Predicciones para 2023 sobre inteligencia artificial, aprendizaje automático y PNL

Reeditado por Platón

seguidores: 0

Ha sido un año emocionante en IA, aprendizaje automático y PNL, con generadores de texto a imagen y grandes modelos de lenguaje que ofrecen resultados muy impresionantes y una gran promesa para el futuro, al tiempo que se observan todas las advertencias importantes sobre sus deficiencias, incluidas mitigar los sesgos sociales, la posibilidad de que se utilicen para generar “fake news” y su impacto ambiental.

A medida que nos embarcamos en el año 2023, queríamos pensar en lo que traerá el nuevo año en IA, aprendizaje automático y PNL.

Jeff Catlin, director de Lexalytics, una empresa de InMoment:

AI va ROI: La desaceleración en el gasto en tecnología se mostrará en la IA y el aprendizaje automático de dos maneras: las principales nuevas metodologías y avances de la IA se ralentizarán, mientras que la innovación en la IA se moverá hacia la "productización". Veremos que la IA se vuelve más rápida y económica a medida que la innovación avanza hacia técnicas para hacer que el aprendizaje profundo sea menos costoso de aplicar y más rápido a través de modelos como DistilBERT, donde la precisión disminuye un poco, pero se reduce la necesidad de GPU.

Creciente aceptación de la PNL híbrida: Es de conocimiento bastante común que las soluciones híbridas de PNL que combinan el aprendizaje automático y el clásico Técnicas de PNL como listas blancas, consultas y diccionarios de sentimientos combinados con modelos de aprendizaje profundo suelen proporcionar mejores soluciones comerciales que las soluciones de aprendizaje automático directo. El beneficio de estas soluciones híbridas significa que se convertirán en una casilla de verificación en las evaluaciones corporativas de los proveedores de NLP.

Paul Barba, científico jefe de Lexalytics, una empresa de InMoment:

El auge del aprendizaje multimodal: La ola de redes generadoras de imágenes como Stable Diffusion y DALL-E demuestra el poder de los enfoques de IA que comprenden múltiples formas de datos; en este caso, imagen para generar una imagen y texto para recibir descripciones de un ser humano. . Si bien el aprendizaje multimodal siempre ha sido un área de investigación importante, ha sido difícil trasladarlo al mundo de los negocios, donde es difícil interactuar con cada fuente de datos a su manera. Aún así, a medida que las empresas continúan volviéndose más sofisticadas en el uso de datos, el aprendizaje multimodal salta como una oportunidad extremadamente poderosa en 2023. Los sistemas que pueden unir el amplio conocimiento transmitido en texto, imagen y video con modelos sofisticados de finanzas y otros numéricos La serie será la próxima etapa en muchas empresas. Ciencia de los datos iniciativas.

¿La singularidad en nuestra mira? Un artículo de investigación de Jiaxin Huang et al. fue publicado el pasado mes de octubre con el llamativo título “Los modelos de lenguaje grande pueden mejorar por sí mismos.” Si bien aún no es la singularidad, los investigadores persuadieron a un gran modelo de lenguaje para que generara preguntas a partir de fragmentos de texto, respondiendo la pregunta autoplanteada a través de una "cadena de indicaciones de pensamiento" y luego aprendiendo de esas respuestas para mejorar las habilidades de la red en una variedad de tareas. Históricamente, estos enfoques de arranque han tenido un límite bastante estrecho para la mejora; eventualmente, los modelos comienzan a aprender cosas incorrectas y se descarrilan, pero la promesa de un rendimiento mejorado sin esfuerzos laboriosos de anotación es un canto de sirena para practicantes de IA. Predecimos que si bien enfoques como este no nos llevarán a un momento de singularidad, será el tema de investigación candente de 2023 y para fin de año será una técnica estándar en todos los lenguajes naturales de última generación. resultados del procesamiento.

En resumen, se espera que 2023 produzca un cambio en el enfoque de la IA y el aprendizaje automático hacia la producción y la rentabilidad, así como una mayor adopción de soluciones híbridas de PNL. También se espera que el uso del aprendizaje multimodal, que implica la comprensión de múltiples formas de datos, como texto, imagen y video, sea más frecuente en las empresas. Además, se espera que la investigación sobre modelos de lenguaje grande automejorables continúe siendo un enfoque importante en el campo, con el potencial de que estos modelos se conviertan en una técnica estándar en el procesamiento del lenguaje natural. Sin embargo, es importante considerar los posibles desafíos y limitaciones de estos avances, como los sesgos sociales y la posibilidad de uso indebido.