Eksperternes forudsigelser for AI’s udvikling i 2020

VentureBeat interviewede nylig fem af de mest intelligente og eksperter i AI-feltet og bad dem om at gøre deres forudsigelser for, hvor AI er på vej hen i løbet af det kommende år. De personer, der blev interviewet til deres forudsigelser, var:

• Soumith Chintala, skaberen af PyTorch.
• Celeste Kidd, AI-professor ved University of California.
• Jeff Dean, chef for Google AI.
• Anima Anandkumar, direktør for maskinlæringsforskning hos Nvidia.
• Dario Gil, direktør for IBM Research.

Soumith Chintala

Chintala, skaberen af PyTorch, som sandsynligvis er den mest populære maskinlæringsramme lige nu, forudsagde, at 2020 vil se en større behov for neurale netværks-hardware-acceleratorer og metoder til at øge model-træningshastigheder. Chintala forventede, at de næste par år vil se en øget fokus på, hvordan man kan bruge GPU’er optimalt, og hvordan kompilering kan gøres automatisk for nye hardware. Ud over dette forventede Chintala, at AI-samfundet vil begynde at forfølge andre metoder til at kvantificere AI-præstation mere aggressivt, og lægge mindre vægt på ren nøjagtighed. Faktorer, der skal tages i betragtning, omfatter ting som den mængde energi, der er nødvendig for at træne en model, hvordan AI kan bruges til at bygge den slags samfund, vi ønsker, og hvordan outputtet fra et netværk kan forklares intuitivt for menneskelige operatører.

Celeste Kidd

Celeste Kidd har brugt en stor del af sin seneste karriere på at forkæmpe for mere ansvar på designerne af algoritmer, tekniske platforme og indholdsanbefalingssystemer. Kidd har ofte argumenteret for, at systemer, der er designede til at maksimere engagement, kan ende med at have alvorlige konsekvenser for, hvordan mennesker skaber deres meninger og overbevisninger. Der bliver mere og mere opmærksomhed på den etiske brug af AI-algoritmer og -systemer, og Kidd forudsagde, at i 2020 der vil være en øget bevidsthed om, hvordan tekniske værktøjer og platforme påvirker menneskers liv og beslutninger, samt en afvisning af ideen om, at tekniske værktøjer kan være ægte neutralt designede.

“Vi har virkelig brug for, som et samfund og især som de mennesker, der arbejder på disse værktøjer, at direkte værdsætte det ansvar, der følger med,” sagde Kidd.

Jeff Dean

Jeff Dean, den nuværende chef for Google AI, forudsagde, at i 2020 der vil være fremskridt i multimodal læring og multitask-læring. Multimodal læring er, når AI trænes med multiple typer medie på samme tid, mens multitask-læring søger at tillade AI at træne på multiple opgaver på samme tid. Dean forventede også, at der vil blive gjort yderligere fremskridt i forhold til naturlig sprogbehandlingmodeller baseret på Transformer, såsom Google’s BERT-algoritme og de andre modeller, der toppede GLUE-leaderboards. Dean nævnte også, at han gerne vil se mindre ønske om at skabe de mest avancerede state-of-the-art-præstationsmodeller og mere ønske om at skabe modeller, der er mere robuste og fleksible.

Anima Anandkumar

Anandkumar forudsagde, at AI-samfundet vil have brug for at kæmpe med mange udfordringer i 2020, især behovet for mere diverse datasæt og behovet for at sikre folks privatliv, når de træner på data. Anandkumar forklarede, at mens ansigtsgenkendelse ofte får mest opmærksomhed, er der mange områder, hvor folks privatliv kan blive krænket, og at disse problemer kan komme til at være i centrum for diskussionen i 2020.

Anandkumar forudsagde også, at der vil blive gjort yderligere fremskridt i forhold til Transformer-baserede naturlige sprogbehandlingmodeller.

“Vi er stadig ikke på det stadium, hvor dialoggenerering er interaktiv, hvor den kan holde spor og have naturlige samtaler. Så jeg tror, der vil blive gjort mere alvorlige forsøg i 2020 i den retning,” sagde hun.

Til sidst forudsagde Anandkumar, at det kommende år vil se mere udvikling af iterative algoritmer og selv-overvågning. Disse træningsmetoder tillader AI-systemer at selv-træne i visse henseender og kan potentielt hjælpe med at skabe modeller, der kan forbedre sig selv ved at træne på data, der ikke er mærket.

Dario Gil

Gil forudsagde, at i 2020 der vil være mere fremskridt mod at skabe AI på en mere beregningsmæssigt effektiv måde, da måden, hvorpå dybe neurale netværk trænes i øjeblikket, er ineffektiv på mange måder. På grund af dette forudsagde Gil, at dette år vil se fremskridt i forhold til at skabe reducerede-præcisioner-arkitekturer og generelt træne mere effektivt. Ligesom nogle af de andre eksperter, der blev interviewet, forudsagde Gil, at i 2020 forskerne vil begynde at fokusere mere på metrikker ud over nøjagtighed. Gil udtrykte interesse for neuralsymbolisk AI, da IBM undersøger måder at skabe probabilistiske programmeringsmodeller ved hjælp af neuralsymboliske tilgange. Til sidst understregede Gil vigtigheden af at gøre AI mere tilgængeligt for dem, der er interesseret i maskinlærning, og af at få rid af opfattelsen af, at kun genier kan arbejde med AI og gøre datavidenskab.

“Hvis vi lader det være som en mytisk verden, dette felt af AI, der kun er tilgængeligt for de udvalgte PhD’er, der arbejder på dette, bidrager det ikke rigtigt til dets adoption,” sagde Gil.