अपने व्यवसाय के लिए सही एआई मॉडल चुनने के लिए 5 टिप्स

जनरेटिव AI (जेन AI) का उदय मुख्य रूप से उच्च-प्रोफ़ाइल बड़े भाषा मॉडल्स (LLMs) जैसे ओपन AI का GPT-4o, गूगल का Gemini, और Anthropic का Claude द्वारा संचालित हुआ है। हालांकि, इन दिग्गजों के आसपास के उत्साह के बीच, छोटे भाषा मॉडल्स (SLMs) चुपके से अपनी जगह बना रहे हैं। कुछ उद्योग विशेषज्ञों का सुझाव है कि SLM जेन AI का भविष्य हो सकते हैं।

रिसर्च फर्म गार्टनर के अनुसार, जहां LLMs ने परंपरागत रूप से भाषा मॉडल विकास में नेतृत्व किया है, वहीं SLMs बजट की कमी, डेटा संरक्षण, गोपनीयता चिंताओं और जोखिम प्रबंधन जैसे महत्वपूर्ण चुनौतियों के लिए व्यवहार्य समाधान प्रस्तुत करते हैं। जैसे-जैसे व्यवसाय जेन AI की दुनिया में आगे बढ़ रहे हैं, नेताओं को इन दो प्रकार के मॉडल्स के बीच चयन करना पड़ सकता है। यहाँ पाँच व्यावसायिक नेताओं का AI मॉडल्स के भविष्य के बारे में कहना है।

1. क्षेत्र-विशिष्ट अवसरों पर विचार करें

वित्तीय सेवा दिग्गज L&G की ग्रुप चीफ डेटा और एनालिटिक्स ऑफिसर क्लेयर थॉम्पसन का मानना है कि छोटे और बड़े दोनों मॉडल्स व्यवसाय संचालन में अपनी जगह बनाएंगे। वह एक ऐसे भविष्य की कल्पना करती हैं जहां LLMs को विशिष्ट अनुप्रयोगों के लिए बारीकी से ट्यून किया जा सकता है, जिससे उनकी उपयोगिता बढ़ेगी।

"मैं ऐसी स्थिति देख सकती हूँ जहां कुछ LLMs को विशिष्ट विषयों पर प्रशिक्षित किया जा सकता है ताकि उनसे अधिक विवरण प्राप्त हो, और मैं इसे और अधिक होने की शुरुआत देख सकती हूँ," उन्होंने ZDNET को बताया।

हालांकि क्षेत्र-विशिष्ट मॉडल्स की स्पष्ट मांग है, थॉम्पसन को कंपनियों द्वारा इन-हाउस विकास के लिए महत्वपूर्ण संसाधनों को समर्पित करने पर संदेह है।

"मुझे नहीं पता कि आप अपना खुद का बनाएंगे," उन्होंने कहा। "जब मैं मॉडल्स बनाने की बात करती हूँ, तो यह अधिकतर मौजूदा मॉडल्स को आंतरिक रूप से उपयोग करने और सुरक्षित वातावरण में अपने डेटा का उपयोग करके परिणाम प्राप्त करने के बारे में है।"

आकार की परवाह किए बिना, थॉम्पसन भविष्य को क्षेत्र-विशिष्ट मॉडल्स की ओर झुकता हुआ देखती हैं।

"मुझे लगता है कि हम अधिक अनुकूलित मॉडल्स प्राप्त करना शुरू करेंगे," उन्होंने कहा। "उदाहरण के लिए, आप देख सकते हैं कि आप चिकित्सा जानकारी, जलवायु विषयों और ESG, और परिसंपत्ति बाजारों के आसपास मॉडल को कैसे अनुकूलित कर सकते हैं। यह उन विशिष्ट उपयोग मामलों में है जहां आप अधिक विशेष मॉडल्स देख सकते हैं।"

2. दौड़ के लिए सही घोड़ा चुनें

MAG Airports Group के CIO निक वुड्स इस बात पर जोर देते हैं कि जेन AI का भविष्य संभवतः बड़े और छोटे मॉडल्स के मिश्रण को शामिल करता है, जो विशिष्ट व्यावसायिक जरूरतों के लिए अनुकूलित हैं।

"मुझे नहीं लगता कि यह एक आकार सभी के लिए उपयुक्त है," उन्होंने कहा। "और मुझे लगता है कि आपके द्वारा चुना गया मॉडल आपके व्यवसाय में उपयोग मामले पर निर्भर करता है।"

वुड्स बिना स्पष्ट रणनीति के AI विकास में कूदने के खिलाफ चेतावनी देते हैं।

"नहीं, यह आखिरी चीज है जो हमें करनी चाहिए," उन्होंने AI प्रोग्राम शुरू करने के बारे में पूछे जाने पर कहा।

इसके बजाय, उनका मानना है कि अधिकारियों को अपने व्यापक व्यावसायिक परिवर्तन लक्ष्यों पर ध्यान देना चाहिए और उन उपकरणों की पहचान करनी चाहिए, जिसमें जेन AI शामिल है, जो उन्हें हासिल करने में मदद कर सकते हैं।

"उदाहरण के लिए, हम एक छोटा, विशिष्ट मॉडल एज पर चलाना चाह सकते हैं ताकि यह पता लगाया जा सके कि कब एक एयर ब्रिज डॉक हो गया है," उन्होंने समझाया।

वैश्विक हवाई यातायात पैटर्न और मौसम प्रभाव जैसे व्यापक, जटिल सवालों के लिए, विभिन्न मॉडल्स की आवश्यकता हो सकती है।

संक्षेप में, वुड्स का मानना है कि सही मॉडल चुनना दौड़ के लिए सही घोड़ा चुनने के समान है।

"मुझे लगता है कि आप कई छोटे मॉडल्स को विशिष्ट उपयोग मामलों के लिए बड़े पैमाने पर एज पर तैनात देखेंगे," उन्होंने कहा। "यह लगभग अपरिहार्य है। हालांकि, मुझे अभी भी लगता है कि आप कुछ बड़े मॉडल्स को प्रबल होते देखेंगे।"

3. संदर्भ पर विचार करें

गार्टनर में डिजिटल बिजनेस की कार्यकारी नेतृत्व प्रैक्टिस में वरिष्ठ निदेशक विश्लेषक गैब्रिएला वोगेल, CIOs के बीच छोटे, क्षेत्र-विशिष्ट मॉडल्स में बढ़ती रुचि को उजागर करती हैं।

"मेरे साथ बात करने वाले ग्राहक विशिष्ट संदर्भ में लागू होने वाले मॉडल्स को खोजने और बनाने की कोशिश कर रहे हैं," उन्होंने कहा। "वे जरूरी नहीं कि बड़े, सामान्य मॉडल्स हों, बल्कि विशिष्ट डेटाबेस से जुड़े हुए हों जो किसी विशेष अनुप्रयोग के लिए हों।"

वोगेल नोट करती हैं कि कंपनियां तेजी से अन्वेषण चरणों से SLMs का उपयोग करके जेन AI सेवाओं को तैनात करने की ओर बढ़ रही हैं।

"वे इस बदलाव को इसलिए कर रहे हैं क्योंकि उन्होंने बहुत कुछ परीक्षण किया है," उन्होंने कहा। "उन्होंने देखा है कि बड़े मॉडल्स के साथ क्या काम करता है और क्या नहीं, और फिर वे अधिक विशिष्ट होने और उस दृष्टिकोण को लागू करने की कोशिश कर रहे हैं। यही मैंने अपने ग्राहकों के साथ व्यक्तिगत रूप से देखा है।"

4. हैलुसिनेशन कम करने के लिए छोटा जाएं

बिग बस टूर्स में ग्राहक संतुष्टि का नेतृत्व करने वाले ओली वाइल्डमैन का मानना है कि SLMs और LLMs के बीच का चुनाव विशिष्ट उपयोग मामले पर निर्भर करता है, जिसमें कई कंपनियां छोटे मॉडल्स को चुनने की संभावना रखती हैं।

बिग बस टूर्स Freshworks Customer Service Suite का लाभ उठाता है, जिसमें AI-संचालित चैटबॉट्स और टिकटिंग शामिल हैं, और Satisfi Labs से एक वर्चुअल असिस्टेंट जो बुनियादी ग्राहक प्रश्नों को संभालता है।

"Satisfi की AI तकनीक केवल उन विशिष्ट कंपनियों से डेटा लेती है जिनके साथ वे काम करते हैं," वाइल्डमैन ने समझाया। "कंपनी की तकनीक बड़े पैमाने पर AI जैसे ChatGPT या अन्य उपकरणों से जुड़ी नहीं है -- वे इसे स्वयं कर रहे हैं।"

वाइल्डमैन का मानना है कि यह केंद्रित दृष्टिकोण महत्वपूर्ण व्यावसायिक लाभ प्रदान करता है, यह सुनिश्चित करता है कि डेटा का उपयोग जिम्मेदारी से किया जाए और AI "हैलुसिनेशन" का जोखिम कम हो।

"इस तरह, आपका डेटा सुरक्षित है क्योंकि आप जानते हैं कि यह कहाँ से आ रहा है और वे कौन से प्रक्रियाओं का उपयोग कर रहे हैं," उन्होंने कहा। "साथ ही, आपको कम हैलुसिनेशन मिलते हैं क्योंकि आप जानते हैं कि आपके द्वारा उपयोग किया जा रहा मॉडल आपके व्यवसाय के प्रकार के लिए डिज़ाइन किया गया है।"

वाइल्डमैन का निष्कर्ष है कि छोटे, क्षेत्र-विशिष्ट मॉडल्स उद्यम AI रणनीतियों में महत्वपूर्ण भूमिका निभाएंगे।

"मुझे लगता है कि व्यवसायों के लिए, मॉडल का चुनाव अधिक विशिष्ट होगा, जबकि शायद सामान्य उपयोगकर्ता के लिए, ये बड़े मुफ्त मॉडल्स जो आप हर जगह देखते हैं, लोकप्रिय होंगे।"

5. अपने प्रथम-पक्ष डेटा पर ध्यान दें

ट्रिपएडवाइज़र में डेटा और AI के प्रमुख राहुल टोडकर का मानना है कि किसी कंपनी के लिए आदर्श मॉडल केवल आकार के बारे में नहीं है, बल्कि अनुकूलन के बारे में है।

पेशेवर दोनों बड़े और छोटे मॉडल्स के साथ प्रयोग कर सकते हैं, लेकिन टोडकर भविष्य को उद्देश्य-निर्मित और अनुकूलित मॉडल्स में देखते हैं।

"मिस्ट्रल 7B का उदाहरण लें, जो अन्य LLMs के संदर्भ में अपेक्षाकृत छोटा मॉडल है, लेकिन यह विशिष्ट कार्यों में शानदार प्रदर्शन करता है," उन्होंने कहा। "तो, मेरे लिए, भविष्य अनुकूलन योग्य मॉडल्स के बारे में है।"

टोडकर एक कंपनी के प्रथम-पक्ष डेटा का प्रभावी ढंग से उपयोग करने के महत्व पर जोर देते हैं।

"यह प्रशिक्षण आकार या मॉडल में सुविधाओं के बारे में नहीं है, बल्कि यह उस मॉडल को लेने और अपने संदर्भ में अपने प्रथम-पक्ष डेटा के साथ लागू करने के बारे में है," उन्होंने कहा। "तब आप ऑफ-द-शेल्फ मॉडल्स से आगे बढ़ सकते हैं और अपने डेटा से अंतर्दृष्टि का उपयोग कर सकते हैं। तो, जवाब कहीं बीच में होगा।"