AI、機械学習、NLP の 2023 年の予測

プラトン再発行

フォロワー： 0

AI、機械学習、NLP において刺激的な XNUMX 年でした。text-to-image ジェネレーターと大規模な言語モデルは、いくつかの非常に印象的な結果と将来への多くの約束をもたらしました。社会的偏見の緩和、それらが「フェイクニュース」の生成に使用される可能性、およびそれらの環境への影響。

2023 年に向けて、AI、機械学習、NLP の新しい年が何をもたらすかを考えたいと思いました。

InMoment Company の Lexalytics の責任者、Jeff Catlin 氏は次のように述べています。

AI の ROI: 技術支出の減速は、AI と機械学習に XNUMX つの形で現れます。AI の主要な新しい方法論とブレークスルーが減速する一方で、AI のイノベーションは「製品化」に向かいます。イノベーションがディープラーニングを適用するための技術に移行し、DistilBERT のようなモデルを介して高速化するにつれて、AI がより高速かつ安価になることがわかります。精度は少し低下しますが、GPU の必要性は減少します。

ハイブリッド NLP の受け入れの拡大: 機械学習と従来の NLP を組み合わせたハイブリッド NLP ソリューションは、かなり一般的な知識です。 NLPテクニックホワイトリスト、クエリ、センチメントディクショナリなどを深層学習モデルと組み合わせることで、通常、機械学習ソリューションよりも優れたビジネスソリューションが提供されます。これらのハイブリッドソリューションの利点は、企業が NLP ベンダーを評価する際のチェックボックス項目になることを意味します。

InMoment Company の Lexalytics のチーフサイエンティストである Paul Barba 氏は次のように述べています。

マルチモーダル学習の台頭: Stable Diffusion や DALL-E などの画像生成ネットワークの波は、複数の形式のデータを理解する AI アプローチの力を実証しています。この場合、画像を生成するための画像と、人間から説明を取り込むためのテキストです。 . マルチモーダル学習は常に重要な研究分野でしたが、各データソースが独自の方法で対話することが困難なビジネスの世界に変換することは困難でした。それでも、ビジネスがデータの使用においてより高度に成長し続けているため、マルチモーダル学習は 2023 年に非常に強力な機会として飛び出します。テキスト、画像、およびビデオで伝えられる幅広い知識を、金融およびその他の数値の洗練されたモデリングと組み合わせることができるシステム。シリーズは、多くの企業の次の段階になります。データサイエンスイニシアティブ。

私たちの視界の特異点？ Jiaxin Huangらによる研究論文。注目を集めるタイトルでこのXNUMX月に出版されました。大規模な言語モデルは自己改善できる」まだ特異点には達していませんが、研究者は大規模な言語モデルを利用して、テキストの断片から質問を生成し、「一連の思考を促す」ことで自作の質問に答え、それらの回答から学習してネットワークの能力を向上させました。さまざまなタスク。これらのブートストラップのアプローチは、歴史的に改善へのかなりの限界がありました. AI実践者. このようなアプローチが私たちを特異点の瞬間に駆り立てることはありませんが、2023 年のホットな研究トピックとなり、年末までにはすべての最先端の自然言語で標準的な手法になると予測しています。処理結果。

要約すると、2023 年には AI と機械学習の焦点が製品化と費用対効果にシフトし、ハイブリッド NLP ソリューションの採用が増えると予想されます。また、テキスト、画像、動画など、複数のデータを理解するマルチモーダル学習は、ビジネスにおいても普及が進むと予想されます。さらに、自己改善型の大規模言語モデルに関する研究は、この分野で引き続き大きな注目を集めることが期待されており、これらのモデルが自然言語処理の標準的な手法になる可能性があります。ただし、社会的偏見や誤用の可能性など、これらの進歩の潜在的な課題と制限を考慮することが重要です。