L’inflazione dell’intelligenza artificiale più è sempre meglio?

L'inflazione dell'intelligenza artificiale più è sempre meglio?

Nuovi modelli di ML sorgono ogni ora, ma questo ritmo veloce comporta svantaggi; lo sviluppo guidato dall’ipotesi può aiutare a mitigarli.

Viviamo nell’era dell’AI! Ogni giorno, vengono creati, addestrati, rilasciati e spesso pubblicizzati molti nuovi strumenti di AI e modelli di ML. Ad esempio, guardando a Hugging Face, vediamo quasi 400.000 modelli disponibili oggi (06-11-2023) rispetto ai ~84.000 modelli disponibili nel novembre 2022 (vedi Figura 1). In soli un anno, c’è stato un aumento massiccio di circa il 470% nel numero di modelli. Ricorda, Hugging Face non è l’unico platform di modelli di ML disponibile. Inoltre, molti modelli non sono nemmeno open-source. Quindi, è sicuro dire che il numero effettivo di modelli di ML disponibili è molto più alto.

C’è davvero bisogno di un’inflazione così grande di modelli?

L’entusiasmo per l’AI è enorme ed è soprattutto positivo. L’AI ha il potenziale per trovare soluzioni per – o almeno mitigare – alcune delle sfide globali più gravi come il cambiamento climatico o le pandemie. Inoltre, l’AI può rendere più efficienti le attività quotidiane e, quindi, migliorare il nostro equilibrio tra lavoro e vita personale. Pertanto, la ricerca e lo sviluppo di AI e la disponibilità dei modelli di ML alla comunità sono il passo giusto e necessario! Tuttavia, con la velocità di sviluppo attuale e l’entusiasmo nella comunità dell’AI, mi chiedo: c’è davvero bisogno di un’inflazione così grande di modelli? Chi, alla fine, ne beneficerà?

Rischi Potenziali dell’Inflazione dei Modelli

Uno dei comuni svantaggi dell'”entusiasmo” e dell'”hype” per un determinato argomento è quando la motivazione e il lavoro derivati non sono specificamente indirizzati a un obiettivo, ma sono più superficiali e ampi. I potenziali benefici menzionati dell’AI non derivano dall’avere molti modelli superficiali, ma derivano da modelli specializzati che affrontano problemi complessi.

• Delta Lake – Partitioning, Z-Order e Liquid Clustering
• Sì, Copilot di GitHub può rivelare (veri) segreti
• I dati ci dicono cosa e noi cerchiamo sempre il perché’.

In aggiunta a ciò, la velocità attuale nello sviluppo, rilascio e pubblicità dei modelli comporta alcuni svantaggi che tutti abbiamo probabilmente già riscontrato. È importante affrontare questi problemi per garantire i migliori risultati in futuro. Alcuni potenziali svantaggi della velocità attuale nello sviluppo dell’AI: