Wikibooks euwikibooks https://eu.wikibooks.org/wiki/Azala MediaWiki 1.47.0-wmf.12 first-letter Media Berezi Eztabaida Lankide Lankide eztabaida Wikibooks Wikibooks eztabaida Fitxategi Fitxategi eztabaida MediaWiki MediaWiki eztabaida Txantiloi Txantiloi eztabaida Laguntza Laguntza eztabaida Kategoria Kategoria eztabaida TimedText TimedText talk Modulu Modulu eztabaida Event Event talk 0 7273 43968 43596 2026-07-28T10:01:33Z Ksarasola 1603 erreferentzia 43968 wikitext text/x-wiki == Java: programazio-lengoaia eta plataforma unibertsala == [[File:Java plataforma.jpg|thumb|Java plataforma]] '''[[w:Java (programazio-lengoaia)|Java]]''' goi-mailako programazio-lengoaia bat da, tipatze estatiko eta sendoa duena eta objektuetara orientatua, ''Write Once, Run Anywhere (WORA)'' printzipioari jarraituz diseinatu zen: behin idatzi eta edozein plataformatan exekutatu. Lengoaia bat izateaz haratago, Java ekosistema oso bat da, Java Makina birtuala ('''JVM''') eta liburutegi estandarra (''Java Class Library'') barne hartzen dituena; azken honek milaka osagai eta API eskaintzen dituelarik garapena errazteko.<ref>{{Erreferentzia|izenburua=OpenJDK|argitaletxea=English Wikipedia|hizkuntza=en|data=2026-03-12|url=https://en.wikipedia.org/w/index.php?title=OpenJDK&oldid=1343153979|sartze-data=2026-06-06|encyclopedia=Wikipedia}}</ref><ref>{{Erreferentzia|izena=Iñaki|abizena=Goirizelaia|urtea=2022|izenburua=Sareetan zehar dantzan Java erabiliz. Aurkezpena|abizena2=Huarte|izena2=Maider|data=2021-12-01|url=https://www.youtube.com/watch?v=b7Lp1WZJflE|sartze-data=2026-07-28}}</ref> Arkitektura honi esker, Java aplikazioak hainbat sistema eragile eta hardware-arkitektura desberdinetan exekuta daitezke, birkonpilaziorik gabe. Bere independentzia, egonkortasuna eta sendotasuna direla eta, estandar bihurtu da enpresa-garapenean, sistema banatuetan, aplikazio mugikorretan (Android) eta hodeiko konputazioan. == Historia eta bilakaera == Java 1991n sortu zen ''Sun Microsystems'' enpresan, [[w:James Gosling|James Goslingek]] zuzendutako ''Green Project'' delakoaren baitan. Hasiera batean ''Oak'' izena zuen, eta kontsumoko gailu elektronikoetarako bideratua zegoen. [[w:World Wide Web|World Wide Web-aren]] eztandarekin batera, proiektua sare-aplikazioetara birbideratu zen eta ''Java'' izena hartu zuen. Java 1.0 (1996) bertsioarekin batera, ''applets'' programak hedatu ziren, nabigatzaileetan exekutatzen zirenak. Mugarri nagusien artean honako hauek nabarmentzen dira: * '''Java 5 (2004)''': generikoak eta anotazioak sartu ziren. * '''2010''': Oraclek Sun Microsystems-ek erosi zuen eta OpenJDK proiektu irekia sendotu zuen. * '''Java 8 (2014)''': programazio funtzionalerako jauzi handia (''lambda'' adierazpenak eta ''Stream API''). * '''2025''': Java 25 LTS kaleratu zen, sei hilean behingo bertsio-eredu erregularraren barruan.<ref>{{Erreferentzia|izenburua=Java Documentation|hizkuntza=en|url=https://docs.oracle.com/en/java/|aldizkaria=Oracle Help Center|sartze-data=2026-06-06}}</ref> == Alderdi teknikoak eta arkitektura == Javaren oinarria bere exekuzio-eredu mailakatua da. [[File:Java Makina Birtualaren (JVM) eskema.jpg|thumb|Java Makina Birtualaren (JVM) eskema]]Iturburu-kodea (<code>.java</code>) bytecode formatura (<code>.class</code>) konpilatzen da, eta ondoren JVMk exekutatzen du, interpretazioaren eta ''Just-In-Time'' (JIT) konpilazioaren bidez. Diseinu honek plataformarekiko independentzia ahalbidetzen du, eta, gainera, errendimendu lehiakorra lortzen du optimizazio dinamikoari esker. <syntaxhighlight lang="java"> // Adibide klasikoa Javan public class KaixoMundua { public static void main(String[] args) { System.out.println("Kaixo, mundua!"); } } </syntaxhighlight> Java-ren sendotasuna hainbat elementutan oinarritzen da: * '''Memoria kudeaketa automatikoa''': ''garbage collector'' mekanismoak objektuen bizi-zikloa kudeatzen du, garatzaileari memoria eskuz askatzeko beharra kenduz eta memoria-kudeaketa seguruagoa eskainiz. * '''Tipatze sendoa eta egiaztapena''': konpilazioan eta exekuzioan egiaztapen zorrotzak egiten dira, kodearen fidagarritasuna handituz. * '''Segurtasuna''': JVMk exekuzio-ingurune isolatua eskaintzen du (''sandbox''), eta kriptografia, sinadura digitala eta ziurtagiri digitalen kudeaketarako APIak integratzen ditu (KeyStore, JCA). * '''Programazio-lengoaia eta API diseinua''': objektuetara orientazio klasikoaz gain, Java 8tik aurrera programazio funtzionaleko kontzeptuak gehitu dira (''lambda'' adierazpenak, ''streams''), estilo adierazkorragoa ahalbidetuz<ref>Gosling, J., Joy, B., Steele, G., Bracha, G. & Buckley, A. (2014). The Java Language Specification. Java SE 8 Edition. Oracle / Addison-Wesley. ISBN: 978-0-13-390069-9.</ref>. * '''Ekosistema profesionala''': garapen-ingurune estandarizatuak (Maven, Gradle), ''framework'' korporatiboak (Spring Boot) eta datu-baseekin integrazioa (Hibernate, ORM) funtsezkoak dira eskala handiko aplikazioak eraikitzeko. == Testu ebakia: Garrantzia, eragina eta etorkizuna == Java informatikaren historian eragin handia izan duen programazio-lengoaietako bat da. Bere diseinuaren sendotasunak, plataforma anitzeko exekuzio-gaitasunak eta ekosistema zabalak aukera eman dute hamarkadetan zehar sistema kritikoak, enpresa-aplikazioak eta eskala handiko zerbitzuak garatzeko. Gaur egun ere software profesionalaren arloan gehien erabiltzen diren teknologietako bat da. Gainera, bere [[w:Datu-mota|tipatze]] zorrotzari esker, bereziki egokia da unibertsitateetan programazioa irakasteko.<ref>Deitel, H. & Deitel, P. (2017). Java: How to Program (Early Objects) (11th ed.). Pearson. ISBN: 978-0134743356</ref> Mugikorren arloan ere handia izan da Javaren eragina, urte luzez [[w:Android|Android]] aplikazioen garapenerako lengoaia nagusietako bat izan baita, eta oraindik ere zeregin garrantzitsua du enpresa-aplikazioetan eta [[w:Konputazio banatua|sistema banatuetan]]. Etorkizunari begira, Java etengabe egokitzen ari da. '''GraalVM''' bezalako teknologiek aukera ematen dute aplikazioak exekutagarri natibo bihurtzeko, hasiera-denborak murriztuz —bereziki garrantzitsua hodeiko konputazioan eta ''serverless'' inguruneetan—. Bestalde, '''hari arinak''' (''virtual threads'', Java 21) berrikuntza garrantzitsua dira, milioika ataza paralelo modu eraginkorrean kudeatzeko aukera ematen baitute. Eboluzionatzeko gaitasuna, atzerako bateragarritasuna mantenduz, Java-ren iraupen luzearen oinarria da.<ref>Bloch, J. (2018). Effective Java (3rd ed.). Addison-Wesley. ISBN: 978-0-13-468599-1.</ref> Java eragin handiko teknologietako bat izan da informatikaren historian, eta oraindik ere oinarrizko plataforma da sistema moderno eta eskalagarriak eraikitzeko. == Erreferentziak == {{erreferentzia zerrenda}} b4n9q5supiipwhrsmrqlqmro7f5uwnz 0 7316 43969 43671 2026-07-28T10:34:20Z Ksarasola 1603 erreferentziak 43969 wikitext text/x-wiki == GPU == [[Fitxategi:6600GT GPU.jpg|thumb|GeForce 6600GT '''GPU'''a]]'''[[w:Grafikoak prozesatzeko unitate|GPU]]'''a (''Graphics Processing Unit'', '''Grafikoak prozesatzeko unitatea''') jatorrian irudiak eta grafikoak prozesatzeko sortutako prozesadorea da, baina gaur egun konputazio intentsiboa behar duten arlo askotan funtsezko osagaia bihurtu da.<ref>Nickolls, J.; Dally, W. J., “The Origins of GPU Computing”, ''Communications of the ACM''.</ref> Hasieran, pantailako irudiak sortzeko erabiltzen zen batez ere, bereziki hiru dimentsioko grafikoetan, bideo-jokoetan eta lan-estazio grafikoetan. Hala ere, laster ikusi zen GPUek abantaila handia zutela datu kopuru handien gaineko eragiketa berdinak aldi berean egiteko. Ezaugarri horrek grafikoetatik haragoko erabilerak ekarri zituen, hala nola simulazio zientifikoak eta, batez ere, adimen artifiziala. Bilakaera horren ondorioz, GPUa ez da gaur egun periferiko grafiko hutsa, baizik eta konputazio modernoaren osagai estrategikoa. == Historia eta bilakaera == GPUen jatorria txartel grafikoen garapenari lotuta dago. 1990eko hamarkadan, ordenagailu pertsonaletako eta bideo-kontsoletako irudiak gero eta konplexuagoak bihurtu ziren heinean, beharrezkoa izan zen irudiak sortzeko lanaren zati bat prozesadore nagusitik aparteko gailu batera eramatea. Hasierako txartel grafikoek funtzio espezifikoak azkartzen zituzten, baina ez ziren oso malguak, aurrez zehaztutako urrats eta eragiketa batzuen barruan baino ezin zutelako lan egin. 1990eko hamarkadaren amaieran eta 2000koaren hasieran, GPU programagarrien hedapenak aldaketa handia ekarri zuen. Pixel- eta vertex-shaderrak programatzeko aukerak garatzaileei aukera eman zien kalkulu grafikoetatik haragoko eragiketak hardware horretan exekutatzeko. Testuinguru horretan sortu zen ''GPGPU'' deiturikoa (''General-Purpose computing on GPU''), hau da, GPUak erabilera orokorreko kalkuluetarako baliatzea.<ref>Luebke, D. et al., “GPGPU: General-Purpose Computation on Graphics Hardware”.</ref> Joera hori are gehiago indartu zen GPUak programatzeko tresnak zabaldu zirenean. Bereziki garrantzitsua izan zen '''CUDA''', NVIDIAk garatutako plataforma eta programazio-eredua, bere GPUak C++ edo Python bidez programatzeko aukera ematen duena.<ref>NVIDIA, ''CUDA C++ Programming Guide''.</ref> Aldi berean, '''OpenCL''' bezalako estandarrek antzeko bidea ireki zuten gailu eta plataforma heterogeneoetan.<ref>Khronos Group, ''The OpenCL Specification''.</ref> 2010eko hamarkadatik aurrera, sare neuronal sakonen hedapenarekin, GPUak are garrantzitsuago bihurtu ziren, datu kopuru handien gaineko kalkulu paraleloak oso azkar egiteko gaitasunagatik. Gaur egun, datu-zentro, laborategi eta superkonputagailu askotan CPU eta GPUak batera erabiltzen dira, arkitektura heterogeneoetan. == Ezaugarriak eta funtzionamendua == GPUen indargune nagusia paralelismo masiboa da. CPU batek, oro har, hobeto kudeatzen ditu ataza konplexuak eta kontrol-fluxu irregularrak; GPUa, berriz, datu-paralelismo handiko kalkuluetarako egokiagoa da. Horregatik, bereziki aproposa da bektore, matrize eta pixel multzo handiekin lan egiteko. Ikuspegi orokorrago batetik, GPUen funtzionamendua datu askoren gainean eragiketa bera aldi berean aplikatzeko egokitutako paralelismo-ereduekin lotzen da; horregatik, askotan SIMD edo SIMT motako antolaketez hitz egiten da. Horrek ez du esan nahi GPUa CPUaren ordezko zuzena denik. Ohikoena da biak batera erabiltzea: CPUak programaren kontrol orokorra eta ataza sekuentzialenak kudeatzen ditu, eta GPUak kalkulu paralelo intentsiboak azkartzen ditu. Eredu hori bereziki erabilgarria da datu kopuru handien gaineko kalkulu berdintsuak egin behar direnean. Hala ere, adarkatze handia duten algoritmoetan edo memoria-atzipen irregularrean, GPUen eraginkortasuna txikiagoa izan daiteke. == Aplikazioak == GPUak gaur egun arlo askotan erabiltzen dira. Alde batetik, grafikoen sorreran eta bideo-jokoetan funtsezkoak izaten jarraitzen dute: irudi errealistak, hiru dimentsioko eszenak eta denbora errealeko animazioak sortzeko. Horrekin batera, erabilera nabarmena dute simulazio fisikoetan, fluidoen dinamikan, kimika konputazionalean, bioinformatikan, finantza-ereduetan, irudien analisian eta adimen artifizialean. Gailu txikiagoetan ere ageri dira, hala nola telefono mugikorretan, non irudiak eta bideoak prozesatzeaz gain ikusmen-konputaziorako eta adimen artifizialeko atazetarako ere erabiltzen diren. Zenbait kasutan, GPUen erabilerak aurretik orduak edo egunak eskatzen zituen kalkuluak minutu edo segundo gutxitan egitea ahalbidetu du. == Testu-ebakia: errendimendua eta kontsumoa == GPU modernoek errendimendu handia eskaintzen dute, baina energia-kontsumo handia ere izan dezakete, batez ere datu-zentroetan eta superkonputazioan. Horregatik, gaur egun ez da nahikoa ahalmen gordina neurtzea: energia-eraginkortasuna ere funtsezko irizpidea da. '''TOP500''' zerrendak munduko superkonputagailu ahaltsuenak sailkatzen ditu, normalean LINPACK edo HPL proban lortutako errendimenduaren arabera.<ref>TOP500, webgune ofiziala.</ref> '''Green500''' zerrendak, berriz, sistema horien energia-eraginkortasuna neurtzen du, watt bakoitzeko lortutako errendimendua kontuan hartuta.<ref>Green500, sailkapen ofiziala.</ref> == Erreferentziak == {{Errefentzia zerrenda}} bcehx7syqbt4tmta0wpnl1fh1vwvpiu 43970 43969 2026-07-28T10:35:45Z Ksarasola 1603 /* Ezaugarriak eta funtzionamendua */ 43970 wikitext text/x-wiki == GPU == [[Fitxategi:6600GT GPU.jpg|thumb|GeForce 6600GT '''GPU'''a]]'''[[w:Grafikoak prozesatzeko unitate|GPU]]'''a (''Graphics Processing Unit'', '''Grafikoak prozesatzeko unitatea''') jatorrian irudiak eta grafikoak prozesatzeko sortutako prozesadorea da, baina gaur egun konputazio intentsiboa behar duten arlo askotan funtsezko osagaia bihurtu da.<ref>Nickolls, J.; Dally, W. J., “The Origins of GPU Computing”, ''Communications of the ACM''.</ref> Hasieran, pantailako irudiak sortzeko erabiltzen zen batez ere, bereziki hiru dimentsioko grafikoetan, bideo-jokoetan eta lan-estazio grafikoetan. Hala ere, laster ikusi zen GPUek abantaila handia zutela datu kopuru handien gaineko eragiketa berdinak aldi berean egiteko. Ezaugarri horrek grafikoetatik haragoko erabilerak ekarri zituen, hala nola simulazio zientifikoak eta, batez ere, adimen artifiziala. Bilakaera horren ondorioz, GPUa ez da gaur egun periferiko grafiko hutsa, baizik eta konputazio modernoaren osagai estrategikoa. == Historia eta bilakaera == GPUen jatorria txartel grafikoen garapenari lotuta dago. 1990eko hamarkadan, ordenagailu pertsonaletako eta bideo-kontsoletako irudiak gero eta konplexuagoak bihurtu ziren heinean, beharrezkoa izan zen irudiak sortzeko lanaren zati bat prozesadore nagusitik aparteko gailu batera eramatea. Hasierako txartel grafikoek funtzio espezifikoak azkartzen zituzten, baina ez ziren oso malguak, aurrez zehaztutako urrats eta eragiketa batzuen barruan baino ezin zutelako lan egin. 1990eko hamarkadaren amaieran eta 2000koaren hasieran, GPU programagarrien hedapenak aldaketa handia ekarri zuen. Pixel- eta vertex-shaderrak programatzeko aukerak garatzaileei aukera eman zien kalkulu grafikoetatik haragoko eragiketak hardware horretan exekutatzeko. Testuinguru horretan sortu zen ''GPGPU'' deiturikoa (''General-Purpose computing on GPU''), hau da, GPUak erabilera orokorreko kalkuluetarako baliatzea.<ref>Luebke, D. et al., “GPGPU: General-Purpose Computation on Graphics Hardware”.</ref> Joera hori are gehiago indartu zen GPUak programatzeko tresnak zabaldu zirenean. Bereziki garrantzitsua izan zen '''CUDA''', NVIDIAk garatutako plataforma eta programazio-eredua, bere GPUak C++ edo Python bidez programatzeko aukera ematen duena.<ref>NVIDIA, ''CUDA C++ Programming Guide''.</ref> Aldi berean, '''OpenCL''' bezalako estandarrek antzeko bidea ireki zuten gailu eta plataforma heterogeneoetan.<ref>Khronos Group, ''The OpenCL Specification''.</ref> 2010eko hamarkadatik aurrera, sare neuronal sakonen hedapenarekin, GPUak are garrantzitsuago bihurtu ziren, datu kopuru handien gaineko kalkulu paraleloak oso azkar egiteko gaitasunagatik. Gaur egun, datu-zentro, laborategi eta superkonputagailu askotan CPU eta GPUak batera erabiltzen dira, arkitektura heterogeneoetan. == Ezaugarriak eta funtzionamendua == [[Fitxategi:Generic block diagram of a GPU.svg|thumb|400x400px|'''GPU''' baten osagaiak.]]GPUen indargune nagusia paralelismo masiboa da. CPU batek, oro har, hobeto kudeatzen ditu ataza konplexuak eta kontrol-fluxu irregularrak; GPUa, berriz, datu-paralelismo handiko kalkuluetarako egokiagoa da. Horregatik, bereziki aproposa da bektore, matrize eta pixel multzo handiekin lan egiteko. Ikuspegi orokorrago batetik, GPUen funtzionamendua datu askoren gainean eragiketa bera aldi berean aplikatzeko egokitutako paralelismo-ereduekin lotzen da; horregatik, askotan SIMD edo SIMT motako antolaketez hitz egiten da. Horrek ez du esan nahi GPUa CPUaren ordezko zuzena denik. Ohikoena da biak batera erabiltzea: CPUak programaren kontrol orokorra eta ataza sekuentzialenak kudeatzen ditu, eta GPUak kalkulu paralelo intentsiboak azkartzen ditu. Eredu hori bereziki erabilgarria da datu kopuru handien gaineko kalkulu berdintsuak egin behar direnean. Hala ere, adarkatze handia duten algoritmoetan edo memoria-atzipen irregularrean, GPUen eraginkortasuna txikiagoa izan daiteke. == Aplikazioak == GPUak gaur egun arlo askotan erabiltzen dira. Alde batetik, grafikoen sorreran eta bideo-jokoetan funtsezkoak izaten jarraitzen dute: irudi errealistak, hiru dimentsioko eszenak eta denbora errealeko animazioak sortzeko. Horrekin batera, erabilera nabarmena dute simulazio fisikoetan, fluidoen dinamikan, kimika konputazionalean, bioinformatikan, finantza-ereduetan, irudien analisian eta adimen artifizialean. Gailu txikiagoetan ere ageri dira, hala nola telefono mugikorretan, non irudiak eta bideoak prozesatzeaz gain ikusmen-konputaziorako eta adimen artifizialeko atazetarako ere erabiltzen diren. Zenbait kasutan, GPUen erabilerak aurretik orduak edo egunak eskatzen zituen kalkuluak minutu edo segundo gutxitan egitea ahalbidetu du. == Testu-ebakia: errendimendua eta kontsumoa == GPU modernoek errendimendu handia eskaintzen dute, baina energia-kontsumo handia ere izan dezakete, batez ere datu-zentroetan eta superkonputazioan. Horregatik, gaur egun ez da nahikoa ahalmen gordina neurtzea: energia-eraginkortasuna ere funtsezko irizpidea da. '''TOP500''' zerrendak munduko superkonputagailu ahaltsuenak sailkatzen ditu, normalean LINPACK edo HPL proban lortutako errendimenduaren arabera.<ref>TOP500, webgune ofiziala.</ref> '''Green500''' zerrendak, berriz, sistema horien energia-eraginkortasuna neurtzen du, watt bakoitzeko lortutako errendimendua kontuan hartuta.<ref>Green500, sailkapen ofiziala.</ref> == Erreferentziak == {{Errefentzia zerrenda}} h4nvh8sww3o8qo8fpa1irefoizsqyyp 43971 43970 2026-07-28T10:38:38Z Ksarasola 1603 /* Erreferentziak */ 43971 wikitext text/x-wiki == GPU == [[Fitxategi:6600GT GPU.jpg|thumb|GeForce 6600GT '''GPU'''a]]'''[[w:Grafikoak prozesatzeko unitate|GPU]]'''a (''Graphics Processing Unit'', '''Grafikoak prozesatzeko unitatea''') jatorrian irudiak eta grafikoak prozesatzeko sortutako prozesadorea da, baina gaur egun konputazio intentsiboa behar duten arlo askotan funtsezko osagaia bihurtu da.<ref>Nickolls, J.; Dally, W. J., “The Origins of GPU Computing”, ''Communications of the ACM''.</ref> Hasieran, pantailako irudiak sortzeko erabiltzen zen batez ere, bereziki hiru dimentsioko grafikoetan, bideo-jokoetan eta lan-estazio grafikoetan. Hala ere, laster ikusi zen GPUek abantaila handia zutela datu kopuru handien gaineko eragiketa berdinak aldi berean egiteko. Ezaugarri horrek grafikoetatik haragoko erabilerak ekarri zituen, hala nola simulazio zientifikoak eta, batez ere, adimen artifiziala. Bilakaera horren ondorioz, GPUa ez da gaur egun periferiko grafiko hutsa, baizik eta konputazio modernoaren osagai estrategikoa. == Historia eta bilakaera == GPUen jatorria txartel grafikoen garapenari lotuta dago. 1990eko hamarkadan, ordenagailu pertsonaletako eta bideo-kontsoletako irudiak gero eta konplexuagoak bihurtu ziren heinean, beharrezkoa izan zen irudiak sortzeko lanaren zati bat prozesadore nagusitik aparteko gailu batera eramatea. Hasierako txartel grafikoek funtzio espezifikoak azkartzen zituzten, baina ez ziren oso malguak, aurrez zehaztutako urrats eta eragiketa batzuen barruan baino ezin zutelako lan egin. 1990eko hamarkadaren amaieran eta 2000koaren hasieran, GPU programagarrien hedapenak aldaketa handia ekarri zuen. Pixel- eta vertex-shaderrak programatzeko aukerak garatzaileei aukera eman zien kalkulu grafikoetatik haragoko eragiketak hardware horretan exekutatzeko. Testuinguru horretan sortu zen ''GPGPU'' deiturikoa (''General-Purpose computing on GPU''), hau da, GPUak erabilera orokorreko kalkuluetarako baliatzea.<ref>Luebke, D. et al., “GPGPU: General-Purpose Computation on Graphics Hardware”.</ref> Joera hori are gehiago indartu zen GPUak programatzeko tresnak zabaldu zirenean. Bereziki garrantzitsua izan zen '''CUDA''', NVIDIAk garatutako plataforma eta programazio-eredua, bere GPUak C++ edo Python bidez programatzeko aukera ematen duena.<ref>NVIDIA, ''CUDA C++ Programming Guide''.</ref> Aldi berean, '''OpenCL''' bezalako estandarrek antzeko bidea ireki zuten gailu eta plataforma heterogeneoetan.<ref>Khronos Group, ''The OpenCL Specification''.</ref> 2010eko hamarkadatik aurrera, sare neuronal sakonen hedapenarekin, GPUak are garrantzitsuago bihurtu ziren, datu kopuru handien gaineko kalkulu paraleloak oso azkar egiteko gaitasunagatik. Gaur egun, datu-zentro, laborategi eta superkonputagailu askotan CPU eta GPUak batera erabiltzen dira, arkitektura heterogeneoetan. == Ezaugarriak eta funtzionamendua == [[Fitxategi:Generic block diagram of a GPU.svg|thumb|400x400px|'''GPU''' baten osagaiak.]]GPUen indargune nagusia paralelismo masiboa da. CPU batek, oro har, hobeto kudeatzen ditu ataza konplexuak eta kontrol-fluxu irregularrak; GPUa, berriz, datu-paralelismo handiko kalkuluetarako egokiagoa da. Horregatik, bereziki aproposa da bektore, matrize eta pixel multzo handiekin lan egiteko. Ikuspegi orokorrago batetik, GPUen funtzionamendua datu askoren gainean eragiketa bera aldi berean aplikatzeko egokitutako paralelismo-ereduekin lotzen da; horregatik, askotan SIMD edo SIMT motako antolaketez hitz egiten da. Horrek ez du esan nahi GPUa CPUaren ordezko zuzena denik. Ohikoena da biak batera erabiltzea: CPUak programaren kontrol orokorra eta ataza sekuentzialenak kudeatzen ditu, eta GPUak kalkulu paralelo intentsiboak azkartzen ditu. Eredu hori bereziki erabilgarria da datu kopuru handien gaineko kalkulu berdintsuak egin behar direnean. Hala ere, adarkatze handia duten algoritmoetan edo memoria-atzipen irregularrean, GPUen eraginkortasuna txikiagoa izan daiteke. == Aplikazioak == GPUak gaur egun arlo askotan erabiltzen dira. Alde batetik, grafikoen sorreran eta bideo-jokoetan funtsezkoak izaten jarraitzen dute: irudi errealistak, hiru dimentsioko eszenak eta denbora errealeko animazioak sortzeko. Horrekin batera, erabilera nabarmena dute simulazio fisikoetan, fluidoen dinamikan, kimika konputazionalean, bioinformatikan, finantza-ereduetan, irudien analisian eta adimen artifizialean. Gailu txikiagoetan ere ageri dira, hala nola telefono mugikorretan, non irudiak eta bideoak prozesatzeaz gain ikusmen-konputaziorako eta adimen artifizialeko atazetarako ere erabiltzen diren. Zenbait kasutan, GPUen erabilerak aurretik orduak edo egunak eskatzen zituen kalkuluak minutu edo segundo gutxitan egitea ahalbidetu du. == Testu-ebakia: errendimendua eta kontsumoa == GPU modernoek errendimendu handia eskaintzen dute, baina energia-kontsumo handia ere izan dezakete, batez ere datu-zentroetan eta superkonputazioan. Horregatik, gaur egun ez da nahikoa ahalmen gordina neurtzea: energia-eraginkortasuna ere funtsezko irizpidea da. '''TOP500''' zerrendak munduko superkonputagailu ahaltsuenak sailkatzen ditu, normalean LINPACK edo HPL proban lortutako errendimenduaren arabera.<ref>TOP500, webgune ofiziala.</ref> '''Green500''' zerrendak, berriz, sistema horien energia-eraginkortasuna neurtzen du, watt bakoitzeko lortutako errendimendua kontuan hartuta.<ref>Green500, sailkapen ofiziala.</ref> == Erreferentziak == {{erreferentzia zerrenda}} rqo5egj36xlxw5hds6r7tdovzixsnfc 0 7317 43966 43673 2026-07-27T23:08:10Z Ksarasola 1603 /* Hizkuntza-eredu handiak */ logoak 43966 wikitext text/x-wiki = Hizkuntza-eredu handiak = '''[[w:Hizkuntza-eredu handi|Hizkuntza-eredu handiak]]''' edo '''LLMak''' —ingelesez, ''Large Language Models''— testua prozesatzeko eta sortzeko entrenatutako [[w:eu:Adimen artifizial|adimen artifizialeko]] sistemak dira. Ez dute hizkuntza pertsona batek bezala ikasten: testu kopuru erraldoiak aztertuta, hitzen eta esaldien arteko erregulartasun estatistikoak ikasten dituzte. Horri esker, galderak erantzun, testuak laburtu, itzuli, berridatzi edo programazio-kodea sor dezakete. [[w:eu:ChatGPT|ChatGPT]] bezalako txat-sistemak LLM batean oinarritzen dira, baina hizkuntza-eredua sistema osoaren osagaietako bat baino ez da. <gallery> Fitxategi:ChatGPT logo.svg|[[w:ChatGPT|ChatGPT]] Fitxategi:Claude AI logo.svg|[[w:Claude (txatbota)|Claude]] Fitxategi:Deepseek-logo-icon.svg|[[w:Deepseek|Deepseek]] Fitxategi:Google Gemini logo.svg|[[w:Google Gemini|Gemini]] Fitxategi:Latxa logotipoa.jpg|[[w:Latxa (hizkuntza-eredu handia)|Latxa]] Fitxategi:Perplexity AI logo.svg|[[w:Perplexity AI|Perplexity AI]] </gallery> == Historia eta bilakaera == Hizkuntza-ereduak ez dira berriak. Lehen ereduek hitz baten ondoren zein hitz agertzeko probabilitatea kalkulatzen zuten, aurreko hitz gutxi batzuk kontuan hartuta. [[w:eu:Sare neuronal artifizial|Sare neuronalek]] testuinguru zabalagoa erabiltzea eta hitzen antzeko errepresentazioak ikastea ahalbidetu zuten. 2017an aurkeztutako Transformer arkitekturak jauzi handia ekarri zuen: arreta-mekanismoen bidez, testuko elementuen arteko erlazioak aztertzen ditu, eta entrenamendua paraleloan egitea errazten du.<ref>Ashish Vaswani et al., [https://arxiv.org/abs/1706.03762 «Attention Is All You Need»], ''Advances in Neural Information Processing Systems'', 2017.</ref> Horrek datu eta parametro kopuru gero eta handiagoko ereduak sortzeko bidea ireki zuen. Eredu horiek, lehenik, corpus erraldoiekin aurreentrenatzen dira. Ohiko ariketa hurrengo tokena —hitz bat, hitz-zati bat edo puntuazio-marka bat— aurreikustea da. Esaterako, «Gaur euria egingo…» segidaren ondoren zer etor daitekeen kalkulatzen du ereduak. Milaka milioi adibiderekin ariketa hori errepikatuta, gramatika, estiloak, munduari buruzko informazioa eta testuen arteko erlazio ugari ikasten ditu. Ikasitakoa entrenamenduan doitzen diren milioika edo milaka milioi zenbakitan, parametroetan, gordetzen da. == Aurreikusletik laguntzailera == Aurreentrenatutako eredu batek testua osatzen badaki, baina ez du zertan erabiltzailearen instrukzioa behar bezala jarraitu. Horregatik, bigarren fase batean, instrukzio eta erantzun egokien adibideekin doitzen da. Horrela ikasten du, besteak beste, galdera bati erantzuten, testu bat laburtzen edo elkarrizketa baten haria mantentzen. Instrukzioak jarraitzea, ordea, ez da nahikoa. Eredua erabiltzailearen asmoekin, gizarte-arau batzuekin eta segurtasun-irizpideekin bat etortzeko egokitzapenari lerrokatzea deitzen zaio. Horretarako, gizakiek edo beste eredu batzuek erantzunak ebaluatu eta hobetsi ditzakete, eta ereduak erantzun lagungarriagoak, zintzoagoak eta kalte gutxiagokoak ematen ikasten du.<ref>Long Ouyang et al., [https://arxiv.org/abs/2203.02155 «Training Language Models to Follow Instructions with Human Feedback»], 2022.</ref> Lerrokatzea ez da behin betiko konpondutako arazoa: balioak ez dira unibertsalak, instrukzioak kontraesankorrak izan daitezke eta gehiegizko segurtasunak erantzun erabilgarriak ere bazter ditzake. Azken belaunaldietako ereduek arazo konplexuak urratsetan lantzeko gaitasuna ere hobetu dute. Horri arrazonamendu-gaitasuna deitu ohi zaio: erantzuna berehala eman beharrean, ereduak kalkulu, plangintza edo ondorioztapeneko bitarteko urratsak landu ditzake. Horrek matematikan, programazioan eta arazoen ebazpenean emaitzak hobetu ditzake, baina ez du bermatzen arrazoibidea zuzena denik edo ereduak gizaki batek bezala ulertzen duenik. Erantzuna sortzean, LLMak ez du datu-base batean esaldi oso bat bilatzen. Une bakoitzean hurrengo token posibleei probabilitate bat esleitzen die, bat aukeratzen du eta prozesua berriz hasten du. Horregatik sor ditzake testu berriak, baina baita sinesgarriak diruditen baieztapen faltsuak ere. Haluzinazio deritzen errore horiek direla eta, erantzunak egiaztatzea ezinbestekoa da, bereziki osasunean, zuzenbidean edo ikerketan. == Aplikazioak eta mugak == LLMak askotariko lanetan erabiltzen dira: idazketan eta [[w:eu:Itzulpen automatiko|itzulpenean]], bilaketa eta galdera-erantzun sistemetan, dokumentuen analisian, hezkuntzan, programazioan edo bezeroarentzako arretan. Eredu multimodalek, testuaz gain, irudiak, audioa edo bideoa ere prozesa ditzakete. Gaitasun horiek mugak dituzte. Ereduak entrenamendu-datuetako aurreiritziak errepika ditzake, ez du bere erantzunen egiazkotasuna bermatzen eta informazio pribatua modu desegokian erabil daiteke. Gainera, eredu handiak entrenatu eta erabiltzeak konputazio- eta energia-kostu handia du. Beste arazo bat hizkuntzen arteko desoreka da: Interneten testu ugari duten hizkuntzek emaitza hobeak izaten dituzte, eta baliabide gutxiagoko hizkuntzek atzean geratzeko arriskua dute. == Testu ebakia: Latxa, euskaratik adimen artifizialera == Desoreka horri aurre egiteko sortu zuen HiTZ Hizkuntza Teknologiako Euskal Zentroak Latxa, euskarara egokitutako hizkuntza-ereduen familia. Lehen belaunaldia [[w:eu:Meta Platforms|Meta]]-ren Llama 2 ereduetatik abiatu zen, eta 4,2 mila milioi tokeneko euskarazko corpus batekin entrenatzen jarraitu zen.<ref>Julen Etxaniz et al., [https://aclanthology.org/2024.acl-long.799/ «Latxa: An Open Language Model and Evaluation Suite for Basque»], ''Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics'', 14952–14972, 2024.</ref> Ereduak, corpusak eta ebaluazio-baliabideak modu irekian argitaratzeak euskarazko ikerketa erreproduzigarria eta aplikazio berrien garapena errazten du. Latxa ez da eredu isolatu bat, bilakaeran dagoen familia bat baizik. Ondorengo belaunaldiek oinarri modernoagoak, instrukzioak jarraitzeko gaitasuna eta ikusmena ere gehitu dituzte. Latxa-Qwen3.5 ereduek, adibidez, testua eta irudiak prozesa ditzakete, eta euskaraz ez ezik, galizieraz eta katalanez ere egokitu dira. Latxaren ekarpena ez da euskaraz hitz egiten duen txatbot bat eskaintzera mugatzen. Euskara adimen artifizialaren garapen berrietan presente egoteko azpiegitura, datuak eta ezagutza sortzen ditu. LLMek hizkuntzaren erabilera gero eta eremu gehiagotan baldintzatzen badute, hizkuntza bakoitzak teknologia horiek garatu, aztertu eta bere beharretara egokitzeko gaitasuna izatea ere burujabetza digitalaren parte da. == Erreferentziak == <references /> == Kanpo-estekak == * [https://arxiv.org/abs/1706.03762 «Attention Is All You Need»], Transformer arkitekturaren jatorrizko artikulua. * [https://arxiv.org/abs/2005.14165 «Language Models are Few-Shot Learners»], eskala handiko hizkuntza-ereduen garapenean erreferentziazko artikulua. * [https://arxiv.org/abs/2203.02155 «Training Language Models to Follow Instructions with Human Feedback»], instrukzio-doikuntzari eta lerrokatzeari buruzko artikulua. * [https://aclanthology.org/2024.acl-long.799/ «Latxa: An Open Language Model and Evaluation Suite for Basque»], Latxaren lehen belaunaldiari buruzko artikulu zientifikoa. * [https://www.euskadi.eus/latxa Latxa erabiltzeko webgunea]. 37jp2um87t2d6yjhtv02nf47zrlz84g 43967 43966 2026-07-27T23:18:08Z Ksarasola 1603 /* Historia eta bilakaera */ irudiak 43967 wikitext text/x-wiki = Hizkuntza-eredu handiak = '''[[w:Hizkuntza-eredu handi|Hizkuntza-eredu handiak]]''' edo '''LLMak''' —ingelesez, ''Large Language Models''— testua prozesatzeko eta sortzeko entrenatutako [[w:eu:Adimen artifizial|adimen artifizialeko]] sistemak dira. Ez dute hizkuntza pertsona batek bezala ikasten: testu kopuru erraldoiak aztertuta, hitzen eta esaldien arteko erregulartasun estatistikoak ikasten dituzte. Horri esker, galderak erantzun, testuak laburtu, itzuli, berridatzi edo programazio-kodea sor dezakete. [[w:eu:ChatGPT|ChatGPT]] bezalako txat-sistemak LLM batean oinarritzen dira, baina hizkuntza-eredua sistema osoaren osagaietako bat baino ez da. <gallery> Fitxategi:ChatGPT logo.svg|[[w:ChatGPT|ChatGPT]] Fitxategi:Claude AI logo.svg|[[w:Claude (txatbota)|Claude]] Fitxategi:Deepseek-logo-icon.svg|[[w:Deepseek|Deepseek]] Fitxategi:Google Gemini logo.svg|[[w:Google Gemini|Gemini]] Fitxategi:Latxa logotipoa.jpg|[[w:Latxa (hizkuntza-eredu handia)|Latxa]] Fitxategi:Perplexity AI logo.svg|[[w:Perplexity AI|Perplexity AI]] </gallery> == Historia eta bilakaera == [[Fitxategi:Estimated training cost of some AI models - 2024 AI index.jpg|thumb|380x380px|'''Hizkuntza eredu handiak''' entrenatzeko erabiltzen den konputazio-lanaren gorakada azkarra. HEH itxi onenen entrenamendu-kostuak eredu irekiko onenen entrenamendu-kostuak baino askoz ere handiagoak dirudite. GPT-4 eta antzeko ereduen entrenamendu-kostua ez da publikoki ezagutzen; beraz, estimazio bat baino ez da. Datuak ''Epoch''-enak dira 2023an, eta grafikoa [[Stanford Unibertsitatea|Stanfordeko Unibertsitateko]] ''AI index''-ekoa da 2024an.<ref>{{Erreferentzia|izenburua=AI Index Report 2024 – Artificial Intelligence Index|orrialdea=(chapter 1, image 3)|hizkuntza=en|url=https://aiindex.stanford.edu/report/#individual-chapters|aldizkaria=aiindex.stanford.edu|sartze-data=2024-11-25}}</ref>]]Hizkuntza-ereduak ez dira berriak. Lehen ereduek hitz baten ondoren zein hitz agertzeko probabilitatea kalkulatzen zuten, aurreko hitz gutxi batzuk kontuan hartuta. [[w:eu:Sare neuronal artifizial|Sare neuronalek]] testuinguru zabalagoa erabiltzea eta hitzen antzeko errepresentazioak ikastea ahalbidetu zuten. 2017an aurkeztutako Transformer arkitekturak jauzi handia ekarri zuen: arreta-mekanismoen bidez, testuko elementuen arteko erlazioak aztertzen ditu, eta entrenamendua paraleloan egitea errazten du.<ref>Ashish Vaswani et al., [https://arxiv.org/abs/1706.03762 «Attention Is All You Need»], ''Advances in Neural Information Processing Systems'', 2017.</ref> Horrek datu eta parametro kopuru gero eta handiagoko ereduak sortzeko bidea ireki zuen. Eredu horiek, lehenik, corpus erraldoiekin aurreentrenatzen dira. Ohiko ariketa hurrengo tokena —hitz bat, hitz-zati bat edo puntuazio-marka bat— aurreikustea da. Esaterako, «Gaur euria egingo…» segidaren ondoren zer etor daitekeen kalkulatzen du ereduak. Milaka milioi adibiderekin ariketa hori errepikatuta, gramatika, estiloak, munduari buruzko informazioa eta testuen arteko erlazio ugari ikasten ditu. Ikasitakoa entrenamenduan doitzen diren milioika edo milaka milioi zenbakitan, parametroetan, gordetzen da. == Aurreikusletik laguntzailera == Aurreentrenatutako eredu batek testua osatzen badaki, baina ez du zertan erabiltzailearen instrukzioa behar bezala jarraitu. Horregatik, bigarren fase batean, instrukzio eta erantzun egokien adibideekin doitzen da. Horrela ikasten du, besteak beste, galdera bati erantzuten, testu bat laburtzen edo elkarrizketa baten haria mantentzen. Instrukzioak jarraitzea, ordea, ez da nahikoa. Eredua erabiltzailearen asmoekin, gizarte-arau batzuekin eta segurtasun-irizpideekin bat etortzeko egokitzapenari lerrokatzea deitzen zaio. Horretarako, gizakiek edo beste eredu batzuek erantzunak ebaluatu eta hobetsi ditzakete, eta ereduak erantzun lagungarriagoak, zintzoagoak eta kalte gutxiagokoak ematen ikasten du.<ref>Long Ouyang et al., [https://arxiv.org/abs/2203.02155 «Training Language Models to Follow Instructions with Human Feedback»], 2022.</ref> Lerrokatzea ez da behin betiko konpondutako arazoa: balioak ez dira unibertsalak, instrukzioak kontraesankorrak izan daitezke eta gehiegizko segurtasunak erantzun erabilgarriak ere bazter ditzake. Azken belaunaldietako ereduek arazo konplexuak urratsetan lantzeko gaitasuna ere hobetu dute. Horri arrazonamendu-gaitasuna deitu ohi zaio: erantzuna berehala eman beharrean, ereduak kalkulu, plangintza edo ondorioztapeneko bitarteko urratsak landu ditzake. Horrek matematikan, programazioan eta arazoen ebazpenean emaitzak hobetu ditzake, baina ez du bermatzen arrazoibidea zuzena denik edo ereduak gizaki batek bezala ulertzen duenik. Erantzuna sortzean, LLMak ez du datu-base batean esaldi oso bat bilatzen. Une bakoitzean hurrengo token posibleei probabilitate bat esleitzen die, bat aukeratzen du eta prozesua berriz hasten du. Horregatik sor ditzake testu berriak, baina baita sinesgarriak diruditen baieztapen faltsuak ere. Haluzinazio deritzen errore horiek direla eta, erantzunak egiaztatzea ezinbestekoa da, bereziki osasunean, zuzenbidean edo ikerketan. == Aplikazioak eta mugak == LLMak askotariko lanetan erabiltzen dira: idazketan eta [[w:eu:Itzulpen automatiko|itzulpenean]], bilaketa eta galdera-erantzun sistemetan, dokumentuen analisian, hezkuntzan, programazioan edo bezeroarentzako arretan. Eredu multimodalek, testuaz gain, irudiak, audioa edo bideoa ere prozesa ditzakete. Gaitasun horiek mugak dituzte. Ereduak entrenamendu-datuetako aurreiritziak errepika ditzake, ez du bere erantzunen egiazkotasuna bermatzen eta informazio pribatua modu desegokian erabil daiteke. Gainera, eredu handiak entrenatu eta erabiltzeak konputazio- eta energia-kostu handia du. Beste arazo bat hizkuntzen arteko desoreka da: Interneten testu ugari duten hizkuntzek emaitza hobeak izaten dituzte, eta baliabide gutxiagoko hizkuntzek atzean geratzeko arriskua dute. == Testu ebakia: Latxa, euskaratik adimen artifizialera == Desoreka horri aurre egiteko sortu zuen HiTZ Hizkuntza Teknologiako Euskal Zentroak Latxa, euskarara egokitutako hizkuntza-ereduen familia. Lehen belaunaldia [[w:eu:Meta Platforms|Meta]]-ren Llama 2 ereduetatik abiatu zen, eta 4,2 mila milioi tokeneko euskarazko corpus batekin entrenatzen jarraitu zen.<ref>Julen Etxaniz et al., [https://aclanthology.org/2024.acl-long.799/ «Latxa: An Open Language Model and Evaluation Suite for Basque»], ''Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics'', 14952–14972, 2024.</ref> Ereduak, corpusak eta ebaluazio-baliabideak modu irekian argitaratzeak euskarazko ikerketa erreproduzigarria eta aplikazio berrien garapena errazten du. Latxa ez da eredu isolatu bat, bilakaeran dagoen familia bat baizik. Ondorengo belaunaldiek oinarri modernoagoak, instrukzioak jarraitzeko gaitasuna eta ikusmena ere gehitu dituzte. Latxa-Qwen3.5 ereduek, adibidez, testua eta irudiak prozesa ditzakete, eta euskaraz ez ezik, galizieraz eta katalanez ere egokitu dira. Latxaren ekarpena ez da euskaraz hitz egiten duen txatbot bat eskaintzera mugatzen. Euskara adimen artifizialaren garapen berrietan presente egoteko azpiegitura, datuak eta ezagutza sortzen ditu. LLMek hizkuntzaren erabilera gero eta eremu gehiagotan baldintzatzen badute, hizkuntza bakoitzak teknologia horiek garatu, aztertu eta bere beharretara egokitzeko gaitasuna izatea ere burujabetza digitalaren parte da. == Erreferentziak == <references /> == Kanpo-estekak == * [https://arxiv.org/abs/1706.03762 «Attention Is All You Need»], Transformer arkitekturaren jatorrizko artikulua. * [https://arxiv.org/abs/2005.14165 «Language Models are Few-Shot Learners»], eskala handiko hizkuntza-ereduen garapenean erreferentziazko artikulua. * [https://arxiv.org/abs/2203.02155 «Training Language Models to Follow Instructions with Human Feedback»], instrukzio-doikuntzari eta lerrokatzeari buruzko artikulua. * [https://aclanthology.org/2024.acl-long.799/ «Latxa: An Open Language Model and Evaluation Suite for Basque»], Latxaren lehen belaunaldiari buruzko artikulu zientifikoa. * [https://www.euskadi.eus/latxa Latxa erabiltzeko webgunea]. rxn75bqicn64rekjri3htr6srkzk19t 0 7318 43972 43676 2026-07-28T11:01:32Z Ksarasola 1603 /* Itzulpen automatiko neuronala */ irudiak 43972 wikitext text/x-wiki = Itzulpen automatiko neuronala = [[w:eu:Itzulpen automatiko neuronal|Itzulpen automatiko neuronala]] testu bat hizkuntza batetik bestera automatikoki bihurtzeko sare neuronaletan oinarritutako teknika da. Bere helburua ez da jatorrizko testuko hitz bakoitzari beste hizkuntzako ordain bat ematea soilik, baizik eta haren esanahia beste hizkuntza batean modu ulergarri eta natural batean berreraikitzea. Aurreko belaunaldietako sistemekin alderatuta, eredu neuronalek kalitate-jauzi nabarmena ekarri zuten, esaldien egitura eta testuingurua modu bateratuagoan modelatzeko gai direlako. Gaur egun, teknologia hori eguneroko tresna digital askotan dago txertatuta: web bidezko itzultzaileetan, dokumentu-kudeaketan, nazioarteko komunikazioan eta adimen artifizialeko aplikazioetan. Hizkuntza gutxituen kasuan ere balio estrategikoa du, eduki gehiago sortzeko, zerbitzu elebidunak eskaintzeko eta hizkuntza horien erabilera digitala indartzeko aukera ematen duelako. <gallery mode="packed-hover" heights="160"> Fitxategi:Elia martxan es 2021 02.png|[[elia.eus]] ([[Elhuyar Fundazioa|Elhuyar]]) Fitxategi:Itzultzaile neuronala EJ.png|Jaurlaritzaren itzutzaile neuronala Fitxategi:Batua eus.png|Batua.eus </gallery> == Historia eta bilakaera == [[w:eu:Itzulpengintza automatiko|Itzulpen automatikoaren]] lehen sistemak arau linguistikoetan oinarritu ziren. Hiztegiak, gramatika formalak eta eskuz definitutako baliokidetasunak erabiltzen zituzten. Horrek emaitzen gaineko kontrol handia ematen zuen, baina hizkuntza-pare eta erabilera-eremu bakoitzerako garapen-lan handia eskatzen zuen. 1990eko hamarkadatik aurrera, itzulpen automatiko estatistikoa nagusitu zen. Sistema horiek corpus elebidun handietatik ikasten zuten zein hitz edo esaldi-zati izan zitezkeen elkarren ordain. Aurreko ikuspegia baino malguagoak ziren, baina itzulpena zati txiki samarretan eraikitzen zutenez, zailtasunak izan ohi zituzten hitz-ordena naturala, esaldiaren koherentzia eta testuingurua behar bezala mantentzeko. 2010eko hamarkadan, sare neuronaletan oinarritutako ereduek aurreko sistemak ordezkatzen hasi ziren. ''Encoder-decoder'' arkitekturak erabiliz, sare batek jatorrizko esaldia errepresentazio matematiko batean kodetzen zuen, eta beste batek helburuko hizkuntzako esaldia sortzen zuen.<ref>Ilya Sutskever, Oriol Vinyals eta Quoc V. Le, [https://arxiv.org/abs/1409.3215 «Sequence to Sequence Learning with Neural Networks»], ''Advances in Neural Information Processing Systems'', 2014.</ref> Arreta-mekanismoek itzulpenaren urrats bakoitzean jatorrizko testuaren zatirik garrantzitsuenak kontuan hartzea ahalbidetu zuten.<ref>Dzmitry Bahdanau, Kyunghyun Cho eta Yoshua Bengio, [https://arxiv.org/abs/1409.0473 «Neural Machine Translation by Jointly Learning to Align and Translate»], 2014.</ref> 2017an aurkeztutako Transformer arkitekturak urrats berri bat ekarri zuen: arreta-mekanismoetan oinarrituta, testuingurua modu eraginkorragoan modelatu eta entrenamendua paraleloan egiteko aukera eman zuen.<ref>Ashish Vaswani et al., [https://arxiv.org/abs/1706.03762 «Attention Is All You Need»], ''Advances in Neural Information Processing Systems'', 2017.</ref> == Nola funtzionatzen du? == Itzulpen-eredu neuronalak jatorrizko hizkuntzako eta helburuko hizkuntzako testu baliokideak dituen corpus elebidun batekin entrenatzen dira. Entrenamenduan, ereduak hizkuntzen arteko erlazioak ikasten ditu: hitzen esanahiak, egitura sintaktikoak, ohiko esamoldeak eta hitzen arteko mendekotasunak. Itzulpena sortzean, testua tokenetan banatzen da. Ereduak jatorrizko sekuentzia prozesatu eta helburuko hizkuntzako testua tokenez token sortzen du. Urrats bakoitzean, aurretik sortutako testua eta jatorrizko esaldia hartzen ditu kontuan hurrengo tokenik probableena aukeratzeko. Horregatik, itzulpena ez da hiztegi bateko baliokidetasunak bata bestearen atzetik lotzearen emaitza, baizik eta ikasitako hizkuntza-ereduen arabera sortutako sekuentzia berri bat. Eredu neuronalek aurreko sistemek baino itzulpen naturalagoak sortzen dituzte, batez ere datu ugari dituzten hizkuntza-pareetan. Hala ere, emaitza arina eta gramatikalki zuzena izateak ez du bermatzen esanahia guztiz gorde denik. Ereduak informazioa ezabatu, gehitu edo gaizki interpretatu dezake, eta akats horiek ez dira beti erraz antzematen. == Esalditik dokumentura == Itzulpen automatiko neuronalaren muga nagusietako bat izan da sistemak, tradizionalki, esaldi-mailan entrenatu eta erabiltzea. Dokumentua esalditan zatitzen da, eta esaldi bakoitza gainerakoetatik nahiko independentean itzultzen da. Horrek kalitate ona eman dezake esaldi bakoitza bere aldetik aztertuta, baina arazoak eragin ditzake dokumentu osoan. Esaldi batetik bestera aldatu egin daitezke termino baten itzulpena, pertsona edo objektu bati egindako erreferentziak, aditz-denborak, generoa edo estiloa. Dokumentu-mailako sistemek aurreko eta ondorengo testuingurua ere hartu nahi dute kontuan, koherentzia horiek hobeto mantentzeko. Hizkuntza-eredu handiek testuinguru luzeagoak prozesatzeko duten gaitasunak dokumentu osoak modu naturalagoan itzultzeko bidea zabaldu du, nahiz eta testu luzeko fidagarritasuna eta kontrola ikerketa-arazo garrantzitsuak diren oraindik. == Aplikazioak eta mugak == Itzulpen automatiko neuronala web-edukietan, dokumentazio teknikoan, hezkuntzan, administrazioan, bezeroarentzako arretan eta nazioarteko komunikazioan erabiltzen da. Batzuetan, erabiltzaileari testu baten gutxi gorabeherako esanahia eskaintzen dio; beste batzuetan, itzultzaile profesionalentzako aurreitzulpena sortzen du, ondoren giza berrikuspena egiteko. Kalitatea neurri handi batean entrenamendu-datuen araberakoa da. Baliabide gutxiko hizkuntzetan corpus elebidun gutxiago dagoenez, emaitzak okerragoak izan daitezke. Domeinu espezializatuek ere arazo bereziak dituzte: osasunean, zuzenbidean edo administrazioan, terminologia zehatza, estilo jakinak eta esanahiaren fidagarritasuna ezinbestekoak dira. Horregatik, itzultzaile orokor bat ez da beti nahikoa; domeinura egokitutako datuak, terminologia-lana eta giza ebaluazioa behar dira. == Testu-ebakia: Itzulbide, euskarazko osasun-arreta ahalbidetzeko == Behar horri erantzuteko sortu zen Itzulbide, osasun-txostenetan euskaraz idatzitako informazioa gaztelaniara automatikoki itzultzeko sistema. Proiektuaren abiapuntua ez zen itzultzaile berri bat sortzeko interes teknologiko hutsa, osasun-arloko arazo praktiko bat baizik: profesionalek pazienteekin euskaraz aritu eta historia klinikoan euskaraz idatzi ahal izatea, informazio hori euskaraz ez dakiten gainerako profesionalentzat ere eskuragarri mantenduz.<ref>Olatz Perez-de-Viñaspre, [https://aldizkariak.ueu.eus/index.php/osagaiz/article/view/340 «Itzulbide: osasun-txostenen itzulpen automatiko neuronala»], ''Osagaiz: Osasun Zientzien Aldizkaria'', 4. liburukia, 1. ale berezia, 33–38, 2020.</ref> Osasun-txostenak ez dira testu arruntak. Terminologia espezializatua, laburdurak, esaldi osatugabeak, estilo telegrafikoa eta pazientearen osasunean eragina izan dezakeen informazio zehatza biltzen dute. Horregatik, Itzulbide ezin da erabilera orokorreko itzultzaile baten aplikazio hutsa izan: domeinu klinikoko datuekin eta erabilera-baldintzekin egokitutako sistema behar du. Proiektuan euskaratik gaztelaniarako noranzkoari eman zitzaion lehentasuna, medikuak euskaraz idatzitakoa osasun-sistemako profesional guztientzat eskuragarri egon zedin. Itzulbide Osakidetzaren, EHUko Ixa taldearen —gerora HiTZ zentroan integratua— eta Elhuyarren arteko elkarlanetik garatu zen. Sistemak historia klinikoan euskaraz jasotako informazioa gaztelaniara itzultzen du, eta, horrela, kontsulta medikoak euskaraz egitea eta profesionalek aplikazio korporatiboetan euskaraz lan egitea errazten du.<ref>[https://www.orai.eus/eu/arrakasta-kasuak/itzulbide «Itzulbide: itzulpen automatikoa»], ORAI.</ref> Itzulbideren garrantzia ez dago soilik osasun-arlorako itzultzaile espezializatu bat izatean. Teknologiak hizkuntzaren erabilera baldintzatzen duen egoera batean, euskaraz lan egiteko oztopo praktiko bat kentzen du. Horrela, itzulpen automatikoa ez da gaztelaniaz sortutako edukia euskarara ekartzeko tresna soil bat: profesionalek jatorriz euskaraz lan egin ahal izateko azpiegitura ere izan daiteke. == Erreferentziak == <references /> == Ikus, gainera == * [[w:eu:Itzulpengintza automatiko|Itzulpengintza automatikoa]] * [[w:eu:Itzuli (itzultzaile neuronala)|Itzuli]] * [[w:eu:Elia.eus|Elia.eus]] * [[w:eu:Hizkuntzaren prozesamendu|Hizkuntzaren prozesamendua]] == Kanpo-estekak == * [https://arxiv.org/abs/1409.0473 «Neural Machine Translation by Jointly Learning to Align and Translate»], arreta-mekanismoetan oinarritutako itzulpen neuronalaren erreferentziazko artikulua. * [https://arxiv.org/abs/1706.03762 «Attention Is All You Need»], Transformer arkitekturaren jatorrizko artikulua. * [https://aldizkariak.ueu.eus/index.php/osagaiz/article/view/340 «Itzulbide: osasun-txostenen itzulpen automatiko neuronala»], Itzulbideri buruzko artikulua. * [https://www.euskadi.eus/itzuli/ Itzuli], Eusko Jaurlaritzaren euskararen eta gaztelaniaren arteko itzultzaile automatiko neuronala. * [https://elia.eus/hasiera Elia], Elhuyarren itzultzaile automatiko eleaniztuna. * [https://www.batua.eus/ Batua], adimen artifizialean eta sare neuronaletan oinarritutako itzulpen-zerbitzua. 26qa4t0rodddi61ifjjd8douhhyg8xe 0 7329 43965 43945 2026-07-27T22:55:57Z Ksarasola 1603 estekak 43965 wikitext text/x-wiki =Telefono adimenduna eta Tableta= [[Fitxategi:Commercial Mobile Technology (140214-F-CE345-001).jpg|thumb| Tableta eta telefono adimenduna]] '''Telefono adimenduna''' (''smartphone'' ingelesez'')'' [[w:telefono mugikor|telefono mugikor]]raren eta [[w:Ordenagailu pertsonal|PC]]<nowiki/>aren elementuak konbinatzen dituen gailua da. Oinarrizko telefonoek baino gaitasun handiagoa daukate, [[w:ordenagailu|ordenagailu]] baten antzeko jarduerak egiten dituzte eta konektagarritasun handia dute. Azken ezaugarriari esker [[w:Internet|Internet]] konexioa eskain dezakete (ia) edonon. [[w:Ukipen-pantaila|Ukipen-pantaila]] bat dute erabiltzaileak aplikazioak hautatu eta erabiltzeko. '''Tableta''' [[w:ordenagailu eramangarri|ordenagailu eramangarri]] txikia da, eta telefono adimenduna bezala ukipen-pantaila eta konektagarritasun handia ditu. Biak ala biak funtsezko dispositiboak izan dira mugikortasunari begira, baita ikus-entzunezko alorrean aritzeko ere, zeren dituzten [[w:kamera|kamera]], [[w:GPS|GPS]], [[w:mikrofono|mikrofono]] eta [[w:Bozgorailu|bozgorailuak]] sare-konektibitatearekin ([[w:wifi|wifi]], sare telefonikoa, [[w:bluetooth|bluetooth]]...) konbinatuta iraultza ekarri baitute. Haien bitartez testuak, irudiak, soinuak eta bideoak edonondik atzitu daitezke, eta edonon sortu eta bidali. Telefono adimendun eta tableta gehienetan, bezeroek programa gehigarriak ([[w:Aplikazio informatiko|aplikazio]] izenekoak) deskarga eta instala ditzakete. Horretarako, [[w:sistema eragile|sistema eragile]] nagusiek aplikazio-dendak sortu dituzte, hala nola [[w:Android|Androiden]] [[w:Google Play|Google Play]], [[w:IOS|iOSen]] [[w:App Store|App Store]] edo [[w:Windows Phone|Windows Phoneren]] [[w:Windows Phone Store|Windows Phone Store]]. Gailu horien ezaugarri nagusiak hauek dira: multiataza funtzioa, [[w:Wifi|WiFi]] edota [[w:2G|2G]], [[w:3G|3G]], [[w:4G|4G]] nahiz [[w:5G|5G]] sareen bidezko [[w:internet|internet]] konexioa, multimedia funtzioa, argazki kamera, eta musika zein bideoak erreproduzitzeko, agenda programak, kontaktuak kudeatzea, [[w:GPS|GPSa]] eta nabigazio programak, eta hainbat dokumentu irakurri ahal izatea (hala nola, [[w:PDF|PDF]] eta [[w:Microsoft Office|Microsoft Office]]). == Historia eta bilakaera == 1990eko hamarkadaren erdialdean, telefono mugikorrak zituzten pertsona askok PDA gailu bat ere erabiltzen zuten, Palm OS, [[w:Symbian|Symbian]] edo [[w:Windows CE|Windows CE]]/Pocket PC sistema eragileen aurreko bertsioak exekutatzen zituztenak. Garai hartako "telefono adimendun" primitibo gehienak gailu hibridoak ziren, eta familiako PDA sistema eragile horiek telefonoaren oinarrizko hardwarearekin konbinatzen zituzten. 1996 eta 2000artean [[w:Nokia|Nokia]], [[w:Ericsson|Ericsson]] eta Japoniako enpresa batzuk PDA eta telefono mugikorra fusionatu zituzten, baina ez zuten arrakasta handirik izan hainbat faktorerengatik, prezioa, datuetako tarifak eta interfaze traketsak besteak beste. 2000tik aurrera Synbian zuten Nokia telefonoek eta [[w:BlackBerry|Blackberryek]] arrakasta handia izan zuten. Baina egun ezagutzen ditugun telefono adimendunak ez ziren 2007 arte nagusitu. 2007an, Applek historiako lehen [[w:IPhone|IPhone]] telefonoa kaleratu zuen, eta, horrela, telefonia mugikorraren erabileraren estandarrak betiko aldatu zituen. «Urteko asmakizuna» izendatu zuen Time aldizkariak 2007an. Lehen IPhonearekin [[w:IOS|IOS sistema eragile]] mugikorra zetorren, urtebete geroago, 2008an, sortuko zen [[w:Android|Androiderekin]] lehian aritu dena gaur arte<ref>{{Erreferentzia|izena=Igor Leturia|abizena=Azkarate|izenburua=Sistema eragileen guda berria|hizkuntza=eu|data=2010-10-01|url=https://zientzia.eus/artikuluak/sistema-eragileen-guda-berria/|aldizkaria=Elhuyar Zientzia|sartze-data=2026-06-29}}</ref>. 2010 arte Synbian izan zen sistema erabiliena izaten baina hortik aurrera Nokiak porrot egin zuen. Tableten historiari dagokionez, hainbat film eta diseinutan agertu arren, lehen dispositiboa 2001ean agertu zen, Microsoften eskutik eta Tablet PC zuen izena. Hainbat fabrikatzaileri lizentzia eman zion eta hainbat produktu sortu ziren (Nokia 510 webtablet esaterako) baina ez zuten arrakasta handirik izan. Aldaketa 2010ean gertatu zen, Apple iPad tableta aurkeztu zuenean iPhone telefonoan oinarrituta. Horren aurrean, telefonoen eta PCen ekoizle askok erreakzionatu zuten Android-en oinarritutako tabletak merkaturatzen. === Telefono adimenduen merkatua === <div class="floatright"> <timeline> ImageSize=width:270 height:400 PlotArea=left:60 bottom:45 top:10 right:16 AlignBars=justify Period=from:0 till:1700 TimeAxis=orientation:horizontal Colors= id:gray value:gray(0.5) id:line1 value:gray(0.9) id:line2 value:gray(0.7) BarData= bar:2007 text:2007 bar:2008 text:2008 bar:2009 text:2009 bar:2010 text:2010 bar:2011 text:2011 bar:2012 text:2012 bar:2013 text:2013 bar:2014 text:2014 bar:2015 text:2015 bar:2016 text:2016 bar:2017 text:2017 bar:2018 text:2018 bar:2019 text:2019 bar:2020 text:2020 bar:2021 text:2021 bar:2022 text:2022 PlotData= color:tan1 width:10 bar:2007 from:start till:122 text:122 bar:2008 from:start till:139 text:139 bar:2009 from:start till:172 text:172 bar:2010 from:start till:296 text:296 bar:2011 from:start till:472 text:472 bar:2012 from:start till:680 text:680 bar:2013 from:start till:969 text:969 bar:2014 from:start till:1244 text:1,244 bar:2015 from:start till:1423 text:1,423 bar:2016 from:start till:1495 text:1,495 bar:2017 from:start till:1536 text:1,536 bar:2018 from:start till:1556 text:1,556 bar:2019 from:start till:1540 text:1,540 bar:2020 from:start till:1351 text:1,351 bar:2021 from:start till:1433 text:1,433 bar:2022 from:start till:1395 text:1,395 TextData= pos:(40,20) textcolor:gray fontsize:M text: Telefono adimendunen salmentak munduan (milioitan) TextData= pos:(40,5) textcolor:gray fontsize:M text:Iturburua: gartner.com </timeline></div> Smartphonen salmentek beste telefonoen salmentak gainditu zituzten 2013 hasieran. Irudian ikus daitekeenez, 2014an 1.000 milioi unitatetik gora saldu ziren ziren. 2018an salmentek goia jo zuten, 1.500 milioi ale baino gehiago salduta, baina hortik aurrera, maila apalean bada ere, jaisten joan dira, erabiltzaileek ez dituztelako modeloak hain maiz berritzen. [[w:Apple Inc.|Apple]] eta [[w:Samsung Electronics|Samsung]] dira gehien saltzen dituztenak, paretsu dabiltza urteko 250 milioi ale inguruan salduta, eta [[w:Xiaomi|Xiaomi]] da hirugarrena. == Testu ebakia: Telefonoaren eragina osasunean eta eskolan == Azken urteetan egindako ikerkuntzen arabera telefono adimendunak gehiegi erabiltzeak buruko minak, loaren nahasmenduak eta behar adina lo ez egitea ekar ditzake. [[w:Adikzio|Mendekotasun]] oso larria denean osasun fisikoan ere eragin dezakete.<ref>{{Erreferentzia|izena=S. Barani|abizena=Shankar|izenburua=Comparison study of factors associated with smartphone addiction among college students.|orrialdeak=1165|hizkuntza=en|abizena2=Rani|abizena3=Brundha|izena2=S. Leslie|izena3=M. P.|data=2020-07-15|url=https://openurl.ebsco.com/contentitem/gcd:144741328?sid=ebsco:plink:crawler-gcd&id=ebsco:gcd:144741328&crl=c&jrnl=09757619|aldizkaria=Drug Invention Today|alea=7|zenbakia=14|issn=0975-7619|sartze-data=2026-07-25}}</ref> Eskolaren eremuan ikaskuntza-prozesuetan zailtasunak eta [[w:Arreta|arreta-galtzea]] detektatu dira. Gauzak horrela, mundu osoan gora doa ikasleen arteko erabilerari muga jarri nahi dizkioten ekimenak: * Hego Korean 2026ko martxotik aurrera erabateko debekua ezarri da eskoletan. Salbuespenak behar berezietako ikasleen erabilera eta larrialdiak dira. * Italian, Herbehereetan, Frantzian eta Finlandian gero eta debeku zabalagoak ezartzen ari dira. * Australiako zenbait estatuetan ere erabateko debekua ere Gure artean ere azken urteotan eztabaida bizi-bizi dago: eskoletan eskuko telefonoak bai ala ez; eta baiezkoan, noiz, nola eta zertarako. Eusko Jaurlaritzak ikastetxe bakoitzaren esku utzi zuen erabakia, urtea amaitzerako arautzeko eskatu zuen, eta berriki ezagutarazi dituzte prozesuaren emaitzak: Lehen Hezkuntzan, %83k eskolako eremu osoan debekatu dituzte sakelakoak, erabat; %14k, berriz, erabilera pedagogikorako onartu dituzte, horretarako baino ez. DBH Derrigorrezko Bigarren Hezkuntzako lehenengo eta bigarren mailetan, eskola publikoen %36k jarduera guztietarako erabateko debekua ezarri dute, baita itunpekoen %47k ere.<ref>{{Erreferentzia|izena=Irati Urdalleta|abizena=Lete|izenburua=Sakelakorik gabeko arnasguneak xede|hizkuntza=eu|data=2025-03-30|url=https://www.berria.eus/euskal-herria/sakelakorik-gabeko-arnasguneak-xede_2138882_102.html|aldizkaria=Berria|sartze-data=2026-07-25}}</ref> Beste ondorioen artean asko hedatu den [[w:Ziberjazarpen|ziberjazarpena]] ere murriztu nahi da debeku eta muga horiekin. == Erreferentziak == {{erreferentzia zerrenda}} 42g301mbr4q2wgal0fswi7n9q6hdq3p