当サイトのリンクから購入された場合、アフィリエイト手数料が発生する場合があります。仕組みは次のとおりです。
より小型のモデルが企業の世代別 AI の悩みに対する解決策となるでしょうか?
生成 AI モデルに関しては、大きければ大きいほど良いというわけではありません。より重要なのは、達成しようとしているタスク専用に構築されたツールを使用することです。膨大なデータセットでトレーニングされた大規模言語モデル (LLM) は、可能な限り多くのデータを活用したい組織にとっては魅力的に思えるかもしれませんが、最も正確な結果が得られない可能性があります。ただし、よりターゲットを絞ったデータセットでトレーニングされた、より小規模でカスタマイズされたモデルを使用すると、企業はデータを制御して品質を確保できます。これは、生成 AI のユースケースを拡大して競争上の優位性を獲得する際に非常に重要です。
Databricks の EMEA フィールド エンジニアリング担当 VP。
昨年は、生成型 AI アプリケーションのエンジンとして LLM に注目が集まりました。これらは一般消費者には適していますが、既製の汎用 LLM が必ずしも企業にとって理想的であるとは限りません。たとえば、組織はこれらの LLM に常に独自のデータを挿入できるとは限らないため、モデルの応答は必ずしも内部コンテキストで関連性があるとは限りません。さらに、多くの大規模な LLM では、モデルの作成者によるデータ収集へのアクセスをユーザーが許可する必要があるため、データのプライバシーに関する懸念が生じる可能性があります。
小規模でカスタマイズされた言語モデルは、こうした懸念の多くを軽減できます。組織は、独自のデータを使用して小規模でカスタマイズされたモデルをトレーニングできるため、応答は内部コンテキストを考慮し、より関連性が高くなります。このアプローチのもう 1 つの利点は、組織がデータを第三者と共有する必要がないため、データを安全に保ちながら、規制要件に準拠できることです。小規模でカスタマイズされたモデルは、一般化された LLM のトレーニングに多大な時間、費用、および計算能力が必要になる可能性があるため、効率に関する懸念も軽減できます。たとえば、モデルが大きくなるほど、その機能に必要なグラフィックス プロセッシング ユニット (GPU) の数が多くなります。しかし、GPU は不足しており、需要が供給を上回っているため、入手には費用がかかります。もちろん、企業はコストを抑えたいと考えているため、モデルのトレーニングと推論の実行に必要な GPU が少ないほど良いのです。
上級リーダーの大多数が、生成 AI プロジェクトを効率的に拡張し、カスタマイズされたモデルの利点を検討しているため、組織間のコラボレーションも不可欠になります。生成 AI ブームは他の産業革命と同様、組織全体のチームが協力して革新と前進を図ることでメリットを得ることができます。このアプローチにより、研究開発の利益も得られます。
汎用 LLM と比較すると、これらのカスタム構築モデルを使用すると、開発者は独自のユースケースを念頭に置いた、より高度に特化したシステムを作成できます。これにより、組織は、スケーラブルなだけでなく、モデルが企業の特定の問題や機会に対処するように構築されているため、より高い投資収益率を生み出す可能性が高い生成 AI プロジェクトに集中できます。
小規模でカスタマイズされたモデルを構築する場合、組織はすべてのデータとガバナンスにオープンで統一された基盤を使用する必要があります。これを行う方法の 1 つは、データ インテリジェンス プラットフォームを使用することです。これは、言語モデルの背後にあるデータの品質、正確性、およびアクセス可能性の確保に役立ちます。このデータを民主化する方法を見つけることも重要であり、企業全体の従業員が自然言語だけで企業データを簡単にクエリできるようにします。これにより、非技術スタッフでも、熟練したデータ サイエンティストやアナリストと同じ洞察を迅速に得ることができるため、社内の専門家はより高度で革新的な、さらにはビジネスに不可欠なタスクに集中する時間を確保できます。これまでデータの分析をサードパーティに依存していた企業にとって、このアプローチは時間の節約とコストの削減をもたらし、イノベーションを自社の従業員の手に委ねます。したがって、データ インテリジェンスへのアクセスを提供し、小規模なモデルを使用することで、イノベーションが促進され、大規模なデータ主導の意思決定が容易になります。
業界全体での緊密な連携は、ジェネレーティブ AI の世界的な成長を促進する上で不可欠です。テクノロジーについて私たちが集合的に理解すればするほど、それをより生産的に活用できるようになります。同様に、上級管理職が効率性に引き続き重点を置く場合、適切な規模のカスタマイズされたオープンソース モデルのメリットを考慮する必要があります。これらのモデルはビジネスの成長に効果的なツールであり、組織はコストを抑え、データを制御して、ジェネレーティブ AI のユースケースを拡大し続ける際に品質を確保できます。効率的なジェネレーティブ AI 戦略に投資することで、組織は将来に備え、今後何年にもわたってプロセスを合理化できます。
TechRadar Pro ニュースレターに登録して、ビジネスの成功に必要なすべてのトップニュース、意見、特集、ガイダンスを入手しましょう。
最高の AI ウェブサイトビルダーを特集しました。
この記事は、今日のテクノロジー業界の最も優秀で聡明な人々を特集する TechRadarPro の Expert Insights チャンネルの一環として制作されました。ここで表明された意見は著者のものであり、必ずしも TechRadarPro または Future plc の意見ではありません。寄稿にご興味がある場合は、こちらで詳細をご覧ください: https://www.techradar.com/news/submit-your-story-to-techradar-pro
Toby Balfre 氏は、Databricks の EMEA 担当フィールド エンジニアリング担当副社長です。
デルのハッカーは、会社のサーバーを直接攻撃してデータを盗み出すことができたと述べている
多くの産業IoT分野で使用されているモデムは簡単にハッキングされる可能性がある
Microsoft Teams、欧州でさらなる独占禁止法訴訟に直面
TechRadar は、国際的なメディア グループであり、大手デジタル パブリッシャーである Future US Inc の一部です。当社の企業サイトをご覧ください。
© Future US, Inc. 7 階、130 West 42nd Street、New York、NY 10036。
元記事: https://www.techradar.com/pro/transform-your-generative-ai-roadmap-with-custom-llms