人工智能(AI)已成為多國科技發(fā)展領(lǐng)域的“香餑餑”，各國政府以及多家大企業(yè)也都不甘示弱，爭相砸重金支持該領(lǐng)域的發(fā)展，各種創(chuàng)新因此如雨后春筍般噴薄而出。

此外，新冠肺炎疫情的肆虐迫使我們進(jìn)一步加大對于技術(shù)、在線活動以及人工智能的依賴。其中人工智能對企業(yè)而言尤其重要，其能大規(guī)模實現(xiàn)個性化服務(wù)，同時滿足客戶不斷提高的體驗需求。

美國《福布斯》雙周刊網(wǎng)站在3月15日的報道中，為我們列出了2021年人工智能領(lǐng)域備受期待的五大趨勢。其中包括低代碼/無代碼工具紛紛出現(xiàn)，以及變得越來越“親民”，兒童都可以很方便地創(chuàng)建自己的人工智能等。

低代碼/無代碼工具

自動機(jī)器學(xué)習(xí)(AutoML)并非新鮮事物，2020年華為年薪百萬招聘的機(jī)器學(xué)習(xí)博士，其中一個研究方向就是AutoML。

機(jī)器學(xué)習(xí)是讓算法自動從數(shù)據(jù)中找出一組規(guī)則，從而提取數(shù)據(jù)中的相關(guān)特征，隨著機(jī)器學(xué)習(xí)的發(fā)展，其中人工需要干預(yù)的部分越來越多，而AutoML則是對機(jī)器學(xué)習(xí)模型從構(gòu)建到應(yīng)用的全過程自動化。

雖然AutoML能在沒有扎實數(shù)據(jù)科學(xué)知識的情況下構(gòu)建高質(zhì)量的人工智能模型，但低代碼/無代碼平臺更上一層樓——它能在沒有深入編程知識的情況下構(gòu)建整個生產(chǎn)級人工智能驅(qū)動的應(yīng)用程序。

去年低代碼/無代碼工具異軍突起并風(fēng)靡全球，應(yīng)用領(lǐng)域也不一而足，從構(gòu)建應(yīng)用程序到面向企業(yè)的垂直人工智能解決方案等，這股新鮮勢力有望在今年持續(xù)發(fā)力。

有數(shù)據(jù)顯示，低代碼/無代碼工具將成為科技巨頭們的下一個戰(zhàn)斗前線，這是一個總值達(dá)132億美元的市場，預(yù)計到2025年其總價值將進(jìn)一步提升至455億美元。

美國亞馬遜公司于2020年6月發(fā)布的Honeycode平臺就是最好的證明，Honeycode是一種類似于電子表格界面的無代碼開發(fā)環(huán)境，被稱為產(chǎn)品經(jīng)理們的“福音”。

高級預(yù)訓(xùn)練語言模型

“來自變換器的雙向編碼器表征量”(BERT)是谷歌公司于2018年末開發(fā)并發(fā)布的一種新型語言模型。作為自然語言處理(NLP)領(lǐng)域的新秀，BERT成為過去幾年NLP重大進(jìn)展的集大成者，一出場就技驚四座碾壓競爭對手，刷新了11項NLP測試的最高紀(jì)錄，甚至超越了人類的表現(xiàn)。

近年來，與BERT模型相似的預(yù)訓(xùn)練語言模型(如問答、命名實體識別、自然語言推理、文本分類等)在許多自然語言處理任務(wù)中發(fā)揮著重要作用。

這些預(yù)訓(xùn)練語言模型非常強(qiáng)大，并徹底改變了語言的翻譯、理解以及總結(jié)等等，但這些模型非常昂貴，而且訓(xùn)練非常耗時。

好消息是，高級預(yù)訓(xùn)練模型可以催生出新一代高效且極易構(gòu)建的人工智能服務(wù)。

GPT-3是其中的翹楚!它是OpenAI斥巨資打造的自然語言處理模型，擁有1750億超大參數(shù)量，是NLP領(lǐng)域最強(qiáng)AI模型。自去年5月份首次推出以來，憑借驚人的文本生成能力，GPT-3在各大媒體平臺一直熱度不減。它不僅能夠答題、寫文章、寫詩、翻譯文章，還能生成代碼、做數(shù)學(xué)推理、數(shù)據(jù)分析、畫圖表制作簡歷，甚至玩游戲都可以，而且效果出奇的好。

合成內(nèi)容生成

人工智能領(lǐng)域的算法創(chuàng)新并非僅僅出現(xiàn)在NLP。生成式對抗網(wǎng)絡(luò)(GANs)也涌現(xiàn)出大量創(chuàng)新，展示了科學(xué)家們在創(chuàng)造藝術(shù)和假圖像方面取得的非凡成就。

GANs由加拿大蒙特利爾大學(xué)AI學(xué)者伊恩·古德費(fèi)洛首先提出，其訓(xùn)練和調(diào)整也很復(fù)雜，因為它們需要大量數(shù)據(jù)集進(jìn)行訓(xùn)練。

但科學(xué)家們的創(chuàng)新極大地減少了創(chuàng)建GANs所需的數(shù)據(jù)量。例如，美國英偉達(dá)公司展示了一種新的方法來增強(qiáng)訓(xùn)練GANs的效率，與此前的方法相比，其需要的數(shù)據(jù)更少。這使GANs可以廣泛適用于多個領(lǐng)域，從醫(yī)學(xué)應(yīng)用(如合成癌癥組織學(xué)圖像)到更深層的“Deep Fake”(深度造假)。

“深度造假”是一種高能黑科技，其采用了最新的人工智能技術(shù)，能夠讓普通人通過計算機(jī)剪輯出一些視頻，且視頻中的人臉可以變成任何人的臉。“所謂成也蕭何，敗也蕭何”，給視頻“換臉”引發(fā)巨大關(guān)注的同時，也引發(fā)了巨大的爭議。在上線短短五天之后，這個黑科技便被全網(wǎng)唾棄，之后在全球范圍內(nèi)遭到封殺。

供兒童使用的人工智能

隨著低代碼工具的流行，AI創(chuàng)建者也呈現(xiàn)出低齡化的特征。現(xiàn)在，一名中小學(xué)生就可以創(chuàng)建人工智為自己所用——從給文本分類到繪制圖像。美國高中已經(jīng)開設(shè)人工智能課程，初中也緊隨其后。

例如，在硅谷舉辦的2020 Synopsys科學(xué)博覽會上，31%的獲獎軟件項目在創(chuàng)新中使用了人工智能。更令人印象深刻的是，這些人工智能中有27%由6到8年級的學(xué)生創(chuàng)建而成。其中一位獲獎?wù)呤且幻四昙墝W(xué)生，他創(chuàng)建了一個卷積神經(jīng)網(wǎng)絡(luò)，可以通過眼部掃描檢測出糖尿病視網(wǎng)膜病變。

機(jī)器學(xué)習(xí)操作

機(jī)器學(xué)習(xí)操作(MLOps)是人工智能領(lǐng)域一個相對較新的概念，涉及最好的管理數(shù)據(jù)科學(xué)家和操作人員，以便有效地開發(fā)、部署和監(jiān)視模型。

2020年，由于新冠疫情肆虐，運(yùn)營工作流程、庫存管理、交通模式等方面的巨大變化導(dǎo)致許多人工智能出現(xiàn)意外行為，這被稱為漂移——輸入數(shù)據(jù)與人工智能訓(xùn)練的預(yù)期不匹配。

雖然在生產(chǎn)中部署機(jī)器學(xué)習(xí)的公司以前就曾面臨漂移等諸多挑戰(zhàn)，但新冠疫情使人們對MLOps的需求與日俱增。無獨有偶，隨著《2018年加州消費(fèi)者隱私法案》等隱私法規(guī)的實施，對客戶數(shù)據(jù)進(jìn)行操作的公司越來越需要治理和風(fēng)險管理。有數(shù)據(jù)指出，MLOps的市場規(guī)模預(yù)計到2025年將達(dá)到40億美元。

這些并非人工智能領(lǐng)域全部的新趨勢，不過，它們值得我們注意，因為它們彰顯了三個重要方面。首先，人工智能在現(xiàn)實世界中的應(yīng)用越來越多，新冠疫情引起的問題和MLOps的增長就證明了這一點。其次，相關(guān)人士在該領(lǐng)域不斷推陳出新，正如BERT和GANs的接踵而至。最后，人工智能的創(chuàng)建門檻越來越低，為其“飛入尋常百姓家”奠定了堅實的基礎(chǔ)。

人工智能的理想和未來總是美好的，但盡管有上述諸多創(chuàng)新，仍需要我們腳踏實地地去促進(jìn)和引導(dǎo)其發(fā)展，以使其能更好地造福人類。

本報記者 劉 霞

關(guān)鍵詞： 人工智能 AI