Прогнози експертів щодо траєкторії розвитку штучного інтелекту у 2020 році

VentureBeat недавно взяв інтерв’ю у п’яти з найрозумніших та експертних розумів у сфері штучного інтелекту та попросив їх зробити прогнози щодо того, куди рухається штучний інтелект у течение року, який прийде. Особи, яких інтерв’ювали для отримання їхніх прогнозів, були:

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

Суміт Чінтала

Чінтала, творець Pytorch, який є, безумовно, найпопулярнішою платформою машинного навчання на даний момент, передбачив, що у 2020 році буде більша потреба у прискорювачах нейронних мереж та методах підвищення швидкості навчання моделей. Чінтала очікував, що надалі буде більша увага до того, як використовувати графічні процесори оптимально та як здійснювати автоматичне компілювання для нових апаратних засобів. 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 будівництва такого суспільства, яке ми хочемо, та як вивід мережі можна інтуїтивно пояснити людині-оператору.

Селеста Кідд

Селеста Кідд присвятила значну частину своєї недавньої кар’єри захисту відповідальності дизайнерів алгоритмів, технологічних платформ та систем рекомендацій вмісту. Кідд часто стверджувала, що системи, розроблені для максимізації залучення, можуть мати серйозні наслідки щодо того, як люди створюють свої погляди та переконання. Все більше уваги приділяється етичному використанню алгоритмів та систем штучного інтелекту, і Кідд передбачила, що у 2020 році буде більша свідомість щодо 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 своїм дизайном.

“Нам справді потрібно, як суспільству та особливо як тим, хто працює над цими інструментами, безпосередньо оцінити відповідальність, яка з цим пов’язана”, – сказала Кідд.

Джефф Дін

Джефф Дін, теперішній голова Google AI, передбачив, що у 2020 році буде прогрес у багатомодальному навчанні та багатокроковому навчанні. Багатомодальне навчання – це коли штучний інтелект навчається з кількома типами медіа одночасно, тоді як багатокрокове навчання намагається дозволити штучному інтелекту навчатися кільком завданням одночасно. Дін також очікував подальший прогрес у моделях 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 хотілось би бачити менше бажання створювати найрозвітліші моделі штучного інтелекту 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 у 2020 році, особливо з необхідністю більш різноманітних наборів даних та 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 порядок денний у 2020 році.

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

“Ми ще не досягли стадії генерації діалогів, яка є інтерактивною, яка може відстежувати та мати природні розмови. Тому я думаю, що будуть зроблені більш серйозні спроби у 2020 році в цьому напрямку”, – сказала вона.

Нарешті, Анандкумар очікувала, що надходить 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 самоопіки на даних, які не мають маркування.

Даріо Гіл

Гіл передбачив, що у 2020 році буде більше прогресу щодо створення штучного інтелекту більш обчислювально ефективним способом, оскільки спосіб навчання глибоких нейронних мереж зараз є неефективним у багатьох аспектах. Через це Гіл очікував, що цей рік побачить прогрес у створенні архітектур з зменшеною точністю та загалом більш ефективному навчанні. Як і деякі інші експерти, яких інтерв’ювали, Гіл передбачив, що у 2020 році дослідники почнуть більше зосереджуватися на метриках, окрім точності. Гіл висловив інтерес до нейронно-символічного штучного інтелекту, оскільки IBM досліджує способи створення моделей 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 переконання, що тільки геніальні люди можуть працювати зі штучним інтелектом та займатися машинним навчанням.

“Якщо ми залишимо це як якийсь міфічний світ, ця область штучного інтелекту, яка доступна тільки вибраним PhD, які працюють над цим, це не сприяє його прийняттю”, – сказав Гіл.