Европын аюулгүй байдал, хамтын ажиллагааны байгууллага Мэдээллийн аюулгүй байдлын газартай хамтран “Кибер, харилцаа холбоо, мэдээллийн технологийн аюулгүй байдлын итгэлцлийг бэхжүүлэх бүс нутаг хоорондын хурлыг энэ сарын 27-28-ны өдрүүдэд Улаанбаатар хотноо зохион байгуулж байна.  Тус хурлыг Цахим хөгжил, инновац, харилцаа холбооны яамны Төрийн нарийн бичгийн дарга П.Алтан-Од нээлээ.  Тэрбээр “Дэлхийн нийтийг хамарсан тоон шилжилт, дижитал эдийн засгийн хурдацтай хөгжил нь бидний өмнө шинэ боломжуудыг нээхийн зэрэгцээ, аюулгүй байдлын шинэ сорилтуудыг ч дагуулж байна. Тиймээс улс орнууд кибер орон зайг хамгаалахын тулд хамтран ажиллах, туршлагаа солилцох, үр дүнтэй итгэлцлийг бий болгох нь урьд урьдаас илүү чухал болоод байна. Монгол Улсын хувьд бүс нутгийн болон олон улсын түвшинд энэхүү хамтын ажиллагаанд идэвхтэй оролцож, бүс нутгийн энх тайван, аюулгүй байдлыг бэхжүүлэхэд хувь нэмрээ оруулж ирсэн. Үүний хүрээнд бид Кибер аюулгүй байдлын хууль, Кибер аюулгүй байдлын үндэсний стратегийг хэрэгжүүлж, олон улсын хамтын ажиллагааг бэхжүүлэх чиглэлд идэвхтэй  ажиллаж байна гэдгийг онцолсон юм.  Кибер аюулгүй байдлын олон улсын индекст Монгол Улс хууль эрх зүйн хувьд сайн үнэлгээ авсан ч хамтын ажиллагаа, технологийн бэлэн байдлыг сайжруулах шаардлагатай гэдэг үнэлгээг авсан. Мөн оксфордын эрдэмтдийн хийсэн судалгаагаар Монгол Улс дотоодын болон олон улсын хамтын ажиллагаагаа сайжруулах шаардлагатай гэж зөвлөсөн билээ.  Кибер орон зайд  хамтын ажиллагаа, итгэлцлийг бэхжүүлэхэд бүс хоорондын туршлага, мэдээлэл солилцоо чухал юм. Дээрх хурлаар бүс нутгийн кибер болон харилцаа холбоо, мэдээллийн технологийн аюулгүй байдлын хэрэгжилтийн зөрүүг тодорхойлж, стратегийн хамтын ажиллагааны шинэ боломжуудыг нээхээс гадна аюулгүй, хариуцлагатай кибер орон зайг бүрдүүлэх чиглэлд хамтын хүчин чармайлтыг бэхжүүлэхэд онцгой ач холбогдолтой.

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.