Прогнози експертів щодо траєкторії розвитку штучного інтелекту в 2020 році

VentureBeat недавно взяв інтерв’ю у п’яти з найбільш інтелектуальних та експертних осіб у сфері штучного інтелекту і попросив їх зробити прогнози щодо напрямку розвитку штучного інтелекту протягом майбутнього року. Особи, яких інтерв’ювали для отримання їхніх прогнозів, були:

• Суміт Чінтала, творець PyTorch.
• Селеста Кідд, професор штучного інтелекту в Університеті Каліфорнії.
• Джефф Дін, керівник Google AI.
• Аніма Анандкумар, директор досліджень машинного навчання в Nvidia.
• Даріо Гіл, директор досліджень IBM.

Суміт Чінтала

Чінтала, творець PyTorch, який є, мабуть, найпопулярнішою платформою машинного навчання на даний момент, передбачив, що в 2020 році буде більша потреба у прискорювачах нейронних мереж та методах підвищення швидкості навчання моделей. Чінтала очікував, що протягом наступних кількох років буде збільшена увага на те, як використовувати графічні процесори оптимально та як здійснювати автоматичне компілювання для нового обладнання. Окрім цього, Чінтала очікував, що спільнота штучного інтелекту почне більш агресивно займатися іншими методами кількісної оцінки продуктивності штучного інтелекту, надаючи менше значення чистій точності. Фактори, які потрібно враховувати, включають такі речі, як кількість енергії, необхідної для навчання моделі, як штучний інтелект можна використовувати для створення такого суспільства, яке ми хочемо, і як вивід мережі можна інтуїтивно пояснити людині-оператору.

Селеста Кідд

Селеста Кідд протягом значної частини своєї недавньої кар’єри відстоювала більшу відповідальність з боку розробників алгоритмів, технологічних платформ та систем рекомендацій контенту. Кідд часто стверджувала, що системи, розроблені для максимізації залучення, можуть мати серйозні наслідки щодо того, як люди формують свої думки та переконання. Все більше уваги приділяється етичному використанню алгоритмів та систем штучного інтелекту, і Кідд передбачила, що в 2020 році буде збільшена увага до того, як технологічні інструменти та платформи впливають на життя та рішення людей, а також відмова від ідеї про те, що технологічні інструменти можуть бути дійсно нейтральними за своєю суттю.

“Насправді нам потрібно, як суспільству та особливо як людям, які працюють над цими інструментами, безпосередньо оцінити відповідальність, яка з цим пов’язана”, – сказала Кідд.

Джефф Дін

Джефф Дін, теперішній керівник Google AI, передбачив, що в 2020 році буде прогрес у багатомодальному навчанні та навчання на декількох завданнях одночасно. Багатомодальне навчання відбувається, коли штучний інтелект навчається з використанням декількох типів медіа одночасно, тоді як навчання на декількох завданнях одночасно спрямоване на те, щоб дозволити штучному інтелекту навчатися на декількох завданнях одночасно. Дін також очікував подальший прогрес щодо моделей обробки природної мови на основі Transformer, таких як алгоритм BERT від Google та інші моделі, які очолили таблицю лідерів GLUE. Дін також зазначив, що йому хотілося б бачити менше бажання створювати найбільш просунуті моделі зі станом справ та більше бажання створювати моделі, які є більш надійними та гнучкими.

Аніма Анандкумар

Анандкумар очікувала, що спільнота штучного інтелекту буде мати справу з багатьма викликами в 2020 році, особливо з необхідністю більш різноманітних наборів даних та необхідністю забезпечення конфіденційності людей під час навчання на даних. Анандкумар пояснила, що хоча розпізнавання облич часто привертає найбільшу увагу, є багато областей, де конфіденційність людей може бути порушена, і що ці питання можуть стати на перший план обговорення протягом 2020 року.

Анандкумар також очікувала, що будуть зроблені подальші досягнення щодо моделей обробки природної мови на основі Transformer.

“Ми ще не досягли етапу генерації діалогу, який є інтерактивним,能够 тримати слід і мати природні розмови. Тому я думаю, що в 2020 році будуть зроблені більш серйозні спроби в цьому напрямку”, – сказала вона.

Нарешті, Анандкумар очікувала, що майбутній рік побачить більше розробок ітеративного алгоритму та самоопіки. Ці методи навчання дозволяють системам штучного інтелекту самонавчатися в деякому сенсі та потенційно можуть допомогти створити моделі, які можуть покращуватися шляхом самообучення на необлаштованих даних.

Даріо Гіл

Гіл передбачив, що в 2020 році буде більше прогресу у створенні штучного інтелекту більш обчислювально ефективним способом, оскільки спосіб, яким зараз навчаються глибокі нейронні мережі, є неефективним у багатьох аспектах. Через це Гіл очікував, що цього року буде прогрес у створенні архітектур з зменшеною точністю та загалом більш ефективному навчанні. Як і деякі інші експерти, яких інтерв’ювали, Гіл передбачив, що в 2020 році дослідники почнуть більше зосереджуватися на метриках, крім точності. Гіл висловив інтерес до нейронно-символічного штучного інтелекту, оскільки IBM досліджує способи створення моделей ймовірнісного програмування з використанням нейронно-символічних підходів. Нарешті, Гіл підкреслив важливість того, щоб зробити штучний інтелект більш доступним для тих, хто цікавиться машинним навчанням, та позбутися сприйняття про те, що тільки геніальні люди можуть працювати зі штучним інтелектом та займатися науками про дані.

“Якщо ми залишимо це як якийсь міфічний світ, цю область штучного інтелекту, яка доступна лише вибраним докторам філософії, які працюють над цим, це не сприяє її прийняттю”, – сказав Гіл.