Outlook 2023: Meramalkan peristiwa masa depan dalam kecerdasan buatan

2022 telah berlalu, dan ia adalah masa yang istimewa dalam setahun untuk menantikan pembangunan masa hadapan. Seperti biasa, AI Era Frontier menganjurkan koleksi artikel tentang teknologi dan trend masa depan untuk manfaat pembaca.

Dalam beberapa tahun kebelakangan ini, kecerdasan buatan telah berkembang dengan pantas dan nampaknya sukar bagi sesiapa sahaja untuk menghalangnya. Apabila momentum berkembang, arah manakah yang akan diambil oleh AI pada tahun 2023? Pakar mempunyai sesuatu untuk dikatakan.

Banyak projek kecerdasan buatan kurang difikirkan dan akhirnya gagal. Zohar Bronfman, pengasas bersama dan Ketua Pegawai Eksekutif Pecan AI, berkata pada 2023, perusahaan akan lebih berhati-hati apabila menilai keberkesanan kecerdasan buatan.

“Pada tahun 2023, pemimpin perniagaan akan menilai projek sains data yang berpotensi dengan lebih teliti berbanding sebelum ini. Selalunya projek ini gagal memberi kesan sebenar kerana ia tidak sejajar dengan keperluan perniagaan, atau kerana mereka tidak pernah berjaya. kepada pengeluaran. Dengan komitmen perbelanjaan dan masa yang terlibat dalam sains data, pemimpin akan meneliti usaha yang dicadangkan dengan lebih teliti dan meneruskan rancangan yang betul," kata Bronfman. "Kami akan terus berusaha untuk memastikan bahawa dalam jangka pendek, berdasarkan output model , kita boleh memajukan tindakan penambahbaikan perniagaan, atau berhenti sebelum sumber dibazirkan”

Pada tahun 2023, permintaan untuk saintis data akan terus meningkat. Nick Elprin, Ketua Pegawai Eksekutif dan pengasas bersama Domino Data Labs, meramalkan bahawa permintaan untuk GPU untuk latihan model pembelajaran mendalam adalah sama.

“Sumber peningkatan terbesar dalam kecerdasan buatan ialah penggunaan pembelajaran mendalam dalam sistem latihan, terutamanya model Transformer, tugas yang direka untuk mensimulasikan tindakan neuron dalam otak manusia menganalisis sejumlah besar set data berstruktur dan tidak berstruktur Tidak seperti CPU, unit pemprosesan grafik (GPU) boleh menyokong pemprosesan selari yang diperlukan untuk beban kerja pembelajaran mendalam Ini bermakna pada tahun 2023, apabila lebih banyak aplikasi berdasarkan teknologi pembelajaran mendalam muncul, daripada menu menterjemah. untuk merawat penyakit, permintaan untuk GPU akan terus meningkat."

Menyokong pandangan ini ialah Charlie Boyle, naib presiden sistem DGX di Nvidia, yang berharap dapat menjual lebih banyak GPU tahun depan.

“Pada tahun 2023, seni bina pengkomputeran tradisional berasaskan x86 yang tidak cekap dan tidak menyokong pemprosesan selari akan digantikan dengan penyelesaian pengkomputeran dipercepatkan yang akan menyediakan prestasi pengkomputeran yang diperlukan untuk membina model bahasa, enjin pengesyoran dan banyak lagi , skala dan Di tengah-tengah masalah ekonomi, perusahaan akan mencari penyelesaian AI yang boleh mencapai matlamat mereka sambil memudahkan proses kerjasama IT dan meningkatkan kecekapan Platform baharu yang menggunakan perisian untuk menyepadukan aliran kerja merentas infrastruktur akan membolehkan pencapaian dalam prestasi pengkomputeran dan mengurangkan kos keseluruhan , pengurangan jejak karbon, pulangan pelaburan yang dipercepatkan untuk projek AI transformatif, menggantikan seni bina yang lebih membazir dan lama ”

Berapa lama pada pendapat anda masa yang diambil untuk mengupah saintis data yang berkelayakan? Sesetengah orang bergurau bahawa ia sama sukarnya dengan mengesan unicorn. Pengasas dan Ketua Pegawai Eksekutif Kyndi Ryan Welsh percaya bahawa 2023 akan menjadi tahun apabila dunia mencapai "saintis data puncak".

“Kekurangan saintis data dan jurutera pembelajaran mesin telah menjadi penghalang bagi perusahaan untuk merealisasikan nilai kecerdasan buatan Akibatnya, dua perkara telah berlaku: Lebih ramai orang sedang mengejar ijazah dan pensijilan sains data, dan bilangan saintis data telah meningkat; dan vendor menghasilkan cara baharu untuk meminimumkan penglibatan saintis data dalam pengeluaran AI ini secara serentak mengganggu kemunculan "puncak saintis data" apabila model asas tersedia kepada syarikat. . Daripada menghendaki setiap syarikat melatih modelnya sendiri dari awal, lebih sedikit saintis data akan diperlukan untuk melatih model itu, dan lebih ramai daripada mereka akan menamatkan pengajian pada tahun 2023. Bertindak balas dengan sewajarnya, yang membawa kepada ketepuan sains data."

Triveni Gandhi, ketua AI di penyedia alat sains data Dataiku, meramalkan bahawa kita boleh mengharapkan untuk melihat AI beretika terus menarik perhatian dan sumber korporat.

“Walaupun kami telah melihat beberapa syarikat memotong pekerjaan AI beretika dalam berita, realitinya ialah kebanyakan syarikat akan terus melabur dalam pasukan AI beretika mereka. Sumber ini penting untuk skala dan skop Operasi AI adalah kritikal, membantu syarikat berasa yakin bahawa output AI mereka sejajar dengan nilai mereka dan dilaksanakan dengan cara yang mantap dan boleh dipercayai Selain itu, kumpulan AI Etika memberi keyakinan kepada pengguna bahawa produk yang mereka berinteraksi adalah dipertimbangkan dan memenuhi keperluan keselamatan. dan mempercayai jangkaan Untuk mana-mana syarikat untuk terus berada di hadapan, membina pasukan AI yang beretika adalah satu kemestian.”

Salah satu dilema pembelajaran mendalam ialah sifat kotak hitam model ramalan. Satu cara untuk menyelesaikan masalah ini ialah memasangkan kecerdasan buatan dengan graf pengetahuan sebab menjelang 2023, kata Jans Aasman, Ketua Pegawai Eksekutif pembuat pangkalan data graf Franz.

“Beberapa tahun akan datang akan menyaksikan pertumbuhan dalam AI kausal, bermula dengan penciptaan graf pengetahuan yang menemui hubungan sebab akibat antara peristiwa Penjagaan kesihatan, farmaseutikal, perkhidmatan kewangan, pembuatan dan organisasi rantaian bekalan akan membawa domain khusus. Graf pengetahuan dipautkan kepada graf sebab dan disimulasikan untuk bergerak melangkaui pembelajaran mesin berasaskan korelasi yang bergantung pada data sejarah Ramalan sebab mempunyai potensi untuk meningkatkan kebolehjelasan AI dengan menjadikan hubungan sebab akibat telus.

Maya Natarajan, pengarah kanan pemasaran produk di pembuat pangkalan data graf Neo4j, juga meramalkan kemajuan ketara dalam gabungan graf dan AI.

Natarajan berkata: “Perusahaan akan terus mencari cara terbaik untuk memanfaatkan graf pengetahuan bagi membolehkan kecerdasan buatan yang bertanggungjawab Dengan memanfaatkan konteks yang disediakan oleh graf pengetahuan, organisasi boleh meningkatkan ketepatan membuat keputusan beretika dengan mengekalkan. sumber data aliran untuk meningkatkan kebolehtafsiran dan membantu mengurangkan berat sebelah dengan membuka kaedah analisis baharu.”

Tahun depan AI akan mendapati pangkalan data vektor lebih menarik. Itulah yang difikirkan oleh Edo Liberty, pengasas dan Ketua Pegawai Eksekutif Pinecone, salah seorang pemimpin awal dalam pasaran pangkalan data vektor.

“Memandangkan AI terus berkembang dan digunakan secara lebih meluas, akan terdapat keperluan yang sepadan untuk infrastruktur yang lebih maju dan berskala untuk menyokong pembangunan dan penggunaannya Bidang utama untuk pelaburan infrastruktur AI Akan menjadi infrastruktur data khusus. seperti pangkalan data vektor, yang direka untuk menyimpan dan memproses sejumlah besar data yang dijana oleh model ML moden, Liberty berkata: "Ini akan mempercepatkan pembangunan dan penggunaan sistem kecerdasan buatan yang akan mengatasi generasi sebelumnya dalam banyak bidang. Satu tahun aplikasi . "

Syarikat telah meningkatkan penggunaan kecerdasan buatan mereka dalam beberapa tahun kebelakangan ini, dengan hasil yang bercampur-campur. Tetapi Kimberly Nevala, pengurus penyelesaian perniagaan di SAS Consulting, meramalkan bahawa pada tahun 2023, kecerdasan buatan akan memasuki "kurang lebih" Peringkat pertumbuhan.

"AI akan berkembang pesat apabila organisasi menyedari "kurang adalah lebih" dan secara senyap-senyap mengalihkan fokus daripada inovasi berskala besar sebagai matlamat kepada digunakan pada julat yang lebih luas daripada titik keputusan dan tindakan kecil, Kolektifnya impak lebih besar daripada jumlah bahagiannya. Secara paradoks, organisasi dan pekerja utama perlu mempunyai pemahaman yang luas tentang teknologi ini dan selesa menggunakannya. ”

Jadi, anda telah melabur banyak dalam GPU untuk melatih rangkaian saraf anda Apa yang anda lakukan dengannya? Selalu ada beberapa pertanyaan SQL yang memerlukan kuasa kuda tambahan, kata Matan Libis, naib presiden produk di SQream. .

“Keupayaan untuk menggunakan semula sumber pengkomputeran untuk AI/ML ialah peluang yang menarik dan berharga untuk perusahaan. Penggunaan semula bukan sahaja mengurangkan jejak karbon yang ditinggalkan oleh AI, tetapi peningkatan umum dalam penyelesaian penyimpanan data global yang lebih murah juga mengurangkan pergantungan pada perkakasan GPU. Selain itu, kependaman boleh dikurangkan apabila anda tidak perlu mengalihkan data dari satu tempat ke tempat lain. Walau bagaimanapun, sebaik sahaja perusahaan menyediakan data di satu tempat, melatih di tempat lain, dan mengalihkan inferens ke tempat lain, diharapkan dengan memperkemas proses, kita akan melihat peningkatan besar dalam ketepatan dan kelajuan keupayaan AI/ML. "

Yonatan Geifman, Ketua Pegawai Eksekutif dan pengasas bersama syarikat pembelajaran mendalam Deci, berkata kos tinggi pengkomputeran awan memberi tekanan kepada semua orang, tetapi pengguna kecerdasan buatan boleh memerangi peningkatan kos dengan mengoptimumkan model.

“Perusahaan yang telah menjalankan model AI dalam persekitaran awan melihat tol kewangan yang boleh ditanggung oleh pemprosesan awan berprestasi tinggi terhadap mereka. 2023 mungkin menyaksikan lebih banyak syarikat ingin mengurangkan kos awan inferens AI. Salah satu cara paling berkesan untuk mencapai matlamat ini ialah meningkatkan kelajuan model AI sambil mengekalkan ketepatannya, mengurangkan masa pemprosesan pada awan dan menjimatkan wang dengan berkesan. ”

Ketua saintis terkenal Yossi Synett meramalkan bahawa pada tahun 2023, kita akan melihat lebih banyak kejayaan dalam teknologi pembelajaran mesin penyeliaan sendiri yang tidak memerlukan data berlabel.

“Satu faktor yang menghalang pembangunan AI ialah kekurangan data berlabel berkualiti tinggi Walaupun kami sudah melihat kemajuan hari ini, pertumbuhan akan berterusan pada 2023. Kami mencari lebih banyak cara untuk menggunakan pembelajaran penyeliaan sendiri untuk. Contoh terbaik dan paling berkesan untuk ini adalah dalam NLP (Pemprosesan Bahasa Semulajadi), di mana model dilatih dan kemudian diperhalusi untuk tugas tertentu, di mana ia dipanggil pemodelan bahasa bertopeng (membuat model meramalkan perkataan tersembunyi dalam ayat) dan kausalitas Teknik pemodelan bahasa (mempunyai model meramal perkataan seterusnya dalam ayat) adalah pengubah permainan kerana pembelajaran penyeliaan kendiri tidak memerlukan data berlabel, manakala penalaan halus memerlukan lebih sedikit, menjadikannya lebih mudah untuk melatih model yang kompleks . dan lebih memahami niat.

“Pada tahun 2023 dan seterusnya, penggunaan kecerdasan buatan dan persepsi isyarat akan dipercepatkan dengan pesat AI akan mengalahkan persepsi berat sebelah, pertimbangan dan tafsiran undang-undang penyelesaian kepada pengguna sambil menerangkan tindakan mereka. Mereka akan bergerak melangkaui pengalaman berasaskan aplikasi daripada interaksi ketukan/sentuhan bukan visual kepada panggilan tindakan visual yang disampaikan secara kontekstual dan interaksi berasaskan gerak isyarat pengalaman akan meningkat secara mendadak, melampaui sekadar memahami bahasa untuk benar-benar memahami maksud tersembunyi setiap interaksi ”

GFT, sebuah syarikat IT Jerman, Marco Santos meramalkan bahawa pada tahun 2023 kita akan melihat kes penggunaan yang belum pernah berlaku sebelum ini kecerdasan dan pembelajaran mesin muncul dan akhirnya menjadi arus perdana.

“Apabila syarikat melepaskan diri daripada kekangan sistem warisan dan dapat mengumpulkan set data besar-besaran daripada sistem yang berbeza, kami akan melihat kes penggunaan yang belum pernah berlaku sebelum ini untuk AI dan pembelajaran mesin Contohnya, dalam pembuatan automotif, Kami baru mula melihat kemunculan platform data pembuatan generasi akan datang, atau platform berasaskan awan tunggal yang disatukan di mana pengeluar mengagregatkan semua data merentas organisasi mereka dan setelah mereka mempunyai data, mereka boleh mula membina aplikasi AI." >

Atas ialah kandungan terperinci Outlook 2023: Meramalkan peristiwa masa depan dalam kecerdasan buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!