Principais marcos de 2020 em inteligência artificial

Dezenas de milhares de artigos envolvendo IA. são publicados todos os anos, mas levará algum tempo até que muitos deles tornem claro o seu potencial impacto no mundo real. Enquanto isso, os principais financiadores da A.I. – os Alfabetos, Maçãs, Facebooks, Baidus e outros unicórnios deste mundo – continuam a aprimorar grande parte de sua tecnologia mais interessante a portas fechadas.

Em outras palavras, quando se trata de inteligência artificial, é impossível fazer um resumo do ano desenvolvimentos mais importantes na forma como, digamos, você pode listar as 10 faixas mais ouvidas no Spotify.

Mas a IA sem dúvida desempenhou um papel enorme em 2020 em todos os sentidos. Aqui estão seis dos principais desenvolvimentos e temas emergentes observados na inteligência artificial durante 2020.

É tudo uma questão de compreensão da linguagem

Em um ano normal, uma ferramenta de geração de texto provavelmente não seria classificada como uma das novas ferramentas de IA mais interessantes. desenvolvimentos. Mas 2020 não foi um ano normal e o GPT-3 não é uma ferramenta comum de geração de texto. A sequência do GPT-2, que foi rotulado como o mais “perigoso”Algoritmo, GPT-3 é uma tecnologia de ponta rede neural autorregressiva de processamento de linguagem natural criado pelo laboratório de pesquisa OpenAI. Semeado com algumas frases, como o início de uma notícia, o GPT-3 pode gerar resultados impressionantes texto preciso que corresponda ao estilo e conteúdo das poucas linhas iniciais - até mesmo inventado citações. O GPT-3 possui surpreendentes 175 bilhões de parâmetros – os pesos das conexões que são ajustadas para atingir o desempenho – e supostamente custou cerca de US$ 12 milhões para treinar.

O GPT-3 não é o único a ser uma IA impressionante. modelo de linguagem gerado em 2020. Embora tenha sido rapidamente ultrapassado no ciclo de hype pelo GPT-3, o Turing Natural Language Generation (T-NLG) da Microsoft fez ondas em fevereiro de 2020. Com 17 bilhões de parâmetros, foi, após o lançamento, o maior modelo de linguagem já publicado. A TransformadorBaseado em modelo de linguagem generativa, o T-NLG é capaz de gerar as palavras necessárias para completar frases inacabadas, bem como gerar respostas diretas a perguntas e resumir documentos.

Introduzido pela primeira vez pelo Google em 2017, os Transformers – um novo tipo de modelo de aprendizagem profunda – ajudaram a revolucionar o processamento de linguagem natural. IA tem se concentrado na linguagem pelo menos desde a época de Alan Turing famoso teste hipotético de inteligência de máquina. Mas graças a alguns destes avanços recentes, só agora as máquinas estão a tornar-se surpreendentemente boas na compreensão da linguagem. Isto terá alguns impactos e aplicações profundos ao longo da década.

Os modelos estão ficando maiores

GPT-3 e T-NLG representaram outro marco, ou pelo menos uma tendência significativa, na IA. Embora não faltem startups, pequenas laboratórios universitários e indivíduos que usam IA. ferramentas, a presença de grandes intervenientes em cena significa que alguns recursos importantes estão a ser aplicados em volta. Cada vez mais, modelos enormes com enormes custos de treinamento estão dominando a tecnologia de ponta da IA. pesquisar. Redes neurais com mais de um bilhão de parâmetros estão rapidamente se tornando a norma.

Os 175 bilhões de parâmetros do GPT-3 continuam sendo uma exceção absurda, mas novos modelos como Meena, Turing-NGL, DistilBERT, e BST 9.4B todos ultrapassaram 1 bilhão de parâmetros. Mais parâmetros não significam necessariamente melhor desempenho em todos os casos. No entanto, isso significa que uma ferramenta de geração de texto é capaz de modelar com mais precisão uma grande variedade de funções. Se quisermos replicar a inteligência artificial semelhante à do cérebro, mais parâmetros são necessários. Isso também significa que os principais players continuarão a governar a IA. poleiro quando se trata dos maiores modelos. Segundo informações, custa US$ 1 por 1.000 parâmetros para treinar uma rede. Extrapole isso para um bilhão de parâmetros e, bem, você fará as contas.

IA para o bem da humanidade

Como IA as ferramentas avançam, não são apenas os cientistas da computação que se beneficiam delas. Pesquisadores de outras disciplinas embarcam, muitas vezes com algumas ideias inovadoras sobre as maneiras como o aprendizado de máquina pode ser usado. Quer seja IA que pode diagnosticar zumbido a partir de exames cerebrais; fones de ouvido para leitura de mentes que usam aprendizado de máquina para transformar pensamentos em palavras faladas para usuários com deficiência vocal; AlphaFold da DeepMind, que pode prever com precisão o forma das proteínas com base em sua sequência, potencialmente ajudando a desenvolver rapidamente novas terapias mais eficazes; ou qualquer outro número de demonstrações, é claro que a I.A. abriu alguns novos caminhos interessantes para pesquisa em 2020.

O robocalipse não está aqui (ainda)

A polarização de muitos aspectos da vida em 2020 desencoraja a ideia de nuances. Mas está se tornando cada vez mais evidente que a nuance é exatamente o que se aplica quando se trata do a aquisição de empregos por robôs. Este ano assistimos a enormes perdas de empregos em todo o mundo. No entanto, estas foram provocadas pela pandemia e pelos seus impactos, e não por qualquer ataque sinistro ao estilo da Skynet aos empregos humanos.

Embora certamente tenha havido exemplos de IA. e robótica realizando tarefas humanas (ver Flippy, o robô que vira hambúrguer, por exemplo), normalmente têm como objetivo aumentar as habilidades humanas ou ajudar em áreas onde não há força de trabalho consistente e suficiente. Na verdade, as empresas que estão contratando mais pessoas agora são aqueles que investem simultaneamente em tecnologias avançadas (leia-se: grandes gigantes da tecnologia).

Isso não quer dizer que o robocalipse tenha sido uma previsão errônea. O esvaziamento da classe média é uma tendência que continuará, embora seja muito mais complexa do que apenas o advento de algumas empresas de tecnologia que introduzem novas ferramentas de software inteligentes. Se 2020 teve algo a dizer sobre A.I. e emprego, é que as coisas estão complicadas.

Deepfakes

Não há como negar que 2020 foi um ano estranho para confundir os limites da realidade de todas as maneiras estranhas. No início do ano, a COVID-19 mergulhou grande parte do mundo num confinamento, como algo saído de um filme de grande sucesso com temática de contágio. (Como as pessoas escaparam da realidade deste “novo normal”? Por buscando entretenimento com tema pandêmico, é claro.) O ano terminou com as eleições nos EUA apresentando a sua escolha de duas versões da realidade, dependendo da filiação partidária (e da liderança).

IA desempenhou um papel neste ataque baudrillardiano à realidade na forma de tecnologias deepfake. Deepfakes não são uma invenção de 2020, mas tiveram alguns desenvolvimentos significativos este ano. Em julho, pesquisadores do Centro de Virtualidade Avançada do Massachusetts Institute of A tecnologia montou um vídeo deepfake atraente e de alto orçamento retratando o presidente Richard Nixon dando um endereço alternativo sobre os pousos na lua, que foi escrito no caso de a missão Apollo dar terrivelmente errado.

Junto com deepfakes visuais mais convincentes, os pesquisadores também criaram alguns deepfakes de áudio surpreendentemente precisos. Um exemplo recente? Um Vocal deepfake de Eminem isso lança uma crítica violenta contra o CEO do Facebook, Mark Zuckerberg. Parecia convincentemente realista - mesmo que não estivesse de acordo com os padrões líricos habituais de Em.

Regulamento de IA

As ferramentas alimentadas por IA são, bem, poderosas. E isso não se aplica apenas a demonstrações abstratas de prova de conceito, mas a implantações no mundo real que podem variar de triagem de candidatos para entrevistas de emprego para reconhecimento facial ou ferramentas de decisão de liberdade condicional empregadas pelas autoridades policiais e autoridades.

Nos últimos anos, a consciência destas ferramentas – e a forma como o preconceito pode ser codificado nelas – levou a que aumentassem as preocupações sobre a sua utilização. Em janeiro, a polícia de Detroit prendeu injustamente um homem chamado Robert Williams depois que um algoritmo correspondeu erroneamente ao foto em sua carteira de motorista com imagens borradas de CCTV. Pouco depois, IBM, Amazonas, e Microsoft todos anunciaram que estavam repensando o uso de suas tecnologias de reconhecimento facial nesta função.

Os deepfakes mencionados acima geraram muito medo em particular, talvez porque demonstrem tão obviamente como seu uso indevido pode ser prejudicial. O falecimento da Califórnia AB-730, uma lei destinada a criminalizar o uso de deepfakes para dar falsas impressões sobre palavras ou ações de políticos, foi uma lei bem definida. tentativa de regular o uso de IA. Regras consistentes sobre como desenvolver melhor a I.A. ferramentas do lado do bem continuam sendo um trabalho em progresso.

Este foco na IA. a ética faz parecer que o assunto está começando a se tornar popular pela primeira vez. Grande parte do crédito deve ir para pesquisadores como Caroline Criado Perez e Safiya Umoja Nobre, cujo trabalho incansável para destacar o preconceito algorítmico e a importância da responsabilização tocou claramente.

Recomendações dos Editores

• IA normalmente não esquece nada, mas o novo sistema do Facebook sim. Aqui está o porquê
• A nova IA do Facebook leva o reconhecimento de imagem a um nível totalmente novo
• Esta IA O gerador de memes dominou a arte do humor excêntrico da Internet
• O CEO do Google, Sundar Pichai, alerta sobre os perigos da IA. e pede mais regulamentação
• O Gmail bloqueia 100 milhões de mensagens de spam diariamente com sua IA, diz o Google