Hình ảnh của Editor
 

Vào ngày 12 tháng 2023 năm XNUMX, Kaggle đã mở một cạnh tranh nơi cộng đồng Kaggle có thể tham gia xây dựng một báo cáo tóm tắt những tiến bộ nhanh chóng về AI trong hai năm qua. Cộng đồng Kaggle là một nhóm đa dạng có nhiều trải nghiệm chuyên sâu về AI. 

Những người tham gia được yêu cầu viết một bài luận về một chủ đề cụ thể dựa trên những thay đổi và phát triển trong 2 năm qua, chẳng hạn như Generative AI, đạo đức AI, v.v. 

Sản phẩm báo cáo ở đây và được tạo thành từ các phần sau:

• Trí tuệ nhân tạo
• Dữ liệu văn bản
• Dữ liệu Hình ảnh & Video
• Dữ liệu dạng bảng và chuỗi thời gian
• Cuộc thi Kaggle
• Đạo đức AI

Vì vậy, hãy đi sâu vào những gì chúng ta đã học được…

AI sáng tạo gần đây đã là một chủ đề thảo luận phổ biến. Phần khởi đầu này đi sâu vào tiến trình và ứng dụng nhanh chóng của Generative AI trong 2 năm qua. Chúng tôi đã thấy những tiến bộ như tạo văn bản, tạo hình ảnh và phát triển âm nhạc bằng cách sử dụng các công cụ và kỹ thuật như GAN và LLM. 

Điều này chỉ có thể thực hiện được khi sử dụng bộ dữ liệu lớn hơn và phần cứng được cải tiến để nâng cao thuật toán trong giai đoạn huấn luyện. Mặc dù Generative AI vẫn còn ở giai đoạn đầu nhưng chỉ trong năm qua nó đã cho thấy nó đang cách mạng hóa các ngành công nghiệp khác nhau như thế nào. Vẫn còn những lo ngại về mặt đạo đức cần xem xét, chẳng hạn như lo ngại về quyền riêng tư, thông tin sai lệch và việc sử dụng các hệ thống AI này. 

Hãy đọc thêm trong các bài tiểu luận khác nhau:

1. Trí tuệ nhân tạo
2. Hiểu, tạo ra và biến đổi thế giới
3. Một cái nhìn thoáng qua về lĩnh vực AI sáng tạo

Với sự cường điệu xung quanh Generative AI, mối quan tâm đến Xử lý ngôn ngữ tự nhiên (NLP) đã tăng lên do sự gia tăng của các mô hình ngôn ngữ lớn (LLM). Đương nhiên, phần tiếp theo của báo cáo Kaggle AI tập trung vào các kỹ thuật NLP và việc sử dụng chúng trong các nhiệm vụ khác nhau như tóm tắt và dịch thuật. 

Nếu chúng tôi rút lại, các cách tiếp cận ban đầu đối với các tác vụ dựa trên văn bản bao gồm kỹ thuật tính năng dựa trên tần số thuật ngữ kết hợp với các phương pháp học máy dựa trên mạng phi thần kinh. Bây giờ chúng tôi đang phục vụ các bộ dữ liệu lớn hơn trải qua quá trình học cách biểu diễn từ để diễn giải mô hình. 

Việc sử dụng dữ liệu internet làm kho dữ liệu đào tạo đã cho phép các mô hình này học tốt hơn và tạo ra hiệu suất tốt hơn trong các lĩnh vực như học chuyển giao. Trong các cuộc thi Kaggle, đã có xu hướng tinh chỉnh các mô hình có sẵn công khai và cho thấy hiệu suất vượt qua cấp độ con người. 

Các bài tiểu luận hàng đầu sau đây tập trung vào sự xuất hiện và các kỹ thuật gần đây của LLM:

1. LLM mô hình ngôn ngữ lớn đương đại
2. Mô hình ngôn ngữ lớn: Khả năng suy luận
3. Người khổng lồ nhỏ: Mô hình ngôn ngữ “nhỏ”

Cũng giống như dữ liệu văn bản được sử dụng trong các tác vụ như tạo nội dung, việc tạo hình ảnh và video cũng rất phổ biến. Thị giác máy tính đã xuất hiện từ lâu nhưng trong những năm gần đây nó đã tăng vọt. Bây giờ chúng ta có thể xử lý các tác vụ như phát hiện đối tượng và hơn thế nữa. 

Phần này đi sâu vào kiến ​​trúc mô hình cũng như các phương pháp phổ biến được sử dụng trong thị giác máy tính chẳng hạn như tăng cường. Được sử dụng trong nhiều ngành công nghiệp khác nhau như chăm sóc sức khỏe cho hình ảnh y tế, thị giác máy tính vẫn gặp phải những thách thức trong các lĩnh vực như hàng giả sâu sắc, các cân nhắc về đạo đức và triết học, những hạn chế của mô hình đa phương thức, v.v. 

Chúng tôi có các mô hình như Mô hình bất kỳ phân đoạn nào (SAM) và YOLO (Bạn chỉ nhìn một lần) đã cho thấy các mô hình nguồn mở, tổng quát có thể được điều chỉnh như thế nào cho các nhiệm vụ khác nhau và độc đáo.

Đi sâu vào những tiến bộ trong dữ liệu hình ảnh và video với những bài tiểu luận sau:

1. Những tiến bộ trong mô hình thị giác AI trong hai năm qua
2. Dữ liệu hình ảnh và video

Phần tiếp theo đi sâu vào ý nghĩa lịch sử của dữ liệu dạng bảng và dữ liệu chuỗi thời gian. Cả hai đều không được phổ biến rộng rãi trong vài năm qua vì chúng không có tác động giống như cuộc cách mạng học sâu. Tuy nhiên, vẫn được sử dụng rộng rãi và rất hiệu quả, đang thịnh hành trong các lĩnh vực như:

• Cách tiếp cận độc đáo cho từng tập dữ liệu/vấn đề
• Tầm quan trọng của tiền xử lý dữ liệu và kỹ thuật tính năng
• Sự thống trị của cây tăng cường độ dốc

Trong cộng đồng Kaggle, những xu hướng này đã được công nhận cao và các bài tiểu luận sau đây sẽ đi sâu vào những vấn đề này cũng như những thách thức độc đáo mà dữ liệu chuỗi thời gian và dạng bảng gặp phải. 

1. Bài học từ quy trình dạng bảng điển hình
2. Dữ liệu dạng bảng và chuỗi thời gian
3. Dữ liệu dạng bảng trong thời đại AI

Một phần của báo cáo này từ cộng đồng Kaggle cũng nhằm phân tích các cuộc thi Kaggle bằng cách xem xét sự phát triển của nó và những quan sát của cộng đồng về nó trong 2 năm qua. Các cuộc thi Kaggle đã trở nên phổ biến rộng rãi trong những năm qua vì cộng đồng đã sử dụng nền tảng này để kiểm tra kỹ năng của họ, xây dựng danh mục đầu tư và chuẩn bị cho thế giới thực. 

Quan sát những thay đổi trong các cuộc thi Kaggle là các kỹ thuật như dán nhãn giả, tính trung bình hạt giống và leo đồi từng được coi là “thủ thuật”, nhưng giờ đây đã trở thành thông lệ. Các cuộc thi Kaggle trong 2 năm qua đã trở nên cạnh tranh hơn và các cuộc thi như RSNA, Learning Agency, v.v., rất phổ biến. 

Đi sâu vào các thủ thuật chiến thắng trong các cuộc thi Kaggle:

1. Hướng tới AI xanh
2. Làm thế nào để chiến thắng một cuộc thi Kaggle
3. Cuộc thi hình ảnh y tế

Đạo đức xung quanh AI cũng là một lĩnh vực đáng quan tâm khác, với rất nhiều người trong xã hội có những cảm xúc lẫn lộn về việc sử dụng và triển khai hệ thống AI. Các tổ chức đang xem xét các nguyên tắc đạo đức của AI và tạo ra các chiến lược mới để đảm bảo rằng họ không chỉ hiểu được hệ thống AI mà còn có thể giám sát và giảm thiểu rủi ro. 

Đây không phải là một nghiên cứu học thuật mà là một nghiên cứu xã hội, có nhiều ý kiến ​​​​quan trọng để hiểu thế giới AI và cách nó vẫn có thể được sử dụng trong khi bảo vệ các giá trị của xã hội. Chúng tôi đã thấy các tổ chức trải qua quá trình kiểm tra liên tục hệ thống AI của họ với việc áp dụng đạo đức theo từng thiết kế. 

Tìm hiểu thêm về những thách thức xung quanh AI và tác động của nó đối với xã hội:

1. Khám phá bối cảnh đạo đức AI
2. Sự phát triển về AI và Đạo đức trong 2 năm qua
3. AI có đạo đức là tất cả những gì chúng ta cần!!

Nhóm Kaggle đã tạo một báo cáo độc đáo trong đó cho phép cộng đồng của mình bày tỏ ý kiến ​​và kinh nghiệm của họ về thế giới AI cũng như những thay đổi của nó trong 2 năm qua. Hãy cho chúng tôi biết nếu có một phần hoặc bài luận cụ thể mà bạn thấy rất thú vị!
 
 

Nisha Arya là Nhà khoa học dữ liệu và Nhà văn kỹ thuật tự do. Cô ấy đặc biệt quan tâm đến việc cung cấp lời khuyên hoặc hướng dẫn nghề nghiệp về Khoa học Dữ liệu và kiến ​​thức dựa trên lý thuyết về Khoa học Dữ liệu. Cô cũng mong muốn khám phá những cách khác nhau mà Trí tuệ nhân tạo có thể mang lại / có thể mang lại lợi ích cho sự trường tồn của cuộc sống con người. Một người ham học hỏi, tìm cách mở rộng kiến ​​thức công nghệ và kỹ năng viết của mình, đồng thời giúp hướng dẫn người khác.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: 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