Ausblick 2023: Vorhersage zukünftiger Ereignisse in der künstlichen Intelligenz

2022 ist vorbei und es ist eine besondere Zeit des Jahres, um sich auf die zukünftige Entwicklung zu freuen. Wie üblich organisiert AI Era Frontier eine Sammlung von Artikeln über zukünftige Technologien und Trends zum Nutzen der Leser.

In den letzten Jahren ist die künstliche Intelligenz rasant gewachsen und es scheint schwierig, irgendetwas dagegen zu unternehmen. Welche Richtung wird die KI im Jahr 2023 einschlagen, wenn die Dynamik zunimmt? Experten haben etwas zu sagen.

Viele Projekte im Bereich der künstlichen Intelligenz sind schlecht konzipiert, was letztendlich zum Scheitern führt. Zohar Bronfman, Mitbegründer und CEO von Pecan AI, sagte, dass Unternehmen im Jahr 2023 bei der Bewertung der Wirksamkeit künstlicher Intelligenz wachsamer sein werden.

„Im Jahr 2023 werden Unternehmensleiter potenzielle Data-Science-Projekte strenger bewerten als in der Vergangenheit. Zu oft erzielen diese Projekte keine wirkliche Wirkung, weil sie nicht auf die Geschäftsanforderungen abgestimmt sind oder weil sie es nie in die Produktion schaffen.“ Datenwissenschaft „Angesichts der damit verbundenen Kosten und des Zeitaufwands werden Führungskräfte die vorgeschlagenen Arbeiten sorgfältiger prüfen und die richtigen Pläne verfolgen“, sagte Bronfman. „Oder aufhören, bevor Ressourcen verschwendet werden.“

Im Jahr 2023 wird die Nachfrage nach Datenwissenschaftlern anhalten Zunahme. Nick Elprin, CEO und Mitbegründer von Domino Data Labs, prognostiziert, dass die Nachfrage nach GPUs für das Deep-Learning-Modelltraining gleich bleiben wird.

„Die größte Quelle für Verbesserungen in der künstlichen Intelligenz war der Einsatz von Deep Learning in Trainingssystemen, insbesondere Transformer-Modellen, Aufgaben, die die Aktionen von Neuronen im menschlichen Gehirn simulieren sollen. Diese Durchbrüche erfordern enorme Rechenleistung, um große Mengen davon zu analysieren.“ Im Gegensatz zu CPUs können Grafikprozessoren (GPUs) die für Deep-Learning-Workloads erforderliche Parallelverarbeitung unterstützen für GPUs wird weiter steigen.“

Diese Ansicht wird von Charlie Boyle, Vizepräsident für DGX-Systeme bei Nvidia, unterstützt, der hofft, im nächsten Jahr mehr GPUs verkaufen zu können.

„Im Jahr 2023 werden ineffiziente, x86-basierte Legacy-Computing-Architekturen, die keine parallele Verarbeitung unterstützen können, durch beschleunigte Computing-Lösungen ersetzt, die die erforderliche Rechenleistung, Skalierbarkeit und Effizienz bieten, um Sprachmodelle, Empfehlungs-Engines und mehr zu erstellen. Inmitten wirtschaftlicher Gegenwinde Unternehmen werden nach KI-Lösungen suchen, die ihre Ziele erreichen und gleichzeitig die IT-Zusammenarbeitsprozesse optimieren und die Effizienz verbessern können. Neue Plattformen, die Software zur Integration von Arbeitsabläufen in der gesamten Infrastruktur nutzen, werden Durchbrüche bei der Rechenleistung ermöglichen, die Gesamtbetriebskosten senken und den CO2-Fußabdruck beschleunigen „Return on Investment für transformative KI-Projekte, die verschwenderischere, ältere Architekturen ersetzen“

Wie lange wird es Ihrer Meinung nach dauern, einen qualifizierten Datenwissenschaftler einzustellen? Jemand scherzte, dass es genauso schwierig sei, wie ein Einhorn zu entdecken. Ryan Welsh, Gründer und CEO von Kyndi, glaubt, dass 2023 das Jahr sein wird, in dem die Welt den „Höhepunkt der Datenwissenschaftler“ erreicht.

„Der Mangel an Datenwissenschaftlern und Ingenieuren für maschinelles Lernen war für Unternehmen ein Hindernis, den Wert der künstlichen Intelligenz zu erkennen. Infolgedessen sind zwei Dinge passiert: Immer mehr Menschen streben nach Abschlüssen und Zertifizierungen in Datenwissenschaft, was die Anzahl der Daten erhöht Wissenschaftler und Zulieferer schlagen neue Wege vor, um die Beteiligung von Datenwissenschaftlern an der KI-Produktion zu minimieren „Jedes Unternehmen muss seine eigenen Modelle von Grund auf trainieren, während im Jahr 2023 mehr Datenwissenschaftler ihren Abschluss machen werden, und es wird erwartet, dass der Markt entsprechend reagiert, was zu einer Übersättigung der Datenwissenschaft führt.“

Triveni Gandhi, Leiterin für verantwortungsvolle künstliche Intelligenz beim Anbieter von Datenwissenschaftstools Dataiku, prognostiziert, dass ethische künstliche Intelligenz weiterhin die Aufmerksamkeit und Ressourcen von Unternehmen auf sich ziehen wird.

„Während wir in den Nachrichten gesehen haben, dass einige Unternehmen ethische KI-Arbeitsplätze abbauen, ist die Realität so, dass die meisten Unternehmen weiterhin in ihre ethischen KI-Teams investieren werden. Diese Ressource ist für die Skalierung und den Betrieb von KI von entscheidender Bedeutung und hilft Unternehmen dabei, sich darauf zu verlassen.“ Die Ergebnisse der KI sind auf ihre Werte ausgerichtet und werden auf robuste und zuverlässige Weise ausgeführt. Darüber hinaus gibt die Ethical AI Group den Benutzern die Gewissheit, dass die Produkte, mit denen sie interagieren, berücksichtigt wurden und die Sicherheits- und Vertrauenserwartungen jedes Unternehmens erfüllen Bleiben Sie immer einen Schritt voraus, der Aufbau eines ethischen KI-Teams ist ein Muss.“

Eines der Dilemmata des Deep Learning ist der Black-Box-Charakter von Vorhersagemodellen. Eine Möglichkeit, dieses Problem zu lösen, besteht darin, bis 2023 künstliche Intelligenz mit kausalen Wissensgraphen zu kombinieren, sagte Jans Aasman, CEO des Graphdatenbankherstellers Franz.

„In den nächsten Jahren wird es ein Wachstum der kausalen KI geben, beginnend mit der Erstellung von Wissensgraphen, die Ursache-Wirkungs-Beziehungen zwischen Ereignissen aufdecken. Unternehmen aus den Bereichen Gesundheitswesen, Pharmazie, Finanzdienstleistungen, Fertigung und Lieferkette werden domänenspezifische Wissensgraphen kombinieren.“ Mit Ursache und Wirkung werden Diagramme verknüpft und simuliert, um über das korrelationsbasierte maschinelle Lernen hinauszugehen, das auf historischen Daten basiert. Die kausale Vorhersage hat das Potenzial, die Erklärbarkeit von KI zu verbessern, indem kausale Zusammenhänge transparent gemacht werden.“

Maya Natarajan, Senior Director of Product Marketing beim Graphdatenbankhersteller Neo4j, sieht ebenfalls erhebliche Fortschritte bei der Kombination von Graphen und KI.

Natarajan sagte: „Unternehmen werden weiterhin nach den besten Möglichkeiten suchen, Wissensgraphen zu nutzen, um verantwortungsvolle künstliche Intelligenz zu ermöglichen. Durch die Nutzung des durch Wissensgraphen bereitgestellten Kontexts können Organisationen die Genauigkeit ethischer Entscheidungen verbessern, indem sie den Datenfluss aufrechterhalten seine Quelle. Verbessern Sie die Interpretierbarkeit und helfen Sie, Verzerrungen zu mildern, indem Sie neue Analysemethoden eröffnen.

Künstliche Intelligenz wird Vektordatenbanken im nächsten Jahr noch attraktiver finden. Das ist die Meinung von Edo Liberty, Gründer und CEO von Pinecone, einem der ersten Marktführer auf dem Markt für Vektordatenbanken.

„Da sich KI weiterentwickelt und immer weiter verbreitet wird, wird es einen entsprechenden Bedarf an einer fortschrittlicheren und skalierbaren Infrastruktur geben, um ihre Entwicklung und Bereitstellung zu unterstützen. Ein Schlüsselbereich der KI-Infrastrukturinvestitionen wird dedizierte Dateninfrastruktur sein, wie z Vektordatenbanken seien darauf ausgelegt, die riesigen Datenmengen zu speichern und zu verarbeiten, die von modernen ML-Modellen generiert werden, sagte Liberty: „Dies wird die Entwicklung und den Einsatz künstlicher Intelligenzsysteme beschleunigen, die die Anwendung des Vorjahres in vielen Bereichen übertreffen werden.“ „

In den letzten Jahren haben Unternehmen den Einsatz künstlicher Intelligenz verstärkt, mit gemischten Ergebnissen. Aber Kimberly Nevala, Business Solutions Manager bei SAS Consulting, prognostiziert, dass künstliche Intelligenz im Jahr 2023 in eine Wachstumsphase nach dem Motto „Weniger ist mehr“ eintreten wird.

„Wenn Unternehmen erkennen, dass „weniger mehr ist“, wird sich die KI ausbreiten und den Fokus stillschweigend von groß angelegten Innovationen als Ziel auf die Anwendung auf ein breiteres Spektrum kleiner Entscheidungspunkte und Maßnahmen verlagern, deren kollektive Auswirkungen größer sind als die Summe seiner Teile. Paradoxerweise müssen Organisationen und wichtige Mitarbeiter über ein umfassendes Verständnis dieser Technologien verfügen und mit deren Verwendung vertraut sein. „

Sie haben also viel in die GPU investiert, um Ihr neuronales Netzwerk zu trainieren. Was machen Sie damit? Es gibt immer einige SQL-Abfragen, die zusätzliche Leistung erfordern“, sagte Matan Libis, Vizepräsident für Produkte bei SQream

„Die Fähigkeit von KI/ML, Rechenressourcen wiederzuverwenden, ist eine spannende und wertvolle Chance für Unternehmen. Durch die Wiederverwendung wird nicht nur der von KI hinterlassene CO2-Fußabdruck verringert, sondern die allgemeine Zunahme billigerer globaler Datenspeicherlösungen verringert auch die Abhängigkeit von GPU-Hardware. Darüber hinaus kann die Latenz reduziert werden, wenn Sie keine Daten von einem Ort zum anderen verschieben müssen. Sobald Unternehmen jedoch Daten an einem Ort vorbereiten, an einem anderen trainieren und die Schlussfolgerungen an einen anderen Ort verlagern, werden wir hoffentlich durch eine Rationalisierung des Prozesses enorme Verbesserungen bei der Genauigkeit und Geschwindigkeit der KI/ML-Funktionen feststellen. „

Yonatan Geifman, CEO und Mitbegründer des Deep-Learning-Unternehmens Deci, sagte, dass die hohen Kosten des Cloud Computing alle unter Druck setzen, aber Nutzer künstlicher Intelligenz können steigende Kosten durch die Optimierung von Modellen bekämpfen.

„Immer auf Unternehmen laufen.“ KI-Modelle in Cloud-Umgebungen sehen, welchen finanziellen Tribut eine leistungsstarke Cloud-Verarbeitung für sie bedeuten kann. Im Jahr 2023 werden möglicherweise mehr Unternehmen versuchen, die Kosten für die KI-Inferenz-Cloud zu senken. Eine der effektivsten Möglichkeiten, dies zu erreichen, besteht darin, die Geschwindigkeit des KI-Modells zu erhöhen und gleichzeitig seine Genauigkeit beizubehalten, wodurch die Verarbeitungszeit in der Cloud verkürzt und effektiv Geld gespart wird. „

Der Chefwissenschaftler von Evinced, Yossi Synett, prognostiziert, dass wir im Jahr 2023 weitere Durchbrüche in der selbstüberwachten maschinellen Lerntechnologie sehen werden, die keine gekennzeichneten Daten erfordert.

„Ein Faktor, der das Wachstum der KI bremst, ist der Mangel an qualitativ hochwertigen, gekennzeichneten Daten. Während wir heute bereits Fortschritte sehen, wird sich das Wachstum im Jahr 2023 fortsetzen. Wir finden immer mehr Möglichkeiten, selbstüberwachtes Lernen zum Trainieren von Modellen zu nutzen.“ Vorabtraining und anschließende Feinabstimmung des Modells auf eine bestimmte Aufgabe. Die besten und effektivsten Beispiele hierfür sind NLP (Natural Language Processing), wo es maskierte Sprachmodellierung (das Modell dazu bringen, versteckte Wörter in einem Satz vorherzusagen) und kausal genannt wird Die Technik der Modellierung (das Modell das nächste Wort in einem Satz vorhersagen zu lassen) ist bahnbrechend, da für selbstüberwachtes Lernen keine gekennzeichneten Daten erforderlich sind, während für die Feinabstimmung viel weniger erforderlich ist, was das Trainieren komplexer Modelle erleichtert. Dadurch werden die finanziellen Hürden für KI-Projekte durch eine bessere Auswahl gekennzeichneter Beispiele weiter reduziert.“

Chintan Mehta, CEO und Group CIO von Wells Fargo, sagte, er sei im Jahr 2023 bereit für KI. Erreichen Sie höhere Ebenen, übernehmen Sie neue Benutzerinteraktionsmuster, und die Absicht besser verstehen.

„Im Jahr 2023 und darüber hinaus wird sich der Einsatz von KI und Signalwahrnehmung exponentiell beschleunigen. Die Branche wird mehr Lösungen entwickeln, um Vorurteile zu überwinden, damit KI bei der Interpretation ihrer Handlungsprozesse eingesetzt werden kann Gleichzeitig werden sich Benutzeroberflächen über App-basierte Erlebnisse hinaus von nicht-visuellen Tipp-/Touch-Interaktionen hin zu kontextbezogenen Aktionsaufrufen und sprach- und gestenbasierten Interaktionen verlagern Einfach nur die Sprache verstehen, um die verborgene Absicht jeder Interaktion wirklich zu begreifen.“

Marco Santos, US-CEO des deutschen IT-Unternehmens GFT, prognostiziert: Im Jahr 2023 werden beispiellose Anwendungsfälle für künstliche Intelligenz und maschinelles Lernen auftauchen und schließlich zum Mainstream werden.

„Wenn Unternehmen sich von den Zwängen veralteter Systeme lösen und in der Lage sind, riesige Datensätze aus unterschiedlichen Systemen zusammenzuführen, werden wir beispiellose Anwendungsfälle für KI und maschinelles Lernen sehen. Im Automobilbau fangen wir beispielsweise gerade erst an.“ siehe Das Aufkommen von Fertigungsdatenplattformen der nächsten Generation oder einzelnen und einheitlichen cloudbasierten Plattformen führt dazu, dass Hersteller alle Daten in ihrem gesamten Unternehmen zusammenfassen und sobald sie über die Daten verfügen, können sie mit der Entwicklung von KI-Anwendungen beginnen.“

Das obige ist der detaillierte Inhalt vonAusblick 2023: Vorhersage zukünftiger Ereignisse in der künstlichen Intelligenz. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!