AI, 머신러닝, NLP에 대한 2023년 예측

플라톤에 의해 재발행

팔로워 : 0

AI, 기계 학습 및 NLP 분야에서 흥미로운 한 해였습니다. 텍스트를 이미지로 변환하는 생성기와 대규모 언어 모델이 매우 인상적인 결과를 제공하고 미래에 대한 많은 약속을 제공하는 한편 다음과 같은 단점에 대한 모든 중요한 주의 사항에 주목했습니다. 사회적 편향, "가짜 뉴스"를 생성하는 데 사용될 가능성 및 환경에 미치는 영향을 완화합니다.

2023년을 시작하면서 우리는 AI, 기계 학습 및 NLP의 새해가 무엇을 가져올지 생각하고 싶었습니다.

InMoment Company의 Lexalytics 책임자 Jeff Catlin:

AI는 ROI를 달성합니다. 기술 지출의 둔화는 AI와 기계 학습에서 두 가지 방식으로 나타날 것입니다. 새로운 주요 AI 방법론과 혁신이 둔화되는 반면 AI의 혁신은 "제품화"로 이동합니다. 정확도는 약간 떨어지지만 GPU의 필요성은 감소하는 DistilBERT와 같은 모델을 통해 딥 러닝을 적용하는 데 더 저렴하고 더 빠르게 만드는 기술로 혁신이 이동함에 따라 AI가 더 빠르고 저렴해지는 것을 보게 될 것입니다.

하이브리드 NLP의 수용 증가: 기계 학습과 고전을 혼합한 하이브리드 NLP 솔루션이 NLP 기술 딥 러닝 모델과 혼합된 화이트리스트, 쿼리 및 감정 사전과 같은 것은 일반적으로 단순한 머신 러닝 솔루션보다 더 나은 비즈니스 솔루션을 제공합니다. 이러한 하이브리드 솔루션의 이점은 NLP 공급업체에 대한 기업 평가의 체크박스 항목이 될 것임을 의미합니다.

InMoment 회사인 Lexalytics의 수석 과학자인 Paul Barba는 다음과 같이 말합니다.

다중 모드 학습의 부상: Stable Diffusion 및 DALL-E와 같은 이미지 생성 네트워크의 물결은 여러 형태의 데이터를 이해하는 AI 접근 방식의 힘을 보여줍니다. 이 경우 사진을 생성하기 위한 이미지와 사람의 설명을 얻기 위한 텍스트 . 다중 모드 학습은 항상 중요한 연구 영역이었지만 각 데이터 소스가 고유한 방식으로 상호 작용하기 어려운 비즈니스 세계로 변환하기는 어려웠습니다. 그럼에도 불구하고 기업이 데이터 사용에서 더욱 정교해짐에 따라 다중 모드 학습은 2023년에 매우 강력한 기회로 급부상합니다. 텍스트, 이미지 및 비디오로 전달되는 광범위한 지식을 금융 및 기타 숫자의 정교한 모델링과 결합할 수 있는 시스템 시리즈는 많은 회사의 다음 단계가 될 것입니다. 데이터 과학 이니셔티브.

우리 시야의 특이점? Jiaxin Huang et al.의 연구 논문. 지난 XNUMX월, 눈길을 끄는 제목으로 발간되었습니다.대규모 언어 모델은 스스로 개선할 수 있습니다..” 아직 특이점은 아니지만 연구자들은 텍스트 스니펫에서 질문을 생성하고 "생각의 사슬"을 통해 스스로 제기한 질문에 답한 다음 해당 답변에서 학습하여 네트워크의 능력을 향상시키도록 대규모 언어 모델을 유도했습니다. 다양한 작업. 이러한 부트스트래핑 접근 방식은 역사적으로 개선의 여지가 매우 빡빡했습니다. 결국 모델은 스스로 잘못된 것을 가르치기 시작하고 궤도를 벗어납니다. AI 실무자. 우리는 이와 같은 접근 방식이 우리를 특이점으로 몰아가지는 않지만 2023년의 뜨거운 연구 주제가 될 것이며 연말까지 모든 최첨단 자연어의 표준 기술이 될 것이라고 예측합니다. 처리 결과.

요약하면 2023년에는 AI 및 기계 학습의 초점이 제품화 및 비용 효율성으로 전환되고 하이브리드 NLP 솔루션의 채택이 증가할 것으로 예상됩니다. 텍스트, 이미지, 비디오와 같은 여러 형태의 데이터를 이해하는 다중 모드 학습의 사용도 비즈니스에서 더욱 보편화될 것으로 예상됩니다. 또한 자체 개선 대규모 언어 모델에 대한 연구는 이러한 모델이 자연어 처리의 표준 기술이 될 가능성과 함께 이 분야에서 계속해서 주요 초점이 될 것으로 예상됩니다. 그러나 사회적 편향 및 오용 가능성과 같은 이러한 발전의 잠재적 도전과 한계를 고려하는 것이 중요합니다.