輕量級AI模型：精準、安全又節能的未來趨勢

相較於龐大的語言模型，小型語言模型(SLM)憑藉其封閉資料庫的特性，展現出更高的可靠性與安全性。未來幾個月，我們將看到更多採用這種精簡版AI的聊天機器人問世。

自2022年底OpenAI推出大型語言模型(LLM)後，各大科技公司紛紛跟進，顯示他們在自然語言生成式AI領域已深耕多年。但令人驚訝的是，這些AI系統的運作方式驚人地相似：都是透過數十億引數的模型，對網路上的海量資料進行深度訓練。

EPFL機器學習理論實驗室負責人Nicolas Flammarion指出：「這種訓練方式存在風險。網路內容有很大一部分是有毒、危險或不正確的，開發者必須不斷監督、修正模型並新增過濾機制。」

現行LLM的運作方式極不效率，就像為了回答一個問題，必須翻遍美國國會圖書館的所有藏書。EPFL人工智慧研究員Martin Rajman表示：「解決方案之一是限制模型使用的資料來源，打造專精於特定領域的語言模型，而非追求無所不知。」

這就是小型語言模型的優勢所在。以EPFL開發的Meditron為例，它僅採用經過驗證的醫學資料庫，有效避免錯誤資訊的傳播。關鍵在於將這些限定資料集與經過大型模型訓練的聊天機器人結合，讓AI能夠整合不同資訊片段，產出有用的回應。

SLM的優勢不僅於此。由於資料量較小，它們不需要強大的運算能力，甚至能在智慧型手機上執行。Rajman強調：「SLM在封閉系統中運作，使用者輸入的敏感資訊能得到完善保護，這與ChatGPT等將資料儲存在未知伺服器的做法形成鮮明對比。」

在醫療領域，EPFL與耶魯大學合作開發的Meditron展現了SLM的潛力。這個基於Meta Llama模型的系統，經過精選醫學資料訓練，在美國醫師資格考試中的表現甚至優於人類平均水準。EPFL-Yale全球智慧健康技術實驗室的Annie Hartley教授指出：「Meditron的開源性質是其最大優勢，它能被下載到手機，在偏遠地區提供醫療協助。」

EPFL其他研究團隊也正探索SLM的應用潛力。數學資料科學講座教授Emmanuel Abbé與洛桑大學醫院合作，開發能分析心血管造影的AI系統，預測病患心臟病發風險。EPFL數位信任中心執行主任Olivier Crochat認為：「結合這些模型與病歷、智慧手錶資料，將為個人化醫療開創新局，但必須建立完善的資料保護機制。」

2023年或許是LLM引領風騷的一年，但2025年很可能會是這些量身打造、值得信賴的小型模型大放異彩的時刻。