小语言模型（SLMs）被吹捧为人工智能的下一个大事

尽管公司正在向大语言模型(LLMs)投入大量资金，但人工智能行业的一些专家认为小语言模型(SLMs)将成为下一个大事件。

这是由于行业中的活动在节日季节的到来时继续增长，科技公司投资更多资金费用来开发他们的技术。

未来在于小型语言模型

由亿万富翁埃隆·马斯克（Elon Musk）运营的xAI等公司设法从Andreessen Horowitz，卡塔尔投资局，红杉和Valor Equity Partners那里筹集了50亿美元，而亚马逊则向OpenAI的竞争对手Anthropic额外投资了40亿美元。

尽管这些大型科技公司和其他公司正在投资数十亿美元，致力于开发能够处理多种不同任务的大型LLM，但人工智能的现实是，没有一种大小适合所有的解决方案，因为企业需要针对特定任务的模型。

根据AWS首席执行官Matt Garman在发布其扩展合作与投资的声明中所说，已经有许多AWS客户正在开发由Anthropic驱动的生成式人工智能，并取得了压倒性的反响。

对于大多数公司来说，LLMs仍然是某些项目的首选，但对于其他项目来说，这种选择可能在成本、能源和计算资源方面昂贵。

Teradata的总裁兼首席执行官Steven McMillan为一些企业提供了另一种选择，并持有其他观点。他认为未来在SLM中是积极的。

“在展望未来时，我们认为小型和中型语言模型以及受控环境（如特定领域的LLM）将提供更好的解决方案。”

~ 麦克米兰

SLMs根据特定类型的数据生成定制输出，因为语言模型经过特定训练以实现该目的。由于SLMs生成的数据被内部保留，因此语言模型是在潜在敏感数据上进行训练的。

由于LLMs能耗高，因此小型语言版本经过训练，可以根据项目实际需求调整计算和能源使用规模。经过这样的调整，意味着SLMs在比当前大型模型更低的成本下更加高效。

对于希望使用人工智能进行特定知识的用户来说，有特定领域的LLM选项，因为它们不提供广泛的知识。它经过深入的培训，只深入了解一类信息，并能更准确地回答，例如在该领域中，抵押贷款债券(CMO)与首席财务官(CFO)的区别。

为什么 SLM 是首选选项

根据数据科学家协会（ADaSci）的说法，为一百万用户完全开发具有70亿参数的SLM只需要55.1兆瓦时（MWh）。

ADaSci 发现训练 1750亿参数的 GPT-3 消耗了约 1,287 兆瓦时的电力，该电力不包括公众正式使用时的电力。因此，一个 SLM 大约使用了训练 LLM 消耗能量的 5%。

通常在云计算机上运行大型模型，因为它们使用的计算能力比个人设备上可用的计算能力更多。这导致公司面临复杂情况，因为它们在信息转移到云端时失去了对信息的控制，并且在信息通过互联网传输时会出现缓慢的响应。

走向未来，企业对人工智能的采用不会是一刀切的，因为效率和选择最佳和最便宜的工具来完成任务将成为焦点，这意味着为每个项目选择合适大小的模型。

这将适用于所有型号，无论是通用的LLM还是更小和特定领域的LLM，取决于哪种型号能够提供更好的结果，需要更少的资源，并减少数据迁移到云端的需求。

在接下来的阶段，人工智能将对业务决策至关重要，因为公众对人工智能生成的答案非常有信心。

“当你考虑训练AI模型时，它们必须建立在优质数据的基础上。”

~ 麦克米兰

“这就是我们的全部内容，提供可信赖的数据集，然后提供能力和分析能力，让客户及其客户可以信任输出，” McMillan补充道。

在世界上对效率和准确性的需求很高时，更小且特定领域的LLM为提供公司和广大公众可靠结果的另一种选择。

在90天内启动您的Web3职业生涯并获得高薪的工作的逐步指南。