چشم‌انداز هوش مصنوعی شاهد تغییر قابل توجهی به سمت مدل‌های زبانی کوچک‌تر و کارآمدتر است، زیرا سازمان‌ها به دنبال راه‌حل‌های عملی و پایدار هوش مصنوعی هستند. در حالی که سال‌های اخیر تحت سلطه مدل‌های عظیم با میلیاردها پارامتر بوده، اکنون درک فزاینده‌ای وجود دارد که این سیستم‌های پرمصرف اغلب برای کاربردهای تجاری زیاده از حد هستند.
شرکت‌های بزرگ فناوری پیشگام این انتقال به سمت راه‌حل‌های هوش مصنوعی کارآمدتر هستند. انویدیا در مارس ۲۰۲۴ فناوری نرم‌افزاری خدمات میکرو استنتاج انویدیا (NVIDIA Inference Microservice) را معرفی کرد که خدمات کانتینری بهینه‌شده با مدل‌ها و رابط‌های برنامه‌نویسی (API) مخصوص صنایع مختلف را ارائه می‌دهد. آی‌بی‌ام با مدل‌های Granite 3.0 خود پیشرفت قابل توجهی داشته که با مدل‌های کوچک‌تر موجود مانند Llama و Mistral رقابت می‌کند و تنها به ۷-۸ میلیارد پارامتر نیاز دارد.
حرکت به سمت مدل‌های کوچک‌تر توسط چندین ملاحظه عملی هدایت می‌شود. این سیستم‌ها انرژی کمتری مصرف می‌کنند، هزینه کمتری به ازای هر توکن دارند و از نظر امنیت داده و حریم خصوصی راحت‌تر قابل مدیریت هستند. این کارایی به قیمت اثربخشی تمام نمی‌شود – بسیاری از مدل‌های کوچک‌تر در وظایف تخصصی مانند ریاضیات، پردازش زبان و تولید کد عملکرد قوی نشان می‌دهند.
این روند منعکس‌کننده تغییر گسترده‌تر در استراتژی هوش مصنوعی سازمانی است. به جای پیگیری رویکرد یکسان برای همه با مدل‌های عظیم، شرکت‌ها به طور فزاینده‌ای در حال پذیرش مدل‌های کوچک‌تر تخصصی هستند که برای موارد کاربرد تجاری خاص تنظیم شده‌اند.
اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: forbes
