Найти в Дзене
Душкин объяснит

Технический отчёт о трендах в ИИ на 2019 год

Пранав Дар, один из ведущих экспертов в Искусственном Интеллекте в мире, написал технический отчёт о том, что происходило в этой области в 2018 году и какие тренды будут преобладать в году 2019. Любому человеку, кто интересуется темой ИИ (полагаю, что таковых большинство среди моих читателей), надо прочитать. В оригинале здесь, а мы в Агентстве Искусственного Интеллекта постараемся перевести этот отчёт в ближайшее время. Ну а я сейчас вам дам краткую сводку по всем пяти трендам. Обработка естественного языка 1) Использование предварительно обученных языковых моделей станет повсеместным; Редко будет находиться современная языковая модель, которая не использует предварительное обучение. 2) Мы увидим предварительно обученные представления, которые могут кодировать специализированную информацию, которая дополняет внутренние свойства языковой модели. Мы сможем объединить различные типы предварительно обученных представлений в зависимости от требований задачи. 3) Мы увидим ещё больше работ н
Оглавление

Пранав Дар, один из ведущих экспертов в Искусственном Интеллекте в мире, написал технический отчёт о том, что происходило в этой области в 2018 году и какие тренды будут преобладать в году 2019. Любому человеку, кто интересуется темой ИИ (полагаю, что таковых большинство среди моих читателей), надо прочитать. В оригинале здесь, а мы в Агентстве Искусственного Интеллекта постараемся перевести этот отчёт в ближайшее время.

Ну а я сейчас вам дам краткую сводку по всем пяти трендам.

Обработка естественного языка

1) Использование предварительно обученных языковых моделей станет повсеместным; Редко будет находиться современная языковая модель, которая не использует предварительное обучение.

2) Мы увидим предварительно обученные представления, которые могут кодировать специализированную информацию, которая дополняет внутренние свойства языковой модели. Мы сможем объединить различные типы предварительно обученных представлений в зависимости от требований задачи.

3) Мы увидим ещё больше работ над мультиязыковыми приложениями и мультиязыковыми моделями. В частности, опираясь на межъязыковые внутренние модели, мы увидим появление глубоких предварительно обученных межъязыковых представлений.

Компьютерное зрение

1) Обеспечение умной визуализации и понимания визуальной информации для того, чтобы помочь описать и понять данные.

Библиотеки и модели

1) Поиск, построение и извлечение лучших фич для заданного набора данных.

2) Создание более мощных и интеллектуальных прогностических моделей.

3) Преодоление разрыва между моделированием чёрного ящика и созданием этих моделей с помощью интерпретируемого машинного обучения.

4) Облегчение создания интерпретируемых (объяснимых) моделей.

Обучение с подкреплением

1) Сложность выборки будет продолжать улучшаться за счёт добавления всё большего количества вспомогательных учебных задач, которые дополняют разреженный внешний сигнал вознаграждения (такие как исследования, основанные на любопытстве, предварительная подготовка в стиле автокодировщика, распутывание причинных факторов в окружающей среде). Это будет особенно хорошо работать в очень редких средах с вознаграждением.

2) Из-за этого системы обучения непосредственно в физическом мире будут становиться всё более и более осуществимыми (вместо текущих приложений, которые в основном обучаются в имитируемых средах, а затем используют рандомизацию для переноса в реальный мир). 2019 год принесёт первые действительно впечатляющие демонстрации робототехники, которые возможны только при использовании подходов глубокого обучения и не могут быть жёстко закодированы или спроектированы человеком (в отличие от большинства демонстраций, которые мы видели до сих пор).

3) После большого успеха глубокого обучения с подкреплением в истории AlphaGo (особенно с недавними результатами AlphaFold), обучение с подкреплением постепенно начнёт предоставлять реальные бизнес-приложения, которые создают реальную ценность вне академического пространства. Первоначально это будет ограничено приложениями, в которых имеются точные тренажёры для крупномасштабного виртуального обучения этих агентов (например, обнаружение лекарств, оптимизация архитектуры электронных чипов, маршрутизация транспортных средств и пакетов и т. д.).

4) Как уже начало происходить, будет общий сдвиг в разработке обучения с подкреплением, когда тестирование агента на данных обучения больше не будет считаться «разрешённым». Обобщающие метрики станут ключевыми, как и в случае контролируемых методов обучения.

Движение к этичному ИИ

1) Это немного серая область, в которой нет единого решения. Мы должны объединиться как сообщество, чтобы интегрировать этику в проекты ИИ. Как мы можем сделать это? Как подчеркнул основатель и генеральный директор Analytics Vidhya Кунал Джайн в своём выступлении на DataHack Summit 2018, нам нужно будет разработать концепцию, которой могут следовать другие.

2) Ожидается увидеть новые роли в организациях, которые в основном занимаются этичным Искусственным Интеллектом. Лучшие корпоративные практики необходимо будет реструктурировать, а подходы к управлению должны быть пересмотрены, поскольку ИИ становится центральным элементом видения компании. Ожидается, что правительства будут играть более активную роль в этом вопросе, когда в игру вступит новая или изменённая политика. 2019 год будет действительно интересным.

-2