Nuovi modelli ML emergono ogni ora, ma questo ritmo rapido presenta degli inconvenienti; lo sviluppo basato su ipotesi può aiutare a mitigarli.
Viviamo nell’era dell’intelligenza artificiale! Ogni giorno vengono creati, addestrati, rilasciati e spesso pubblicizzati molti nuovi strumenti di intelligenza artificiale e modelli di machine learning. Quando guardi Volto che abbraccia ad esempio, vediamo quasi 400.000 modelli disponibili oggi (2023-11-06) rispetto ai circa 84.000 modelli disponibili nel novembre 2022 (vedere Figura 1). In un solo anno si è registrato un aumento massiccio di circa il 470% nel numero di modelli. Ricordare, Volto che abbraccia non è l’unica piattaforma di modelli ML disponibile. Inoltre, molti modelli non sono nemmeno open source. Pertanto, si può affermare con certezza che il numero effettivo di modelli ML disponibili è molto più elevato.
c’è davvero bisogno di un’inflazione di modelli così travolgente?
L’entusiasmo per l’intelligenza artificiale è enorme e questo è innanzitutto positivo. L’intelligenza artificiale ha il potenziale per trovare soluzioni – o almeno mitigare – alcune delle sfide globali più gravi come il cambiamento climatico o le pandemie. Inoltre, l’intelligenza artificiale può rendere le attività quotidiane più efficienti e, quindi, migliorare il nostro equilibrio tra lavoro e vita privata. Pertanto, la ricerca e lo sviluppo dell’intelligenza artificiale e la messa a disposizione della comunità di modelli ML sono il passo giusto e necessario! Tuttavia, data la velocità di sviluppo e l’entusiasmo nella comunità dell’intelligenza artificiale, mi chiedo: c’è davvero bisogno di un’inflazione di modelli così travolgente? Chi, alla fine, ne trarrà beneficio?
Uno degli svantaggi più comuni dell’“entusiasmo” e dell’”hype” per un dato argomento è quando la motivazione e il lavoro che ne derivano non sono specificamente diretti a un obiettivo ma sono più superficiali e ampi. I potenziali vantaggi dell’intelligenza artificiale sopra menzionati non derivano dall’avere molti modelli superficiali, ma da modelli specializzati che affrontano problemi difficili.
In aggiunta a ciò, l’attuale velocità di sviluppo, distribuzione e pubblicità dei modelli comporta alcuni svantaggi che probabilmente tutti abbiamo già riscontrato. È importante affrontare questi problemi per garantire i migliori risultati in futuro. Alcuni potenziali svantaggi dell’attuale velocità nello sviluppo dell’IA:
Fonte: towardsdatascience.com