2021年人工智能領域備受期待的五大趨勢圖片來源：美國《福布斯》雙周刊網站

科技創新世界潮

◎本報記者 劉 霞

　　人工智能（AI）已成為(wei) 多國科技發展領域的“香餑餑”，各國政府以及多家大企業(ye) 也都不甘示弱，爭(zheng) 相砸重金支持該領域的發展，各種創新因此如雨後春筍般噴薄而出。

　　此外，新冠肺炎疫情的肆虐迫使我們(men) 進一步加大對於(yu) 技術、在線活動以及人工智能的依賴。其中人工智能對企業(ye) 而言尤其重要，其能大規模實現個(ge) 性化服務，同時滿足客戶不斷提高的體(ti) 驗需求。

　　美國《福布斯》雙周刊網站在3月15日的報道中，為(wei) 我們(men) 列出了2021年人工智能領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，以及變得越來越“親(qin) 民”，兒(er) 童都可以很方便地創建自己的人工智能等。

　　低代碼/無代碼工具

　　自動機器學習(xi) （AutoML）並非新鮮事物，2020年華為(wei) 年薪百萬(wan) 招聘的機器學習(xi) 博士，其中一個(ge) 研究方向就是AutoML。

　　機器學習(xi) 是讓算法自動從(cong) 數據中找出一組規則，從(cong) 而提取數據中的相關(guan) 特征，隨著機器學習(xi) 的發展，其中人工需要幹預的部分越來越多，而AutoML則是對機器學習(xi) 模型從(cong) 構建到應用的全過程自動化。

　　雖然AutoML能在沒有紮實數據科學星空体育官网入口网站的情況下構建高質量的人工智能模型，但低代碼/無代碼平台更上一層樓——它能在沒有深入編程星空体育官网入口网站的情況下構建整個(ge) 生產(chan) 級人工智能驅動的應用程序。

　　去年低代碼/無代碼工具異軍(jun) 突起並風靡全球，應用領域也不一而足，從(cong) 構建應用程序到麵向企業(ye) 的垂直人工智能解決(jue) 方案等，這股新鮮勢力有望在今年持續發力。

　　有數據顯示，低代碼/無代碼工具將成為(wei) 科技巨頭們(men) 的下一個(ge) 戰鬥前線，這是一個(ge) 總值達132億(yi) 美元的市場，預計到2025年其總價(jia) 值將進一步提升至455億(yi) 美元。

　　美國亞(ya) 馬遜公司於(yu) 2020年6月發布的Honeycode平台就是最好的證明，Honeycode是一種類似於(yu) 電子表格界麵的無代碼開發環境，被稱為(wei) 產(chan) 品經理們(men) 的“福音”。

　　高級預訓練語言模型

　　“來自變換器的雙向編碼器表征量”（BERT）是穀歌公司於(yu) 2018年末開發並發布的一種新型語言模型。作為(wei) 自然語言處理（NLP）領域的新秀，BERT成為(wei) 過去幾年NLP重大進展的集大成者，一出場就技驚四座碾壓競爭(zheng) 對手，刷新了11項NLP測試的最高紀錄，甚至超越了人類的表現。

　　近年來，與(yu) BERT模型相似的預訓練語言模型（如問答、命名實體(ti) 識別、自然語言推理、文本分類等）在許多自然語言處理任務中發揮著重要作用。

　　這些預訓練語言模型非常強大，並徹底改變了語言的翻譯、理解以及總結等等，但這些模型非常昂貴，而且訓練非常耗時。

　　好消息是，高級預訓練模型可以催生出新一代高效且極易構建的人工智能服務。

　　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(yi) 超大參數量，是NLP領域最強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(ti) 平台一直熱度不減。它不僅(jin) 能夠答題、寫(xie) 文章、寫(xie) 詩、翻譯文章，還能生成代碼、做數學推理、數據分析、畫圖表製作簡曆，甚至玩遊戲都可以，而且效果出奇的好。

　　合成內(nei) 容生成

　　人工智能領域的算法創新並非僅(jin) 僅(jin) 出現在NLP。生成式對抗網絡（GANs）也湧現出大量創新，展示了科學家們(men) 在創造藝術和假圖像方麵取得的非凡成就。

　　GANs由加拿大蒙特利爾大學AI學者伊恩·古德費洛首先提出，其訓練和調整也很複雜，因為(wei) 它們(men) 需要大量數據集進行訓練。

　　但科學家們(men) 的創新極大地減少了創建GANs所需的數據量。例如，美國英偉(wei) 達公司展示了一種新的方法來增強訓練GANs的效率，與(yu) 此前的方法相比，其需要的數據更少。這使GANs可以廣泛適用於(yu) 多個(ge) 領域，從(cong) 醫學應用（如合成癌症組織學圖像）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，能夠讓普通人通過計算機剪輯出一些視頻，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”引發巨大關(guan) 注的同時，也引發了巨大的爭(zheng) 議。在上線短短五天之後，這個(ge) 黑科技便被全網唾棄，之後在全球範圍內(nei) 遭到封殺。

　　供兒(er) 童使用的人工智能

　　隨著低代碼工具的流行，AI創建者也呈現出低齡化的特征。現在，一名中小學生就可以創建人工智為(wei) 自己所用——從(cong) 給文本分類到繪製圖像。美國高中已經開設人工智能課程，初中也緊隨其後。

　　例如，在矽穀舉(ju) 辦的2020 Synopsys科學博覽會(hui) 上，31％的獲獎軟件項目在創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年級的學生創建而成。其中一位獲獎者是一名八年級學生，他創建了一個(ge) 卷積神經網絡，可以通過眼部掃描檢測出糖尿病視網膜病變。

　　機器學習(xi) 操作

　　機器學習(xi) 操作（MLOps）是人工智能領域一個(ge) 相對較新的概念，涉及最好的管理數據科學家和操作人員，以便有效地開發、部署和監視模型。

　　2020年，由於(yu) 新冠疫情肆虐，運營工作流程、庫存管理、交通模式等方麵的巨大變化導致許多人工智能出現意外行為(wei) ，這被稱為(wei) 漂移——輸入數據與(yu) 人工智能訓練的預期不匹配。

　　雖然在生產(chan) 中部署機器學習(xi) 的公司以前就曾麵臨(lin) 漂移等諸多挑戰，但新冠疫情使人們(men) 對MLOps的需求與(yu) 日俱增。無獨有偶，隨著《2018年加州消費者隱私法案》等隱私法規的實施，對客戶數據進行操作的公司越來越需要治理和風險管理。有數據指出，MLOps的市場規模預計到2025年將達到40億(yi) 美元。

　　這些並非人工智能領域全部的新趨勢，不過，它們(men) 值得我們(men) 注意，因為(wei) 它們(men) 彰顯了三個(ge) 重要方麵。首先，人工智能在現實世界中的應用越來越多，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(guan) 人士在該領域不斷推陳出新，正如BERT和GANs的接踵而至。最後，人工智能的創建門檻越來越低，為(wei) 其“飛入尋常百姓家”奠定了堅實的基礎。

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



關(guan) 注【深圳科普】微信公眾(zhong) 號，在對話框：
回複【最新活動】，了解近期科普活動
回複【科普行】，了解最新深圳科普行活動
回複【研學營】，了解最新科普研學營
回複【科普課堂】，了解最新科普課堂
回複【科普書(shu) 籍】，了解最新科普書(shu) 籍
回複【團體(ti) 定製】，了解最新團體(ti) 定製活動
回複【科普基地】，了解深圳科普基地詳情
回複【觀鳥星空体育官网入口网站】，學習(xi) 觀鳥相關(guan) 科普星空体育官网入口网站
回複【博物學院】，了解更多博物學院活動詳情