Previsões para 2023 para IA, aprendizado de máquina e PNL

Foi um ano empolgante em IA, aprendizado de máquina e PNL, com geradores de texto para imagem e grandes modelos de linguagem fornecendo alguns resultados muito impressionantes e muito promissores para o futuro - observando todas as ressalvas importantes sobre suas deficiências, incluindo mitigar preconceitos sociais, a possibilidade de serem usados ​​para gerar “notícias falsas” e seu impacto ambiental. 

Ao embarcarmos no ano de 2023, queríamos pensar sobre o que o novo ano em IA, aprendizado de máquina e PNL trará.

Jeff Catlin, chefe da Lexalytics, uma empresa InMoment:

AI vai ROI: A desaceleração nos gastos com tecnologia aparecerá em IA e aprendizado de máquina de duas maneiras: as principais novas metodologias e avanços de IA diminuirão, enquanto a inovação em IA se move em direção à “produção”. Veremos a IA ficar mais rápida e barata à medida que a inovação avança para técnicas que tornam a aplicação do aprendizado profundo mais barata e rápida por meio de modelos como o DistilBERT, em que a precisão diminui um pouco, mas a necessidade de GPUs é reduzida.

Crescente aceitação da PNL híbrida: É um conhecimento bastante comum que as soluções híbridas de NLP que misturam aprendizado de máquina e clássico Técnicas de PNL como listas brancas, consultas e dicionários de sentimento misturados com modelos de aprendizado profundo normalmente fornecem soluções de negócios melhores do que soluções de aprendizado de máquina direto. O benefício dessas soluções híbridas significa que elas se tornarão um item obrigatório nas avaliações corporativas de fornecedores de NLP.

Paul Barba, cientista-chefe da Lexalytics, uma empresa da InMoment:

A ascensão da aprendizagem multimodal: A onda de redes geradoras de imagens como Stable Diffusion e DALL-E demonstram o poder das abordagens de IA que compreendem múltiplas formas de dados – neste caso, imagem para gerar uma imagem e texto para obter descrições de um ser humano . Embora a aprendizagem multimodal sempre tenha sido uma área de pesquisa significativa, tem sido difícil traduzir para o mundo dos negócios, onde cada fonte de dados é difícil de interagir à sua maneira. Ainda assim, à medida que as empresas continuam a se tornar mais sofisticadas no uso de dados, o aprendizado multimodal surge como uma oportunidade extremamente poderosa em 2023. Sistemas que podem combinar o amplo conhecimento transmitido em texto, imagem e vídeo com modelagem sofisticada de dados financeiros e outros série será a próxima etapa em muitas empresas ciência de dados iniciativas.

A singularidade em nossas miras? Um trabalho de pesquisa de Jiaxin Huang et al. foi publicado em outubro passado com o título chamativo “Grandes modelos de linguagem podem se autoaprimorar.” Embora ainda não seja a singularidade, os pesquisadores persuadiram um grande modelo de linguagem a gerar perguntas a partir de trechos de texto, respondendo à pergunta auto-posta por meio de “cadeia de sugestões de pensamento” e, em seguida, aprendendo com essas respostas para melhorar as habilidades da rede em uma variedade de tarefas. Essas abordagens de inicialização têm historicamente um limite bastante estreito para a melhoria - eventualmente, os modelos começam a aprender a coisa errada e saem dos trilhos - mas a promessa de desempenho aprimorado sem esforços de anotação laboriosos é uma canção de sereia para praticantes de IA. Prevemos que, embora abordagens como essa não nos levem a um momento de singularidade, será o principal tópico de pesquisa de 2023 e, até o final do ano, será uma técnica padrão em todas as linguagens naturais de última geração. resultados do processamento.

Em resumo, espera-se que 2023 traga uma mudança no foco da IA ​​e do aprendizado de máquina em direção à produção e à relação custo-benefício, bem como uma maior adoção de soluções híbridas de NLP. Espera-se também que o uso da aprendizagem multimodal, que envolve a compreensão de múltiplas formas de dados, como texto, imagem e vídeo, se torne mais prevalente nas empresas. Além disso, espera-se que a pesquisa sobre modelos de linguagem grandes de autoaperfeiçoamento continue a ser um foco importante no campo, com o potencial para que esses modelos se tornem uma técnica padrão no processamento de linguagem natural. No entanto, é importante considerar os possíveis desafios e limitações desses avanços, como preconceitos sociais e a possibilidade de uso indevido.

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• Platoblockchain. Inteligência Metaverso Web3. Conhecimento Ampliado. Acesse aqui.
• Fonte: https://www.dataversity.net/2023-predictions-for-ai-machine-learning-and-nlp/