(1)AI创新的步伐正在加速
AIL域中机器学习、计算机视觉、机器人等几项热点技术都在加快更新换代。如计算机视觉L域,谷歌公司的“谷歌大脑”(Google Brain)模型2013年对于图像识别的准确度普遍在60%~70%之间,2020年已经可以达到90%以上,模型训练的速度提G了8倍。又如智能翻译L域,2017年商业L域带训练模型的独立机器翻译云平台仅有8家,2020年增至28家,其中LibriSpeech数据库对于单词识别的错误率从2017年的5%下降至仅1%。
(2)AI研发工具传播更加广泛
曾经,尖端的深度学习技术需要大量的数据、计算能力和专业知识,非常昂贵。随着技术加速进步,AI的应用程序和开发工具也逐步公开,为更多人所用,许多平台都是开源免费的,不少L域的训练成本也都大幅降低。云计算的普及和数据共享使用将使AI创新不再是少数人的专属,能够拓展到范围实施。
(3)AI正在改变人机关系
在现代社会中,人们对机器和自动化的需求程度在不断加深。以智能手机为例,目前的手机都具有多种支持AI的功能,包括语音助手、照片标记、面部识别安全性、搜索应用程序、推荐和广告引擎等。在手机功能越来越强大的同时,人们对其依赖程度也在升级。此外,智能电器、智慧家居等都在通过提供更加便捷、准确、G效的服务改变人们的生活习惯。AI正在将曾经的幻想转化为跨学科的现实,让机器扮演更加重要的角色。
其发展应用呈现出更加积J的趋势,同时也面临新的挑战。
随着AI从精英科学发展成为主流工具,今后其或在某些方面遇到难以突破的瓶颈。
一是训练模型需要的数据将更为珍贵,各国政府、企业、研究机构都更加重视并加强对数据和隐私的保护,或限制AI的快速发展;
二是随着应用的普及,AI在就业、生物、社会公平,甚至机器与人的关系方面都将面临现实的伦理挑战;
三是部分L域AI带来的颠覆性创新,如自动驾驶,相关监管措施是否能及时跟进,将对其应用产生深刻影响。
大模型的更新迭代速度不断加快,开始从“可用”的基础大模型转向为“好用”的行业大模型,为支撑应用方更便捷地开发和部署大模型,多家头部企业发布了行业大模型及开发工具
生成式AI借助生成对抗学习等技术,能够生成更加真实,更有创意,更有趣味的内容,生成式AI既是生产要素,也是生产工具,在写作和编程等方面也取得进展。
AI与传统科学L域的深度融合,J大拓展该L域解决问题的能力;传统科学L域的进步和对AI技术的需求加速了AI本身的发展;AI4S的研究范围也扩展到了更多基础问题L域
知识和数据双轮驱动的人工智能技术路线展现了强劲的发展潜力,知识的融合应用有效地提升了智能问答,智能推荐,大规模预训练模型等人工智能技术中的效果
器人流程自动化,智能流程管理,低代码应用平台,流程挖掘等工具和平台,衔接起了企业级各类复杂业务场景,其综合应用,互使能是超级自动化发挥效能的重要手段
规模化是指整合了丰富的人工智能开发,部署,测试,运维等能力,标准化是指将异构的软硬件环境封装为标准化的界面,可扩展是指可以不断适配新的技术和工具
到端的MLOps一体化工具和细分场景的专项工具都非常火热,端到端工具追求大而全的功能集,专项工具在局部或某些场景下功能和性能较好
AI软件设施在近两年成为产业焦点,AI开源框架生态,预训练大模型体系,AI软件平台生态等内容都得到了长足的发展,像水电一样成为触手可得的普惠资源
智能文档处理、智能会议、知识管理、智能客服等各类企业智能应用不断发展,多面赋能企业办公、管理、决策、风控、营销、服务等各个环节
头部科技企业先后发布了AI治理战略和治理体系,成立了相关委员会和工作组,聚焦企业层面的AI治理和风险管理体系,可信AI技术和保障工具也在蓬勃发展
人工智能市场收支规模达850厅美元,预测,2022年该市场规模将同比增长约20%至 1017厅美元,并将于2025年突破2000厅美元大关, CAGR 达24.5%
调度决策外卖调度系统困住骑手;个性化推荐电商场景下的信息茧房和马太效应;内容治理如何守护清朗健康的网络环境;人工智能可以放心使用吗