انهن جو چوڻ آهي ته وڏيون شيون ننڍڙن پيڪيجز ۾ اچن ٿيون ۽ شايد، ننڍي ٻولي جا ماڊل (SLMs) ان جا مثالي مثال آهن.
جڏهن به اسان انساني رابطي ۽ رابطي جي نقل ڪندڙ AI ۽ ٻولي ماڊلز بابت ڳالهايون ٿا، اسان فوري طور تي GPT3 يا GPT4 وانگر وڏي ٻولي ماڊلز (LLMs) بابت سوچيون ٿا . جڏهن ته، اسپيڪٽرم جي ٻئي ڇيڙي تي ننڍي ٻولي ماڊلز جي شاندار دنيا آهي، جيڪي انهن جي وڏين قسمن جا مڪمل هم منصب آهن، انهن خواهشن کي بااختيار بڻائڻ لاءِ آسان ساٿين جي طور تي پهچن ٿا جن کي گهڻي پيماني جي ضرورت ناهي.
اڄ، اسان تي روشني وجهڻ لاءِ پرجوش آهيون ته SLMs ڇا آهن، اهي LLMs جي مقابلي ۾ ڪيئن آهن، انهن جي استعمال جا ڪيس، ۽ انهن جون حدون.
ننڍي ٻولي جا ماڊل ڇا آهن؟
SLMs AI ماڊلز جي ھڪڙي شاخ آھن جيڪي انساني ٻولين کي ڳولڻ، سمجھڻ ۽ موٽڻ لاءِ ٺاھيل آھن. اڳياڙي (يا صفت) Small هتي ان سائيز ڏانهن اشارو ڪري ٿو، جيڪو نسبتا ننڍو آهي، انهن کي وڌيڪ ڌيان ڏيڻ جي اجازت ڏئي ٿي.
جيڪڏهن ايل ايل ايمز کي بلين يا ٽريلين پيرا ميٽرن تي تربيت ڏني وڃي ٿي، ته SLMs کي سوين لکن پيرا ميٽرن تي تربيت ڏني وڃي ٿي. ننڍڙن ماڊلز جي هڪ نمايان پهلوئن مان هڪ اهو آهي ته اهي پيٽرول جي گهٽ مقدار تي تربيت حاصل ڪرڻ جي باوجود بي عيب نتيجا ڏين ٿا.
SLMs کي بهتر سمجهڻ لاءِ، اچو ته انهن مان ڪجهه بنيادي خصوصيتن کي ڏسو:
نن Sizeي سائيز
ڇاڪاڻ ته اهي گهٽ پيٽرولن تي تربيت يافته آهن، اهي آساني سان تربيت لائق آهن ۽ ڪارڪردگي لاءِ ڪمپيوٽيشنل صلاحيتن جي شدت کي گهٽائي ڇڏيندا آهن.
خاص، مرڪوز، ۽ حسب ضرورت
ايل ايل ايم جي برعڪس، اهي ترقي يافته نه آهن سڀني ڪمن لاءِ. ان جي بدران، اهي مخصوص مسئلن جي بيانن لاء ٺهيل ۽ انجنيئر ڪيا ويا آهن، متمرکز تڪرار جي حل لاء رستو هموار ڪن ٿا.
مثال طور، هڪ وچولي درجي جو ڪاروبار حاصل ڪري سگهي ٿو هڪ SLM ترقي يافته ۽ صرف ڪسٽمر سروس جي شڪايتن جو خيال رکڻ لاءِ. يا، هڪ BFSI ڪمپني ٿي سگهي ٿي هڪ SLM جاء تي صرف خودڪار پس منظر چيڪ ڪرڻ، ڪريڊٽ اسڪورنگ، يا خطري جو تجزيو ڪرڻ لاءِ.
[پڻ پڙهو: ملٽي ماڊل اي آءِ: ٽريننگ ڊيٽا ۽ ڪاروباري ايپليڪيشنن لاءِ مڪمل گائيڊ ]
هارڊويئر جي وضاحتن تي گهٽ ۾ گهٽ انحصار
SLMs پيچيده ۽ بھاري ڊجيٽل انفراسٽرڪچر جي ضرورت کي ختم ڪري ٿو ۽ تربيت ۽ تعیناتي لاءِ پردي جي ضرورتن کي ختم ڪري ٿو. جيئن ته اهي سائيز ۽ ڪارڪردگي ۾ نسبتا ننڍا آهن، اهي پڻ گهٽ ميموري استعمال ڪن ٿا، انهن کي ايج ڊيوائسز ۽ ماحول ۾ لاڳو ڪرڻ لاء مثالي بڻائيندا آهن جيڪي بنيادي طور تي وسيلن جي پابند آهن.
وڌيڪ پائيدار
ننڍا ماڊل نسبتا ماحول دوست هوندا آهن ڇاڪاڻ ته اهي LLMs جي ڀيٽ ۾ گهٽ توانائي استعمال ڪن ٿا ۽ انهن جي گھٽتائي واري ضرورتن جي ڪري گهٽ گرمي پيدا ڪن ٿا. انهي جو مطلب اهو آهي ته کولنگ سسٽم ۽ سار سنڀال جي خرچن ۾ گھٽ ۾ گھٽ سيڙپڪاري.
قابليت ۽ سستي
SLMs ننڍي ۽ وچولي درجي جي ڪاروبار جي عزائم لاءِ تيار ڪيا ويا آهن جيڪي سيڙپڪاري جي لحاظ کان موجود آهن پر انهن کي پنهنجي ڪاروباري ويزن لاءِ AI جي طاقت ۽ صلاحيت کي استعمال ڪرڻ گهرجي. جيئن ته ننڍا ماڊل قابل اطلاق ۽ حسب ضرورت آهن، اهي ڪاروبار لاء لچڪ جي اجازت ڏين ٿا انهن جي AI عزائم کي مرحلن ۾ ترتيب ڏيڻ لاء.
حقيقي دنيا جا مثال ننڍي ٻوليءَ جا ماڊل
هڪ ننڍي ٻولي ماڊل جو ڪم
بنيادي طور تي، هڪ ننڍڙي ٻوليء جي ماڊل جو ڪم ڪندڙ اصول هڪ وڏي ٻوليء جي ماڊل سان تمام گهڻو ملندو آهي انهي لحاظ سان ته اهي تربيتي ڊيٽا ۽ ڪوڊ جي وڏي مقدار تي تربيتي آهن. بهرحال، ڪجھه ٽيڪنڪ استعمال ڪيا ويا آھن انھن کي تبديل ڪرڻ لاءِ LLMs جي موثر، ننڍڙن تغيرن ۾. اچو ته ڏسو ته ڪجهه عام ٽيڪنالاجيون آهن.
| علم وسعت | وڻائڻ | مقدار ۾ ڪرڻ |
|---|---|---|
| هي علم جي منتقلي آهي جيڪو هڪ استاد کان هڪ شاگرد ڏانهن ٿئي ٿو. اڳ-تربيت ٿيل LLM مان سمورو علم SLM ڏانهن منتقل ڪيو ويندو آهي، علم جي جوهر کي مائنس ڪندي LLM جي پيچيدگين کي ختم ڪندي. | شراب جي تياري ۾، پرننگ مان مراد شاخن، ميوو ۽ ڦٽي کي شراب مان ڪڍڻ آهي. SLMs ۾، اھو ھڪڙو ساڳيو عمل آھي جنھن ۾ غير ضروري حصن ۽ اجزاء کي ختم ڪرڻ شامل آھي جيڪو ماڊل بھاري ۽ شديد ڪري سگھي ٿو. | جڏهن حسابن کي انجام ڏيڻ ۾ ماڊل جي درستگي گھٽجي ويندي آهي، اهو نسبتاً گهٽ ميموري استعمال ڪري ٿو ۽ گهڻو تيز هلندو آهي. ان عمل کي مقداري (quantization) چئبو آهي ۽ ماڊل کي قابل بنائي ٿو صحيح طريقي سان ڪم ڪرڻ لاءِ ڊوائيسز ۽ سسٽم ۾ گھٽ هارڊويئر صلاحيتن سان. |
ننڍي ٻولي جي ماڊل جون حدون ڇا آهن؟
ڪنهن به AI ماڊل وانگر، SLM ۾ رڪاوٽون ۽ نقصن جو منصفانه حصو آهي. نئين سکندڙن لاءِ، اچو ته معلوم ڪريون ته اهي ڇا آهن:
- جيئن ته SLMs خاص آهن ۽ انهن جي مقصد ۽ ڪارڪردگي ۾ سڌريل آهن، اهو ڪاروبار لاء ڏکيو ٿي سگهي ٿو انهن جي ننڍڙن ماڊل کي خاص طور تي پيماني تي.
- ننڍڙا ماڊل پڻ مخصوص استعمال جي ڪيسن لاءِ تربيت يافته آهن، انهن کي انهن جي ڊومين کان ٻاهر درخواستن ۽ اشارن لاءِ غلط بڻائيندا آهن. ان جو مطلب اهو آهي ته ادارن کي هڪ ماسٽر ماڊل هجڻ جي بجاءِ ڪيترن ئي هنڌن تي ايس ايل ايمز کي ترتيب ڏيڻ تي مجبور ڪيو ويندو.
- اهي AI خلا ۾ موجود مهارتن جي فرق جي ڪري ترقي ۽ ترتيب ڏيڻ ۾ ٿورڙي مشڪل ٿي سگهن ٿيون.
- ماڊلز ۽ ٽيڪنالاجي جي مسلسل ۽ تيز ترقي، عام طور تي، ان کي اسٽيڪ هولڊرز لاءِ به مشڪل بڻائي سگھي ٿي ته هو پنهنجي SLM کي مستقل طور تي ترقي ڪن.
[پڻ پڙهو: وڏي ٻولي ماڊل جي تشخيص لاءِ هڪ شروعاتي گائيڊ ]
ننڍي ٻوليء جي ماڊلز لاء ٽريننگ ڊيٽا جي گهرج
جڏهن ته شدت، ڪمپيوٽيشنل قابليت، ۽ پيماني تي ننڍا هوندا آهن جڏهن وڏن ماڊلن جي مقابلي ۾، SLMs ڪنهن به لحاظ کان روشن نه هوندا آهن. اهي اڃا تائين ٻولي جا ماڊل آهن جيڪي پيچيده گهرجن ۽ ڪمن کي منهن ڏيڻ لاءِ ٺاهيا ويا آهن.
ٻوليءَ جي ماڊل جو جذبو ننڍڙو هجڻ ڪري ان جي سنجيدگيءَ ۽ اثر کي نه ٿو ڪڍي سگهجي. مثال طور، صحت جي سار سنڀار جي ميدان ۾، هڪ SLM صرف موروثي يا زندگي جي طرز تي هلندڙ بيمارين کي ڳولڻ لاء تيار ڪيو ويو آهي اڃا تائين نازڪ آهي جيئن اهو هڪ فرد جي زندگي ۽ موت جي وچ ۾ بيٺل آهي.
اهو لاڳاپو ان تصور سان واپس اچي ٿو ته ننڍڙن ماڊلز لاءِ تربيتي ڊيٽا جون گهرجون اڃا به اهم آهن اسٽيڪ هولڊرز لاءِ هڪ ايئر ٽائيٽ ماڊل تيار ڪرڻ لاءِ جيڪي نتيجا پيدا ڪري ٿو جيڪي درست، لاڳاپيل ۽ درست آهن. اهو ئي آهي جتي قابل اعتماد ڪاروبار کان ڊيٽا کي سورس ڪرڻ جي اهميت اچي ٿي.
شيپ تي، اسان هميشه توهان جي AI ويزن کي پورو ڪرڻ لاءِ اخلاقي طور تي اعليٰ معيار جي تربيتي ڊيٽا حاصل ڪرڻ تي موقف اختيار ڪيو آهي. اسان جا سخت معيار جي يقين ڏياريندڙ پروٽوڪول ۽ انساني-ان-دي-لوپ طريقا يقيني بڻائين ٿا ته توهان جا ماڊل بي عيب معيار جي ڊيٽاسيٽس ۾ تربيت يافته آهن جيڪي توهان جي ماڊلز پاران پيدا ٿيندڙ نتيجن ۽ نتيجن تي مثبت اثر وجهن ٿا.
تنهن ڪري، اڄ اسان سان رابطو ڪريو بحث ڪرڻ لاءِ ته اسان ڪيئن اسان جي ڊيٽا سيٽن سان توهان جي ڪاروباري عزائم کي اڳتي وڌائي سگهون ٿا.
