โมเดลและแพลตฟอร์ม AI
คาดการณ์ของผู้เชี่ยวชาญสำหรับเส้นทางของ AI ในปี 2020
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
VentureBeat ได้สัมภาษณ์ ห้าผู้เชี่ยวชาญที่มีความฉลาดและเชี่ยวชาญที่สุดในด้าน AI และขอให้พวกเขาทำการคาดการณ์สำหรับเส้นทางของ AI ในช่วงปีที่จะมาถึง ผู้ที่ถูกสัมภาษณ์สำหรับการคาดการณ์ของพวกเขาคือ:
- ซูมิธ ชินทาลา ผู้สร้าง PyTorch
- เซเลสเต คิดด์ ผู้教授 AI ที่มหาวิทยาลัยแคลิฟอร์เนีย
- เจฟฟ์ ดีน หัวหน้า Google AI
- อนิมา อานันด์คุมาร์ ผู้อำนวยการด้านการวิจัย machine learning ที่ Nvidia
- ดาริโอ กิล ผู้อำนวยการ IBM Research
ซูมิธ ชินทาลา
ชินทาลา ผู้สร้าง PyTorch ซึ่งเป็นเฟรมเวิร์ก machine learning ที่ได้รับความนิยมมากที่สุดในขณะนี้ คาดการณ์ว่าในปี 2020 จะมีความต้องการฮาร์ดแวร์สำหรับการเร่งความเร็วของเครือข่ายประสาทเทียมและวิธีการเพิ่มความเร็วในการฝึกอบรมโมเดล ชินทาลา คาดการณ์ว่าในช่วงสองสามปีที่จะมาถึง จะมีการมุ่งเน้นมากขึ้นในการใช้ GPU อย่างมีประสิทธิภาพและวิธีการคอมไพล์แบบอัตโนมัติสำหรับฮาร์ดแวร์ใหม่ๆ นอกจากนี้ ชินทาลา คาดการณ์ว่าชุมชน AI จะเริ่มมุ่งเน้นไปที่วิธีการอื่นๆ ในการวัดประสิทธิภาพของ AI มากขึ้น โดยให้ความสำคัญน้อยลงกับความแม่นยำเท่านั้น ปัจจัยที่ต้องพิจารณา ได้แก่ ปริมาณพลังงานที่ต้องการในการฝึกอบรมโมเดล วิธีการใช้ AI ในการสร้างสังคมที่เราต้องการ และวิธีการอธิบายผลลัพธ์ของเครือข่ายให้กับผู้ดำเนินการมนุษย์
เซเลสเต คิดด์
เซเลสเต คิดด์ ได้ใช้เวลาส่วนใหญ่ในการสนับสนุนให้มีความรับผิดชอบมากขึ้นในการออกแบบอัลกอริทึม ระบบ และระบบแนะนำเนื้อหาบนแพลตฟอร์ม คิดด์ ได้โต้แย้งว่าระบบที่ออกแบบมาเพื่อเพิ่มการมีส่วนร่วมสามารถส่งผลกระทบอย่างรุนแรงต่อวิธีการที่ผู้คนสร้างความคิดเห็นและความเชื่อของตนเอง มีการให้ความสนใจมากขึ้นเกี่ยวกับการใช้ AI และระบบอัลกอริทึมอย่างมีจริยธรรม และคิดด์ คาดการณ์ว่าในปี 2020 จะมีการตระหนักมากขึ้นเกี่ยวกับวิธีการที่เครื่องมือและแพลตฟอร์มเทคโนโลยีมีอิทธิพลต่อชีวิตและการตัดสินใจของผู้คน รวมถึงการปฏิเสธความคิดที่ว่าเครื่องมือเทคโนโลยีสามารถออกแบบได้อย่างเป็นกลาง
“เราจำเป็นต้องตระหนักถึงความรับผิดชอบที่มาพร้อมกับการทำงานบนเครื่องมือเหล่านี้” คิดด์ กล่าว
เจฟฟ์ ดีน
เจฟฟ์ ดีน หัวหน้าปัจจุบันของ Google AI คาดการณ์ว่าในปี 2020 จะมีการพัฒนาการเรียนรู้แบบหลายรูปแบบและหลายงาน การเรียนรู้แบบหลายรูปแบบคือการฝึก AI ด้วยหลายรูปแบบสื่อในเวลาเดียวกัน ในขณะที่การเรียนรู้หลายงานพยายามให้ AI ฝึกหลายงานในเวลาเดียวกัน ดีน คาดการณ์ว่าจะมีการพัฒนาต่อไปเกี่ยวกับโมเดลการประมวลผลภาษาธรรมชาติแบบ Transformer เช่น อัลกอริทึม BERT ของ Google และโมเดลอื่นๆ ที่อยู่ในอันดับต้นๆ ของตาราง GLUE ดีน ยัง提到ว่าเขาต้องการเห็นการลดความต้องการในการสร้างโมเดลที่มีประสิทธิภาพสูงสุดและเพิ่มความต้องการในการสร้างโมเดลที่มีความยืดหยุ่นและแข็งแรงมากขึ้น
อนิมา อานันด์คุมาร์
อนิมา อานันด์คุมาร์ คาดการณ์ว่าชุมชน AI จะต้องเผชิญกับความท้าทายหลายอย่างในปี 2020 โดยเฉพาะความต้องการชุดข้อมูลที่หลากหลายและความจำเป็นในการรักษาความเป็นส่วนตัวของผู้คนเมื่อฝึกอบรมด้วยข้อมูล อานันด์คุมาร์ อธิบายว่าในขณะที่การรู้จำใบหน้าได้รับความสนใจมากที่สุด มีหลายพื้นที่ที่ความเป็นส่วนตัวของผู้คนสามารถถูกละเมิด และปัญหเหล่านี้อาจกลายเป็นจุดสนใจหลักในการอภิปรายในปี 2020
อนิมา อานันด์คุมาร์ คาดการณ์ว่าจะมีการพัฒนาต่อไปเกี่ยวกับโมเดลการประมวลผลภาษาธรรมชาติแบบ Transformer
“เรายังคงไม่ได้ถึงจุดของการสร้างการสร้างสนทนาที่มีปฏิสัมพันธ์และสามารถรักษาความสัมพันธ์ได้ ดังนั้น ฉันคิดว่าจะมีการพยายามอย่างจริงจังในปี 2020 ในทิศทางนี้” เธอกล่าว
สุดท้าย อนิมา อานันด์คุมาร์ คาดการณ์ว่าในปีที่จะมาถึง จะมีการพัฒนาการใช้อัลกอริทึมแบบเรียกซ้ำและการกำกับดูแลตนเอง การฝึกอบรมเหล่านี้ช่วยให้ระบบ AI สามารถฝึกอบรมตนเองได้บ้าง และอาจช่วยให้สร้างโมเดลที่สามารถปรับปรุงตนเองได้ด้วยการฝึกอบรมด้วยข้อมูลที่ไม่มีการกำกับดูแล
ดาริโอ กิล
กิล คาดการณ์ว่าในปี 2020 จะมีการพัฒนาต่อไปในการสร้าง AI ที่มีประสิทธิภาพการคำนวณมากขึ้น เนื่องจากวิธีการฝึกอบรมเครือข่ายประสาทเทียมในปัจจุบันไม่มีประสิทธิภาพมากนัก กิล คาดการณ์ว่าในปีนี้จะเห็นการพัฒนาการสร้างสถาปัตยกรรมที่มีการลดความแม่นยำและฝึกอบรมที่มีประสิทธิภาพมากขึ้น เช่นเดียวกับผู้เชี่ยวชาญคนอื่นๆ ที่ถูกสัมภาษณ์ กิล คาดการณ์ว่าในปี 2020 นักวิจัยจะเริ่มมุ่งเน้นไปที่เมตริกอื่นๆ นอกเหนือจากความแม่นยำ กิล แสดงความสนใจใน AI สัญลักษณ์ประสาทและ IBM กำลังพัฒนาวิธีการสร้างโมเดลการเขียนโปรแกรมแบบสัญลักษณ์โดยใช้แนวทาง AI สัญลักษณ์ประสาท สุดท้าย กิล เน้นย้ำถึงความสำคัญของการทำให้ AI มีความเข้าถึงได้ง่ายขึ้นสำหรับผู้ที่สนใจในการเรียนรู้ machine learning และกำจัดความเชื่อที่ว่าเฉพาะผู้เชี่ยวชาญที่มี PhD เท่านั้นที่สามารถทำงานกับ AI และวิทยาศาสตร์ข้อมูล
“ถ้าเราปล่อยให้ AI เป็นดินแดนในตำนานที่สามารถเข้าถึงได้เฉพาะผู้เชี่ยวชาญที่มี PhD เท่านั้น มันจะไม่ช่วยให้ AI มีการนำไปใช้จริง” กิล กล่าว
