機器學習2020年回顧 - Kristóf

banq發表於2020-12-29
機器學習

2020年，我們在機器學習領域取得了很大進步。讓我們回顧一下機器學習和資料科學領域的2020年。
 

可解釋Interpretable的機器學習/Explainable的AI
從開發方面來說，我們曾經稱機器學習模型為黑匣子，甚至不想解釋其工作機制。我們只是悠閒地等待著，企業將只是簡單地信任我們並接受這些黑盒模型。這根本不是企業想要的。對於將要使用這些解決方案並必須解決他們所犯錯誤的人們來說，這還不夠。人們不必承擔模型的真實性後果。
如果預測沒有任何根據，則使用者必須盲目地信任模型。儘管如果人們理解了該模型為什麼要說的話，那麼可以增強對它的信任。這一領域今年引起了廣泛關注，並且有望在2021年繼續下去。之所以成為該領域最重要的領域之一，是因為：

  1. 大多數大公司仍在進行數字化轉型。他們只是在探索最新的技術解決方案，以採用他們不理解並依賴的系統，而這是行不通的。理解ML模型進行預測時會發生什麼，無疑將加速這些系統的普及。
  2. 不僅因為歐盟傾向於解釋自動化決策過程的“解釋權”條款，而且由於現在購買，某些行業（例如銀行業和保險業）必須使用其所採用的模型可以解釋的。
  3. 對模型的信任在醫學和醫療保健領域更為重要，在這些領域中，這些系統可以對人類產生真正的影響。向人們提供不僅是結果的更多資訊，還可以增加他們對預測的信任。

該列表可能包含更多示例，但是我想您知道該領域非常重要，如果我們想取得進展並在市場中傳播所謂的“ AI驅動的解決方案”，我們將不再忽略它。
 

自動化機器學習
今年，AutoML備受關注，多家公司正在開發自己的解決方案。我個人對此有一些擔憂，這並不是因為擔心自動機器學習會取代我的工作。
AutoML是自動化建模過程併為我們生成新功能，執行資料預處理階段，選擇模型並調整其超引數的重要領域。
到目前為止，這還不錯，但Auto ML是或應該代替資料科學團隊的工具。使用AutoML工具，您可以節省時間並以資料科學家的身份自動化建模過程，並可以相對快地接收可以呈現的結果。但是，僅一步之遙，它絕對無法完成整個CRISP-DM過程。順便說一句，這是最重要的一步，但沒有上下文，我們將僅收到一個模型，而不是問題的解決方案。
我們應該承認兩家大型雲提供商（AWS，GCP和Azure）在其AutoML解決方案方面都取得了不錯的進展。這項競賽的領先者是H2O AutoML，它不僅提供最佳的準確性，而且由於其易於使用的功能而在AutoML使用者中如此流行。我們還應該提到AutoKeras，它於今年初首次正式釋出。它依賴於流行的深度學習庫Keras和Tensorflow。準確性不是我們應該跟蹤的唯一關鍵指標，可伸縮性，靈活性和透明度幾乎一樣重要。
 

全棧資料科學家
在Web開發領域，全棧開發人員已經存在了數年。這些特殊的物種在資料領域的發展只是時間問題。到目前為止，資料科學家已經知道使用什麼以及如何使用，例如用於計算機視覺的CNN模型，用於表格資料的基於樹的方法以及針對NLP問題建議使用的轉換器。現在有這麼多先進的模型，我們只需要知道如何使用它們即可。這意味著對於資料科學專案而言，資料預處理和建模不再是最困難的部分。
資料科學團隊面臨的主要挑戰是在生產中部署和維護模型。因此，MLOps變得越來越重要，軟體工程師和DevOps技能也受到了資料科學家的高度讚賞。建立一個僅在本地執行的良好模型已不足以構建一個端到端系統，其中包括對解決方案進行dockering處理並在本地或雲中進行操作，這是資料科學家的更合理期望。
 

人工智慧先驅：AlphaFold
AlphaFold可以準確預測蛋白質結構的3D模型，並具有加速生物學各個領域研究的潛力。AlphaFold可以根據其氨基酸序列準確預測蛋白質的形狀。由20種不同型別的氨基酸組合而成的蛋白質超過2億種。到目前為止，科學家只揭示了3D蛋白模型的片段。在蛋白質摺疊的全球距離測試中，AlphaFold的匹配率超過90％，這意味著他們解決了蛋白質摺疊的問題。這項巨大的成就並不能直接對我們的生活產生如此巨大的影響，但可以加速許多領域的研究進展
 

GPT-3
最新一代的OpenAI語言預測模型。GPT-3生成的文字的質量是如此完美，以至於幾乎不可能將它們與人類手寫的文字區分開。GPT-3可以建立具有語言結構的任何內容，這意味著它可以回答問題，撰寫論文，總結長篇文章，翻譯語言，記錄備忘，甚至建立計算機程式碼。GPT-3及其祖先是經過預先訓練的模型，因此使用者可以將文字作為輸入提供給模型，併為其生成輸出。為了能夠在如此高的水平上執行，OpenAI必須花費約460萬美元來訓練模型。結果令人著迷，但功能如此強大，以至於普通人尚未開啟它，因此要訪問它，您應該從OpenAI請求它並加入其等待列表。一旦釋出，Microsoft將在Azure上對其進行操作。
 

總結
從很多方面來看，2020年是有趣的一年，我認為2021年將為我們帶來幾個新的令人興奮的話題。對可解釋的AI的需求將更加迫切，全棧資料科學家的興起將變得越來越重要，並且對MLOps的關注將比以往任何時候都要多。我對GPT-3 API非常好奇，迫不及待想要使用它。我還認為，要感覺到AlphaFold取得的巨大成就的實際結果距離我們還有幾年的時間。因此，這是我每年對機器學習和資料科學領域中最有趣的話題的回顧

相關文章