การคาดการณ์ของผู้เชี่ยวชาญสำหรับเส้นทางการเคลื่อนที่ของ AI ในปี 2020

VentureBeat ให้สัมภาษณ์เมื่อเร็ว ๆ นี้ ผู้เชี่ยวชาญที่ชาญฉลาดที่สุดห้าคนในด้าน AI และขอให้พวกเขาคาดการณ์ว่า AI กำลังมุ่งหน้าไปทางไหนในปีหน้า บุคคลที่สัมภาษณ์เพื่อทำนายได้แก่:

• Soumith Chintala ผู้สร้าง PyTorch
• Celeste Kidd ศาสตราจารย์ด้าน AI แห่งมหาวิทยาลัยแคลิฟอร์เนีย
• เจฟฟ์ ดีน หัวหน้าฝ่าย AI ของ Google
• Anima Anandkumar ผู้อำนวยการฝ่ายวิจัยการเรียนรู้ของเครื่องที่ Nvidia
• Dario Gil ผู้อำนวยการฝ่ายวิจัยของ IBM

สุมิธ จินตละ

Chintala ผู้สร้าง Pytorch ซึ่งเป็นเฟรมเวิร์กแมชชีนเลิร์นนิงที่ได้รับความนิยมมากที่สุดในขณะนี้ คาดการณ์ว่าในปี 2020 จะเห็นความต้องการมากขึ้นสำหรับตัวเร่งความเร็วฮาร์ดแวร์เครือข่ายประสาทและวิธีการเพิ่มความเร็วในการฝึกโมเดล Chintala คาดว่าอีก XNUMX-XNUMX ปีข้างหน้าจะเห็นการมุ่งเน้นที่เพิ่มขึ้นเกี่ยวกับวิธีการใช้ GPU อย่างเหมาะสม และการคอมไพล์สามารถทำได้โดยอัตโนมัติสำหรับฮาร์ดแวร์ใหม่ นอกเหนือจากนี้ Chintala คาดว่าชุมชน AI จะเริ่มใช้วิธีอื่นในการวัดประสิทธิภาพของ AI เชิงรุกมากขึ้น โดยให้ความสำคัญกับความแม่นยำน้อยลง ปัจจัยที่ต้องพิจารณารวมถึงสิ่งต่างๆ เช่น ปริมาณพลังงานที่จำเป็นในการฝึกแบบจำลอง วิธีการใช้ AI เพื่อสร้างสังคมที่เราต้องการ และวิธีการที่ผลลัพธ์ของเครือข่ายสามารถอธิบายให้ผู้ปฏิบัติงานที่เป็นมนุษย์เข้าใจได้โดยสัญชาตญาณ

เซเลส คิดด์

Celeste Kidd ใช้เวลาส่วนใหญ่ในอาชีพล่าสุดของเธอในการเรียกร้องให้มีความรับผิดชอบมากขึ้นในส่วนของนักออกแบบอัลกอริทึม แพลตฟอร์มเทคโนโลยี และระบบแนะนำเนื้อหา Kidd มักจะแย้งว่าระบบที่ออกแบบมาเพื่อเพิ่มการมีส่วนร่วมสามารถจบลงด้วยผลกระทบร้ายแรงเกี่ยวกับวิธีที่ผู้คนสร้างความคิดเห็นและความเชื่อของพวกเขา มีการให้ความสนใจมากขึ้นต่อการใช้อัลกอริทึมและระบบ AI อย่างมีจริยธรรม และ Kidd คาดการณ์ว่าในปี 2020 จะมีความตระหนักมากขึ้นว่าเครื่องมือและแพลตฟอร์มเทคโนโลยีมีอิทธิพลต่อชีวิตและการตัดสินใจของผู้คนอย่างไร รวมถึงการปฏิเสธแนวคิดดังกล่าว เครื่องมือเทคโนโลยีนั้นสามารถเป็นกลางอย่างแท้จริงในการออกแบบ

Kidd กล่าวว่า "ในฐานะสังคมและโดยเฉพาะอย่างยิ่งในฐานะผู้คนที่ทำงานเกี่ยวกับเครื่องมือเหล่านี้ เราจำเป็นต้องชื่นชมความรับผิดชอบที่มาพร้อมกับมันโดยตรง"

เจฟฟ์ ดีน

Jeff Dean หัวหน้าคนปัจจุบันของ Google AI คาดการณ์ว่าในปี 2020 จะมีความก้าวหน้าในด้านการเรียนรู้แบบหลายรูปแบบและการเรียนรู้แบบมัลติทาสก์ การเรียนรู้แบบหลายรูปแบบคือการที่ AI ได้รับการฝึกกับสื่อหลายประเภทในคราวเดียว ในขณะที่การเรียนรู้แบบมัลติทาสก์พยายามทำให้ AI สามารถฝึกได้หลายงานในคราวเดียว Dean ยังคาดหวังว่าจะมีความคืบหน้าเพิ่มเติมเกี่ยวกับโมเดลการประมวลผลภาษาธรรมชาติที่ใช้ Transformer เช่น อัลกอริธึม BERT ของ Google และโมเดลอื่นๆ ที่ติดอันดับบอร์ดผู้นำ GLUE คณบดียังกล่าวอีกว่าเขาอยากเห็นความต้องการน้อยลงในการสร้างแบบจำลองประสิทธิภาพที่ล้ำหน้าที่สุด และความปรารถนามากขึ้นในการสร้างแบบจำลองที่แข็งแกร่งและยืดหยุ่นมากขึ้น

อนิมา อนันตกุมาร

Anandkumar คาดว่าชุมชน AI จะต้องต่อสู้กับความท้าทายมากมายในปี 2020 โดยเฉพาะอย่างยิ่งความต้องการชุดข้อมูลที่หลากหลายมากขึ้น และความจำเป็นในการรับรองความเป็นส่วนตัวของผู้คนเมื่อฝึกอบรมเกี่ยวกับข้อมูล Anandkumar อธิบายว่า แม้ว่าการจดจำใบหน้ามักจะได้รับความสนใจมากที่สุด แต่ก็มีหลายด้านที่ความเป็นส่วนตัวของผู้คนสามารถถูกละเมิดได้ และประเด็นเหล่านี้อาจกลายเป็นประเด็นสำคัญของการอภิปรายในปี 2020

Anandkumar ยังคาดหวังว่าจะมีความก้าวหน้าเพิ่มเติมเกี่ยวกับโมเดลการประมวลผลภาษาธรรมชาติที่ใช้ Transformer

“เรายังไม่อยู่ในขั้นตอนของการสร้างบทสนทนาที่มีการโต้ตอบ ที่สามารถติดตามและสนทนาได้อย่างเป็นธรรมชาติ ดังนั้นฉันคิดว่าจะมีความพยายามอย่างจริงจังมากขึ้นในปี 2020 ในทิศทางนั้น” เธอกล่าว

ในที่สุด Anandkumar คาดว่าในปีหน้าจะเห็นการพัฒนาอัลกอริทึมแบบวนซ้ำและการกำกับดูแลตนเองมากขึ้น วิธีการฝึกอบรมเหล่านี้ช่วยให้ระบบ AI สามารถฝึกฝนตนเองได้ในบางประการ และอาจช่วยสร้างแบบจำลองที่สามารถปรับปรุงได้โดยการฝึกอบรมด้วยตนเองกับข้อมูลที่ไม่มีป้ายกำกับ

ดาริโอ กิล

Gil คาดการณ์ว่าในปี 2020 จะมีความคืบหน้าในการสร้าง AI ในลักษณะที่มีประสิทธิภาพในการคำนวณมากขึ้น เนื่องจากวิธีการฝึกฝนโครงข่ายประสาทเทียมระดับลึกในปัจจุบันนั้นไม่มีประสิทธิภาพในหลายๆ ด้าน ด้วยเหตุนี้ Gil จึงคาดว่าปีนี้จะเห็นความคืบหน้าในแง่ของการสร้างสถาปัตยกรรมที่มีความแม่นยำลดลงและโดยทั่วไปแล้วการฝึกอบรมจะมีประสิทธิภาพมากขึ้น เช่นเดียวกับผู้เชี่ยวชาญคนอื่นๆ ที่ได้รับการสัมภาษณ์ Gil ทำนายว่าในปี 2020 นักวิจัยจะเริ่มให้ความสำคัญกับเมตริกมากขึ้นนอกเหนือจากความแม่นยำ Gil แสดงความสนใจใน AI ที่เป็นสัญลักษณ์ทางประสาท เนื่องจาก IBM กำลังตรวจสอบวิธีสร้างแบบจำลองการเขียนโปรแกรมเชิงความน่าจะเป็นโดยใช้วิธีการทางสัญลักษณ์ทางประสาท สุดท้าย Gil เน้นย้ำถึงความสำคัญของการทำให้ AI เข้าถึงได้มากขึ้นสำหรับผู้ที่สนใจในการเรียนรู้ของเครื่อง และกำจัดการรับรู้ที่ว่าอัจฉริยะเท่านั้นที่สามารถทำงานร่วมกับ AI และทำวิทยาการข้อมูลได้

“หากเราปล่อยให้มันเป็นดินแดนในตำนาน สาขาของ AI ซึ่งเข้าถึงได้เฉพาะปริญญาเอกที่ได้รับการคัดเลือกที่ทำงานด้านนี้ ก็ไม่ได้มีส่วนช่วยในการรับเลี้ยงบุตรบุญธรรม” Gil กล่าว