2020년 AI의 궤적에 대한 전문가 예측

VentureBeat가 최근에 인터뷰한 내용 AI 분야에서 가장 똑똑하고 전문가인 다섯 명에게 다가올 한 해 동안 AI가 어디로 향하고 있는지 예측하도록 요청했습니다. 예측을 위해 인터뷰한 개인은 다음과 같습니다.

• PyTorch의 창시자 Soumith Chintala.
• 캘리포니아 대학 AI 교수 셀레스트 키드(Celeste Kidd).
• 구글 AI 책임자 제프 딘.
• Nvidia의 머신러닝 연구 책임자인 Anima Anandkumar입니다.
• 다리오 길 IBM 리서치 이사.

수 미친 친 탈라

현재 가장 인기 있는 기계 학습 프레임워크인 Pytorch의 창시자인 Chintala는 2020년에 신경망 하드웨어 가속기와 모델 훈련 속도를 높이는 방법에 대한 수요가 더 커질 것이라고 예측했습니다. Chintala는 향후 몇 년 동안 GPU를 최적으로 사용하는 방법과 새로운 하드웨어에 대해 컴파일을 자동으로 수행하는 방법에 대한 관심이 높아질 것으로 예상했습니다. 이 외에도 Chintala는 AI 커뮤니티가 AI 성능을 보다 공격적으로 정량화하는 다른 방법을 추구하기 시작하여 순수한 정확도를 덜 중요시할 것으로 예상했습니다. 고려해야 할 요소에는 모델을 교육하는 데 필요한 에너지의 양, AI를 사용하여 우리가 원하는 종류의 사회를 구축하는 방법, 네트워크의 출력을 인간 운영자에게 직관적으로 설명할 수 있는 방법 등이 포함됩니다.

셀레스트 키드

Celeste Kidd는 최근 경력의 대부분을 알고리즘, 기술 플랫폼 및 콘텐츠 추천 시스템 디자이너의 책임을 옹호하는 데 보냈습니다. Kidd는 참여를 극대화하도록 설계된 시스템이 사람들이 자신의 의견과 신념을 형성하는 방식에 심각한 영향을 미칠 수 있다고 종종 주장했습니다. AI 알고리즘과 시스템의 윤리적 사용에 점점 더 많은 관심을 기울이고 있으며, Kidd는 2020년에는 기술 도구와 플랫폼이 사람들의 삶과 결정에 어떤 영향을 미치는지에 대한 인식이 높아지고 아이디어가 거부될 것이라고 예측했습니다. 그 기술 도구는 디자인에서 진정으로 중립적일 수 있습니다.

"우리는 사회로서, 특히 이러한 도구를 사용하는 사람들로서 그에 따른 책임을 직접적으로 인식해야 합니다."라고 Kidd는 말했습니다.

제프 딘

현 구글 AI 수장인 제프 딘(Jeff Dean)은 2020년에는 멀티모달 학습(Multimodal Learning)과 멀티태스킹 학습(Multitask Learning)이 진전될 것이라고 예측했다. 멀티모델 학습은 AI가 한 번에 여러 유형의 미디어를 사용하여 학습하는 반면, 멀티태스킹 학습은 AI가 한 번에 여러 작업을 학습할 수 있도록 노력합니다. Dean은 또한 Google의 BERT 알고리즘 및 GLUE 순위표 XNUMX위를 차지한 기타 모델과 같은 Transformer 기반의 자연어 처리 모델과 관련하여 추가 진전이 있을 것으로 예상했습니다. Dean은 또한 가장 발전된 최첨단 성능 모델을 만들려는 욕구가 줄어들고 보다 강력하고 유연한 모델을 만들고 싶은 욕구가 더 많아지고 싶다고 말했습니다.

아니마 아난드 쿠마르

Anandkumar는 AI 커뮤니티가 2020년에 많은 문제, 특히 더 다양한 데이터 세트에 대한 필요성과 데이터 교육 시 사람들의 프라이버시를 보장해야 할 필요성과 씨름해야 할 것으로 예상했습니다. Anandkumar는 얼굴 인식이 가장 많은 관심을 받는 경우가 많지만 사람들의 사생활이 침해될 수 있는 영역이 많으며 이러한 문제가 2020년에 논의의 최전선에 올 수 있다고 설명했습니다.

Anandkumar는 또한 Transformer 기반 자연 언어 처리 모델과 관련하여 추가 발전이 이루어질 것으로 예상했습니다.

“우리는 여전히 대화형이며 추적하고 자연스러운 대화를 할 수 있는 대화 생성 단계에 있지 않습니다. 그래서 2020년에는 그런 방향으로 더 진지한 시도가 있을 것 같다”고 말했다.

마지막으로 Anandkumar는 내년에 반복 알고리즘과 자체 감독이 더 많이 개발될 것으로 예상했습니다. 이러한 학습 방법을 통해 AI 시스템은 일부 측면에서 자체 학습할 수 있으며 레이블이 지정되지 않은 데이터에 대한 자체 학습을 통해 개선할 수 있는 모델을 만드는 데 잠재적으로 도움이 될 수 있습니다.

다리오 길

Gil은 현재 심층 신경망이 훈련되는 방식이 여러 면에서 비효율적이기 때문에 2020년에는 보다 계산 효율적인 방식으로 AI를 만드는 데 더 많은 진전이 있을 것이라고 예측했습니다. 이로 인해 Gil은 올해 정확도가 낮은 아키텍처를 생성하고 일반적으로 보다 효율적으로 교육하는 측면에서 진전이 있을 것으로 예상했습니다. 인터뷰에 응한 다른 전문가들과 마찬가지로 Gil은 2020년에 연구원들이 정확도 외에 지표에 더 집중하기 시작할 것이라고 예측했습니다. Gil은 IBM이 신경 기호 접근 방식을 사용하여 확률적 프로그래밍 모델을 만드는 방법을 검토하고 있기 때문에 신경 기호 AI에 관심을 표명했습니다. 마지막으로 길 대표는 머신러닝에 관심이 있는 사람들이 AI에 더 쉽게 접근할 수 있도록 하고, 천재만이 AI와 작업하고 데이터 사이언스를 할 수 있다는 인식을 없애는 것이 중요하다고 강조했다.

길은 "우리가 그것을 어떤 신화적인 영역, 즉 AI 분야로 남겨두면 이 분야에서 일하는 선별된 박사들만 접근할 수 있으며 채택에 실제로 기여하지 않는다"고 말했다.