2021年值得關(guān)注的人工智能趨勢(shì)
人工智能技術(shù)如今得到越來(lái)越多的應(yīng)用，從研發(fā)疫苗到在線購(gòu)物再到農(nóng)業(yè)種植，人們期望在2021年看到更多的發(fā)展和進(jìn)步。
人工智能(AI)和機(jī)器學(xué)習(xí)(ML)已從計(jì)算科學(xué)的后臺(tái)轉(zhuǎn)變?yōu)橹髁鲬?yīng)用。從購(gòu)物方式到貨幣市場(chǎng)以及醫(yī)學(xué)研究，這些技術(shù)帶來(lái)的影響無(wú)處不在。
規(guī)模較大的模型已經(jīng)通過(guò)單獨(dú)模式的訓(xùn)練。例如，GPT-3是全球首個(gè)用于自然語(yǔ)言處理(NLP)的1000億個(gè)參數(shù)模型。最近，一個(gè)訓(xùn)練了上萬(wàn)億個(gè)參數(shù)的模型(T5-XXL)也已經(jīng)推出。這些模型可以用來(lái)撰寫文章、分析文本、語(yǔ)言翻譯甚至創(chuàng)作詩(shī)歌。
與此同時(shí)，人們看到用于圖像識(shí)別和生成的模型得到了極大的改進(jìn)，因?yàn)樗鼈円呀?jīng)采用更多的數(shù)據(jù)集進(jìn)行了訓(xùn)練。在不改變這些大型模型的情況下，將兩個(gè)或更多的人工智能模型結(jié)合起來(lái)可以產(chǎn)生巨大的力量，并且用戶可以負(fù)擔(dān)將這些大型模型組合在一起的費(fèi)用。這將允許用戶使用人工智能來(lái)解釋文本并生成全新的圖像。
人們還將看到如何調(diào)整一種模型的架構(gòu)來(lái)解決不同領(lǐng)域的問(wèn)題。最有力的例子是在生物醫(yī)學(xué)研究中如何使用支持自然語(yǔ)言處理(NLP)模型的架構(gòu)。在生物醫(yī)學(xué)領(lǐng)域，通常使用密碼序列，例如DNA或氨基酸。由于可以將代碼序列視為具有隱藏結(jié)構(gòu)的一種語(yǔ)言，因此自然語(yǔ)言處理(NLP)模型中使用的架構(gòu)也有可能用于理解和生成生物醫(yī)學(xué)領(lǐng)域的代碼序列。 2021年初的一個(gè)令人印象深刻的例子是，生物醫(yī)學(xué)研究人員使用語(yǔ)言模型架構(gòu)來(lái)預(yù)測(cè)病毒突變并了解蛋白質(zhì)的折疊，這是目前研發(fā)和生產(chǎn)某些疫苗的關(guān)鍵挑戰(zhàn)。
人工智能在醫(yī)療保健和生物醫(yī)學(xué)研究中的應(yīng)用
mRNA冠狀病毒疫情疫苗如今已經(jīng)開發(fā)了幾種，這要?dú)w功于遺傳密碼測(cè)序的數(shù)字化工具和從遺傳密碼序列制備mRNA的轉(zhuǎn)錄工具。借助人工智能預(yù)測(cè)冠狀病毒的新突變，開發(fā)mRNA疫苗的過(guò)程將會(huì)更快。
機(jī)器學(xué)習(xí)和人工智能并不能取代臨床醫(yī)生和研究人員，但是可以使這些專業(yè)人員更快地工作并快速檢驗(yàn)。他們不必等待細(xì)胞培養(yǎng)物在物理世界中的生長(zhǎng)，而是可以使用這些模型來(lái)了解數(shù)字仿真中更快發(fā)生的事情。
人工智能也可用作診斷工具，現(xiàn)在也用于讀取X光片，也可以用來(lái)傾聽某人咳嗽的聲音，并確定是否可能感染冠狀病毒或其他疾病。
隨著越來(lái)越多的人佩戴能夠監(jiān)測(cè)心率、體溫、血壓和其他關(guān)鍵因素的設(shè)備，這些數(shù)據(jù)可以讓醫(yī)生更深入地了解患者的病情。由于醫(yī)生不再依賴患者的病歷，因此在進(jìn)行診斷時(shí)也有助于提高準(zhǔn)確性。
電子商務(wù)的繁榮由人工智能驅(qū)動(dòng)
在過(guò)去的一年中，在線商務(wù)發(fā)展迅速，并且有望繼續(xù)增長(zhǎng)。冠狀病毒疫情導(dǎo)致的封鎖已導(dǎo)致人們?cè)诰W(wǎng)上花費(fèi)更多的時(shí)間，不僅是購(gòu)物，還包括在線會(huì)議、玩游戲、訪問(wèn)社交媒體以及使用應(yīng)用程序。而越來(lái)越多的數(shù)字旅行產(chǎn)生了更多的數(shù)據(jù)，可以用來(lái)了解用戶的行為。
但是，更多的數(shù)據(jù)也會(huì)帶來(lái)更大的復(fù)雜性。在以往，如果一家企業(yè)希望將產(chǎn)品盡可能推廣到更多受眾，通常通過(guò)電視或廣播發(fā)布廣告。如今，并沒(méi)有一種向客戶推廣的最有效的渠道。而在正確的時(shí)間通過(guò)正確的渠道找到正確的客戶對(duì)企業(yè)來(lái)說(shuō)是很復(fù)雜的，但是采用人工智能技術(shù)可以克服這種復(fù)雜性。
可以預(yù)期的是，人工智能越來(lái)越多地被用來(lái)產(chǎn)生洞察力，不僅可以幫助營(yíng)銷人員尋找到正確的客戶，還可以訪問(wèn)經(jīng)常被遺忘的客戶。此外，人工智能將用于為這些客戶動(dòng)態(tài)生成創(chuàng)造性內(nèi)容，從而提高參與度。它還為營(yíng)銷人員提供了一種方法，可以有效地以過(guò)去認(rèn)為不可能達(dá)到的速度和規(guī)模創(chuàng)建和測(cè)試不同的內(nèi)容。
數(shù)據(jù)驅(qū)動(dòng)的金融領(lǐng)域?qū)⒁蕾嚾斯ぶ悄?/strong>
此外，人工智能在金融領(lǐng)域的主要應(yīng)用出現(xiàn)在高頻交易中，在這種交易中，機(jī)器之間的交易比人類要快得多。而在傳統(tǒng)金融和加密貨幣領(lǐng)域，這種情況將會(huì)持續(xù)下去，人們采用不同的人工智能系統(tǒng)。投資者一直在使用人工智能進(jìn)行長(zhǎng)期預(yù)測(cè)，這需要能夠理解投資者長(zhǎng)期目標(biāo)的系統(tǒng)。這些通常以收入和利潤(rùn)等衡量指標(biāo)為中心。但是事實(shí)證明，使用加密貨幣更具挑戰(zhàn)性。
盡管高頻交易策略很重要，但要預(yù)測(cè)另一個(gè)因素則更具挑戰(zhàn)性。人們?cè)诩用茇泿攀袌?chǎng)中看到的很多活動(dòng)都是由“人類的瘋狂”驅(qū)動(dòng)的。人們期望未來(lái)的人工智能模型會(huì)不斷發(fā)展，并通過(guò)密切監(jiān)視媒體和社交網(wǎng)絡(luò)的趨勢(shì)來(lái)更好地預(yù)測(cè)這種行為。
教育領(lǐng)域的未來(lái)發(fā)展
課程和教科書通常是為廣大學(xué)生服務(wù)的。這些都是為了提高學(xué)生的各種能力而設(shè)計(jì)的內(nèi)容。但是，Ken Robinson等專家指出，“生產(chǎn)線”的教育模式并未考慮到學(xué)生的個(gè)人能力和需求。
因此，人們看到人工智能正在被用來(lái)革新課程創(chuàng)建和交付方式。它可以用來(lái)為學(xué)生提供更多個(gè)性化的課程或個(gè)人問(wèn)題集。與其讓每個(gè)學(xué)生都解決同樣的問(wèn)題，不如讓他們解決自己的特定問(wèn)題。
例如，某名小學(xué)生的數(shù)學(xué)在計(jì)算方面的分?jǐn)?shù)可能很高，但是三角形方面有所欠缺。這名學(xué)生可以將更多的時(shí)間花在三角形上，當(dāng)學(xué)生完成課程時(shí)，人工智能系統(tǒng)可以監(jiān)視其進(jìn)度并進(jìn)行自我修改，以滿足該學(xué)生的特定需求。
現(xiàn)在網(wǎng)上有大量資料和文章，因此作弊和抄襲已經(jīng)成為一個(gè)巨大的問(wèn)題。雖然檢測(cè)剽竊很容易，因?yàn)椴捎萌斯ぶ悄芸梢詸z測(cè)直接抄襲和類似的文本，例如只有幾個(gè)單詞或時(shí)態(tài)被改變，但還有其他挑戰(zhàn)。例如，學(xué)生可以從某一種語(yǔ)言中獲得內(nèi)容并將其翻譯成另一種語(yǔ)言。這樣使其內(nèi)容很難檢測(cè)，但是采用人工智能技術(shù)正在解決這個(gè)問(wèn)題。
同樣，也正在開發(fā)圖像判讀人工智能系統(tǒng)，以查找美術(shù)系學(xué)生抄襲或模仿設(shè)計(jì)的實(shí)例。
智能農(nóng)業(yè)和工廠
工廠和農(nóng)場(chǎng)也在以創(chuàng)新的方式使用數(shù)據(jù)。然而，它們不同于其他人工智能應(yīng)用程序，因?yàn)樗鼈儾魂P(guān)注最終用戶。與其相反，他們專注于產(chǎn)品和機(jī)器。這需要在傳感器、機(jī)器人和自動(dòng)化方面進(jìn)行投資，并優(yōu)化運(yùn)營(yíng)。
人們?cè)谶@一領(lǐng)域看到的最大進(jìn)展是對(duì)不同領(lǐng)域之間的發(fā)現(xiàn)進(jìn)行了概括。例如，如果使用人工智能技術(shù)來(lái)提高蘋果的產(chǎn)量，是否可以將這些人工智能模型用于種植其他水果，例如香蕉或桃子?
同樣，如果一家工廠正在生產(chǎn)液晶面板，并且已經(jīng)找到了提高其良品率的方法，那么這些工具和經(jīng)驗(yàn)教訓(xùn)是否可以應(yīng)用于其他制造過(guò)程和工廠?
也許人們可以用一個(gè)詞語(yǔ)來(lái)概括對(duì)2021年及以后的人工智能最大的預(yù)測(cè)：杠桿。使用現(xiàn)有的人工智能模型架構(gòu)，結(jié)合成熟的模型，找到將現(xiàn)有模型推廣到其他應(yīng)用場(chǎng)景的方法，而企業(yè)需要不斷提高人工智能的能力，同時(shí)加快跨多個(gè)領(lǐng)域的數(shù)字化轉(zhuǎn)型。
