Experters förutsägelser för AI:s bana 2020

VentureBeat nyligen intervjuade fem av de mest intelligenta och experterna inom AI-området och bad dem att göra sina förutsägelser för vart AI är på väg under det kommande året. De personer som intervjuades för sina förutsägelser var:

• Soumith Chintala, skapare av PyTorch.
• Celeste Kidd, AI-professor vid University of California.
• Jeff Dean, chef för Google AI.
• Anima Anandkumar, maskinlärningsforskningsdirektör på Nvidia.
• Dario Gil, IBM Research-direktör.

Soumith Chintala

Chintala, skaparen av PyTorch, som för närvarande är den mest populära maskinlärningsramen, förutsåg att 2020 kommer att se ett ökat behov av neurala nätverksacceleratorer och metoder för att öka modellträningshastigheter. Chintala förväntade sig att de närmaste åren kommer att se en ökad fokus på hur man använder GPU:er på bästa sätt och hur man kan kompilera automatiskt för ny hårdvara. Utöver detta förväntade sig Chintala att AI-samhället kommer att börja undersöka andra sätt att mäta AI-prestanda mer aggressivt, med mindre fokus på ren noggrannhet. Faktorer som bör beaktas inkluderar saker som den mängd energi som behövs för att träna en modell, hur AI kan användas för att bygga det slags samhälle vi vill ha och hur utmatningen från ett nätverk kan förklaras intuitivt för mänskliga operatörer.

Celeste Kidd

Celeste Kidd har tillbringat mycket av sin senaste karriär med att förespråka mer ansvar från designers av algoritmer, tekniska plattformar och innehållsrekommendationssystem. Kidd har ofta hävdat att system som är utformade för att maximera engagemang kan ha allvarliga konsekvenser för hur människor skapar sina åsikter och övertygelser. Alltmer uppmärksamhet ägnas åt det etiska användandet av AI-algoritmer och system, och Kidd förutsåg att 2020 kommer att se en ökad medvetenhet om hur tekniska verktyg och plattformar påverkar människors liv och beslut, samt en avvisning av idén att tekniska verktyg kan vara genuint neutrala i design.

“Vi måste verkligen, som ett samhälle och särskilt som de som arbetar med dessa verktyg, direkt uppskatta det ansvar som följer med,” sa Kidd.

Jeff Dean

Jeff Dean, den nuvarande chefen för Google AI, förutsåg att 2020 kommer att se framsteg inom multimodalt lärande och multitasklärande. Multimodalt lärande är när AI tränas med flera typer av media samtidigt, medan multitasklärande syftar till att tillåta AI att träna på flera uppgifter samtidigt. Dean förväntade sig också ytterligare framsteg inom naturlig språkbehandling baserat på Transformer, såsom Googles BERT-algoritm och andra modeller som toppade GLUE-ledarskapslistan. Dean nämnde också att han skulle vilja se mindre önskan att skapa de mest avancerade, toppmoderna prestandamodellerna och mer önskan att skapa modeller som är mer robusta och flexibla.

Anima Anandkumar

Anandkumar förutsåg att AI-samhället kommer att behöva hantera många utmaningar 2020, särskilt behovet av mer diversifierade datamängder och behovet av att säkerställa människors integritet när de tränar på data. Anandkumar förklarade att medan ansiktsigenkänning ofta får mest uppmärksamhet, finns det många områden där människors integritet kan kränkas och att dessa frågor kan komma att diskuteras under 2020.

Anandkumar förutsåg också att ytterligare framsteg kommer att göras inom Transformer-baserad naturlig språkbehandling.

“Vi är fortfarande inte på den nivån av dialoggenerering som är interaktiv, som kan spåra och ha naturliga samtal. Så jag tror att det kommer att finnas fler allvarliga försök att göra detta under 2020,” sa hon.

Slutligen förutsåg Anandkumar att det kommande året kommer att se mer utveckling av den iterativa algoritmen och självövervakning. Dessa träningsmetoder tillåter AI-system att självträna i vissa avseenden och kan potentiellt hjälpa till att skapa modeller som kan förbättras genom självträning på omarkerad data.

Dario Gil

Gil förutsåg att 2020 kommer att se mer framsteg mot att skapa AI på ett mer beräknings-effektivt sätt, eftersom sättet som djupa neurala nätverk för närvarande tränas är ineffektivt på många sätt. På grund av detta förväntade sig Gil att detta år kommer att se framsteg i termer av att skapa reducerad precision och generellt träna mer effektivt. Liksom några av de andra experterna som intervjuades, förutsåg Gil att 2020 kommer att se en ökad fokus på mått utöver noggrannhet. Gil uttryckte ett intresse för neuralsymbolisk AI, eftersom IBM undersöker sätt att skapa sannolikhetsprogrammeringsmodeller med neuralsymboliska tillvägagångssätt. Slutligen betonade Gil vikten av att göra AI mer tillgängligt för dem som är intresserade av maskinlärning och bli av med uppfattningen att endast genier kan arbeta med AI och göra datavetenskap.

“Om vi lämnar det som en mytisk sfär, detta område av AI, som endast är tillgängligt för de utvalda doktorexamina som arbetar med detta, bidrar det inte till dess antagande,” sa Gil.