人工知能
2020年のAIの軌跡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し、来年のAIの動向について予測を求めた。インタビューされた個人は以下の通りである：
- Soumith Chintala、PyTorchの創設者。
- Celeste Kidd、カリフォルニア大学のAI教授。
- Jeff Dean、Google AIの責任者。
- Anima Anandkumar、Nvidiaの機械学習研究ディレクター。
- Dario Gil、IBM Researchディレクター。
Soumith Chintala
Chintalaは、現在最も人気のある機械学習フレームワークである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学習速度の向上方法に対する需要が高まることを予測した。Chintalaは、次の2年間で、GPUを最適に使用する方法と新しいハードウェアの自動コンパイル方法に焦点が当てられることを予想した。さらに、Chintalaは、AIコミュニティが、純粋な精度だけでなく、AIの性能をより積極的に量化する他の方法を追求し始めることを予想した。考慮すべき要素には、モデルを学習するために必要なエネルギーの量、AIを使用してどのような社会を構築するか、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などが含まれる。
Celeste Kidd
Celeste Kiddは、最近、アルゴリズム、テクノロジー・プラットフォーム、コンテンツのレコメンド・システムの設計者に責任を負わせることの重要性を強調してきた。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ついて、ますます多くの注目が集まっており、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ついての認識が高まり、テクノロジー・ツールが真に中立的な設計であるという考えが拒否されることを予測した。
「私たちが、特にこれらのツールに取り組む人々として、責任を直接認識する必要がある」とKiddは述べた。
Jeff Dean
Google AIの現責任者であるJeff Deanは、2020年にはマルチモーダル・ラーニングとマルチタスク・ラーニングの分野で進歩が見られることを予測した。マルチモーダル・ラーニングとは、AIが同時に複数のメディアタイプで学習することを指し、マルチタスク・ラーニングとは、AIが同時に複数のタスクで学習することを指す。Deanは、Transformerに基づく自然言語処理モデル、たとえばGoogleのBERTアルゴリズムやGLUEリーダーボードを首位にした他のモデルについても、進歩が見られることを予想した。さらに、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欲求するのではなく、より堅牢で柔軟なモデルを作成することに欲求することが増えることを期待した。
Anima Anandkumar
Anandkumarは、2020年には、AIコミュニティが多くの課題に直面することになる、特に多様なデータセットの必要性とデータを学習する際のプライバシーの確保の必要性について予測した。Anandkumarは、顔認識が最も注目されることが多いが、プライバシーの侵害される可能性のある分野は多数あり、2020年にはこれらの問題が議論の最前線に立つ可能性があると説明した。
Anandkumarは、Transformerに基づく自然言語処理モデルの進歩も予測した。
「私たちはまだ、対話的な、トラックを保持し、自然な会話をできるような対話生成の段階に達していない。したがって、2020年には、その方向に向けたより真剣な試みが行われると思われる」と彼女は述べた。
最後に、Anandkumarは、2020年には、反復アルゴリズムと自己監督の開発が進むことを予測した。これらの学習方法により、AIシステムはある程度自己学習を行うことができ、ラベル付けされていないデータで自己学習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、ディープ・ニューラル・ネットワークが学習される方法は、多くの点で非効率的である。したがって、Gilは、2020年には、削減された精度のアーキテクチャの作成や一般的に効率的な学習方法の開発が進むことを予想した。他の専門家と同様に、Gilは、2020年には、研究者が精度以外の指標に焦点を当てることが増えることを予測した。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を機械学習に興味のある人々やデータ・サイエンスを行う人々にとってよりアクセスしやすくし、AIとデータ・サイエンスが特別な才能を持った人々だけが取り組むことができる「神話的な領域」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、特別な才能を持った人々だけが取り組むことができる『神話的な領域』として残すとすれば、それはAIの採用に貢献しない」とGilは述べた。
