การคาดการณ์ปี 2023 สำหรับ AI, การเรียนรู้ของเครื่อง และ NLP

เป็นปีที่น่าตื่นเต้นในด้าน AI, การเรียนรู้ของเครื่อง และ NLP ด้วยตัวสร้างข้อความเป็นรูปภาพและโมเดลภาษาขนาดใหญ่ที่ให้ผลลัพธ์ที่น่าประทับใจและคำสัญญามากมายสำหรับอนาคต ในขณะที่สังเกตเห็นข้อแม้ที่สำคัญทั้งหมดเกี่ยวกับข้อบกพร่อง ได้แก่ การลดอคติทางสังคม ความเป็นไปได้ที่จะถูกนำไปใช้เพื่อสร้าง "ข่าวปลอม" และผลกระทบต่อสิ่งแวดล้อม 

เมื่อเราก้าวเข้าสู่ปี 2023 เราต้องการคิดว่าปีใหม่ในด้าน AI, แมชชีนเลิร์นนิง และ NLP จะนำมาซึ่งอะไร

Jeff Catlin หัวหน้าฝ่าย Lexalytics บริษัท InMoment:

AI มอบ ROI: การชะลอตัวของการใช้จ่ายด้านเทคโนโลยีจะแสดงให้เห็นใน AI และการเรียนรู้ของเครื่องในสองวิธี: วิธีการใหม่ๆ ที่สำคัญของ AI และความก้าวหน้าจะช้าลง ในขณะที่นวัตกรรมใน AI จะเคลื่อนไปสู่ ​​"การผลิต" เราจะเห็น AI เร็วขึ้นและถูกลงเมื่อนวัตกรรมเปลี่ยนไปสู่เทคนิคเพื่อทำให้การเรียนรู้เชิงลึกมีราคาถูกลงและนำไปใช้ได้เร็วขึ้นผ่านโมเดลอย่างเช่น DistilBERT ซึ่งความแม่นยำลดลงเล็กน้อย แต่ความต้องการ GPU ลดลง

การยอมรับที่เพิ่มขึ้นของ NLP แบบไฮบริด: เป็นที่ทราบกันทั่วไปอยู่แล้วว่าโซลูชัน NLP แบบไฮบริดที่ผสมผสานแมชชีนเลิร์นนิงและแบบคลาสสิกเข้าด้วยกัน เทคนิค NLP เช่น ไวท์ลิสต์ ข้อความค้นหา และพจนานุกรมความรู้สึกที่ผสมผสานกับโมเดลการเรียนรู้เชิงลึก มักจะให้โซลูชันทางธุรกิจที่ดีกว่าโซลูชันแมชชีนเลิร์นนิงโดยตรง ประโยชน์ของโซลูชันแบบไฮบริดเหล่านี้หมายความว่าพวกเขาจะกลายเป็นรายการช่องทำเครื่องหมายในการประเมินองค์กรของผู้จำหน่าย NLP

Paul Barba หัวหน้านักวิทยาศาสตร์ที่ Lexalytics บริษัท InMoment:

การเพิ่มขึ้นของการเรียนรู้ต่อเนื่องหลายรูปแบบ: คลื่นของเครือข่ายสร้างภาพ เช่น Stable Diffusion และ DALL-E แสดงให้เห็นถึงพลังของแนวทาง AI ที่เข้าใจข้อมูลหลายรูปแบบ ในกรณีนี้ ภาพเพื่อสร้างภาพ และข้อความเพื่อรับคำอธิบายจากมนุษย์ . แม้ว่าการเรียนรู้ต่อเนื่องหลายรูปแบบจะเป็นพื้นที่การวิจัยที่สำคัญมาโดยตลอด แต่ก็ยากที่จะแปลเข้าสู่โลกธุรกิจ ซึ่งแหล่งข้อมูลแต่ละแห่งยากที่จะโต้ตอบด้วยวิธีของตัวเอง ถึงกระนั้น ในขณะที่ธุรกิจยังคงเติบโตโดยใช้ข้อมูลที่ซับซ้อนมากขึ้น การเรียนรู้ต่อเนื่องหลายรูปแบบก็กลายเป็นโอกาสที่ทรงพลังอย่างยิ่งในปี 2023 ระบบที่สามารถผสมผสานความรู้ในวงกว้างที่ถ่ายทอดในรูปแบบข้อความ รูปภาพ และวิดีโอเข้ากับการสร้างแบบจำลองทางการเงินและตัวเลขอื่น ๆ ที่ซับซ้อน ซีรีส์จะเป็นเวทีต่อไปในหลาย ๆ บริษัท วิทยาศาสตร์ข้อมูล ความคิดริเริ่ม

เอกพจน์ในสายตาของเรา? งานวิจัยโดย Jiaxin Huang และคณะ ได้รับการเผยแพร่เมื่อเดือนตุลาคมที่ผ่านมาโดยมีหัวข้อที่ดึงดูดความสนใจว่า “โมเดลภาษาขนาดใหญ่สามารถพัฒนาตนเองได้” แม้ว่าจะยังไม่เป็นเอกพจน์ นักวิจัยได้เกลี้ยกล่อมโมเดลภาษาขนาดใหญ่ให้สร้างคำถามจากตัวอย่างข้อความ ตอบคำถามที่ตั้งขึ้นเองผ่าน "ห่วงโซ่แห่งการกระตุ้นความคิด" จากนั้นเรียนรู้จากคำตอบเหล่านั้นเพื่อปรับปรุงความสามารถของเครือข่ายบน งานที่หลากหลาย วิธีการบู๊ตสแตรปเหล่านี้ในอดีตมีข้อผูกมัดค่อนข้างแน่นในการปรับปรุง – ในที่สุด นางแบบก็เริ่มสอนตัวเองในสิ่งที่ผิดและออกนอกลู่นอกทาง – แต่คำมั่นสัญญาว่าจะปรับปรุงประสิทธิภาพโดยไม่ต้องใช้คำอธิบายประกอบที่ลำบากคือเพลงไซเรนสำหรับ ผู้ปฏิบัติงาน AI. เราคาดการณ์ว่าแม้วิธีการเช่นนี้จะไม่ทำให้เราเข้าสู่ช่วงเวลาแห่งความแปลกประหลาด แต่มันจะเป็นหัวข้อวิจัยที่ร้อนแรงของปี 2023 และภายในสิ้นปีนี้จะเป็นเทคนิคมาตรฐานในภาษาธรรมชาติที่ล้ำสมัยทั้งหมด ผลการประมวลผล

โดยสรุปแล้ว คาดว่าในปี 2023 จะมีการเปลี่ยนจุดสนใจของ AI และการเรียนรู้ของเครื่องไปสู่การผลิตและความคุ้มค่า รวมถึงการนำโซลูชัน NLP แบบไฮบริดมาใช้มากขึ้น การใช้การเรียนรู้ต่อเนื่องหลายรูปแบบ ซึ่งเกี่ยวข้องกับการทำความเข้าใจรูปแบบต่างๆ ของข้อมูล เช่น ข้อความ รูปภาพ และวิดีโอ คาดว่าจะแพร่หลายมากขึ้นในธุรกิจต่างๆ นอกจากนี้ การวิจัยเกี่ยวกับการพัฒนาโมเดลภาษาขนาดใหญ่ที่ปรับปรุงตัวเองจะยังคงเป็นจุดสนใจหลักในสาขานี้ต่อไป โดยมีความเป็นไปได้ที่โมเดลเหล่านี้จะกลายเป็นเทคนิคมาตรฐานในการประมวลผลภาษาธรรมชาติ อย่างไรก็ตาม สิ่งสำคัญคือต้องพิจารณาถึงความท้าทายและข้อจำกัดที่อาจเกิดขึ้นจากความก้าวหน้าเหล่านี้ เช่น อคติทางสังคมและความเป็นไปได้ของการใช้ในทางที่ผิด

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
• ที่มา: https://www.dataversity.net/2023-predictions-for-ai-machine-learning-and-nlp/