AI агент гэдэг нь тодорхой зорилготой, орчиндоо нөлөөлж, шийдвэр гаргаж чаддаг компьютерийн програм юм. Энэ нь хүний ​​оролцоогүйгээр бие даан ажиллах чадвартайгаас гадна ​​амьдралыг хөнгөвчлөх, ажлыг автоматжуулах зорилготой хүчирхэг хэрэгсэл болон хөгжиж байна.  Small language model гэж юу вэ, бизнесүүд энэ хиймэл оюун ухааны хэрэгслийг хэрхэн ашиглах вэ? Аж үйлдвэрийн дөрөв дэх хувьсгалын төв болсон энэхүү хэрэгсэл нь компаниуд хиймэл оюун ухааныг нэвтрүүлэх үр ашигтай, хэмнэлттэй арга гэж үзэж байна. Тиймээс жижиг хэл дээрх загварууд буюу SLM нь ихээхэн анхаарал татаж байна. Тухайлбал, Майкрософт Phi-4-ийг гаргалаа. Энэ нь математикийн үндэслэл, мөн байгалийн хэлээр боловсруулалт хийдэг том загваруудаас илүү бүтээмжийг бий болгож байна.  SLM нь хиймэл оюун ухаан дахь хэлний олон янз байдлын зөрүүг арилгахад тусалж чадна гэж Метагийн дэд ерөнхийлөгч бөгөөд хиймэл оюун ухааны ахлах эрдэмтэн Янн Лекун Дэлхийн эдийн засгийн форумын үеэр онцоллоо. Харин хэлний том загварууд (LLMs) гарчиглалд давамгайлж байгаа ч компаниуд ХЗХ-ийн стратегийн үнэ цэнийг AI-г хэрэгжүүлэхэд чиглэсэн, үр ашигтай, зардал багатай арга гэдэгт санал нэгдээд байгаа юм.  Дэлхийн эдийн засгийн форум хиймэл оюун ухааныг хэрхэн хамгаалах вэ? Төрөлх хиймэл оюун ухааныг тойрсон тодорхойгүй байдал болон хүн бүрт хариуцлагатай, үр өгөөжтэй үр дүнд хүрэхийн тулд хиймэл оюун ухааны хүчирхэг засаглалын тогтолцоо шаардлагатай байгаатай холбогдуулан форумын Аж үйлдвэрийн 4-р хувьсгалын төв (C4IR) хиймэл оюун ухааны засаглалын холбоог эхлүүллээ. Альянс нь ил тод, хүртээмжтэй хиймэл оюун ухааны системийг дэлхийн хэмжээнд хариуцлагатай загварчлах, гаргахыг дэмжих зорилгоор салбарын удирдагчид, засгийн газар, эрдэм шинжилгээний байгууллагууд, иргэний нийгмийн байгууллагуудыг нэгтгэдэг.  Үүнд Эрчим хүч, материалын төв, Дэвшилтэт үйлдвэрлэл, ханган нийлүүлэлтийн сүлжээ төв, Кибер аюулгүй байдлын төв, Байгаль, цаг уурын төв, Дэлхийн аж үйлдвэрийн багтай хамтран ажиллаж буй аж үйлдвэрийн хиймэл оюун ухааныг өөрчлөх санаачилга ч бий.  Дэлхийн эдийн засгийн форумын хиймэл оюун ухааны засаглалын холбооноос AI-ийн эрин үеийн өөрчлөлтийг салбар бүрээр нь судалж, ялгаатай арга барил, хөрөнгө оруулалтын түвшин, тулгарч буй сорилтуудыг онцлон харуулсан тэргүүлэх цуврал цагаан номыг нийтэллээ. Small language model (SLMs) гэж юу вэ? OpenAI-ийн ChatGPT-ийг дэмждэг GPT-4 зэрэг LLM-ийн нэгэн адил SLM нь байгалийн хэлийг ойлгож, үүсгэх чадвартай бөгөөд LLM-д байдаг хиймэл мэдрэлийн сүлжээнүүдийн хялбаршуулсан хувилбаруудыг ашиглан бүтээгдсэн. Гэхдээ SLM нь тодорхой ажлуудыг даван туулахад зориулагдсан байдаг. Тэд төвлөрсөн өгөгдлийн багц дээр бэлтгэгдсэн бөгөөд энэ нь хэрэглэгчийн санал хүсэлтийг шинжлэх, бүтээгдэхүүний тайлбар үүсгэх, тэр ч байтугай салбарын тусгай хэллэгийг боловсруулах зэрэг ажлыг маш үр дүнтэй болгодог. Бүх хэлний загварууд нь өгөгдөлөөс суралцах, таамаглал гаргах боломжийг олгодог тохируулж болох параметрүүдийг ашигладаг. SLM нь LLM-тэй харьцуулахад хамаагүй бага параметрүүдийг агуулдаг бөгөөд энэ нь хурд, үр ашгийг нэмэгдүүлдэг. SLM нь бизнесүүдэд ямар ашиг тустай вэ? Майкрософт-оос мэдээлснээр SLM нь дараах давуу талыг санал болгож байна.  • Илүү хурдан сургалт ба хариу өгөх хугацаа: Цөөн параметртэй бол SLM-ийг илүү хурдан сургаж, бодит цагийн хэрэглээний программуудад илүү хурдан хариу өгөх боломжтой. • Эрчим хүчний хэрэглээ багассан: SLM-ийн жижиг бүтэц нь эрчим хүчний хэрэглээг багасгаж, байгаль орчинд ээлтэй болгодог. • Зардлын хэмнэлттэй байдал: Тооцооллын шаардлага бага, эрчим хүчний зарцуулалт нь ашиглалтын зардлыг бууруулдаг. • Домэйн тусгай даалгаврын гүйцэтгэлийг сайжруулсан: SLM-ийг тодорхой програмуудад тохируулан тохируулах боломжтой бөгөөд энэ нь нарийн домайнуудад илүү нарийвчлалтай байх боломжтой. • Ирмэгийн төхөөрөмжийн нийцтэй байдал: Тэдний авсаархан хэмжээ нь захын төхөөрөмжүүд дээр байрлуулах боломжийг олгодог бөгөөд энэ нь дотоод боловсруулалтыг идэвхжүүлж, хоцролтыг багасгадаг. Жижиг хэлний загварт ямар хязгаарлалт байдаг вэ? Microsoft-ын тэмдэглэснээр SLM нь хязгаарлалтгүйгээр ирдэггүй, үүнд: • Нарийн төвөгтэй хэлний чадавхи хязгаарлагдмал: SLM нь хэлний нарийн ойлголт, контекстийн нарийн мэдрэмжтэй тэмцэж болзошгүй. • Нарийн төвөгтэй ажлуудын нарийвчлалыг бууруулсан: Олон талт үндэслэл эсвэл нарийн төвөгтэй өгөгдлийн загваруудын хувьд SLM нь том загваруудын нарийвчлалтай тохирохгүй байж магадгүй юм. • Хязгаарлагдмал гүйцэтгэл: Үр дүнтэй боловч SLM нь өндөр шаардлага шаардсан даалгавруудад шаардагдах бат бөх гүйцэтгэлийг хангаж чадахгүй байж болно. • Нарийн хамрах хүрээ: SLM-ийг ихэвчлэн жижиг, тусгайлсан өгөгдлийн багц дээр сургаж, том загвартай харьцуулахад уян хатан байдал, ерөнхий мэдлэгийг хязгаарладаг. Эдгээр хязгаарлалтыг үл харгалзан SLM нь янз бүрийн салбарт, ялангуяа захын тооцоолол болон бодит цагийн боловсруулалтын хувилбаруудад улам бүр нэмэгдэж байгаа хэрэглээг олж байна. SLM-ууд бий болсон нь аж ахуйн нэгжийн хиймэл оюун ухааны стратегид чухал парадигмын өөрчлөлтийг харуулж байна. Байгууллагууд туршилтын арга барилаас илүү зорилтот, илүү зардал багатай стратеги, зорилгод суурилсан хэрэгжилт рүү шилжиж байна.

Хиймэл оюуны үсрэнгүй хөгжлийн өнөө цагт дэлхийн 60 гаруй улс орнууд үндэснийхээ стратеги, хууль эрх зүй, зохицуулалтын орчныг бий болгоод байна. Монгол Улсын хувьд Oxford Insight  байгууллагын гаргасан “Хиймэл оюуны бэлэн байдал” судалгаагаар дэлхийн 192 орноос 109 дүгээр байранд эрэмбэлэгдсэн нь хиймэл оюуны алсын хараагүй байгаа нь голчлон нөлөөлжээ. Түүнчлэн дээрх судалгаанд дурдсанаар, Монгол Улс 2020 оноос хойш өгөгдөл ба дэд бүтэц гэсэн ангилалд жил бүр буурсан үзүүлэлттэй байна. Иймд өгөгдлийн засаглалын өнөөгийн нөхцөл байдлыг үнэлэх, цаашид авах арга хэмжээг тодорхойлох зорилгоор НҮБ-ын Эдийн засаг, нийгмийн асуудал хариуцсан газартай хамтран “Монгол Улсын Үндэсний өгөгдлийн засаглал болон Дижитал Засаглал” олон улсын хурлыг энэ сарын 3-4 өдрүүдэд зохион байгууллаа. Тус хуралд өгөгдөлтэй холбоотой ажилладаг төр хувийн хэвшлийн 70 гаруй байгууллагын төлөөллүүд оролцож, 7 багт хуваагдан, өгөгдлийн засаглал, нууцлал хамгаалалт, ёс зүй, хадгалалт, стандарт, өгөгдлийг хуваалцах, цахим танилт зэрэг сэдвийн дор Монгол Улсын өгөгдлийн өнөөгийн нөхцөл байдлыг олон талаас нь дүгнэж, баг тус бүр саналаа танилцууллаа. Монгол Улсын хувьд өгөгдлийн асуудлыг 10 жилийн өмнө ярьж байсан ч нөхцөл байдал өөрчлөгдөөгүй ярьсан хэвээрээ байна. Нийтийн мэдээллийн ил тод байдлын тухай хууль батлагдсан ч өгөгдөлтэй холбоотой ганцхан заалт байгаа нь хангалтгүй, хуулийн үзэл баримтлал нь өгөгдлийн засаглалыг төлөөлж чадахгүй байгаа гэдгийг судлаачид онцолж байсан юм. Харин Үндэсний статистикийн хорооноос өгөгдлийн стандарт, ангилал, кодчилолыг баталсан ч төр болон хувийн хэвшлийн байгууллагууд нь мөрддөггүй, стандарт, код ашиглах ажил нь төлөвшөөгүй, байгууллага тус бүр өөр өөрсдийнхөөрөө өгөгдлийн хадгалдаг нь эргээд түүнийг эргэлтэд оруулахад хүндрэл учруулдаг зэрэг асуудлыг хөндлөө. Жишээлбэл, хаягжилтийн асуудлыг оролцогчид хөндсөн юм. Монгол Улсад хаягжилтийн асуудал нь Хот байгуулалт, барилга, орон сууцжуулалтын яам өөрсдийн стандартаар хаягжилтийг хадгалсан байдаг бол нийслэл мөн өөр стандартаар хадгалсан байдаг ажээ. Түүнчлэн аливаа өгөгдлийг нээлттэй ил тод болгох нь тухайн байгууллагын удирдлагын манлайлал маш чухал гэдгийг талууд онцлов. Иймд Монгол Улс олон улсын жишгийн дагуу өгөгдөлтэй холбоотой үндэсний зөвлөлийг байгуулж, шат дараатай арга хэмжээг авах нь чухал гэдгийг оролцогчид тодотгов. Хүний нөөцийн хувьд Цахим хөгжил, инновац, харилцаа холбооны яам Боловсролын яамтай хамтран ойрын 4 жилд бэлдэх боловсон хүчний квотыг тодорхойлвол, их дээд сургуулиуд боловсон хүчнээ бэлдээд явах бүрэн боломжтой гэлээ. Энэхүү хурлаас гарсан санал зөвлөмжийг НҮБ-ын Эдийн засаг, нийгмийн асуудал хариуцсан байгууллага нэгтгэж, Монгол Улсын Үндэсний Өгөгдлийн Засаглалын өнөөгийн нөхцөл байдлыг үнэлж, зөвлөмж өгөх юм.