人工智慧趨勢工作人員
IBM Research AI副總裁Sriram Raghavan
人工智慧將了解更多,因此它可以做更多的事情:人工智慧系統擁有的數據越多,它們變得越快越好。但是,人工智慧對數據的需求會給一些數據量少於其他企業和組織的企業和組織帶來問題。在來年,更多的AI系統將開始依賴結合了學習和邏輯的「神經符號」技術。神經符號是NLP技術突破的門票,它通過結合常識推理和領域知識來幫助計算機更好地理解人類語言和對話。
人工智慧不會承擔您的工作,但會改變您的工作方式:擔心人類會因為機器而丟掉工作是沒有道理的。相反,人工智慧將通過自動化來改變人們的工作方式。MIT-IBM Watson AI實驗室的最新研究表明,AI將越來越多地幫助我們完成諸如調度之類的任務,但對需要諸如設計專業知識和行業戰略之類技能的工作的直接影響將較小。僱主必須開始適應工作角色,而僱員應專注於擴展技能。
AI將設計AI以贏得信任:要信任AI,系統必須可靠,公平且負責。開發人員需要確保該技術是安全的,並且結論或建議不會受到偏見或操縱。」 到2020年,調節可信賴性的組件將被整合到AI生命周期的結構中,以幫助我們構建,測試,運行,監控和認證AI應用以獲取信任,而不僅僅是性能。研究人員將探索使用AI來管理AI並創建跨行業的信任工作流,尤其是那些受到嚴格監管的行業。
Pytorch創始人看到模型編譯器的發展
PyTorch的主任,首席工程師和創建者Soumith Chintala在VentureBeat的一個帳戶中提供了2020年的預測。他希望PyTorch的JIT編譯器和Glow等神經網絡硬體加速器的重要性和採用率將「爆炸」 。他說:「藉助PyTorch和TensorFlow,您已經看到了框架的融合。」 「之所以出現量化,是因為出現了其他一系列較低的效率,是因為下一場戰爭是框架的編譯器-XLA,TVM,PyTorch煥發了光芒,許多創新正在等待發生。」他說。「在接下來的幾年中,您將看到……如何更智能地量化,如何更好地融合,如何更有效地使用GPU,以及如何自動為新硬體進行編譯。」
因此,到2020年,更多的價值將放在AI模型的性能上,不僅是準確性,如何解釋輸出以及AI如何反映人們想要建立的社會。
加州大學伯克利分校的發展心理學家塞萊斯特·基德(Celeste Kidd)說,2020年可能意味著神經網絡無法自我解釋的「黑匣子」引用的終結。她預言了無法解釋神經網絡的認識的終結。她說:「黑匣子的論點是偽造的……大腦也是黑匣子,我們在理解大腦如何工作方面取得了很大進步。」
Kidd和她的團隊探索嬰兒的學習方式,尋求見識以幫助神經網絡模型訓練。通過研究嬰兒的行為,她發現他們了解一些東西,而且他們並不是完美的學習者。她說:「人類嬰兒很棒,但他們犯了很多錯誤。」 「您對當前了解的內容和接下來要了解的內容之間的聯繫可能會越來越滿意。」
NVIDIA機器學習研究總監Anima Anandkumar看到了文本生成方面的更多進步,並指出在2019年實現了段落長度的文本生成,這是一個進步。NVIDIA在2019年8月推出了Megatron自然語言模型,該模型具有80億個參數,被認為是全球最大的基於Transformer的AI模型。她期待看到更多特定於行業的文本模型。「我們還沒有處於對話互動的階段,對話可以進行跟蹤並進行自然對話。因此,我認為到2020年將朝著這個方向做出更認真的嘗試。」她對VentureBeat說。
NVIDIA機器學習研究總監Anima Anandkumar
她認為下一步的發展是一項技術挑戰。她說:「開發控制文本生成的框架比說開發可以訓練識別人或物體的圖像框架更具挑戰性。」
在The Enterprisers Project的一個帳戶中引用的2020年值得觀察的趨勢中 ,有一項預測表明IT領導者將真正了解如何衡量AI的影響。一項新的MIT AI調查顯示,過去三年中,只有不到五分之二的公司報告了AI帶來的業務收益。鑑於在AI上進行了投資,將更加注重測量結果。
MIT AI調查顯示,在過去三年中,只有不到五分之二的公司報告通過AI獲得業務收益。鑑於重要的投資組織將繼續在AI功能方面進行投資,因此在新的一年中這將需要改變。將嘗試在易用性,改進的流程和客戶滿意度方面進行測量。軟體供應商Element AI的執行長兼聯合創始人Jean-FrançoisGagné表示:「 CIO還需要繼續投入更多預算,以了解AI如何使他們的組織受益並實施能夠提供真正ROI的解決方案。」落後於競爭對手。」