Jeff Dean谈2020年机器学习趋势:多任务和多模态会有大进展

作者: 乾明 2019-12-16 09:30:44

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

2020年,机器学习将会往何处去?

加拿大温哥华举办的NeurIPS期间,在接受外媒VB采访时,Jeff Dean交出了自己的展望。

他认为,在多任务学习和多模态学习将会有很大进展,以及会出现更加有趣的设备,让机器学习模型的作用更好地发挥出来。

此外,他还谈到了如何利用机器学习构建AI芯片、以及谷歌对BERT的看法等等。

作为谷歌AI的掌门人,他的思考对于从业者来说,有极大的参考价值。量子位编译如下:

Jeff Dean谈2020年机器学习趋势:多任务和多模态会有大进展

谈BERT:大家有点过分强调SOTA了

问:对BERT来说,今年是重要的一年。到处都是 BERT,还有各种各样的 BERT。BERT有什么变化?接下来会有什么样的变化?

Jeff Dean:BERT很有趣,是因为它建立在其他研究成果的进展之上。他在某种程度上取决于一年前完成的Transformer工作。

Transformer的工作,实际上是在处理早期基于LSTM的序列模型看到的问题。我认为,整个研究线索在实际生产机器学习模型方面非常有成效。

现在让我们去处理更加复杂的NLP任务,我们能够做得更多。在一堆/任意文本上,对预训练的BERT进行微调,对于许多 NLP 问题来说,这是一个很好的范例,我们希望能解决这些问题。

因此在谷歌内部,我们也在自己的产品中看到了不同的应用场景,比如我们最近在搜索引擎中应用了BERT来提高搜索质量。

我认为,你也应该在更加广泛场景中看到了这一点。我们仍然希望看到,能做更多上下文的模型。

就像现在,BERT和其他模型在数百个单词文本上工作得很好,但在上万个单词上就很难处理好了。

这是一个有趣的方向。我认为多模态模型非常有趣。可以用有趣的方式将文本与图像、音频或视频结合起来。

Jeff Dean谈2020年机器学习趋势:多任务和多模态会有大进展

我们已经在这方面做了一些工作,社区的其他成员也做了一些工作,但我认为这在未来会变得更加重要。我相信,人们会基于BERT进行改进。

因此,基础研究也将继续下去。

问:是的,我看到了很多MT-DNN、 RoBERTta之类的东西。

Jeff Dean:是的,它们每个都有一个可爱的名字。但我确实认为,大家有点过分强调在某些特定问题上取得前所未有的、稍微好一点的、最先进的结果。

以及对完全不同的解决问题的方法有点缺乏欣赏。因为很难,这些方法可能没有达到最先进的水平,但它们是一个非常值得探索的领域。

问:比如鲁棒性?

Jeff Dean:是的,或者“是认为用完全不同的方式来解决一个问题很重要,并看到了希望”。如果人们追求这些方向,那将会很有趣。

问:而不是试图登上GLUE排行榜的榜首?

Jeff Dean:是的。

Jeff Dean谈2020年机器学习趋势:多任务和多模态会有大进展

谈AI芯片:后摩尔定律时代,专用芯片很有效

问:在后摩尔定律的世界里,需要记住哪些东西?

Jeff Dean:用专门的芯片而不是用CPU来做非通用的计算,已经被证明非常有效。

比如TPU或者GPU,虽然有很多限制,但它们是围绕着机器学习计算需要做什么而设计的,相对于通用GPU,这带来了很大的性能优势。

因此,我们很难看到过去那种算力的大幅度增长,但我们正在通过专业化,来获得更大的架构优势。

问:对机器学习在创建机器学习硬件方面的应用,你能详细说说吗?

Jeff Dean:在将机器学习用到ASIC芯片设计方面,我们已经做了一些早期工作,尤其是晶体管布局和它们如何连接的。

基本上,现在在设计过程中,已经有一些工具可以帮助布局,但也需要有人工布局和布线专家,来完成多次迭代。

从你想要的设计开始,到把它放在一个芯片上,并在面积、功率和导线长度方面有正确的限制,同时还要满足所有设计规划或制作工艺,这通常需要一个多星期的时间。

所以事实证明,在一些工作中,我们可以使用机器学习来做更多的自动布局和布线。

我们基本上可以有一个机器学习模型,去针对特定芯片玩ASIC放置的游戏。我们内部一直在试验的一些芯片上,这也取得了不错的结果。

Jeff Dean谈2020年机器学习趋势:多任务和多模态会有大进展

谈2020年:多任务学习和多模态学习会有大进展

问:你认为在2020年人工智能领域会出现哪些趋势或里程碑?

Jeff Dean:我认为,在多任务学习和多模态学习方面会有很大进展,解决更多的问题。我觉得那会很有趣。

而且我认为,将会有越来越有效的设备(手机或其他类型的设备)出现,来让模型更有效地发挥作用。

此外,与人工智能原则相关的工作显然是重要的。但对于谷歌来说,我们是一个足够大的研究机构,我们有很多不同的推动力,很难说只有一个。

但总的来说,我们将进一步发展最先进的技术,进行基础的基础研究,以提高我们在许多重要领域的能力,比如NLP、语言模型或多模态的东西。

同时,我们也会与我们的同事和产品团队合作,为产品应用做一些研究,使他们能够构建有趣的功能和产品。

我们将做一些谷歌目前还没有,但用了机器学习会很有趣的应用,比如我们一直在做的芯片设计工作。

问:比如日常的机器人?

Jeff Dean:是的,我们在机器人研究方面做了大量的工作。我认为,让机器人在某种随意的环境中工作,真的是一个很难解决的问题。

但在过去的几年里,我们在这方面也取得了相当大的进展,我认为这也是一个有趣的研究方向。我们正在努力推进。

机器学习 人工智能 计算机
上一篇:人脸识别遍地开花?南都调查:四成民众不想用,七成担心人脸泄露 下一篇:Dota2冠军OG如何被AI碾压?OpenAI累积三年的完整论文终于放出
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

12个场景应用,百余种算法,AI是如何攻占经济学的?

在虚拟世界中模拟现实经济状况,想法设计更好的制度只是AI和经济学结合方式之一。其实深度强化学习在面临风险参数和不确定性不断增加的现实经济问题时,也可以提供更好的性能和更高的精度。

蒋宝尚 ·  22h前
你在打王者农药,有人却用iPhone来训练神经网络

在 iOS 设备上也可以直接训练 LeNet 卷积神经网络,而且性能一点也不差,iPhone 和 iPad 也能化为实实在在的生产力。

佚名 ·  22h前
未来20年,全自动驾驶和互联汽车会出现吗?

在这篇博文中,重点介绍了汽车技术如何使交通更安全、更智能、更有趣。

Huibert Verhoeven ·  23h前
AI、机器学习和深度学习是 OEM 的主要市场

人工智能(AI)正在迅速改变全球行业参与者的经营方式。人工智能(AI)正在迅速改变全球行业参与者的经营方式。随着人工智能在商业和商业领域的广泛应用,我们看到了从更智能的产品到专注于聚焦客户服务的一切演变。

佚名 ·  23h前
和AI去码一样神奇?AI上色是黑科技还是逗你玩

在图片处理领域这块,AI 刷的存在感越来越多。早前笔者就介绍过 AI 无损放大图片、AI 去除马赛克、AI 自动给线稿上色之类的玩法,现在,又有人给笔者推荐了一个 AI 黑科技——黑白照片一键变彩色。

Aimo ·  1天前
AI与IoT:两种强大的技术将如何改变未来商业模式

人工智能和物联网正在重新定义企业过去的执行方式。在无人驾驶无人机和机器学习开始普及之前,詹姆斯·卡梅隆(James Cameron)于1984年通过他的梦想项目《终结者》(The Terminator)吸引了全世界的目光。

佚名 ·  1天前
为什么AI没能让人类失业?

我们听了这么久有关「AI取代设计师」、「AI取代写作者」、「AI取代画家」、「AI取代司机」……的论调。然而时至今日,我们发现实际上,目前还没有一个职业「真正」被取代。

佚名 ·  1天前
轻松构建 PyTorch 生成对抗网络(GAN)

生成对抗网络(GAN)是一种生成式机器学习模型,它被广泛应用于广告、游戏、娱乐、媒体、制药等行业,可以用来创造虚构的人物、场景,模拟人脸老化,图像风格变换,以及产生化学分子式等等。

佚名 ·  1天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载