लहान मॉडेल मोठे का जिंकत आहेत

हायलाइट्स

• ओपन-वेट एआय मॉडेल पारदर्शकता, लवचिकता आणि कमी खर्च सक्षम करतात.
• बायोमेडिकल क्यूए सारख्या डोमेन-विशिष्ट कार्यांमध्ये लहान मॉडेल्स उत्कृष्ट आहेत.
• एआय प्रवेशाचे लोकशाहीकरण संशोधक, स्टार्टअप्स आणि स्थानिक नवोदितांना सामर्थ्य देते.

एआय जगात एक उल्लेखनीय पाळी आली आहे: मुक्त-वजन आणि मुक्त मॉडेल बंद, मालकी दिग्गजांना आव्हान देण्याचा प्रयत्न केला आहे. यामध्ये संशोधन, उद्योग, नीतिशास्त्र आणि जागतिक इक्विटीसाठी महत्त्वपूर्ण परिणाम आहेत.

व्याख्या: खुले वजन, मुक्त स्त्रोत, बंद

बंद/मालकीचे मॉडेलः मॉडेल वजन, प्रशिक्षण डेटा किंवा दोन्ही सार्वजनिकपणे प्रवेश करण्यायोग्य नसतात परंतु बर्‍याचदा एपीआयद्वारे प्रवेश करण्यायोग्य असतात. ओपनई, मानववंश आणि काही इतर कंपन्या त्यांच्या फ्लॅगशिप मॉडेलसाठी सहसा या राजवटीचे अनुसरण करतात.

ओपन-वेट मॉडेल्स: वजन (पॅरामीटर्स) डाउनलोड आणि स्थानिक अंमलबजावणीसाठी उपलब्ध आहेत; तथापि, संपूर्ण प्रशिक्षण डेटा किंवा संपूर्ण प्रशिक्षण पाइपलाइनबद्दल ऑपरेटर पारदर्शक असू शकत नाहीत.

ओपन-सोर्स मॉडेल्स: मोकळेपणाची पुढील पातळीः कोड, मॉडेल आर्किटेक्चर, वजन, कधीकधी प्रशिक्षण डेटा किंवा पुरेसे दस्तऐवजीकरण, परवानगी परवाना अंतर्गत, सर्व खुले. लक्षात घ्या की “मुक्त स्त्रोत” चा कधीकधी गैरवापर केला जातो.

हे व्यवहारात कसे दिसते

ओपनईचे ओपन-वेट रिलीझः 2025 च्या ऑगस्टमध्ये ओपनईने अनुक्रमे जीपीटी-ओएस -120 बी आणि जीपीटी-ओएस -20 बी अनुक्रमे दोन नवीन ओपन-वेट मॉडेल्स सोडले. ते डाउनलोड केले जाऊ शकतात (वजन प्रवेशयोग्य), बारीक-ट्यून केलेले, स्थानिक पातळीवर चालवा आणि बरेच काही. 120 बी मॉडेल बर्‍याच बेंचमार्कवरील मालकीच्या मॉडेलशी तुलना करते, तर 20 बी मॉडेल कमी शक्तिशाली हार्डवेअरसाठी डिझाइन केलेले आहे.

विशिष्ट डोमेनमधील ओपन मॉडेल्सद्वारे मजबूत कामगिरी: बायोमेडिकल क्यूए सेटिंगमधील अलीकडील अभ्यासानुसार असे दिसून आले आहे की लहान ओपन-वेट एलएलएम जुळतात किंवा अगदी पुनर्प्राप्ती, एन्सेम्बलिंग आणि इतर-कार्यरत असतात तेव्हा बंद असलेल्या गोष्टींपेक्षा जास्त जोडू शकतात.

विस्तृत इकोसिस्टम ग्रोथ: मेटा, मिस्त्राल, लामा मालिकेतील जसे मॉडेल दीपसीकक्वेन आणि इतर आक्रमकपणे मुक्त किंवा मुक्त-वजनाच्या जागेवर ढकलत आहेत. अधिक लीडरबोर्डच्या उपस्थितीसह, ग्रेटर कम्युनिटी टूल समर्थन देखील अनुसरण करते.

लहान/ओपन-वेट मॉडेल्सची शक्ती: पारदर्शकता आणि ऑडिटिबिलिटी: वजन पाहू शकते; संभाव्य पक्षपातीपणाची तपासणी केली जाऊ शकते; सुरक्षिततेसाठी बारीक-ट्यून केले जाऊ शकते. खर्च आणि प्रवेशः मुक्त-वजन मॉडेल देखील संशोधक, विकसक आणि अविकसित संदर्भात मर्यादित संसाधने असलेल्या संस्था देखील वापरले जाऊ शकतात; ते स्थानिक हार्डवेअरवर देखील चालविले जाऊ शकतात, जे मोठ्या एपीआय खर्चावर बचत करतात.

लवचिकता: विशिष्ट डोमेन, भाषा आणि नियामक आवश्यकतांमध्ये रुपांतर केले जाऊ शकते. हे वेगळ्या पद्धतीने वागण्यासाठी बारीक-ट्यून आणि सुधारित केले जाऊ शकते. नाविन्यपूर्ण विकास:

नाविन्यपूर्णतेचा प्रचारः विनामूल्य मॉडेल्स संशोधन समुदायाला प्रयोग करू द्या, डेरिव्हेटिव्ह्ज तयार करतात, तुलना करतात आणि निकालांचे पुनरुत्पादन करू शकतात-प्रगती वेगवान करणार्‍या परिस्थितीचा संच.

स्थानिक बाजूने गोपनीयतेचे नियंत्रणः मॉडेल चालविणे स्थानिक पातळीवर रिमोट सर्व्हरवर पाठविल्या जाणार्‍या डेटाची शक्यता कमी करते; हे विशेषतः संवेदनशील प्रकरणांसाठी महत्वाचे आहे.

कमकुवतपणा/व्यापार: पायाभूत सुविधांच्या मागणी:

20-120 बी च्या ओपन-वेट मॉडेल्स, मुक्तपणे प्रवेश करण्यायोग्य असताना, वेगवान वळणासाठी अत्यंत शक्तिशाली हार्डवेअरची आवश्यकता असते. जीपीयू, मेमरी आणि इतर. हे स्वतःच बर्‍याच वापरकर्त्यांसाठी एक मोठे विचारते. परफॉरमन्स गॅप: सध्या, की जवळच्या मॉडेल्सचा सामान्य तर्क, भ्रम, सुरक्षा आणि मल्टीमोडल वैशिष्ट्यांशी संबंधित मुद्द्यांमध्ये काही फायदा असल्याचे दिसून येते. म्हणून, अजूनही काही अंतर शिल्लक आहे.

समर्थन, देखभाल आणि पॉलिशः कदाचित असे होऊ शकते की बंद मॉडेल्स संघटनांकडून अधिक टूलींग समर्थन, देखरेख आणि नियतकालिक अद्यतनेचा आनंद घेतील; दस्तऐवजीकरण, बग फिक्स आणि सुसंगततेमध्ये ओपनमध्ये कमतरता असू शकते.

परवाना आणि गैरवापर जोखीम: मुक्त-वजन नेहमीच पूर्णपणे परवानगी नसलेल्या परवान्यात अनुवादित करत नाही. सर्वात वाईट म्हणजे, अधिक खुले मॉडेल दुर्भावनायुक्त कलाकारांचा गैरवापर करणे सुलभ करतात (डीपफेक, चुकीची माहिती इ.).

डेटा गुणवत्ता आणि सुरक्षा नियंत्रणे: अधिक बंद-स्रोत मॉडेल्समध्ये सामान्यत: संपूर्ण रेलिंग असतात, त्यांचा डेटा क्युरेट करा आणि आउटपुटचे परीक्षण करा

ओपन-सोर्स मॉडेल्समध्ये गोंगाट करणारा किंवा पक्षपाती डेटा असू शकतो आणि सुरक्षिततेसाठी कमी चाचणी केली जाऊ शकते.

लहान मॉडेल्स “जिंकणे” आहेत? “जिंकणे” म्हणजे काय? बेंचमार्कमध्ये वर्चस्व आहे? वास्तविक उत्पादनांमध्ये दत्तक? प्रवेशाचे लोकशाहीकरण? कित्येक अक्षांवर क्रॉस-कटिंग मूल्यांकन बनवताना, छोट्या परिमाणांसह ओपन-वेट मॉडेल्सने सकारात्मक नफा कमावला आहे, परंतु अद्याप कोणताही सरळ “विजयी” दृष्टिकोन नाही बर्‍याच वेगवेगळ्या प्रकारे.

येथे काही तथ्ये आहेतः कोनाडा किंवा डोमेन कार्यांमध्ये (उदा. बायोमेडिकल क्यूए, कोडिंग, विशिष्ट भाषा किंवा प्रदेश), ओपन मॉडेल्स “आधीच त्यांच्या वजनापेक्षा जास्त पंचिंग करतात.” बायोमेडिकल प्रश्नाचे उत्तर देण्यामध्ये ओपन मॉडेल्सवरील मालकीच्या मॉडेलवरील संशोधन आकर्षक पुरावे आहेत.

हार्डवेअर-प्रतिबंधित परिस्थितीत, जीपीटी-ओएस -20 बी सारख्या खुल्या मॉडेल्सना संगणनाची आवश्यकता न घेता लोकांना त्यांच्या डेस्कटॉप/लॅपटॉपवर प्रगत एआय कार्ये करण्याची परवानगी दिली जाते. संशोधन आउटपुट आणि पारदर्शकतेमध्ये, मुक्त-वजन मॉडेल पूर्वीपेक्षा मजबूत प्रतिष्ठा आणि अधिक व्यापक वापर विकसित करीत आहेत. कम्युनिटी बेंचमार्क, सामायिक डेटा सेट आणि सहयोगी विकास भरभराट होत आहेत. असे म्हटले आहे की, मोठ्या प्रमाणात, मल्टीमोडॅलिटी, सेफ्टी/रेलिंगसह, अजूनही काही बंद मॉडेल आहेत, विशेषत: ग्राहक उत्पादनांमध्ये तयार केलेल्या तुकड्यांसाठी, प्रगत मोठ्या भाषा प्रणाली, योग्य सुरक्षा आणि पडद्यामागील पॉलिश.

लोकशाहीकरणाच्या भविष्यासाठी परिणामः

अधिक देश, अधिक संस्था आणि छोट्या कंपन्या त्यांच्या गरजा भागविण्यासाठी शक्तिशाली एआय उत्पादन तयार करण्यास किंवा तैनात करण्यास सक्षम असतील. यामुळे बिग टेकमधून मक्तेदारीवरील अवलंबन कमी होऊ शकते.

नियमन आणि नीतिशास्त्र: ओपन मॉडेल सर्वव्यापी बनत असताना, परवाने स्पष्ट करण्यासाठी मानक आणि नियमांचे लँडस्केप अद्यतनित करणे आवश्यक आहे, सुरक्षित वापरासाठी मार्गदर्शक तत्त्वे, ऑडिटिंग आणि डेटा स्रोतांभोवती पारदर्शकता.

वैविध्यपूर्ण नावीन्यपूर्ण: स्थानिक भाषा, सांस्कृतिक संदर्भ आणि अधोरेखित विषयांमध्ये अप्रियतेने अधिक नाविन्यपूर्णता असू शकते. उदाहरणार्थ, अया (23 भाषा) सारख्या बहुभाषिक ओपन मॉडेल्स कव्हरेजची “रुंदी” ढकलत आहेत.

हायब्रीड मॉडेल्स आणि एन्सेम्बल्सः आम्ही भविष्यात ओपन मॉडेल्सचा वापर (एन्सेम्बलिंग) किंवा इष्टतम कार्यक्षमता, किंमत आणि सुरक्षितता मिळविण्यासाठी खुल्या मॉडेलसह बंद मॉडेल्स एकत्रित करून भविष्यात परिष्कृत आणि शोधक मार्गांनी वापरू.

प्रतिकूल आणि गैरवापर होणार्‍या धमक्यांचा उदय: मॉडेल जसजसे वाढत्या प्रमाणात प्रवेश करण्यायोग्य बनतात, प्रतिकूल आणि गैरवापर होणार्‍या धमक्या, जसे की डीपफेक्स, चुकीची माहिती आणि स्वयंचलित प्रचार, अधिक व्यवहार्य होते. म्हणून, संरक्षण, शोध आणि वॉटरमार्किंग महत्वाचे बनले.

निष्कर्ष

ओपन-सोर्स/ओपन-वेट एआयची वाढ ही ट्रेंडपेक्षा अधिक आहे; ओपनई कसे विकसित केले जाते, कोणाकडे प्रवेश आहे आणि कोणत्या प्रकारचे अनुप्रयोग शक्य झाले यामध्ये हा एक संरचनात्मक बदल आहे. बर्‍याच संदर्भांमध्ये, लहान मॉडेल्स “जिंकणे” आहेत आणि त्या संदर्भांमध्ये संशोधन, परिसरातील तैनात, डोमेन-विशिष्ट कार्ये आणि किंमत समाविष्ट आहे. तथापि, असे संदर्भ आहेत जेथे चांगले संवर्धित, मोठे मॉडेल-बंद आणि वित्तपुरवठा-जिंकत आहेत: मल्टीमोडल सामान्य कार्ये, सुरक्षा पायाभूत सुविधा किंवा मोठ्या प्रमाणात उपयोजन. भविष्य हे खुले आणि बंद दोन्हीचे मोज़ेक असेल, स्पॉटलाइट सामायिक करेल आणि “इतर प्रत्येकासाठी” काय शक्य आहे आणि त्यांच्या अनोख्या दिशेने वाटचाल करेल.