Immergiti nel futuro con il rapporto sull’IA di Kaggle del 2023 – Scopri le tendenze del momento
Esplora il futuro con il rapporto sull'IA di Kaggle del 2023 - Scopri le tendenze in voga
Il 12 maggio 2023, Kaggle ha aperto una competizione in cui la comunità di Kaggle può partecipare alla creazione di un rapporto che sintetizzerà i rapidi progressi dell’AI degli ultimi due anni. La comunità di Kaggle è un gruppo diverso che ha una varietà di esperienze nelle profondità dell’AI.
Ai partecipanti è stato chiesto di scrivere un saggio su un determinato argomento basato sui cambiamenti e sviluppi degli ultimi 2 anni, ad esempio, l’AI generativa, l’etica dell’AI e altro ancora.
Il rapporto è qui e è composto dalle seguenti sezioni:
- Quanto trasparenti sono i grandi modelli di lingua?
- Ricercatori UC San Diego DYffusion Un modello di diffusione informato dalla dinamica per la previsione spazio-temporale
- Esplorare il contributo dell’IA all’etica e all’ESG nelle aziende
- AI generativa
- Dati testuali
- Dati di immagini e video
- Dati tabulari e temporali
- Competizioni Kaggle
- Etica dell’AI
Quindi immergiamoci in ciò che abbiamo imparato…
AI generativa
L’IA generativa è stata un argomento molto discusso di recente. Questa sezione iniziale si addentra sui progressi rapidi e le applicazioni dell’IA generativa negli ultimi 2 anni. Abbiamo visto sviluppi come la generazione di testo, la creazione di immagini e lo sviluppo musicale utilizzando strumenti e tecniche come GAN e LLM.
Ciò è stato possibile solo grazie all’uso di dataset più grandi e hardware migliorato per migliorare gli algoritmi durante la fase di addestramento. Sebbene l’IA generativa sia ancora in una fase embrionale, ha dimostrato nel solo anno scorso come stia rivoluzionando diverse industrie. Ci sono ancora questioni etiche da considerare, come la privacy, la disinformazione e l’uso di questi sistemi di intelligenza artificiale.
Leggi ulteriormente gli articoli:
Dati testuali
Con l’entusiasmo intorno all’IA generativa, c’è stato un grande interesse nel Processing del Linguaggio Naturale (NLP) grazie all’aumento dei grandi modelli linguistici (LLM). Naturalmente, la prossima sezione del rapporto sull’IA di Kaggle si concentra sulle tecniche di NLP e il loro utilizzo in varie attività come la sintesi e la traduzione.
Se torniamo indietro, gli approcci iniziali alle attività basate su testo includevano l’ingegnerizzazione delle caratteristiche basate sulla frequenza dei termini in combinazione con metodi di apprendimento automatico non basati su reti neurali. Ora ci stiamo rivolgendo a dataset più grandi che subiscono l’apprendimento delle rappresentazioni delle parole per l’interpretazione del modello.
L’uso dei dati di internet come corpus di addestramento ha permesso a questi modelli di apprendere meglio e di produrre migliori performance in aree come il trasferimento dell’apprendimento. All’interno delle competizioni Kaggle, c’è stata una tendenza a ottimizzare modelli disponibili pubblicamente che hanno dimostrato di superare le performance di livello umano.
I seguenti migliori saggi si concentrano sull’emergere e sulle tecniche recenti degli LLM:
- Contemporanei grandi modelli linguistici LLM
- Grandi modelli linguistici: capacità di ragionamento
- Mini-Giants: modelli linguistici “piccoli”
Dati di immagini e video
Come i dati di testo utilizzati in attività come la generazione di contenuti, la generazione di immagini e video è stata molto popolare. La visione artificiale è stata presente per molto tempo, ma negli ultimi anni è esplosa. Ora siamo in grado di gestire attività come la rilevazione di oggetti e altro ancora.
Questa sezione approfondisce le architetture dei modelli così come le pratiche comuni utilizzate nella visione artificiale, come ad esempio l’aumento dei dati. Utilizzata in diverse industrie come la sanità per l’elaborazione di immagini mediche, la visione artificiale presenta ancora delle sfide all’interno di ambiti come i deep fake, le considerazioni etiche e filosofiche, le limitazioni dei modelli multi-modali e altro ancora.
Abbiamo modelli come il Segment Anything Model (SAM) e YOLO (You Only Look Once) che hanno mostrato come i modelli generalizzati open-source possano essere adattati a compiti diversi e unici.
Approfondisci gli sviluppi dei dati immagine e video con questi saggi:
- I progressi nei modelli di intelligenza artificiale per la visione negli ultimi due anni
- Dati immagine e video
Dati tabulari e a serie temporale
La prossima sezione approfondisce il significato storico dei dati tabulari e dei dati a serie temporale. Entrambi non sono stati molto popolari negli ultimi anni in quanto non hanno avuto lo stesso impatto della rivoluzione del deep learning. Tuttavia, continuano ad essere ampiamente utilizzati ed efficaci, con una tendenza nelle seguenti aree:
- Approccio unico per singoli dataset/problemi
- Importanza della pre-elaborazione dei dati e dell’ingegnerizzazione delle caratteristiche
- La predominanza degli alberi potenziati tramite gradienti
All’interno della comunità Kaggle, queste tendenze sono state ampiamente riconosciute e i seguenti saggi approfondiranno queste tematiche, oltre alle sfide uniche che i dati tabulari e a serie temporale devono affrontare.
- Apprendimenti dalla tipica pipeline dei dati tabulari
- Dati a serie temporale e tabulari
- Dati tabulari nell’era dell’intelligenza artificiale
Competizioni Kaggle
Una parte di questo rapporto dalla comunità Kaggle è stata anche analizzare le competizioni Kaggle esaminando i loro sviluppi e le osservazioni della comunità negli ultimi 2 anni. Le competizioni Kaggle sono state ampiamente popolari nel corso degli anni poiché la comunità ha utilizzato la piattaforma per testare le proprie competenze, costruire un portfolio e prepararsi per il mondo reale.
Le osservazioni dei cambiamenti nelle competizioni Kaggle includono tecniche come la pseudo etichettatura, la media dei semini e la scalata della collina, che un tempo venivano considerate “trucchi”, ma che sono ora pratiche comuni. Le competizioni Kaggle degli ultimi 2 anni sono diventate più competitive e competizioni come RSNA, Learning Agency e altre sono molto popolari.
Approfondisci i segreti vincenti delle competizioni Kaggle:
- Verso l’intelligenza artificiale sostenibile
- Come vincere una competizione Kaggle
- Competizioni di imaging medico
Etica dell’AI
L’etica intorno all’IA è un’altra area di preoccupazione, con molte persone della società che hanno emozioni contrastanti sull’uso e l’implementazione dei sistemi di intelligenza artificiale. Le organizzazioni stanno esaminando i principi etici dell’IA e stanno creando nuove strategie per garantire di poter non solo comprendere i sistemi di intelligenza artificiale, ma anche monitorare e mitigare i rischi.
Non si tratta di uno studio accademico, ma di uno studio che riguarda la società stessa; esistono molte opinioni importanti per comprendere il mondo dell’IA e come questa possa essere utilizzata nel rispetto dei valori della società. Abbiamo visto le organizzazioni sottoporsi a una continua valutazione dei loro sistemi di intelligenza artificiale con l’adozione dell’etica orientata al design.
Approfondisci le sfide dell’IA e l’impatto che essa sta avendo sulla società:
- Esplorare il panorama dell’etica dell’IA
- Sviluppi nell’IA e nell’etica negli ultimi 2 anni
- L’IA etica è tutto ciò di cui abbiamo bisogno!!
Concludendo
Il team di Kaggle ha creato un rapporto unico in cui ha permesso alla sua comunità di esprimere le proprie opinioni ed esperienze nel mondo dell’IA e dei suoi cambiamenti negli ultimi 2 anni. Fateci sapere se c’è una sezione o un saggio in particolare che avete trovato molto interessante!
****[Nisha Arya](https://www.linkedin.com/in/nisha-arya-ahmed/)**** è una Data Scientist e una scrittrice tecnica freelance. È particolarmente interessata a fornire consigli sulla carriera di Data Science o tutorial e conoscenze teoriche sulla Data Science. Desidera anche esplorare i diversi modi in cui l’Intelligenza Artificiale può beneficiare la longevità della vita umana. Una studentessa appassionata, che cerca di ampliare le sue conoscenze tecniche e le competenze di scrittura, aiutando nel contempo a guidare gli altri.
