تعرضت لمراقبة المعلومات لضغوط هائلة لبعض الوقت لتقديم مبادرات رقمية ناجحة مع التنقل في قيود الميزانية وزيادة المطالب من كبار المديرين التنفيذيين. كشفت دراسة استقصائية حديثة لـ Gartner أن 92 ٪ من مديري تقنية المعلومات يتوقعون دمج الذكاء الاصطناعي (AI) في منظماتهم بحلول عام 2025 ، لكن 49 ٪ يكافحون لتقييم قيمة التكنولوجيا وعرضها. هل نذهب إلى الدوائر هنا؟
وسط هذه التحديات ، نماذج لغة صغيرة (SLMS) برزت كحل مقنع ، واعدة قدرات الذكاء الاصطناعي أقل التكلفة والأمان التي يمكن أن تتوافق مع الأولويات الاستراتيجية. الكثير عن SLMs منطقي.
“مجتمع الذكاء الاصطناعى قد استكشف بنشاط نماذج لغة صغيرة مثل ميسترا صغير و Deepseek R1يقول عامر شيخ ، كبير علماء البيانات في BearingPoint. الوجه المعانقة. تنبع شعبيتها من قدرتها على تبادل الدقة والسرعة والفعالية من حيث التكلفة. “
إضافة ذكاء على الحافة
وهذه هي النقطة الرئيسية. إنها مفاضلة-ولكن من الواضح أنها تستحق صنعها. تقدم SLMS ، بطبيعتها ، بديلاً عمليًا للمنظمات التي تسعى إلى تنفيذ الذكاء الاصطناع نماذج لغة كبيرة (LLMS). كما أنهم يقودون الموجة التالية من حافة الذكاء الاصطناعي التبني ، تمكين نماذج الذكاء الاصطناعي للتشغيل على الهواتف الذكية ، وأجهزة إنترنت الأشياء (IoT) والأنظمة الصناعية دون الاعتماد على البنية التحتية السحابية.
“نماذج صغيرة افتح إمكانية دفع التنفيذ إلى حافةيقول بيتر فان دير ، مدير مختبر الذكاء الاصطناعى في Pegasystems وأستاذ مساعد AI في جامعة ليدن. “هذا قد يعني العمل على الهواتف الذكية الراقية ، وأجهزة إنترنت الأشياء مثل الكاميرات ، وبموافقة مناسبة ، فتح مصادر بيانات جديدة تمامًا للتعلم من ذلك حاليًا على الإنترنت المفتوح.”
على الرغم من الوعد ، تظل تطبيقات العالم الواقعي لـ SLMs في أجهزة الهاتف المحمول وأجهزة إنترنت الأشياء في المراحل المبكرة. بعض العمليات تتضمن التطبيقات نموذج R1’s Deepseek، التي تم دمجها في أنظمة المعلومات والترفيه الخاصة بشركات صناعة السيارات الصينية (مثل Geely) ، و PHI-3 ، نموذج صغير مصمم لتطبيقات AI المتنقلة. في التعليم ، يستخدم Smile Plug من Stanford نماذج منظمة العفو الدولية الصغيرة لتقديم تجارب تعليمية تفاعلية على أجهزة Raspberry Pi دون اتصال بالإنترنت. هذه الأمثلة توضح الإمكانات المتزايدة لـ SLMs.
“يمكن أن يتم نشر SLMs في عدد من الصناعات حيث يوجد شرط لمعرفة المجال المحددة” ، يضيف الشيخ ، مع تسليط الضوء على استخدامها في chatbots خدمة العملاء والمساعدين الافتراضيين وتلخيص النص.
على عكس LLMS ، التي تتطلب طاقة حسابية واسعة ، يمكن أن تعمل SLMs محليًا ، وخفض التكاليف وتخفيف مخاطر الأمن ، وبالتالي ملاءمةها لتعزيز ذكاء الجهاز الحافة. ويضيف: “هناك انخفاض هائل في تكاليف الاستدلال. ومع ذلك ، ستكون هناك تكاليف صغيرة للضبط والاستضافة الذاتية”.
يقول إيزابيل الدهير ، المحلل الرئيسي في Globaldata ، إن SLMs يمكن زيادة مع مجموعات بيانات أصغر وأكثر تركيزًا. “توظيف SLMS يلفت العديد من التحديات المرتبطة بـ LLMs للأغراض العامة ، بما في ذلك متطلبات الطاقة الحسابية ، والتكاليف الباهظة ، وعدم كفاية المعرفة بالمجال.”
هذه القدرة على التركيز على حالات الاستخدام الدقيقة الخاصة بالصناعة هي السبب في أن القطاعات الخاضعة للتنظيم مثل الاتصالات والمحاسبة والقانون تعتمد SLMs بسهولة أكبر.
“لقد رأينا SLMs للخدمات المهنية في التعامل مع تنظيم المحاسبة ، وتنظيم الاتصالات ، وتطبيقات مختلفة على الأجهزة والأتمتة المنزلية” ، يضيف الداهر.
مع تقنيات الجيل المعزز للاسترجاع (RAG)، يمكن للشركات تحسين وصقل دقة هذه النماذج داخل مجالاتها المحددة.
التركيز الرئيسي للأمن في الصناعة تنمو LLM رهبة
ما وراء التكلفة ، يظل الأمن عاملاً رئيسياً ، وخاصة داخل أجهزة الحافة. وفقًا لسامان نصرولاهي ، المدير في InMotion Ventures (ذراع الاستثمار في Jaguar Land Rover) ، هذا هو المكان الذي تضع فيه SLMs أيضًا بعض الصناديق.
يرتبط الكثير من الخوف حول LLMS بعدم الشفافية فيما يتعلق بما يجري وراء الكواليس من حيث جمع البيانات والتحليلات. SLMS هي النسخة المحلية لعالم الذكاء الاصطناعي (GENAI).
يقول نصرولاهي: “بالإضافة إلى تخفيض التكاليف ، فإن هذا النهج يجعلهم أيضًا أكثر أمانًا وأقل عرضة لانتهاكات البيانات لأن البيانات لا تحتاج إلى ترك حدود المؤسسة”.
هذه القدرة هي أمر بالغ الأهمية بشكل خاص للرعاية الصحية والخدمات المالية والقطاعات القانونية ، حيث يكون الامتثال التنظيمي وحماية البيانات أمرًا بالغ الأهمية.
“ما يقرب من ثلث جميع هجمات الأمن السيبراني تحدث عند مشاركة البيانات مع بائع خارجي. من خلال الحفاظ على البيانات في الموقع ، يمكن أن تقلل SLMs من نقاط الضعف على سطح الهجوم”.
في الوقت الذي تشعر فيه الشركات بالقلق بشكل متزايد بشأن سيادة البيانات والامتثال ، فإن القدرة على توطين معالجة الذكاء الاصطناعى هي بالتأكيد ميزة كبيرة.
ويضيف أندرو بوس ، مدير البحوث والتطوير العليا (علوم البيانات) في Black Duck ، أن قابلية نقل SLMs ، على الأقل مقارنة مع “الطاغوات من GPT-4 ، كلود ، أو حتى لاما” ، تجعلها مناسبة تمامًا لنشر الحافة. الأمن والتكلفة والوظائف هي مقترحات جذابة.
يقول: “إن تشغيل أجهزة SLMs على حافة لا تعني أن بيانات المستخدمين لا يجب أن تترك الجهاز للمساهمة في استجابة أو عمل ذكي مع تحسين الكمون والأداء ، مما يجعل العمليات الذكية تشعر بأنها” ذات صلة “و” Snappy “أثناء حماية خصوصية المستخدمين”.
مع التقدم في شرائح مخصصة لدعم هذه الأنواع من أعباء العمل ، يمكن الآن العثور على متطلبات الطاقة والذاكرة والأداء في SLMs في معظم أجهزة الكمبيوتر المحمولة والهواتف المحمولة متوسطة المستوى ، مما يسمح لمنصات الخدمة بتحويل المزيد من الذكاء إلى المستخدم النهائي. هذه القدرة على معالجة البيانات محليًا على أجهزة الكمبيوتر المحمولة والأجهزة المحمولة وأنظمة إنترنت الأشياء الصناعية تجعل SLMs ذات قيمة خاصة للتطبيقات ذات الكشف عن الكلية المنخفضة والصناعات الحساسة للأمن والبيئات مع محدودية الوصول إلى الإنترنت.
يضيف جيف واتكينز ، كبير مسؤولي التكنولوجيا (CTO) في CreateFuture ، أن SLMs “يمكن أن تعمل محليًا على أجهزة الكمبيوتر المحمولة أو أجهزة الكمبيوتر المكتبية أو الهواتف الذكية أو حتى أجهزة إنترنت الأشياء. وهي تتراوح بالأحجام والقدرات – من تلك التي يمكن أن تعمل على الأجهزة المدمجة إلى تلك التي تبدأ في تحدي نماذج MacBook Pro الأخيرة”.
مع انخفاض التكاليف ، تعزيز الأمان والقدرة على العمل بكفاءة على الأجهزة الحالية ، تقدم SLM خيار استراتيجي متزايد للشركات. ولكن كما هو الحال مع أي تقنية ناشئة ، تبقى التحديات. الهلوسة والتحيزات والحاجة إلى صقلها تعني أنها تتطلب تنفيذًا دقيقًا.
يقول نصرولاهي: “لا تزال الهلوسة مشكلة بالنسبة إلى SLMs ، على غرار LLMs. رغم أن النماذج الأكثر تخصصًا تميل إلى أن تكون أقل عرضة لهذه القضايا”.
خفض الطاقة ، وخفض التكلفة ، وأصبح أكثر الهاتف المحمول
محرك رئيسي آخر لاعتماد SLMs في أجهزة Edge هو قدرتها على العمل مع انخفاض استهلاك الطاقة مع تقليل التبعية السحابية أيضًا. تقول Silvia Lehnis ، المدير الاستشاري للبيانات و AI في UBDS Digital: “SLMs أقل كثافة في الطاقة ، مما يجعلها أرخص وأفضل للبيئة ، وغالبًا ما تكون صغيرة بما يكفي لتشغيلها محليًا على حافة الحافة مثل الهاتف المحمول أو الكمبيوتر الشخصي دون الحاجة إلى اتصال بالإنترنت”.
تجعل مزايا التكلفة البيئية والتشغيلية SLMs جذابة بشكل خاص للشركات التي تهدف إلى تقليل بصمة الكربون من الذكاء الاصطناعي مع الحفاظ على أمان البيانات. “إن تشغيل النموذج محليًا دون الوصول إلى الإنترنت يمكن أن يكون له مزايا خصوصية البيانات ، حيث لا يتم مشاركة بياناتك مع تطبيق عبر الإنترنت للتسجيل والمراقبة المركزية ، مما يجعله مناسبًا لحالات الاستخدام الأكثر حساسية” ، يضيف Lehnis.
إنه موضوع متكرر. هذا الوعي المتزايد بأن SLMs يمكن أن يمكّن من التحول من LLMS من حيث الحجم الواحد نحو نماذج الذكاء الاصطناعى الأكثر تركيزًا والفعالية من حيث التكلفة ، يجب أن تغير كيفية تفكير المؤسسات في استخدام Genai. يمكن أن يكون لها تأثير أوسع على شراء تكنولوجيا المعلومات ، وبالتأكيد من حيث كيفية تفكير مديري المعلومات في بشكل استراتيجي حول ما هو غير ممكن مع Genai.
ديلويت اتجاهات التكنولوجيا 2025 يشير التقرير إلى أن المؤسسات تفكر الآن في SLMs وخيارات المصدر المفتوح للقدرة على تدريب النماذج على مجموعات بيانات أصغر وأكثر دقة. إنه اعتراف بأن الحجم ليس كل شيء ، ولكن الدقة والأهمية هي محاذاة أي عمليات نشر من الذكاء الاصطناعي مع أهداف تشغيلية.
يشير مسار تبني الذكاء الاصطناعى إلى تفضيل متزايد للنماذج التي توازن الأداء مع التطبيق العملي التشغيلي ، ولكن هناك أيضًا رغبة متزايدة في المزيد من الحوسبة في الوقت الفعلي والوظائف ذات الصلة الاستراتيجية.
ومن المثير للاهتمام ، في عام 2017 ، توقع Gartner أن يحدث هذا ، مدعيا أنه بحلول هذا العام ، سيتم إنشاء 75 ٪ من البيانات التي تم إنشاؤها بواسطة المؤسسات ومعالجتها خارج المركز المركزي التقليدي أو السحابة. وكان ذلك قبل أن نعرف أي شيء عن SLMs ودورهم.
إذن ، ماذا يعني هذا لمستقبل SLMs وأجهزة الحوسبة الحافة؟ بالتأكيد ، سيكون لديهم دور مهم للعب كما ترى المؤسسات من الذكاء الاصطناعي بشروطها ولكن أيضًا لتمكين التمايز. سيصبح ذلك التحدي الجديد لمراكمة مديري مديريشي الأمنية – كيفية الحصول على أفضل من Genai لإحداث تأثير كبير على أداء الأعمال. يمكن أن تأتي زوايا هذا من عدد من الاتجاهات – فهذا يعتمد حقًا على المنظمة والصناعة.
إن ارتفاع SLMS لا يتعلق فقط بالتوفير في التكاليف أو الأمن – إنه يتعلق بتمايز الذكاء الاصطناعي. كما يشير Jarrod Vawdrey ، كبير علماء البيانات الميدانيين في Domino Data Lab ، إلى أن SLMs تعيد بالفعل إعادة تشكيل الرعاية الصحية والتمويل والدفاع ، مما يسمح على الجهاز بمنظمة العفو الدولية للحد من الكمون وحماية البيانات الحساسة وتحسين اتخاذ القرارات في الوقت الفعلي.
“SLMs التي تم نشرها على الأجهزة الطبية تتيح مراقبة المريض في الوقت الفعلي والمساعدة التشخيصية” ، كما يلاحظ ، في حين أن المؤسسات المالية تستفيد من SLMs للكشف عن الاحتيال والامتثال لمكافحة غسل الأموال.
بالنسبة لمراقبة المعلومات ، التحدي هو التحول. كيف يمكنك تسخير Genai لإحداث تأثير كبير على أداء الأعمال؟ تكمن الإجابة في تكييف نماذج الذكاء الاصطناعي مع الاحتياجات الخاصة بالصناعة-شيء SLMs في وضع فريد للقيام به. ستشهد السنوات القليلة المقبلة أن الشركات تتجاوز نماذج الذكاء الاصطناعى العام ، مع التركيز بدلاً من ذلك على الذكاء الاصطناعي المفرط المدرب على المجال والتي تدفع التمايز والميزة التنافسية. إذا كان هناك أي شيء سوف يدفع الحوسبة إلى السائد ، فهو نماذج لغة صغيرة.
