Imagen por editor
El 12 de mayo de 2023, Kaggle abrió un competencia donde la comunidad de Kaggle puede participar en la creación de un informe que resumirá los rápidos avances en IA de los últimos dos años. La comunidad Kaggle es un grupo diverso que tiene una variedad de experiencias dentro de las profundidades de la IA.
Se pidió a los participantes que escribieran un ensayo sobre un tema particular basado en los cambios y desarrollos de los últimos 2 años, por ejemplo, IA generativa, ética de la IA y más.
El el informe está aquí y se compone de las siguientes secciones:
- IA generativa
- Datos de texto
- Datos de imagen y vídeo
- Datos tabulares y de series temporales
- Competiciones Kaggle
- Etica AI
Así que profundicemos en lo que hemos aprendido...
La IA generativa ha sido un tema de conversación popular recientemente. Esta sección inicial profundiza en el rápido progreso y las aplicaciones de la IA generativa en los últimos 2 años. Hemos visto avances como la generación de texto, la creación de imágenes y el desarrollo musical utilizando herramientas y técnicas como GAN y LLM.
Esto sólo ha sido posible con el uso de conjuntos de datos más grandes y hardware mejorado para mejorar los algoritmos durante su fase de entrenamiento. Aunque la IA generativa aún se encuentra en su etapa inicial, solo el año pasado ha demostrado cómo está revolucionando diferentes industrias. Todavía existen preocupaciones éticas que deben tenerse en cuenta, como las preocupaciones por la privacidad, la desinformación y el uso de estos sistemas de inteligencia artificial.
Lea más a fondo los diferentes ensayos:
Con el revuelo en torno a la IA generativa, ha habido un gran aumento del interés en el procesamiento del lenguaje natural (PLN) debido al aumento de los grandes modelos de lenguaje (LLM). Naturalmente, la siguiente sección del informe de Kaggle AI se centra en las técnicas de PNL y su uso en diversas tareas, como el resumen y la traducción.
Si retrocedemos, los primeros enfoques para las tareas basadas en texto incluían ingeniería de características basada en términos y frecuencia junto con métodos de aprendizaje automático no basados en redes neuronales. Ahora nos ocupamos de conjuntos de datos más grandes que se someten a aprendizaje de representación de palabras para la interpretación de modelos.
El uso de datos de Internet como corpus de capacitación ha permitido que estos modelos aprendan mejor y produzcan un mejor rendimiento en áreas como la transferencia de aprendizaje. Dentro de las competiciones de Kaggle, ha habido una tendencia a ajustar los modelos disponibles públicamente que han demostrado superar el rendimiento a nivel humano.
Los siguientes ensayos principales se centran en el surgimiento y las técnicas recientes de los LLM:
- LLM sobre modelos de lenguajes grandes contemporáneos
- Modelos de lenguaje grandes: capacidad de razonamiento
- Minigigantes: modelos de lenguaje “pequeños”
Al igual que los datos de texto que se utilizan en tareas como la generación de contenido, la generación de imágenes y videos también ha sido muy popular. La visión por ordenador existe desde hace mucho tiempo, pero en los últimos años se ha disparado. Ahora podemos encargarnos de tareas como la detección de objetos y más.
Esta sección profundiza en las arquitecturas de modelos, así como en las prácticas comunes utilizadas en visión por computadora, como el aumento. Utilizada en una variedad de industrias diferentes, como la atención médica para imágenes médicas, la visión por computadora todavía enfrenta desafíos en áreas como falsificaciones profundas, consideraciones éticas y filosóficas, limitaciones de los modelos multimodales y más.
Contamos con modelos como Segment Anything Model (SAM) y YOLO (You Only Look Once) que han demostrado cómo los modelos generalizados de código abierto se pueden adaptar para tareas diferentes y únicas.
Sumérjase en los avances en datos de imágenes y videos con estos ensayos:
La siguiente sección profundiza en la importancia histórica de los datos tabulares y los datos de series de tiempo. Ambos no han sido muy populares en los últimos años porque no han tenido el mismo impacto que la revolución del aprendizaje profundo. Sin embargo, todavía existen tendencias ampliamente utilizadas y muy efectivas en áreas como:
- Enfoque único para conjuntos de datos/problemas individuales
- Importancia del preprocesamiento de datos y la ingeniería de funciones.
- El predominio de los árboles potenciados por gradiente
Dentro de la comunidad de Kaggle, estas tendencias han sido altamente reconocidas y los siguientes ensayos profundizarán en ellas, así como en los desafíos únicos que enfrentan los datos tabulares y de series de tiempo.
- Aprendizajes del proceso tabular típico
- Series temporales y datos tabulares
- Datos tabulares en la era de la IA
Una parte de este informe de la comunidad de Kaggle consistió en analizar también las competencias de Kaggle analizando sus desarrollos y las observaciones de la comunidad al respecto en los últimos 2 años. Las competiciones de Kaggle han sido muy populares a lo largo de los años, ya que la comunidad ha utilizado la plataforma para probar sus habilidades, crear un portafolio y prepararse para el mundo real.
Las observaciones de cambios en las competiciones de Kaggle son técnicas como el pseudoetiquetado, el promedio de semillas y la escalada de colinas que alguna vez se consideraron "trucos", pero que ahora se han convertido en prácticas comunes. Las competencias de Kaggle en los últimos 2 años se han vuelto más competitivas y competencias como RSNA, Learning Agency y más son muy populares.
Sumérgete en los trucos ganadores de las competiciones de Kaggle:
La ética en torno a la IA también es otro área de preocupación, ya que mucha gente de la sociedad tiene emociones encontradas sobre el uso y la implementación de los sistemas de IA. Las organizaciones están investigando los principios éticos de la IA y creando nuevas estrategias para garantizar que no solo puedan comprender los sistemas de IA sino también monitorear y mitigar los riesgos.
No es un estudio académico sino social; hay muchas opiniones que son importantes para comprender el mundo de la IA y cómo se puede seguir utilizando salvaguardando los valores de la sociedad. Hemos visto organizaciones someterse a auditorías continuas de sus sistemas de IA con la adopción de la ética por diseño.
Obtenga más información sobre los desafíos en torno a la IA y el impacto que está teniendo en la sociedad:
- Explorando el panorama de la ética de la IA
- Desarrollos en IA y ética en los últimos 2 años
- ¡¡La IA ética es todo lo que necesitamos!!
El equipo de Kaggle ha creado un informe único en el que ha permitido a su comunidad expresar sus opiniones y experiencia del mundo de la IA y sus cambios en los últimos 2 años. ¡Háganos saber si hubo una sección o ensayo en particular que le pareció muy interesante!
nisha aria es científico de datos y escritor técnico independiente. Ella está particularmente interesada en proporcionar consejos o tutoriales sobre la carrera de Data Science y conocimiento basado en la teoría sobre Data Science. También desea explorar las diferentes formas en que la Inteligencia Artificial es o puede beneficiar la longevidad de la vida humana. Una estudiante entusiasta que busca ampliar sus conocimientos tecnológicos y sus habilidades de escritura, mientras ayuda a guiar a otros.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
- PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
- PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
- PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
- Fuente: https://www.kdnuggets.com/dive-into-the-future-with-kaggle-ai-report-2023-see-what-hot?utm_source=rss&utm_medium=rss&utm_campaign=dive-into-the-future-with-kaggles-ai-report-2023-see-whats-hot
