Prediksi Ahli untuk Trajektori AI di 2020

VentureBeat baru-baru ini mewawancarai lima dari pikiran paling cerdas dan ahli di bidang AI dan meminta mereka untuk membuat prediksi tentang ke mana AI akan menuju sepanjang tahun mendatang. Individu yang diwawancarai untuk prediksi mereka adalah:

• Soumith Chintala, pencipta PyTorch.
• Celeste Kidd, profesor AI di Universitas California.
• Jeff Dean, kepala Google AI.
• Anima Anandkumar, direktur penelitian mesin pembelajaran di Nvidia.
• Dario Gil, direktur IBM Research.

Soumith Chintala

Chintala, pencipta Pytorch, yang mungkin merupakan kerangka kerja mesin pembelajaran paling populer saat ini, memprediksi bahwa 2020 akan melihat kebutuhan yang lebih besar untuk perangkat keras akselerator jaringan saraf dan metode untuk meningkatkan kecepatan pelatihan model. Chintala berharap bahwa beberapa tahun ke depan akan melihat fokus yang lebih besar pada bagaimana menggunakan GPU secara optimal dan bagaimana kompilasi dapat dilakukan secara otomatis untuk perangkat keras baru. Di luar ini, Chintala berharap bahwa komunitas AI akan mulai mengejar metode lain untuk mengukur kinerja AI lebih agresif, dengan menempatkan kurang penting pada akurasi murni. Faktor-faktor yang perlu dipertimbangkan termasuk hal-hal seperti jumlah energi yang dibutuhkan untuk melatih model, bagaimana AI dapat digunakan untuk membangun masyarakat yang kita inginkan, dan bagaimana output jaringan dapat dijelaskan secara intuitif kepada operator manusia.

Celeste Kidd

Celeste Kidd telah menghabiskan sebagian besar karirnya untuk mendesak lebih banyak tanggung jawab dari desainer algoritma, platform teknologi, dan sistem rekomendasi konten. Kidd telah sering berargumentasi bahwa sistem yang dirancang untuk memaksimalkan keterlibatan dapat berakhir dengan dampak serius terhadap bagaimana orang membuat pendapat dan kepercayaan mereka. Perhatian yang lebih besar sedang diberikan pada penggunaan etis algoritma dan sistem AI, dan Kidd memprediksi bahwa pada 2020 akan ada peningkatan kesadaran tentang bagaimana alat teknologi dan platform mempengaruhi kehidupan dan keputusan orang, serta penolakan terhadap gagasan bahwa alat teknologi dapat benar-benar netral dalam desain.

“Kita benar-benar perlu, sebagai masyarakat dan terutama sebagai orang yang bekerja pada alat ini, langsung menghargai tanggung jawab yang datang dengan itu,” kata Kidd.

Jeff Dean

Jeff Dean, kepala Google AI saat ini, memprediksi bahwa pada 2020 akan ada kemajuan dalam pembelajaran multimodal dan pembelajaran multitugas. Pembelajaran multimodal adalah ketika AI dilatih dengan beberapa jenis media sekaligus, sedangkan pembelajaran multitugas berusaha untuk memungkinkan AI untuk dilatih pada beberapa tugas sekaligus. Dean juga berharap bahwa kemajuan lebih lanjut akan dibuat dalam model pemrosesan bahasa alami berbasis Transformer, seperti algoritma BERT Google dan model lain yang menduduki papan peringkat GLUE. Dean juga menyebutkan bahwa dia ingin melihat kurangnya keinginan untuk menciptakan model kinerja tercanggih dan lebih banyak keinginan untuk menciptakan model yang lebih kuat dan fleksibel.

Anima Anandkumar

Anandkumar berharap bahwa komunitas AI akan harus berhadapan dengan banyak tantangan pada 2020, terutama kebutuhan akan dataset yang lebih beragam dan kebutuhan untuk memastikan privasi orang saat melatih data. Anandkumar menjelaskan bahwa meskipun pengenalan wajah sering mendapatkan perhatian terbanyak, ada banyak area di mana privasi orang dapat dilanggar dan bahwa masalah-masalah ini mungkin akan menjadi topik utama diskusi pada 2020.

Anandkumar juga berharap bahwa kemajuan lebih lanjut akan dibuat dalam model pemrosesan bahasa alami berbasis Transformer.

“Kita masih belum mencapai tahap generasi dialog yang interaktif, yang dapat melacak dan memiliki percakapan alami. Jadi saya pikir akan ada upaya lebih serius pada 2020 dalam arah itu,” katanya.

Akhirnya, Anandkumar berharap bahwa tahun mendatang akan melihat lebih banyak pengembangan algoritma iteratif dan self-supervisi. Metode pelatihan ini memungkinkan sistem AI untuk self-train dalam beberapa hal, dan dapat berpotensi membantu menciptakan model yang dapat ditingkatkan dengan self-train pada data yang tidak dilabeli.

Dario Gil

Gil memprediksi bahwa pada 2020 akan ada kemajuan lebih lanjut dalam menciptakan AI dengan cara yang lebih efisien secara komputasi, karena cara jaringan saraf dalam dilatih saat ini tidak efisien dalam banyak hal. Karena itu, Gil berharap bahwa tahun ini akan melihat kemajuan dalam menciptakan arsitektur presisi yang berkurang dan secara umum melatih lebih efisien. Seperti beberapa ahli lain yang diwawancarai, Gil memprediksi bahwa pada 2020 peneliti akan mulai fokus lebih pada metrik di luar akurasi. Gil mengekspresikan minatnya pada AI simbolik neural, karena IBM sedang memeriksa cara untuk menciptakan model pemrograman probabilistik menggunakan pendekatan simbolik neural. Akhirnya, Gil menekankan pentingnya membuat AI lebih dapat diakses oleh mereka yang tertarik dengan pembelajaran mesin dan menghilangkan persepsi bahwa hanya jenius yang dapat bekerja dengan AI dan melakukan ilmu data.

“Jika kita meninggalkannya sebagai domain mitos, bidang AI ini, yang hanya dapat diakses oleh PhD terpilih yang bekerja pada ini, itu tidak benar-benar berkontribusi pada adopsinya,” kata Gil.