E la democratizzazione dell’implementazione dell’IA
Wpoi ha chiesto ‘Come pensi che l’intelligenza artificiale cambierà noi (esseri umani)?Jeff Bezos ha preceduto la sua risposta con un commento stimolante.
“I grandi modelli linguistici nella loro forma attuale non sono invenzioni. Sono scoperte”.
E per illustrarlo con i suoi esempi, Galileo inventato il telescopio a più tardi scoprire le lune di Giove. Ancora i LLM all’estremità dello spettro della scoperta delle invenzioni sostenendo che “(al contrario di) un 787 (che) è un oggetto ingegnerizzato, gli LLM sono molto più simili a scoperte. Siamo costantemente sorpresi dalle loro capacità”.
I modelli linguistici di grandi dimensioni, che è possibile estendere all’intelligenza artificiale generativa nel suo complesso, stanno già determinando casi d’uso straordinariamente innovativi ovunque. Vengono confezionati in ogni forma e forma e spediti agli utenti come chatbot personalizzati per il servizio clienti, assistenti alla scrittura e persino incorporati in nuove funzionalità in strumenti di lunga data e ampiamente utilizzati come Adobe Photoshop. Quindi è vera tecnologia. Sono strumenti ingegnerizzati – già invenzioni – Giusto?
Beh, a volte l’involucro è semplicemente troppo sottile. Quando ti fermi a riflettere sul commento di Bezos¹ e inizi a guardare ogni versione di un nuovo GPT di OpenAI o un nuovo modello open source all’avanguardia di Meta esclusivamente come il risultato di una ricerca, noterai cosa potrebbe Essere In realtà accadendo – stiamo diventando molto abili nel colmare il divario tra le scoperte e i prodotti.
In questo articolo rifletto su come un nuovo settore stia democratizzando l’implementazione dell’intelligenza artificiale generativa e su come i sottoprodotti della ricerca e gli strumenti ampiamente disponibili siano ora più vicini che mai.
L’intelligenza artificiale generativa non è mai stata l’unico motore di implementazioni dirompenti dell’intelligenza artificiale, né è stata un campo onnipresente nel moderno machine learning ricerca. Al contrario, fino al 2020, anche se gli articoli sul deep learning hanno dominato quelli di Google Scholar elenco delle pubblicazioni più influentila ricerca sulla visione artificiale incentrata sul rilevamento di oggetti e sul riconoscimento delle immagini ha attirato il maggior numero di citazioni, e “L’attenzione è tutto ciò di cui hai bisogno”, l’opera che ha introdotto l’architettura Transformers, è stata solo la quarta più citata in quell’anno, anche se Google era già…
Fonte: towardsdatascience.com
