2020年のAIの軌道に関する専門家の予測

VentureBeatは最近、AI分野で最も知的な5人の専門家にインタビューを行い、来年のAIの動向について予測を求めた。予測を行った専門家は以下の通りである：

• PyTorchの創設者であるSoumith Chintala。
• カリフォルニア大学のAI教授であるCeleste Kidd。
• Google AIの責任者であるJeff Dean。
• Nvidiaの機械学習研究ディレクターであるAnima Anandkumar。
• IBM ResearchディレクターであるDario Gil。

Soumith Chintala

PyTorchの創設者であるChintalaは、2020年にはニューラルネットワークのハードウェアアクセラレータとモデルトレーニングスピードの向上方法に対する需要が増加することを予測した。Chintalaは、次のcouple of yearsには、GPUを最適に使用する方法と、新しいハードウェアに対するコンパイルの自動化方法に焦点が当てられることを予想した。また、Chintalaは、AIコミュニティが純粋な精度だけでなく、AIのパフォーマンスをより包括的に評価する方法を模索し始めることを予想した。考慮すべき要素には、モデルをトレーニングするために必要なエネルギーの量、AIがどのようにして理想的な社会を構築するために使用できるか、ネットワークの出力が人間のオペレーターに直感的に説明できるかどうかなどがある。

Celeste Kidd

Celeste Kiddは、アルゴリズムの設計者、テクノロジープラットフォーム、コンテンツの推薦システムに対する責任を強調してきた。Kiddは、エンゲージメントを最大化するように設計されたシステムは、人々が意見や信念を形成する方法に重大な影響を与える可能性があると主張してきた。AIアルゴリズムとシステムの倫理的な使用に対する注目が高まっており、Kiddは、2020年には、テクノロジーツールやプラットフォームが人々の生活や決定に与える影響に対する認識が高まり、テクノロジーツールは設計上中立であるという考えが拒絶されることを予測した。

「私たちがこれらのツールを開発している人々として、そして社会として、直接的に責任を認識する必要がある」とKiddは言った。

Jeff Dean

Google AIの責任者であるJeff Deanは、2020年にはマルチモーダル学習とマルチタスク学習の進歩が見られることを予測した。マルチモーダル学習とは、AIが同時に複数のメディアをトレーニングすることを指し、マルチタスク学習とは、AIが同時に複数のタスクをトレーニングすることを指す。Deanは、Transformerベースの自然言語処理モデル、例えばGoogleのBERTアルゴリズムやGLUEリーダーボードでトップになった他のモデルに対する進歩も予測した。Deanは、最も高度な最新のパフォーマンスモデルを作成することに重点を置くのではなく、より堅牢で柔軟なモデルを作成することに重点を置くべきであると述べた。

Anima Anandkumar

Anandkumarは、AIコミュニティが2020年に多くの課題に直面することを予測した。特に、より多様なデータセットの必要性と、データをトレーニングする際に個人のプライバシーを確保する必要性について説明した。Anandkumarは、顔認識が最も注目されることが多いが、プライバシーが侵害される可能性のある他の分野もあり、それらの問題が2020年に議論の中心になる可能性があると述べた。

Anandkumarは、Transformerベースの自然言語処理モデルに対する進歩も予測した。

「私たちはまだ対話型のダイアログ生成ができる段階にない。つまり、対話を続け、自然な会話をできる段階にない。したがって、2020年にその方向でより真剣に取り組むことが予測される」と彼女は言った。

最後に、Anandkumarは、反復アルゴリズムと自己監督学習の開発が進むことを予測した。これらのトレーニング方法により、AIシステムが自己トレーニングを行うことが可能になり、ラベル付けされていないデータで自己トレーニングを行うことでモデルを改善することが可能になる。

Dario Gil

Gilは、2020年にはAIをより計算効率的に作成するための進歩が見られることを予測した。現在のディープニューラルネットワークのトレーニング方法は、多くの点で非効率的である。したがって、Gilは、今年は精度の低いアーキテクチャの作成やトレーニングの効率化に進歩が見られることを予測した。其他の専門家と同様に、Gilは、2020年に研究者が精度以外の指標に焦点を当てることを予測した。Gilは、ニューラルシンボリックAIに興味を示し、IBMはニューラルシンボリックアプローチを使用した確率的プログラミングモデルを作成する方法を検討している。最後に、Gilは、AIを機械学習に興味がある人々にとってよりアクセスしやすくし、AIとデータサイエンスは天才だけが扱える分野であるという認識を払拭することの重要性を強調した。

「私たちがAIを神話的な分野として残すと、AIは選ばれたPh.D.を持つ人々だけが取り組むことができる分野であるという認識を与える。そうすると、AIの採用に貢献しない」とGilは言った。