實時更新飛瑞敖最新動態(tài)，了解飛瑞敖
近年來，人工智能技術(shù)突飛猛進，人工智能驅(qū)動的系統(tǒng)也在顯著改善和提高我們的日常生活效率。這篇由人工智能和深度學(xué)習(xí)領(lǐng)域全球領(lǐng)先的活動機構(gòu)RE?WORK發(fā)布的文章，原標(biāo)題是AI Experts Predict 2021 Trends，作者是Nikita Johnson。不久前，該機構(gòu)采訪了人工智能領(lǐng)域的12位專家，并將專家們對2021年行業(yè)發(fā)展趨勢的看法匯總在了這篇文章中。這是文章的上篇，主要介紹的是其中6位專家的見解。
對我們很多人而言，2020年并沒有完全如期而至。不過，我們已經(jīng)揮別了2020年，迎來了2021年！
我們前不久采訪了一些人工智能專家，了解了他們對于2021年人工智能領(lǐng)域主要發(fā)展趨勢的看法。
這些專家主要來自加拿大的蒙特利爾學(xué)習(xí)算法研究所（MILA）、美國信息技術(shù)研究及分析公司高德納（Gartner）、Facebook、亞馬遜旗下人工智能研發(fā)部門Alexa AI、美國國家航空航天局（NASA），以及許可式郵件營銷服務(wù)商Mailchimp等組織和機構(gòu)。
在經(jīng)過有用戶參與的試驗后，雖然一些公司可能會推出家庭和工作之間點對點的無人駕駛通勤服務(wù)，但完全自動駕駛的汽車在2021年仍然是“準備好了”的狀態(tài)。
另外，全自動駕駛卡車將開始在高速公路上完成從海岸一端至海岸另一端的長距離行駛（整個過程可能需要借助人為的遠程監(jiān)控），不過最后一公里的駕駛還是會由安全員直接操控。
基于Transformer的預(yù)訓(xùn)練模型，比如GPT-3，會更加擅長假裝智能，這一點也會更加讓人不安，并且其假裝智能的程度，甚至?xí)屢恍┤苏J為其已經(jīng)實現(xiàn)了智能。
2021年，我十分期待的有兩個方面的事物。一個是會變得更大的事物，一個是會變得更小的事物。預(yù)測未來的最佳辦法就是回首過去（也許可以在過去配置一個長短期記憶網(wǎng)絡(luò)LSTM）。
兩年之內(nèi)，我們的預(yù)訓(xùn)練模型就已經(jīng)從440MB大小的BERT轉(zhuǎn)變成了350GB大小的GPT-3。我們已經(jīng)能通過云端租用超級計算機，借助其285000個CPU核和10000個GPU（微軟為硅谷大亨聯(lián)合建立的人工智能非營利組織OpenAI開發(fā)的）的計算力。
我們已經(jīng)實現(xiàn)了在你口袋里的iPhone A14芯片中安裝118億個晶體管。我們已經(jīng)能夠在90秒內(nèi)訓(xùn)練ImageNet，而十年前，這一訓(xùn)練過程還需要花費數(shù)月。
所以，我們可以預(yù)見，計算、模型和算法的力量會持續(xù)呈指數(shù)級別增長，進一步向眾人揭示人工智能的新奇魔力。
另一方面，我們現(xiàn)在可以實現(xiàn)BERT精準度，但在使用FastFormers的基礎(chǔ)上，CPU推理速度提高了233倍。如今，我們通過NVIDIA Maxine傳輸視頻通話，只需要較之前五百分之一的帶寬。我們將訓(xùn)練AutoML模型的時間從GPU運算時長40000小時 (2018年的MNasNet)減少到了3.75小時（2019年的Single-Path NAS）！
單一地關(guān)注模型修剪和模型量化，并不是我們對模型的研究主題，而研究主題是實踐者已經(jīng)寫好的高效三行代碼（TensorFlow模型優(yōu)化工具箱）。
在2021年，關(guān)注小事物的樂趣會持續(xù)增長，讓使用邊緣智能設(shè)備的用戶獲得基于強大模型的神奇體驗。
我們將看到情緒感知人工智能的新用例，以在新冠疫情大流行期間促進在線協(xié)作和交流。
在新冠疫情期間，我們比以往更加依賴視頻會議。視頻會議將大家虛擬地連接起來，讓我們得以遠程工作、在家學(xué)習(xí)并展開社交生活。
然而，目前存在的一個較大問題是：這些技術(shù)上，情緒感知是盲區(qū)。當(dāng)我們面對面交流時，我們能夠傳遞的信息不僅來自語言本身，我們還能用面部表情、語音語調(diào)以及肢體語言來表達自己。但這些技術(shù)的最初設(shè)計初衷，卻并不是來捕捉我們與周圍人互動時的細微差別的。
我們也許可以借助人工智能，來在虛擬環(huán)境中保留我們?nèi)诵缘哪且幻?。具體而言，能夠根據(jù)面部表情和聲音理解人類細微情緒和復(fù)雜認知狀態(tài)的情緒感知人工智能軟件，可以解決疫情期間已經(jīng)出現(xiàn)的一些技術(shù)短板，我們會看到各大公司將其運用于新的用例，比如：
視頻會議和虛擬活動——情緒感知人工智能能夠提供對人們在虛擬活動或者會議中的情感解讀。它能為線上發(fā)言者提供真實的觀眾反饋，讓參與者有一種共同的體驗，同時能幫助公司在這段緊張時期了解集體的參與度。
線上學(xué)習(xí)——情緒感知人工智能能夠提供學(xué)生對線上教育材料和教學(xué)的參與反饋。當(dāng)學(xué)生迷惑、緊張或者乏味時，系統(tǒng)就會發(fā)出信號。這在疫情期間尤為重要，畢竟有很多學(xué)生在網(wǎng)上學(xué)習(xí)時，都得了“Zoom疲勞癥”。
遠程醫(yī)療——隨著遠程就診逐漸替代面對面診斷，情緒感知人工智能能夠在患者和醫(yī)療提供者之間建立起更有意義的討論和信任。此外，對患者情緒健康的數(shù)據(jù)驅(qū)動分析也提供了一種心理健康的量化測評方法，而不是讓患者用簡單的1至10分來自我評估。
降噪得分與退火蘭格文采樣（DSM-ALS）和擴散去噪的變種將開始打破模型生成的記錄；它們將擊敗目前最頂尖的生成式對抗網(wǎng)絡(luò)（GANs）。
我們還將看到生成式模型的新指標(biāo)，因為現(xiàn)在的指標(biāo)IS（inception score）和FID（Frechet Inception Distance score）將會使值接近完美，但仍未實現(xiàn)真實感圖形。
無代碼的人工智能平臺、產(chǎn)品和初創(chuàng)企業(yè)開始激增：在過去幾年里，人們創(chuàng)建了很多強大的深度學(xué)習(xí)和人工智能工具，比如PyTorch和Tensorflow。工程師們現(xiàn)在準備在現(xiàn)有工具之上構(gòu)建無代碼的人工智能平臺和產(chǎn)品層，用戶只需要簡單地提供其數(shù)據(jù)，并且通過配置或者用戶界面列出或選擇模型。
我們不僅可以訓(xùn)練和服務(wù)模型，而且還可以通過REST API暴露給應(yīng)用程序。
Got-It AI開發(fā)的無代碼、自我發(fā)掘、自我訓(xùn)練以及自我管理的平臺，就在朝著大眾化對話式人工智能的方向發(fā)展。微軟前不久推出的一款名叫“Lobe”的應(yīng)用程序，可以讓所有人都能訓(xùn)練人工智能模型，其也是在朝著大眾化對話式人工智能的方向發(fā)展。
人工智能促進可持續(xù)發(fā)展：我們正在經(jīng)歷一個大流行?。òǚ堑洳《尽1N1病毒和新冠病毒）變得更加普遍的階段，氣候變化也造成了大量森林火災(zāi)和物種滅絕，洪水和干旱等問題也變得越來越普遍。
我們將看到，越來越多的初創(chuàng)企業(yè)，以及由大公司或組織資助的計劃，它們利用人工智能來實現(xiàn)可持續(xù)發(fā)展。我們已經(jīng)看到了一些綠色科技初創(chuàng)公司，比如斯洛伐克的可再生能源公司Fuergy和加拿大乘車共享平臺Facedrive，我們還可能會看到，人工智能初創(chuàng)公司利用預(yù)測模型來應(yīng)對氣候變化、大流行的預(yù)測和緩解，以及城市交通問題等等。
我的預(yù)測（以及我真誠的希望）是，倫理、安全以及包容會成為在人工智能領(lǐng)域工作的每一個人日常工作中遵循的原則。更重要的是，我預(yù)測一些像差別隱私這樣的概念將更加主流，并且會很好地融入到日常實踐中。
隨著新的組織開始意識到利用人工智能完成工作的價值，我還預(yù)測，在應(yīng)用人工智能的傳統(tǒng)領(lǐng)域之外的地方，也將開始出現(xiàn)大量的能力建設(shè)工作。
隨著人工智能工具變得更加易于使用，公民數(shù)據(jù)科學(xué)家的概念會獲得更多的關(guān)注，人工智能技術(shù)也將會作為一種新穎的方式，用于解決那些對人類社會具有重要意義的問題。
最后，像信息污染這樣的問題將會加劇，我相信這會開創(chuàng)一個知識建設(shè)的時代，各組織和團體會努力提高人們的認識，使大眾具備更好地駕馭環(huán)境的技能。
