AI、机器学习、数据科学与深度学习在2020年的主要发展趋势（一）( 四 )_作者|MatthewMayo编译|CDA数据分析师AI

\r\nAnima Anandkumar ： NVIDIA机器学习研究总监、加州理工学院的Bren Professor 。 \r\n研究人员希望更好地了解深度学习，其泛化特性和失败案例。减少对标记数据的依赖，而自训练等方法也取得了进展。模拟对于AI培训变得越来越重要，并且在诸如自动驾驶和机器人学习等视觉领域的逼真度也越来越高。语言模型变得很庞大，例如NVIDIA的80亿Megatron模型在512 GPU上进行了训练，并开始生成连贯的段落。但是，研究人员在这些模型中显示出虚假的相关性和不良的社会偏见。人工智能法规已成为主流，许多知名政客都表示支持政府机构禁止面部识别。从去年的NeurIPS名称更改开始，人工智能会议开始执行行为守则，并加大改善多样性和包容性的努力。 \r\n在未来的一年中，我预计将会有新的算法开发，而不仅仅是深度学习的表面应用。这将特别影响物理，化学，材料科学和生物学等许多领域的“科学人工智能” 。 \r\nAndriy Burkov ：Gartner机器学习团队负责人，《百页机器学习书》的作者。 \r\n毫无疑问， 2019年主要的发展是BERT ，这是一种语言建模神经网络模型，可以在几乎所有任务上提高NLP的质量。 Google甚至将其用作相关性的主要信号之一，这是多年来最重要的更新。