粉絲團
AI模型越大、能力會越多，較有泛用性，但成本也隨之提升。圖為世界行動通訊大會2月在西班牙巴塞隆納開幕，生成式 AI 助手亮相。（彭博檔案照）
〔記者徐子苓／台北報導〕人工智慧大語言模型（LLM）規模愈趨龐大，OpenAI在二○一九年發表的GPT-2參數量僅十五億，隔年的GPT-3參數量來到一七五○億，去年的GPT-4則被推估有一．八兆參數量，其他科技巨頭也不遑多讓，猶如在進行算力、參數量的軍備競賽。但是，語言模型越大越好嗎？
AI模型越大 成本隨之提升
中研院資訊科技創新研究中心研究員李育杰表示，通常模型越大、能力會越多，較有泛用性，但也因為需要使用更多GPU、耗費更大的記憶體來儲存參數，成本也隨之提升。
「我們可能不需要什麼都懂的LLM，而是局部的能力，例如翻譯、做摘要、寫短文，不用那麼大的模型，就可以在AI PC、伺服器上跑。」李育杰認為，AI模型在落地應用時，會朝向「分眾化」的趨勢，尤其當應用在特定領域，考量到成本效益，業者通常不會選擇具備這麼多能力的模型。
Google今年推出的AI模型「Gemini」也印證了這一趨勢，Gemini分為三個版本：Ultra體積最大、功能最強，適合高度複雜的任務；Pro體積適中，適合橫跨各種類型的任務；Nano體積最小，在裝置上處理任務最有效率。其中Gemini Nano就被放進三星剛發表的S24系列手機裡。
台灣IBM公司總經理李正屹也認為，「其實模型都夠優秀，差異化就在於可不可被信任」，意即企業不一定需要更強大的模型，「可信任」才是關鍵。
台版生成式AI 更貼近在地
這也呼應了台版生成式AI「TAIDE」的核心價值，去年國科會推動TAIDE，希望打造具備台灣知識系統、不受中國政治影響的語言模型，雖然商用版本的參數量僅七十億，但其訓練資料來自捐贈或授權的媒體、出版商、政府開放資料等，在著作權上較無爭議，且回覆的答案更貼近在地。
一手掌握經濟脈動 點我訂閱自由財經Youtube頻道
不用抽 不用搶 現在用APP看新聞 保證天天中獎 點我下載APP 按我看活動辦法
