Большая сила маленького ИИ в 2025 году

В мире ИИ маленький становится очень большим.

Многие компании -разработчики программного обеспечения, особенно те, которые хотят быстро увеличить свои решения в области искусственного интеллекта, все чаще обращаются к моделям мелких языков (SLMS), которые требуют меньшей вычислительной мощности и памяти, что означает меньшие наборы данных. Разработаны для конкретных предприятий, эти модели не только быстрее тренировать и развернуть, но и уже превосходят или соответствуют моделям аналогичного размера, что полезно для любой компании, которая хочет реализовать ИИ, и особенно с ограниченными ресурсами, бюджетом или временные ограничения. Ожидается, что рынок SLMS будет расти на 15% в течение следующих пяти лет.

С другой стороны, более известные крупные языковые модели (LLMS), используемые во многих приложениях ИИ, обучены массивным наборам данных. Эти данные могут занять месяцы, и это только начало-за ними часто следует точная настройка человека. Согласно некоторым оценкам, LLMS включает значительные расходы на развитие, которые могут содержаться на несколько миллионов долларов, что может стать основным финансовым бременем для большинства компаний и стартапов.

ОБЗОР: Наш сестринный сайт Дзоне ищет ваши взгляды на генеративный ИИ.

Поскольку SLM растут в популярности, что дальше?

SLM могут быть полезны для компаний, ищущих целевые быстрые победы и являются предпочтительным выбором для многих, поскольку они используют гораздо меньше параметров и могут быть построены с нуля или адаптированы из LLMS. Меньший размер этих моделей позволяет их размещать в центре обработки данных предприятия вместо облака. SLM еще более мощны при открытом исходном коде, и, обучая тщательно кураторских наборов данных предприятия, их можно отфильтровать для нежелательного содержания с критическими проблемами, такими как управление, риск, конфиденциальность и смягчение последствий предвзятости, поскольку это становится все более важным в 2025 году и в последующих.

Когда дело доходит до ИИ, время - это все

Среди многих вариантов использования SLM находят сладкое место при прогнозировании результатов в данных временных рядов. Время имеет решающее значение в бизнесе, где у каждой организации есть прогноз продаж, спроса, доходов и требований к пропускной способности; Это называется прогнозирование временных рядов, и это включает прогнозирование будущих значений, основанных на прошлых наблюдениях, собранных в постоянных интервалах времени, будь то ежедневно, ежемесячно, ежеквартально или ежегодно.

Ожидается, что ИИ ускорит и ужесточит бизнес -планирование с помощью более быстрой модели фундамента для такого типа многомерного прогнозирования. Например, SLM, называемая крошечными временными миксерами (TTMS), может быстро генерировать зависимые от времени результатов, прогнозируя будущие тенденции в различных областях, таких как потребление электроэнергии, заторы на трафике, розничная торговля и финансы. Этот тип модели используется мировым лидером в области инвестиционных решений, основанных на AI, квантовому AI, чтобы помочь извлечь данные ESG и сигналы настроений из новостей и других источников данных, чтобы помочь прогнозировать движение цен на акции в разных отраслях.

По мере того, как инновации продолжаются, модели будут обучаться еще большему количеству данных и обеспечивать более сильные выступления, обеспечивая более высокую гибкость при поддержке внешних переменных и прогнозов катания.

Получение ИИ в свой рабочий процесс сегодня

ИИ начинает менять бизнес так, как мы только начинаем представлять. Тем не менее, затаив дыхание об искусственном интеллекте за последние два года, должна быть заклеена с затратами, доверием и ресурсами.

Фактически, компании могут вскоре предпочесть предпочесть сочетание LLM и SLM, используя более крупные модели, сначала для решения некоторых из самых сложных бизнес -проблем, и как только они получат ответ, переключитесь на более мелкие модели, которые повторяют результаты по более низкой стоимости и с уменьшенным задержка.

С нетерпением жду, SLMS также будет играть важную роль в продвижении агентов искусственного интеллекта, которые способны к большей автономии, сложным рассуждениям и многоэтапному решению проблем. SLMS поддерживает поддержку ключевых агентских возможностей, таких как расширенные рассуждения и конкретные вызовы функций, которые имеют решающее значение для обеспечения того, чтобы агент мог подключаться к внешним API, переоценку его плана действий и самокорректировку.

Предприятия, внедряющие ИИ, должны достичь правильного баланса между мощным и практичным. Думайте о SLM как о гоночной машине и LLM как о автодоме - оба приведут вас туда, куда вы хотите пойти, но удовлетворяют разные потребности. Это модели, которые обеспечивают высокую производительность по сравнению с размером модели, в то же время максимизируя безопасность, скорость и экономическую эффективность, которые могут легче интегрировать в различные бизнес-среды и рабочие процессы.

Независимо от того, пилотирует ли ваша компания проекты по искусственному интеллекту или изучение использования агентов искусственного интеллекта завтра, SLMS значительно повлияет на способность быстро реализовать ИИ по всему бизнесу.

Радж Датта является вице -президентом по программному обеспечению и партнерству с искусственным интеллектом в IBM, где он возглавляет стратегию, продажи и стратегические альянсы. Раньше он стал соучредителем и был генеральным директором компании по программному обеспечению Oak9, и был президентом программного обеспечения AG, Северная Америка. При этом он провел 19 лет в IBM по глобальному и национальному лидерству. Датта имеет степень магистра делового администрирования в области маркетинга и финансов в Школе управления Северо -Западным университетом Келлогга и степень бакалавра в области экономики в Университете Иллинойса, Урбана.