[ad_1]
A IA centrada em dados, por outro lado, começou a sério na década de 1970 com a invenção de métodos para construir automaticamente “árvores de decisão” e explodiu em popularidade na última década com o sucesso retumbante das redes neurais (agora apelidadas de “deep finding out”. “). A inteligência synthetic centrada em dados também foi chamada de “IA estreita” ou “IA fraca”, mas o rápido progresso na última década demonstrou seu poder.
Métodos de aprendizado profundo, juntamente com conjuntos de dados de treinamento massivos, além de poder computacional sem precedentes, proporcionaram sucesso em uma ampla gama de tarefas restritas, desde reconhecimento de fala até jogos e muito mais. Os métodos de inteligência synthetic criam modelos preditivos que se tornam cada vez mais precisos por meio de um processo iterativo de computação intensiva. Nos anos anteriores, a necessidade de dados rotulados por humanos para treinar os modelos de IA foi um grande gargalo para alcançar o sucesso. Mas, recentemente, o foco de pesquisa e desenvolvimento mudou para maneiras pelas quais os rótulos necessários podem ser criados automaticamente, com base na estrutura interna dos dados.
O modelo de linguagem GPT-3 lançado pela OpenAI em 2020 exemplifica tanto o potencial quanto os desafios dessa abordagem. GPT-3 foi treinado em bilhões de sentenças. Ele gera automaticamente um texto altamente plausível e até responde sensatamente a perguntas sobre uma ampla variedade de tópicos, imitando a mesma linguagem que uma pessoa pode usar.
Este ensaio faz parte do pacote 2022 Innovators Below 35 do MIT Generation Overview, que reconhece os jovens mais promissores que trabalham em tecnologia hoje. Veja a lista completa aqui ou discover os vencedores nesta categoria abaixo.
.
[ad_2]
Fonte da Notícia: www.technologyreview.com
