Εкспέρτιες Προβλέψεις Για Τη Τραectoria Του AI Το 2020

Η VentureBeat συνέντευξε πρόσφατα πέντε από τους πιο έξυπνους και εξειδικευμένους νους στο πεδίο του AI και τους ζήτησε να κάνουν τις προβλέψεις τους για το πού πηγαίνει το AI κατά τη διάρκεια του επόμενου έτους. Οι άνθρωποι που συνεντεύχθηκαν για τις προβλέψεις τους ήταν:

• Ο Soumith Chintala, δημιουργός του PyTorch.
• Η Celeste Kidd, καθηγήτρια AI στο Πανεπιστήμιο της Καλιφόρνιας.
• Ο Jeff Dean, αρχηγός του Google AI.
• Η Anima Anandkumar, διευθύντρια έρευνας μηχανικής μάθησης στην Nvidia.
• Ο Dario Gil, διευθυντής έρευνας της IBM.

Soumith Chintala

Ο Chintala, ο δημιουργός του Pytorch, το οποίο είναι πιθανώς το πιο δημοφιλές πλαίσιο μηχανικής μάθησης αυτή τη στιγμή, προέβλεψε ότι το 2020 θα δούμε μια μεγαλύτερη ανάγκη για επιταχυντές υλικού για νευρωνικά δίκτυα και μεθόδους για την ενίσχυση της ταχύτητας εκπαίδευσης των μοντέλων. Ο Chintala περίμενε ότι τα επόμενα δύο χρόνια θα δούμε μια αυξημένη εστίαση στο πώς να χρησιμοποιούμε τις GPU με τον βέλτιστο τρόπο και πώς μπορεί να γίνει η αυτόματη συλλογή για νέο υλικό. Πέρα από αυτό, ο Chintala περίμενε ότι η κοινότητα του AI θα αρχίσει να καταδιώκει άλλες μεθόδους για την ποσοτικοποίηση της απόδοσης του AI με μεγαλύτερη επιθετικότητα, τοποθετώντας λιγότερη σημασία στην καθαρή ακρίβεια. Παράμετροι για εξέταση περιλαμβάνουν πράγματα όπως η ποσότητα ενέργειας που χρειάζεται για την εκπαίδευση ενός μοντέλου, πώς το AI μπορεί να χρησιμοποιηθεί για την κατασκευή του είδους της κοινωνίας που θέλουμε, και πώς η έξοδος ενός δικτύου μπορεί να εξηγηθεί με直觉 στους ανθρώπινους χειριστές.

Celeste Kidd

Η Celeste Kidd έχει περάσει μεγάλο μέρος της πρόσφατης καριέρας της υποστηρίζοντας περισσότερη ευθύνη για τους σχεδιαστές αλγορίθμων, πλατφόρμων τεχνολογίας και συστημάτων σύστασης περιεχομένου. Η Kidd έχει συχνά υποστηρίξει ότι τα συστήματα που σχεδιάζονται για να μεγιστοποιήσουν την εμπλοκή possono να έχουν σοβαρές επιπτώσεις σχετικά με τον τρόπο που οι άνθρωποι δημιουργούν τις γνώμες και τις πεποιθήσεις τους. Όλο και περισσότερη προσοχή δίνεται στη χρήση του AI με ηθική και η Kidd προέβλεψε ότι το 2020 θα δούμε μια αυξημένη ευαισθητοποίηση σχετικά με τον τρόπο που τα τεχνολογικά εργαλεία και πλατφόρμες επηρεάζουν τις ζωές και τις αποφάσεις των ανθρώπων, καθώς και μια απόρριψη της ιδέας ότι τα τεχνολογικά εργαλεία possono να είναι πραγματικά ουδέτερα στη σχεδίαση.

«Πραγματικά πρέπει να, ως κοινωνία και ειδικά ως οι άνθρωποι που δουλεύουν σε αυτά τα εργαλεία, να εκτιμήσουμε άμεσα την ευθύνη που έρχεται με», είπε η Kidd.

Jeff Dean

Ο Jeff Dean, ο τρέχων αρχηγός του Google AI, προέβλεψε ότι το 2020 θα δούμε πρόοδο στη μάθηση πολλαπλών μοντέλων και στη μάθηση πολλαπλών εργασιών. Η μάθηση πολλαπλών μοντέλων είναι όταν το AI εκπαιδεύεται με πολλαπλά είδη μέσων ταυτόχρονα, ενώ η μάθηση πολλαπλών εργασιών επιχειρεί να επιτρέψει στο AI να εκπαιδευτεί σε πολλαπλά εργασίες ταυτόχρονα. Ο Dean περίμενε επίσης ότι θα γίνει πρόοδος σχετικά με τα μοντέλα επεξεργασίας φυσικής γλώσσας που βασίζονται στο Transformer, όπως το αλγόριθμο BERT της Google και τα άλλα μοντέλα που κατέλαβαν τις πρώτες θέσεις στα leaderboards του GLUE. Ο Dean também mentioned ότι θα ήθελε να δει λιγότερη επιθυμία να δημιουργηθούν τα πιο προηγμένα μοντέλα απόδοσης και περισσότερη επιθυμία να δημιουργηθούν μοντέλα που είναι πιο ανθεκτικά και ευέλικτα.

Anima Anandkumar

Η Anandkumar περίμενε ότι η κοινότητα του AI θα πρέπει να αντιμετωπίσει πολλά προκλήματα το 2020, ιδιαίτερα την ανάγκη για πιο διαφορετικά σύνολα δεδομένων και την ανάγκη να διασφαλιστεί η ιδιωτικότητα των ανθρώπων κατά την εκπαίδευση με δεδομένα. Η Anandkumar εξήγησε ότι ενώ η αναγνώριση προσώπου συχνά λαμβάνει την περισσότερη προσοχή, υπάρχουν πολλά πεδία όπου η ιδιωτικότητα των ανθρώπων μπορεί να παραβιαστεί και ότι αυτά τα ζητήματα μπορεί να έρθουν στο επίκεντρο της συζήτησης κατά τη διάρκεια του 2020.

Η Anandkumar επίσης περίμενε ότι θα γίνει πρόοδος σχετικά με τα μοντέλα επεξεργασίας φυσικής γλώσσας που βασίζονται στο Transformer.

«Είμαστε ακόμη नहάμε στο στάδιο της διαλόγου που είναι αλληλεπιδραστική, που μπορεί να跟 dõi και να έχει φυσικές συζητήσεις. Έτσι νομίζω ότι θα γίνουν πιο σοβαρές προσπάθειες το 2020 σε αυτή τη διεύθυνση», είπε.

Τέλος, η Anandkumar περίμενε ότι το επόμενο έτος θα δούμε περισσότερη ανάπτυξη του αλγορίθμου επανάληψης και της αυτο-επίβλεψης. Αυτές οι μεθόδους εκπαίδευσης επιτρέπουν στα συστήματα AI να αυτο-εκπαιδευτούν σε κάποιο βαθμό και possono να βοηθήσουν στη δημιουργία μοντέλων που μπορούν να βελτιωθούν με την αυτο-εκπαίδευση σε δεδομένα που δεν έχουν επισήμανση.

Dario Gil

Ο Gil περίμενε ότι το 2020 θα δούμε πρόοδο στην δημιουργία του AI με πιο υπολογιστικά αποτελεσματικό τρόπο, καθώς ο τρόπος που τα βαθιά νευρωνικά δίκτυα εκπαιδεύονται αυτή τη στιγμή είναι αναποτελεσματικός σε πολλούς τρόπους. Λόγω αυτού, ο Gil περίμενε ότι αυτό το έτος θα δούμε πρόοδο σε σχέση με την δημιουργία αρχιτεκτονικών με μειωμένη ακρίβεια και γενικά την εκπαίδευση με μεγαλύτερη αποτελεσματικότητα. Όπως και κάποιοι άλλοι εμπειρογνώμονες που συνεντεύχθησαν, ο Gil περίμενε ότι το 2020 οι ερευνητές θα αρχίσουν να εστιάζουν περισσότερο σε μετρήσεις πέρα από την ακρίβεια. Ο Gil εξέφρασε ενδιαφέρον για το νευρωνικό-συμβολικό AI, καθώς η IBM εξετάζει τρόπους για να δημιουργήσει μοντέλα προγραμματισμού πιθανοτήτων χρησιμοποιώντας νευρωνικές-συμβολικές προσεγγίσεις. Τέλος, ο Gil τόνισε τη σημασία της κάνωντας το AI πιο προσιτό σε εκείνους που ενδιαφέρονται για τη μηχανική μάθηση και την καταστροφή της αντίληψης ότι μόνο οι γένοιοι μπορούν να δουλέψουν με το AI και να κάνουν επιστήμη δεδομένων.

«Εάν το αφήσουμε ως κάποιο μυθικό βασίλειο, αυτό το πεδίο του AI, που είναι μόνο προσβάσιμο στους επιλεγμένους PhD που δουλεύουν σε αυτό, δεν συνεισφέρει πραγματικά στην υιοθέτησή του», είπε ο Gil.