隨著深度學(xué)習(xí)的開放，人工智能在幾年中快速發(fā)展，尖端技術(shù)慢慢向普及應(yīng)用到各行各業(yè)。
以下是國外一家專注于開源和堆棧技術(shù)新聞網(wǎng)站TheNewStark盤點(diǎn)的2022年值得人們期待的五個(gè)人工智能發(fā)展趨勢。
人工智能的語言模型是基于自然語言處理技術(shù)和算法創(chuàng)建的。比如在某一句話說一半的時(shí)候，這個(gè)模型會(huì)根據(jù)以往記錄的實(shí)例，來推斷出這句話后面的幾個(gè)字?？偟膩碚f就是總結(jié)文本信息，甚至從純文本中創(chuàng)建視覺圖表。
大型語言模型（LLMs）是在包含巨大數(shù)據(jù)量的大規(guī)模數(shù)據(jù)集上訓(xùn)練的。像是Google的BERT和OpenAI的GPT-2和GPT-3就是LLMs很好的例子。據(jù)了解，GPT-3中約有1750億個(gè)參數(shù)，在570千兆字節(jié)的文本上進(jìn)行訓(xùn)練。這些模型生成的東西可以從簡單的文章到復(fù)雜的金融模型?，F(xiàn)如今，包括OpenAI、Hugging Face、Cohere、AI21 Labs以及AI12在內(nèi)的人工智能初創(chuàng)公司，正在通過訓(xùn)練具有數(shù)十億參數(shù)的模型來推動(dòng)LLMs的發(fā)展。
“模態(tài)”（Modality）是德國理學(xué)家赫爾姆霍茨提出的一種生物學(xué)概念，即生物憑借感知器官與經(jīng)驗(yàn)來接收信息的通道，如人類有視覺、聽覺、觸覺、味覺和嗅覺模態(tài)。多模態(tài)是指將多種感官進(jìn)行融合，而多模態(tài)交互是指人通過聲音、肢體語言、信息載體（文字、圖片、音頻、視頻）、環(huán)境等多個(gè)通道與計(jì)算機(jī)進(jìn)行交流，充分模擬人與人之間的交互方式。
傳統(tǒng)的深度學(xué)習(xí)算法專注于從一個(gè)單一的數(shù)據(jù)源訓(xùn)練其模型。而多模態(tài)人工智能是計(jì)算機(jī)視覺和交互式人工智能智能模型的最終融合，為計(jì)算器提供更接近于人類感知的場景。
多模態(tài)人工智能的最新例子是OpenAI的DALL-E，該模型使用藝術(shù)家薩爾瓦多-達(dá)利和皮克斯的瓦力的諧音來命名。它可以從文本描述中生成對(duì)應(yīng)圖像。例如，當(dāng)文本描述為"一個(gè)甜甜圈形狀的時(shí)鐘 "被發(fā)送到該模型時(shí)，它就可以生成以下圖像。
圖片來源TheNewStark
谷歌的多任務(wù)統(tǒng)一模型（MUM）是多模態(tài)人工智能的另一個(gè)例子。它承諾通過從75種不同語言中挖掘出的上下文信息對(duì)用戶搜索結(jié)果進(jìn)行優(yōu)先排序，從而提高用戶的搜索體驗(yàn)。MUM使用T5文本到文本框架，比BERT中流行的基于變換器的自然語言處理模型要強(qiáng)大1000倍。
英偉達(dá)的GauGAN2模型則將根據(jù)簡單的文本輸入生成照片般逼真的圖像。它在一個(gè)單一的模型中結(jié)合了分割映射、內(nèi)畫和文本到圖像的生成，使其成為一個(gè)強(qiáng)大的多模態(tài)工具，可以用文字和圖畫的混合來創(chuàng)造逼真的藝術(shù)。
機(jī)器學(xué)習(xí)操作（MLOps），是一個(gè)將機(jī)器學(xué)習(xí)投入到工業(yè)生產(chǎn)中的實(shí)踐，是機(jī)器學(xué)習(xí)和DevOPs在軟件領(lǐng)域交叉的產(chǎn)物，所以它在許多方面與2012年的DevOps相似。在2012年DevOps上線的時(shí)候，許多企業(yè)就意識(shí)到了它的價(jià)值，但是他們在實(shí)施DevOps的時(shí)候很困難，工具鏈非常復(fù)雜，生態(tài)系統(tǒng)也不夠完善。而MLOps相比來說更加復(fù)雜，它的軟件包包括安裝、配置訓(xùn)練、推理基礎(chǔ)設(shè)施、配置特征存儲(chǔ)、配置模型注冊表、監(jiān)控模型的衰減以及檢測模型漂移等所有的相關(guān)內(nèi)容。其龐大的軟件包也導(dǎo)致MLOps的部署比DevOps還困難。
MLOps是被納入基于云計(jì)算的ML平臺(tái)的概念之一，平臺(tái)包括如亞馬遜網(wǎng)絡(luò)服務(wù)的Amazon SageMaker, Azure ML, 以及谷歌的Vertex AI。然而，它所擁有的這些能力卻不能用于混合和邊緣計(jì)算這兩個(gè)環(huán)境。因此，監(jiān)測邊緣計(jì)算的環(huán)境模型被證明是企業(yè)要面臨的一個(gè)重大挑戰(zhàn)。在處理計(jì)算機(jī)視覺系統(tǒng)和交互式人工智能系統(tǒng)時(shí)，創(chuàng)建一個(gè)為其服務(wù)的監(jiān)測邊緣計(jì)算的模型就變得更加具有挑戰(zhàn)性。
在未來，人工智能幾乎會(huì)影響到IT行業(yè)的每個(gè)方面，包括編程和開發(fā)。在過去的幾年里，我們已經(jīng)看到了諸如亞馬遜代碼大師這樣的工具，該產(chǎn)品會(huì)在開發(fā)者編程時(shí)，為其提供智能建議，以提高代碼質(zhì)量，并識(shí)別出應(yīng)用程序中最重要的代碼行。就在最近，Github Copilot作為一個(gè) "人工智能配對(duì)程序員 "首次亮相，協(xié)助開發(fā)人員編寫高效的代碼。而Salesforce的研究團(tuán)隊(duì)也推出了CodeT5，這是一個(gè)開源項(xiàng)目，將幫助Apex開發(fā)人員進(jìn)行由人工智能驅(qū)動(dòng)的編碼。Tabnine，即以前的Codata，將智能代碼完全帶到了主流開發(fā)環(huán)境。Ponicode也是一個(gè)AI驅(qū)動(dòng)的工具，可以提供函數(shù)創(chuàng)建、可視化和運(yùn)行單元測試的快捷方式。
圖片來源TheNewStark
大型語言模型（LLMs）的興起和開源代碼更廣泛的可用性，使IDE供應(yīng)商能夠在其基礎(chǔ)上建立智能代碼生成和分析系統(tǒng)。
展望未來，人們期望看到能夠從內(nèi)聯(lián)注釋中生成高質(zhì)量和緊湊代碼的工具。它們甚至能夠從一種語言編寫的代碼翻譯成另一種語言，通過將傳統(tǒng)代碼轉(zhuǎn)換為現(xiàn)代語言來實(shí)現(xiàn)應(yīng)用程序的現(xiàn)代化。
趨勢5：云平臺(tái)新的垂直化人工智能解決方案
世界領(lǐng)先的人工智能供應(yīng)商，包括亞馬遜、谷歌和微軟，都正專注于將研究和開發(fā)工作商業(yè)化。他們通過旗下的云平臺(tái)提供托管服務(wù)，并建立硬件設(shè)備，配備人工智能加速器和針對(duì)特定場景的預(yù)訓(xùn)練模型。
亞馬遜連接和谷歌聯(lián)絡(luò)中心AI是垂直整合的典型例子。兩者都利用機(jī)器學(xué)習(xí)能力來執(zhí)行智能路由，由機(jī)器人驅(qū)動(dòng)的客服對(duì)話，以及對(duì)聯(lián)絡(luò)中心代理商的自動(dòng)協(xié)助。AWS Panorama可以連接到現(xiàn)有的IP攝像機(jī)，以此來執(zhí)行基于計(jì)算機(jī)視覺的推理?？蛻艨梢栽谄湓破脚_(tái)訓(xùn)練新的模型，并將它們部署在全景設(shè)備的邊緣。Azure Percept采用了類似的方法，在邊緣提供計(jì)算機(jī)視覺模型和交互式人工智能。微軟基于Azure上現(xiàn)有的物聯(lián)網(wǎng)、人工智能和邊緣計(jì)算服務(wù)建立了Percept。
其實(shí)，人工智能其實(shí)已經(jīng)漸漸滲透進(jìn)了我們生活的方方面面。比如喊一聲就能回應(yīng)你的智能語音系統(tǒng)，例如siri，小愛同學(xué)；再比如在超市付款時(shí)使用的人臉識(shí)別；亦或是穿梭在餐廳和酒店的智能送餐機(jī)器人，這些其實(shí)都是人工智能的應(yīng)用實(shí)例。
雖然腦科學(xué)與人工智能之間仍然存在巨大的鴻溝，通用人工智能仍然像個(gè)科幻夢，但就像蕭伯納所說的那樣“科學(xué)始終是不公道的，如果它不提出十個(gè)問題，也永遠(yuǎn)無法解決一個(gè)問題?！笨茖W(xué)總是在曲折中前進(jìn)，而我們只要保持在不斷探索中，雖無法預(yù)測是否能達(dá)到既定的目的地，但途中終歸會(huì)有收獲。
I-desk集創(chuàng)社期待您的加入
免責(zé)聲明：本文部分內(nèi)容和圖片根據(jù)網(wǎng)絡(luò)信息整理，文章版權(quán)歸原作者所有。如涉及作品內(nèi)容、版權(quán)和其他問題，請(qǐng)跟我們聯(lián)系刪除！
本文內(nèi)容整合來源：CSDN，青島人工智能產(chǎn)業(yè)協(xié)會(huì)
聯(lián)系客服
