陳作寧院士：人工知能モデルとアルゴリズムの7つの発展傾向

新しいものに直面したとき、あなたはそれに適応しますか、学びますか、拒否しますか、それとも無視しますか?

[[386705]]

2020年は紆余曲折と困難の年でした。このような背景から、人類にさらに貢献し、さまざまな困難を克服するためには、ハイテク、人工知能などの力が必要です。

統計によると、2020年に人工知能関連産業の規模は1500億元を超え、関連産業の規模は1兆元を超えると予想されています。

しかし同時に、わが国の人工知能人材の不足は500万人を超え、需要と供給の比率は1:10となっています。この業界が今でも最も注目され、最も注目を集めている分野であることは間違いありません。

[[386706]]

2020年全国高性能コンピューティング学術年次会議において、中国工程院副院長の陳作寧院士が「人工知能の進歩に必要なコンピューティングパワー需要の分析」と題する報告書を発表しました。

このレポートでは、人工知能モデルとアルゴリズムの 7 つの開発動向を提案しています。

1. 人工知能は監視なしの方向に発展する。

2. 説明可能な AI (XAI) の重要性がますます高まっています。

3. 人工知能モデルは自己学習と自己進化へと移行する。

4. 人工知能の開発には、複数のアルゴリズムとモデルの有機的な組み合わせが必要です。

5. 人工知能アプリケーションはライフサイクルに注意を払う必要があります。

6. 分散型および非中央集権型サービスの需要がますます高まっています。

7. 深い推論のためのコンピューティング要件の進化。

これらの技術開発の方向性と傾向が今後も飛躍的な進歩を遂げれば、まさに次のような人工知能開発における現在の困難を解決することになるでしょう。

1. データラベル付けの要件は高い。教師あり学習では大量の手作業によるラベル付けが必要となるため、「知能と同じくらい手作業も必要」という格言があります。

2. 説明不可能。ディープラーニングの説明不可能性には大きなリスクと不確実性が潜んでいるため、その推進価値は限られています。

3. 高いデータ要件。データの量と品質に対する要件が高く、大量のコンピューティング リソースを消費するため、コスト効率と経済的メリットが大幅に制限されます。

4. データのプライバシーとセキュリティ。ユーザーのプライバシーとセキュリティを最大限に保護しながら、データの価値を最大化する方法は常に社会の関心事です。

…

そのため、実装から開発、そして実際の価値の創出に至るまで、人工知能業界では、データ品質、データガバナンス、ソフトウェアとハ​​ードウェアのリソース、シナリオの応用価値、技術標準の構築、製品の総合的なパフォーマンス、セキュリティとプライバシー、人材プール、戦略計画など、さまざまな側面を考慮する必要があります。これらのリンクの1つでも欠けていると、進歩の速度や生み出される価値がある程度制限されます。

しかし、何であれ、技術がその価値を証明し、継続的に反復して改善できる場合、それは将来的に私たちにさらなる価値をもたらすでしょう。

総じて、人工知能は我が国の産業や部門をインテリジェント産業にアップグレードするのに役立ち、大きな商業価値を持ち、新たな科学技術革命の中核的な原動力となっています。

2020年以降も、人工知能は科学技術、経済、社会、生活などの分野にさまざまな新たなブレークスルーとインパクトをもたらし続けることが期待されています。一緒に期待しましょう。