2020年AI如何发展？且看这些机器学习顶尖人士的预测

来源: 猎云网AI

改变世界不再是将来时而是正在进行时。在新的十年开启之际，各行业AI顶尖人物重新审视了2019年在该领域取得的进步，并展望了机器学习在2020年的发展前景。本文介绍了PyTorch的创建者Soumith Chintala对过去一年AI发展的回顾及新的一年对其发展的期许。

PyTorch的董事、首席工程师和创建者Soumith Chintala

PyTorch是当今世界上最受欢迎的机器学习框架。PyTorch是2002年引入的Torch开源框架的衍生产品，于2015年开始使用，并在扩展和库方面不断稳步增长。

今年秋天，Facebook发布了带有量化和TPU支持的PyTorch 1.3，以及深度学习可解释性工具Captum和PyTorch Mobile。还有诸如PyRobot和PyTorch Hub之类的东西，用于共享代码并鼓励机器学习（ML）实践者实现可重复性。

Chintala曾表示，2019年他几乎没有看到机器学习取得什么突破性进展。“实际上，我认为自Transformer模型以来，就没有做出什么具有开创性的事情。ConvNets在2012年进入黄金时段，而Transformer则在2017年左右。这是我个人的看法，”他说。

他继续称DeepMind的AlphaGo在强化学习方面的贡献是具有开创性的。但是他说，对于现实世界中的实际任务而言，很难实现这一结果。Chintala还认为，机器学习框架（如PyTorch和谷歌的TensorFlow）的发展已改变了研究人员探索思想和开展工作的方式，这些机器在当今的ML实践者中广受欢迎。

今年，谷歌和Facebook的开源框架引入了量化，以提高模型训练的速度。在未来的几年中，Chintala希望PyTorch的JIT编译器和Glow等神经网络硬件加速器的重要性和采用率呈“爆炸式增长”模式。“有了PyTorch和TensorFlow，你就已经看到了框架的融合。量化和其他较多低级别效率的出现是因为下一场战争将从框架的编译器XLA、TVM和PyTorch的Glow处开始，即将出现大量的创新，”他说。“在接下来的几年中，你将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以及如何自动为新硬件进行编译。”

与大多其他领域的AI专家一样，Chintala预测2020年，AI社区将会把更多的价值放在AI模型性能上，而不仅仅是准确性，并开始将注意力转移到其他重要因素上，比如创建模型所需的力量以及AI如何更好地反映人们想要建立的社会类型。“回顾过去的五六年，你会发现我们只关注准确性和原始数据，例如英伟达的模型更准确吗？Facebook的模型更准确吗？我认为2020年将是我们开始（以更复杂的方式）进行思考的一年，”Chintala表示。