Cinco tendencias de IA a tener en cuenta en 2022 – thenewstack
La pandemia de COVID-19 aceleró la adopción de la inteligencia artificial o aprendizaje automático en 2021. Las demandas empresariales de automatización y los avances en hardware y software de IA están haciendo que la IA aplicada sea una realidad.
Aquí hay cinco tendencias de inteligencia artificial para 2022:
Tendencia 1: Modelos de lenguaje grandes (LLM) que definen la próxima ola de IA conversacional
Modelos de lenguaje basados en Técnicas y algoritmos de procesamiento del lenguaje natural para determinar la probabilidad de que una determinada secuencia de palabras aparezca en una oración, estos modelos pueden predecir la siguiente palabra en una oración, resumir información del texto e incluso crear gráficos visuales a partir de texto sin formato.
Los modelos de lenguajes grandes (LLM) se entrenan en conjuntos de datos masivos que contienen grandes cantidades de datos. BERT de Google y GPT-2 y GPT-3 de OpenAI son algunos ejemplos de LLM. Se sabe que GPT-3 fue entrenado en 570 GB de texto con 175 mil millones de parámetros. Estos modelos pueden generar cualquier cosa, desde documentos simples hasta modelos financieros complejos.
Las nuevas empresas de IA, incluidas OpenAI, Hugging Face, Cohere y AI21 Labs, están superando los límites del LLM al entrenar modelos con miles de millones de parámetros.
PanGu-Alpha de Huawei y Ernie 3.0 Titan de Baidu fueron entrenados en conjuntos de datos chinos a nivel de terabytes, incluidos libros electrónicos, enciclopedias y redes sociales.
En 2022, veremos modelos lingüísticos a gran escala convertirse en la base de la próxima generación de herramientas de IA conversacional.
Tendencia 2: El auge de la inteligencia artificial multimodal
Los algoritmos de aprendizaje profundo se han centrado tradicionalmente en entrenar modelos a partir de una fuente de datos. Por ejemplo,
Este tipo de aprendizaje automático está asociado con la IA unimodal, donde los resultados se asignan a una única fuente de tipo de datos: imagen, texto, voz.
La IA multimodal es la fusión definitiva de visión por computadora y modelos de IA conversacional, que ofrece escenarios potentes que se acercan más a la percepción humana. Combina modos visuales y de voz para llevar el razonamiento de la inteligencia artificial al siguiente nivel.
Un ejemplo reciente de IA multimodal es DALL-E de OpenAI, que puede generar imágenes a partir de descripciones de texto.
El Modelo Unificado Multitarea (MUM) de Google es otro ejemplo de IA multimodal. Promete mejorar la experiencia de búsqueda de los usuarios al priorizar los resultados basándose en información contextual extraída de 75 idiomas diferentes. MUM utiliza el marco de texto a texto T5 y es 1000 veces más potente que BERT, el popular modelo de procesamiento de lenguaje natural basado en transformadores.
El modelo GauGAN2 de NVIDIA generará imágenes fotorrealistas basadas en una simple entrada de texto.
Tendencia 3: simplificar y optimizar MLOps
Las operaciones de aprendizaje automático (MLOps), o la práctica de aplicar el aprendizaje automático a la producción industrial, ¡es compleja!
MLOps es uno de los conceptos que se ha incorporado a las plataformas de aprendizaje automático basadas en la nube, como Amazon SageMaker de Amazon Web Services, Azure ML y Google Vertex AI. Sin embargo, estas funciones no están disponibles en entornos informáticos híbridos y de vanguardia. Por lo tanto, los modelos de monitoreo en el borde están demostrando ser un desafío importante para las empresas. Los modelos de monitoreo de borde se vuelven más desafiantes cuando se trata de sistemas de visión por computadora y sistemas de inteligencia artificial conversacional.
MLOps se ha vuelto bastante accesible debido a la madurez de proyectos de código abierto como Kubeflow y MLflow. En los próximos años, surgirá un enfoque optimizado y simplificado para MLOps que abarcará los entornos de computación en la nube y en el borde.
Tendencia 4: desarrollo de código bajo impulsado por IA
La inteligencia artificial afectará la programación y el desarrollo de TI.
El auge de los grandes modelos de lenguaje (LLM) y la mayor disponibilidad de código fuente abierto ha permitido a los proveedores de IDE crear generación y análisis de código inteligente.
En el futuro, espere ver herramientas que puedan generar código compacto y de alta calidad a partir de comentarios en línea. Incluso pueden traducir código escrito en un idioma a otro, modernizando las aplicaciones al convertir el código heredado a idiomas modernos.
Tendencia 5: Nuevas soluciones de inteligencia artificial vertical
Amazon Connect y Google Contact Center AI son ejemplos clásicos de integración vertical. Ambos aprovechan las capacidades de aprendizaje automático para realizar enrutamiento inteligente, conversaciones impulsadas por bots y asistencia automatizada para los agentes del centro de contacto.
Estos servicios están altamente personalizados para las industrias verticales de venta minorista y fabricación.