Yapay Zeka, Makine Öğrenimi ve NLP İçin 2023 Tahminleri

Plato tarafından yeniden yayınlandı

İzleyiciler: 0

Yapay zeka, makine öğrenimi ve NLP'de heyecan verici bir yıl oldu; metinden görüntüye oluşturucular ve bazı çok etkileyici sonuçlar ve gelecek için pek çok umut vaat eden büyük dil modelleri; toplumsal önyargıları hafifletmek, bunların "sahte haberler" üretmek için kullanılma olasılığı ve çevresel etkileri.

2023 yılına girerken yapay zeka, makine öğrenimi ve NLP'deki yeni yılın neler getireceğini düşünmek istedik.

Bir InMoment Şirketi olan Lexalytics Başkanı Jeff Catlin:

AI yatırım getirisine gider: Teknoloji harcamalarındaki yavaşlama, yapay zeka ve makine öğreniminde iki şekilde kendini gösterecek: büyük yeni yapay zeka metodolojileri ve atılımları yavaşlarken, yapay zekadaki inovasyon "ürünleştirmeye" doğru ilerliyor. Doğruluğun biraz düştüğü, ancak GPU'lara olan ihtiyacın azaldığı DistilBERT gibi modeller aracılığıyla derin öğrenmeyi uygulamayı daha ucuz ve daha hızlı hale getiren tekniklerdeki inovasyon ilerledikçe yapay zekanın daha hızlı ve daha ucuz hale geldiğini göreceğiz.

Hibrit NLP'nin artan kabulü: Makine öğrenimi ile klasiği birleştiren hibrit NLP çözümlerinin oldukça yaygın olduğu bilinmektedir. NLP teknikleri derin öğrenme modelleriyle karıştırılan beyaz listeler, sorgular ve duygu sözlükleri gibi, genellikle doğrudan makine öğrenimi çözümlerinden daha iyi iş çözümleri sağlar. Bu hibrit çözümlerin yararı, NLP satıcılarının kurumsal değerlendirmelerinde bir onay kutusu haline gelecekleri anlamına gelir.

Bir InMoment Şirketi olan Lexalytics'in Baş Bilim İnsanı Paul Barba:

Çok modlu öğrenmenin yükselişi: Stable Diffusion ve DALL-E gibi görüntü üreten ağ dalgası, birden çok veri biçimini anlayan yapay zeka yaklaşımlarının gücünü gösteriyor - bu durumda, bir resim oluşturmak için görüntü ve bir insandan açıklama almak için metin. . Çok modlu öğrenme her zaman önemli bir araştırma alanı olsa da, her veri kaynağıyla kendi yöntemiyle etkileşim kurmanın zor olduğu iş dünyasına tercüme edilmesi zor olmuştur. Yine de, işletmeler veri kullanımlarında daha sofistike büyümeye devam ettikçe, çok modlu öğrenme 2023'te son derece güçlü bir fırsat olarak ortaya çıkıyor. serisi birçok şirketin bir sonraki aşaması olacak veri bilimi girişimler.

Manzaralarımızdaki tekillik? Jiaxin Huang ve diğerleri tarafından hazırlanan bir araştırma makalesi. geçtiğimiz Ekim ayında dikkat çekici “Büyük Dil Modelleri Kendi Kendini Geliştirebilir” Henüz tekillik olmasa da, araştırmacılar büyük bir dil modelini metin parçacıklarından sorular üretmeye, "düşünce zinciri yönlendirme" yoluyla kendi kendine sorulan soruyu yanıtlamaya ve ardından ağın yeteneklerini geliştirmek için bu cevaplardan öğrenmeye ikna ettiler. çeşitli görevler. Bu önyükleme yaklaşımları, tarihsel olarak iyileştirmeyle oldukça sıkı bir bağa sahipti - sonunda, modeller kendilerine yanlış şeyi öğretmeye başlar ve raydan çıkarlar - ancak zahmetli açıklama çabaları olmadan gelişmiş performans vaadi, bir siren şarkısıdır. AI uygulayıcıları. Bu gibi yaklaşımlar bizi bir tekillik anına sürüklemeyecek olsa da 2023'ün sıcak araştırma konusu olacağını ve yıl sonuna kadar tüm son teknoloji, doğal dilde standart bir teknik olacağını öngörüyoruz. işleme sonuçları.

Özetle, 2023'ün yapay zeka ve makine öğreniminin odağında ürünleştirme ve maliyet etkinliğine doğru bir kaymanın yanı sıra hibrit NLP çözümlerinin daha fazla benimsenmesini getirmesi bekleniyor. Metin, resim ve video gibi birden çok veri biçimini anlamayı içeren çok modlu öğrenme kullanımının da işletmelerde daha yaygın hale gelmesi bekleniyor. Ek olarak, kendi kendini geliştiren büyük dil modellerine ilişkin araştırmaların, bu modellerin doğal dil işlemede standart bir teknik olma potansiyeliyle, bu alanda önemli bir odak noktası olmaya devam etmesi bekleniyor. Bununla birlikte, toplumsal önyargılar ve kötüye kullanım olasılığı gibi bu ilerlemelerin potansiyel zorluklarını ve sınırlamalarını dikkate almak önemlidir.