Expertvoorspellingen voor de ontwikkeling van AI in 2020

VentureBeat heeft onlangs vijf van de intelligentste en meest ervaren experts op het gebied van AI geïnterviewd en hen gevraagd om hun voorspellingen te doen over de richting waarin AI zich in de komende jaar zal ontwikkelen. De personen die voor hun voorspellingen zijn geïnterviewd, waren:

• Soumith Chintala, maker van PyTorch.
• Celeste Kidd, AI-hoogleraar aan de Universiteit van Californië.
• Jeff Dean, hoofd van Google AI.
• Anima Anandkumar, directeur onderzoek machine learning bij Nvidia.
• Dario Gil, directeur van IBM Research.

Soumith Chintala

Chintala, de maker van PyTorch, dat op dit moment waarschijnlijk het meest populaire machine learning-framework is, voorspelde dat 2020 een grotere behoefte zal zien aan hardware-accelerators voor neurale netwerken en methoden om de trainingsnelheid van modellen te verhogen. Chintala verwachtte dat de komende jaren een grotere focus zullen hebben op hoe GPUs optimaal kunnen worden gebruikt en hoe compilatie automatisch kan worden gedaan voor nieuwe hardware. Daarnaast verwachtte Chintala dat de AI-gemeenschap andere methoden zal gaan nastreven om de prestaties van AI te meten, met minder nadruk op pure nauwkeurigheid. Factoren die hierbij worden meegenomen, zijn onder andere het energieverbruik dat nodig is om een model te trainen, hoe AI kan worden gebruikt om de samenleving te bouwen die we willen, en hoe de output van een netwerk intuïtief kan worden uitgelegd aan menselijke operators.

Celeste Kidd

Celeste Kidd heeft een groot deel van haar recente carrière besteed aan het pleiten voor meer verantwoordelijkheid van de ontwerpers van algoritmes, technologieplatforms en content-recommendatiesystemen. Kidd heeft vaak betoogd dat systemen die zijn ontworpen om betrokkenheid te maximaliseren, ernstige gevolgen kunnen hebben voor de manier waarop mensen hun meningen en overtuigingen vormen. Er wordt steeds meer aandacht besteed aan het ethische gebruik van AI-algoritmes en -systemen, en Kidd voorspelde dat in 2020 er een groter bewustzijn zal zijn van hoe technologie-instrumenten en -platforms het leven en de beslissingen van mensen beïnvloeden, evenals een afwijzing van het idee dat technologie-instrumenten echt neutraal kunnen zijn in hun ontwerp.

“We moeten als samenleving, en vooral als de mensen die aan deze instrumenten werken, de verantwoordelijkheid die daarbij hoort, rechtstreeks erkennen,” zei Kidd.

Jeff Dean

Jeff Dean, het huidige hoofd van Google AI, voorspelde dat in 2020 er vooruitgang zal zijn in multimodale leren en multitask-leren. Multimodaal leren is wanneer AI wordt getraind met meerdere soorten media tegelijk, terwijl multitask-leren ernaar streeft om AI te trainen op meerdere taken tegelijk. Dean verwachtte ook verdere vooruitgang op het gebied van natuurlijke taalverwerking op basis van Transformer, zoals Google’s BERT-algoritme en andere modellen die de GLUE-leaderboards hebben overtroffen. Dean vermeldde ook dat hij zou willen zien dat er minder behoefte is om de meest geavanceerde state-of-the-art-prestatie-modellen te creëren en meer behoefte om modellen te creëren die robuuster en flexibeler zijn.

Anima Anandkumar

Anandkumar verwachtte dat de AI-gemeenschap in 2020 te maken zal krijgen met veel uitdagingen, met name de behoefte aan meer diverse datasets en de behoefte om de privacy van mensen te garanderen bij het trainen van data. Anandkumar legde uit dat, hoewel gezichtsherkenning de meeste aandacht krijgt, er veel gebieden zijn waarin de privacy van mensen kan worden geschonden en dat deze kwesties mogelijk in 2020 centraal in de discussie zullen staan.

Anandkumar verwachtte ook dat er verdere vooruitgang zal worden geboekt op het gebied van Transformer-gebaseerde natuurlijke taalverwerking.

“We zijn nog niet op het niveau van dialooggeneratie dat interactief is, dat kan bijhouden en natuurlijke conversaties kan voeren. Dus ik denk dat er in 2020 serieuzere pogingen zullen worden gedaan in die richting,” zei ze.

Ten slotte verwachtte Anandkumar dat het komende jaar meer ontwikkeling zal zien van de iteratieve algoritme en zelfsupervisie. Deze trainingsmethoden stellen AI-systemen in staat om zichzelf te trainen in sommige opzichten en kunnen mogelijk helpen bij het creëren van modellen die zichzelf kunnen verbeteren door middel van zelftraining op ongelabelde data.

Dario Gil

Gil voorspelde dat in 2020 er meer vooruitgang zal worden geboekt in het creëren van AI op een meer computationeel efficiënte manier, aangezien de manier waarop diepe neurale netwerken momenteel worden getraind, op veel manieren inefficiënt is. Als gevolg hiervan verwachtte Gil dat dit jaar vooruitgang zal zien in het creëren van gereduceerde-precisie-architecturen en het algemene efficiënter trainen. Net als enkele van de andere experts die zijn geïnterviewd, voorspelde Gil dat in 2020 onderzoekers meer zullen gaan focussen op metrics naast nauwkeurigheid. Gil uitte een interesse in neurale symbolische AI, aangezien IBM onderzoekt hoe probabilistische programmeringsmodellen kunnen worden gemaakt met behulp van neurale symbolische benaderingen. Ten slotte benadrukte Gil het belang van het toegankelijker maken van AI voor degenen die geïnteresseerd zijn in machine learning en het wegnemen van de perceptie dat alleen genieën met AI en data science kunnen werken.

“Als we het laten zoals het is, als een soort mythisch rijk, dit veld van AI, dat alleen toegankelijk is voor de geselecteerde PhD’s die hieraan werken, draagt het niet bij aan de adoptie,” zei Gil.