谷歌AI掌门谈2020年机器学习趋势：多任务和多模态会有大进展

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：

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?？梢杂糜腥さ姆绞浇谋居胪枷?、音频或视频结合起来。

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？

(责任编辑：喜来乐棋牌)