2021 年に企業に影響を与える自然言語処理のトレンド

[[384737]]

[51CTO.com クイック翻訳] 昨今、自然言語技術は企業でますます活用されるようになっています。企業は、多数のテキスト分析ソリューション、音声認識システム、チャットボット、そして考え得るあらゆる言語処理ユースケースを立ち上げています。

過去 3 年間で、自然言語処理 (NLP) はデータ サイエンスの最も主要な分野の 1 つになりました。自然言語処理 (NLP) は、自然言語理解 (NLU)、自然言語生成 (NLG)、自然言語対話 (NLI) などのサブフィールドの総称です。

Google や Microsoft などのテクノロジー企業が成長と革新を続けるにつれ、自然言語処理 (NLP) は精度、速度、手法の面で飛躍的な進歩を遂げ、コンピューター科学者がより複雑な問題を解決するのを支援しています。自然言語処理 (NLP) は、今日の人工知能において最も研究されている分野の 1 つになっています。

AI 開発会社 Paperspace の共同設立者兼 CEO である Dillon Erb 氏は、2021 年にビジネスに影響を与える 5 つの重要な自然言語処理のトレンドを分析、説明し、正当な開発と過大評価された宣伝を区別するのに役立ちます。

トレンド1: 真の自然言語処理 (NLP) はまだ長い道のり

人間の言語は人間の思考を表現するため複雑です。これにより、自然言語理解 (NLU) は、いわゆる「難しい AI」問題の 1 つになります。これは、自然言語理解 (NLU) が直面する問題が汎用 AI の問題であるためです。

しかし、AI のサブトピックとして、自然言語理解 (NLU) は、その応用の見通しが刺激的で、多くの自然言語理解 (NLU) ソリューションがアプリケーションで実際の価値を示しているため、より多くの注目を集めています。

したがって、自然言語理解 (NLU) テクノロジはまだ成熟していませんが、自然言語理解 (NLU) の人気はエンタープライズ アプリケーションで実証されています。

自然言語理解 (NLU) は、顧客の感情分析を実行し、Siri や Alexa などのデジタル アシスタントに尋ねられた質問を理解するために使用されます。また、Google翻訳などのニューラル機械翻訳サービスを通じて、複数の言語間でテキストを翻訳することもできます。

人々が知っておくべきことは、包括的な汎用人工知能が登場するまでには、自然言語処理 (NLP) が継続的に開発される必要があるため、まだ長い道のりが残っているということです。

トレンド2：モデルは急速に改善しており、企業は備える必要がある

おそらく、今日最も有名な AI モデルは OpenAI の GPT です。最新バージョンのGPT-3は今年初めにリリースされました。

GPT の進歩に関して言えば、GPT-2 は 2019 年 2 月にリリースされ、15 億のパラメータでトレーニングされたことにより大きな影響を与えました。 GPT-3 は 18 か月後にリリースされ、1,750 億のパラメータで事前トレーニングされたため、トレーニング時間は 2 桁長くなりました。 GPT のリリースは、フェイクニュースの生成、アートの生成、コードライブラリの作成などを目的としていたため、すぐに世界中のメディアの注目を集めました。

GPT などの言語モデルの開発は、Web アプリケーションを言葉で説明することから著名人の言語パターンを模倣すること、診断を提供するための医学文献のトレーニングに至るまで、企業に機械知能のさまざまな方法とアプリケーションの開発を促しています。

トレンド3: 限定的なユースケースが成功を収める

調査によると、世界中で何十万人もの人々が、特にエンタープライズ レベルで GPU コンピューティング、機械学習、ディープラーニングに取り組んでいます。理解しておくべき重要な点の 1 つは、AI プロジェクトを成功させ、ビジネス価値を高めるためには、その範囲を狭めることができるということです。

OpenAI の GPT-3 のような人工知能プロジェクトは、テクノロジーが将来どのように進化するかについて刺激的なビジョンを提供しているため、幅広い注目を集めています。しかし、真の価値を生み出す今日のエンタープライズ プロジェクトと展開は、範囲が狭く、具体的なビジネス価値をもたらします。

たとえば、Adobe Photoshop が背景から画像の主題を自動的に選択する機能を提供したとき、それはエンド ユーザーに真の価値を提供するコンピューター ビジョンの限定的な使用でした。 Photoshop ユーザーは、ピクセル単位の精度で背景を削除するのに何時間も費やす必要がなくなりました。これは、限定されたアプリケーションが成功した例です。

トレンド4: 機械学習モデルにはメンテナンスが必要

従来のソフトウェアとは異なり、本番環境で使用される機械学習モデルは、時間の経過とともにパフォーマンスが低下するため、メンテナンスが必要です。この事実と、実稼働の機械学習モデル (モデルはコード、データ、計算、パフォーマンス メトリックから構成されます) の複雑な組み合わせが相まって、継続的インテグレーション (CI)/継続的デリバリー (CD) および MLOps ツール、さらにはインフラストラクチャ仮想化製品の急速な開発につながっています。

自然言語理解 (NLU) または自然言語処理 (NLP) の最も魅力的な点の 1 つは、時間の経過とともにモデルを改善できることです。多くのアプリケーションでは、モデルの精度をわずか数パーセント向上させるだけで、企業の収益に数百万ドルの価値を追加できます。具体的な例としては、推奨エンジンや財務モデリング アプリケーションなどのアプリケーションが挙げられます。

したがって、時間の経過とともに価値を提供し続ける、予測可能な展開システムを持つことが重要です。

トレンド5: 機械学習をソフトウェア分野として捉える

企業が機械学習からビジネス価値を高めるための準備として最も価値のある方法の 1 つは、機械学習をソフトウェア分野として確立することです。機械学習プロジェクトの大部分は、開発者やデータ サイエンティストのラップトップで実行される研究実験のプロセスで行き詰まってしまうため、企業がモデルを本番環境に展開して価値を提供するのに役立つシステムを優先することが重要です。

機械学習をソフトウェア分野として扱うということは、プロジェクトを研究から実稼働に移行するためのパイプラインを確立することを意味します。これは、機械学習がソフトウェア スタックの他の部分と同様に、より多くの注目とリソースを獲得できることを意味します。また、コード、データ、機械学習モデル自体がバージョン管理されるようになることも意味します。企業が大規模に機械学習モデルを展開できるように、インフラストラクチャ構成を簡素化することも重要です。

最終的な目標は、AI を企業のビジネス推進力にすることです。機械学習の分野では、できるだけ早く価値を創造できるように適切なプロセスを導入することが重要です。より収益性の高いモデルは時間の経過とともにより多くの利益を生み出すので、今こそそれらのモデルを導入し始める時期です。

原題: 2021 年に企業に影響を与える自然言語処理のトレンド、著者: EWEEK 編集者

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]