Previsioni 2023 per intelligenza artificiale, apprendimento automatico e PNL

Ripubblicato da Platone

Seguaci: 0

È stato un anno entusiasmante per l'intelligenza artificiale, l'apprendimento automatico e la PNL, con generatori di testo in immagini e modelli di linguaggio di grandi dimensioni che hanno fornito risultati davvero impressionanti e molte promesse per il futuro, pur rilevando tutti gli avvertimenti importanti sui loro difetti, tra cui mitigare i pregiudizi della società, la possibilità che vengano utilizzati per generare "notizie false" e il loro impatto ambientale.

Mentre ci imbarchiamo nell'anno 2023, volevamo pensare a cosa porterà il nuovo anno nell'IA, nell'apprendimento automatico e nella PNL.

Jeff Catlin, capo di Lexalytics, una società InMoment:

L'intelligenza artificiale diventa ROI: Il rallentamento della spesa tecnologica si manifesterà nell'intelligenza artificiale e nell'apprendimento automatico in due modi: le principali nuove metodologie e scoperte di intelligenza artificiale rallenteranno, mentre l'innovazione nell'intelligenza artificiale si sposterà verso la "produzione". Vedremo l'IA diventare più veloce ed economica man mano che l'innovazione si sposta nelle tecniche per rendere il deep learning meno costoso da applicare e più veloce attraverso modelli come DistilBERT, dove l'accuratezza diminuisce un po', ma la necessità di GPU è ridotta.

Crescente accettazione della PNL ibrida: È abbastanza risaputo che le soluzioni NLP ibride che mescolano machine learning e classico Tecniche di PNL come liste bianche, query e dizionari dei sentimenti combinati con modelli di deep learning in genere forniscono soluzioni aziendali migliori rispetto alle soluzioni di apprendimento automatico diretto. Il vantaggio di queste soluzioni ibride significa che diventeranno una casella di controllo nelle valutazioni aziendali dei fornitori di PNL.

Paul Barba, Chief Scientist presso Lexalytics, una società InMoment:

L'ascesa dell'apprendimento multimodale: L'ondata di reti che generano immagini come Stable Diffusion e DALL-E dimostra la potenza degli approcci AI che comprendono molteplici forme di dati: in questo caso, l'immagine per generare un'immagine e il testo per ricevere descrizioni da un essere umano . Sebbene l'apprendimento multimodale sia sempre stato un'area di ricerca significativa, è stato difficile tradurlo nel mondo degli affari in cui è difficile interagire con ciascuna fonte di dati a modo suo. Tuttavia, mentre le aziende continuano a diventare più sofisticate nell'uso dei dati, l'apprendimento multimodale salta fuori come un'opportunità estremamente potente nel 2023. Sistemi che possono unire l'ampia conoscenza trasmessa in testo, immagini e video con modelli sofisticati di dati finanziari e altri numeri serie sarà la prossima tappa di molte aziende scienza dei dati iniziative.

La singolarità nel nostro mirino? Un documento di ricerca di Jiaxin Huang et al. è stato pubblicato lo scorso ottobre con il titolo accattivante “I modelli linguistici di grandi dimensioni possono auto-migliorarsi.” Pur non essendo ancora la singolarità, i ricercatori hanno persuaso un modello linguistico di grandi dimensioni a generare domande da frammenti di testo, rispondendo alla domanda che si era posta attraverso una "catena di suggerimenti di pensiero" e quindi imparando da quelle risposte al fine di migliorare le capacità della rete su una varietà di compiti. Questi approcci di bootstrap hanno storicamente avuto un legame piuttosto stretto con il miglioramento - alla fine, i modelli iniziano a insegnare a se stessi la cosa sbagliata e vanno fuori dai binari - ma la promessa di prestazioni migliorate senza laboriosi sforzi di annotazione è un canto di sirena per Professionisti dell'IA. Prevediamo che mentre approcci come questo non ci porteranno in un momento di singolarità, sarà l'argomento di ricerca caldo del 2023 ed entro la fine dell'anno sarà una tecnica standard in tutto il linguaggio naturale all'avanguardia risultati di elaborazione.

In sintesi, si prevede che il 2023 determinerà uno spostamento dell'attenzione dell'intelligenza artificiale e dell'apprendimento automatico verso la produzione e l'efficacia in termini di costi, nonché una maggiore adozione di soluzioni NLP ibride. Anche l'uso dell'apprendimento multimodale, che implica la comprensione di molteplici forme di dati come testo, immagini e video, dovrebbe diventare più diffuso nelle imprese. Inoltre, si prevede che la ricerca sui modelli di linguaggio di grandi dimensioni auto-miglioranti continuerà a essere al centro dell'attenzione nel campo, con la possibilità che questi modelli diventino una tecnica standard nell'elaborazione del linguaggio naturale. Tuttavia, è importante considerare le potenziali sfide e i limiti di questi progressi, come i pregiudizi della società e la possibilità di un uso improprio.