Expertvoorspellingen voor de traject van AI in 2020

VentureBeat interviewde onlangs vijf van de meest intelligente en ervaren geesten in het AI-veld en vroeg hen om hun voorspellingen te doen voor waar AI naartoe gaat in de loop van het komende jaar. De personen die werden geïnterviewd voor hun voorspellingen waren:

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

Soumith Chintala

Chintala, de maker van PyTorch, dat waarschijnlijk het meest populaire machine learning-framework op dit moment 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 twee jaar een grotere focus zullen zien 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 in overweging worden genomen, zijn onder andere het energieverbruik dat nodig is om een model te trainen, hoe AI kan worden gebruikt om de soort samenleving te bouwen die we willen, en hoe de uitvoer van een netwerk op een intuïtieve manier 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 contentaanbevelingssystemen. 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 grotere bewustwording 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 echt, als samenleving en vooral als de mensen die aan deze instrumenten werken, de verantwoordelijkheid die daarbij hoort, rechtstreeks waarderen,” 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. Multimodale 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 in natuurlijke taalverwerkingmodellen op basis van Transformer, zoals Google’s BERT-algoritme en de andere modellen die de GLUE-leaderboards aankleuren. Dean noemde ook dat hij minder behoefte zou zien 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, vooral de behoefte aan meer diverse datasets en de behoefte om de privacy van mensen te waarborgen bij het trainen op data. Anandkumar legde uit dat, hoewel gezichtsherkenning meestal de meeste aandacht krijgt, er veel gebieden zijn waarin de privacy van mensen kan worden geschonden en dat deze kwesties mogelijk in 2020 aan de orde zullen komen.

Anandkumar verwachtte ook dat er verdere vooruitgang zal zijn in Transformer-gebaseerde natuurlijke taalverwerkingmodellen.

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

Tenslotte verwachtte Anandkumar dat het komende jaar meer ontwikkeling zal zien van het iteratieve algoritme en de 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 ongelabelde data.

Dario Gil

Gil voorspelde dat in 2020 er meer vooruitgang zal zijn 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 trainen van modellen op een meer efficiënte manier. Net als enkele van de andere experts die werden geïnterviewd, voorspelde Gil dat in 2020 onderzoekers zullen beginnen met het focussen op metrics buiten nauwkeurigheid. Gil uitte zijn interesse in neurale symbolische AI, aangezien IBM onderzoekt hoe probabilistische programmeringsmodellen kunnen worden gemaakt met behulp van neurale symbolische benaderingen. Tenslotte 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 geniën kunnen werken met AI en data science.

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