Asiantuntijoiden Ennusteet Tekoälylle Vuonna 2020

VentureBeat haastatteli äskettäin viittä älykkäintä ja asiantuntevinta mieltä tekoälyalalla ja pyysi heitä tekemään ennusteita siitä, mihin tekoäly on menossa kuluvan vuoden aikana. Haastateltaviksi valitut henkilöt olivat:

• Soumith Chintala, PyTorchin luoja.
• Celeste Kidd, tekoälyprofessori Kalifornian yliopistossa.
• Jeff Dean, Google AI:n johtaja.
• Anima Anandkumar, koneoppimisen tutkimusjohtaja Nvidialla.
• Dario Gil, IBM Researchin johtaja.

Soumith Chintala

Chintala, PyTorchin luoja, joka on kiistatta suosituin koneoppimisen kehys tällä hetkellä, ennusti, että vuonna 2020 nähdään suurempi tarve hermoverkkohardware-kiihdyttimille ja menetelmille, joilla voidaan parantaa mallin koulutusnopeuksia. Chintala odotti, että seuraavien kahden vuoden aikana keskitytään siihen, miten voidaan käyttää GPU:ita optimaalisesti ja miten kääntäminen voidaan tehdä automaattisesti uudelle hardwarelle. Tämän lisäksi Chintala odotti, että tekoälyyhteisö alkaisi tavoitella muita keinoja tekoälyn suorituskyvyn mittaamiseen, ja vähentäisi tärkeysasteikkoa puhtaalle tarkkuudelle. Tärkeinä tekijöinä olisivat esimerkiksi se, miten paljon energiaa tarvitaan mallin kouluttamiseen, miten tekoälyä voidaan käyttää sellaisen yhteiskunnan rakentamiseen, jota haluamme, ja miten verkon tulostetta voidaan selkeästi selittää ihmisille.

Celeste Kidd

Celeste Kidd on viime aikoina puolustanut vastuullisuutta algoritmien suunnittelijoiden, teknologiaplatformien ja sisältösuosittelujärjestelmien osalta. Kidd on usein väittänyt, että järjestelmät, jotka on suunniteltu maksimoimaan käyttäjien sitoutumista, voivat johtaa vakaviin vaikutuksiin siinä, miten ihmiset muodostavat mielipiteensä ja uskomuksensa. Yhä enemmän huomiota kiinnitetään tekoälyalgoritmien ja -järjestelmien eettiseen käyttöön, ja Kidd ennusti, että vuonna 2020 tulee olemaan lisääntynyt tietoisuus siitä, miten teknologiset työkalut ja alustat vaikuttavat ihmisten elämään ja päätöksiin, sekä hylkääminen ajatusta, että teknologiset työkalut voivat olla todella puolueettomia suunnittelussa.

“Meidän on todella pakko, sekä yhteiskuntana että erityisesti niiden työkalujen parissa työskentelevien, suoraan arvostaa vastuuta, joka tulee siitä,” Kidd sanoi.

Jeff Dean

Jeff Dean, Google AI:n nykyinen johtaja, ennusti, että vuonna 2020 nähdään edistystä monimodaalisessa oppimisessa ja monitehtävissä oppimisessa. Monimodaalinen oppiminen tarkoittaa, että tekoälyä koulutetaan useiden eri median tyypeillä samanaikaisesti, kun taas monitehtävissä oppimisessa pyritään siihen, että tekoäly voisi koulutus monia tehtäviä samanaikaisesti. Dean odotti myös, että tehdään edistystä luonnollisen kielen prosessointimalleissa, jotka perustuvat Transformeriin, kuten Google:n BERT-algoritmi ja muut mallit, jotka nousivat GLUE-johtajan listalle. Dean mainitsi myös, että hän haluaisi nähdä vähemmän pyrkimyksiä luoda kaikkein edistyneimpiä, valmiuksia malleja ja enemmän pyrkimyksiä luoda malleja, jotka ovat kestävämpiä ja joustavampia.

Anima Anandkumar

Anandkumar odotti, että tekoälyyhteisö joutuu kamppailemaan monien haasteiden kanssa vuonna 2020, erityisesti tarpeen monipuolisempien tietojoukkoihin ja tarpeen varmistaa ihmisten yksityisyyden suojaamisen koulutettaessa dataa. Anandkumar selitti, että vaikka kasvojentunnistus saa usein eniten huomiota, on monia muita alueita, joilla ihmisten yksityisyyttä voidaan loukata, ja nämä ongelmat voivat tulla keskustelun keskipisteeksi vuonna 2020.

Anandkumar odotti myös, että tehdään edistystä Transformer-pohjaisissa luonnollisen kielen prosessointimalleissa.

“Emme ole vielä saavuttaneet vuorovaikutteista dialogin luomisen tasoa, joka voi seurata ja pitää yllä luonnollista keskustelua. Niinpä luulen, että vuonna 2020 tehdään vakavampia yrityksiä tämän suunnan kehittämiseksi,” hän sanoi.

Lopulta Anandkumar odotti, että tuleva vuosi näkee enemmän kehitystä itseohjautuvissa algoritmeissa ja itsevalvonnassa. Nämä koulutusmenetelmät sallivat tekoälyjärjestelmien itseopiskelun jossain määrin ja voivat mahdollisesti auttaa luomaan malleja, jotka voivat parantaa itseään kouluttamalla itsensä merkityksettömällä datasta.

Dario Gil

Gil ennusti, että vuonna 2020 nähdään edistystä tekoälyn luomisessa laskennallisesti tehokkaammin, koska syvien neuroverkkojen koulutus on usein tehokkuudeltaan vajavaista. Tämän vuoksi Gil odotti, että tämä vuosi näkee edistystä vähennetyn tarkin arkkitehtuurin luomisessa ja yleisesti koulutuksen tehokkuuden parantamisessa. Monien muiden asiantuntijoiden tavoin Gil ennusti, että vuonna 2020 tutkijat alkavat keskittyä enemmän muihin mittareihin kuin tarkkuuteen. Gil ilmaisi kiinnostuksensa neurosymboliseen tekoälyyn, koska IBM tutkii keinoja luoda todennäköisyysohjelmointimalleja neurosymbolisilla lähestymistavoilla. Lopulta Gil korosti tekoälyn saattamisen helpommin saataville niille, jotka ovat kiinnostuneita koneoppimisesta ja päättämisestä siitä, että tekoäly on vain joidenkin valittujen tohtorien alue, jotka työskentelevät siinä, ja ettei se todella edistä sen omaksumista.

“Jos jätämme sen jonnekin myyttiseen valtakuntaan, tähän tekoälyalueeseen, joka on vain saatavilla valituille tohtoreille, jotka työskentelevät siinä, se ei todella edistä sen omaksumista,” Gil sanoi.