Napovedi za 2023 za AI, strojno učenje in NLP

Za umetno inteligenco, strojnim učenjem in NLP-jem je bilo razburljivo leto, saj so generatorji besedila v sliko in veliki jezikovni modeli prinesli nekaj zelo impresivnih rezultatov in veliko obljub za prihodnost – pri čemer je treba upoštevati vsa pomembna opozorila glede njihovih pomanjkljivosti, vključno z blažitev družbenih pristranskosti, možnost njihove uporabe za ustvarjanje »lažnih novic« in njihov vpliv na okolje. 

Ko vstopamo v leto 2023, smo želeli razmišljati o tem, kaj bo prineslo novo leto na področju umetne inteligence, strojnega učenja in NLP-ja.

Jeff Catlin, vodja Lexalytics, podjetje InMoment:

AI poveča donosnost naložbe: Upočasnitev porabe za tehnologijo se bo pri umetni inteligenci in strojnem učenju pokazala na dva načina: pomembne nove metodologije in preboji umetne inteligence se bodo upočasnili, medtem ko se bodo inovacije v umetni inteligenci pomikale proti »proizvodnji«. Videli bomo, da bo umetna inteligenca postala hitrejša in cenejša, ko se bo inovacija premaknila v tehnike, s katerimi bo globoko učenje cenejše za uporabo in hitrejše prek modelov, kot je DistilBERT, kjer se natančnost nekoliko zmanjša, vendar se zmanjša potreba po grafičnih procesorjih.

Naraščajoče sprejemanje hibridnega NLP: Dokaj splošno znano je, da gre za hibridne NLP rešitve, ki mešajo strojno in klasično učenje NLP tehnike kot so beli seznami, poizvedbe in slovarji občutkov, pomešani z modeli globokega učenja, običajno zagotavljajo boljše poslovne rešitve kot navadne rešitve strojnega učenja. Prednost teh hibridnih rešitev pomeni, da bodo postale postavka potrditvenega polja v korporativnih ocenah prodajalcev NLP.

Paul Barba, glavni znanstvenik pri Lexalytics, podjetju InMoment:

Vzpon multimodalnega učenja: Val omrežij za ustvarjanje slik, kot sta Stable Diffusion in DALL-E, dokazuje moč pristopov umetne inteligence, ki razumejo več oblik podatkov – v tem primeru sliko za ustvarjanje slike in besedilo za prevzemanje opisov od človeka . Medtem ko je bilo multimodalno učenje vedno pomembno raziskovalno področje, ga je bilo težko prevesti v poslovni svet, kjer je z vsakim virom podatkov težko komunicirati na svoj način. Kljub temu, ker podjetja še naprej postajajo vse bolj sofisticirana pri uporabi podatkov, se multimodalno učenje leta 2023 pojavi kot izjemno močna priložnost. Sistemi, ki lahko združijo široko znanje, posredovano v besedilu, slikah in videu, s prefinjenim modeliranjem finančnih in drugih numeričnih serija bo naslednja stopnja v mnogih podjetjih. znanost o podatkih pobude.

Singularnost v naših pogledih? Raziskovalni članek Jiaxin Huang et al. je bil objavljen oktobra lani s privlačnim naslovom "Veliki jezikovni modeli se lahko sami izboljšajo.” Čeprav še niso bili singularnost, so raziskovalci prepričali velik jezikovni model v generiranje vprašanj iz delčkov besedila, odgovarjanje na vprašanje, ki so si ga sami zastavili s pomočjo »verige razmišljanja«, in nato učenje iz teh odgovorov, da bi izboljšali zmogljivosti omrežja na različne naloge. Ti zagonski pristopi so bili v preteklosti precej tesno vezani na izboljšave – sčasoma se modeli začnejo učiti napačnih stvari in zaidejo iz tira – toda obljuba o izboljšani zmogljivosti brez napornih prizadevanj za opombe je prava pesem praktiki AI. Predvidevamo, da čeprav nas takšni pristopi ne bodo pripeljali v singularnost, bo to vroča raziskovalna tema leta 2023 in do konca leta standardna tehnika v vseh najsodobnejših naravnih jezikih obdelava rezultatov.

Če povzamemo, pričakuje se, da bo leto 2023 prineslo premik fokusa umetne inteligence in strojnega učenja v smeri produktivnosti in stroškovne učinkovitosti ter povečano sprejemanje hibridnih rešitev NLP. Pričakuje se, da bo v podjetjih vse bolj razširjena tudi uporaba multimodalnega učenja, ki vključuje razumevanje več oblik podatkov, kot so besedilo, slike in video. Poleg tega se pričakuje, da bo raziskava samoizboljšljivih velikih jezikovnih modelov še naprej glavni poudarek na tem področju, s potencialom, da ti modeli postanejo standardna tehnika pri obdelavi naravnega jezika. Vendar je pomembno upoštevati morebitne izzive in omejitve tega napredka, kot so družbene pristranskosti in možnost zlorabe.

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• Platoblockchain. Web3 Metaverse Intelligence. Razširjeno znanje. Dostopite tukaj.
• vir: https://www.dataversity.net/2023-predictions-for-ai-machine-learning-and-nlp/