Искусственный интеллект претерпевает значительные изменения в корпоративном ландшафте, поскольку предприятия ищут более эффективные и экономичные подходы, пишет на портале eWeek Дэвид Линтикум, главный специалист по облачным стратегиям Deloitte Consulting.

Бережливый ИИ (Lean AI) — практика разработки малых языковых моделей (small language models, SLM), которые более эффективны и требуют меньше вычислительных мощностей, чем традиционные большие языковые модели (LLM), — стал стратегией, которая ставит во главу угла минимальное потребление ресурсов при обеспечении максимальной ценности для бизнеса. Она использует подходы, заимствованные из методологии бережливого производства, изначально применявшейся в разработке и промышленном изготовлении продуктов, для оптимизации создания и развертывания ИИ-систем.

Бережливый ИИ становится все более актуальным, поскольку компании ищут более эффективные способы оптимизации расходов на облачные вычисления. Этот подход ставит во главу угла гибкое принятие решений на основе данных и постоянное совершенствование, позволяя предприятиям использовать возможности ИИ на устойчивой и масштабируемой основе. Вот что вам полезно знать.

Подъем SLM

В развивающемся ландшафте корпоративного ИИ все большее место занимают SLM и разработки с открытым исходным кодом. Этот сдвиг напрямую связан с существенными затратами и требованиями к ресурсам, которые накладывают LLM в системах генеративного ИИ. Такие LLM, как GPT-4 и Llama, продемонстрировали выдающиеся возможности в понимании и генерировании человеческого языка. Однако их вычислительные требования, облачные расходы, энергопотребление, задержки в работе и сложность создают серьезные проблемы для предприятий.

Для решения этих проблем все больше предприятий обращаются к SLM как практичной альтернативе для развертывания генеративного ИИ в облачных и необлачных средах. SLM разрабатываются в том числе для более эффективного использования вычислительных ресурсов и энергопотребления, что приводит к снижению операционных расходов и более приемлемой окупаемости инвестиций в ИИ-инициативы. Более быстрые циклы обучения и развертывания делают SLM более привлекательными для предприятий, нуждающихся в гибкости и оперативности на быстро меняющемся рынке.

Сообщество разработчиков Open Source также сыграло ключевую роль в развитии и внедрении бережливого ИИ и SLM. Такие платформы и инструменты, как Llama 3.1, Alpaca, StableLM, а также предложения Hugging Face и Watsonx.ai, делают SLM более доступными, снижая входные барьеры для предприятий любого размера. Эта демократизация возможностей ИИ означает тенденцию к изменению ситуации, поскольку все больше организаций смогут внедрять передовой корпоративный ИИ, не полагаясь на проприетарные и дорогостоящие решения.

Преимущества SLM

С точки зрения предприятия, внедрение бережливого ИИ и SLM имеет ряд преимуществ. Эти модели позволяют экономически эффективно масштабировать развертывания ИИ, повышая гибкость и более тесно увязывая возможности ИИ с меняющимися потребностями бизнеса.

Кроме того, SLM, размещенные локально или в частных облаках, решают проблемы конфиденциальности и суверенитета данных, удовлетворяя нормативным требованиям и обеспечивая при этом надежную защиту. Пониженное энергопотребление SLM способствует реализации корпоративных инициатив в области устойчивого развития. Переход на SLM, подкрепленный Open Source-инновациями, меняет подход предприятий к ИИ, снижая стоимость и сложность больших систем генеративного ИИ и предлагая жизнеспособный, эффективный и кастомизируемый путь вперед.

Как предприятиям подготовиться к использованию SLM

Поскольку ландшафт корпоративного ИИ претерпевает изменения, отмеченные растущим внедрением SLM и Open Source-разработок, предприятиям следует заранее подготовиться к эффективному использованию этих технологий. Вот основные шаги, которые они могут предпринять:

  • Обучите команды. Предприятиям следует инвестировать в программы обучения, чтобы ознакомить свои команды с нюансами SLM. Это включает в себя понимание преимуществ SLM перед LLM, возможностей настройки, предлагаемых SLM, и повышения эффективности, связанного с развертыванием SLM в различных сценариях использования.
  • Оцените сценарии использования. Для предприятий очень важно оценить существующие сценарии использования ИИ и определить, где SLM могут принести наибольшую пользу. Выявление конкретных задач или процессов, которые могут выиграть от гибкости и экономичности SLM, поможет организациям определить приоритеты в их внедрении.
  • Разработайте план миграции. Предприятиям следует разработать комплексный план миграции, в котором будут описаны этапы перехода от LLM к SLM. Этот план должен включать сроки, распределение ресурсов и показатели эффективности для отслеживания успешности процесса миграции.
  • Сотрудничайте с поставщиками. Взаимодействие с поставщиками, предлагающими SLM-решения, и использование их опыта могут упростить процесс внедрения. Поставщики могут предоставить рекомендации по лучшим практикам, помочь с выбором модели и предложить поддержку при развертывании SLM в корпоративной среде.
  • Устраните проблемы, связанные с конфиденциальностью данных. Учитывая повышенное внимание к вопросам конфиденциальности и безопасности данных, предприятия должны убедиться, что внедрение SLM соответствует соответствующим нормативным требованиям и отраслевым стандартам. Для защиты конфиденциальной информации необходимо внедрение надежных мер управления данными и протоколов шифрования.
  • Оптимизируйте инфраструктуру. Предприятиям следует оценить существующую ИТ-инфраструктуру и определить, необходимы ли какие-либо обновления или модификации для поддержки развертывания SLM. Это может быть связано с инвестированием в дополнительные вычислительные ресурсы, оптимизацией сетевого подключения или расширением возможностей хранения данных.
  • Улучшите мониторинг и отчетность. Для отслеживания производительности SLM в режиме реального времени необходимо внедрение надежных механизмов мониторинга и отчетности. Предприятиям следует установить ключевые показатели эффективности (KPI) для оценки эффективности развертывания SLM и принятия решений, основанных на данных, для постоянного совершенствования.
  • Поощряйте сотрудничество. Поддерживайте культуру сотрудничества в организации, чтобы обеспечить участие всех заинтересованных сторон в процессе внедрения SLM. Межфункциональные команды, состоящие из специалистов по анализу данных, ИТ-специалистов и бизнес-лидеров, могут обеспечить успешное внедрение и получения максимальных выгод от SLM.

SLM предлагают значительные преимущества

Применив упреждающий подход к подготовке к использованию SLM, предприятия смогут извлечь выгоду из эффективности, гибкости и возможностей настройки, предлагаемых этими инновационными ИИ-моделями. Использование SLM в рамках стратегии бережливого ИИ позволит организациям обеспечить устойчивый рост, достичь измеримых бизнес-результатов и занять лидирующие позиции на рынке с растущей конкуренцией.