Eksperckie prognozy dla trajektorii AI w 2020 roku

VentureBeat niedawno przeprowadził wywiad z pięcioma z najbardziej inteligentnych i doświadczonych ekspertów w dziedzinie AI i poprosił ich o podzielenie się swoimi prognozami dotyczącymi kierunku, w którym AI będzie się rozwijać w ciągu najbliższego roku. Osobami, które zostały przesłuchane w celu uzyskania ich prognoz, byli:

• Soumith Chintala, twórca PyTorch.
• Celeste Kidd, profesor AI na Uniwersytecie Kalifornijskim.
• Jeff Dean, szef Google AI.
• Anima Anandkumar, dyrektor badań nad machine learningiem w Nvidia.
• Dario Gil, dyrektor IBM Research.

Soumith Chintala

Chintala, twórca PyTorch, który jest najpopularniejszym frameworkiem machine learningu, przewiduje, że w 2020 roku będzie większe zapotrzebowanie na przyspieszanie sprzętowe sieci neuronowych i metody zwiększania prędkości treningu modeli. Chintala oczekuje, że w ciągu najbliższych dwóch lat nastąpi zwiększony nacisk na optymalne wykorzystanie GPU i automatyczne kompilowanie nowego sprzętu. Poza tym Chintala oczekuje, że społeczność AI zacznie bardziej agresywnie poszukiwać innych sposobów mierzenia wydajności AI, przywiązywając mniejszą wagę do samej dokładności. Czynniki, które należy wziąć pod uwagę, obejmują takie rzeczy, jak ilość energii potrzebnej do treningu modelu, jak AI może być wykorzystane do budowy społeczeństwa, jakie chcemy, i jak wyjście sieci neuronowej może być intuicyjnie wyjaśnione operatorom ludzkim.

Celeste Kidd

Celeste Kidd spędziła wiele czasu na promowaniu większej odpowiedzialności ze strony projektantów algorytmów, platform technologicznych i systemów rekomendacji treści. Kidd często argumentowała, że systemy zaprojektowane w celu maksymalizacji zaangażowania mogą mieć poważne konsekwencje dotyczące tego, jak ludzie tworzą swoje opinie i przekonania. Coraz więcej uwagi poświęca się etycznemu wykorzystaniu algorytmów i systemów AI, a Kidd przewiduje, że w 2020 roku nastąpi zwiększona świadomość wpływu narzędzi technologicznych i platform na życie i decyzje ludzi, a także odrzucenie idei, że narzędzia technologiczne mogą być naprawdę neutralne w projekcie.

„Naprawdę musimy, jako społeczeństwo i szczególnie jako ludzie pracujący nad tymi narzędziami, bezpośrednio docenić odpowiedzialność, która z tym wiąże się”, powiedziała Kidd.

Jeff Dean

Jeff Dean, obecny szef Google AI, przewiduje, że w 2020 roku nastąpi postęp w uczeniu wielomodalnym i wielozadaniowym. Uczenie wielomodalne polega na tym, że AI jest trenowana z wykorzystaniem wielu typów mediów jednocześnie, podczas gdy uczenie wielozadaniowe ma na celu umożliwienie AI treningu na wielu zadaniach jednocześnie. Dean oczekuje również dalszego postępu w modelach przetwarzania języka naturalnego opartych na Transfomerze, takich jak algorytm BERT firmy Google i inne modele, które zajęły najwyższe miejsca w rankingu GLUE. Dean również wspomniał, że chciałby zobaczyć mniejszą potrzebę tworzenia najbardziej zaawansowanych modeli stanu sztuki i więcej potrzeby tworzenia modeli, które są bardziej solidne i elastyczne.

Anima Anandkumar

Anandkumar oczekuje, że społeczność AI będzie musiała zmierzyć się z wieloma wyzwaniami w 2020 roku, szczególnie z potrzebą bardziej różnorodnych zbiorów danych i potrzebą zapewnienia prywatności ludzi podczas treningu na danych. Anandkumar wyjaśniła, że chociaż rozpoznawanie twarzy często otrzymuje najwięcej uwagi, istnieją wiele obszarów, w których prywatność ludzi może być naruszona, i że te problemy mogą stać się przedmiotem dyskusji w 2020 roku.

Anandkumar również oczekuje, że nastąpi dalszy postęp w modelach przetwarzania języka naturalnego opartych na Transfomerze.

„Jeszcze nie jesteśmy na etapie generowania dialogu, który jest interaktywny, który może śledzić i prowadzić naturalne rozmowy. Więc myślę, że będą podejmowane poważne próby w 2020 roku w tym kierunku”, powiedziała.

Wreszcie Anandkumar oczekuje, że nadchodzący rok przyniesie więcej rozwoju algorytmu iteracyjnego i samonadzorowania. Te metody treningu pozwalają systemom AI na samodzielne trening na danych, które nie są oznaczone, i mogą potencjalnie pomóc w tworzeniu modeli, które mogą się poprawiać poprzez samodzielne trening na danych.

Dario Gil

Gil przewiduje, że w 2020 roku nastąpi postęp w tworzeniu AI w sposób bardziej efektywny obliczeniowo, ponieważ sposób, w jaki są trenowane głębokie sieci neuronowe, jest nieefektywny w wielu przypadkach. Z tego powodu Gil oczekuje, że w tym roku nastąpi postęp w tworzeniu architektur o zmniejszonej precyzji i ogólnie w treningu bardziej efektywnym. Podobnie jak niektórzy inni eksperci, Gil przewiduje, że w 2020 roku badacze zaczną bardziej koncentrować się na metrykach poza dokładnością. Gil wyraził zainteresowanie AI symbolicznym, ponieważ IBM bada sposoby tworzenia modeli programowania probabilistycznego z wykorzystaniem podejścia symbolicznego. Wreszcie Gil podkreślił wagę uczynienia AI bardziej
dostępnym dla zainteresowanych machine learningiem i pozbycia się percepcji, że tylko geniusze mogą pracować z AI i robić naukę o danych.

„Jeśli pozostawimy to jako jakiś mityczny obszar, ten obszar AI, który jest dostępny tylko dla wybranych doktorów, którzy pracują nad tym, nie przyczynia się to do jego przyjęcia”, powiedział Gil.