يُروج لنماذج اللغة الصغيرة (SLMs) على أنها الشيء الكبير التالي في مجال الذكاء الاصطناعي

بينما تضخ الشركات الأموال في نماذج اللغة الكبيرة (LLMs)، يعتقد بعض خبراء الصناعة في قطاع الذكاء الاصطناعي أن نماذج اللغة الصغيرة (SLMs) ستصبح الشيء الكبير التالي.

يأتي هذا في الوقت الذي يستمر فيه النشاط في هذا القطاع بالنمو مع حلول موسم الأعياد، حيث تستثمر شركات التكنولوجيا المزيد من التمويل لتطوير تقنياتها.

يكمن المستقبل في نماذج اللغة الصغيرة

تمكنت شركات مثل xAI التي يديرها الملياردير إيلون ماسك من جمع 5 مليارات دولار إضافية من أندريسن هورويتز، وهيئة قطر للاستثمار، وسيكويا، وفالور إيكويتي بارتنرز، في حين استثمرت أمازون 4 مليارات دولار إضافية في أنثروبيك، وهي شركة منافسة لشركة أوبن إيه آي.

بينما تستثمر شركات التكنولوجيا الكبرى وغيرها مليارات الدولارات في التركيز على تطوير نماذج التعلم الآلي الكبيرة للتعامل مع العديد من المهام المختلفة، فإن حقيقة الذكاء الاصطناعي هي أنه لا يوجد حل واحد يناسب الجميع حيث توجد حاجة إلى نماذج خاصة بالمهام للشركات.

وفقًا لما ذكره الرئيس التنفيذي لشركة AWS، مات جارمان، في بيان حول شراكتهم واستثماراتهم المتنامية، هناك بالفعل استجابة هائلة من عملاء AWS الذين يقومون بتطوير الذكاء الاصطناعي التوليدي المدعوم من Anthropic.

لا تزال برامج الماجستير في القانون الخيار الأول لمعظم الشركات في بعض المشاريع، ولكن بالنسبة للآخرين، يمكن أن يكون هذا الخيار مكلفًا من حيث التكلفة والطاقة وموارد الحوسبة.

ستيفن ماكميلان، الرئيسdent التنفيذي لشركة تيراداتا، التي قدمت مسارًا بديلًا لبعض الشركات، لديه أيضًا آراء أخرى. فهو متفائل بأن المستقبل يكمن في حلول إدارة دورة حياة البرمجيات (SLMs).

"بينما نتطلع إلى المستقبل، نعتقد أن نماذج اللغة الصغيرة والمتوسطة الحجم والبيئات الخاضعة للتحكم مثل نماذج اللغة الخاصة بالمجال، ستوفر حلولاً أفضل بكثير."

~ ماكميلان

تُنتج نماذج اللغة البرمجية مخرجات مُخصصة لأنواع مُحددة من البيانات، حيث يتم تدريب هذه النماذج خصيصًا لهذا الغرض. ونظرًا لأن البيانات التي تُنتجها هذه النماذج تُحفظ داخليًا، فإنها تُدرّب بالتالي على بيانات قد تكون حساسة.

نظراً لاستهلاك نماذج اللغة الكبيرة للطاقة، يتم تدريب نسخ اللغة الصغيرة لتكييف كل من الحوسبة واستهلاك الطاقة مع الاحتياجات الفعلية للمشروع. وبفضل هذه التعديلات، تصبح نماذج اللغة الصغيرة أكثر كفاءة بتكلفة أقل من النماذج الكبيرة الحالية.

بالنسبة للمستخدمين الذين يرغبون في استخدام الذكاء الاصطناعي لاكتساب معارف محددة، يتوفر خيار نماذج التعلم ، حيث إنها لا تقدم معرفة شاملة. يتم تدريبها على فهم فئة واحدة فقط من المعلومات بعمق، والاستجابة بدقة أكبر، على سبيل المثال، الفرق بين مدير التسويق ومدير الشؤون المالية، في ذلك المجال.

لماذا تُعتبر شاشات SLM خيارًا مفضلًا

وفقًا لجمعية علماء البيانات (ADaSci)، فإن تطوير نظام إدارة دورة حياة كاملة (SLM) يحتوي على 7 مليارات معلمة لمليون مستخدم سيتطلب 55.1 ميغاواط ساعة فقط.

توصلت شركة ADaSci إلى أن تدريب نموذج GPT-3 باستخدام 175 مليار مُعامل يستهلك ما يُقدّر بـ 1287 ميغاواط/ساعة من الكهرباء، ولا يشمل هذا الرقم الطاقة المُستهلكة عند بدء استخدامه رسميًا من قِبل الجمهور. وبالتالي، فإن نموذج SLM يستهلك ما يُقارب 5% من الطاقة المُستهلكة في تدريب نموذج LLM.

تُشغَّل النماذج الكبيرة عادةً على الحوسبة السحابية لأنها تستهلك قدرة حاسوبية أكبر بكثير مما هو متاح على أي جهاز فردي. وينتج عن ذلك تعقيدات للشركات، إذ تفقد السيطرة على معلوماتها أثناء انتقالها إلى السحابة، وتتأخر الاستجابة أثناء مرورها عبر الإنترنت.

في المستقبل، لن يكون تبني الذكاء الاصطناعي من قبل الشركات حلاً واحداً يناسب الجميع، حيث سيكون التركيز على الكفاءة واختيار أفضل أداة وأقلها تكلفة لإنجاز المهام، مما يعني اختيار النموذج المناسب لكل مشروع.

سيتم ذلك لجميع النماذج سواء كانت نماذج LLM للأغراض العامة، أو نماذج LLM أصغر حجماً ومخصصة لمجال معين، وذلك اعتماداً على النموذج الذي سيقدم نتائج أفضل، ويتطلب موارد أقل، ويقلل من الحاجة إلى ترحيل البيانات إلى السحابة.

في المرحلة التالية، سيكون الذكاء الاصطناعي أمراً حيوياً لاتخاذ القرارات التجارية، حيث يتمتع الجمهور بثقة عالية في الإجابات التي يولدها الذكاء الاصطناعي.

"عندما تفكر في تدريب نماذج الذكاء الاصطناعي، يجب أن تُبنى على أساس بيانات رائعة."

~ ماكميلان

وأضاف ماكميلان: "هذا هو جوهر عملنا، وهو توفير مجموعة البيانات الموثوقة هذه، ثم توفير القدرات والإمكانيات التحليلية حتى يتمكن العملاء وعملاؤهم من الوثوق بالنتائج".

مع ازدياد الطلب على الكفاءة والدقة في العالم، توفر برامج الماجستير في القانون الأصغر حجماً والمتخصصة في مجال معين خياراً آخر لتقديم نتائج يمكن للشركات والجمهور الأوسع الاعتماد عليها.