آموزش مدل‌های زبانی کوچک (SLMs): هوش مصنوعی خصوصی، لبه‌ای و استراتژیک - آخرین آپدیت

سرفصل ها و درس ها

مقدمه‌ای بر SLMها: چرا اکنون؟ Introduction to SLMs: Why Now?

• تکامل هوش مصنوعی: از LLMهای غول‌پیکر به SLMهای هوشمند (Phi 3, Gemma 2, Llama 3.2) AI evolution: From giant LLMs to smart SLMs (Phi-3, Gemma 2, Llama 3.2)

• مشکلات LLMهای بزرگ: هزینه، تاخیر، حریم خصوصی Problems with large LLMs: Cost, latency, privacy

• مزیت رقابتی: SLMها در دستگاه‌های لبه، اپلیکیشن‌های موبایل و اینترانت‌های محلی Competitive advantage: SLMs on edge devices, mobile apps, local intranets

مدل‌های SLM چیستند؟ مفاهیم کلیدی بدون ریاضیات What are SLMs? Key concepts without math

• تفاوت فنی ساده: پارامترهای کمتر = کارایی بیشتر Simple technical difference: Fewer parameters = more efficiency

• نحوه عملکرد: توضیح بصری تقطیر، هرس کردن و کوانتیزاسیون How they work: Distillation, pruning, and quantization explained visually

• مقایسه بصری: SLM در مقابل LLM از نظر سرعت، حافظه و دقت Visual comparison: SLM vs LLM in speed, memory, and accuracy

مزایای تجاری: کارایی و مقیاس‌پذیری Business benefits: Efficiency and scalability

• هزینه: ۱۰ تا ۳۰ برابر ارزان‌تر با APIهای مدل‌های باز Cost: 10-30x cheaper with open model APIs

• حریم خصوصی: مدل‌های محلی بدون ارسال داده به ابر Privacy: Local models without sending data to the cloud

• سرعت: پاسخ‌های میلی‌ثانیه‌ای برای اپلیکیشن‌های آنی Speed: Millisecond Responses for Real-Time Apps

• موارد اولیه: چت‌بات‌های داخلی، تحلیل آفلاین و شخصی‌سازی لبه‌ای Initial cases: Internal chatbots, offline analysis, and edge personalization

چگونه افراد غیرفنی می‌توانند امروز از SLMها استفاده کنند How non-technical people can use SLMs today

• اپلیکیشن‌های روزمره با SLMهای داخلی Everyday apps with embedded SLMs

• پلتفرم‌های در دسترس: Ollama دسکتاپ، LM Studio و اپلیکیشن‌های موبایل Accessible platforms: Ollama desktop, LM Studio, and mobile apps

• مثال‌های کاربردی: «چت با اسناد به‌صورت آفلاین» و «خلاصه‌سازی محلی» Practical examples: "Chat with your documents offline" and "Local summaries"

• چک‌لیست: ۳ روش برای تست SLMها در امروز بدون نیاز به IT یا برنامه‌نویسی Checklist: 3 ways to try SLMs today without IT or programming

تست مبانی SLM: از مفهوم تا کاربردهای روزمره Test SLM Foundations: From Concept to Everyday Applications

• مبانی SLM: از مفهوم تا کاربردهای روزمره SLM Foundations: From Concept to Everyday Applications

موارد استفاده تجاری برای SLMها Business use cases for SLMs

• پشتیبانی مشتری: SLMها در اپلیکیشن‌های موبایل بدون نیاز به اتصال Customer support: SLMs in mobile apps without connection

• سرویس‌های میدانی: هوش مصنوعی روی تبلت برای تکنسین‌ها (عیب‌یابی آفلاین) Field service: AI on tablets for technicians (offline diagnostics)

• کارکنان دانشی: دستیارهای محلی برای اسناد و فرآیندهای داخلی Knowledge workers: Local assistants for internal documents and processes

• اینترنت اشیاء/لبه: پیش‌بینی در کارخانه‌ها و سنسورهای هوشمند IoT/edge: Prediction in factories and smart sensors

• تمرین کوچک: تطبیق ۳ فرآیند در شرکت شما با SLMهای احتمالی Mini exercise: Map 3 processes in your company to possible SLMs

محدودیت‌ها و زمان‌هایی که نباید از SLM استفاده کرد Limitations and when not to use SLMs

• شکاف دقت: کارهای پیچیده‌ای که LLMها در آن‌ها برنده هستند Precision gap: Complex tasks where LLMs win

• چالش‌های Fine-tuning در مقابل LLMهای بالغ Fine-tuning challenges vs mature LLMs

• چارچوب تصمیم‌گیری: SLM در مقابل LLM در مقابل قوانین ساده Decision framework: SLM vs LLM vs simple rules

پیاده‌سازی غیرفنی: همکاری با تیم‌ها Non-technical implementation: Working with teams

• نحوه ارائه موارد استفاده SLM به تیم‌های IT/داده (ورودی‌ها و خروجی‌های مورد انتظار) How to present SLM use cases to IT/data teams (expected inputs and outputs)

• پلتفرم‌های رایج (Hugging Face, ONNX, Ollama) در سطح کلی Common platforms (Hugging Face, ONNX, Ollama) - high level

• هزینه‌های واقعی: حداقل سخت‌افزار، ابر در مقابل محلی Real costs: Minimum hardware, cloud vs on-premise

• قالب بیزنس‌کیس برای SLMها Business case template for SLMs

آینده SLMها و گام‌های بعدی Future of SLMs and next steps

• نقشه راه ۲۰۲۶: SLMهای چندوجهی (Multimodal) و ایجنت‌های محلی 2026 roadmap: Multimodal SLMs and local agents

• شرکت‌های پیشرو: بررسی موارد Phi مایکروسافت و Gemma گوگل در تولید Pioneer companies: Microsoft Phi and Google Gemma cases in production

• چک‌لیست: ارزیابی اینکه آیا پروژه هوش مصنوعی بعدی شما به SLM نیاز دارد یا خیر Checklist: Evaluate if your next AI project needs an SLM

• ورکشاپ نهایی: از بین ۳ ایده عمومی، بهترین مورد را برای SLM انتخاب کنید Final workshop: From 3 generic ideas, select the best one for SLM

تست عملی SLM: موارد استفاده، تصمیمات و پیاده‌سازی Test SLM in Practice: Use Cases, Decisions, and Implementation

• SLM در عمل: موارد استفاده، تصمیمات و پیاده‌سازی SLM in Practice: Use Cases, Decisions, and Implementation

نقش‌آفرینی (Role Play) در SLM Role Play SLM

• مهلت رعایت قوانین و انطباق The Compliance Deadline

بونوس: ابزارهای حاکمیت هوش مصنوعی BONUS: AI Governance Toolkit

• بونوس: ابزارهای حاکمیت هوش مصنوعی BONUS: AI Governance Toolkit