هل الذكاء الاصطناعي SLMs هو المغير القادم لقواعد اللعبة؟

في حين أنصناعة الذكاء الاصطناعي في حين يظل التركيز بشكل كبير على نماذج اللغة الكبيرة (LLMs)، يعتقد عدد متزايد من الخبراء أن نماذج اللغة الصغيرة (SLMs) قد تحتل مركز الصدارة قريبًا.

مع تكثيف شركات التكنولوجيا لاستثماراتها فيالذكاء الاصطناعي التوليدي خلال موسم العطلات المزدحم، يتحول الحديث نحو الحاجة إلى حلول مخصصة بدلاً من الأنظمة المتجانسة.

على الرغم من أن طلاب الماجستير في القانون يتميزون بالتفوق في التعامل مع المهام المتنوعة، إلا أنهم غالبًا ما يستهلكون الموارد بشكل مكثف، مما يفرض تحديات في التكلفة واستهلاك الطاقة والمتطلبات الحسابية.

وفقًا لما قاله مات جارمان، الرئيس التنفيذي لشركة AWS، هناك بالفعل اهتمام كبير من جانب الشركات التي تستفيد من الذكاء الاصطناعي التوليدي المدعوم بنماذج مثل Anthropic.

ومع ذلك، فإن درجة الماجستير في القانون، على الرغم من هيمنة هذه الدرجة في بعض المجالات، لا تناسب الجميع.

الرئيس التنفيذي لشركة Teradata ستيفن ماكميلان يدافع عن SLMs باعتبارهامستقبل الذكاء الاصطناعي التأكيد على قدرتهم على تقديم مخرجات محددة للمهمة.

وأعرب ماكميلان عن:

"عندما نتطلع إلى المستقبل، نعتقد أن نماذج اللغة الصغيرة والمتوسطة والبيئات الخاضعة للرقابة مثل نماذج اللغة المتخصصة في المجال، ستوفر حلولاً أفضل بكثير."

تم تصميم SLMs خصيصًا وتدريبها على مجموعات بيانات محددة لتوفير رؤى ذات صلة عالية مع ضمان خصوصية البيانات.

وعلى عكس نظيراتها الأكبر حجمًا، فإنها تعمل على تحسين موارد الطاقة والحوسبة لتتناسب مع احتياجات المشروع، مما يوفر بديلاً فعالاً من حيث التكلفة والكفاءة.

بالنسبة للشركات التي تتطلب خبرة عميقة في مجال معين، توفر النماذج المتخصصة - سواء كانت ماجستير في القانون أو ماجستير في إدارة الأعمال - دقة لا مثيل لها. على سبيل المثال، يوفر النموذج المصمم خصيصًا لرئيس قسم التسويق (CMO) مقابل نموذج مصمم خصيصًا لرئيس قسم المالية (CFO) رؤى سياقية وذات صلة عالية ضمن مجال التدريب.

مع تطور مشهد الذكاء الاصطناعي، يسلط صعود مديري دورات التعلم الضوء على الطلب المتزايد على الدقة والكفاءة وقابلية التوسع - وهي الصفات التي يمكن أن تعيد تعريف مستقبل الأنظمة الذكية.

هل SLMs خيار أفضل؟

تقدر جمعية علماء البيانات (ADaSci) أن تطوير نموذج حياة مستقر يحتوي على 7 مليارات معلمة لخدمة مليون مستخدم سيتطلب 55.1 ميجاوات في الساعة فقط من الكهرباء.

وعلى النقيض من ذلك، التدريبجي بي تي-3 استهلكت المركبة الفضائية، التي تحتوي على 175 مليار معلمة، 1287 ميجاوات في الساعة، دون احتساب الطاقة المستخدمة عند نشر النموذج بشكل نشط.

وهذا يعني أن SLM يستخدم حوالي 5% فقط من الطاقة المطلوبة لـ LLM.

نظرًا لمتطلباتها الحسابية الضخمة، يتم تشغيل برامج الماجستير في القانون عادةً على خوادم سحابية، مما يعني في كثير من الأحيان أن الشركات تفقد السيطرة على بياناتها وتواجه أوقات استجابة أبطأ أثناء انتقال المعلومات عبر الإنترنت.

مع اعتماد الشركات بشكل متزايدمنظمة العفو الدولية, ومن الواضح أن مقاسًا واحدًا لن يناسب الجميع.

ستعطي الشركات الأولوية للكفاءة والفعالية من حيث التكلفة وتقليل نقل البيانات إلى السحابة من خلال اختيار النموذج الأكثر ملاءمة لكل مشروع - سواء كان ذلك برنامج ماجستير في القانون للأغراض العامة أو نموذج أصغر وأكثر تخصصًا.

في هذا المشهد المتطور، ستكون الكفاءة والدقة أمرين بالغي الأهمية.

وقال ماكميلان:

"عندما تفكر في تدريب نماذج الذكاء الاصطناعي، فيجب بناؤها على أساس بيانات كبيرة."

وأضاف:

"هذا هو ما نسعى إلى تحقيقه، توفير مجموعة البيانات الموثوقة ثم توفير الإمكانات والقدرات التحليلية حتى يتمكن العملاء وعملاؤهم من الثقة في النتائج."

توفر برامج الماجستير في القانون الأصغر حجمًا والمحددة بمجال معين بديلاً جذابًا، مما يمكن الشركات من الاستفادة منقوة الذكاء الاصطناعي بدون تكاليف الموارد الثقيلة وتعقيد النماذج الأكبر.

مع تزايد أهمية الذكاء الاصطناعي في عملية اتخاذ القرارات التجارية، فإن اختيار النموذج المناسب لكل مهمة سيكون أمرًا بالغ الأهمية، مما يضمن الحصول على نتائج موثوقة وقابلة للتطوير.