Prédictions 2023 pour l'IA, l'apprentissage automatique et la PNL

Republié par Platon

Suiveurs: 0

Ce fut une année passionnante pour l'IA, l'apprentissage automatique et la PNL, avec des générateurs de texte en image et de grands modèles de langage offrant des résultats très impressionnants et beaucoup de promesses pour l'avenir - tout en notant toutes les mises en garde importantes concernant leurs lacunes, y compris atténuer les préjugés sociétaux, la possibilité qu'ils soient utilisés pour générer de « fausses nouvelles » et leur impact environnemental.

Alors que nous entamons l'année 2023, nous voulions réfléchir à ce que la nouvelle année en matière d'IA, d'apprentissage automatique et de NLP apportera.

Jeff Catlin, responsable de Lexalytics, une société InMoment :

L'IA devient ROI : Le ralentissement des dépenses technologiques se manifestera dans l'IA et l'apprentissage automatique de deux manières : les nouvelles méthodologies et percées majeures de l'IA ralentiront, tandis que l'innovation dans l'IA se dirigera vers la « productisation ». Nous verrons l'IA devenir plus rapide et moins chère à mesure que l'innovation se déplacera vers des techniques pour rendre l'apprentissage en profondeur moins coûteux à appliquer et plus rapide grâce à des modèles comme DistilBERT, où la précision diminue un peu, mais le besoin de GPU est réduit.

Acceptation croissante de la PNL hybride : Il est de notoriété publique que les solutions NLP hybrides qui mélangent l'apprentissage automatique et le classique Techniques de PNL comme les listes blanches, les requêtes et les dictionnaires de sentiments associés à des modèles d'apprentissage en profondeur fournissent généralement de meilleures solutions commerciales que les solutions d'apprentissage automatique classiques. L'avantage de ces solutions hybrides signifie qu'elles deviendront une case à cocher dans les évaluations d'entreprise des fournisseurs de NLP.

Paul Barba, scientifique en chef chez Lexalytics, une société InMoment :

L'essor de l'apprentissage multimodal : La vague de réseaux générateurs d'images comme Stable Diffusion et DALL-E démontre la puissance des approches d'IA qui comprennent de multiples formes de données - dans ce cas, une image pour générer une image et du texte pour prendre en compte les descriptions d'un être humain. . Alors que l'apprentissage multimodal a toujours été un domaine de recherche important, il a été difficile de le transposer dans le monde des affaires où chaque source de données est difficile à interagir à sa manière. Pourtant, alors que les entreprises continuent de devenir plus sophistiquées dans leur utilisation des données, l'apprentissage multimodal apparaît comme une opportunité extrêmement puissante en 2023. Des systèmes qui peuvent combiner les vastes connaissances véhiculées par le texte, l'image et la vidéo avec une modélisation sophistiquée des données financières et autres. série sera la prochaine étape dans de nombreuses entreprises science des données initiatives.

La singularité dans notre mire ? Un article de recherche de Jiaxin Huang et al. a été publié en octobre dernier avec le titre accrocheur «Les grands modèles de langage peuvent s'auto-améliorer.” Bien qu'il ne s'agisse pas encore de la singularité, les chercheurs ont persuadé un grand modèle de langage de générer des questions à partir d'extraits de texte, de répondre à la question auto-posée par le biais d'une "chaîne d'incitation à la pensée", puis d'apprendre de ces réponses afin d'améliorer les capacités du réseau sur une variété de tâches. Ces approches d'amorçage ont historiquement été étroitement liées à l'amélioration - finalement, les modèles commencent à s'enseigner la mauvaise chose et à dérailler - mais la promesse d'une performance améliorée sans efforts d'annotation laborieux est un chant de sirène pour Praticiens de l'IA. Nous prévoyons que même si des approches comme celle-ci ne nous conduiront pas dans un moment de singularité, ce sera le sujet de recherche brûlant de 2023 et d'ici la fin de l'année, ce sera une technique standard dans tous les langages naturels de pointe. résultats du traitement.

En résumé, 2023 devrait entraîner un changement d'orientation de l'IA et de l'apprentissage automatique vers la productisation et la rentabilité, ainsi qu'une adoption accrue des solutions NLP hybrides. L'utilisation de l'apprentissage multimodal, qui implique la compréhension de plusieurs formes de données telles que le texte, l'image et la vidéo, devrait également devenir plus répandue dans les entreprises. De plus, la recherche sur les grands modèles de langage auto-améliorés devrait continuer à être un objectif majeur dans le domaine, avec le potentiel pour que ces modèles deviennent une technique standard dans le traitement du langage naturel. Cependant, il est important de considérer les défis potentiels et les limites de ces avancées, telles que les préjugés sociétaux et la possibilité d'une mauvaise utilisation.