L'evolució dels models de llenguatge extens (LLMs) ha estat revolucionària, i en els últims anys hem presenciat dues tendències fonamentals que estan transformant l'àmbit de la intel·ligència artificial: la multimodalitat i l'adaptació als entorns on-premise mitjançant l'ús dels models petits del llenguatge (SLMs). Aquestes tendències estan redefinint el potencial dels models de llenguatge, ampliant el seu abast i creant noves oportunitats per a empreses i desenvolupadors que busquen innovació i eficiència.

Aquest avanç cap a la multimodalitat ens acosta al que alguns denominen l’AGI World (artificial general intelligence world), un escenari en el qual la intel·ligència artificial adquireix una capacitat més generalitzada de comprendre i raonar sobre el món tal com ho faria un ésser humà. La integració de múltiples modalitats és un pas clau cap a aquest objectiu, ja que permet als models captar la complexitat dels entorns reals i prendre decisions informades a partir de diverses fonts d'informació.

“La multimodalitat en la IA potencia l'eficiència en tasques on la informació prové de diverses fonts”

La multimodalitat no sols permet una interacció més fluida i natural, sinó que també potencia l'eficiència en tasques on la informació prové de diverses fonts. En l'àmbit mèdic, un model multimodal pot combinar descripcions de símptomes amb anàlisis d'imatges de ressonàncies magnètiques per oferir diagnòstics més precisos i complets. En els processos de reclutament, un assistent d'ajuda a l'entrevistador podria fer que la secció de preguntes i l'avaluació fos més efectiva. Aquesta capacitat de treballar amb informació diversa transforma radicalment la forma en què els models de llenguatge poden integrar-se en aplicacions del món real.

Els LLMs han obert el camí per a la creació de models més especialitzats i lleugers, que responen a necessitats específiques i són viables en entorns més controlats. Una de les tècniques clau que està permetent el desenvolupament de SLMs més eficients és la destil·lació del coneixement (knowledge distillation). Aquesta tècnica consisteix a entrenar un model més petit (l'estudiant) perquè aprengui a imitar el comportament d'un model més gran i complex (el mestre). D'aquesta manera, s'aconsegueix transferir gran part del coneixement del model gran al petit, mantenint una alta precisió, però amb una càrrega computacional molt menor. Això és especialment útil per a desplegaments en entorns on-premise, on els recursos de maquinari poden ser limitats.

"En combinar una comprensió més integral del món amb eficiència i privacitat, estem avançant cap a una democratització de la IA que permetrà integrar aquestes tecnologies de manera més natural i efectiva"

Els SLMs es destaquen per la seva capacitat de ser entrenats per resoldre tasques especialitzades amb alta precisió, utilitzant menys recursos computacionals. Aquesta eficiència permet a les organitzacions mantenir un control complet sobre les seves dades, una preocupació fonamental en sectors com el financer, el sanitari o el governamental, on la privacitat i la seguretat de la informació són crítiques. A més, aquests models ofereixen latències significativament menors, la qual cosa és crucial per a aplicacions que requereixen respostes en temps real, com els sistemes autònoms d'atenció al client (amb assistents de centres d’atenció telefònica que són capaços de respondre tots els dubtes del client i suggerir-li a l'operador la millor solució per al motiu de la crida).

En resum, la convergència de la multimodalitat i els models petits del llenguatge està inaugurant una nova era en la intel·ligència artificial. Aquestes innovacions no sols amplien les capacitats i aplicacions dels models de llenguatge, sinó que també els fan més accessibles i eficients per a un ventall més ampli d'indústries i casos d'ús. En combinar una comprensió més integral del món amb eficiència i privacitat, estem avançant cap a una democratització de la intel·ligència artificial que permetrà integrar aquestes tecnologies de manera més natural i efectiva en la nostra vida diària i en els processos empresarials. La clau radica a aprofitar aquestes evolucions per generar solucions diferencials i d'alt impacte que impulsin la innovació i l'eficiència en múltiples sectors.