Predicciones de expertos sobre la trayectoria de la IA en 2020

VentureBeat recientemente entrevistó a cinco de las mentes más inteligentes y expertas en el campo de la IA y les pidió que hicieran sus predicciones sobre hacia dónde se dirige la IA a lo largo del año que viene. Las personas entrevistadas para sus predicciones fueron:

• Soumith Chintala, creador de PyTorch.
• Celeste Kidd, profesora de IA en la Universidad de California.
• Jeff Dean, jefe de Google AI.
• Anima Anandkumar, directora de investigación de aprendizaje automático en Nvidia.
• Dario Gil, director de investigación de IBM.

Soumith Chintala

Chintala, el creador de Pytorch, que es probablemente el marco de aprendizaje automático más popular en este momento, predijo que 2020 verá una mayor necesidad de aceleradores de hardware de redes neuronales y métodos para aumentar las velocidades de entrenamiento de modelos. Chintala esperaba que los próximos dos años verán un enfoque aumentado en cómo utilizar las GPU de manera óptima y cómo se puede hacer la compilación de forma automática para nuevo hardware. Más allá de esto, Chintala esperaba que la comunidad de IA comenzará a perseguir otros métodos para cuantificar el rendimiento de la IA de manera más agresiva, colocando menos importancia en la precisión pura. Los factores a considerar incluyen cosas como la cantidad de energía necesaria para entrenar un modelo, cómo la IA se puede utilizar para construir el tipo de sociedad que queremos, y cómo la salida de una red se puede explicar de manera intuitiva a los operadores humanos.

Celeste Kidd

Celeste Kidd ha pasado gran parte de su carrera reciente abogando por una mayor responsabilidad por parte de los diseñadores de algoritmos, plataformas de tecnología y sistemas de recomendación de contenido. Kidd ha argumentado a menudo que los sistemas diseñados para maximizar el compromiso pueden tener impactos graves en la forma en que las personas crean sus opiniones y creencias. Cada vez se presta más atención al uso ético de los algoritmos y sistemas de IA, y Kidd predijo que en 2020 habrá una mayor conciencia de cómo las herramientas y plataformas de tecnología están influyendo en la vida y las decisiones de las personas, así como un rechazo de la idea de que las herramientas de tecnología pueden ser genuinamente neutrales en su diseño.

“Realmente necesitamos, como sociedad y especialmente como las personas que están trabajando en estas herramientas, apreciar directamente la responsabilidad que conlleva”, dijo Kidd.

Jeff Dean

Jeff Dean, el actual jefe de Google AI, predijo que en 2020 habrá progreso en el aprendizaje multimodal y el aprendizaje multitarea. El aprendizaje multimodal es cuando la IA se entrena con múltiples tipos de medios al mismo tiempo, mientras que el aprendizaje multitarea intenta permitir que la IA se entrene en múltiples tareas al mismo tiempo. Dean también esperaba un progreso adicional en los modelos de procesamiento de lenguaje natural basados en Transformer, como el algoritmo BERT de Google y los demás modelos que encabezaron las clasificaciones de GLUE. Dean también mencionó que le gustaría ver menos deseo de crear modelos de rendimiento de estado del arte más avanzados y más deseo de crear modelos que sean más robustos y flexibles.

Anima Anandkumar

Anandkumar esperaba que la comunidad de IA tendrá que lidiar con muchos desafíos en 2020, especialmente la necesidad de conjuntos de datos más diversos y la necesidad de garantizar la privacidad de las personas al entrenar con datos. Anandkumar explicó que, si bien el reconocimiento facial a menudo recibe la mayor atención, hay muchas áreas donde la privacidad de las personas puede ser violada y que estos problemas pueden llegar a ser el centro de la discusión durante 2020.

Anandkumar también esperaba que se harán avances adicionales en los modelos de procesamiento de lenguaje natural basados en Transformer.

“Todavía no estamos en la etapa de generación de diálogo que es interactiva, que puede seguir la pista y tener conversaciones naturales. Así que creo que habrá más intentos serios en 2020 en esa dirección”, dijo.

Finalmente, Anandkumar esperaba que el año que viene verá más desarrollo del algoritmo iterativo y la auto-supervisión. Estos métodos de entrenamiento permiten que los sistemas de IA se auto-entrenen en algunos aspectos, y pueden potencialmente ayudar a crear modelos que puedan mejorar mediante el auto-entrenamiento con datos no etiquetados.

Dario Gil

Gil predijo que en 2020 habrá más progreso hacia la creación de IA de manera más eficiente en términos computacionales, ya que la forma en que actualmente se entrenan las redes neuronales profundas es ineficiente en muchos sentidos. Debido a esto, Gil esperaba que este año verá progreso en términos de crear arquitecturas de precisión reducida y entrenar de manera más eficiente en general. Al igual que algunos de los demás expertos que fueron entrevistados, Gil predijo que en 2020 los investigadores comenzarán a enfocarse más en métricas aparte de la precisión. Gil expresó interés en la IA simbólica neural, ya que IBM está examinando formas de crear modelos de programación probabilística utilizando enfoques simbólicos neurales. Finalmente, Gil enfatizó la importancia de hacer que la IA sea más accesible para aquellos interesados en el aprendizaje automático y eliminar la percepción de que solo los genios pueden trabajar con la IA y hacer ciencia de datos.

“Si lo dejamos como un reino mítico, este campo de la IA, que solo es accesible para los selectos doctorados que trabajan en esto, no contribuye realmente a su adopción”, dijo Gil.