AWS روشی برای ساخت عامل‌های هوش مصنوعی کم‌هزینه‌تر با تقطیر دانش معرفی کرد

AWS در وبلاگ هوش مصنوعی خود روشی مبتنی بر «تقطیر دانش در سطح توالی» (SeqKD) برای ساخت دستیارهای عامل‌محور معرفی کرده است. در این روش، رفتار یک مدل پیشرفته‌تر به‌عنوان «معلم» به مدلی کوچک‌تر و کم‌هزینه‌تر به‌عنوان «دانش‌آموز» منتقل می‌شود؛ فرایندی که AWS اجرای آن را روی Amazon SageMaker AI توضیح می‌دهد.

دستیارهای عامل‌محور برای انجام کارها چندین بار ابزارها را به‌کار می‌گیرند. به‌گفتهٔ AWS، پرداخت هزینهٔ مدل‌های پیشرفته در تک‌تک این مراحل می‌تواند در مقیاس تولید دشوار باشد؛ SeqKD با هدف انتقال توانایی‌های عاملانه به مدل کوچک‌تر، راهی برای کاهش این هزینه فراهم می‌کند.