Previsões de Especialistas para a Trajetória da IA em 2020

VentureBeat recentemente entrevistou cinco das mentes mais inteligentes e especializadas no campo da IA e pediu que fizessem previsões para onde a IA está indo ao longo do curso do ano que vem. As pessoas entrevistadas para suas previsões foram:

• Soumith Chintala, criador do PyTorch.
• Celeste Kidd, professora de IA na Universidade da Califórnia.
• Jeff Dean, chefe do Google AI.
• Anima Anandkumar, diretora de pesquisa de aprendizado de máquina na Nvidia.
• Dario Gil, diretor de pesquisa da IBM.

Soumith Chintala

Chintala, o criador do PyTorch, que é, sem dúvida, o framework de aprendizado de máquina mais popular no momento, previu que 2020 verá uma maior necessidade de aceleradores de hardware de rede neural e métodos para aumentar as velocidades de treinamento de modelos. Chintala esperava que os próximos dois anos verão um foco aumentado em como usar GPUs de forma otimizada e como a compilação pode ser feita automaticamente para novos hardwares. Além disso, Chintala esperava que a comunidade de IA começará a perseguir outros métodos de quantificar o desempenho da IA de forma mais agressiva, colocando menos importância na pura precisão. Fatores a serem considerados incluem coisas como a quantidade de energia necessária para treinar um modelo, como a IA pode ser usada para construir o tipo de sociedade que desejamos, e como a saída de uma rede pode ser explicada de forma intuitiva para operadores humanos.

Celeste Kidd

Celeste Kidd passou grande parte de sua carreira recente defendendo uma maior responsabilidade por parte dos designers de algoritmos, plataformas de tecnologia e sistemas de recomendação de conteúdo. Kidd argumentou frequentemente que sistemas projetados para maximizar o engajamento podem acabar tendo impactos graves sobre como as pessoas criam suas opiniões e crenças. Cada vez mais atenção está sendo dada ao uso ético de algoritmos e sistemas de IA, e Kidd previu que em 2020 haverá uma maior conscientização de como as ferramentas e plataformas de tecnologia estão influenciando as vidas e decisões das pessoas, bem como uma rejeição da ideia de que as ferramentas de tecnologia podem ser genuinamente neutras em design.

“Nós realmente precisamos, como uma sociedade e especialmente como as pessoas que estão trabalhando nesses instrumentos, apreciar diretamente a responsabilidade que vem com isso”, disse Kidd.

Jeff Dean

Jeff Dean, o atual chefe do Google AI, previu que em 2020 haverá progresso no aprendizado multimodal e no aprendizado multitarefa. O aprendizado multimodal é quando a IA é treinada com vários tipos de mídia ao mesmo tempo, enquanto o aprendizado multitarefa visa permitir que a IA seja treinada em várias tarefas ao mesmo tempo. Dean também esperava que houvesse mais progresso em modelos de processamento de linguagem natural baseados em Transformer, como o algoritmo BERT do Google e os outros modelos que lideram as tabelas de classificação do GLUE. Dean também mencionou que gostaria de ver menos desejo de criar modelos de desempenho de ponta e mais desejo de criar modelos que sejam mais robustos e flexíveis.

Anima Anandkumar

Anandkumar esperava que a comunidade de IA teria que lidar com muitos desafios em 2020, especialmente a necessidade de conjuntos de dados mais diversificados e a necessidade de garantir a privacidade das pessoas ao treinar em dados. Anandkumar explicou que, embora o reconhecimento facial geralmente receba a maior atenção, há muitas áreas onde a privacidade das pessoas pode ser violada e que essas questões podem vir a ser discutidas durante 2020.

Anandkumar também esperava que houvesse mais avanços em modelos de processamento de linguagem natural baseados em Transformer.

“Nós ainda não estamos no estágio de geração de diálogo que é interativo, que pode manter o rastreamento e ter conversas naturais. Então, acho que haverá mais tentativas sérias feitas em 2020 nessa direção”, disse ela.

Finalmente, Anandkumar esperava que o próximo ano verá mais desenvolvimento do algoritmo iterativo e da auto-supervisão. Esses métodos de treinamento permitem que os sistemas de IA se auto-treinem em alguns aspectos e podem potencialmente ajudar a criar modelos que possam melhorar por meio do auto-treinamento em dados não rotulados.

Dario Gil

Gil previu que em 2020 haverá mais progresso em direção à criação de IA de forma mais eficiente computacionalmente, pois a forma como as redes neurais profundas são treinadas atualmente é ineficiente em muitos aspectos. Devido a isso, Gil esperava que este ano verá progresso em termos de criação de arquiteturas de precisão reduzida e treinamento mais eficiente em geral. Assim como alguns dos outros especialistas que foram entrevistados, Gil previu que em 2020 os pesquisadores começarão a se concentrar mais em métricas além da precisão. Gil expressou interesse em IA simbólica neural, pois a IBM está examinando maneiras de criar modelos de programação probabilística usando abordagens simbólicas neurais. Finalmente, Gil enfatizou a importância de tornar a IA mais acessível àqueles interessados em aprendizado de máquina e eliminar a percepção de que apenas gênios podem trabalhar com IA e fazer ciência de dados.

“Se deixarmos isso como algum reino mítico, esse campo de IA, que é acessível apenas aos PhDs selecionados que trabalham nisso, não contribui realmente para sua adoção”, disse Gil.