Прогнозы экспертов для траектории ИИ в 2020 году

VentureBeat недавно взял интервью у пяти из самых интеллектуальных и опытных умов в области ИИ и попросил их сделать прогнозы о том, куда ИИ будет двигаться в течение предстоящего года. Люди, интервью которых были взяты для их прогнозов, были:

• Сумит Чинтала, создатель PyTorch.
• Селеста Кидд, профессор ИИ в Калифорнийском университете.
• Джефф Дин, глава Google AI.
• Анима Анандкумар, директор исследований машинного обучения в Nvidia.
• Дарио Гил, директор исследований IBM.

Сумит Чинтала

Чинтала, создатель PyTorch, который, безусловно, является самым популярным фреймворком машинного обучения на данный момент, предсказал, что в 2020 году будет наблюдаться большая потребность в аппаратных ускорителях нейронных сетей и методах повышения скорости обучения моделей. Чинтала ожидал, что в течение следующих пары лет будет наблюдаться увеличение внимания к тому, как использовать GPU оптимально и как можно автоматически компилировать для новой аппаратуры. Помимо этого, Чинтала ожидал, что сообщество ИИ начнет более агрессивно преследовать другие методы количественной оценки производительности ИИ, придавая меньшее значение чистой точности. Факторы, которые следует учитывать, включают такие вещи, как количество энергии, необходимой для обучения модели, как ИИ можно использовать для построения такого общества, которое мы хотим, и как можно интуитивно объяснить выход сети человеческим операторам.

Селеста Кидд

Селеста Кидд большую часть своей недавней карьеры посвятила пропаганде большей ответственности со стороны разработчиков алгоритмов, технологических платформ и систем рекомендации контента. Кидд часто утверждала, что системы, предназначенные для максимизации вовлеченности, могут оказать серьезное влияние на то, как люди формируют свои мнения и убеждения. Все больше внимания уделяется этическому использованию алгоритмов и систем ИИ, и Кидд предсказала, что в 2020 году будет наблюдаться повышение осведомленности о том, как технологические инструменты и платформы влияют на жизнь и решения людей, а также отказ от идеи о том, что технологические инструменты могут быть真正 нейтральными по дизайну.

“Нам действительно нужно, как обществу и особенно как людям, работающим над этими инструментами,直接 оценить ответственность, которая с этим связана”, – сказала Кидд.

Джефф Дин

Джефф Дин, текущий глава Google AI, предсказал, что в 2020 году будет наблюдаться прогресс в многомодальном обучении и многозадачном обучении. Многомодальное обучение – это когда ИИ обучается с помощью нескольких типов медиа одновременно, а многозадачное обучение стремится позволить ИИ обучаться на нескольких задачах одновременно. Дин также ожидал дальнейшего прогресса в области моделей обработки естественного языка на основе Transformer, таких как алгоритм BERT от Google и другие модели, которые возглавили таблицы лидеров GLUE. Дин также упомянул, что хотел бы видеть меньше желания создать самые передовые модели с показателями производительности и больше желания создать модели, которые более прочные и гибкие.

Анима Анандкумар

Анандкумар ожидала, что сообщество ИИ столкнется с многими проблемами в 2020 году, особенно с необходимостью более разнообразных наборов данных и обеспечения конфиденциальности людей при обучении на данных. Анандкумар объяснила, что хотя распознавание лиц часто получает наибольшее внимание, есть много областей, где конфиденциальность людей может быть нарушена, и что эти проблемы могут стать центральной темой обсуждения в 2020 году.

Анандкумар также ожидала, что будут сделаны дальнейшие достижения в области моделей обработки естественного языка на основе Transformer.

“Мы еще не достигли стадии генерации диалогов, которая интерактивна, может отслеживать и вести естественные разговоры. Итак, я думаю, что в 2020 году будут предприняты более серьезные попытки в этом направлении”, – сказала она.

Наконец, Анандкумар ожидала, что в предстоящем году будет наблюдаться большее развитие итеративного алгоритма и самообучения. Эти методы обучения позволяют системам ИИ самообучаться в некотором смысле и потенциально могут помочь создать модели, которые могут улучшаться за счет самообучения на неаннотированных данных.

Дарио Гил

Гил предсказал, что в 2020 году будет наблюдаться больший прогресс в создании ИИ более вычислительным образом, поскольку текущий способ обучения глубоких нейронных сетей во многих отношениях неэффективен. Из-за этого Гил ожидал, что в этом году будет наблюдаться прогресс в создании архитектур с уменьшенной точностью и более эффективном обучении. Как и некоторые другие эксперты, которые были интервьюированы, Гил предсказал, что в 2020 году исследователи начнут больше сосредотачиваться на метриках, кроме точности. Гил выразил интерес к нейронно-символическому ИИ, поскольку IBM изучает способы создания моделей вероятностного программирования с помощью нейронно-символических подходов. Наконец, Гил подчеркнул важность того, чтобы сделать ИИ более доступным для тех, кто интересуется машинным обучением, и избавиться от представления о том, что только гении могут работать с ИИ и заниматься наукой о данных.

“Если мы оставим это как некоторую мифическую область, эту область ИИ, которая доступна только избранным PhD, работающим над этим, это не действительно способствует ее принятию”, – сказал Гил.