在人工智能“戰(zhàn)爭”中，科技巨頭們一直在競相構(gòu)建更大的語言模型，一個令人驚訝的新趨勢正在出現(xiàn)：小就是新的大。

隨著大語言模型 (LLM) 的進展出現(xiàn)一些停滯跡象，研究人員和開發(fā)人員越來越多地將注意力轉(zhuǎn)向小語言模型 (SLM)。這些緊湊、高效且適應(yīng)性強的人工智能模型正在挑戰(zhàn)“越大越好”的觀念，有望改變我們進行人工智能開發(fā)的方式。 

LLM 是否開始趨于穩(wěn)定？ 

Vellum 和 HuggingFace 最近發(fā)布的績效比較表明，LLM 之間的績效差距正在迅速縮小。這種趨勢在多項選擇題、推理和數(shù)學問題等特定任務(wù)中尤其明顯，其中頂級模型之間的性能差異很小。 

LLM 排行榜。（來源：vellum）

例如，在選擇題中，Claude 3 Opus、GPT-4 和 Gemini Ultra 的得分都在 83% 以上，而在推理任務(wù)中，Claude 3 Opus、GPT-4 和 Gemini 1.5 Pro 的準確率都超過 92%。

有趣的是，甚至像 Mixtral 8x7B 和 Llama 2 – 70B 這樣的較小模型在某些領(lǐng)域（例如推理和多項選擇題）也顯示出了有希望的結(jié)果，它們在這些領(lǐng)域的表現(xiàn)優(yōu)于一些較大的模型。這表明模型的大小可能不是性能的唯一決定因素，架構(gòu)、訓練數(shù)據(jù)和微調(diào)技術(shù)等其他方面可能發(fā)揮重要作用。

Uber 人工智能前負責人、《重啟人工智能》(Rebooting AI)一書的作者加里?馬庫斯(Gary Marcus)表示：“如果你從經(jīng)驗上看，最近發(fā)表的十幾篇文章都與 GPT-4處于同一領(lǐng)域。”這本書講述了如何構(gòu)建值得信賴的人工智能。

“其中一些比 GPT-4 好一點，但沒有質(zhì)的飛躍。我想每個人都會說 GPT-4 比 GPT-3.5 領(lǐng)先了一大步。一年多來沒有發(fā)生任何[量子躍遷]?！瘪R庫斯說。

隨著性能差距不斷縮小，越來越多的模型展現(xiàn)出有競爭力的結(jié)果，這就提出了 LLM 是否確實開始趨于穩(wěn)定的問題。如果這種趨勢持續(xù)下去，它可能會對語言模型的未來開發(fā)和部署產(chǎn)生重大影響，可能會將重點從簡單地增加模型大小轉(zhuǎn)移到探索更高效和專業(yè)的架構(gòu)。

LLM方法的缺點

LLM 雖然無可否認地強大，但也有明顯的缺點。首先，訓練LLM需要大量的數(shù)據(jù)，需要數(shù)十億甚至數(shù)萬億的參數(shù)。這使得訓練過程極其耗費資源，訓練和運行 LLM 所需的計算能力和能源消耗是驚人的。這導(dǎo)致成本高昂，使得較小的組織或個人很難參與核心的LLM開發(fā)。在去年 MIT 的一次活動上，OpenAI 首席執(zhí)行官 Sam Altman 表示，訓練 GPT-4 的成本至少為 1 億美元。

與 LLM 合作所需的工具和技術(shù)的復(fù)雜性也為開發(fā)人員帶來了陡峭的學習曲線，進一步限制了可訪問性。對于開發(fā)人員來說，從培訓到構(gòu)建和部署模型的周期時間很長，這會減慢開發(fā)和實驗的速度。

劍橋大學最近發(fā)表的一篇論文顯示，公司可以花費 90 天或更長時間來部署單個機器學習 (ML) 模型。

論文鏈接：https://doi.org/10.1145/3533378

LLM 的另一個重要問題是他們?nèi)菀桩a(chǎn)生幻覺——產(chǎn)生看似合理但實際上并不真實的輸出。這源于 LLM 的訓練方式是根據(jù)訓練數(shù)據(jù)中的模式預(yù)測下一個最可能的單詞，而不是真正理解信息。因此，LLM 可以自信地提出虛假陳述、編造事實或以無意義的方式組合不相關(guān)的概念。檢測和減輕這些幻覺是開發(fā)可靠且值得信賴的語言模型的持續(xù)挑戰(zhàn)。

“如果你用它來解決高風險問題，你不想侮辱你的客戶，或者得到不良的醫(yī)療信息，或者用它來駕駛汽車并在那里冒險。這仍然是一個問題，”馬庫斯警告說。

LLM 的規(guī)模和黑盒性質(zhì)也使它們難以解釋和調(diào)試，這對于建立對模型輸出的信任至關(guān)重要。訓練數(shù)據(jù)和算法中的偏差可能會導(dǎo)致不公平、不準確甚至有害的輸出。

正如谷歌 Gemini 所見，使 LLM “安全”和可靠的技術(shù)也會降低其有效性。此外，LLM 的集中性質(zhì)引起了人們對權(quán)力和控制權(quán)集中在少數(shù)大型科技公司手中的擔憂。

輸入小語言模型 (SLM)

SLM 是 LLM 的更精簡版本，參數(shù)更少，設(shè)計更簡單。他們需要更少的數(shù)據(jù)和訓練時間——幾分鐘或幾個小時，而 LLM 需要幾天的時間。這使得 SLM 在現(xiàn)場或較小的設(shè)備上實施起來更加高效和直接。

SLM 的主要優(yōu)勢之一是它們適合特定應(yīng)用。由于它們的范圍更集中并且需要的數(shù)據(jù)更少，因此與大型通用模型相比，它們可以更輕松地針對特定領(lǐng)域或任務(wù)進行微調(diào)。這種定制使公司能夠創(chuàng)建能夠非常有效地滿足其特定需求的 SLM，例如情緒分析、命名實體識別或特定領(lǐng)域的問答。與使用更通用的模型相比，SLM 的專業(yè)性質(zhì)可以提高這些目標應(yīng)用程序的性能和效率。

與 LLM 相比，SLM 也不太容易在其特定領(lǐng)域內(nèi)出現(xiàn)未被發(fā)現(xiàn)的幻覺。SLM 通常在特定于其預(yù)期領(lǐng)域或應(yīng)用程序的更窄且更有針對性的數(shù)據(jù)集上進行訓練，這有助于模型學習與其任務(wù)最相關(guān)的模式、詞匯和信息。這種關(guān)注減少了產(chǎn)生不相關(guān)、意外或不一致輸出的可能性。憑借更少的參數(shù)和更精簡的架構(gòu)，SLM 不太容易捕獲和放大訓練數(shù)據(jù)中的噪聲或錯誤。

人工智能初創(chuàng)公司 HuggingFace 的首席執(zhí)行官 Clem Delangue 表示，高達 99% 的用例可以使用 SLM 來解決，并預(yù)測 2024 年將是 SLM 年。

HuggingFace 的平臺使開發(fā)人員能夠構(gòu)建、訓練和部署機器學習模型，今年早些時候宣布與谷歌建立戰(zhàn)略合作伙伴關(guān)系。兩家公司隨后將 HuggingFace 集成到 Google 的 Vertex AI 中，使開發(fā)人員能夠通過 Google Vertex Model Garden 快速部署數(shù)千個模型。

谷歌 Gemma 有些愛

在最初將 LLM 方面的優(yōu)勢讓給 OpenAI 后，谷歌正在積極尋求 SLM 機會。早在二月份，谷歌就推出了 Gemma，這是一系列新的小語言模型，旨在提高效率和用戶友好性。與其他 SLM 一樣，Gemma 模型可以在各種日常設(shè)備上運行，例如智能手機、平板電腦或筆記本電腦，無需特殊硬件或廣泛優(yōu)化。

自 Gemma 發(fā)布以來，經(jīng)過訓練的模型上個月在 HuggingFace 上的下載量已超過 400,000 次，并且已經(jīng)出現(xiàn)了一些令人興奮的項目。

例如，Cerule 是一個強大的圖像和語言模型，它將 Gemma 2B 與 Google 的 SigLIP 相結(jié)合，并在海量圖像和文本數(shù)據(jù)集上進行了訓練。Cerule 利用高效的數(shù)據(jù)選擇技術(shù)，這表明它無需大量數(shù)據(jù)或計算即可實現(xiàn)高性能。這意味著 Cerule 可能非常適合新興的邊緣計算用例。

另一個例子是 CodeGemma，它是 Gemma 的專門版本，專注于編碼和數(shù)學推理。CodeGemma 提供了針對各種編碼相關(guān)活動量身定制的三種不同模型，使開發(fā)人員更容易使用和高效地使用高級編碼工具。

小語言模型的變革潛力

隨著人工智能社區(qū)不斷探索小語言模型的潛力，更快的開發(fā)周期、更高的效率以及根據(jù)特定需求定制模型的能力的優(yōu)勢變得越來越明顯。SLM 準備通過提供經(jīng)濟高效且有針對性的解決方案，實現(xiàn)人工智能訪問的民主化并推動跨行業(yè)創(chuàng)新。

SLM 在邊緣的部署為金融、娛樂、汽車系統(tǒng)、教育、電子商務(wù)和醫(yī)療保健等各個領(lǐng)域的實時、個性化和安全應(yīng)用開辟了新的可能性。

通過在本地處理數(shù)據(jù)并減少對云基礎(chǔ)設(shè)施的依賴，使用 SLM 的邊緣計算可實現(xiàn)更快的響應(yīng)時間、改善數(shù)據(jù)隱私并增強用戶體驗。這種去中心化的人工智能方法有可能改變企業(yè)和消費者與技術(shù)互動的方式，在現(xiàn)實世界中創(chuàng)造更加個性化和直觀的體驗。

由于 LLM 面臨與計算資源相關(guān)的挑戰(zhàn)并可能達到性能瓶頸，SLM 的興起有望使人工智能生態(tài)系統(tǒng)以驚人的速度發(fā)展。