--- title: "Gemma (Google) (BN)" source: "https://systems-analysis.info/int/Gemma_(Google)_(BN)" wiki: "systems-analysis.info/int" article: "Gemma_(Google)_(BN)" language: "bn" categories: - "Category:Bengali" - "Category:Google" - "Category:Large language models" - "Category:LLM families" - "Category:Machine learning" revision_id: 2547 wiki_created_at: 2026-09-06T23:05:57Z wiki_modified_at: 2026-09-06T23:05:57Z downloaded_at: 2026-09-07T22:52:03Z --- # Gemma (Google) (BN) **Gemma** — এটি Google কোম্পানির (Google DeepMind বিভাগ) দ্বারা তৈরি ও প্রকাশিত একটি মুক্তভাবে পাওয়া যায় এমন ভাষা মডেলের পরিবার। Gemma মডেলগুলি ফ্ল্যাগশিপ Gemini পরিবারের মতো একই গবেষণা ও প্রযুক্তিগত ভিত্তির উপর নির্মিত এবং এগুলিকে Gemini-এর হালকা, উচ্চ-কার্যক্ষমতাসম্পন্ন সংস্করণ হিসেবে উপস্থাপন করা হয়[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-ibm-what-is-gemma-1)। নামটি লাতিন শব্দ *gemma* থেকে এসেছে, যার অর্থ «মূল্যবান পাথর»[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-google-blog-intro-2)। Gemma *open models* (উন্মুক্ত মডেল) বিভাগের অন্তর্গত: Google মডেলগুলির weights প্রকাশ করে, যা গবেষক ও ডেভেলপারদের দায়িত্বশীল ব্যবহারের শর্ত মেনে সেগুলি অবাধে ব্যবহার, fine-tuning এবং বিতরণ করতে দেয়, এমনকি বাণিজ্যিক প্রকল্পেও[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-google-blog-intro-2)। এটি Gemini মডেলগুলি থেকে মূল পার্থক্য, যেগুলিতে শুধুমাত্র ক্লাউড API-এর মাধ্যমে অ্যাক্সেস করা সম্ভব। Gemma মডেলগুলি শুধুমাত্র ডেটা সেন্টারে নয়, ভোক্তা-পর্যায়ের হার্ডওয়্যারে (ল্যাপটপ, GPU-সহ ডেস্কটপ কম্পিউটার) স্থানীয়ভাবে চালানো সক্ষম[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-verge-gemma-gemini-3)। ## উন্নয়ন ও রিলিজ Gemma পরিবারে বেশ কয়েকটি প্রজন্মের মডেল রয়েছে, যার প্রতিটি আর্কিটেকচার, কার্যক্ষমতা ও সক্ষমতায় উন্নতি এনেছে। ### প্রথম প্রজন্ম: Gemma 1 Gemma-এর প্রথম সংস্করণ **২১ ফেব্রুয়ারি ২০২৪ সালে** প্রকাশিত হয়েছিল[\[4\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-techcrunch-launch-4)। এতে decoder transformer আর্কিটেকচারের উপর ভিত্তি করে দুটি টেক্সট মডেল অন্তর্ভুক্ত ছিল: - **Gemma 2B** (২০০ কোটি parameter) - **Gemma 7B** (৭০০ কোটি parameter) প্রকাশের সময় Google দাবি করেছিল যে এই মডেলগুলি মূল benchmark-এ উল্লেখযোগ্যভাবে বড় প্রতিযোগীদের ছাড়িয়ে গেছে[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-google-blog-intro-2)। মূল মডেলগুলি প্রধানত ইংরেজি ভাষার ছিল, তবে ওয়েব ডকুমেন্ট, প্রোগ্রাম কোড এবং গাণিতিক সমস্যাসহ বৈচিত্র্যময় ডেটায় প্রশিক্ষিত হয়েছিল[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-ibm-what-is-gemma-1)। উভয় মডেলই দুটি রূপে প্রকাশিত হয়েছিল: বেস (*pre-trained*) এবং ব্যবহারকারীর নির্দেশ অনুসরণের জন্য instruction-tuned[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-google-blog-intro-2)। ### দ্বিতীয় প্রজন্ম: Gemma 2 Gemma 2 **২৭ জুন ২০২৪ সালে** ঘোষণা করা হয়েছিল এবং এটি উল্লেখযোগ্য উন্নতি এনেছিল[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-ibm-what-is-gemma-1)। - **মডেলের আকার**: **৯০০ কোটি ও ২৭০০ কোটি parameter**-এর মডেল প্রকাশিত হয়েছিল। মানের উন্নতির জন্য ছোট সংস্করণগুলি বড় মডেল থেকে knowledge distillation পদ্ধতি ব্যবহার করে প্রশিক্ষিত হয়েছিল[\[5\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-gemma2-report-5)। - **Context window**: প্রথম সংস্করণের ৮১৯২ token-এর তুলনায় উল্লেখযোগ্যভাবে বিস্তৃত করে **৮০,০০০ token**-এ উন্নীত করা হয়েছিল[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-venturebeat-gemma3-6)[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-gemma-arch-overview-7)। - **আর্কিটেকচারগত উন্নতি**: দীর্ঘ context দক্ষতার সাথে প্রক্রিয়া করার জন্য *grouped-query attention* এবং স্থানীয় ও বৈশ্বিক attention-এর পর্যায়ক্রমিক পরিকল্পনা প্রবর্তন করা হয়েছিল[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-ibm-what-is-gemma-1)। ### তৃতীয় প্রজন্ম: Gemma 3 Gemma 3 **মার্চ ২০২৫ সালে** মাল্টিমোডালিটি ও বিস্তৃত কাজের পরিধিতে জোর দিয়ে পরিবারের পরবর্তী পদক্ষেপ হিসেবে উপস্থাপন করা হয়েছিল[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-venturebeat-gemma3-6)। - **মাল্টিমোডালিটি**: মডেলগুলি টেক্সটের পাশাপাশি ইনপুট হিসেবে ছবি ও ভিডিও সমর্থন পেয়েছে। - **আকার ও ভাষা**: মডেল পরিসরে চারটি আকার (1B, 4B, 12B, 27B) রয়েছে এবং ১৪০টি পর্যন্ত ভাষা সমর্থন করে[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-venturebeat-gemma3-6)। - **Context window**: **১,২৮,০০০ token**-এ বৃদ্ধি করা হয়েছে[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-venturebeat-gemma3-6)। Google-এর তথ্য অনুযায়ী, Gemma 3 27B তার সময়ের সেরা উন্মুক্ত মডেলগুলির সমকক্ষ ফলাফল দেখিয়েছে, শুধুমাত্র DeepSeek-R1-এর মতো বিশেষায়িত মডেলগুলির কাছে র‍্যাঙ্কিংয়ে পিছিয়ে ছিল[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-venturebeat-gemma3-6)। ## আর্কিটেকচার ও প্রযুক্তিগত বৈশিষ্ট্য Gemma মডেলগুলি GPT মডেলের অনুরূপ **«শুধুমাত্র decoder»** (*decoder-only*) কনফিগারেশনের transformer আর্কিটেকচারের উপর ভিত্তি করে তৈরি[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-gemma-arch-overview-7)। এর অর্থ হলো মডেলটি পূর্ববর্তী সমস্ত token-এর উপর ভিত্তি করে পরবর্তী token পূর্বাভাস দিয়ে autoregressive পদ্ধতিতে টেক্সট তৈরি করে। মূল প্রযুক্তিগত সমাধানগুলির মধ্যে রয়েছে: - **Rotational Positional Embeddings (RoPE)**: পরম অবস্থানগত embedding-এর পরিবর্তে RoPE ব্যবহার করা হয়, যা অবস্থানগত তথ্য কার্যকরভাবে এনকোড করতে সহায়তা করে। - **Multi-query ও Grouped-query attention**: ছোট মডেলগুলিতে (যেমন Gemma 2B) গতি বৃদ্ধি ও মেমরি সাশ্রয়ের জন্য *multi-query attention* (সকল attention head-এর জন্য একক key/value) ব্যবহার করা হয়। Gemma 2-এ *grouped-query attention* প্রবর্তন করা হয়েছে, যেখানে query-গুলি দলে বিভক্ত হয়, যা গতি ও মানের মধ্যে একটি আপোষ[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-ibm-what-is-gemma-1)[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-gemma-arch-overview-7)। - **পর্যায়ক্রমিক attention পরিকল্পনা**: Gemma 2-এ এমন একটি পরিকল্পনা বাস্তবায়িত হয়েছে যেখানে বৈশ্বিক self-attention স্তরগুলি সীমিত «sliding window»-সহ স্তরগুলির সাথে পর্যায়ক্রমে আসে, যা দীর্ঘ context দক্ষতার সাথে প্রক্রিয়া করতে সক্ষম করে[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-ibm-what-is-gemma-1)। ## মডেলের পরিবার ও রূপান্তর সাধারণ বেস মডেলের পাশাপাশি, Google নির্দিষ্ট কাজের জন্য অপ্টিমাইজ করা Gemma-এর বেশ কয়েকটি ডেরিভেটিভ সংস্করণ প্রকাশ করেছে। - **CodeGemma**: C++, C#, Go, Java, JavaScript, Python, Rust এবং অন্যান্য ভাষা সমর্থনকারী প্রোগ্রাম কোড তৈরি ও সম্পূর্ণ করার মডেল[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-ibm-what-is-gemma-1)। - **DataGemma**: RAG কৌশল ব্যবহার করে বাহ্যিক ডেটার সাথে একীভূতকরণের জন্য fine-tuned মডেলের পরিবার। মডেলটি তথ্যগত নির্ভুলতা বৃদ্ধির জন্য ডেটাবেসে (যেমন Google Data Commons) সার্চ কোয়েরি চালাতে সক্ষম[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-ibm-what-is-gemma-1)। - **PaliGemma**: মাল্টিমোডাল মডেল যা ছবি ও টেক্সট ইনপুট হিসেবে গ্রহণ করতে পারে। এটি ছবির বর্ণনা ও বস্তু শনাক্তকরণের মতো ভিজ্যুয়াল প্রশ্নোত্তর কাজের জন্য ডিজাইন করা হয়েছে[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-ibm-what-is-gemma-1)। - **RecurrentGemma**: *Griffin* হাইব্রিড আর্কিটেকচারের একটি পরীক্ষামূলক রূপান্তর, যা স্থানীয় attention ও রৈখিক recurrent সংযোগের সমন্বয় করে। এটি দীর্ঘ sequence তৈরিকে উল্লেখযোগ্যভাবে ত্বরান্বিত করতে পারে[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-gemma-arch-overview-7)। - **MedGemma**: চিকিৎসা ক্ষেত্রের জন্য Gemma 3-এর বিশেষায়িত সংস্করণ। চিকিৎসা ছবি (এক্স-রে, স্লাইস) ও ক্লিনিক্যাল ডকুমেন্ট বিশ্লেষণের জন্য মাল্টিমোডাল (4B) ও টেক্সট (27B) মডেল অন্তর্ভুক্ত। মডেলগুলি উন্মুক্তভাবে বিতরণ করা হয়, তবে অতিরিক্ত যাচাইকরণ ছাড়া সরাসরি ক্লিনিক্যাল ব্যবহারের জন্য নয়[\[8\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-infoq-medgemma-8)। - **DolphinGemma**: ডলফিনের যোগাযোগ পাঠোদ্ধারে Gemma প্রযুক্তির প্রয়োগ নিয়ে একটি গবেষণা প্রকল্প। মডেলটি বহু বছরের অডিও রেকর্ডিংয়ে প্রশিক্ষিত এবং প্রাণীর ভাষায় pattern চিহ্নিত করতে ব্যবহৃত হয়[\[9\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-smithsonian-dolphin-9)। ## উপলব্ধতা ও প্রয়োগ Gemma মডেলগুলি **Kaggle** ও **Hugging Face** প্ল্যাটফর্মে পাওয়া যায় এবং **Google Colab** ও **Vertex AI Model Garden** সেবায় একীভূত করা হয়েছে[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-google-blog-intro-2)। inference ত্বরান্বিত করতে Google NVIDIA-এর সাথে সহযোগিতায় TensorRT-এর জন্য মডেলগুলি অভিযোজিত করেছে। Gemma-এর লাইসেন্স শর্তাবলী মডেলগুলির **বাণিজ্যিক ব্যবহার** ও পরিবর্তনের অনুমতি দেয়, যা অন্য কিছু উন্মুক্ত প্রকল্প থেকে আলাদা। বিতরণ **Responsible AI License**-দ্বারা নিয়ন্ত্রিত, যা নির্দিষ্ট ক্ষেত্রে (যেমন অস্ত্র তৈরি) ব্যবহারে সীমাবদ্ধতা আরোপ করে এবং ডেরিভেটিভ পণ্যগুলিকে AI-এর নিরাপদ ও নৈতিক প্রয়োগের নীতি মেনে চলতে বাধ্য করে[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-verge-gemma-gemini-3)। ## নিরাপত্তা ও দায়িত্বশীলতা মডেলগুলির উন্মুক্ত প্রকৃতির কথা মাথায় রেখে ডেভেলপাররা নিরাপত্তা বিষয়ে বিশেষ মনোযোগ দিয়েছেন। - **ডেটা ফিল্টারিং**: প্রশিক্ষণ dataset প্রস্তুত করার সময় তথ্য ফাঁসের ঝুঁকি কমাতে ব্যক্তিগত তথ্য ও অন্যান্য সংবেদনশীল তথ্য স্বয়ংক্রিয়ভাবে ফিল্টার করা হয়েছিল[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-google-blog-intro-2)। - **Alignment**: মডেলগুলির instruction সংস্করণগুলি পছন্দসই উত্তরের ধরন নিশ্চিত করতে *Supervised Fine-Tuning (SFT)* ও RLHF (মানুষের প্রতিক্রিয়ার উপর ভিত্তি করে Reinforcement Learning) পদ্ধতি ব্যবহার করে বহু-পর্যায়ের alignment-এর মধ্য দিয়ে গেছে[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-ibm-what-is-gemma-1)। - **Red Teaming**: প্রকাশের আগে মডেলগুলি দূষিত অনুরোধের বিরুদ্ধে স্থিতিস্থাপকতার জন্য গভীরভাবে পরীক্ষা করা হয়েছিল। বিশেষজ্ঞরা দুর্বলতা চিহ্নিত করতে বিপজ্জনক বা অবাঞ্ছিত বিষয়বস্তু তৈরিতে উৎসাহিত করার চেষ্টা করেছিলেন[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-verge-gemma-gemini-3)। - **Responsible AI Toolkit**: মডেলগুলির পাশাপাশি Google নিরাপদ deployment সহজ করতে মডেলের অভ্যন্তরীণ অবস্থা বিশ্লেষণের জন্য **Gemma Debugger** ইউটিলিটি ও অবাঞ্ছিত বিষয়বস্তুর classifier সহ একটি টুলসেট প্রকাশ করেছে[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-google-blog-intro-2)। - **ShieldGemma**: Gemma-এর মাল্টিমোডাল সংস্করণে অনিরাপদ বিষয়বস্তু তৈরি রোধ করার জন্য ডিজাইন করা একটি বিশেষায়িত ফিল্টার মডেল[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_note-venturebeat-gemma3-6)। ## তথ্যসূত্র - Google AI সাইটে Gemma-এর অফিসিয়াল পৃষ্ঠা - Hugging Face-এ Gemma মডেলগুলি ## সাহিত্য - Mesnard, T. et al. (2024). *Gemma: Open Models Based on Gemini Research and Technology*. arXiv:2403.08295. - Rivière, M. et al. (2024). *Gemma 2: Improving Open Language Models at a Practical Size*. arXiv:2408.00118. - Kamath, A. et al. (2025). *Gemma 3 Technical Report*. arXiv:2503.19786. - Zhao, H. et al. (2024). *CodeGemma: Open Code Models Based on Gemma*. arXiv:2406.11409. - Beyer, L. et al. (2024). *PaliGemma: A Versatile 3B VLM for Transfer*. arXiv:2407.07726. - Steiner, A. et al. (2024). *PaliGemma 2: A Family of Versatile VLMs for Transfer*. arXiv:2412.03555. - Botev, A. et al. (2024). *RecurrentGemma: Moving Past Transformers for Efficient Open Language Models*. arXiv:2404.07839. - Ainslie, J. et al. (2023). *GQA: Training Generalized Multi‑Query Transformer Models from Multi‑Head Checkpoints*. arXiv:2305.13245. - Chinnakonduru, S. S. & Mohapatra, A. (2024). *Weighted Grouped Query Attention in Transformers*. arXiv:2407.10855. - Su, J. et al. (2021). *RoFormer: Enhanced Transformer with Rotary Position Embedding*. arXiv:2104.09864. - Radhakrishnan, P. et al. (2024). *Knowing When to Ask — Bridging Large Language Models and Data*. arXiv:2409.13741. ## টীকা 1. ↑ [1.00](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-ibm-what-is-gemma_1-0) [1.01](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-ibm-what-is-gemma_1-1) [1.02](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-ibm-what-is-gemma_1-2) [1.03](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-ibm-what-is-gemma_1-3) [1.04](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-ibm-what-is-gemma_1-4) [1.05](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-ibm-what-is-gemma_1-5) [1.06](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-ibm-what-is-gemma_1-6) [1.07](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-ibm-what-is-gemma_1-7) [1.08](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-ibm-what-is-gemma_1-8) [1.09](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-ibm-what-is-gemma_1-9) «What Is Google Gemma?». *IBM*. [১] 2. ↑ [2.0](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-google-blog-intro_2-0) [2.1](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-google-blog-intro_2-1) [2.2](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-google-blog-intro_2-2) [2.3](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-google-blog-intro_2-3) [2.4](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-google-blog-intro_2-4) [2.5](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-google-blog-intro_2-5) [2.6](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-google-blog-intro_2-6) «Gemma: Google introduces new state-of-the-art open models». *Google Developers Blog*. [২] 3. ↑ [3.0](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-verge-gemma-gemini_3-0) [3.1](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-verge-gemma-gemini_3-1) [3.2](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-verge-gemma-gemini_3-2) «Google's open-source Gemma AI models draw from the research behind Gemini». *The Verge*. [৩] 4. [↑](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-techcrunch-launch_4-0) «Google launches two new open LLMs». *TechCrunch*. [৪] 5. [↑](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-gemma2-report_5-0) «Gemma 2: Improving Open Language Models at a Practical Size». *Google*. 6. ↑ [6.0](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-venturebeat-gemma3_6-0) [6.1](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-venturebeat-gemma3_6-1) [6.2](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-venturebeat-gemma3_6-2) [6.3](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-venturebeat-gemma3_6-3) [6.4](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-venturebeat-gemma3_6-4) [6.5](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-venturebeat-gemma3_6-5) «Google unveils open source Gemma 3 model with 128k context window». *VentureBeat*. [৫] 7. ↑ [7.0](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-gemma-arch-overview_7-0) [7.1](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-gemma-arch-overview_7-1) [7.2](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-gemma-arch-overview_7-2) [7.3](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-gemma-arch-overview_7-3) «Gemma explained: An overview of Gemma model family architectures». *Google Developers Blog*. [৬] 8. [↑](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-infoq-medgemma_8-0) «Google Releases MedGemma: Open AI Models for Medical Text and Image Analysis». *InfoQ*. [৭] 9. [↑](https://systems-analysis.info/int/Gemma_(Google)_(BN)#cite_ref-smithsonian-dolphin_9-0) «Google Is Training a New A.I. Model to Decode Dolphin Chatter—and Potentially Talk Back». *Smithsonian Magazine*. [৮]