详细内容或原文请订阅后点击阅览
印度的 SLM 时刻：为什么预算支持对于本土人工智能模型至关重要
印度预算：印度的人工智能雄心取决于开发适合当地需求的本土小语言模型 (SLM)，而不是仅仅依赖资源密集型的法学硕士。这些紧凑的、以任务为中心的模型对于实现人工智能访问民主化、支持多种语言以及推动农业和医疗保健等行业的包容性经济增长至关重要。 2026 年预算应优先为可持续土地管理的发展提供资金。
来源:经济时报：自几年前在全球兴起以来，生成式人工智能已迅速渗透到数字生活的各个角落，并由基于海量数据训练的大规模深度学习模型提供支持。大型语言模型 (LLM) 和
(SLM) 是该组中的关键类别。 LLM 是大型通用人工智能系统，使用数十亿个参数在庞大数据集上进行训练，使其功能广泛，但构建、运行和维护需要高度资源密集型。相比之下，SLM 是紧凑的、以任务为中心的模型，它以功能的广度换取重点任务的效率，需要的数据、计算能力和成本要少得多，甚至可以在本地或边缘设备上运行。 LLM 充当强大的基础引擎，而 SLM 则可以实现经济实惠、特定领域的 AI 部署。
随着印度希望将自己打造成全球人工智能强国，开发本土模型需要成为其更广泛的人工智能生态系统战略的核心支柱。在扩展高性能计算基础设施的同时，建立国内模型的类似努力对于充分释放国家在创新、安全和包容性经济增长方面的优势至关重要。
该战略的一个重要步骤是定义本土模型的正确规模和复杂性，这些模型必须与设想的用例、目标应用程序所需的能力水平以及长期资金和技术资源的可用性保持一致。虽然万亿参数法学硕士对于资金雄厚的参与者来说是可行的，无论是全球科技巨头还是印度的大公司，但其他人的真正选择围绕着选择哪种模型类型能够以更可持续的方式解决巴拉特的问题。
为了服务印度的语言、文化和部门多样性，我们将需要数千个专门的 SLM 来服务不同的地区、语言和行业，因此，预算支持和共享基础设施成为必不可少的推动因素，而不是可选的激励措施。