姿态逐渐“亲民”,2021年AI五大趋势备受期待


作者:刘霞
来源:科技日报
人工智能(AI)已成为多国科技发展领域的“香饽饽”,各国政府以及多家大企业也都不甘示弱,争相砸重金支持该领域的发展,各种创新因此如雨后春笋般喷薄而出。

此外,新冠肺炎疫情的肆虐迫使我们进一步加大对于技术、在线活动以及人工智能的依赖。其中人工智能对企业而言尤其重要,其能大规模实现个性化服务,同时满足客户不断提高的体验需求。

美国《福布斯》双周刊网站在3月15日的报道中,为我们列出了2021年人工智能领域备受期待的五大趋势。其中包括低代码/无代码工具纷纷出现,以及变得越来越“亲民”,儿童都可以很方便地创建自己的人工智能等。

低代码/无代码工具

自动机器学习(AutoML)并非新鲜事物,2020年华为年薪百万招聘的机器学习博士,其中一个研究方向就是AutoML。

机器学习是让算法自动从数据中找出一组规则,从而提取数据中的相关特征,随着机器学习的发展,其中人工需要干预的部分越来越多,而AutoML则是对机器学习模型从构建到应用的全过程自动化。

虽然AutoML能在没有扎实数据科学知识的情况下构建高质量的人工智能模型,但低代码/无代码平台更上一层楼——它能在没有深入编程知识的情况下构建整个生产级人工智能驱动的应用程序。

去年低代码/无代码工具异军突起并风靡全球,应用领域也不一而足,从构建应用程序到面向企业的垂直人工智能解决方案等,这股新鲜势力有望在今年持续发力。

有数据显示,低代码/无代码工具将成为科技巨头们的下一个战斗前线,这是一个总值达132亿美元的市场,预计到2025年其总价值将进一步提升至455亿美元。

美国亚马逊公司于2020年6月发布的Honeycode平台就是最好的证明,Honeycode是一种类似于电子表格界面的无代码开发环境,被称为产品经理们的“福音”。

高级预训练语言模型

“来自变换器的双向编码器表征量”(BERT)是谷歌公司于2018年末开发并发布的一种新型语言模型。作为自然语言处理(NLP)领域的新秀,BERT成为过去几年NLP重大进展的集大成者,一出场就技惊四座碾压竞争对手,刷新了11项NLP测试的最高纪录,甚至超越了人类的表现。

近年来,与BERT模型相似的预训练语言模型(如问答、命名实体识别、自然语言推理、文本分类等)在许多自然语言处理任务中发挥着重要作用。

这些预训练语言模型非常强大,并彻底改变了语言的翻译、理解以及总结等等,但这些模型非常昂贵,而且训练非常耗时。

好消息是,高级预训练模型可以催生出新一代高效且极易构建的人工智能服务。

GPT-3是其中的翘楚!它是OpenAI斥巨资打造的自然语言处理模型,拥有1750亿超大参数量,是NLP领域最强AI模型。自去年5月份首次推出以来,凭借惊人的文本生成能力,GPT-3在各大媒体平台一直热度不减。它不仅能够答题、写文章、写诗、翻译文章,还能生成代码、做数学推理、数据分析、画图表制作简历,甚至玩游戏都可以,而且效果出奇的好。

合成内容生成

人工智能领域的算法创新并非仅仅出现在NLP。生成式对抗网络(GANs)也涌现出大量创新,展示了科学家们在创造艺术和假图像方面取得的非凡成就。

GANs由加拿大蒙特利尔大学AI学者伊恩·古德费洛首先提出,其训练和调整也很复杂,因为它们需要大量数据集进行训练。

但科学家们的创新极大地减少了创建GANs所需的数据量。例如,美国英伟达公司展示了一种新的方法来增强训练GANs的效率,与此前的方法相比,其需要的数据更少。这使GANs可以广泛适用于多个领域,从医学应用(如合成癌症组织学图像)到更深层的“Deep Fake”(深度造假)。

“深度造假”是一种高能黑科技,其采用了最新的人工智能技术,能够让普通人通过计算机剪辑出一些视频,且视频中的人脸可以变成任何人的脸。“所谓成也萧何,败也萧何”,给视频“换脸”引发巨大关注的同时,也引发了巨大的争议。在上线短短五天之后,这个黑科技便被全网唾弃,之后在全球范围内遭到封杀。

供儿童使用的人工智能

随着低代码工具的流行,AI创建者也呈现出低龄化的特征。现在,一名中小学生就可以创建人工智为自己所用——从给文本分类到绘制图像。美国高中已经开设人工智能课程,初中也紧随其后。

例如,在硅谷举办的2020 Synopsys科学博览会上,31%的获奖软件项目在创新中使用了人工智能。更令人印象深刻的是,这些人工智能中有27%由6到8年级的学生创建而成。其中一位获奖者是一名八年级学生,他创建了一个卷积神经网络,可以通过眼部扫描检测出糖尿病视网膜病变。

机器学习操作

机器学习操作(MLOps)是人工智能领域一个相对较新的概念,涉及最好的管理数据科学家和操作人员,以便有效地开发、部署和监视模型。

2020年,由于新冠疫情肆虐,运营工作流程、库存管理、交通模式等方面的巨大变化导致许多人工智能出现意外行为,这被称为漂移——输入数据与人工智能训练的预期不匹配。

虽然在生产中部署机器学习的公司以前就曾面临漂移等诸多挑战,但新冠疫情使人们对MLOps的需求与日俱增。无独有偶,随着《2018年加州消费者隐私法案》等隐私法规的实施,对客户数据进行操作的公司越来越需要治理和风险管理。有数据指出,MLOps的市场规模预计到2025年将达到40亿美元。

这些并非人工智能领域全部的新趋势,不过,它们值得我们注意,因为它们彰显了三个重要方面。首先,人工智能在现实世界中的应用越来越多,新冠疫情引起的问题和MLOps的增长就证明了这一点。其次,相关人士在该领域不断推陈出新,正如BERT和GANs的接踵而至。最后,人工智能的创建门槛越来越低,为其“飞入寻常百姓家”奠定了坚实的基础。

人工智能的理想和未来总是美好的,但尽管有上述诸多创新,仍需要我们脚踏实地地去促进和引导其发展,以使其能更好地造福人类。