位置:奇爱新闻网 > 体育 > 正文 >

准确率至上已是过去式,这些趋势在2020年的AI领域更受关注

2020年01月08日 22:44来源:未知手机版

600657信达地产,卫斯理系列,ppt转换成word

选自venturebeat

机器之心编译

参与:魔王、一鸣

AI 领域最杰出的头脑如何总结 2019 年技术进展,又如何预测 2020 年发展趋势呢?本文介绍了 Soumith Chintala、Celeste Kidd、Jeff Dean 等人的观点。

人工智能不是将要改变世界,而是正在改变世界。在新年以及新的十年开启之际,VentureBeat 采访了人工智能领域最杰出的头脑,来回顾人工智能在 2019 年的进展,展望机器学习在 2020 年的前景。受访者包括 PyTorch 之父 Soumith Chintala、加州大学教授 Celeste Kidd、谷歌 AI 负责人 Jeff Dean、英伟达机器学习研究负责人 Anima Anandkumar,以及 IBM 研究主管 Dario Gil。

其中部分人预测半监督学习和神经符号方法等子领域将出现进展,而几乎所有受访者一致认同 2019 年基于 Transformer 的自然语言模型取得巨大进步,也都认为对人脸识别等争议性技术的讨论仍会持续。此外,他们还期望 AI 领域不再只以准确率论输赢。

PyTorch 之父 Soumith Chintala

PyTorch 负责人、首席工程师和创造者 Soumith Chintala

不论用哪种衡量方式,PyTorch 都是现在全世界最流行的机器学习框架。PyTorch 是基于 2002 年发布的 Torch 开源框架的衍生,于 2016 年发布初始版本,目前其扩展和库均稳步增长。

在 2019 年秋季举办的 PyTorch 开发者大会上,Facebook 发布了 PyTorch 1.3 版本,该版本支持量化和 TPU 支持。会上还发布了深度学习可解释性工具 Captum 和 PyTorch Mobile。此外,还有机器人框架 PyRobot 和代码共享神器 PyTorch Hub,鼓励机器学习从业者拥抱可复现性。

在这次 PyTorch 开发者大会上,Chintala 表示:2019 年机器学习领域几乎没有突破性进展。

「我认为,自 Transformer 之后,基本上没有什么突破。2012 年 CNN 在 ImageNet 大赛上夺冠,迎来了高光时刻,2017 年是 Transformer。这是我的个人看法。」他说。

他认为 DeepMind 的 AlphaGo 对强化学习的贡献是突破性的,但其结果很难在现实世界的实际任务中实现。

Chintala 还认为,PyTorch 和 TensorFlow 等机器学习框架的演化改变了研究者探索新思路和做研究的方式。「这些框架使研究者的速度比之前快了一两个数量级,从这个角度看,这是一项巨大突破。」

2019 年,谷歌和 Facebook 的开源框架都引入了量化,用于提升模型训练速度。Chintala 预测,2020 年 PyTorch 的 JIT 编译器和神经网络硬件加速器(如 Glow)等工具的重要性和采用范围将迎来「爆发」。

「从 PyTorch 和 TensorFlow 中,可以看到框架的融合趋势。量化以及大量其他较低级功能出现的原因是,框架之争的下一战是编译器——XLA(TensorFlow)、TVM(陈天奇团队)、Glow(PyTorch),大量创新即将出现。未来几年,你们会看到如何更智能地量化、更好地融合、更高效地使用 GPU,以及如何针对新硬件执行自动编译。」

和本文大多数受访者一样,Chintala 预测 2020 年 AI 社区将用更多度量指标衡量 AI 模型的性能,而不仅仅是准确率。社区将注意力转向其他因素,如创建模型所需的电量、如何向人类解释输出结果,以及如何使 AI 更好地反映人类想要构建的社会。

「回望过去五六年,我们只关注准确率和原始数据,例如『英伟达的模型更准确,还是 Facebook 的模型更准确?』我认为,2020 年我们将(以更复杂的方式)思考,如果模型不具备良好的可解释性(或满足其他标准),那就算准确率高出 3% 又怎样呢?」Chintala 表示。

加州大学教授 Celeste Kidd

加州大学伯克利分校发展心理学家 Celeste Kidd。

本文地址:http://www.7loves.org/tiyu/1801585.html 转载请注明出处!

今日热点资讯