من اليسار إلى اليمين: مدير جيف دين جوجل منظمة العفو الدولية، جامعة كاليفورنيا في بيركلي أستاذ سيليست كيد، Pythorch مدير Soumith Chintala، نفيديا تعلم الآلة، مدير الأبحاث أنيما Anandkumar، وكذلك مدير الأبحاث IBM داريو جيل

والذكاء الاصطناعي لم يعد مستعدا لتغيير العالم يوم واحد في المستقبل - هو تغيير العالم. في بداية العقد الجديد بهذه المناسبة، مقابلة VentureBeat مع الذكاء الاصطناعي من أكثر حاد الذهن، إلى إعادة النظر في التقدم المحرز في 2019 و 2020 و مسار التوقعات ناضجة تعلم الآلة. قابلناهم PyTorch الخالق Soumith Chintala، جامعة كاليفورنيا أستاذ سيليست كيد، وجوجل AI مدير جيف دين، نفيديا تعلم الآلة، مدير الأبحاث أنيما Anandkumar ومدير الأبحاث IBM داريو جيل.

كل شخص لديه التنبؤ للسنة القادمة، ولكن هؤلاء الناس خلقت المستقبل اليوم - لديه السلطة الشخصية للمجتمع الذكاء الاصطناعي، وجعلت ماضيهم الانجازات الرائعة. على الرغم من أن بعض الناس يتوقعون تقدم منطقة شبه التعلم شبه إشراف وأساليب رمزية العصبية، ولكن في الواقع، كل محادثة مع VentureBeat فكرية قد وافقت في عام 2019 على أساس نموذج اللغة الطبيعية محول حققت تقدما كبيرا، وتوقعت مماثلة وسوف تستمر تكنولوجيا التعرف على الوجه لتكون مثيرة للجدل. وهم يريدون أيضا لتقييم مستوى تكنولوجيا الذكاء الاصطناعي ليست مجرد دقة.

Soumith Chintala

Soumith Chintala، مدير Pythorch، كبير المهندسين، مؤسس.

حاليا، PyTorch هو إطار التعلم الجهاز الأكثر شعبية في العالم. أطلقت PyTorch الشعلة 2002 إطارا مفتوح المصدر للمنتجات المشتقة، وخرج في عام 2015، والنمو المطرد في التمديد.

سقوط 2019، أصدر الفيسبوك وPyTorch 1.3، والذي يتضمن دعم الكمي وTPU، وCaptum (عمق أداة تعليمية للتفسير) وPyTorch موبايل. بالطبع، هناك أمور أخرى، مثل PyRobot وPyTorch المحور، لرمز المشاركة وتشجيع الممارسين لقبول ML التكاثر.

في محادثة، قال المطورين Pythorch وفي VentureBeat Chintala انه يعتقد ان ما انفراجة 2019 آلة تعلم أي شيء تقريبا.

"في الواقع، أنا لا أعتقد أننا جعل أي نتائج اختراق ...... أساسا من البداية حتى المحول هو وقت الذروة ConvNets 0.2012 سنوات، ولكنها لمحول في عام 2017. هذا هو بلدي رأي شخصي ".

ذهب إلى القول، DeepMind من AlphaGo هي رائدة مساهمة في تعزيز التعلم، لكنه قال إن هذه النتائج صعبة للتعامل مع هذه المهمة الفعلية في العالم الحقيقي.

ويعتقد أيضا أن Chintala وضع إطار التعلم الآلي والممارسين ML اليوم معظم أدوات شعبية، مثل غوغل وPythorch من TensorFlow، تغيرت الباحثين لاستكشاف أفكارهم وطريقة العمل.

وقال: "وبمعنى من المعاني، وهذا هو اختراق، وسرعة تطور التكنولوجيا واحد أو اثنين أوامر من حجم أسرع مما كانت عليه في الماضي".

هذا العام، وجوجل والفيسبوك في إطار المصدر المفتوح لإدخال نموذج كمي لتحسين سرعة التدريب. في السنوات القليلة المقبلة، من المتوقع Chintala أهمية Pythorch الوهج JIT مترجم والأجهزة المعجلات مثل الشبكات العصبية واعتماد سيحدث "النمو الهائل".

"وفقا لPyTorch وTensorFlow، وسوف تجد أن الإطار هو التقارب قليلا. تحديد ولماذا تنشأ تقنيات أقل كفاءة أخرى، لأن الحرب القادمة في إطار مترجم --XLA، TVM، Pythorch كانت جيدة جدا، العديد من الابتكارات ينتظرون أن يحدث في السنوات القليلة المقبلة، سوف نرى كيف لتحديد أكثر ذكاء التكامل كيف أفضل، وكيفية استخدام أكثر فعالية GPU، وكيفية استخدام أجهزة جديدة جمعت تلقائيا .. "

كما هو الحال مع مقابلة VentureBeat لهذه المادة قادة الصناعة الأكثر الآخر، Chintala يتوقع أنه بحلول عام 2020، فإن المجتمع الذكاء الاصطناعي إيلاء المزيد من الاهتمام لأداء من دقة نموذج الذكاء الاصطناعي وتبدأ انتباهها إلى عوامل أخرى مهمة، مثل إنشاء نموذج مطلوب الاستهلاك، وكيفية تفسير المخرجات البشرية والذكاء الاصطناعي لتعكس على نحو أفضل كيف هذا النوع من الناس المجتمع يريد بناء.

واضاف "اذا كنت أذكر خمس أو ست سنوات الماضية، ونحن نشعر بالقلق فقط مع دقة البيانات الخام، مثل نموذج نفيديا وتأليف أكثر دقة، كيف يموت نموذج الفيسبوك دقة. ولكن في الواقع، وأعتقد أن عام 2020 سوف نبدأ في التفكير بطرق أكثر تعقيدا في السنة، إذا النموذج الخاص بك هو آليات التشغيل البيني ليست جيدة (أو تلبية معايير أخرى)، ومن ثم أكثر دقة إذا 3 ليست مهمة. "

سيليست كيد

CelesteKidd كيد هو مدير المختبر في جامعة كاليفورنيا في بيركلي، وقالت انها وفريقها هناك لاستكشاف كيفية تعلم الأطفال. انهم يحاولون تدريب نموذج مع وتربية طفل ليس بطريقة مماثلة، فإن هذه الدراسة يساعد على بناء الشبكات العصبية.

وقالت: "لم يتم وضع علامة الرضيع البشري مجموعات البيانات، لكنها تفعل ذلك بشكل جيد، ويجب علينا أن نفهم أن هذا هو كيف حدث ذلك".

2019 السماح فاجأ كيد من شيء واحد، وهناك العديد من الخالق الشبكة العصبية الحصول على عمل باليومية التقليل من شأن لها أو غيره من الباحثين يعتقدون أنهم لا يمكن أن تجعل الطفل يمكن القيام به.

وقالت أنه عندما كنت وضعت المتوسط سلوك الطفل، وسوف نرى أدلة على بعض الأشياء التي يفهمونها، لكنها بالتأكيد ليست المتعلمين الكمال.

وقالت إن الطفل البشري كبيرة، ولكن جعلوا الكثير من الاخطاء، وقالت انها شهدت الكثير من الناس مجرد القيام التجارب المقارنة، وضعوا الطفل على سلوك مستوى السكان مثالي. "أعتقد أن الرابط بينك والآن أنت تعرف ماذا قد ترغب الخطوة التالية لمعرفة المزيد والمزيد من الاهتمام."

في مجال الذكاء الاصطناعي، وقد وجدت "الصندوق الاسود" كلمة لسنوات عديدة. كان يستخدم لانتقاد عدم تفسيرها الشبكة العصبية، ولكن كيد يعتقد أن 2020 قد يعني نهاية الشبكة العصبية ليست متاحة لشرح هذا المفهوم.

وقالت: "إن النقاش حول الصندوق الأسود هو زائف، والدماغ هو الصندوق الأسود، كيف أدمغتنا العمل حققت تقدما كبيرا في فهم".

لفتح هذا الفهم للشبكة العصبية، وكيد توجيه انتباههم مثل اود أوليفا معهد ماساتشوستس للتكنولوجيا IBM واتسون AI مختبر المدير التنفيذي لشخص مثل هذا.

"عندما نناقش هذه القضية، وقال لي بعض الأشياء عن هذا النظام هو الصندوق الأسود، وقالت أنها بالتأكيد ليست الصندوق الأسود. بالطبع، يمكنك تفكيك عليها ومعرفة كيفية عملها، وأنها تجربة ونحن نفهم المعرفية، وقال كيد مثل ".

وفي الشهر الماضي، سلمت كيد الخطاب الرئيسي فتح في اجتماع أكبر --NeurIPS بحوث الذكاء الاصطناعي في العالم. ركزت خطابها على كيفية عمل الدماغ البشري للحفاظ على الإيمان، وأنظمة معالجة الاهتمام، وإحصاءات النظرية الافتراضية.

وقالت قلب نقل المعلومات بين مصالح الفرد وفهم الشيء دهشتهم. الناس في كثير من الأحيان لا مثل محتوى مذهلة جدا.

ذهبت إلى القول، لأنه لا يوجد منبر محايد تكنولوجيا، وقالت انها تحولت الى دراسات لكيفية التلاعب المصنعين نظام توصية المحتوى معتقدات الناس. ويستند هذا النظام على السعي لتحقيق أقصى مشاركة ممكنة، يمكن أن يكون لها تأثير كبير على معتقدات الناس والآراء تشكيلها.

تحدث كيد حول آلة تعلم بعض الرجال سوء فهم في نهاية الخطاب، وأنهم يعتقدون أنهم وحدها مع الزميلات سيؤدي إلى مزاعم التحرش الجنسي، ونهاية الذكور من حياته المهنية. وقالت إن سوء الفهم هذا سيضر بقضية المرأة في هذا المجال.

نشرت بسبب سوء السلوك في جامعة روشستر، منحت كيد مع "شخصيات عصر" في عام 2017 مع نساء أخريات، ساعدت هؤلاء النساء لخلق لدينا الحالية "المساواة في المعاملة بين الحركة النسائية METOO". ولكن في ذلك الوقت، يعتقد كيد انها ستنهي مسيرتها.

في عام 2020، وقالت انها تأمل ان ترى الناس يدركون واقع تأثير أدوات التكنولوجيا والحلول الهندسية للقد ازداد، والمصنعين أداة مسؤولة عن سلوك الناس استخدام الأداة.

وقالت: "سمعت الكثير من الناس الذين يحاولون الدفاع عن نفسه، قائلا:" أنا لست المتلاعبين الحقيقة "أعتقد أننا يجب رفع الوعي بهذا الموقف غير شريفة .."

"ونتيجة لجماعة من الناس، وخاصة الناس الذين يعملون على تطوير هذه الأدوات تحتاج حقا لتحقيق مسؤولية ما يصاحب ذلك."

جيف دين

وكان زعيم عميد جوجل AI ما يقرب من عامين، كان يعمل لمدة 20 عاما في جوجل، وكثير من المصممين في وقت مبكر الشركة وخوارزميات البحث شبكة توزيع، وجوجل هو أيضا عضو في وقت مبكر من الدماغ.

وقال عميد تسليمها كلمة ألقاها الشهر الماضي في NeurIPS حول أسيك طريقة تصميم أشباه الموصلات من التعلم الآلي والذكاء الاصطناعي المجتمع لمعالجة تغير المناخ انه حان الوقت لدينا أكثر المسألة الهامة. عندما يتعلق الأمر تغير المناخ، ويرى عميد الذكاء الاصطناعي يمكن أن تسعى جاهدة لتصبح صناعة خالية من الكربون، ويمكن أيضا أن تستخدم لسلوك الإنسان تغيير المساعدة.

ويتوقع أن يكون عام 2020 إلى إحراز تقدم في التعلم متعددة المهام متعددة الوسائط والمناطق التعليمية.

مما لا شك فيه، ويقوم واحد من أكبر الاتجاه 2019 على تعلم الآلة، نموذج اللغة الطبيعية للنمو المستدام وانتشار محول، نموذج Chintala سبق معروف واحدة من أكبر الاختراقات في مجال الذكاء الاصطناعي في السنوات الأخيرة. عام 2018، جوجل المصدر المفتوح بيرت، الذي يقوم على أساس نموذج محول. ووفقا التصنيف الغراء، الذي صدر هذا العام، وأفضل أداء بعض النماذج، مثل XLNet جوجل، مايكروسوفت MT-DNN والفيسبوك روبرتا، التي تستند إلى محول.

وأشار عميد التقدم الذي تم إحرازه، وقال: "أعتقد أنه من حيث الإنتاج الفعلي نماذج التعلم الآلي حققت نتائج مثمرة كبيرة، وهذه النماذج بحيث يمكننا القيام به الآن هو أكثر تعقيدا مما كانت عليه في المهام NLP الماضية" لكنه أضاف، يبقى مجالا للنمو. واضاف "اننا لا تزال تريد أن تكون قادرة على القيام بمزيد من نوع سياق نموذج، كما هو الحال الآن، بيرت ونموذج آخر يمكن التعامل مع مئات من الكلمات، ولكن ليس كلمة 10،000 للسياق. لذلك هذا هو اتجاه مثير للاهتمام."

وقال عميد انه يريد ان يرى أن التقدم لا تكون قيمة صغيرة جدا من أحدث التقنيات، والتي تفضي إلى خلق نموذج أكثر قوة.

وتلتزم جوجل AI أيضا إلى تعزيز البحوث الجديدة، مثل DailyRobot، وهذا هو في نوفمبر 2019 أطلقت مشروع داخلي، تهدف إلى خلق مهمة مشتركة يمكن أن تكتمل في الروبوتات المنزل ومكان العمل.

أنيما Anandkumar

خدم مدير الأبحاث NVIDIA تعلم الآلة أنيما Anandkumar أيضا كبير العلماء في AWS. يشمل البحث نفيديا AI العديد من المجالات، من الرعاية الصحية لدراسة مشتركة الطيار الآلي، أجهزة الكمبيوتر العملاقة والرسومات.

NVIDIA وAnandkumar في مجالات البحوث الأساسية في 2019 هو تعزيز إطار محاكاة التعلم، والإطار أصبحت شعبية ومتطورة على نحو متزايد.

2019، رأينا صعود محرك أوتونوموس القيادة منصة محاكاة الروبوت نفيديا وإسحاق، ومن المواجهة إلى توليد الاصطناعية نموذج شبكة الجيل البيانات.

في العام الماضي، بدأت في StyleGAN الذكاء الاصطناعي مماثلة (التكنولوجيا التي تسمح للناس على السؤال أنفسهم بالنظر إلى وجه الحاسوب ولدت أو شبكة حي) وGauGAN (أفقي يمكن أن تتولد مع فرشاة) في الارتفاع. StyleGAN2 لاول مرة الشهر الماضي.

تكنولوجيا GANS يمكن طمس حدود الواقع، Anandkumar نعتقد أنها يمكن أن تساعد في التصدي للتحديات الرئيسية للمجتمع الذكاء الاصطناعي تعمل على حلها، مثل قبضة يد الروبوت والطيار الآلي.

Anandkumar أيضا مثل لمعرفة خوارزمية تكرارية في العام القادم، حيث طرق رصد التقدم المحرز والتدريب الذاتي من النماذج التي يمكن تحسينها من خلال استخدام بيانات الخالي من الملصقات التدريب الذاتي.

واضاف "اعتقد مجموعة متنوعة من خوارزميات تكرارية مختلفة هي الاتجاه المستقبلي للتنمية، لأنه إذا كان لديك فقط شبكة feedforward، ثم متانة مشكلة. إذا حاولت تنفيذ عدد من التكرارات، واعتمادا على نوع البيانات التي تريد أو إمكانية لضبط دقة التكرار، ثم هذا الهدف إلى حد أكبر. ".

يعتقد Anandkumar أنه بحلول عام 2020 المجتمع الذكاء الاصطناعي يواجه العديد من التحديات، مثل الحاجة إلى خلق نموذج تصميم للصناعات محددة، جنبا إلى جنب مع الخبراء في هذا المجال. ينبغي على صانعي السياسات والأفراد والمجتمع الذكاء الاصطناعي أيضا إلى التمثيل عنوان، وضمان أن التحدي الذي يواجه مجموعة البيانات لتدريب نموذج لتلبية احتياجات فئات مختلفة من الناس.

وقال Anandkumar أن التعرف على الوجه بأكبر قدر من الاهتمام، لأنه من السهل أن ندرك أن هذا يشكل انتهاكا للخصوصية الشخصية، ولكن في عام 2020 سوف المجتمع الذكاء الاصطناعي تواجه عددا من القضايا الأخلاقية الأخرى.

ونظرا Anandkumar، كان واحدا من أكبر مفاجأة 2019 في التطور السريع للنموذج الجيل النص.

"2019 هي سنة نموذج اللغة، والآن، للمرة الأولى حققنا الهدف هو إنتاج نص أكثر تماسكا في طول الفقرة، التي كانت في السابق غير ممكن".

أغسطس 2019، أطلقت NVIDIA ميجاترون نموذج اللغة الطبيعية. ميجاترون ديه 8 مليارات المعلمة، والمعروفة باسم نموذج محول استنادا إلى المعلومات الاستخبارية أكبر اصطناعية في العالم. وقال Anandkumar، بدأ الناس في نموذج يصور كرجل وشخصية، وقالت انها فوجئت، وقالت انها تتطلع إلى رؤية المزيد من نموذج النص صناعة محددة.

واضاف "اننا لا تولد بعد الحوار، والجيل الحوار التفاعلي، قادرة على تتبع السياق وطبيعة الحوار. لذا، أعتقد أن عام 2020 القيام بمحاولة أكثر جدية في هذا الاتجاه".

توليد إطار السيطرة من تطوير النص يمكن أن تستخدم لتطوير إطار الصورة لتحديد الشخص أو الكائن أكثر تحديا. نموذج الجيل النص قد تواجه أيضا تحديات أخرى، مثل حقيقة أن تعريف النموذج العصبي.

وأخيرا، قال Anandkumar في خطاب NeurIPS نرى كيد الحصول على بحفاوة بالغة، وكذلك تعلم المجتمعات تصبح علامات أكثر تطورا وشمولا في الجهاز، وكانت متحمس جدا.

"أعتقد أنه من لحظة فاصلة، بداية وحتى إجراء تغييرات صغيرة صعبة. آمل أن نتمكن من الحفاظ على قوة الدفع لإجراء إصلاحات هيكلية أكبر."

داريو جيل

منصب مدير أبحاث IBM، بقيادة جيل فريق من الباحثين تقديم المشورة بنشاط البيت الأبيض والشركات في جميع أنحاء العالم. في رأيه، قفزة كبيرة في 2019 بما في ذلك التقدم نحو نموذج الجيل، ويولد لغة أصيلة للجودة في تزايد مستمر.

وتوقع أنه في حالة التدريب سيتم تبسيط هيكل، نحو اتجاه أكثر فعالية للمضي قدما. نموذج الذكاء الاصطناعي أكثر فعالية للتنمية هو محور NeurIPS، أبحاث آي بي إم في NeurIPS إدخال تقنيات التعلم عميقة 8 نموذج دقيق.

وقال: "نحن نستخدم القائمة الأجهزة والبنى GPU عمق تدريب نهج الشبكة العصبية لا يزال غير فعال جدا لذلك، وهذه النقطة سيكون مهما جدا للتفكير في صحيح الأساسية التي يجب علينا تحسين كفاءة الحسابية الذكاء الاصطناعي، في النظام. إلى بذل المزيد من الجهد ".

استشهد جيل دراسة، أظهرت الأبحاث أن كل ثلاثة أشهر ونصف الشهر، فإن الطلب على التدريب سيتضاعف ML، من قانون مور توقع نمو أسرع بكثير.

جيل أيضا كيفية مساعدة تسريع اكتشاف علمي الذكاء الاصطناعي مهتمة جدا، ولكن سوف تركز أبحاث IBM على الجهاز العصبي تعلم الآلة علامة.

في عام 2020، يمكن أن جيل الأمل الممارسين والباحثين AI تطوير نوع من وراء دقة المؤشرات للنظر في نشر نموذج القيمة في الإنتاج. مجال نظم القيادة لبناء المصداقية، بدلا من إعطاء الأولوية لدقة، فإنه سيتم الاستمرار في استخدام الاصطناعي مركز المخابرات عمود.

"بعض أعضاء المجتمع قد يقول ذلك الحين، لا تقلق، طالما دقيقة على خط المرمى. لا يهم، والناس سوف تعتاد وإلى حقيقة أن البشر أحيانا لا تجعل تفسير بعض القرارات التي نتخذها. وأعتقد أن علينا أن نركز على المجتمع قوة أفضل في هذا المجال مهم جدا. نظام الذكاء الاصطناعي لا يمكن أن تكون التطبيقات ذات المهام الحرجة في الصندوق الأسود ".

جيل نعتقد، يجب أن تحصل على أكثر العلوم البيانات ومهارات هندسة البرمجيات من الناس استخدام الذكاء الاصطناعي، يجب أن نتخلص من هذه الفكرة أن سوى عدد قليل من آلة التعلم ويزاردز تستطيع القيام بذلك.

وقال: "إذا كنا كحقل رائع الذكاء الاصطناعي، فقط مجموعة مختارة من العاملين في هذا المجال، والدكتور للدخول، وبعد ذلك لا يشجع حقا تطبيقات الذكاء الاصطناعي".

جيل مهتمة بشكل خاص في اصطناعية حرف العصبية الذكاء. في العام المقبل، ستسعى IBM سبل تعزيز احتمال العصبية ميزات البرمجة رمزية مثل الذكاء الاصطناعي الذي لمعرفة كيفية تشغيل هذا البرنامج، والقدرة على نماذج حصة المنطق وراء هذا القرار.

وقال: "من خلال خلط طريقة استخدام طريقة جديدة المعاصرة، من خلال رمز الأعصاب هذه سوف تتعلم أساليب والمنطق معا، تضمين البعد رمز لعملية التعلم، ولقد أثبتنا أنه يمكنك استخدام كمية صغيرة من البيانات اللازمة لتعلم تتعلم البرنامج، وأخيرا حصلت بعض الأشياء تفسيرها، لأنك يمكن أن تفسر بعض الأشياء، وتحصل على الاشياء أكثر واقعية ".

وقال والإنصاف والنزاهة والبيانات حدد ومجموعات البيانات وغيرها من القضايا تحظى باهتمام واسع النطاق "، أي القضايا المتعلقة بتحديد البيولوجية" ستظل تشعر بالقلق إزاء. التعرف على الوجه حصلت على الكثير من الاهتمام، ولكن هذه ليست سوى البداية. وسوف تصبح البيانات الصوتية حساسية لأشكال أخرى من القياسات الحيوية لن تفعل ذلك أيضا.

بالإضافة إلى الأسباب العصبية والرموز التعقل، وقال غيل أنه في عام 2020، وسيتم استكشاف أبحاث IBM الذكاء الاصطناعي لالكم الحوسبة، والأجهزة المستخدمة لمحاكاة الذكاء الاصطناعي، ما وراء دقة العمارة مخفضة.

الأفكار النهائية

وتعلم الآلة تواصل أعمال الشكل والمجتمع، VentureBeat نرى بعض الاتجاهات الناشئة في مقابلة مع الباحثين والخبراء:

• تقدم كبير في 2019 هو التقدم في نموذج اللغة الطبيعية، محول تعزيز قفزة كبيرة إلى الأمام في هذا المجال. بحلول عام 2020 سيكون هناك أكثر على أساس بيرت ومحول النماذج.

• صناعة AI ينبغي أن نبحث عن طرق لتقييم مخرجات النموذج، ليس فقط دقة.

• التعلم شبه إشراف، العصبي آلة التعلم الرمزي فضلا عن مجالات فرعية من التعلم متعددة المهام ومتعدد الوسائط من الممكن إحراز تقدم في العام المقبل.

• والبيانات البيومترية (مثل تسجيل صوتي) المتعلقة التحديات الأخلاقية قد يستمر لسبب الجدل.

• لPyTorch TensorFlow وإطار التعلم الآلي، ومترجم وتكميم طريقة كوسيلة لتحسين أداء النموذج قد يكون أكثر شعبية.

عن طريق: الشبكي: //venturebeat.com/2020/01/02/top-minds-in-machine-learning-predict-where-ai-is-going-in-2020/

شبكة شبكة شبكة لى فنغ لى فنغ لى فنغ