📋 Abstrakt
Krótkie podsumowanie wydarzenia
📔 Notatki
Główne punkty
- Małe, otwarte modele językowe. Niekognitywne - w różnych testach rozumiały mniej tekstu.
- SLM - Small Language Model jest jak koparka, LLM jest jak metro, porównanie do metra
Szczegóły
- SML są łatwe do dostosowania, cenne w edukacji, skupione na prywatności - dane nie wychodzą na zewnątrz
- Mały prompt “potrzebuje szklanki do chłodzenia”
- SLM mają w okolicach 10 mld parametrów, pozwala to nam go uruchomić na karcie konsumenckiej.
- 0.09% - udział polskich tekstów w trenowaniu modeli lokalnych. To tak jakby obcokrajowiec, który potrafi mówić po polsku, ale nie znają niuansów.
Obywatelskie zestawy danych:
Bielik Vision - beda to aplikacje, ktorymi zrobimy zdjecie i glosowo to zdjecie opiszemy. Aplikacje skierowane do seniorow istudentow, osob ktore maja czas, sa ciekawe swiata i pomoga rozwijac obywatelska sztuczna inteligencje!
- Model Bielik: przykład że, społeczność może tworzyć rozwiązania o ogromnej wartości.
- Nowe wyzwania: rozwijajmy modele multimodalne.
- Dostępność cyfrowa: AI opisze świat osobom z różnymi potrzebami.
- Zachowanie tradycji: sztuczna inteligencja jako skarbnica języka i kultury.
- Razem: budujmy obywatelskie banki danych!
Bielik
- Model z 11 miliardami parametrów (model kompaktowy, SLM).
- Możliwość uruchomienia na własnej infrastrukturze (poufność danych).
- Otwarta architektura i elastyczne dostrojenie.
- Wykorzystuje moc lokalnych komputerów (np. karta graficzna 24GB).
- Kompaktowy, szybki i elastyczny.
- Dobrze obsługuje język polski i kontekst kulturowy.
💡 Kluczowe wnioski
🤔 Osobista refleksja
- Co było najbardziej wartościowe?
- Jak mogę wykorzystać zdobytą wiedzę?
📎 Materiały
- Prezentacje:
- Linki: https://arena.speakleash.org.pl https://chat.bielik.ai
- Dokumenty:
⏭️ Follow-up
- Zadania do wykonania
- Osoby do skontaktowania
- Materiały do przejrzenia