Quali sono i punti salienti dello sviluppo dell’intelligenza artificiale nell’ultimo anno o giù di lì?
Definisco l’Intelligenza Artificiale come tecnologia a crescita Jolting. Piuttosto che un tasso costante di raddoppio, come i due anni della Legge di Moore, l’IA progredisce con un tasso di raddoppio sempre più ridotto. La sua velocità di accelerazione è in aumento. La Stanford University con open AI alcuni anni fa ha pubblicato il suo studio, osservando il raddoppio della potenza dell’IA ogni quattro mesi, a partire dal 2008. Jensen Huang, il CEO di Nvidia ha pubblicato i suoi dati, secondo i quali l’IA ora raddoppia la potenza ogni due mesi.
Due applicazioni dell’IA meritano una menzione speciale.
DeepMind ha rilasciato AlphaFold, che è in grado di prevedere la forma delle proteine, e ha pubblicato il database completo del proteoma umano. L’anno prossimo prevedono di pubblicare la forma di tutti i 100 milioni di proteine conosciute. Il database è gratuito, anche per applicazioni commerciali.
Microsoft ha addestrato una versione speciale del Codex GPT-3, chiamata Copilot, per assistere i programmatori. Già oltre il 30% del nuovo codice scritto su GitHub viene creato con l’aiuto di Copilot.
Lo sviluppo più importante in termini di piattaforme AI è l’emergere di AutoML. La capacità dei sistemi di apprendimento automatico di configurarsi senza supervisione.
Le reti neurali richiedono enormi quantità di dati accuratamente curati, la selezione degli algoritmi appropriati per analizzare i dati, fasi di messa a punto. E poi chiudere il ciclo di feedback su come introdurre nuovi set di dati aggiornati per adattare specificamente la rete neurale per una determinata applicazione o per un’altra. Un intero settore è nato per supportare questo chiamato MLOps, Machine Learning Operations, che è il modo in cui dovrebbero funzionare le operazioni per l’utilizzo e l’implementazione di reti neurali e machine learning.
L’apprendimento automatico è l’applicazione delle reti neurali al compito di analizzare la messa a punto, l’implementazione, l’aggiornamento e la manutenzione delle reti neurali per le attività di apprendimento automatico. E dominerà il campo andando avanti.
Una conseguenza importante sarà quella di democratizzare l’accesso a strumenti che prima erano disponibili solo per aziende con budget miliardari. In futuro, tutti possono essere, se lo desiderano, ingegneri di Intelligenza Artificiale.