Organizzare la scena

C'era una volta detto che "il software sta mangiando il mondo" . Se gli ultimi mesi sono qualcosa su cui basarsi, si potrebbe credere che l'IA ora lo stia riscrivendo, ridipingendo e, in generale, generando tutti i tipi di nuove versioni di esso.

Il lancio di ChatGPT, e la successiva crescita fino a 1 milione di utenti in meno di una settimana, sembra essere stato uno spartiacque, poiché la più ampia coscienza pubblica ha iniziato a risvegliarsi allo stato attuale e alle possibilità future dei grandi modelli linguistici (LLM), generativi AI e altre intelligenze artificiali. C'è, tuttavia, molto di più da considerare al di là del clamore che circonda un particolare prodotto e del mainstreaming generale dell'IA. Quindi, guardando oltre, quale progresso tecnologico e quali applicazioni potremmo aspettarci di vedere di più nel prossimo anno?

Dichiarazione di non responsabilità: le previsioni sono difficili (se non sei una macchina)

Come ha affermato Bill Gates, "La maggior parte delle persone sopravvaluta ciò che può fare in un anno e sottovaluta ciò che può fare in dieci anni".

La prima previsione facile da fare qui deve essere che una tale affermazione si adatta sicuramente alla visione comune dell'IA. In questo contesto, la sopravvalutazione a breve termine deriverà da una mancanza di apprezzamento per le sfide relative all'infrastruttura e alla qualità dei dati, nonché dalle difficoltà di risoluzione di tutte le sfumature e complessità coinvolte nell'implementazione della tecnologia nei prodotti e nei flussi di lavoro utilizzati da persone normali. La sottovalutazione a lungo termine deriverà dall'incapacità di immaginare appieno l'effetto combinato del progresso tecnologico.

Dal nostro lancio nel 2020, noi di J12 ci siamo concentrati fortemente sull'infrastruttura di dati necessaria per creare prodotti intelligenti, oltre a sostenere i team che creano varie applicazioni avanzate di intelligenza artificiale. Dalla qualità dei dati ( Validio ), alle applicazioni nella vendita al dettaglio ( Dema e Formulate ), salute (senza preavviso), energia, ( Ostrom ), DevOpps ( Rely.io , Codeball ), sicurezza informatica ( CYBR.ai ) e molto altro, noi' Abbiamo visto come i team all'avanguardia nei loro settori utilizzano i dati e l'intelligenza artificiale per aprire nuovi orizzonti.

Quindi, ecco cosa ci aspettiamo di vedere nel prossimo anno e le aree in cui siamo particolarmente entusiasti. In altre parole, proviamo a sopravvalutare l'anno a venire...

Prospettiva 2023

1. Circondato da modelle

ChatGPT, costruito sopra GPT-3 di OpenAI, è finora il modello che è stato incoronato con più gloria. Tuttavia, anche Sam Altman, CEO di OpenAI, ha espresso la sua sorpresa per il fatto che nessuno abbia creato ChatGPT prima di loro:

"Avevamo il modello per ChatGPT nell'API per 10 mesi prima di realizzare ChatGPT... pensavo che qualcun altro (altro) lo avrebbe semplicemente creato".

Questo dovrebbe servire da chiaro promemoria del fatto che al momento esistono numerosi prodotti simili non realizzati e non rilasciati e OpenAI è tutt'altro che solo. Il suggerimento che ChatGPT e OpenAI dimostreranno di essere gli assassini della ricerca di Google è alquanto fantasioso, anche se solleva la questione di come la ricerca si evolverà ora e cosa potrebbe fare per il modello di business di Google. Sia Google che Meta hanno sviluppato una tecnologia simile e hanno il talento per continuare a farlo, ma OpenAI ha finora ottenuto un vantaggio attraverso la sua pratica di rilasciare modelli linguistici che il pubblico può utilizzare e fornire feedback.

È probabile che Google rilasci completamente LaMDA al pubblico quest'anno, mentre Meta probabilmente non rimarrà indietro. Da parte di OpenAI, il rilascio della GPT-4 di prossima generazione è previsto per la prima parte del 2023 — e anche se non avrà i 100 trilioni di parametri ampiamente citati rispetto ai 175 miliardi di GPT-3 — rappresenterà un altro balzo in avanti .

La gara è appena iniziata.

E non è solo la grande tecnologia che si trova sulla linea di partenza, diverse startup, come Cohere , Character.AI , Adept e Inflection.AI , hanno sviluppato modelli simili che saranno pronti per il rilascio.

2. Strutturare un mondo non strutturato

Circa l'80-90% dei dati generati dalle organizzazioni non è strutturato. Gli esempi includono e-mail, presentazioni, registrazioni telefoniche, file multimediali, immagini di sorveglianza e così via. Nonostante questi tipi di dati contengano una grande quantità di informazioni, in genere sono stati difficili da analizzare.

I grandi modelli linguistici (LLM) possono ora affrontare queste sfide, comprendendo grandi set di dati non strutturati e consentendo alle organizzazioni di scoprire informazioni fruibili. Possiamo aspettarci di vedere queste funzionalità impiegate in una vasta gamma di flussi di lavoro aziendali, migliorando la ricerca all'interno del software aziendale, consentendo ai governi di migliorare la sicurezza nazionale e ovunque la strutturazione dei dati possa rivelare schemi nascosti che possono supportare scoperte scientifiche o migliorare le esperienze dei clienti.

3. Applicazioni, applicazioni, applicazioni, ma chi vince?

Man mano che i livelli dell'infrastruttura e della piattaforma dell'IA generativa iniziano a prendere forma, stiamo assistendo all'emergere del livello dell'applicazione.

L'IA generativa sta abbassando drasticamente le barriere alla creazione, con potenti prodotti per la creazione di contenuti scritti, testo in immagine, testo in video e giochi 3D. Altrettanto drasticamente, stiamo assistendo a enormi guadagni di produttività, con soluzioni che consentono la generazione di codice, l'efficienza del team di vendita, miglioramenti del servizio clienti e la creazione automatica di tutto, dal materiale di marketing e annunci, ai documenti legali.

Oggi è difficile vedere eventuali fossati sistemici nell'IA generativa, poiché le applicazioni mancano di differenziazione a causa dell'uso di modelli simili. Nel breve termine, le aziende guadagneranno probabilmente posizione grazie all'applicazione anticipata di questi modelli in contesti diversi e alla creazione di prodotti fluidi per servirli. Mentre la comprensione e la progettazione del business possono fornire una certa difendibilità, queste tendono a non essere le barriere più forti nel tempo.

Diverse società di applicazioni sono state in grado di crescere rapidamente, acquisendo con successo clienti che sono pronti a provare nuove soluzioni che potrebbero dare loro un vantaggio, ma hanno lottato con la fidelizzazione e la differenziazione man mano che nuovi attori entrano nel mercato. Nel corso del prossimo anno, impareremo di più sulla propensione dei clienti a pagare per queste soluzioni e ad integrarle davvero nei loro processi, mentre inizieremo anche a vedere che tipo di fossati possono essere stabiliti dalle aziende che stanno aprendo la strada modo. Questi possono essere correlati ai dati (ad es. l'uso di insiemi di dati proprietari oltre ai modelli di base), correlati alle prestazioni del modello (ad es. la capacità di adattare un modello a un set di dati specifico) o possono essere più tradizionali (come la relazione agli effetti di distribuzione e di rete).

4. Multimodalità?

"La modalità si riferisce al modo in cui qualcosa accade o viene sperimentato " e, finora, i modelli e le applicazioni con cui interagiamo svolgono attività a modalità singola: rispondono a interazioni puramente testuali, emettendo testo (nel caso di ChatGPT) , o emettere un'immagine nel caso di DALL-E).

Multimodale significa la capacità di combinare la comprensione di vari tipi di dati (testo, immagine, audio, video, dati numerici) e utilizzarla per risolvere compiti che coinvolgono qualsiasi modalità. Un tale modello potrebbe prendere un input di testo e produrre video, oppure prendere input di immagini e audio combinati per produrre testo. Proprio come la nostra conoscenza del mondo deriva da una combinazione di segnali visivi, linguistici, audio e altri sensori, questo migliora notevolmente il buon senso e la comprensione contestuale dell'IA.

Un'applicazione promettente è nel settore sanitario, dove le diagnosi potrebbero essere fatte da un'analisi multimodale di immagini, sintomi descritti e dati dei pazienti.

Sam Altman ha recentemente dichiarato che si aspetta di vedere un modello multimodale nel prossimo futuro, anche se non si è spinto fino al punto di affermare che GPT-4 sarà quel modello. Probabilmente non lo sarà, ma a un certo punto quest'anno potremmo dare un'occhiata più da vicino a ciò di cui è capace l'IA multimodale.

5. Raccomandazioni di cui non sapevi di aver bisogno

Mentre l'IA generativa rivendica tutti i titoli, possiamo aspettarci di vedere molti prodotti continuare a essere costruiti sul miglioramento dei sistemi di raccomandazione algoritmica. Negli ultimi anni, TikTok ha sconvolto i social media con i suoi contenuti curati algoritmicamente, mentre nella moda e nel commercio, la notevole ascesa di SHEIN è stata in parte guidata dalla sua capacità di consigliare l'abbigliamento da acquistare, e Spotify continua a guidare il mondo dello streaming musicale servendo il la musica giusta per te al momento giusto.

Come ha affermato Rex Woodbury di Index Ventures, "le principali applicazioni consumer dell'IA si baseranno pesantemente su raccomandazioni sofisticate che anticipano i tuoi desideri e desideri prima ancora che tu li conosca" .

Le categorie che nell'ultimo decennio sono state definite dai giocatori che hanno fornito le migliori esperienze digitali o mobili possono essere ulteriormente ridefinite dai giocatori che possono sfruttare al meglio potenti sistemi di raccomandazione per servire gli utenti con i contenuti più personalizzati. Tutto, dalla finanza e viaggi, alla ricerca di lavoro, appuntamenti e tutte le aree del commercio. Tutto ciò che in precedenza ha coinvolto un consulente personale o un allenatore è soggetto a interruzioni.

6. L'ascesa dei gemelli digitali

Sta emergendo una nuova generazione di gemelli digitali realistici , poiché le simulazioni di risorse e ambienti del mondo reale diventano sempre più complesse e utili. Esempi inclusi:

• Una cosiddetta rivoluzione industriale tramite simulazione, in cui tutto ciò che è costruito nel mondo reale viene prima simulato in un mondo virtuale (come descritto da Bob Pette ). Le fabbriche e i luoghi di lavoro simulati consentono l'ottimizzazione dei processi di produzione e il miglioramento della sicurezza dei lavoratori, mentre le città virtuali offrono l'opportunità di portare la pianificazione urbana a un livello superiore.
• Gemelli digitali in grado, su ogni scala, di simulare ambienti in cui formare professionisti altamente qualificati. Che si tratti di chirurghi in una sala operatoria virtuale che provano interventi chirurgici o di operatori che lavorano con macchinari avanzati in una fabbrica.

L'ascesa dell'intelligenza artificiale generativa - attraverso contenuti scritti, immagini, arte, video e voce - significa un aumento di deepfake, contenuti fraudolenti, truffe e minacce alla sicurezza informatica.

I truffatori di phishing ora hanno una capacità molto maggiore di replicare la comunicazione umana in messaggi di testo, e-mail e chiamate vocali, al fine di hackerare i sistemi. Mentre l'intelligenza artificiale generativa può anche essere utilizzata per sintetizzare password o creare impronte digitali simili per violare l'autenticazione o per mascherare meglio il malware. Ci aspettiamo di vedere una maggiore consapevolezza informatica e l'emergere di soluzioni che mirano a proteggere i diritti, la privacy e la sicurezza di individui e aziende.

8. Dati e IA nella lotta al clima

All'incrocio tra la più grande minaccia di questa generazione e una delle più grandi rivoluzioni tecnologiche.

Poiché la rete energetica diventa sempre più complessa a causa dell'aumento delle energie rinnovabili e delle risorse energetiche distribuite, gli operatori di rete richiedono strumenti di monitoraggio migliori, mentre le società di servizi pubblici devono utilizzare l'intelligenza artificiale per migliorare la previsione della domanda e l'efficienza attraverso il bilanciamento del carico. Allo stesso tempo, i dati sull'energia possono essere utilizzati per spostare le imprese e le famiglie verso un mix energetico più sostenibile e modelli di consumo più ottimizzati.

9. Nuove aziende in abbondanza

Mentre vari fattori macro possono indurre alcuni a ritenere che sia un momento tutt'altro che ideale per correre il rischio di avviare una nuova società, ci sono altri fattori positivi che possono avere un effetto preponderante.

• L'intelligenza artificiale generativa rappresenta il tipo di cambio di paradigma tecnologico che ha il potenziale per trasformarsi su una scala superiore anche all'ascesa del mobile e del cloud poco più di un decennio fa.
• Ora assistiamo all'emergere del livello applicativo, man mano che i nuovi prodotti iniziano a toccare la nostra vita quotidiana. Questa maggiore visibilità del potenziale tecnico, visto attraverso le applicazioni e l'opportunità di esplorare le capacità dei modelli sottostanti, serve a risvegliare l'immaginazione di creatori e costruttori.
• Con il blocco delle assunzioni e i licenziamenti di massa presso le grandi aziende tecnologiche, nonché le opzioni su azioni che non sono più in denaro e il blocco dei dipendenti per l'acquisizione, quest'anno verrà liberata una quantità senza precedenti di talenti imprenditoriali.
• Queste dinamiche push and pull insieme incanaleranno il talento generazionale verso un'opportunità generazionale per sfruttare la tecnologia innovativa e costruire aziende che definiscono la categoria.

Vuoi rimanere aggiornato sugli ultimi sviluppi globali dell'IA, con un'ulteriore luce su tutto ciò che sta accadendo nei paesi nordici? Iscriviti alla mia newsletter settimanale Nordic AI Weekly .