Perspectives 2023 : prédire les événements futurs dans le domaine de l'intelligence artificielle

2022 est passé et c'est une période particulière de l'année pour envisager les développements futurs. Comme d'habitude, AI Era Frontier organise une collection d'articles sur les technologies et tendances futures au profit des lecteurs.

Ces dernières années, l'intelligence artificielle s'est développée à un rythme rapide, et il semble difficile de l'arrêter. À mesure que la dynamique s’accélère, quelle direction prendra l’IA en 2023 ? Les experts ont quelque chose à dire.

De nombreux projets d'intelligence artificielle sont mal conçus, conduisant à un éventuel échec. Zohar Bronfman, co-fondateur et PDG de Pecan AI, a déclaré qu'en 2023, les entreprises seront plus vigilantes lorsqu'elles évalueront l'efficacité de l'intelligence artificielle.

« En 2023, les chefs d’entreprise évalueront les projets potentiels de science des données avec plus de rigueur que par le passé. Trop souvent, ces projets n’ont pas d’impact réel parce qu’ils ne sont pas alignés sur les besoins de l’entreprise ou parce qu’ils n’arrivent jamais en production. Science des données "Compte tenu des coûts et du temps que cela implique, les dirigeants examineront plus attentivement le travail proposé et suivront les bons plans", a déclaré Bronfman, ou s'arrêteront avant que les ressources ne soient gaspillées. "

En 2023, la demande de data scientists continuera de croître. augmenter. Nick Elprin, PDG et co-fondateur de Domino Data Labs, prédit que la demande de GPU pour la formation de modèles d'apprentissage profond sera la même.

« La plus grande source d'améliorations de l'intelligence artificielle a été le déploiement de l'apprentissage profond dans les systèmes de formation, en particulier les modèles Transformer, des tâches conçues pour simuler les actions des neurones du cerveau humain. Ces avancées nécessitent une énorme puissance de calcul pour analyser de grandes quantités de données. Ensembles de données structurés et non structurés. Contrairement aux processeurs, les unités de traitement graphique (GPU) peuvent prendre en charge le traitement parallèle requis pour les charges de travail d'apprentissage en profondeur, ce qui signifie qu'en 2023, à mesure que de plus en plus d'applications basées sur la technologie d'apprentissage en profondeur émergeront, de la traduction de menus aux traitements des maladies. car les GPU vont continuer à monter en flèche."

Charlie Boyle, vice-président de Nvidia DGX Systems, soutient ce point de vue, qui espère vendre plus de GPU l'année prochaine.

« En 2023, les architectures informatiques traditionnelles inefficaces basées sur x86, qui ne peuvent pas prendre en charge le traitement parallèle, seront remplacées par des solutions informatiques accélérées qui fournissent les performances informatiques, l'évolutivité et l'efficacité nécessaires pour créer des modèles de langage, des moteurs de recommandation, etc. Dans un contexte économique défavorable, les entreprises rechercheront des solutions d'IA capables d'atteindre leurs objectifs tout en rationalisant les processus de collaboration informatique et en améliorant l'efficacité. Les nouvelles plates-formes qui utilisent des logiciels pour intégrer les flux de travail dans l'ensemble de l'infrastructure permettront des percées en matière de performances informatiques, une réduction du coût total de possession et une réduction des coûts. accélérer le retour sur investissement des projets d'IA transformateurs, en remplaçant les architectures plus coûteuses et plus anciennes »

Combien de temps pensez-vous qu'il faudra pour embaucher un data scientist qualifié ? Certaines personnes plaisantent en disant que c'est aussi difficile que de repérer une licorne. Le fondateur et PDG de Kyndi, Ryan Welsh, estime que 2023 sera l'année où le monde atteindra le « pic des data scientists ».

« La pénurie de data scientists et d'ingénieurs en apprentissage automatique a constitué un obstacle pour les entreprises à prendre conscience de la valeur de l'intelligence artificielle. En conséquence, deux choses se sont produites : de plus en plus de personnes poursuivent des diplômes et des certifications en science des données, augmentant ainsi le nombre de données. les scientifiques et les fournisseurs proposent de nouvelles façons de minimiser l’implication des data scientists dans la production de l’IA. L’interférence simultanée de ces deux tendances conduit à un « pic de data scientists » à mesure que des modèles fondamentaux émergent sur lesquels les entreprises peuvent construire leurs propres applications. obligeant chaque entreprise à former ses propres modèles à partir de zéro. Moins de data scientists seront nécessaires pour former des modèles personnalisés, tandis que davantage d'entre eux obtiendront leur diplôme en 2023, et le marché devrait réagir en conséquence, conduisant à une sursaturation de la science des données.

Triveni Gandhi, responsable de l'intelligence artificielle responsable chez le fournisseur d'outils de science des données Dataiku, prédit que nous pouvons nous attendre à voir l'intelligence artificielle éthique continuer d'attirer l'attention et les ressources des entreprises.

« Bien que nous ayons vu certaines entreprises supprimer des emplois en IA éthique dans l'actualité, la réalité est que la plupart des entreprises continueront d'investir dans leurs équipes d'IA éthiques. Les résultats de l'IA sont alignés sur leurs valeurs et exécutés de manière robuste et fiable. De plus, Ethical AI Group donne aux utilisateurs l'assurance que les produits avec lesquels ils interagissent ont été pris en compte et répondent aux attentes de toute entreprise. gardez une longueur d’avance, bâtir une équipe d’IA éthique est un must »

.

L’un des dilemmes du deep learning est la nature boîte noire des modèles prédictifs. Une façon de résoudre ce problème consiste à associer l’intelligence artificielle à des graphiques de connaissances causales d’ici 2023, a déclaré Jans Aasman, PDG du fabricant de bases de données graphiques Franz.

« Les prochaines années verront une croissance de l'IA causale, à commencer par la création de graphiques de connaissances qui découvrent les relations de cause à effet entre les événements. Les organisations de soins de santé, de produits pharmaceutiques, de services financiers, de fabrication et de chaîne d'approvisionnement combineront des graphiques de connaissances spécifiques à un domaine. avec cause et effet, les graphiques sont connectés et simulés pour aller au-delà de l'apprentissage automatique basé sur la corrélation qui s'appuie sur des données historiques. La prédiction causale a le potentiel d'améliorer l'explicabilité de l'IA en rendant les relations causales transparentes.

Maya Natarajan, directrice principale du marketing produit chez le fabricant de bases de données graphiques Neo4j, prévoit également des progrès significatifs dans la combinaison des graphiques et de l'IA.

Natarajan a déclaré : « Les entreprises continueront à rechercher les meilleurs moyens d'exploiter les graphiques de connaissances pour permettre une intelligence artificielle responsable. En tirant parti du contexte fourni par les graphiques de connaissances, les organisations peuvent améliorer la précision de la prise de décision éthique en maintenant le flux de données à un niveau stable. sa source. Améliorez l'interprétabilité et contribuez à atténuer les biais en ouvrant de nouvelles méthodes d'analyse.

L'intelligence artificielle trouvera les bases de données vectorielles encore plus attrayantes l'année prochaine. C’est ce que pense Edo Liberty, fondateur et PDG de Pinecone, l’un des premiers leaders sur le marché des bases de données vectorielles.

« À mesure que l'IA continue de se développer et de devenir plus largement utilisée, il y aura un besoin correspondant d'une infrastructure plus avancée et évolutive pour soutenir son développement et son déploiement. Un domaine clé d'investissement dans l'infrastructure de l'IA sera l'infrastructure de données dédiée, telle que. Les bases de données vectorielles, sont conçues pour stocker et traiter les grandes quantités de données générées par les modèles ML modernes, a déclaré Liberty : « Cela accélérera le développement et le déploiement de systèmes d'intelligence artificielle qui dépasseront les applications de l'année précédente dans de nombreux domaines. «

Ces dernières années, les entreprises ont accru leur recours à l'intelligence artificielle, avec des résultats mitigés. Mais Kimberly Nevala, responsable des solutions métiers chez SAS Consulting, prédit qu'en 2023, l'intelligence artificielle entrera dans une phase de croissance « moins c'est plus ».

« À mesure que les organisations réalisent que « moins c'est plus », l'IA va proliférer et déplacer progressivement l'attention de l'innovation à grande échelle comme objectif vers une application à un plus large éventail de petits points de décision et d'actions dont l'impact collectif est supérieur à la somme. de ses parties. Paradoxalement, les organisations et les employés clés doivent avoir une large compréhension de ces technologies et être à l’aise avec leur utilisation. "

Vous avez donc investi massivement dans le GPU pour entraîner votre réseau neuronal. Qu'en faites-vous ? Il y a toujours des requêtes SQL qui nécessitent une puissance supplémentaire", a déclaré Matan Libis, vice-président des produits chez

. « La capacité de l'IA/ML à réutiliser les ressources informatiques constitue une opportunité passionnante et précieuse pour les entreprises. Non seulement la réutilisation réduit l’empreinte carbone laissée par l’IA, mais l’augmentation générale des solutions mondiales de stockage de données moins chères réduit également la dépendance au matériel GPU. De plus, la latence peut être réduite lorsque vous n’avez pas besoin de déplacer les données d’un endroit à un autre. Cependant, une fois que les entreprises prépareront les données à un endroit, s’entraîneront à un autre et déplaceront l’inférence à un autre encore, en rationalisant le processus, nous verrons d’énormes améliorations dans la précision et la rapidité des capacités d’IA/ML. "

Yonatan Geifman, PDG et co-fondateur de la société d'apprentissage profond Deci, a déclaré que le coût élevé du cloud computing exerce une pression sur tout le monde, mais que les utilisateurs de l'intelligence artificielle peuvent lutter contre la hausse des coûts en optimisant les modèles.

"Toujours sur les entreprises en cours d'exécution Les modèles d’IA dans les environnements cloud constatent les conséquences financières que le traitement cloud hautes performances peut leur coûter. En 2023, de plus en plus d’entreprises pourraient chercher à réduire les coûts du cloud d’inférence IA. L’un des moyens les plus efficaces d’y parvenir consiste à augmenter la vitesse des modèles d’IA tout en conservant leur précision, en réduisant le temps de traitement sur le cloud et en économisant efficacement de l’argent. « 

Le scientifique en chef Evinced, Yossi Synett, prédit qu'en 2023, nous verrons davantage de percées dans la technologie d'apprentissage automatique auto-supervisé qui ne nécessite pas de données étiquetées.

« L’un des facteurs qui freinent la croissance de l’IA est le manque de données labellisées de haute qualité. Même si nous constatons déjà des progrès aujourd’hui, la croissance se poursuivra en 2023. Nous trouvons de plus en plus de moyens d’utiliser l’apprentissage auto-supervisé pour former des modèles. Pré-entraîner puis affiner le modèle pour une tâche spécifique. Les exemples les meilleurs et les plus efficaces sont le NLP (Natural Language Processing), où on l'appelle modélisation du langage masqué (permettant au modèle de prédire les mots cachés dans une phrase) et causalité. construction du langage. La technique de modélisation (laisser le modèle prédire le mot suivant dans une phrase) change la donne puisque l'apprentissage auto-supervisé ne nécessite aucune donnée étiquetée et que le réglage fin en nécessite beaucoup moins, ce qui facilite la formation de modèles complexes. réduit encore les obstacles financiers aux projets d'IA grâce à une meilleure sélection d'exemples étiquetés. mieux comprendre l'intention.

« En 2023 et au-delà, le déploiement de l'IA et de la perception du signal s'accélérera de façon exponentielle. L'IA vaincra la perception, le jugement et l'interprétation juridique biaisés. L'industrie élaborera davantage de solutions pour briser les préjugés afin que l'IA puisse être utilisée dans l'interprétation de ses processus d'action. tout en fournissant des solutions aux consommateurs, les interfaces utilisateur évolueront au-delà des expériences basées sur les applications, passant d'interactions tactiles non visuelles à des appels d'action contextuels et à des interactions basées sur le langage et les gestes. L'intelligence artificielle requise pour alimenter ces expériences augmentera considérablement, allant au-delà. il suffit de comprendre le langage pour vraiment saisir l'intention cachée de chaque interaction.

« À mesure que les entreprises s'affranchissent des contraintes des systèmes existants et sont capables de rassembler des ensembles massifs de données provenant de systèmes disparates, nous verrons des cas d'utilisation sans précédent de l'IA et de l'apprentissage automatique. Par exemple, dans la construction automobile, nous commençons tout juste à le faire. voir L'émergence de plates-formes de données de fabrication de nouvelle génération, ou de plates-formes cloud uniques et unifiées, permet aux fabricants de regrouper toutes les données dans l'ensemble de leur organisation et, une fois qu'ils disposent des données, ils peuvent commencer à créer des applications d'IA

.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!