2023年人工智能發(fā)展趨勢(shì)

咸向明

邊緣人工智能通過(guò)強(qiáng)大的深度學(xué)習(xí)，使普通消費(fèi)設(shè)備具有場(chǎng)景感知能力，有巨大的能力改變?nèi)藗兊娜粘Ｉ??；谶吘壍娜斯ぶ悄軐⒁驗(yàn)楦p的模型和高性能GPU計(jì)算的可訪問(wèn)性而變得更便宜。

用于文本、語(yǔ)音和視覺(jué)的人工智能將繼續(xù)成為主流

在客戶與呼叫中心高管的對(duì)話中，隱藏著情報(bào)的寶藏。這些非結(jié)構(gòu)化的語(yǔ)音和文本對(duì)話正迅速成為最簡(jiǎn)單的情報(bào)來(lái)源之一。在某些情況下，有可能獲得關(guān)鍵的消費(fèi)者想法來(lái)改進(jìn)產(chǎn)品和服務(wù)、幫助設(shè)計(jì)虛擬助手來(lái)幫助員工解決復(fù)雜的客戶問(wèn)題，并提高客戶滿意度。其他一些有價(jià)值的情報(bào)包括識(shí)別常見(jiàn)問(wèn)題，并為他們創(chuàng)建適當(dāng)?shù)淖灾?wù)渠道，增加客戶參與度，識(shí)別和規(guī)定交叉銷售和追加銷售的機(jī)會(huì)，以及大量其他相關(guān)機(jī)會(huì)。此外，語(yǔ)言和口音中和功能可以使管理人員跨地域?yàn)榭蛻籼峁┓?wù)。

在構(gòu)建這些解決方案時(shí)存在幾個(gè)障礙，比如從不同的語(yǔ)言、不同的方言和口音中實(shí)現(xiàn)清晰的轉(zhuǎn)錄，識(shí)別不同類型的場(chǎng)景詞匯、去除環(huán)境噪音以及使用不同的渠道（如單聲道或立體聲）來(lái)錄制對(duì)話。多年來(lái)，大型科技公司提出了許多解決方案。他們建立了強(qiáng)大的專有模型，精度非常高。但主要的挑戰(zhàn)是數(shù)據(jù)需要通過(guò)網(wǎng)絡(luò)發(fā)送，這可能與保密性和隱私問(wèn)題相沖突。此外，這些專有模型在特定領(lǐng)域定制的訓(xùn)練中具有限制性。

在未來(lái)的日子里，使用強(qiáng)大的深度學(xué)習(xí)來(lái)使用預(yù)訓(xùn)練的組件和遷移學(xué)習(xí)來(lái)構(gòu)建編碼器解碼器網(wǎng)絡(luò)將是一個(gè)區(qū)別。這些計(jì)算密集型模型利用高性能GPU計(jì)算的硬件加速來(lái)規(guī)避翻譯和語(yǔ)音細(xì)微差別帶來(lái)的挑戰(zhàn)。

像BERT和GPT-3這樣的大型語(yǔ)言模型將在未來(lái)變得更加復(fù)雜，擴(kuò)展它們的能力來(lái)處理不同的語(yǔ)義相似性和場(chǎng)景關(guān)系，并改進(jìn)現(xiàn)有的文本摘要和生成、聊天機(jī)器人、提高翻譯準(zhǔn)確性和增強(qiáng)情感挖掘、搜索、代碼生成等應(yīng)用程序。

在計(jì)算機(jī)視覺(jué)領(lǐng)域，人們正在構(gòu)建用于物體檢測(cè)、分割、跟蹤和計(jì)數(shù)的更新、更強(qiáng)大的模型，這些模型提供了以前無(wú)法想象的精度水平。通過(guò)強(qiáng)大的GPU，這些模型將變得越來(lái)越普遍。

人們可以期待看到混合解決方案利用所有上述進(jìn)步，將下一代人工智能助手帶入生活。這些解決方案將具有人類對(duì)話的溫暖觸感，再加上快速執(zhí)行和推理能力，最終降低運(yùn)營(yíng)成本，極大地提高客戶滿意度。

生成式人工智能在藝術(shù)和創(chuàng)意空間

吸引和保持客戶群的注意力是大多數(shù)企業(yè)一直在努力應(yīng)對(duì)的挑戰(zhàn)。為了提高企業(yè)的品牌知名度，需要不斷生成高質(zhì)量的內(nèi)容，這些內(nèi)容是相關(guān)的、吸引人的，并適當(dāng)?shù)赜糜诟鞣N渠道的傳播。生成式人工智能提供了增強(qiáng)內(nèi)容創(chuàng)作的新功能。使用生成式人工智能，企業(yè)可以創(chuàng)建各種內(nèi)容，如圖像、視頻和書(shū)面材料，并減少周轉(zhuǎn)時(shí)間。生成式人工智能網(wǎng)絡(luò)采用遷移式學(xué)習(xí)或一般對(duì)抗網(wǎng)絡(luò)從不同來(lái)源創(chuàng)建沉浸式內(nèi)容。除了在市場(chǎng)營(yíng)銷中的明顯用例外，它還可能徹底改變媒體行業(yè)。電影制作和高清修復(fù)老電影、增強(qiáng)特效能力以及在元世界中構(gòu)建虛擬形象都是一些無(wú)限的應(yīng)用。

在這里，像GPT-3這樣的大型語(yǔ)言模型將再次發(fā)揮作用，在小說(shuō)、非小說(shuō)和學(xué)術(shù)文章中創(chuàng)造引人入勝的內(nèi)容。在許多公開(kāi)可用的網(wǎng)站上，已經(jīng)可以從用戶的簡(jiǎn)單書(shū)面提示中生成高質(zhì)量的抽象概念圖像。在音頻合成等領(lǐng)域，可以創(chuàng)建數(shù)千種音調(diào)和頻率的敘述和聲音。人們需要警惕的一個(gè)可能出現(xiàn)的惡意應(yīng)用程序是深度偽造（人工生成的虛假圖像和視頻）的創(chuàng)建，這將導(dǎo)致假新聞擴(kuò)散和進(jìn)一步有害宣傳等新興威脅。因此，生成式人工智能將成為一股主要的轉(zhuǎn)型力量，在各種商業(yè)追求中增強(qiáng)人們與生俱來(lái)的創(chuàng)造力。

可解釋的人工智能使道德和負(fù)責(zé)任的人工智能成為現(xiàn)實(shí)

越來(lái)越多的企業(yè)意識(shí)到，需要可解釋的人工智能來(lái)提高透明度，建立問(wèn)責(zé)制，并暴露自動(dòng)決策系統(tǒng)中的偏見(jiàn)?？山忉尩娜斯ぶ悄芤彩墙档推髽I(yè)人工智能固有風(fēng)險(xiǎn)的主要工具。事實(shí)也證明，可解釋的人工智能增加了整個(gè)企業(yè)對(duì)人工智能的采用，因?yàn)楫?dāng)人工智能模型在預(yù)測(cè)的同時(shí)給出理由和基本原理時(shí)，人們會(huì)更加信任。在醫(yī)療保健或金融服務(wù)等環(huán)境中，這將獲得很大的動(dòng)力，因?yàn)樾枰斫夂完U明推薦治療或診斷的理由，或者為什么貸款申請(qǐng)被拒絕。

一些技術(shù)，如LIME，通過(guò)擾動(dòng)輸入和評(píng)估對(duì)輸出的影響來(lái)提高模型的可解釋性。另一種流行的技術(shù)SHAP通過(guò)分析特征組合及其對(duì)結(jié)果增量的相應(yīng)影響，使用基于博弈論的方法。它創(chuàng)建可解釋性分?jǐn)?shù)，以突出對(duì)輸出貢獻(xiàn)更大的輸入方面。例如，在基于圖像的預(yù)測(cè)中，可以突出顯示導(dǎo)致輸出的主導(dǎo)區(qū)域或像素。隨著人工智能對(duì)商業(yè)和社會(huì)的影響不斷增加，人們也面臨著由這些復(fù)雜用例產(chǎn)生的各種道德問(wèn)題。正在研究適當(dāng)?shù)臄?shù)據(jù)治理框架、揭露偏見(jiàn)的工具和透明度因素，以保持符合法律和社會(huì)結(jié)構(gòu)。模型將被徹底測(cè)試漂移、謙遜和偏見(jiàn)。適當(dāng)?shù)哪Ｐ万?yàn)證和審計(jì)機(jī)制，內(nèi)置可解釋性和可重復(fù)性檢查，將成為規(guī)范，以防止道德失誤。

自適應(yīng)人工智能銳化和提升客戶和品牌體驗(yàn)

行業(yè)領(lǐng)先的零售商正在大力投資，通過(guò)人工智能提高運(yùn)營(yíng)效率和客戶體驗(yàn)。零售商店將越來(lái)越多地成為提升品牌知名度和客戶體驗(yàn)的焦點(diǎn)，而不是簡(jiǎn)單的交易中心，Adaptive人工智能將成為這一轉(zhuǎn)變背后的力量?；谟?jì)算機(jī)視覺(jué)和基于邊緣的人工智能系統(tǒng)的無(wú)障礙購(gòu)物體驗(yàn)將減少等待時(shí)間和麻煩，這將是一個(gè)主要的增長(zhǎng)領(lǐng)域。未來(lái)的零售商店還將能夠提供高度個(gè)性化的建議，并基于內(nèi)置基礎(chǔ)設(shè)施支持的視頻分析生成實(shí)時(shí)洞察，打造無(wú)縫的客戶旅程。

店內(nèi)分析將根據(jù)商店中不同通道的停留時(shí)間提供智能見(jiàn)解。通過(guò)多渠道整合過(guò)去的購(gòu)物歷史，并將人口統(tǒng)計(jì)資料納入其中，將豐富客戶體驗(yàn)，使體驗(yàn)式購(gòu)物具有高度沉浸感和樂(lè)趣。全渠道管理將通過(guò)自適應(yīng)人工智能得到增強(qiáng)，它將提供高度場(chǎng)景相關(guān)的幫助。對(duì)話式人工智能，再加上AR和VR等新興技術(shù)，將增強(qiáng)商店員工完全重新定義實(shí)體店購(gòu)物體驗(yàn)的能力。

邊緣人工智能將變得更加普遍

邊緣人工智能通過(guò)強(qiáng)大的深度學(xué)習(xí)，使普通消費(fèi)設(shè)備具有場(chǎng)景感知能力，有巨大的能力改變?nèi)藗兊娜粘Ｉ睢；谶吘壍娜斯ぶ悄軐⒁驗(yàn)楦p的模型和高性能GPU計(jì)算的可訪問(wèn)性而變得更便宜。邊緣模型使用本地基于場(chǎng)景的學(xué)習(xí)，并在適當(dāng)?shù)臅r(shí)間與中心模型同步，從而減少帶寬和能源需求。這些價(jià)格合理的智能設(shè)備將徹底改變零售、制造業(yè)和能源公用事業(yè)等各個(gè)領(lǐng)域，用于質(zhì)量檢查、預(yù)測(cè)性維護(hù)以及健康和安全等用例。

由于較低的計(jì)算需求而導(dǎo)致的成本下降將催生智能和響應(yīng)式設(shè)備的市場(chǎng)。對(duì)于數(shù)據(jù)管理受到嚴(yán)格監(jiān)管的醫(yī)療保健和金融等行業(yè)來(lái)說(shuō)，數(shù)據(jù)要求的降低將是一個(gè)福音。每個(gè)邊緣設(shè)備的模型都是根據(jù)特定的邊緣環(huán)境定制的，關(guān)鍵數(shù)據(jù)永遠(yuǎn)不會(huì)出現(xiàn)在邊緣網(wǎng)絡(luò)之外。邊緣人工智能將在智能倉(cāng)庫(kù)、制造業(yè)和公用事業(yè)等領(lǐng)域普及。隨著企業(yè)越來(lái)越意識(shí)到笨重模型的巨大能源需求，將采用基于邊緣的人工智能來(lái)減少人工智能的碳足跡，并實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)。防抱死裝置會(huì)讓車主在一直踩剎車時(shí)，它會(huì)一松一放地關(guān)閉和打開(kāi)剎車油路，防抱死裝置電腦基本上是15次/s左右的點(diǎn)剎，防止汽車抱死發(fā)生，防抱死裝置提高短距離的安全停車。就因?yàn)檫@樣，每次剎車防抱死裝置都是不斷的點(diǎn)剎，所以車主們?cè)诓葎x車時(shí)會(huì)有種踏板跳動(dòng)的感覺(jué)。