OpenAI இன் GPT-4o மற்றும் Google இன் ஜெமினி போன்ற AI மாதிரிகளின் விரைவான முன்னேற்றம், செயற்கை நுண்ணறிவு பற்றிய நமது சிந்தனையில் புரட்சியை ஏற்படுத்தியுள்ளது. இந்த அதிநவீன அமைப்புகள் வெறும் உரையைச் செயலாக்குவது மட்டுமல்லாமல், படங்கள், ஆடியோ, வீடியோ மற்றும் சென்சார் தரவைத் தடையின்றி ஒருங்கிணைத்து, மேலும் புத்திசாலித்தனமான மற்றும் சூழல் சார்ந்த பதில்களை உருவாக்குகின்றன. இந்தப் புரட்சியின் மையத்தில் ஒரு முக்கியமான செயல்முறை உள்ளது: மல்டிமாடல் டேட்டா லேபிளிங்.
ஆனால் மல்டிமாடல் டேட்டா லேபிளிங் என்றால் என்ன, அது ஏன் நவீன AI வளர்ச்சிக்கு அடிப்படையாக மாறியுள்ளது? இந்த விரிவான வழிகாட்டி, செயற்கை நுண்ணறிவின் எதிர்காலத்தை வடிவமைக்கும் இந்த அத்தியாவசிய நுட்பத்தைப் பற்றி நீங்கள் தெரிந்து கொள்ள வேண்டிய அனைத்தையும் ஆராய்கிறது.
மல்டிமோடல் டேட்டா லேபிளிங்கைப் புரிந்துகொள்வது
மல்டிமோடல் டேட்டா லேபிளிங் என்பது பல்வேறு தரவு வடிவங்களை செயலாக்கி புரிந்துகொள்ளக்கூடிய AI மாதிரிகளைப் பயிற்றுவிப்பதற்காக ஒரே நேரத்தில் பல வகையான தரவைக் குறிப்பிட்டு வகைப்படுத்தும் செயல்முறையாகும். ஒற்றை தரவு வகையை மையமாகக் கொண்ட பாரம்பரிய லேபிளிங் முறைகளைப் போலன்றி, மல்டிமோடல் லேபிளிங் பல்வேறு முறைகளுக்கு இடையே இணைப்புகள் மற்றும் உறவுகளை உருவாக்குகிறது - உரை, படங்கள், ஆடியோ, வீடியோ மற்றும் சென்சார் தரவு - சிக்கலான நிஜ உலகக் காட்சிகளைப் பற்றிய விரிவான புரிதலை AI அமைப்புகளுக்கு உதவுகிறது.
மனிதர்களைப் போலவே உலகைப் புரிந்துகொள்ள ஒரு AI-க்குக் கற்பிப்பதாக இதை நினைத்துப் பாருங்கள். ஒரு திரைப்படத்தைப் பார்க்கும்போது, நாம் படங்களை மட்டும் பார்ப்பதில்லை அல்லது ஒலிகளைக் கேட்பதில்லை - காட்சி குறிப்புகள், உரையாடல், இசை மற்றும் சூழல் அனைத்தையும் ஒரே நேரத்தில் செயலாக்குகிறோம். மல்டிமாடல் டேட்டா லேபிளிங் AI அமைப்புகள் ஒத்த திறன்களை வளர்க்க உதவுகிறது.
ஐந்து முக்கிய தரவு முறைகள்
மல்டிமாடல் தரவு லேபிளிங்கை உண்மையிலேயே புரிந்துகொள்ள, பல்வேறு வகையான தரவு முறைகளைப் புரிந்துகொள்வது அவசியம்:
படத் தரவு
புகைப்படங்கள், மருத்துவ ஸ்கேன்கள், ஓவியங்கள் அல்லது தொழில்நுட்ப வரைபடங்கள் வடிவில் காட்சித் தகவல்கள். உதாரணமாக, மருத்துவ இமேஜிங் தரவுத்தொகுப்புகள் AI-இயங்கும் நோயறிதல் அமைப்புகளுக்கு துல்லியமான குறிப்பு தேவைப்படும் எக்ஸ்-கதிர்கள், CT ஸ்கேன்கள் மற்றும் MRIகள் ஆகியவை அடங்கும்.
உரை தரவு
ஆவணங்கள், அறிக்கைகள், சமூக ஊடக இடுகைகள் அல்லது டிரான்ஸ்கிரிப்டுகளிலிருந்து இயல்பான மொழி உள்ளடக்கம். இதில் மருத்துவக் குறிப்புகள் முதல் வாடிக்கையாளர் மதிப்புரைகள் வரை அனைத்தும் அடங்கும்.
வீடியோ தரவு
படங்களை ஆடியோவுடன் இணைத்து நகர்த்துதல், காட்சி மற்றும் செவிப்புலன் தகவல்களுக்கு இடையே தற்காலிக உறவுகளை உருவாக்குதல். தன்னியக்க ஓட்டுநர் மற்றும் பாதுகாப்பு அமைப்புகள் போன்ற பயன்பாடுகளுக்கு வீடியோ குறிப்பு மிகவும் முக்கியமானது.
ஆடியோ தரவு
பேச்சு, இசை, சுற்றுச்சூழல் ஒலிகள் அல்லது இதயத் துடிப்புகள் போன்ற மருத்துவ ஆடியோ உள்ளிட்ட ஒலிப்பதிவுகள். பேச்சு தரவு சேகரிப்பு பல மொழிகள் மற்றும் பேச்சுவழக்குகளில் பரவலான புரிதல் வலுவான உரையாடல் AI அமைப்புகளை உருவாக்குவதற்கு அவசியம்.
சென்சார் தரவு
IoT சாதனங்கள், GPS அமைப்புகள், முடுக்கமானிகள் அல்லது மருத்துவ கண்காணிப்பு உபகரணங்களிலிருந்து வரும் தகவல்கள். சுகாதாரப் பராமரிப்பு AI மற்றும் ஸ்மார்ட் சிட்டி பயன்பாடுகளுக்கு இந்தத் தரவு வகை பெருகிய முறையில் முக்கியமானது.
மல்டிமோடல் டேட்டா லேபிளிங் ஏன் முக்கியமானது?
மல்டிமோடல் டேட்டா லேபிளிங்கின் முக்கியத்துவம் தொழில்நுட்பத் தேவைகளுக்கு அப்பாற்பட்டது. சமீபத்திய தொழில்துறை ஆராய்ச்சியின்படி, முறையாக லேபிளிடப்பட்ட மல்டிமோடல் டேட்டாவில் பயிற்சி பெற்ற மாதிரிகள், ஒற்றை-மோடலிட்டி மாடல்களுடன் ஒப்பிடும்போது நிஜ-உலக பயன்பாடுகளில் 40% வரை சிறந்த செயல்திறனைக் காட்டுகின்றன. இந்த முன்னேற்றம் நேரடியாக மிகவும் துல்லியமான மருத்துவ நோயறிதல்கள், பாதுகாப்பான தன்னாட்சி வாகனங்கள் மற்றும் இயற்கையான மனித-AI தொடர்புகளாக மொழிபெயர்க்கப்பட்டுள்ளது.
ஒரு நோயாளி நோயறிதல் முறையைக் கவனியுங்கள்: உரை பதிவுகளை மட்டுமே பகுப்பாய்வு செய்யும் ஒரு ஒற்றை மாதிரி, எக்ஸ்-கதிர்களிலிருந்து முக்கியமான காட்சி குறிகாட்டிகளையோ அல்லது இதய பரிசோதனைகளிலிருந்து நுட்பமான ஆடியோ குறிப்புகளையோ இழக்கக்கூடும். மல்டிமாடல் பயிற்சித் தரவை இணைப்பதன் மூலம், AI அமைப்புகள் நோயாளி பதிவுகள், மருத்துவ இமேஜிங், ஸ்டெதாஸ்கோப்புகளிலிருந்து ஆடியோ பதிவுகள் மற்றும் அணியக்கூடிய பொருட்களிலிருந்து சென்சார் தரவுகளிலிருந்து தகவல்களை ஒருங்கிணைக்க முடியும் - மனித மருத்துவர்கள் நோயாளிகளை எவ்வாறு மதிப்பிடுகிறார்கள் என்பதைப் பிரதிபலிக்கும் ஒரு விரிவான சுகாதார மதிப்பீட்டை உருவாக்குகிறது.
[மேலும் வாசிக்க: மல்டிமாடல் AI: பயிற்சி தரவு மற்றும் வணிக பயன்பாடுகளுக்கான முழுமையான வழிகாட்டி]
பயனுள்ள லேபிளிங்கிற்கான கருவிகள் மற்றும் தொழில்நுட்பங்கள்
கையேட்டில் இருந்து தானியங்கி மல்டிமாடல் தரவு லேபிளிங்கிற்கான பரிணாமம் AI மேம்பாட்டு நிலப்பரப்பை மாற்றியுள்ளது. ஆரம்பகால குறிப்பு முயற்சிகள் அடிப்படை கருவிகளுடன் பணிபுரியும் மனித லேபிளர்களை முழுமையாக நம்பியிருந்த நிலையில், இன்றைய தளங்கள் லேபிளிங் செயல்முறையை விரைவுபடுத்தவும் மேம்படுத்தவும் இயந்திர கற்றலைப் பயன்படுத்துகின்றன.
முன்னணி சிறுகுறிப்பு தளங்கள்
நவீன குறிப்பு தளங்கள் பல்வேறு தரவு வகைகளைக் கையாள ஒருங்கிணைந்த சூழல்களை வழங்குகின்றன. இந்த கருவிகள் ஆதரிக்கின்றன:
- ஒருங்கிணைந்த பணிப்பாய்வுகள் உரை, படம், ஆடியோ மற்றும் வீடியோ குறிப்புகளுக்கு
- தரக் கட்டுப்பாட்டு வழிமுறைகள் லேபிளிங் துல்லியத்தை உறுதி செய்ய
- ஒத்துழைப்பு அம்சங்கள் பகிர்ந்தளிக்கப்பட்ட அணிகளுக்கு
- API ஒருங்கிணைப்புகள் ஏற்கனவே உள்ள ML குழாய்களுடன்
ஷைப் நிறுவனத்தின் தரவு குறிப்பு சேவைகள் இந்தப் பரிணாம வளர்ச்சியை எடுத்துக்காட்டுகின்றன, பல நிலை சரிபார்ப்பு செயல்முறைகள் மூலம் கடுமையான தரத் தரங்களைப் பராமரிக்கும் அதே வேளையில் குறிப்பிட்ட திட்டத் தேவைகளுக்கு ஏற்ப தனிப்பயனாக்கக்கூடிய பணிப்பாய்வுகளை வழங்குகின்றன.
ஆட்டோமேஷன் மற்றும் AI-உதவி லேபிளிங்
லேபிளிங் செயல்முறையிலேயே AI இன் ஒருங்கிணைப்பு ஒரு சக்திவாய்ந்த பின்னூட்ட வளையத்தை உருவாக்கியுள்ளது. முன் பயிற்சி பெற்ற மாதிரிகள் ஆரம்ப லேபிள்களை பரிந்துரைக்கின்றன, பின்னர் மனித வல்லுநர்கள் அவற்றை சரிபார்த்து மேம்படுத்துகிறார்கள். இந்த அரை தானியங்கி அணுகுமுறை லேபிளிங் நேரத்தை 70% வரை குறைக்கிறது, அதே நேரத்தில் வலுவான மல்டிமாடல் மாதிரிகளைப் பயிற்றுவிப்பதற்குத் தேவையான துல்லியத்தைப் பராமரிக்கிறது.
மல்டிமோடல் டேட்டா லேபிளிங் செயல்முறை
மல்டிமோடல் தரவை வெற்றிகரமாக லேபிளிடுவதற்கு, ஒவ்வொரு தரவு வகையின் தனித்துவமான சவால்களை நிவர்த்தி செய்யும் ஒரு முறையான அணுகுமுறை தேவைப்படுகிறது, அதே நேரத்தில் குறுக்கு-மோடல் நிலைத்தன்மையையும் பராமரிக்கிறது.
படி 1: திட்ட நோக்க வரையறை
உங்கள் AI மாதிரிக்கு எந்த முறைகள் தேவை, அவை எவ்வாறு தொடர்பு கொள்ளும் என்பதை தெளிவாக அடையாளம் காண்பதன் மூலம் தொடங்குங்கள். வெற்றி அளவீடுகளை வரையறுத்து, ஒவ்வொரு தரவு வகைக்கும் தர அளவுகோல்களை நிறுவுங்கள்.
படி 2: தரவு சேகரிப்பு மற்றும் தயாரித்தல்
தேவையான அனைத்து முறைகளையும் குறிக்கும் பல்வேறு தரவுத்தொகுப்புகளைச் சேகரிக்கவும். ஒத்திசைக்கப்பட்ட தரவுகளுக்கான (ஆடியோவுடன் கூடிய வீடியோ போன்றவை) தற்காலிக சீரமைப்பை உறுதிசெய்து, மூலங்கள் முழுவதும் நிலையான வடிவமைப்பைப் பராமரிக்கவும்.
படி 3: குறிப்பு உத்தி மேம்பாடு
ஒவ்வொரு முறைக்கும் விரிவான வழிகாட்டுதல்களை உருவாக்குங்கள்:
படங்கள்: எல்லைப் பெட்டிகள், பிரிவு முகமூடிகள், முக்கியப் புள்ளி குறிப்புகள்
உரை: நிறுவன அங்கீகாரம், உணர்வு குறிச்சொற்கள், நோக்க வகைப்பாடு
ஆடியோ: டிரான்ஸ்கிரிப்ஷன், பேச்சாளர் டயரிசேஷன், உணர்ச்சி லேபிளிங்
காணொளி: பிரேம்-பை-ஃபிரேம் குறிப்பு, செயல் அங்கீகாரம், பொருள் கண்காணிப்பு
படி 4: குறுக்கு-மாதிரி உறவு மேப்பிங்
மல்டிமாடல் லேபிளிங்கில் முக்கியமான வேறுபடுத்தி, முறைகளுக்கு இடையே இணைப்புகளை நிறுவுவதாகும். இதில் குறிப்பிட்ட படப் பகுதிகளுடன் உரை விளக்கங்களை இணைப்பது அல்லது வீடியோ நேர முத்திரைகளுடன் ஆடியோ டிரான்ஸ்கிரிப்ட்களை ஒத்திசைப்பது ஆகியவை அடங்கும்.
படி 5: தர உறுதி மற்றும் சரிபார்ப்பு
பல்வேறு விரிவுரையாளர்கள் ஒருவருக்கொருவர் வேலையைச் சரிபார்க்கும் பல அடுக்கு மதிப்பாய்வு செயல்முறைகளைச் செயல்படுத்தவும். உங்கள் தரவுத்தொகுப்பு முழுவதும் நிலைத்தன்மையை உறுதிப்படுத்த இடை-விரிவுரையாளர் ஒப்பந்த அளவீடுகளைப் பயன்படுத்தவும்.
தொழில்களை மாற்றும் நிஜ உலக பயன்பாடுகள்
தன்னாட்சி வாகன மேம்பாடு
சுய-ஓட்டுநர் கார்கள் ஒருவேளை மிகவும் சிக்கலான மல்டிமாடல் சவாலைக் குறிக்கின்றன. இந்த அமைப்புகள் ஒரே நேரத்தில் செயலாக்க வேண்டும்:
- காட்சி தரவு பல கேமராக்களிலிருந்து
- LiDAR 3D மேப்பிங்கிற்கான புள்ளி மேகங்கள்
- ராடார் பொருள் கண்டறிதலுக்கான சமிக்ஞைகள்
- ஜிபிஎஸ் வழிசெலுத்தலுக்கான ஆயத்தொலைவுகள்
- ஆடியோ அவசர வாகனக் கண்டறிதலுக்கான சென்சார்கள்
இந்தத் தரவின் துல்லியமான மல்டிமாடல் லேபிளிங், சிக்கலான போக்குவரத்து சூழ்நிலைகளில் வாகனங்கள் பிளவு-வினாடி முடிவுகளை எடுக்க உதவுகிறது, இது ஆண்டுதோறும் ஆயிரக்கணக்கான உயிர்களைக் காப்பாற்றும்.
சுகாதார AI புரட்சி
சுகாதார AI தீர்வுகள் நோயாளியின் விளைவுகளை மேம்படுத்த மல்டிமாடல் தரவை அதிகளவில் நம்பியிருக்கிறது. ஒரு விரிவான நோயறிதல் AI பகுப்பாய்வு செய்யலாம்:
- மின்னணு சுகாதார பதிவுகள் (உரை)
- மருத்துவ இமேஜிங் (காட்சி)
- மருத்துவர் சொல்லும் டிக்டேஷன் குறிப்புகள் (ஆடியோ)
- கண்காணிப்பு சாதனங்களிலிருந்து முக்கிய அறிகுறிகள் (சென்சார் தரவு)
இந்த முழுமையான அணுகுமுறை நோய்களை முன்கூட்டியே கண்டறிவதற்கும், தனிப்பயனாக்கப்பட்ட சிகிச்சைத் திட்டங்களை உருவாக்குவதற்கும் உதவுகிறது.
அடுத்த தலைமுறை மெய்நிகர் உதவியாளர்கள்
நவீன உரையாடல் AI எளிய உரை பதில்களுக்கு அப்பாற்பட்டது. மல்டிமாடல் மெய்நிகர் உதவியாளர்கள்:
- காட்சி சூழலுடன் பேச்சு வினவல்களைப் புரிந்து கொள்ளுங்கள்.
- உரை, படங்கள் மற்றும் குரலை இணைத்து பதில்களை உருவாக்குங்கள்.
- குரல் தொனி மற்றும் முகபாவனைகள் மூலம் பயனர் உணர்ச்சிகளை விளக்குங்கள்.
- விளக்கங்களின் போது சூழல் சார்ந்த காட்சி உதவிகளை வழங்குதல்.
மல்டிமாடல் லேபிளிங் சவால்களை சமாளித்தல்
தரவு ஒத்திசைவு சிக்கலானது
பல்வேறு தீர்மானங்கள் மற்றும் கால அளவுகளில் இயங்கும் பல்வேறு மூலங்களிலிருந்து தரவை சீரமைப்பது ஒரு குறிப்பிடத்தக்க சவாலாக உள்ளது. தீர்வுகளில் பின்வருவன அடங்கும்:
- வலுவான நேர முத்திரை நெறிமுறைகளை செயல்படுத்துதல்
- சிறப்பு ஒத்திசைவு மென்பொருளைப் பயன்படுத்துதல்
- தடையற்ற ஒருங்கிணைப்புக்காக ஒருங்கிணைந்த தரவு வடிவங்களை உருவாக்குதல்.
அளவிடுதல் கவலைகள்
மல்டிமாடல் தரவுகளின் மிகப்பெரிய அளவு பாரம்பரிய குறிப்பு பணிப்பாய்வுகளை மூழ்கடிக்கும். நிறுவனங்கள் இதை பின்வருமாறு நிவர்த்தி செய்கின்றன:
- மேகக்கணி சார்ந்த குறிப்பு தளங்கள்
- விநியோகிக்கப்பட்ட லேபிளிங் குழுக்கள்
- மனித சரிபார்ப்புடன் தானியங்கி முன் லேபிளிங்
குறிப்பு நிலைத்தன்மையைப் பராமரித்தல்
முறைகள் முழுவதும் சீரான லேபிளிங்கை உறுதி செய்வதற்கு:
- விரிவான விளக்க உரையாளர் பயிற்சி திட்டங்கள்
- ஒவ்வொரு தரவு வகைக்கும் விரிவான பாணி வழிகாட்டிகள்
- லேபிளிங் குழுக்களிடையே வழக்கமான அளவுத்திருத்த அமர்வுகள்.
- தானியங்கி நிலைத்தன்மை சரிபார்ப்பு கருவிகள்
[மேலும் படிக்கவும்: AI vs ML vs LLM vs ஜெனரேட்டிவ் AI: என்ன வித்தியாசம், அது ஏன் முக்கியமானது]
மல்டிமாடல் டேட்டா லேபிளிங்கின் எதிர்காலம்
AI மாதிரிகள் பெருகிய முறையில் அதிநவீனமாக மாறும்போது, மல்டிமாடல் தரவு லேபிளிங் தொடர்ந்து உருவாகி வரும். வளர்ந்து வரும் போக்குகளில் பின்வருவன அடங்கும்:
- எந்த முயற்சியும் இல்லாமல் கற்றல் லேபிளிங் தேவைகளைக் குறைக்கிறது
- சுய மேற்பார்வை அணுகுமுறைகள் பெயரிடப்படாத மல்டிமாடல் தரவைப் பயன்படுத்துதல்
- கூட்டமைக்கப்பட்ட லேபிளிங் மாதிரிகளை மேம்படுத்தும் போது தனியுரிமையைப் பாதுகாத்தல்
- நிகழ்நேர குறிப்பு மல்டிமாடல் தரவை ஸ்ட்ரீமிங் செய்வதற்கு
தீர்மானம்
மல்டிமாடல் டேட்டா லேபிளிங், AI முன்னேற்றத்தில் முன்னணியில் உள்ளது, இது உலகைப் புரிந்துகொண்டு, மனிதனைப் போன்ற வழிகளில் தொடர்பு கொள்ளும் அமைப்புகளை செயல்படுத்துகிறது. மாதிரிகள் சிக்கலான தன்மை மற்றும் திறனில் தொடர்ந்து வளர்ந்து வருவதால், மல்டிமாடல் டேட்டா லேபிளிங்கின் தரம் மற்றும் நுட்பம் பெரும்பாலும் அவற்றின் நிஜ உலக செயல்திறனை தீர்மானிக்கும்.
அதிநவீன AI தீர்வுகளை உருவாக்க விரும்பும் நிறுவனங்கள், நாளைய AI அமைப்புகள் கோரும் உயர்தர பயிற்சி தரவை உருவாக்க, மேம்பட்ட கருவிகள் மற்றும் மனித நிபுணத்துவம் இரண்டையும் பயன்படுத்தி, வலுவான மல்டிமாடல் தரவு லேபிளிங் உத்திகளில் முதலீடு செய்ய வேண்டும். இன்றே எங்களைத் தொடர்பு கொள்ளவும்.
மல்டிமாடல் டேட்டா லேபிளிங் பொதுவாக எவ்வளவு நேரம் எடுக்கும்?
தரவு அளவு மற்றும் சிக்கலான தன்மையைப் பொறுத்து காலவரிசை கணிசமாக மாறுபடும். 100,000 மல்டிமாடல் தரவு புள்ளிகளைக் கொண்ட ஒரு நடுத்தர அளவிலான திட்டத்திற்கு பொதுவாக ஒரு தொழில்முறை குறிப்பு குழுவுடன் 4-8 வாரங்கள் தேவைப்படும்.
மல்டிமாடல் மற்றும் யூனிமாடல் லேபிளிங்கிற்கு என்ன வித்தியாசம்?
யூனிமோடல் லேபிளிங் ஒரு தரவு வகையை (வெறும் உரை அல்லது படங்கள்) மையமாகக் கொண்டுள்ளது, அதே நேரத்தில் மல்டிமோடல் லேபிளிங் பல தரவு வகைகளையும், முக்கியமாக, அவற்றுக்கிடையேயான உறவுகளையும் குறிப்பிடுகிறது.
சிறிய குழுக்கள் மல்டிமாடல் தரவு லேபிளிங்கை திறம்பட செய்ய முடியுமா?
ஆம், சரியான கருவிகள் மற்றும் பணிப்பாய்வுகளுடன். கிளவுட் அடிப்படையிலான தளங்கள், தானியங்கிமயமாக்கல் மற்றும் விநியோகிக்கப்பட்ட பணிப்பாய்வுகளைப் பயன்படுத்தி சிறிய குழுக்கள் பெரிய அளவிலான மல்டிமாடல் திட்டங்களை நிர்வகிக்க உதவுகின்றன.
மல்டிமாடல் டேட்டா லேபிளிங்கில் தரத்தை எவ்வாறு உறுதி செய்வது?
தர உத்தரவாதத்தில் பல அடுக்கு மதிப்பாய்வு செயல்முறைகள், இடை-குறிப்பாளர் ஒப்பந்த அளவீடுகள், தானியங்கி சரிபார்ப்பு சோதனைகள் மற்றும் தொடர்ச்சியான குறிப்புதாரர் பயிற்சி மற்றும் பின்னூட்டம் ஆகியவை அடங்கும்.
மல்டிமாடல் டேட்டா லேபிளிங்கினால் எந்தத் தொழில்கள் அதிகம் பயனடைகின்றன?
சுகாதாரம், வாகனம், சில்லறை விற்பனை, பாதுகாப்பு மற்றும் பொழுதுபோக்குத் துறைகள், முறையாக லேபிளிடப்பட்ட தரவுகளில் பயிற்சியளிக்கப்பட்ட மல்டிமாடல் AI அமைப்புகளிலிருந்து மிகப்பெரிய வருமானத்தைப் பெறுகின்றன.
