவர்களின் தயாரிப்பு அமைப்புகளில் உள்ளது. பயிற்சி எப்படி இருக்கும், செலவு மற்றும் இதன் விளைவாக கிடைக்கும் மாதிரி எந்த வகையான சட்டப் பகுத்தறிவை உருவாக்கும் என்பதற்கான விரிவான முறிவை அவர்கள் வெளியிட்டனர்.

தரவுத்தொகுப்பு: 2 டெராபைட் உண்மையான சட்ட உரை

தொடக்கப் புள்ளி உண்மையானது. SecondLayer என்ற சட்ட தரவுத்தளத்தை நடத்தும் குழு, இவற்றை சேகரித்துள்ளது:

• 96.2 மில்லியன் முழு உரை உக்ரைனிய நீதிமன்றத் தீர்ப்புகள். அவர்கள் அணுகக்கூடிய ஒவ்வொரு சிவில், குற்றவியல், வணிக மற்றும் நிர்வாகத் தீர்ப்பும். அது முடிவுகளுக்கு மட்டுமே 1.5 டெராபைட் ஆகும்.
• மேலும் 550 ஜிகாபைட் சட்ட குறிப்பு பொருள். அரசியலமைப்பு சட்டம், சிவில் குறியீடுகள், குற்றவியல் குறியீடுகள், நடைமுறை குறியீடுகள், வரி சட்டம். நீதிமன்றங்கள் மேற்கோள் காட்டும் மற்றும் பயன்படுத்தும் அனைத்து சட்டங்களும்.
• பொது பதிவேடுகள் மற்றும் கட்டமைக்கப்பட்ட தரவு. வணிகப் பதிவேடுகள், கடனாளிகள் பட்டியல்கள், உரிமைப் பதிவுகள். மேலும் ஒரு போனஸ்: ஸ்பானிஷ் சட்டத் தரவு (நீதிமன்றத் தீர்ப்புகள், வரி வழிகாட்டுதல், அரசியலமைப்பு நீதிமன்றத் தீர்ப்புகள்) இதனால் மாதிரி மற்றொரு மொழியில் ஐரோப்பிய சட்ட சிந்தனையைக் கற்றுக்கொள்கிறது.

இதைச் சேர்த்துப் பாருங்கள்: சுமார் 2 டெராபைட் மூல உரை. நகல் நீக்கம் மற்றும் சுத்தம் செய்த பிறகு, இது சுமார் 800 முதல் 1,000 ஜிகாபைட் வரை சுருங்குகிறது. "டோக்கன்கள்" ஆக மாற்றப்படும் போது - ஒரு AI மாதிரி கற்றுக் கொள்ளும் தனிப்பட்ட துண்டுகள் - இது 280 முதல் 330 பில்லியன் டோக்கன்களாக மாறுகிறது.

சூழலுக்காக: அசல் DeepSeek V3 மாதிரி, இன்றைய மிகவும் திறன் வாய்ந்த AI அமைப்புகளில் ஒன்று, 14.8 டிரில்லியன் டோக்கன்களில் பயிற்சியளிக்கப்பட்டது, அதில் பெரும்பாலானவை ஆங்கில இணைய உரை. இந்த உக்ரைனிய சட்டத் தொகுப்பு 50 மடங்கு சிறியது. ஆனால் இங்கே முக்கியமானது இதுதான்: இது சிறப்பு வாய்ந்தது. கிட்டத்தட்ட ஒவ்வொரு வார்த்தையும் முக்கியமானது. மீம்கள் இல்லை, சீரற்ற வலைப்பதிவு இடுகைகள் இல்லை, இரைச்சல் இல்லை - பல தசாப்த கால நீதிமன்றத் தீர்ப்புகள் மற்றும் சட்டக் கோட்பாடு மட்டுமே.

இந்த மாதிரி இன்றைய AI இலிருந்து ஏன் வித்தியாசமாக இருக்கும்

நீங்கள் GPT-4o அல்லது Claude Opus 4.7 இடம் உக்ரைனிய சட்டத்தைப் பற்றி இப்போது கேட்டால், அவை பெரும்பாலும் பிரமையடைகின்றன. அவை சட்டக் கட்டுரைகளை குழப்புகின்றன, 2022 க்கு முன்னும் பின்னும் உள்ள சட்டத்தின் பதிப்புகளைக் கலக்கின்றன, மேலும் நிர்வாக மற்றும் சிவில் நடவடிக்கைகளுக்கு இடையிலான வேறுபாட்டை நம்பகத்தன்மையுடன் சொல்ல முடியாது.

96 மில்லியன் உக்ரைனிய நீதிமன்றத் தீர்ப்புகளில் பயிற்சியளிக்கப்பட்ட மாதிரி வித்தியாசமாக இருக்கும். அது வெறும் உண்மைகளை மனப்பாடம் செய்யாது—உக்ரைனிய நீதிமன்றங்கள் எவ்வாறு என்று அது கற்றுக் கொள்ளும் பயன்படுத்த சட்டம். கீழமை நீதிமன்றங்கள் எவ்வாறு பகுத்தறிகின்றன என்பதை உச்ச நீதிமன்றத் தீர்ப்புகள் வடிவமைக்கின்றன என்பதை அது புரிந்துகொள்ளும். சட்ட விளக்கம் பல ஆண்டுகள் மற்றும் தசாப்தங்களாக எவ்வாறு உருவாகிறது என்பதற்கான வடிவங்களை அது காணும்.

தரவுத்தொகுப்பில் உள்ள ஒவ்வொரு நீதிமன்றத் தீர்ப்பும் மெட்டாடேட்டாவுடன் (எந்த நீதிமன்றம், எந்த நீதிபதி, எந்த தேதி, எந்த சட்டக் கட்டுரைகள் மேற்கோள் காட்டப்பட்டன) குறிக்கப்பட்டுள்ளதால், மாதிரி கட்டமைப்பைக் கற்றுக்கொள்கிறது. இது "எங்கேயோ பொறுப்பு பற்றிய ஒரு கட்டுரை உள்ளது" என்பது மட்டுமல்ல - இது "Article 611 of the Civil Code (revision of June 17, 2020) இன் படி, அபராதம் வசூலிக்கும் வழக்குகளில், பின்வருபவை பொருந்தும்..."

கட்டமைப்பு: DeepSeek V3 அளவிடப்பட்டது

இந்த சிந்தனைப் பரிசோதனை DeepSeek V3 ஐ வரைபடமாகப் பயன்படுத்துகிறது. இந்த மாதிரி Mixture of Experts (MoE) என்று அழைக்கப்படும் ஒன்றைப் பயன்படுத்துகிறது—ஒரு நிபுணத்துவ வழக்கறிஞர்கள் குழுவை கற்பனை செய்து பாருங்கள். ஒரு சிவில் வழக்கு வரும்போது, ​​சிவில் சட்ட நிபுணர் மட்டுமே செயல்படுவார். இது வரிச் சட்டமாக இருக்கும்போது, ​​வரி நிபுணர் மட்டுமே பேசுகிறார். இது அபரிமிதமான கணக்கீட்டு சக்தியை மிச்சப்படுத்துகிறது.

உண்மையான DeepSeek V3 671 பில்லியன் அளவுருக்களைக் கொண்டுள்ளது (கற்றுக்கொண்ட அறிவை வைத்திருக்கும் சரிசெய்யக்கூடிய எடைகள்). ஒரு வினவலுக்கு 37 பில்லியன் மட்டுமே செயல்படுகின்றன-தொடர்புடைய நிபுணர்கள் மட்டுமே.

கருதுகோள் பதிப்பு இதை 860 பில்லியன் அளவுருக்களாக அளவிடுகிறது, ஒரு வினவலுக்கு சுமார் 47 பில்லியன் செயலில் இருக்கும். இது தோராயமாக 30% பெரியது, மேலும் சிறப்பு நிபுணர்களைக் கொண்டுள்ளது. ஏன் அதிக நிபுணர்கள்? உக்ரைனிய சட்ட உரை தீவிர நிபுணத்துவத்தால் பயனடைகிறது. ஒரு நிபுணர் காசேஷன் பகுத்தறிவில் நிபுணராகவும், மற்றொருவர் பொறுப்பு தகராறுகளில் நிபுணராகவும், மற்றொருவர் வரிச் சட்டத்தில் நிபுணராகவும் மாறுகிறார். மாதிரி பொதுவான திறனை இழக்காமல் நுட்பமான வேறுபாடுகளைக் கற்றுக்கொள்கிறது.

வன்பொருள்: Google இன் மிகவும் சக்திவாய்ந்த AI சிப்கள்

சாதாரண கணினிகளில் இவ்வளவு பெரிய மாதிரிக்கு உங்களால் பயிற்சி அளிக்க முடியாது. Google Cloud Platform TPU v5p ஐ வழங்குகிறது - இது AI பயிற்சிக்காக பிரத்தியேகமாக வடிவமைக்கப்பட்ட சிறப்பு சிப்கள். அவை ஒவ்வொன்றும் 95 ஜிகாபைட் உயர் அலைவரிசை நினைவகத்தைக் கொண்டுள்ளன மற்றும் அசாதாரண வேகத்தில் ஒன்றோடொன்று தொடர்பு கொள்கின்றன.

குறைந்தபட்ச சாத்தியமான அமைப்பு: இந்த சிப்களில் 2,048, 512 இயந்திரங்களில் பரவியுள்ளது. அனைத்து 280 பில்லியன் டோக்கன்களையும் ஒருமுறை கடந்து செல்ல 3 முதல் 4 நாட்கள் ஆகும். தயாரிப்பு மாதிரிக்காக, மாதிரி உண்மையிலேயே கற்றுக்கொள்ள குறைந்தது 3 முறையாவது நீங்கள் விரும்புவீர்கள். எனவே 9 மற்றும் 12 நாட்கள் தொடர்ச்சியான பயிற்சி.

செலவு: $2.5 முதல் $4.2 மில்லியன் வரை

நீங்கள் 3 வருட ஒப்பந்தத்தில் உறுதியளித்தால், Google ஒரு சிப்புக்கு ஒரு மணி நேரத்திற்கு சுமார் $4.20 வசூலிக்கிறது அல்லது ஒரு மணி நேரத்திற்கு ஒரு சிப்புக்கு $2.50 வசூலிக்கிறது. 2,048 சிப்களில் 12 நாட்களில், பயிற்சி ஓட்டத்திற்கு மட்டுமே செலவாகும் $2.5 முதல் $4.2 மில்லியன் வரை.

சிறிய சோதனை மாதிரிகளுடன் பரிசோதனை செய்யவும் மற்றும் இறுதிப் பதிப்பை நன்றாக வடிவமைக்கவும் மற்றொரு $200,000 முதல் $500,000 வரை சேர்க்கவும். கூடுதலாக பயிற்சியின் போது மாதிரி சோதனைச் சாவடிகளைச் சேமிக்க பல லட்சம் அதிகம்.

உற்பத்தியில் வருடத்திற்கு மில்லியன் கணக்கான வினவல்களுக்கு சேவை செய்யும் சிறப்பு சட்ட மாதிரிக்கு, இது பொருளாதார ரீதியாக பாதுகாப்பானது. இது ஒரு குறிப்பிடத்தக்க பந்தயம், ஆனால் ஒரு நிறுவன சட்ட தளத்திற்கு அபத்தமானது அல்ல.

ஏன் இப்போது? இது 2026 இல் ஏன் முக்கியமானது

AI பல பணிகளுக்குப் பயனுள்ளதாகிவிட்டது, ஆனால் ஆங்கிலம் அல்லாத மொழிகளில் சிறப்புப் பகுத்தறிவு இன்னும் ஒரு இடைவெளியாகவே உள்ளது. உக்ரைனிய வணிகங்கள், நீதிமன்றங்கள் மற்றும் வழக்கறிஞர்கள் சிக்கலான வழக்குகளுக்கு இன்னும் மனித சட்ட நிபுணத்துவத்தை பெரிதும் சார்ந்துள்ளனர். உக்ரைனிய சட்டத்தில் பயிற்சியளிக்கப்பட்ட மாதிரி அதை மாற்றும்—வேகமான சட்ட ஆராய்ச்சி, சிறந்த வழக்கு கணிப்பு, அதிக அணுகக்கூடிய வழிகாட்டுதல்.

இதை உருவாக்கியதாக ஆசிரியர்கள் கூறவில்லை. அவர்கள் கேட்கிறார்கள்: நம்மால் முடியுமா? இதற்கு என்ன செலவாகும்? நமக்கு என்ன கிடைக்கும்? தரவு உள்ளது. வன்பொருள் உள்ளது. முறைகள் உள்ளன. இது பொருளாதாரத்தின் கேள்வி மற்றும் சட்ட அமைப்புக்கு இந்த வகையான கருவி வேண்டுமா என்பது பற்றியது.

முடிவுரை

இந்த சிந்தனைப் பரிசோதனை உண்மையான கட்டுப்பாடுகளை அடிப்படையாகக் கொண்டிருப்பதால் இது கட்டாயமானது. குழுவிடம் தரவு உள்ளது. Google இடம் வன்பொருள் உள்ளது. கட்டமைப்பு நிரூபிக்கப்பட்டுள்ளது. செலவு, நடைமுறைச் செயலாக்கம் மற்றும் சிறப்புச் சட்ட AI முதலீட்டிற்கு மதிப்புள்ளதா என்பது மட்டுமே கேள்விகள். தற்போதைய எல்லைப்புற மாதிரிகள் போராடும் ஆங்கிலம் அல்லாத சட்ட அமைப்புக்கு, பதில் ஆம் என்று இருக்கலாம்.

நன்மைகள்

• இன்று கிடைக்கும் பொது-நோக்க AI-ஐ விட உக்ரைனிய சட்டத்தை மிகச் சிறப்பாகப் புரிந்துகொள்ளும்
• Mixture-of-Experts கட்டமைப்பு அனுமானத்தில் மலிவாக இயங்குகிறது - தொடர்புடைய நிபுணர்கள் மட்டுமே செயல்படுகிறார்கள், கணக்கீட்டை மிச்சப்படுத்துகிறார்கள்
• உற்பத்தியில் ஒரு மாதத்திற்கு மில்லியன் கணக்கான சட்ட வினவல்களுக்கு பொருளாதார ரீதியாக சேவை செய்ய முடியும்
• சட்டம் என்ன சொல்கிறது என்பதை மட்டும் அறியாமல் நடைமுறையில் நீதிமன்றங்கள் அதை எவ்வாறு பயன்படுத்துகின்றன என்பதையும் கற்றுக்கொள்கிறது
• தரவுத்தொகுப்பில் உள்ள மெட்டாடேட்டா (நீதிமன்ற வகை, நீதிபதி, தேதி) மிகவும் துல்லியமான பகுத்தறிவை செயல்படுத்துகிறது
• சிறப்பு AI பற்றாக்குறையாக இருக்கும் மொழியில் சட்ட தொழில்நுட்பத்தை மேம்படுத்தும்

தீமைகள்

• முன்கூட்டியே மிகவும் அதிக செலவு (பயிற்சிக்கு மட்டுமே $2.5 முதல் $4.2 மில்லியன்)
• பெரும்பாலான நிறுவனங்களால் வாடகைக்கு எடுக்க முடியாத, அணுகுவதற்கு கடினமான வன்பொருள் (TPU v5p pods) தேவை
• தரவுத்தொகுப்பு முக்கியமானது - பெரும்பாலான நிறுவனங்களிடம் 2 டெராபைட் சட்டத் தொகுப்பு இல்லை
• மாதிரி உக்ரைனிய சட்டத்தில் ஆழமாக நிபுணத்துவம் பெற்றது; பொதுவான பணிகளுக்கு குறைந்த பயனுள்ளது
• சேமிப்பக மற்றும் மாதிரி பராமரிப்பிற்கான தொடர்ச்சியான உள்கட்டமைப்பு செலவுகள்
• அதிக நிபுணத்துவம் என்பது மற்ற அதிகார வரம்புகள் அல்லது சட்ட அமைப்புகளுக்கு மோசமான பொதுமைப்படுத்தலைக் குறிக்கிறது
• ஒரு நாட்டின் சட்ட அமைப்பிற்கு மிகையாகப் பொருத்தும் அபாயம்

எச்சரிக்கை

இந்தக் கட்டுரை கல்வி சார்ந்தது மற்றும் பொதுவில் கிடைக்கும் தொழில்நுட்பத் தகவலின் அடிப்படையில் ஒரு கற்பனை சூழ்நிலையை ஆராய்கிறது. குறிப்பிடப்பட்டுள்ள குறிப்பிட்ட மதிப்புகள் - செலவுகள், பயிற்சி காலக்கெடுக்கள், மாதிரி அளவுகள், சிப்-மணிநேர விலை நிர்ணயம் - முடிவெடுப்பதற்காக அவற்றை நம்புவதற்கு முன் தற்போதைய GCP விலை நிர்ணயம் மற்றும் அசல் மூலத்திற்கு எதிராக சரிபார்க்கப்பட வேண்டும். விளக்க எடுத்துக்காட்டுகளில் உள்ள அனைத்து ஒதுக்கிட மதிப்புகளும் உங்கள் பயன்பாட்டு வழக்கு மற்றும் சூழலுக்குப் பொருத்தமான உண்மையான மதிப்புகளுடன் மாற்றப்பட வேண்டும். உற்பத்தியளவில் ஒத்த திட்டங்களை முயற்சிக்கும் முன் வாசகர்கள் அசல் தொழில்நுட்ப வெளியீடு, டொமைன் நிபுணர்கள் மற்றும் Google Cloud ஆவணங்களை ஆலோசிக்க வேண்டும்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

• Mixture of Experts (MoE) மாதிரி என்றால் என்ன, அது எவ்வாறு கணக்கீட்டை மிச்சப்படுத்துகிறது?
• Google Cloud Platform இல் ஒரு பெரிய AI மாதிரிக்குப் பயிற்சி அளிக்க எவ்வளவு செலவாகும்?
• உக்ரைனிய சட்டத்திற்கு ஏன் ஒரு சிறப்பு AI மாதிரி தேவை?
• சட்டம் போன்ற ஒரு குறிப்பிட்ட டொமைனில் நிபுணத்துவம் பெற AI மாதிரிக்கு உங்களால் பயிற்சி அளிக்க முடியுமா?
• MoE மாதிரியில் மொத்த அளவுருக்களுக்கும் செயலில் உள்ள அளவுருக்களுக்கும் உள்ள வித்தியாசம் என்ன?
• நூற்றுக்கணக்கான பில்லியன் அளவுருக்களைக் கொண்ட ஒரு மாதிரிக்குப் பயிற்சி அளிக்க எவ்வளவு காலம் ஆகும்?
• ஒரு சிறப்பு சட்ட AI மாதிரி இறுதியில் வழக்கறிஞர்களை மாற்றுமா?
• டொமைன் சார்ந்த AI மாதிரிகளிலிருந்து வேறு எந்த நாடுகள் அல்லது தொழில்துறைகள் பயனடையலாம்?

குறிச்சொற்கள்

#deepseek #ai-training #llm #ukraine #legal-ai #gcp #machine-learning #moe #domain-specific-ai #ai-infrastructure