Ellen Loeshelle di Qualtrics: scegli la tua intelligenza artificiale in base al problema che stai cercando di risolvere

Jul 11, 2023

In concomitanza con il nsArticolo numero del mesesulla volontà dei consumatori di interagire con soluzioni basate sull'intelligenza artificiale (AI), ha parlato con No JitterA Ellen Loeshe,Qualtrics ' Direttore dello sviluppo del prodotto AI. Ha condiviso le sue intuizioni su una varietà di argomenti sull'intelligenza artificiale che sono presentati qui in un formato di domande e risposte.

NJ: Puoi parlare dell’impulso a passare dal tipo di intelligenza artificiale utilizzata nella categoria “conversazionale” – elaborazione del linguaggio naturale (NLP) e comprensione del linguaggio naturale (NLU) – all’intelligenza artificiale generativa (Gen AI) e ai modelli linguistici di grandi dimensioni ( LLM) che li alimentano?

A Ellen Loeshe : La PNL è in realtà il termine generico per l'utilità di questi algoritmi. Gli LLM sono solo un insieme di strumenti all'interno di questo toolbox che utilizzeremmo per l'elaborazione del linguaggio naturale o la comprensione del linguaggio naturale. Non li vedo del tutto dicotomici.

Quando fai PNL, ci sono un sacco di diversi tipi di strumenti che potresti utilizzare, per comprendere processi, interpretare, generare linguaggio - alcuni semplici come scrivere regole o espressioni regolari o altre cose del genere. Esistono anche funzionalità di apprendimento automatico più basilari presenti sul mercato da molto tempo. E poi ci sono i modelli di deep learning, i grandi modelli linguistici, ecc.

Ciò che abbiamo scoperto con i modelli linguistici di grandi dimensioni è che hanno prestazioni davvero impressionanti nel generare un linguaggio simile a quello umano: non è perfetto. Prima di tutto, non è sempre accurato, ma sembra il più nativo di qualsiasi cosa abbia mai visto.

Quindi i LLM stanno fornendo una sorta di “salto in avanti” in termini di accuratezza, relatività, ecc., rispetto al quale altre strategie di PNL non hanno avuto lo stesso impatto o almeno hanno generato lo stesso tipo di clamore pubblicitario. È uno dei movimenti da quando sono nello spazio che sembra tettonico.

Ma siamo ancora nel mezzo di un ciclo di hype. Cerco sempre di esprimere le mie reazioni e quelle di tutti gli altri e dire, okay, tecnologia a parte, qual è il brusio e come possiamo mantenerci a livello di ciò che sta succedendo?

NJ: Ok, ma perché i LLM hanno prestazioni migliori rispetto agli approcci più tradizionali di PNL?

Loeshelle : Molti scienziati dei dati non sanno davvero perché sono molto migliori, ma l'indizio più grande che abbiamo finora è nella parola grande. La dimensione dei set di formazione per i LLM è molto più grande di qualsiasi altra cosa che abbiamo utilizzato storicamente. Pertanto, i LLM hanno più pratica, più esperienza con modelli linguistici reali, rispetto ad altri approcci che abbiamo utilizzato in passato che erano basati su set linguistici più piccoli o ottimizzati per i costi piuttosto che per le prestazioni. Siamo ancora in quello strano spazio in cui i LLM in molti casi hanno costi proibitivi per le aziende da utilizzare o da costruire in proprio. Questo dovrà cambiare.

NJ: Esistono insegnamenti tratti dai “vecchi tipi” di intelligenza artificiale che possono essere applicati a questi casi d’uso più recenti?

Loeshelle : Totalmente. Durante il fine settimana stavo persino leggendo un articolo interessante sul ruolo svolto dalle ontologie: puoi pensare a un'ontologia fondamentalmente come una tassonomia di termini o concetti e, spesso, [queste tassonomie] sono gerarchiche. Questo genere di cose può informare un modello generativo come input.

Quindi, sono molto convinto del fatto che non esista una tecnologia valida per tutti. Dovremmo scegliere il tipo di algoritmo in base al problema che stiamo cercando di risolvere e anche ai nostri vincoli aziendali. Il costo è ovviamente enorme. Se non posso permettermelo, forse non vale il 2% in più di precisione. Forse dovrei semplicemente usare qualcosa che ha funzionato storicamente per me prima.

Ma usarli insieme generalmente, a mio avviso, produrrà un risultato migliore a un ritmo più conveniente. La mia filosofia qui in Qualtrics è che la Gen AI è uno strumento che possiamo sfruttare quando ha senso e ci offre vantaggi unici. Ma non è l'unico strumento. Non è qualcosa che stiamo facendo solo per farlo.