توقعات عام 2023 للذكاء الاصطناعي والتعلم الآلي ومعالجة اللغات الطبيعية

لقد كان عامًا مثيرًا في الذكاء الاصطناعي ، والتعلم الآلي ، ومعالجة اللغات الطبيعية ، مع مولدات تحويل النص إلى صورة ونماذج لغوية كبيرة تقدم بعض النتائج الرائعة للغاية والكثير من الوعد للمستقبل - مع الإشارة إلى جميع التحذيرات المهمة حول أوجه القصور فيها بما في ذلك التخفيف من التحيزات المجتمعية ، وإمكانية استخدامها لتوليد "أخبار مزيفة" وتأثيرها على البيئة. 

مع انطلاقنا في عام 2023 ، أردنا التفكير فيما سيحققه العام الجديد في الذكاء الاصطناعي والتعلم الآلي ومعالجة اللغات الطبيعية.

جيف كاتلين ، رئيس Lexalytics ، شركة InMoment:

الذكاء الاصطناعي يذهب عائد الاستثمار: سيظهر التباطؤ في الإنفاق التكنولوجي في الذكاء الاصطناعي والتعلم الآلي بطريقتين: ستتباطأ منهجيات الذكاء الاصطناعي الجديدة الرئيسية والاختراقات ، بينما يتجه الابتكار في الذكاء الاصطناعي نحو "الإنتاج". سنرى أن الذكاء الاصطناعي أصبح أسرع وأرخص مع انتقال الابتكار إلى تقنيات لجعل التعلم العميق أقل تكلفة للتطبيق وأسرع من خلال نماذج مثل DistilBERT ، حيث تنخفض الدقة قليلاً ، لكن الحاجة إلى وحدات معالجة الرسومات تقل.

تزايد قبول البرمجة اللغوية العصبية الهجينة: من المعروف إلى حد ما أن حلول البرمجة اللغوية العصبية المختلطة تجمع بين التعلم الآلي والكلاسيكية تقنيات البرمجة اللغوية العصبية مثل القوائم البيضاء والاستعلامات وقواميس المشاعر الممزوجة بنماذج التعلم العميق عادةً ما توفر حلول أعمال أفضل من حلول التعلم الآلي المباشرة. تعني فائدة هذه الحلول المختلطة أنها ستصبح عنصر مربع اختيار في تقييمات الشركات لبائعي معالجة اللغات الطبيعية.

بول باربا ، كبير العلماء في شركة Lexalytics ، إحدى شركات InMoment:

ظهور التعلم متعدد الوسائط: تظهر موجة شبكات توليد الصور مثل Stable Diffusion و DALL-E قوة مناهج الذكاء الاصطناعي التي تفهم أشكالًا متعددة من البيانات - في هذه الحالة ، الصورة من أجل إنشاء صورة ونص من أجل أخذ أوصاف من الإنسان . على الرغم من أن التعلم متعدد الوسائط كان دائمًا مجالًا مهمًا للبحث ، كان من الصعب ترجمته إلى عالم الأعمال حيث يصعب التفاعل مع كل مصدر بيانات بطريقته الخاصة. ومع ذلك ، مع استمرار نمو الأعمال التجارية بشكل أكثر تعقيدًا في استخدامها للبيانات ، ينتقل التعلم متعدد الوسائط باعتباره فرصة قوية للغاية في عام 2023. الأنظمة التي يمكن أن تجمع بين المعرفة الواسعة المنقولة في النص والصورة والفيديو مع النمذجة المعقدة للمالية والرقمية الأخرى سلسلة ستكون المرحلة التالية في العديد من الشركات علم البيانات المبادرات.

التفرد في نظرنا؟ ورقة بحثية من Jiaxin Huang et al. تم نشره في تشرين الأول (أكتوبر) الماضي بعنوان ملفت للانتباه "يمكن لنماذج اللغات الكبيرة أن تحسن نفسها بنفسها. " على الرغم من عدم التفرد بعد ، إلا أن الباحثين أقنعوا نموذجًا كبيرًا للغة لتوليد أسئلة من مقتطفات نصية ، والإجابة على السؤال المطروح ذاتيًا من خلال "تحفيز سلسلة الأفكار" ، ثم التعلم من تلك الإجابات من أجل تحسين قدرات الشبكة على مجموعة متنوعة من المهام. تاريخياً ، كانت مناهج التمهيد هذه مرتبطة بشدة بالتحسين - في النهاية ، تبدأ النماذج في تعليم نفسها الشيء الخطأ وتخرج عن المسار الصحيح - لكن الوعد بتحسين الأداء دون جهود التعليقات التوضيحية الشاقة هو أغنية صفارات الإنذار ممارسو الذكاء الاصطناعي. نتوقع أنه في حين أن مثل هذه الأساليب لن تدفعنا إلى لحظة التفرد ، فإنها ستكون موضوع البحث الساخن لعام 2023 وبحلول نهاية العام ستكون تقنية قياسية في جميع اللغات الطبيعية الحديثة. نتائج المعالجة.

باختصار ، من المتوقع أن يحدث عام 2023 تحولًا في تركيز الذكاء الاصطناعي والتعلم الآلي نحو الإنتاج والفعالية من حيث التكلفة ، بالإضافة إلى زيادة اعتماد حلول البرمجة اللغوية العصبية الهجينة. من المتوقع أيضًا أن يصبح استخدام التعلم متعدد الوسائط ، الذي يتضمن فهم أشكال متعددة من البيانات مثل النص والصورة والفيديو ، أكثر انتشارًا في الأعمال التجارية. بالإضافة إلى ذلك ، من المتوقع أن يستمر البحث في نماذج اللغة الكبيرة ذاتية التحسين في أن يكون محورًا رئيسيًا في هذا المجال ، مع إمكانية أن تصبح هذه النماذج تقنية قياسية في معالجة اللغة الطبيعية. ومع ذلك ، من المهم النظر في التحديات والقيود المحتملة لهذه التطورات ، مثل التحيزات المجتمعية وإمكانية إساءة الاستخدام.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
• المصدر https://www.dataversity.net/2023-predictions-for-ai-machine-learning-and-nlp/