1. Les réseaux de transformeurs
Qu’est-ce que c’est ?
Il s’agit de modèles de Deep Learning géants pre-trained, personnalisables, hyperprécis et multitâches
À quoi servent-ils ?
Tout problème difficile avec une dimension importante de temps ou de contexte (compréhension et génération de texte, de code logiciel, etc.)
Qui les utilise ?
Les hyperscalers (Amazon Web Services, Google, IBM et Microsoft), les fournisseurs d’analyse vocale et textuelle avant-gardistes, et de nombreuses startups
2. Les données synthétiques
Qu’est-ce que c’est ?
Des modèles génératifs et des environnements virtuels simulés utilisés pour créer ou augmenter les données de formation existantes
À quoi servent-elles ?
Accélérer le développement de nouvelles solutions d’IA, améliorer la précision et la robustesse des modèles d’IA existants et protéger les données sensibles
Qui les utilise ?
Véhicules autonomes, services financiers, compagnies d’assurance et pharmaceutiques, et tous les fournisseurs de computer vision
3. L’apprentissage par renforcement
Qu’est-ce que c’est ?
Approches de machine learning (ML) qui testent leur mode opératoire pour aboutir à des actions optimales via des environnements simulés ou un grand nombre de micro-expériences
À quoi cela sert-il ?
Élaborer des modèles qui optimisent de nombreux objectifs/contraintes ou choisir des actions basées sur des commentaires environnementaux positifs et négatifs
Qui l’utilise ?
Entreprises ciblant des tâches marketing B2C particulières, optimisant les processus de fabrication reproductibles et l’apprentissage robotique
4. L’apprentissage fédéré
Qu’est-ce que c’est ?
Un processus géré pour combiner des modèles formés séparément sur des ensembles de données distincts
À quoi cela sert-il ?
Partager l’intelligence entre les appareils, les systèmes ou les entreprises pour surmonter les limites de confidentialité, de bande passante ou de calcul
Qui l’utilise ?
Hyperscalers, fournisseurs d’applications compatibles avec l’IA et entreprises d’électronique grand public
5. L’inférence causale
Qu’est-ce que c’est ?
Des approches telles que la modélisation par équation structurée et les réseaux bayésiens causaux qui aident à déterminer les relations de cause à effet dans les données
À quoi cela sert-il ?
Des informations sur l’entreprise (par ex., analyse d’attribution) et la prévention des biais où les informations et la capacité à expliquer sont aussi importantes que la précision des prédictions
Qui l’utilise ?
Équipes d’innovation dans des organisations de premier plan (par ex., détermination de l’efficacité du traitement pour une maladie donnée chez les prestataires de soins de santé)
Forrester Decisions pour Technology Architecture & Delivery
Visionnez cette courte vidéo en anglais pour découvrir comment nous pouvons vous aider à devenir un acteur clé de la vision technologique de votre organisation.