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 движется в течение 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 ИИ.
• Анима Анандкумар, директор исследований машинного обучения в Nvidia.
• Дарио Гил, директор исследований IBM.

Сумит Чинтала

Чинтала, создатель Pytorch, который, вероятно, является самым популярным фреймворком машинного обучения на данный момент, прогнозировал, что в 2020 году будет больше необходимости в аппаратных ускорителях нейронных сетей и методах повышения скорости обучения моделей. Чинтала ожидал, что в течение следующих нескольких лет будет больше 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 меньше значения чистой точности. Факторы, которые следует учитывать, включают такие вещи, как количество энергии, необходимое для обучения модели, как ИИ можно использовать для построения общества, которое мы хотим, и как выход сети можно интуитивно объяснить человеческим операторам.

Селеста Кидд

Селеста Кидд посвятила большую часть своей недавней карьеры 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 прогнозировала, что в 2020 году будет больше осведомленности о том, как технологические инструменты и платформы влияют на жизнь и решения людей, а также будет отвергнуто представление о том, что технологические инструменты могут быть真正 нейтральными по конструкции.

«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 ИИ, прогнозировал, что в 2020 году будет прогресс в многомодальном обучении и многозадачном обучении. Многомодальное обучение – это когда ИИ обучается с несколькими типами медиа одновременно, а многозадачное обучение направлено на то, чтобы позволить ИИ обучаться на нескольких задачах одновременно. Дин также ожидал дальнейшего прогресса в моделях 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 создавать самые передовые модели с показателем состояния, и больше желания создавать 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 необходимостью обеспечить конфиденциальность людей при обучении на данных. Анандкумар объяснила, что хотя распознавание лиц часто получает наибольшее внимание, есть многие области, 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 диалога, которая является интерактивной, 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 течение года будет больше разработок в области итеративных алгоритмов и самообучения. Эти методы обучения позволяют системам ИИ самообучаться в некотором смысле и могут потенциально помочь создать модели, которые могут улучшаться путем самообучения на неотмеченных данных.

Дарио Гил

Гил прогнозировал, что в 2020 году будет больше прогресса в создании ИИ более вычислительной эффективности, поскольку текущий способ обучения глубоких нейронных сетей неэффективен во многих отношениях. Из-за этого Гил ожидал, что в течение года будет прогресс в создании архитектур с уменьшенной точностью и более эффективном обучении. Как и некоторые другие эксперты, которых интервьюировали, Гил прогнозировал, что в 2020 году исследователи начнут больше фокусироваться на метриках, кроме точности. Гил выразил интерес к нейронно-символическому ИИ, поскольку IBM изучает способы создания вероятностных моделей 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, это поле ИИ, которое доступно только избранным PhD, работающим над этим, оно не действительно способствует его принятию», – сказал Гил.