Previsioni degli esperti per la traiettoria dell’AI nel 2020

VentureBeat ha recentemente intervistato cinque delle menti più intelligenti e esperte nel campo dell’AI e ha chiesto loro di fare previsioni su dove si dirigerà l’AI nel corso dell’anno a venire. Le persone intervistate per le loro previsioni erano:

• Soumith Chintala, creatore di PyTorch.
• Celeste Kidd, professoressa di AI all’Università della California.
• Jeff Dean, capo di Google AI.
• Anima Anandkumar, direttrice della ricerca di machine learning a Nvidia.
• Dario Gil, direttore della ricerca IBM.

Soumith Chintala

Chintala, il creatore di Pytorch, che è probabilmente il framework di machine learning più popolare al momento, ha previsto che il 2020 vedrà una maggiore necessità di acceleratori di rete neurale e metodi per aumentare la velocità di addestramento dei modelli. Chintala si aspetta che i prossimi due anni vedranno un aumento dell’attenzione su come utilizzare al meglio le GPU e come eseguire la compilazione in modo automatico per il nuovo hardware. Oltre a questo, Chintala si aspetta che la comunità AI inizi a perseguire altri metodi per quantificare le prestazioni dell’AI in modo più aggressivo, attribuendo meno importanza alla pura accuratezza. I fattori da considerare includono cose come la quantità di energia necessaria per addestrare un modello, come l’AI può essere utilizzata per costruire il tipo di società che vogliamo, e come l’output di una rete può essere spiegato in modo intuitivo agli operatori umani.

Celeste Kidd

Celeste Kidd ha trascorso gran parte della sua carriera recente a sostenere una maggiore responsabilità da parte dei progettisti di algoritmi, piattaforme tecnologiche e sistemi di raccomandazione di contenuti. Kidd ha spesso sostenuto che i sistemi progettati per massimizzare l’engagement possono avere impatti seri su come le persone creano le loro opinioni e credenze. Si sta prestando sempre più attenzione all’uso etico degli algoritmi e dei sistemi AI, e Kidd ha previsto che nel 2020 ci sarà una maggiore consapevolezza di come gli strumenti tecnologici e le piattaforme stanno influenzando la vita e le decisioni delle persone, nonché un rifiuto dell’idea che gli strumenti tecnologici possano essere realmente neutrali nella progettazione.

“Dobbiamo realmente, come società e in particolare come persone che lavorano su questi strumenti, apprezzare direttamente la responsabilità che ne deriva”, ha detto Kidd.

Jeff Dean

Jeff Dean, l’attuale capo di Google AI, ha previsto che nel 2020 ci sarà un progresso nell’apprendimento multimodale e nell’apprendimento multitask. L’apprendimento multimodale è quando l’AI viene addestrata con più tipi di media contemporaneamente, mentre l’apprendimento multitask cerca di consentire all’AI di addestrarsi su più compiti contemporaneamente. Dean si aspetta anche ulteriori progressi nell’ambito dei modelli di elaborazione del linguaggio naturale basati su Transformer, come l’algoritmo BERT di Google e gli altri modelli che hanno superato i leaderboards di GLUE. Dean ha anche menzionato che gli piacerebbe vedere meno desiderio di creare modelli di prestazioni avanzate e più desiderio di creare modelli più robusti e flessibili.

Anima Anandkumar

Anandkumar si aspetta che la comunità AI debba affrontare molte sfide nel 2020, in particolare la necessità di set di dati più diversificati e la necessità di garantire la privacy delle persone durante l’addestramento sui dati. Anandkumar ha spiegato che, sebbene il riconoscimento facciale riceva la maggior parte dell’attenzione, ci sono molte aree in cui la privacy delle persone può essere violata e che queste questioni potrebbero essere al centro del dibattito nel 2020.

Anandkumar si aspetta anche ulteriori progressi nell’ambito dei modelli di elaborazione del linguaggio naturale basati su Transformer.

“Non siamo ancora allo stadio della generazione del dialogo interattivo, che può tenere traccia e avere conversazioni naturali. Quindi credo che ci saranno tentativi più seri nel 2020 in quella direzione”, ha detto.

Infine, Anandkumar si aspetta che l’anno a venire vedrà ulteriori sviluppi dell’algoritmo iterativo e dell’auto-supervisione. Questi metodi di addestramento consentono ai sistemi AI di auto-addestrarsi in alcuni aspetti e possono potenzialmente aiutare a creare modelli che possono migliorare con l’auto-addestramento sui dati non etichettati.

Dario Gil

Gil ha previsto che nel 2020 ci sarà un maggior progresso verso la creazione di AI in modo più efficiente dal punto di vista computazionale, poiché il modo in cui le reti neurali profonde vengono attualmente addestrate è inefficiente in molti modi. A causa di ciò, Gil si aspetta che l’anno a venire vedrà progressi in termini di creazione di architetture a precisione ridotta e di addestramento più efficiente in generale. Allo stesso modo di alcuni degli altri esperti intervistati, Gil ha previsto che nel 2020 i ricercatori inizieranno a concentrarsi di più su metriche diverse dall’accuratezza. Gil ha espresso interesse per l’AI neurale simbolica, poiché IBM sta esaminando modi per creare modelli di programmazione probabilistica utilizzando approcci neurali simbolici. Infine, Gil ha sottolineato l’importanza di rendere l’AI più accessibile a coloro che sono interessati al machine learning e di eliminare la percezione che solo i geni possano lavorare con l’AI e fare data science.

“Se lo lasciamo come un regno mitico, questo campo dell’AI, che è accessibile solo ai PhD selezionati che lavorano su di esso, non contribuisce realmente al suo adozione”, ha detto Gil.