گزارش لیزر تگ؛
مدلهای زبانی کوچک زندگی روزمره را هوشمند می کنند
به گزارش لیزر تگ، با پیشرفت فناوری، مدلهای کوچک زبانی نقشی اساسی در فراگیر کردن هوش مصنوعی ایفا می کنند و نوآوری را در خیلی از بخش ها هدایت و دوره جدیدی از برنامه های کاربردی هوشمند را آغاز می کنند.
به گزارش لیزر تگ به نقل از مهر؛ انتشار عمومی چت چی پی تی، چت بات مشهور شرکت «OpenAI»، در نوامبر سال ۲۰۲۲، هیاهویی بزرگ در فناوری هوش مصنوعی بپا کرد و سبب تشدید رقابت میان غول های فناوری شد. حالا خیلی از شرکتهای بزرگ فناوری در اقصی نقاط جهان، در زمینه توسعه هوش مصنوعی مولد و مدلهای زبانی بزرگ گام برداشته و محصولاتی مبتنی بر این فناوری تولید کرده اند. دراین میان، شرکت مایکروسافت روز ۲۳ آوریل از تحولی بزرگ در این رقابت همه جانبه اطلاع داد. این شرکت اعلام نمود که در جهت جذب مشتریان متقاضی انتخابهای مقرون به صرفه، یک مدل زبانی کوچک (SLM) خواهد ساخت. مدل جدید به نام «Phi 3 mini» نخستین نسخه از سه مدل زبانی کوچک است که این شرکت قصد دارد، در آینده نزدیک عرضه نماید. طبق اعلام کارشناسان این شرکت، مدل مذکور با هزینه پایین تر نسبت به مدلهای زبانی بزرگ، طیف گسترده ای از قابلیت ها را در اختیار کاربران قرار می دهد. به عقیده کارشناسان، مدلهای زبانی کوچک، در چشم انداز به سرعت درحال تکامل هوش مصنوعی، بعنوان یک پیشرفت مهم ظاهر شده اند و نویدبخش توسعه فناوری هوش مصنوعی با دسترسی بیشتر، کارآمدی بالاتر و هزینه کمتر هستند. این نوشتار کوتاه به بررسی ماهیت، خصوصیت ها، مزایا، چالش ها و چشم اندازهای آینده مدلهای کوچک زبانی اختصاص دارد. چیستی و ماهیت مدلهای زبانی کوچک مدلهای زبانی کوچک، نسخه های کوچک شده مدلهای هوش مصنوعی بزرگ تر هستند که برای انجام وظایف مشابه در حوزه پردازش زبان طبیعی، مانند تولید متن، تصویر، ترجمه و … مورد استفاده قرار می گیرند. این مدلها با پارامترهای کمتر و در نتیجه نیازهای محاسباتی کمتر طراحی شده اند. به عقیده خیلی از متخصصان، درک مفهوم حفظ تعادل بین عملکرد و کارایی، امکان استفاده گسترده تر هوش مصنوعی مولد در دستگاه ها و برنامه های کم قدرت تر را فراهم می کند؛ دستگاه هایی که استقرار مدلهای بزرگ در آنها عملاً غیر ممکن است. از مزایای کلیدی استفاده از مدلهای زبانی کوچک میتوان به موارد زیر اشاره نمود. مقیاس پذیری: مدلهای زبانی کوچک به سبب حجم و اندازه کمتر، ذاتاً مقیاس پذیرتر از مدلهای بزرگ هستند. به بیان دیگر، میتوان چنین مدل هایی را به صورت مستقیم بر روی دستگاه هایی مانند تلفن های همراه هوشمند، تجهیزات متصل به اینترنت (IOT) و سایر سیستم های دارای توان محاسباتی محدود مستقر کرد. کارایی: بر مبنای برآوردهای صورت گرفته، مدلهای زبانی کوچک به توان محاسباتی کمتری نیاز دارند. امری که به معنای مصرف انرژی کمتر و زمان پردازش کوتاه تر است و همین خصوصیت آنها را برای کاربردهای سریع و آنی به گزینه ای ایده آل بدل می کند. مقرون به صرفه بودن: در مدلهای کوچک زبانی، نیازهای محاسباتی کمتر به معنای کاهش هزینه های در ارتباط با پردازش و ذخیره سازی داده ها است. همین مساله مدلهای مذکور را به یک راهکار مقرون به صرفه برای خیلی از مشاغل و توسعه دهندگان تبدیل می کند. دسترس پذیری: از طرفی، مدلهای مذکور با کم کردن احتیاج به منابع، موانع دسترسی به هوش مصنوعی مولد را می کاهد و به سازمان ها و افراد کوچک تر اجازه می دهد که استفاده از هوش مصنوعی را توسعه داده و این فناوری را بیشتر از پیش به کار گیرند. امکان سفارشی سازی: با عنایت به اندازه مدلهای زبانی کوچک، این ابزار فناورانه را میتوان به سادگی برای کارهای یا صنایع خاص در مقایسه با همتایان بزرگ تر خود تنظیم و سفارشی سازی کرد. تأثیرات زیست محیطی: مدلهای زبانی کوچک با کاهش ردپای کربن در قیاس با راه اندازی و اجرای مدلهای هوش مصنوعی در مقیاس بزرگ به چشم انداز هوش مصنوعی پایدارتر و دوست دار محیط زیست کمک می کنند. حفظ حریم خصوصی داده ها: مدلهای کوچک زبانی با پردازش داده ها به صورت محلی در دستگاه ها، حریم خصوصی را می افزایند چونکه داده ها برای پردازش نیازی به ارسال به فضای ابری ندارند و در نتیجه خطر قرار گرفتن در معرض نقض داده ها کاسته می شود. کاربردهای شاخص مدلهای کوچک زبانی قابلیت های ذکر شده در توصیف مدلهای کوچک زبانی، امکان استفاده از این فنآوری را در طیف گسترده ای موارد و تجهیزات الکترونیکی میسر می سازد. در این بخش به بررسی بعضی از کاربردهای کلیدی این مدلها می پردازیم. برنامه های تلفن همراه: مدلهای کوچک زبانی می توانند چت بات های درون برنامه، ترجمه همزمان زبان های متعدد و دستیارهای صوتی هوشمند را مستقیماً در دستگاههای تلفن همراه گنجانده و تقویت نمایند. فناوری پوشیدنی: خصوصیت های این مدلها، آنها برای ادغام در دستگاههای پوشیدنی برای نظارت بر سلامت، عرضه بینش ها و هشدارهای بلادرنگ بر مبنای گفتار یا ورودی متن کاربر به ابزاری ایده آل تبدیل می کند. دستگاه های اینترنت اشیا: به عقیده کارشناسان، ادغام مدلهای زبانی کوچک با اینترنت اشیا، می تواند سیستم های اتوماسیون خانگی و صنعتی هوشمندتر را با پردازش دستورات و اطلاعات به صورت محلی فعال کند. محاسبات لبه: مدلهای کوچک زبانی در محیط های محاسبات لبه ای بسیار مهم و حیاتی هستند؛ جایی که پردازش باید در نزدیکی منبع جمع آوری داده ها صورت گیرد تا زمان پاسخگویی بهبود و استفاده از پهنای باند کاهش پیدا کند. چالش های مدلهای کوچک زبانی با وجود همه مزایای ذکر شده برای مدلهای کوچک زبانی، توان و قدرت پردازش کمتر آنها، برخی معایب هم در بر دارد. که همچون آنها میتوان به موارد زیر اشاره نمود. محدودیت های عملکرد: در حالیکه مدلهای زبانی کوچک در خیلی از موارد کارآمد و توانمند هستند، اما معمولا دقت و قابلیت های مدلهای بزرگ تر را ندارند. از همین روی امکان دارد این خصوصیت کاربرد آنها را در سناریوهای پیچیده محدود کند. خطر بروز سوگیری و عرضه اطلاعات غلط: مجموعه داده های کوچک تری که برای آموزش این مدلها استفاده می شوند امکان دارد چندان متنوع نباشند و همین مساله به صورت بالقوه منجر به نتایج مغرضانه یا کاهش بی طرفی در فرآیندهای تصمیم گیری می شود. پیچیدگی فرآیند توسعه: متعادل کردن اندازه، کارایی و عملکرد در فرآیند توسعه مدلهای زبانی کوچک می تواند چالش برانگیز باشد و امکان دارد به نگاههای جدید در معماری مدل و روشهای فنی آموزشی نیاز داشته باشد. آینده مدلهای زبانی کوچک پیشرفت های فناورانه بدیع در روشهای فنی فشرده سازی مدلهای هوش مصنوعی و فرایندهای یادگیری می تواند خیلی از محدودیت های فعلی مدلهای زبانی کوچک را برطرف کند. به عقیده خیلی از کارشناسان، ادامه تحقیق و نوآوری در این عرصه، احتمالا توانایی مدلهای مذکور را بیشتر می کند و آنها را حتی در مقام رقابت با مدلهای بزرگ تر قرار می دهد. علاوه بر این، با افزایش آگاهی و درک پتانسیل این مدلهای زبانی، ادغام آنها در قسمت های مختلف هم بیشتر می شود.
به عقیده طیف گسترده ای از کارشناسان، میتوان مدلهای زبانی کوچک را گام بلند بعدی در انقلاب هوش مصنوعی دانست. سخن پایانی به جرئت میتوان ادعا نمود که مدلهای زبانی کوچک نشان دهنده یک پیشرفت امیدوارکننده در زمینه حوزه هوش مصنوعی مولد هستند. آنها با تشکیل تعادل بین عملکرد و کارایی، مزایای هوش مصنوعی را به نقاطی که قبلاً به سبب محدودیت منابع محدود شده بودند، گسترش می دهند. با پیشرفت فناوری، مدلهای کوچک زبانی نقشی اساسی در فراگیر کردن هوش مصنوعی ایفا، نوآوری را در خیلی از بخش ها هدایت و دوره جدیدی از برنامه های کاربردی هوشمند را آغاز می کنند؛ دوره ای که فراگیرتر و پایدارتر از هر زمان دیگری است. همان گونه که این مدلها به تکامل خود ادامه می دهند، احتمالا به چشم انداز فناوری روزمره ما تبدیل می شوند و انقلاب هوش مصنوعی را به روش هایی به پیش می برند که هم اکنون مدت زیادی از درکشان توسط بشر نگذشته است. توسعه و ادغام این ابزار فناورانه پتانسیل بازتعریف صنایع، بهبود زندگی شخصی و حرفه ای و هموار کردن راه را برای آینده ای فراهم می آورد که در آن هوش مصنوعی واقعاً همه جا حاضر و با نیازها و ارزش های انسانی همسو است. با این حال، سفر جهان در راه توسعه مدلهای زبانی کوچک تازه شروع شده است و تاثیر کامل آنها بر آینده هنوز دارای نقاط ابهام بسیاری است.
منبع: لیزر تگ
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب