今日のホットなトピックは、明日の冷たい湿った灰かもしれません。たとえば、CNNおよびLSTMアプローチの収束速度は、特に組み合わせて、基本的なRNN設計からかなりの注意をそらしています。
同様に、今日の寒いトピックは明日の燃えさしの燃えさしかもしれません。もちろん、いくつかの冷たいトピックは冷たいままです。スイートスポットは、暖かくなりつつあり、持続可能なビルディングブロックの可能性が高い将来のテクノロジーを特定することです。
残留注意ネットワーク
LSTMネットワークのような残余注意ネットワークは、異なるアプローチを使用するRNNの改善です。アテンションネットワークはリソースを節約するように設計されているため、並列実行をサポートするために、ハードウェアとネットワークへの要求が少ないか、収束が速くなります。
非デカルトモデルの自動開発
モデリングの自動化に関する研究は、多くのAIアプリケーションにとって重要です。開発中のアルゴリズムの一部は、機能のテンソル（配列、行列、キューブ、ハイパーキューブ）を単に抽出するだけでなく、循環が許可されているかどうかに関係なく、有向または連想のグラフモデルを開発します。
平衡をサポートする信号トポロジー
多くの人がGANの重要性を無視しているのは、画像で興味深いことを行えるためではなく、トレーニングされた一連のパラメーターへの収束がレイヤーとブロックの1次元配列で達成される信号パスの単純なトポロジーからどのように逸脱するかが原因ですレイヤー。
GAN設計の識別コンポーネントと生成コンポーネントは、* GAN損失機能の理解に関するAI Stack Exchangeの別の質問で詳細に説明されています。GANアプローチとその概念的な子からの画像の生成は、人工ネットワーク空間での新しい機能を示していますが、このマルチネットワークの重要性の幅はすぐには明らかではない可能性があります。これはレイヤーの深さのスタックではなく、概念的にはメビウスの帯に非常によく似た、8の字型トポロジーの2つの深いネットワークのスタックです。
このトポロジーは、生成的（G）と識別的（D）の2つのネットワーク間のバランスを作成します。その設計者は、GとDが反対の役割を果たすため、これを敵対関係と呼びました。ただし、システム内でのそれらのアクションは実際には協調的であり、生物学における化学平衡または共生によく似たバランスを作成するため、特定の目的が達成されます。これは、今日のAIの最も有望な方向を明らかにするかもしれません。
ネットワーク間のコラボレーションと共生の追加の形式をサポートする信号トポロジーを設計します。各ネットワークは他のコンポーネントネットワークと連携してロールを学習するコンポーネントであり、集約システムがその機能を学習して、DNNでは不可能な形式の人工知能を合成できます。
ルールベースのシステムとディープネットワークは、信号フローの観点から1次元です。それ自体では、人間の脳の最も注目すべき特徴に近づくことは決してありません。
DSPとしてGPUを使用した並列処理
スパイクネットワークのVLSI実装は重要です。現在、https：//github.com/Hananel-Hazan/bindsnetなどの実装があり、GPUハードウェアアクセラレーションを利用して、大企業が開発しているVLSIチップにアクセスせずにGPUハードウェアを調査しています。
エンドツーエンドTTSの音声認識と合成
GoogleのWaveNetなどのシステムを使用したシンセシスにおける最近の卓越性の出現により、より正確なTTS（テキストからサウンド）アプリケーションへの扉が開かれました。そのため、トレーニングサンプルセットで使用するための音声録音のエキスパートになるのはおそらく良い時期ですが、ライブスピーカーを使用してカスタムスピーチプロダクションハウスを始めるのは悪い時期です。
自動車両
さまざまなタイプの自動化車両には、半自動化と完全自動化を推進する強力な経済的および安全性のインセンティブを持つ幅広いタイプの車両のために、車両物理学、自動車製造、航空、および消費者製品の専門家が必要です。
- 火星着陸船
- 消費者向けドローン
- 産業用ドローン
- 軍用ドローン
- 旅客機
- 乗用車
- リムジン
- 電車
- 車いす
- 配送車両
- 自動食品流通
- 原子力発電所修理ロボット
- 配電修理ロボット
概要
5年間でAIのホットテクノロジーが主流を維持するか、それとも温暖化テクノロジーのどれが猛烈に熱くなるかを事前に発見することは難しいかもしれませんが、上記はかなりの初期の約束を示し、高いビジネスがある、確かなテクノロジーです。産業、および消費者の需要。