SLMはAI'の次のゲームチェンジャーか？

一方AI産業 LLM（ラージ・ランゲージ・モデル）に大きな注目が集まっているが、SLM（スモール・ランゲージ・モデル）が間もなく中心になると考える専門家も増えている。

ハイテク企業が投資を拡大する中ジェネレーティブAI ホリデーシーズンの喧騒の中、話題はモノリシックなシステムではなく、オーダーメイドのソリューションの必要性へとシフトしている。

LLMは多様なタスクを処理するのに優れているが、多くの場合、リソースを大量に消費するため、コスト、エネルギー消費、計算需要に課題がある。

AWSのマット・ガーマンCEOによると、AnthropicのようなモデルによるジェネレーティブAIを活用する企業からは、すでに大きな関心が寄せられているという。

とはいえ、LLMは一部の分野では主流ではあるが、万能ではない。

テラデータCEOのスティーブン・マクミランは、SLMを次のように述べています。AIの未来、 タスクに特化したアウトプットを提供する能力を重視している。

マクミランはそう表現した：

「将来を見据えると、中小規模の言語モデルや、ドメインに特化したLLMのような制御された環境が、より優れた解決策を提供することになると考えています」。

SLMは、データのプライバシーを確保しながら、非常に関連性の高い洞察を提供するために、特定のデータセットで訓練された専用のものである。

大型のものとは異なり、エネルギーとコンピューティングリソースを最適化し、プロジェクトのニーズに応じて拡張できるため、コスト効率に優れた効率的な代替手段を提供できる。

特定のドメインの深い専門知識を必要とするビジネスでは、ドメインに特化したLLMであれSLMであれ、特化したモデルが比類のない精度を提供します。例えば、最高マーケティング責任者（CMO）向けにカスタマイズされたモデルと最高財務責任者（CFO）向けにカスタマイズされたモデルでは、そのトレーニング分野内で高度に文脈的で関連性の高い洞察が得られます。

AIの進化に伴い、SLMの台頭は、インテリジェント・システムの未来を再定義しうる精度、効率性、拡張性に対する需要の高まりを浮き彫りにしている。

SLMはより良い選択肢か？

データサイエンティスト協会（ADaSci）の試算によると、70億のパラメータを持つSLMを開発し、100万人のユーザーにサービスを提供するのに必要な電力はわずか55.1MWh（メガワット時）である。

対照的に、トレーニングGPT-3 1,750億のパラメータを持つこのモデルは、1,287MWhという途方もない電力を消費した。

つまり、SLMが使用するエネルギーは、LLMが必要とするエネルギーの約5％に過ぎない。

LLMは膨大な計算量を必要とするため、通常はクラウドサーバー上で実行される。これは、企業がデータのコントロールを失い、情報がインターネット上を移動するため、応答時間が遅くなることをしばしば意味する。

企業の採用が増えるにつれAIだ、 ひとつのサイズがすべてにフィットするわけではないことは明らかだ。

企業は、効率、費用対効果、クラウドへのデータ転送の最小化を優先し、プロジェクトごとに最適なモデルを選択する。

この進化する状況においては、効率と正確さが最重要となる。

とマクミランは言った：

"AIモデルのトレーニングを考えるとき、それは優れたデータの基礎の上に構築されなければならない。"

彼はこう付け加えた：

「信頼できるデータセットを提供し、顧客やその顧客がそのアウトプットを信頼できるように、能力と分析能力を提供する。

小規模で専門分野に特化したLLMは、魅力的な選択肢を提供し、企業はそれを活用することができる。AIの力 大規模なモデルのような多大なリソースコストや複雑さを伴わずに。

AIがビジネスの意思決定の中心になるにつれ、それぞれのタスクに適したモデルを選択し、信頼性と拡張性の両方を確保することが重要になる。