Odborníci předpovídají budoucnost umělé inteligence v roce 2020

VentureBeat recently interviewed pět z nejinteligentnějších a nejzkušenějších odborníků v oblasti umělé inteligence a požádal je, aby předpověděli, kam se bude umělé inteligence ubírat v průběhu následujícího roku. Mezi interviewovanými odborníky byli:

• Soumith Chintala, tvůrce PyTorch.
• Celeste Kidd, profesorka umělé inteligence na University of California.
• Jeff Dean, šéf Google AI.
• Anima Anandkumar, ředitelka výzkumu strojového učení v Nvidia.
• Dario Gil, ředitel výzkumu v IBM.

Soumith Chintala

Chintala, tvůrce PyTorch, který je pravděpodobně nejpopulárnější framework pro strojové učení v současné době, předpověděl, že v roce 2020 bude větší potřeba hardwarových akcelerátorů neuronových sítí a metod pro urychlení trénování modelů. Chintala očekával, že v následujících letech bude větší důraz kladen na to, jak používat GPU optimálně a jak kompilovat automaticky pro nové hardwarové prostředky. Kromě toho Chintala očekával, že komunita umělé inteligence bude více zaměřena na metody kvantifikace výkonu umělé inteligence, s menšími nároky na čistou přesnost. Mezi faktory, které je třeba zohlednit, patří například množství energie potřebné pro trénování modelu, jak lze umělé inteligence použít k vytváření společnosti, kterou chceme, a jak lze výstup sítě intuitivně vysvětlit lidským operátorům.

Celeste Kidd

Celeste Kidd se ve své recentní kariéře soustředila na prosazování větší odpovědnosti ze strany designerů algoritmů, technologických platforem a systémů doporučení obsahu. Kidd často argumentovala, že systémy navržené pro maximalizaci zapojení mohou mít vážné dopady na to, jak lidé vytvářejí své názory a přesvědčení. V roce 2020 bude více pozornosti věnováno etickému použití algoritmů a systémů umělé inteligence, a Kidd předpověděla, že v roce 2020 bude větší povědomí o tom, jak technologické nástroje a platformy ovlivňují životy a rozhodnutí lidí, a také odmítání myšlenky, že technologické nástroje mohou být skutečně neutrální ve svém designu.

„Musíme si, jako společnost a zejména jako lidé, kteří pracují na těchto nástrojích, přímo uvědomit odpovědnost, která s tím souvisí,“ řekla Kidd.

Jeff Dean

Jeff Dean, současný šéf Google AI, předpověděl, že v roce 2020 bude pokrok v multimodálním učení a multitaskovém učení. Multimodální učení je situace, kdy je umělé inteligence trénována s více typy médií současně, zatímco multitaskové učení se snaží umožnit umělé inteligenci trénovat na více úkolech současně. Dean také očekával další pokrok v oblasti modelů zpracování přirozeného jazyka založených na Transformer, jako je algoritmus BERT od Google a další modely, které vedly leaderboard GLUE. Dean také uvedl, že by rád viděl menší touhu vytvářet nej pokrokovější modely s nejvyššími výkony a více touhu vytvářet modely, které jsou více robustní a flexibilní.

Anima Anandkumar

Anandkumar očekávala, že komunita umělé inteligence bude muset řešit mnoho výzev v roce 2020, zejména potřebu více rozmanitých datových sad a potřebu zajistit ochranu soukromí lidí při trénování na datech. Anandkumar vysvětlila, že zatímco rozpoznávání obličeje často dostává největší pozornost, existuje mnoho oblastí, kde může být soukromí lidí porušeno, a že tyto problémy mohou být v roce 2020 více diskutovány.

Anandkumar také očekávala, že budou učiněny další pokroky v oblasti modelů zpracování přirozeného jazyka založených na Transformer.

„Jsme stále na úrovni generování dialogu, který je interaktivní, který může sledovat a vést přirozené konverzace. Takže si myslím, že v roce 2020 budou učiněny vážnější pokusy v tomto směru,“ řekla.

Nakonec Anandkumar očekávala, že v následujícím roce bude více rozvoje iterativních algoritmů a samo-supervize. Tyto tréninkové metody umožňují umělé inteligenci samo-trénovat v některých ohledech a mohou potenciálně pomoci vytvořit modely, které se mohou zlepšovat samo-trénováním na neoznačených datech.

Dario Gil

Gil předpověděl, že v roce 2020 bude více pokroku směrem k vytvoření umělé inteligence v více komputačně efektivním způsobem, jelikož současné trénování hlubokých neuronových sítí je neefektivní ve mnoha ohledech. Gil očekával, že v roce 2020 bude pokrok v oblasti vytváření architektur s nižší přesností a obecně efektivnějšího trénování. Stejně jako někteří další odborníci, Gil předpověděl, že v roce 2020 budou výzkumníci více zaměřeni na metriky mimo přesnost. Gil projevil zájem o neuronovou symbolickou umělou inteligenci, jelikož IBM zkoumá způsoby, jak vytvořit modely probabilistického programování pomocí neuronových symbolických přístupů. Nakonec Gil zdůraznil důležitost zpřístupnění umělé inteligence těm, kteří se o ni zajímají, a odstranění mýtu, že pouze géniové mohou pracovat s umělou inteligencí a dělat datové vědy.

„Pokud ji ponecháme jako nějaký mýtický prostor, tato oblast umělé inteligence, která je přístupná pouze vybraným PhD, kteří na ní pracují, nepřispívá k její adopci,“ řekl Gil.