Ekspertspådommer for AIs bane i 2020

VentureBeat intervjuet nylig fem av de mest intelligente, ekspertsinnene innen AI-feltet og ba dem komme med sine spådommer for hvor AI er på vei i løpet av året som kommer. Personene som ble intervjuet for sine spådommer var:

• Soumith Chintala, skaperen av PyTorch.
• Celeste Kidd, AI-professor ved University of California.
• Jeff Dean, sjef for Google AI.
• Anima Anandkumar, forskningsdirektør for maskinlæring i Nvidia.
• Dario Gil, forskningsdirektør i IBM.

Soumit Chintala

Chintala, skaperen av Pytorch, som uten tvil er det mest populære maskinlæringsrammeverket for øyeblikket, spådde at 2020 vil se et større behov for nevrale nettverksmaskinvareakseleratorer og metoder for å øke modelltreningshastigheter. Chintala forventet at de neste par årene vil se et økt fokus på hvordan man bruker GPUer optimalt og hvordan kompilering kan gjøres automatisk for ny maskinvare. Utover dette forventet Chintala at AI-fellesskapet vil begynne å forfølge andre metoder for å kvantifisere AI-ytelse mer aggressivt, og legge mindre vekt på ren nøyaktighet. Faktorer som bør vurderes inkluderer ting som mengden energi som trengs for å trene en modell, hvordan AI kan brukes til å bygge den typen samfunn vi ønsker, og hvordan produksjonen av et nettverk intuitivt kan forklares for menneskelige operatører.

Celeste Kidd

Celeste Kidd har brukt mye av sin siste karriere på å gå inn for mer ansvar hos designere av algoritmer, teknologiske plattformer og innholdsanbefalingssystemer. Kidd har ofte hevdet at systemer som er designet for å maksimere engasjement kan ende opp med å ha alvorlige konsekvenser for hvordan folk skaper sine meninger og tro. Mer og mer oppmerksomhet rettes mot etisk bruk av AI-algoritmer og -systemer, og Kidd spådde at det i 2020 vil være en økt bevissthet om hvordan teknologiske verktøy og plattformer påvirker folks liv og beslutninger, samt en avvisning av ideen at tekniske verktøy kan være genuint nøytrale i design.

"Vi må virkelig, som et samfunn og spesielt som menneskene som jobber med disse verktøyene, sette pris på ansvaret som følger med," sa Kidd.

jeff dean

Jeff Dean, den nåværende sjefen for Google AI, spådde at det i 2020 vil være fremgang innen multimodal læring og fleroppgavelæring. Multimodelllæring er når AI trenes med flere typer medier samtidig, mens fleroppgavelæring forsøker å la AI trene på flere oppgaver samtidig. Dean forventet også at ytterligere fremskritt ville bli gjort angående prosesseringsmodeller for naturlig språk basert på Transformer, slik som Googles BERT-algoritme og de andre modellene som toppet GLUE-poengtavlene. Dean nevnte også at han ønsker å se mindre ønske om å lage de mest avanserte toppmoderne ytelsesmodellene og mer ønske om å lage modeller som er mer robuste og fleksible.

Anima Anandkumar

Anandkumar forventet at AI-fellesskapet vil måtte takle mange utfordringer i 2020, spesielt behovet for mer varierte datasett og behovet for å sikre folks personvern når de trener på data. Anandkumar forklarte at selv om ansiktsgjenkjenning ofte får mest oppmerksomhet, er det mange områder der folks personvern kan bli krenket, og at disse problemene kan komme i forkant av diskusjonen i løpet av 2020.

Anandkumar forventet også at ytterligere fremskritt vil bli gjort angående transformatorbaserte prosesseringsmodeller for naturlig språk.

«Vi er fortsatt ikke på stadiet av dialoggenerering som er interaktiv, som kan holde oversikt og ha naturlige samtaler. Så jeg tror det vil bli gjort mer seriøse forsøk i den retningen i 2020, sa hun.

Til slutt forventet Anandkumar at det kommende året vil se mer utvikling av den iterative algoritmen og selvtilsyn. Disse treningsmetodene lar AI-systemer selvtrene i noen henseender, og kan potensielt bidra til å lage modeller som kan forbedres ved å trene seg selv på data som ikke er merket.

Dario Gil

Gil spådde at det i 2020 vil være mer fremgang mot å lage AI på en mer beregningseffektiv måte, ettersom måten dype nevrale nettverk trenes på for tiden er ineffektiv på mange måter. På grunn av dette forventet Gil at dette året vil se fremgang når det gjelder å lage arkitekturer med redusert presisjon og generelt trene mer effektivt. På samme måte som noen av de andre ekspertene som ble intervjuet, spådde Gil at i 2020 vil forskere begynne å fokusere mer på beregninger bortsett fra nøyaktighet. Gil uttrykte interesse for nevral symbolsk AI, ettersom IBM undersøker måter å lage sannsynlige programmeringsmodeller ved å bruke nevrale symbolske tilnærminger. Til slutt understreket Gil viktigheten av å gjøre AI mer tilgjengelig for de som er interessert i maskinlæring og kvitte seg med oppfatningen om at bare genier kan jobbe med AI og drive med datavitenskap.

"Hvis vi forlater det som et mytisk rike, dette feltet av AI, som bare er tilgjengelig for utvalgte doktorgradsstudenter som jobber med dette, bidrar det egentlig ikke til adopsjonen," sa Gil.