توقعات الخبراء لمسار الذكاء الاصطناعي في عام 2020

قامت VentureBeat مؤخرًا بمقابلة خمسة من أذكى العقول الخبراء في مجال الذكاء الاصطناعي وسألتهم عن توقعاتهم لمسار الذكاء الاصطناعي خلال العام القادم. وكان الأفراد الذين تمت مقابلتهم لتوقعاتهم هم:

• سوميث تشينتالا، مبتكر PyTorch.
• سيلست كيد، أستاذة الذكاء الاصطناعي في جامعة كاليفورنيا.
• جيف دين، رئيس قسم الذكاء الاصطناعي في جوجل.
• أنيما أناندكومار، مديرة أبحاث التعلم الآلي في نيفيديا.
• داريو جيل، مدير أبحاث آي بي إم.

سوميث تشينتالا

توقع تشينتالا، مبتكر PyTorch، الذي يُعتبر إطار التعلم الآلي الأكثر شعبية في الوقت الحالي، أن عام 2020 سيشهد حاجة أكبر لمعززات الأجهزة العصبية وطرق تعزيز سرعة تدريب النماذج. وتوقع تشينتالا أن السنوات القليلة القادمة ستركز على كيفية استخدام وحدات معالجة الرسومات بفعالية وكيف يمكن إجراء التجميع تلقائيًا لأجهزة جديدة. بالإضافة إلى ذلك، توقع تشينتالا أن مجتمع الذكاء الاصطناعي سيتابع طرقًا أخرى لقياس أداء الذكاء الاصطناعي بشكل أكثر حزمًا، مع إعطاء أهمية أقل للدقة النقية. وتشمل العوامل التي يجب مراعاتها الأمور مثل كمية الطاقة اللازمة لتدريب نموذج، وكيف يمكن استخدام الذكاء الاصطناعي لبناء نوع المجتمع الذي نريده، وكيف يمكن تفسير مخرجات الشبكة بطرق متوافقة مع مشغلي البشر.

سيلست كيد

قضت سيلست كيد معظم مسيرتها المهنية مؤخرًا في الدعوة إلى مزيد من المسؤولية من قبل مصممي الخوارزميات ومنصات التكنولوجيا وأنظمة توصية المحتوى. وقد جادلت كيد في كثير من الأحيان بأن الأنظمة المصممة لتعزيز المشاركة يمكن أن تؤثر بشكل خطير على كيفية تشكيل الناس آراءهم ومعتقداتهم. ويتم إعطاء المزيد من الاهتمام للاستخدام الأخلاقي للخوارزميات والأنظمة الذكية، وتوقعت كيد أن عام 2020 سيشهد زيادة في الوعي حول كيفية تأثير أدوات التكنولوجيا والمنصات على حياة الناس وقراراتهم، بالإضافة إلى رفض فكرة أن أدوات التكنولوجيا يمكن أن تكون محايدة في التصميم.

“نحن بحاجة حقًا، كمجتمع وخاصة كأشخاص يعملون على هذه الأدوات، إلى تقدير مباشر للمسؤولية التي تأتي معها”، قال كيد.

جيف دين

توقع جيف دين، رئيس قسم الذكاء الاصطناعي في جوجل، أن عام 2020 سيشهد تقدمًا في التعلم المتعدد الوسائط والتعلم المتعدد المهام. التعلم المتعدد الوسائط هو عندما يتم تدريب الذكاء الاصطناعي على عدة أنواع من الوسائط في نفس الوقت، بينما يهدف التعلم المتعدد المهام إلى تمكين الذكاء الاصطناعي من التدريب على عدة مهام في نفس الوقت. وتوقع دين أيضًا تقدمًا في نماذج معالجة اللغة الطبيعية التي تعتمد على Transformer، مثل خوارزمية BERT التي طورتها جوجل والنموذج الآخر الذي تصدر قائمة GLUE. كما ذكر دين أنه يود أن يرى انخفاضًا في الرغبة في إنشاء نماذج الأداء المتقدم التي تتمتع بأعلى مستوى من التمييز، ومزيدًا من الرغبة في إنشاء نماذج أكثر متانة ومرونة.

أنيما أناندكومار

توقعت أناندكومار أن مجتمع الذكاء الاصطناعي سيتعامل مع العديد من التحديات في عام 2020، خاصة الحاجة إلى مجموعات بيانات أكثر تنوعًا وضمان خصوصية الأشخاص عند تدريب البيانات. وأوضحت أناندكومار أن بينما تحظى تقنية التعرف على الوجوه باهتمام كبير، هناك العديد من المجالات التي يمكن أن تُخرق فيها خصوصية الأشخاص، وأن هذه القضايا قد تبرز في عام 2020.

كما توقع أناندكومار تقدمًا في نماذج معالجة اللغة الطبيعية التي تعتمد على Transformer.

“نحن لم نصل بعد إلى مرحلة توليد الحوار التفاعلي الذي يمكنه متابعة المحادثة وتحديد المواضيع والتفاعل بطرق طبيعية”، قالت.

أخيرًا، توقع أناندكومار أن عام 2020 سيشهد المزيد من التطور في خوارزميات الخوض التكراري والتدريب الذاتي. تسمح هذه طرق التدريب لأنظمة الذكاء الاصطناعي بالتدريب الذاتي بدرجة ما، ويمكن أن تسهم في إنشاء نماذج قادرة على التحسين من خلال التدريب الذاتي على البيانات غير المسمى.

داريو جيل

توقع جيل أن عام 2020 سيشهد تقدمًا في إنشاء الذكاء الاصطناعي بطريقة أكثر كفاءة حسابيًا، حيث إن طريقة تدريب الشبكات العصبية الحالية غير فعالة في العديد من الجوانب. ونتيجة لذلك، توقع جيل أن عام 2020 سيشهد تقدمًا في إنشاء هياكل ذات دقة مخفضة وعمليات تدريب أكثر كفاءة. كما توقع جيل، مثل بعض الخبراء الآخرين الذين تمت مقابلتهم، أن يبدأ الباحثون في عام 2020 في التركيز على معايير أخرى غير الدقة. وأعرب جيل عن اهتمامه بالذكاء الاصطناعي الرمزي العصبي، حيث تقوم آي بي إم بفحص طرق إنشاء نماذج البرمجة الاحتمالية باستخدام نهج رمزي عصبي. وأخيرًا، شدد جيل على أهمية جعل الذكاء الاصطناعي أكثر سهولة الوصول إليه لأولئك المهتمين بالتعلم الآلي وإزالة تصور أن العمل مع الذكاء الاصطناعي والعلمية يحتاج إلى عباقرة.

“إذا تركناها كمنطقة أسطورية، هذا المجال من الذكاء الاصطناعي، فهو لا يسهل الوصول إليه إلا للخريجين المتميزين الذين يعملون عليه، فهذا لا يسهم في تبنيه”، قال جيل.