AI मॉडेलचं वर्णन 'सत्तर अब्ज पॅरामीटर्स' असं केलं जातं, तेव्हा नेमकं काय मोजलं जातं?

पॅरामीटर्स म्हणजे मॉडेलच्या प्रशिक्षणादरम्यान आतमध्ये ट्यून केल्या जाणाऱ्या समायोज्य संख्या, म्हणजेच वेट्स, ते मॉडेलने शिकलेल्या दस्तऐवजांची संख्या किंवा तो एकाचवेळी किती वापरकर्त्यांना सेवा देऊ शकतो हे नव्हे. सर्वसाधारणपणे, जास्त पॅरामीटर्स म्हणजे मॉडेलची गुंतागुंतीचे नमुने दर्शवण्याची क्षमता जास्त, कारण डेटामधील बारकावे टिपण्यासाठी समायोजित करता येणाऱ्या आंतरिक मूल्यांची संख्याच जास्त असते.

प्रशिक्षण दस्तऐवजांची संख्या मॉडेलने शिकलेल्या डेटासेटच्या आकाराचे वर्णन करते, आणि एकाचवेळी वापरकर्त्यांची संख्या सर्व्हर पायाभूत सुविधा व मागणीबद्दल काहीतरी वर्णन करते, या दोन्ही संकल्पना मॉडेलमध्ये अंतर्भूत असलेल्या समायोज्य वेट्सच्या संख्येपेक्षा खूप वेगळ्या आहेत.

मोठे असणे म्हणजे आपोआप चांगले असणे नव्हे, कारण चांगल्या प्रकारे प्रशिक्षित लहान मॉडेल्सनी अनेक कामांत मोठ्या मॉडेल्सना वाढत्या प्रमाणात मागे टाकले किंवा बरोबरी केली आहे, हे दाखवते की मॉडेल कसे प्रशिक्षित केले जाते आणि त्याला कोणता डेटा दिसतो हे केवळ पॅरामीटर्सच्या संख्येइतकेच महत्त्वाचे ठरू शकते.