Dự đoán của các chuyên gia về hướng đi của Trí tuệ nhân tạo vào năm 2020

VentureBeat gần đây đã phỏng vấn năm trong những chuyên gia hàng đầu về trí tuệ nhân tạo và yêu cầu họ dự đoán về hướng đi của trí tuệ nhân tạo trong năm tới. Những người được phỏng vấn để dự đoán của họ bao gồm:

• Soumith Chintala, người tạo ra PyTorch.
• Celeste Kidd, giáo sư trí tuệ nhân tạo tại Đại học California.
• Jeff Dean, người đứng đầu Google AI.
• Anima Anandkumar, giám đốc nghiên cứu học máy tại Nvidia.
• Dario Gil, giám đốc nghiên cứu IBM.

Soumith Chintala

Chintala, người tạo ra Pytorch, có thể là khuôn khổ học máy phổ biến nhất hiện nay, dự đoán rằng năm 2020 sẽ thấy nhu cầu ngày càng tăng về phần cứng tăng tốc mạng nơ-ron và phương pháp tăng tốc độ đào tạo mô hình. Chintala dự đoán rằng trong những năm tới, sẽ có sự tập trung nhiều hơn vào cách sử dụng GPU một cách tối ưu và cách biên dịch tự động cho phần cứng mới. Ngoài ra, Chintala dự đoán rằng cộng đồng trí tuệ nhân tạo sẽ bắt đầu theo đuổi các phương pháp khác để lượng hóa hiệu suất trí tuệ nhân tạo một cách tích cực, đặt ít tầm quan trọng vào độ chính xác thuần túy. Các yếu tố cần xem xét bao gồm những thứ như lượng năng lượng cần thiết để đào tạo một mô hình, cách trí tuệ nhân tạo có thể được sử dụng để xây dựng loại xã hội mà chúng ta muốn, và cách đầu ra của một mạng có thể được giải thích một cách trực quan cho các vận hành viên con người.

Celeste Kidd

Celeste Kidd đã dành nhiều thời gian gần đây để vận động cho trách nhiệm hơn của các nhà thiết kế thuật toán, nền tảng công nghệ và hệ thống khuyến nghị nội dung. Kidd đã thường lập luận rằng các hệ thống được thiết kế để tối đa hóa sự tương tác có thể kết thúc bằng cách có những tác động nghiêm trọng về cách người dân tạo ra quan điểm và niềm tin của họ. Ngày càng có nhiều sự chú ý được dành cho việc sử dụng các thuật toán và hệ thống trí tuệ nhân tạo một cách có trách nhiệm, và Kidd dự đoán rằng vào năm 2020 sẽ có sự nhận thức ngày càng tăng về cách các công cụ và nền tảng công nghệ đang ảnh hưởng đến cuộc sống và quyết định của con người, cũng như sự từ chối ý tưởng rằng các công cụ công nghệ có thể thực sự trung lập trong thiết kế.

“Chúng tôi thực sự cần phải, như một xã hội và đặc biệt là những người đang làm việc trên các công cụ này, trực tiếp đánh giá cao trách nhiệm mà điều đó mang lại,” Kidd nói.

Jeff Dean

Jeff Dean, người đứng đầu hiện tại của Google AI, dự đoán rằng vào năm 2020 sẽ có tiến bộ trong học đa phương thức và học đa nhiệm. Học đa phương thức là khi trí tuệ nhân tạo được đào tạo với nhiều loại phương tiện cùng một lúc, trong khi học đa nhiệm nhằm mục đích cho phép trí tuệ nhân tạo đào tạo trên nhiều nhiệm vụ cùng một lúc. Dean cũng dự đoán sẽ có tiến bộ hơn nữa về các mô hình xử lý ngôn ngữ tự nhiên dựa trên Transformer, như thuật toán BERT của Google và các mô hình khác đã đứng đầu bảng xếp hạng GLUE. Dean cũng đề cập rằng ông muốn thấy ít mong muốn tạo ra các mô hình hiệu suất tiên tiến nhất và nhiều hơn là mong muốn tạo ra các mô hình mạnh mẽ và linh hoạt hơn.

Anima Anandkumar

Anandkumar dự đoán rằng cộng đồng trí tuệ nhân tạo sẽ phải đối mặt với nhiều thách thức vào năm 2020, đặc biệt là nhu cầu về các tập dữ liệu đa dạng hơn và nhu cầu đảm bảo quyền riêng tư của người dân khi đào tạo trên dữ liệu. Anandkumar giải thích rằng trong khi nhận dạng khuôn mặt thường nhận được sự chú ý nhiều nhất, có nhiều lĩnh vực mà quyền riêng tư của con người có thể bị xâm phạm và những vấn đề này có thể trở thành tâm điểm của cuộc thảo luận trong năm 2020.

Anandkumar cũng dự đoán sẽ có tiến bộ hơn nữa về các mô hình xử lý ngôn ngữ tự nhiên dựa trên Transformer.

“Chúng tôi vẫn chưa đạt đến giai đoạn tạo ra cuộc trò chuyện tương tác, có thể theo dõi và có cuộc trò chuyện tự nhiên. Vì vậy, tôi nghĩ sẽ có những nỗ lực nghiêm túc hơn vào năm 2020 theo hướng đó,” cô nói.

Cuối cùng, Anandkumar dự đoán rằng năm tới sẽ thấy sự phát triển hơn nữa của thuật toán lặp và tự giám sát. Những phương pháp đào tạo này cho phép các hệ thống trí tuệ nhân tạo tự đào tạo ở một số khía cạnh, và có thể giúp tạo ra các mô hình có thể cải thiện bằng cách tự đào tạo trên dữ liệu không được gắn nhãn.

Dario Gil

Gil dự đoán rằng vào năm 2020 sẽ có tiến bộ hơn nữa trong việc tạo ra trí tuệ nhân tạo một cách hiệu quả về mặt tính toán, vì cách đào tạo các mạng nơ-ron sâu hiện tại là không hiệu quả ở nhiều khía cạnh. Do đó, Gil dự đoán rằng năm nay sẽ thấy tiến bộ trong việc tạo ra các kiến trúc giảm độ chính xác và đào tạo một cách hiệu quả hơn. Giống như một số chuyên gia khác được phỏng vấn, Gil dự đoán rằng vào năm 2020, các nhà nghiên cứu sẽ bắt đầu tập trung nhiều hơn vào các chỉ số ngoài độ chính xác. Gil thể hiện sự quan tâm đến trí tuệ nhân tạo biểu tượng, vì IBM đang khám phá các cách tạo ra các mô hình lập trình xác suất bằng cách sử dụng các phương pháp biểu tượng. Cuối cùng, Gil nhấn mạnh tầm quan trọng của việc làm cho trí tuệ nhân tạo trở nên dễ tiếp cận hơn với những người quan tâm đến học máy và loại bỏ nhận thức rằng chỉ có những thiên tài mới có thể làm việc với trí tuệ nhân tạo và khoa học dữ liệu.

“Nếu chúng ta để nó như một lĩnh vực thần thoại, lĩnh vực trí tuệ nhân tạo này, chỉ có thể tiếp cận được bởi những tiến sĩ được chọn đã làm việc trên nó, thì nó không thực sự đóng góp cho việc áp dụng nó,” Gil nói.