Predicciones de expertos para la trayectoria de la IA en 2020

VentureBeat recientemente entrevistado 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 en el transcurso del próximo año. Los individuos entrevistados para sus predicciones fueron:

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

Sumith Chintala

Chintala, el creador de Pytorch, que posiblemente sea 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 en los próximos dos años se prestara más atención a cómo usar las GPU de manera óptima y cómo se puede compilar automáticamente para el nuevo hardware. Más allá de esto, Chintala esperaba que la comunidad de IA comenzara a buscar otros métodos para cuantificar el rendimiento de la IA de manera más agresiva, dando menos importancia a la precisión pura. Los factores a considerar incluyen cosas como la cantidad de energía necesaria para entrenar un modelo, cómo se puede usar la IA para construir el tipo de sociedad que queremos y cómo se puede explicar intuitivamente la salida de una red 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 tecnológicas y sistemas de recomendación de contenido. Kidd a menudo ha argumentado que los sistemas que están diseñados para maximizar el compromiso pueden terminar teniendo un impacto serio 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 tecnológicas influyen en la vida y las decisiones de las personas, así como un rechazo a la idea. que las herramientas tecnológicas pueden tener un diseño genuinamente neutral.

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

jeff decano

Jeff Dean, actual responsable de IA de Google, predijo que en 2020 habrá avances en el aprendizaje multimodal y multitarea. El aprendizaje multimodelo se produce 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 que se lograran mayores avances con respecto a los modelos de procesamiento del lenguaje natural basados ​​en Transformer, como el algoritmo BERT de Google y los otros modelos que encabezaron las tablas de clasificación de GLUE. Dean también mencionó que le gustaría ver menos deseo de crear los modelos de rendimiento más avanzados y de última generación y más deseo de crear modelos que sean más robustos y flexibles.

Ánima Anandkumar

Anandkumar esperaba que la comunidad de IA tuviera 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 cuando entrenan con datos. Anandkumar explicó que, si bien el reconocimiento facial a menudo recibe la mayor atención, hay muchas áreas en las que se puede violar la privacidad de las personas y que estos problemas pueden pasar al primer plano de la discusión durante 2020.

Anandkumar también esperaba que se hicieran más avances con respecto a los modelos de procesamiento de lenguaje natural basados ​​en Transformer.

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

Finalmente, Anandkumar esperaba que el próximo año se produjera un mayor desarrollo del algoritmo iterativo y la autosupervisión. Estos métodos de entrenamiento permiten que los sistemas de IA se autoentrenen en algunos aspectos y potencialmente pueden ayudar a crear modelos que pueden mejorar mediante el autoentrenamiento en datos que no están etiquetados.

Darío Gil

Gil predijo que en 2020 habrá más progreso hacia la creación de IA de una manera más eficiente desde el punto de vista computacional, ya que la forma en que se entrenan actualmente las redes neuronales profundas es ineficiente en muchos sentidos. Por eso, Gil espera que este año se vean avances en términos de crear arquitecturas de precisión reducida y, en general, capacitar de manera más eficiente. Al igual que algunos de los otros expertos que fueron entrevistados, Gil predijo que en 2020 los investigadores comenzarán a centrarse más en las métricas además de la precisión. Gil expresó su interés en la IA simbólica neuronal, ya que IBM está examinando formas de crear modelos de programación probabilística utilizando enfoques simbólicos neuronales. Finalmente, Gil enfatizó la importancia de hacer que la IA sea más accesible para aquellos interesados ​​en el aprendizaje automático y deshacerse de la percepción de que solo los genios pueden trabajar con IA y hacer ciencia de datos.

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