النماذج اللغوية الصغيرة (SLMs) تُعتبر الشيء الكبير التالي في الذكاء الاصطناعي

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

يأتي هذا مع استمرار نمو النشاط في الصناعة مع اقتراب موسم الأعياد، حيث تستثمر شركات التكنولوجيا تمويلاً أكثر لتطوير تقنياتها.

المستقبل يكمن في النماذج اللغوية الصغيرة

نجحت شركات مثل xAI التي يديرها الملياردير إيلون ماسك في جمع 5 مليارات دولار إضافية من Andreessen Horowitz وQatar Investment Authority وSequoia وValor Equity Partners، بينما استثمرت Amazon 4 مليارات دولار إضافية في Anthropic، وهي منافسة لـ OpenAI.

بينما تستثمر هذه الشركات التكنولوجية الكبرى وغيرها مليارات الدولارات في التركيز على تطوير نماذج لغوية كبيرة (LLMs) للتعامل مع العديد من المهام المختلفة، فإن واقع الذكاء الاصطناعي هو أنه لا يوجد حل واحد يناسب الجميع، فهناك حاجة إلى نماذج مخصصة للمهام لأغراض الأعمال.

وفقًا لرئيس مجموعة أمازون ويب سيرفيسز (AWS) مات غارمان في بيان حول شراكتهم المتوسعة واستثماراتهم، هناك بالفعل استجابة مفرطة من عملاء AWS الذين يطورون الذكاء الاصطناعي التوليدي المدعوم من Anthropic.

تظل النماذج اللغوية الكبيرة (LLMs) الخيار الأول لمعظم الشركات لمشاريع معينة، ولكن بالنسبة للآخرين، يمكن أن يكون هذا الخيار مكلفًا من حيث التكلفة والطاقة والموارد الحاسوبية.

لدى ستيفن ماكميلان، رئيس ومدير تنفيذي لشركة Teradata، الذي عرض مسارًا بديلاً لبعض الشركات آراء أخرى. هو متفائل بأن المستقبل يكمن في النماذج اللغوية الصغيرة (SLMs).

"عندما ننظر إلى المستقبل، نعتقد أن النماذج اللغوية الصغيرة والمتوسطة والنماذج اللغوية الكبيرة (LLMs) المتخصصة في المجال ستوفر حلولًا أفضل بكثير."

~ ماكميلان

تنتج النماذج اللغوية الصغيرة (SLMs) مخرجات مخصصة لأنواع محددة من البيانات لأن نماذج اللغة مدربة خصيصًا لذلك. نظرًا لأن البيانات التي تولدها النماذج اللغوية الصغيرة تُحتفظ بها داخليًا، فإن نماذج اللغة تكون مدربة على بيانات قد تكون حساسة.

مع استهلاك النماذج اللغوية الكبيرة (LLMs) للطاقة، يتم تدريب النسخ الصغيرة منها على توسيع نطاق استخدام الحوسبة والطاقة لتتناسب مع الاحتياجات الفعلية للمشروع. مع هذه التعديلات، يعني ذلك أن النماذج اللغوية الصغيرة (SLMs) فعالة بتكلفة أقل من النماذج الكبيرة الحالية.

بالنسبة للمستخدمين الذين يريدون استخدام الذكاء الاصطناعي للمعرفة المحددة، هناك خيار النماذج اللغوية الكبيرة (LLMs) المتخصصة في المجال، لأنها لا تقدم معرفة واسعة. هي مدربة لفهم فئة واحدة فقط من المعلومات بعمق والاستجابة بدقة أكبر، على سبيل المثال، مسوق رئيسي (CMO) مقابل مدير مالي (CFO)، في ذلك المجال.

لماذا تعتبر النماذج اللغوية الصغيرة (SLMs) خيارًا مفضلًا

وفقًا لجمعية علماء البيانات (ADaSci)، فإن التطوير الكامل لنموذج لغوي صغير (SLM) يحتوي على 7 مليارات معلمة لمليون مستخدم سيتطلب فقط 55.1 ميجاواط ساعة.

وجدت ADaSci أن تدريب GPT-3 الذي يحتوي على 175 مليار معلمة استهلك ما يقدر بـ 1,287 ميجاواط ساعة من الكهرباء، ولا تشمل هذه الطاقة الطاقة المستخدمة عندما يأتي للاستخدام الرسمي من قبل الجمهور. لذلك، يستخدم النموذج اللغوي الصغير (SLM) حوالي 5% من الطاقة المستهلكة في تدريب نموذج لغوي كبير (LLM).

عادةً ما يتم تشغيل النماذج الكبيرة على أجهزة كمبيوتر سحابية لأنها تستخدم قوة حوسبة أكثر مما هو متاح على جهاز فردي. هذا يؤدي إلى تعقيدات للشركات حيث تفقد السيطرة على معلوماتها أثناء انتقالها إلى السحابة، واستجابات بطيئة أثناء انتقالها عبر الإنترنت.

مع دخول المستقبل، لن يكون اعتماد الذكاء الاصطناعي من قبل الشركات بحل واحد يناسب الجميع، حيث سيكون التركيز على الكفاءة واختيار أفضل وأقل الأدوات تكلفة لإكمال المهام، مما يعني اختيار النموذج المناسب الحجم لكل مشروع.

سيتم القيام بذلك لجميع النماذج، سواء كانت نموذجًا لغويًا كبيرًا (LLM) عامًا، أو نماذج لغوية كبيرة (LLMs) أصغر ومتخصصة في المجال، اعتمادًا على النموذج الذي سيحقق نتائج أفضل، ويتطلب موارد أقل، ويقلل من الحاجة إلى نقل البيانات إلى السحابة.

بالنسبة للمرحلة التالية، سيكون الذكاء الاصطناعي حيويًا لقرارات الأعمال 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

"هذا هو جوهرنا، توفير مجموعة البيانات الموثوقة ثم توفير القدرات وقدرات التحليل بحيث يمكن للعملاء، وعملائهم، الوثوق بالمخرجات"، أضاف ماكميلان.

مع الطلب العالي على الكفاءة والدقة في العالم، تقدم النماذج اللغوية الكبيرة (LLMs) الأصغر والمتخصصة في المجال خيارًا آخر لتقديم نتائج يمكن للشركات والجمهور الأوسع الاعتماد عليها.