2023 ennusteet tekoälylle, koneoppimiselle ja NLP:lle

Tämä on ollut jännittävä vuosi tekoälyssä, koneoppimisessa ja NLP:ssä. Tekstistä kuvaksi -generaattorit ja suuret kielimallit ovat tuottaneet erittäin vaikuttavia tuloksia ja paljon lupauksia tulevaisuutta ajatellen – samalla kun huomioi kaikki tärkeät varoitukset niiden puutteista, mukaan lukien lieventämään yhteiskunnallisia ennakkoluuloja, mahdollisuutta käyttää niitä "valeuutisten" tuottamiseen ja niiden ympäristövaikutuksia. 

Aloittaessamme vuotta 2023 halusimme miettiä, mitä uusi vuosi tekoälyssä, koneoppimisessa ja NLP:ssä tuo tullessaan.

Jeff Catlin, Lexalytics-johtaja, InMoment-yhtiö:

AI tuo ROI:n: Tekniikan kulutuksen hidastuminen näkyy tekoälyssä ja koneoppimisessa kahdella tavalla: suuret uudet tekoälymenetelmät ja läpimurrot hidastuvat, kun taas tekoälyn innovaatiot siirtyvät kohti "tuottamista". Näemme tekoälyn muuttuvan nopeammaksi ja halvemmaksi, kun innovaatio siirtyy tekniikoihin, joilla syväoppiminen on halvempaa soveltaa, ja nopeampi sellaisten mallien avulla, kuten DistilBERT, joissa tarkkuus laskee hieman, mutta grafiikkasuorittimien tarve vähenee.

Hybridi-NLP:n hyväksyntä kasvaa: On melko yleisesti tiedossa, että hybridi-NLP-ratkaisut, joissa yhdistyvät koneoppiminen ja klassikko NLP-tekniikat kuten valkoiset listat, kyselyt ja tunnesanakirjat, jotka on yhdistetty syvään oppimismalleihin, tarjoavat yleensä parempia liiketoimintaratkaisuja kuin suorat koneoppimisratkaisut. Näiden hybridiratkaisujen etu tarkoittaa, että niistä tulee valintaruutu NLP-toimittajien yritysten arvioinneissa.

Paul Barba, InMoment-yhtiön Lexalyticsin päätutkija:

Multimodaalisen oppimisen nousu: Kuvia luovien verkkojen aalto, kuten Stable Diffusion ja DALL-E, osoittavat tekoälylähestymistapojen tehon, jotka ymmärtävät useita datamuotoja – tässä tapauksessa kuvaa kuvan luomiseksi ja tekstiä ihmisen kuvausten vastaanottamiseksi. . Vaikka multimodaalinen oppiminen on aina ollut merkittävä tutkimusalue, sitä on ollut vaikea kääntää yritysmaailmaan, jossa jokaisen tietolähteen kanssa on vaikea olla vuorovaikutuksessa omalla tavallaan. Silti yritysten kehittyessä yhä kehittyneempään datan käyttöönsä, multimodaalinen oppiminen tulee esiin erittäin tehokkaana mahdollisuutena vuonna 2023. Järjestelmät, jotka voivat yhdistää tekstin, kuvan ja videon kautta välitetyn laajan tiedon taloudellisten ja muiden numeeristen tietojen kehittyneeseen mallinnukseen. sarja on seuraava vaihe monissa yrityksissä tietojenkäsittely aloitteita.

Erikoisuus näköpiirissämme? Jiaxin Huang et al. julkaistiin viime lokakuussa huomiota herättävällä otsikolla "Suuret kielimallit voivat kehittyä itsestään.” Vaikka tutkijat eivät vielä olleet singulaarisuus, he houkuttelivat laajan kielimallin luomaan kysymyksiä tekstikatkelmista, vastaten itse esittämään kysymykseen "ajatteluketjun kehotusten" avulla ja sitten oppimaan näistä vastauksista parantaakseen verkoston kykyjä. monenlaisia ​​tehtäviä. Näillä bootstrapping-lähestymistapoilla on historiallisesti ollut melko tiukka parannuskeino – lopulta mallit alkavat opettaa itselleen väärää asiaa ja lähtevät raiteilta – mutta lupaus paremmasta suorituskyvystä ilman vaivalloisia huomautuksia on sireenilaulu. Tekoälyn harjoittajat. Ennustamme, että vaikka tällaiset lähestymistavat eivät aja meitä singulaarisuushetkeen, siitä tulee vuoden 2023 kuuma tutkimusaihe ja vuoden loppuun mennessä standarditekniikka kaikessa huippuluokan luonnollisessa kielessä. tulosten käsittelyä.

Yhteenvetona voidaan todeta, että vuoden 2023 odotetaan tuovan tekoälyn ja koneoppimisen painopisteen siirtymisen kohti tuotteistamista ja kustannustehokkuutta sekä hybridi-NLP-ratkaisujen lisääntyvän käyttöönoton. Multimodaalisen oppimisen käytön, joka käsittää useiden tietojen, kuten tekstin, kuvan ja videon, ymmärtämisen, odotetaan myös yleistyvän yrityksissä. Lisäksi itseään parantavien suurten kielimallien tutkimuksen odotetaan jatkossakin olevan alan pääpaino, ja näistä malleista voi tulla vakiotekniikka luonnollisen kielen käsittelyssä. On kuitenkin tärkeää ottaa huomioon näiden edistysten mahdolliset haasteet ja rajoitukset, kuten yhteiskunnalliset ennakkoluulot ja väärinkäytön mahdollisuus.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• Platoblockchain. Web3 Metaverse Intelligence. Tietoa laajennettu. Pääsy tästä.
• Lähde: https://www.dataversity.net/2023-predictions-for-ai-machine-learning-and-nlp/