Le véritable goulot d'étranglement pourrait résider dans la façon dont les systèmes d'IA actuels gèrent l'apprentissage personnalisé en continu. Construire des modèles adaptatifs qui évoluent avec les flux de données des utilisateurs individuels semble simple en théorie, mais la complexité technique est importante. Ce qui est fascinant dans les expériences techniques que j'ai menées : l'entraînement sur d'énormes ensembles de données de tweets avec des mécanismes d'apprentissage continu appropriés permet de révéler des insights véritablement puissants. La différence entre les modèles statiques et les systèmes à apprentissage dynamique est spectaculaire. Si les équipes qui développent des algorithmes de chronologie pouvaient résoudre ce problème d'optimisation, vous assisteriez à un changement qualitatif dans le fonctionnement des flux personnalisés.