当谈到小型生成人工智能时，软件开发社区中一直存在一些怀疑态度。一些开发人员认为这些微小的算法范围太有限，不可能对他们的工作产生任何有意义的影响。
但作为一个在我自己的项目中实际实现了几个小型生成人工智能的人，我在这里告诉你：大小并不重要！事实上，我创建的一些最具创新性和影响力的解决方案都来自较小的人工智能设计。
以我最近做的一个项目为例。我们正在开发一款应用程序，需要能够根据用户在平台内的行为生成个性化推荐。最初我们考虑使用更大的人工智能预训练模型，但经过实验后决定采用更紧凑的设计，更适合我们的需求——占用更少的资源，同时仍然提供令人印象深刻的结果。
一些爱好者发现，通过使用GPT输出（例如GPT4all）训练小语言模型，在构建小语言模型方面取得了巨大成功。（顺便说一下，不要这样做，这违反了OpenAI的服务条款。）
为了确保其准确性保持较高水平，我们通过测试不同的输入和参数来广泛训练该算法，直到达到我们所需要的：在所有设备上一致地提供快速操作和准确结果！
虽然它可能不像许多其他模型那样强大或全面，但我们的紧凑型genAI通过其可靠的建议证明了自己的价值，引导我们有效地实现新的功能想法，在不牺牲开发时间范围内的质量或可扩展性的情况下改善用户体验-保持事物我们的敏捷团队比以往任何时候都更加精简！
因此，如果您对在下一个项目中实施小型生成人工智能持怀疑态度，因为它们似乎装备不足，请再想一想！这些小家伙在重要的地方发挥了相当大的作用——以更低的处理能力成本优化了性能！
文章均为京上云专业成都软件开发公司，专注于成都软件开发服务原创，转载请注明来自https://www.j1feel.com/news/3594.html
