2023-as előrejelzések az AI-hoz, a gépi tanuláshoz és az NLP-hez

Izgalmas év volt ez a mesterséges intelligencia, a gépi tanulás és az NLP területén, a szöveg-képgenerátorokkal és a nagy nyelvi modellekkel igen lenyűgöző eredményeket és sok ígéretet hoznak a jövőre nézve – miközben megjegyzi az összes fontos figyelmeztetést a hiányosságaikkal kapcsolatban, pl. a társadalmi elfogultságok mérséklése, annak lehetősége, hogy ezeket „álhírek” generálására használják fel, valamint környezeti hatásaik. 

Ahogy nekilátunk a 2023-as évnek, azon szerettünk volna gondolkodni, hogy mit hoz az új év az AI, a gépi tanulás és az NLP területén.

Jeff Catlin, az InMoment vállalat Lexalytics részlegének vezetője:

Az AI megtérül: A technológiai kiadások lassulása a mesterséges intelligencia és a gépi tanulás terén kétféleképpen fog megmutatkozni: a főbb új AI-módszerek és az áttörések lelassulnak, míg az AI innovációja a „termékesítés” felé mozdul el. Látni fogjuk, hogy a mesterséges intelligencia gyorsabbá és olcsóbbá válik, ahogy az innováció olyan technikákba költözik, amelyek a mélytanulást olcsóbbá és gyorsabbá teszik az olyan modelleken keresztül, mint a DistilBERT, ahol a pontosság kissé csökken, de a GPU-k iránti igény csökken.

A hibrid NLP növekvő elfogadottsága: Meglehetősen köztudott, hogy a hibrid NLP-megoldások keverik a gépi tanulást és a klasszikust NLP technikák például a fehér listák, a lekérdezések és a mély tanulási modellekkel kevert hangulatszótárak általában jobb üzleti megoldásokat kínálnak, mint az egyszerű gépi tanulási megoldások. E hibrid megoldások előnyei azt jelentik, hogy az NLP-szállítók vállalati értékelésében jelölőnégyzetekké válnak.

Paul Barba, a Lexalytics, az InMoment vállalat vezető tudósa:

A multimodális tanulás térnyerése: Az olyan képgeneráló hálózatok hulláma, mint a Stable Diffusion és a DALL-E, demonstrálja az AI-megközelítések erejét, amelyek többféle adatot is megértenek – ebben az esetben a képet a kép létrehozásához, a szöveget pedig az emberi leírások átvételéhez. . Míg a multimodális tanulás mindig is jelentős kutatási terület volt, nehéz volt átültetni az üzleti világba, ahol az egyes adatforrásokkal nehéz a maga módján kommunikálni. Ennek ellenére, ahogy a vállalkozások egyre kifinomultabbá teszik az adathasználatot, 2023-ban a multimodális tanulás rendkívül hatékony lehetőségként ugrik elő. Olyan rendszerek, amelyek a szövegben, képben és videóban közvetített széles körű ismereteket egyesíthetik a pénzügyi és egyéb numerikus adatok kifinomult modellezésével. sorozat lesz a következő állomás sok vállalatnál adat-tudomány kezdeményezéseket.

A szingularitás a szemünk előtt? Jiaxin Huang et al. tavaly októberben jelent meg figyelemfelkeltő címmel "A nagy nyelvű modellek önmagukat fejleszthetik.” Noha ez még nem a szingularitás, a kutatók egy nagy nyelvi modellt arra ösztönöztek, hogy kérdéseket generáljanak szövegrészletekből, a saját maguk által feltett kérdésre „gondolatláncon keresztül” válaszoljanak, majd tanuljanak ezekből a válaszokból, hogy javítsák a hálózat képességeit. sokféle feladat. Ezeknek a bootstrapping-megközelítéseknek a múltban meglehetősen szoros kötöttsége volt a fejlődéshez – végül a modellek elkezdik tanítani magukat a rossz dolgokra, és letérnek a sínekről –, de a jobb teljesítmény ígérete fáradságos annotációs erőfeszítések nélkül sziréna AI gyakorlók. Azt jósoljuk, hogy bár az ehhez hasonló megközelítések nem sodornak minket a szingularitás pillanatába, ez lesz 2023 legforróbb kutatási témája, és az év végére a legmodernebb, természetes nyelvek standard technikája lesz. eredmények feldolgozása.

Összefoglalva, 2023-tól várhatóan eltolódik a mesterséges intelligencia és a gépi tanulás fókusza a termékesítés és a költséghatékonyság irányába, valamint a hibrid NLP-megoldások fokozott elterjedése. A multimodális tanulás alkalmazása, amely magában foglalja az adatok többféle formájának, például szövegnek, képnek és videónak a megértését, szintén várhatóan elterjedtebb lesz a vállalkozásokban. Ezen túlmenően az önfejlesztő nagy nyelvi modellekkel kapcsolatos kutatások várhatóan továbbra is nagy hangsúlyt kapnak a területen, és ezek a modellek a természetes nyelvi feldolgozás standard technikájává válhatnak. Fontos azonban figyelembe venni ezen előrelépések lehetséges kihívásait és korlátait, például a társadalmi elfogultságokat és a visszaélések lehetőségét.

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
• Forrás: https://www.dataversity.net/2023-predictions-for-ai-machine-learning-and-nlp/