2022年已接近尾声，在人工智能领域，2022 年有哪些进展和 ...
在即将过去的2022 年，人工智能领域有哪些突破和进展？http://pic2.zhimg.com/v2-fb033906604da65adccb606af42b2ac5_r.jpg 自然语言处理（NLP）和自然语言生产（NLG）
下图代表了人工智能在多个领域的达到的最高水平（和人相比）。阅读理解和语言理解都术语NLP的领域，接下来的是ChatGPT的横冲出世，引领对了对话系统的发展。
如下图所示，其中在语言理解这个领域的的影响主要源于基础模型的结果。 "语言理解 "这一术语需要和上下文联系起来，因为它并不是通常人类理解的语言理解。大语言模型（LLMs）在文本中寻找模式；他们真的不把每个单词和它们的意义直接映射。这可能会导致偏离真实意思的输出和严重的误解。
http://picx.zhimg.com/v2-9ff256744bf48b5be4ceaf7c96fa50d9_r.jpg?source=1940ef5c
NLP任务收敛到两种不同的预训练模型框架
1. 自然语言理解任务 -- BERT+Fine-tuning
2. 自然语言生产任务 -- GPT + Prompt
3. 未来的趋势是两种任务逐渐 -- GPT + Prompt 统一 -- InstructGPT -- 通用人工智能（AGI）
其中包括BERT、DALL-E、GPT-3、LaMDA和其他一系列被称为生成式AI的大模型。可以从下面这张由Jaime Sevilla及其同事绘制的图中快速了解到Transformer模型的 "大规模时代"。它在2016年左右开始，计算机的性能达到了前所未有的水平，以每秒浮点运算（FLOPs）来量化。近60年来，摩尔定律的特点是训练计算量每18-24个月翻一番，而现在，在“基础模型”时代，每6个月翻一番。
http://picx.zhimg.com/v2-52ccd40fe70efc17cdd62b6c1e110ac1_r.jpg?source=1940ef5c
截至2022年，所使用的训练计算逐级上升，谷歌的PaLM有25亿petaFLOPs，Minerva有27亿peta FLOPS。PaLM使用5400亿个参数，即应用于程序内不同计算的系数。2018年创建的BERT "只有 "1.1亿个参数，这让你感觉到了指数级的增长，从下面的对数图中可以很好地看出 。 2023年，有的模型是1万倍的，有超过1万亿个参数，还有一家英国公司Graphcore渴望建立一个运行超过500万亿参数的模型。
http://pica.zhimg.com/v2-042ef9bfa2b0f6d7f4c1f0c254bbd7c6_r.jpg?source=1940ef5c
人工智能在医学领域的进展
接下来是医学人工智能在测试其与医生的表现方面迈出的一大步。上个月公布了美国医学执照考试（USMLE）的PaLM基础模型能力，并对其他几个医学问题的回答进行了评估，包括消费者健康问题。
http://picx.zhimg.com/v2-29f47008318b63e3f7476f6a5e78e39a_r.jpg?source=1940ef5c
从上面的图表中，你可以看到PaLM的准确率从50%飙升到67.6%，绝对跃升了17%（相对增长了33%）。重要的是，在部分医学问题的回答中，MED-PaLM聊天机器人的正确率是92.6%，而其他医生的正确率为92.9%，这表明了AI已经接近人类医生。此外，对于答案的潜在危害，两者只有很小的差距：Med-PaLM可能的危害程度为5.9%，临床医生为5.7%；危害的可能性分别为2.3%和1.3%。来自谷歌和Deep Mind的作者总结说。"由此产生的模型，Med-PaLM，表现令人鼓舞，但仍然不如临床医生的表现。我们表明，理解力、知识回忆和医学推理随着模型规模和指令提示的调整而改善，这表明LLM在医学中的潜在效用"。
值得注意的是，MED-PALM的研究结果也在ChatGPT在USMLE的所有3个考试部分得到了复现。
GhatGPT在医疗领域NLP的测试可以见我写的另一篇问诊
Leo Zhang：ChatGPT的进化——ChatGPT在医疗健康NLP任务中的测试对比 即将过去的2022年，对于人工智能来说是值得铭记的一年。大批人工智能相关应用走出实验室，向着大范围落地实践不断迈进。AI“黑科技”加持下的北京冬奥会异彩纷呈；无人驾驶开启多城试点，未来交通更进一步；AI绘画以假乱真令人着迷，艺术创作或许不再是人类专属……
无论是底层技术不断突破，还是各类应用百花齐放，在过去的一年，人工智能向我们展示了它的无限可能。我们相信这只是人工智能的冰山一角，未来它还有更多潜力等待我们去挖掘。
随着技术的不断成熟，落地应用不断创新，人工智能或将真正改变你我的生活。
http://pic1.zhimg.com/v2-194ab0878267a32cac9149a43c1ef90c_r.jpg?source=1940ef5c
视觉中国供图
AI“黑科技”照亮北京冬奥会
助力天气预报、比赛转播和手语播报等
2月4日，全球瞩目的2022年北京冬奥会正式拉开帷幕。人工智能等技术的应用为本届冬奥会增添了别样的“科技之美”。
在此次冬奥会上，由中国科学院院士、北京大学副校长、北京大学重庆大数据研究院首席科学家张平文领衔研制的人工智能MOML算法赋能天气预报模型，使冬奥会天气预报更加精准。人工智能算法在融合、处理信息中的先天优势，使其在一定程度上可以代替预报员在会商中进行信息整合、分析，通过数据挖掘与学习，将预报员的经验内化在算法中，在提高天气预报效率的同时，也进一步提高了预报的准确率。
在本届冬奥会自由式滑雪女子大跳台决赛中，中国选手谷爱凌以“逆天”的精彩表现获得个人首金。在比赛转播过程中，百度智能云通过“3D+AI”技术打造出的“同场竞技”系统，将单人比赛项目变成“多人比赛”，实现冠、亚军比赛画面的三维恢复和虚拟叠加，方便观众看到不同选手的实时动作；同时，通过技术手段对运动员动作进行量化分析，将滑行速度、腾空高度、落地远度、旋转角度等一系列运动数据与原始画面叠加起来，使观众可以更直观地从流畅性、完成度、难度、多样性和美观度等角度看懂选手之间的技术动作差异。
在北京冬奥会开幕的同一天，央视新闻AI手语主播也正式上岗，她在冬奥会新闻播报、赛事直播和现场采访中，为听障人士送上了实时手语翻译服务。凭借精确的手语翻译引擎，该AI手语主播可懂度达85%以上，可将冰雪赛事的文字及音视频内容，快速精准地转化为手语。
腾讯“混元”AI大模型登顶VCR榜单
展现了其在多模态理解领域的强大实力
5月31日，腾讯“混元”AI大模型在多模态理解领域国际权威榜单VCR（Visual Commonsense Reasoning，视觉常识推理）中登顶，两个单项成绩和总成绩均位列第一。这是继在跨模态检索领域大满贯、CLUE自然语言理解分类榜及CLUE总榜登顶后，“混元”AI大模型的又一重大突破，展现了其在多模态理解领域的强大实力。
与跨模态理解任务不同的是，多模态理解任务要求计算机除了能够做到识别层次的感知（如分类检测等），还需要达到认知层次的感知（如判断意图、逻辑推理等）。
http://pica.zhimg.com/v2-316c812ab4f30f62728f0b808ea992be_r.jpg?source=1940ef5c
视觉中国供图
此次登顶VCR榜首的“混元”AI大模型由腾讯广告多媒体AI团队自主研发，同时借助腾讯太极机器学习平台的图形处理器算力和训练加速框架，在预训练任务、训练方式上进行了诸多创新改进和设计，有效提升了模型性能。
截至目前，“混元”AI大模型在MSR-VTT、MSVD、CLUE、VCR等多个领域的AI权威榜单中取得了第一名的成绩，并刷新多项行业历史纪录。这意味着，“混元”在自然语言理解、多模态理解、跨模态理解等领域的技术实力已得到验证。
谷歌工程师闹乌龙，称AI存在意识
人工智能所谓的“人格”更多只是模仿人类罢了
谷歌AI工程师闹乌龙，称LaMDA语言模型有意识，引发业界对“AI是否拥有自主意识”的讨论。
今年6月，谷歌公司AI工程师莱莫因认为对话应用语言模型LaMDA具有了“自主意识”，并对此出具了长达21页的证据。莱莫因认为LaMDA具有意识的原因有三：一是LaMDA以前所未有的方式高效、创造性地使用语言；二是它以与人类相似的方式分享感觉；三是它会表达内省和想象——既会担忧未来，也会追忆过去。
LaMDA是谷歌在2021年开发者大会上公布的大型自然语言对话模型，它可以模拟任何带有知识属性的实体，通过“拟人”的方式，在与人类亲切自然的对话中为用户答疑解惑，传递更多知识。
莱莫因的观点和证据引起了业内的广泛关注。不久后，谷歌发表声明称，莱莫因违反了“就业和数据安全政策”，将其解雇。谷歌表示，经过广泛地审查，他们发现莱莫因关于LaMDA是有生命的说法是完全没有根据的。
专家普遍认为，当下人工智能具有的所谓“人格”，更多只是模仿人类的语言风格，有自我意识、有感知能力的AI应该具备能动性，并具有独特的视角看待人和事，但目前AI还只是人们设计的一个计算机系统，作为工具来做一些特定之事。
全球首个图、文、音三模态大模型诞生
“紫东太初”实现“以图生音”和“以音生图”
9月1日，在上海举办的2022世界人工智能大会上，由武汉人工智能研究院、中国科学院自动化研究所和华为技术有限公司联合研发的“紫东太初”多模态大模型项目获得了此次大会的最高奖项。“紫东太初”是全球首个图、文、音三模态大模型，开创性地实现了图像、文本、语音三模态数据间的“统一表示”与“相互生成”，实现了“以图生音”和“以音生图”，理解和生成能力更接近人类，为打造多模态人工智能行业应用提供创新基础，向通用人工智能迈出了重要一步。
http://picx.zhimg.com/v2-6f580227d7711adf87c419f7328443c6_r.jpg?source=1940ef5c
基于“紫东太初”打造的虚拟人“小初”。图片来源：中国科学院自动化研究所网站
“紫东太初”三模态间的相互转换和生成，其核心原理是视觉、文本、语音不同模态通过各自编码器映射到统一语义空间，然后通过多头自注意力机制学习模态之间的语义关联以及特征对齐，形成多模态统一知识表示；之后，再利用编码后的多模态特征，通过解码器分别生成文本、图像和语音。
“紫东太初”凭借四大突破，有效助力以多模态认知为核心的通用人工智能发展。一是首次提出多层次、多任务跨模态自监督学习框架，支持从词条级走向模态级、样本级的三级预训练自监督学习方式；二是首次完成弱关联多模态数据语义统一表示，减少数据收集与清洗代价；三是首次实现多模态理解与生成任务的统一建模，支持跨模态检索、多模态分类、语音识别、图像生成等理解与生成任务；四是首次实现无监督超越有监督方法，基于5%—10%的数据标注，实现100%的有监督学习效果。
AI打破矩阵乘法计算速度纪录
解决了50年来数学领域一个悬而未决的问题
10月，英国《自然》杂志封面以“矩阵游戏”为题，发表了人工智能公司“深度思维”团队的最新发现：AI可以解决矩阵乘法问题。这款名为“AlphaTensor”的AI系统能自行发现新算法，从而解决了50年来数学领域一个悬而未决的问题——找到两个矩阵相乘最快的方法。这是第一个可为矩阵乘法等基本任务发现新颖、高效且正确算法的AI系统。
数学在计算机编程中经常出现，通常作为描述和操纵现实世界现象表示的一种手段。例如，它可用于表示计算机屏幕上的像素、天气状况或人工网络中的节点。在这种情况下，使用数学的主要方式之一，就是对矩阵进行计算。矩阵越大，工作量也越大，计算机科学家开始花费大量时间和精力开发更加有效的算法来完成相关工作。
在此次最新成果中，“深度思维”团队研究人员探究了是否有可能使用基于强化学习的AI系统来创建新算法，从而使计算步骤比现有算法更少。
为了找到答案，他们从游戏系统中寻找灵感。在构建了一些初步系统之后，研究团队将重点转向了树搜索，这是系统在特定情况下查看各种方案的一种方法。
接下来，研究人员将允许系统创建自己的算法，进一步提高效率。他们发现，在许多情况下，系统选择的算法比人类创建的算法更好。“深度思维”团队希望，未来AI能更多地用来帮助攻克数学和科学领域的一些重要的难题。
2022中国人工智能创新发展指数公布
全面反映我国人工智能发展态势
11月18日，第五届世界声博会暨2022科大讯飞全球1024开发者节开幕式上，中国电子信息产业发展研究院（又称赛迪研究院）发布了2022中国人工智能创新发展指数（合肥指数）。
http://picx.zhimg.com/v2-7194513ae4f333462bccb3c86937921f_r.jpg?source=1940ef5c
第五届世界声博会暨2022科大讯飞全球1024开发者节开幕式现场。图片来源：人民日报客户端发，科大讯飞供图
这是国内首个以地区冠名的全国性人工智能专题研究成果，旨在全面系统地反映我国人工智能的发展态势。中国电子信息产业发展研究院从发展环境、创新能力、基础配套、资本投入和产业实力5个维度，构建了中国人工智能创新发展指数，也就是“合肥指数”的评价体系。
近年来，我国人工智能步入与经济深度融合应用新阶段，智能化转型全面推进，人工智能产业在全球的影响力不断增强。2021年，我国人工智能的研发强度为19.4%，从业人数增加到31万人，占全球比重的5.3%。2017年至2021年，我国人工智能产业规模增长了2.6倍，占全球比重提升到16.8%。专利申请量占全球比重持续扩大，从2012年的13%增长到2021年的70.9%。创新能力上，我国人工智能研发投入力度不断加大，从业人数不断增加。
从总体指数来看，北京、广东和上海处于人工智能领域的领跑地位，安徽则紧随其后，排在全国的第6位。合肥已经成为人工智能领域、科技创新与产业发展最活跃的城市之一。
ESMFold预测六亿多种蛋白质结构
预测速度比“阿尔法折叠”快60倍
英国“深度思维”公司8月曾宣布，其开发的人工智能程序“阿尔法折叠”已预测出约100万个物种的超过2亿种蛋白质结构，几乎涵盖了科学界已编录的每一种蛋白质结构。但就在今年11月，元宇宙平台公司（Meta）研究人员利用人工智能模型ESMFold预测了来自细菌、病毒和其他尚未被表征微生物的6亿多种蛋白质结构。
在此次最新研究中，研究团队利用大型语言模型来预测这些蛋白质结构。据悉，语言模型通常需要大量文本进行训练，为将这一模型应用于蛋白质结构预测，研究团队利用已知的蛋白质序列来训练它，这些已知的蛋白质可由20个不同氨基酸组成的链来表达，每个氨基酸由一个字母表示。然后，ESMFold学会了用模糊的氨基酸比例“自动完成”蛋白质结构预测。
该团队负责人亚历山大·里维斯表示，这些训练让ESMFold对包含蛋白质形状信息的蛋白质序列有了直观了解。而且，与“阿尔法折叠”一样，这一模型能将这些了解到的信息与已知蛋白质结构和序列之间的关系信息结合，生成预测结构。
团队指出，ESMFold的预测虽然不像“阿尔法折叠”那么准确，但在预测速度上要快60倍，这意味着它可将结构预测数据库扩展到更大。
首创蛋白质动态结构AI建模方法
对理解生命过程、研发新型药物有着重要意义
12月8日，西湖大学公布了该校人工智能讲席教授李子青团队联合厦门大学、杭州德睿智药科技有限公司首创研发的能够刻画蛋白质构象变化与亲和力预测的AI模型——ProtMD。这是第一个尝试解析蛋白质动态构象的人工智能模型，可辅助药物化学专家更加精准地筛选出高活性小分子，从而加速临床前药物研发。
http://picx.zhimg.com/v2-9bfb1b06b976628a4c071ac3ba4f2919_r.jpg?source=1940ef5c
蛋白质构象变化轨迹建模（左框）以及模型用于药物分子亲和力预测和配体功效预测（右框）。图片来源：西湖大学
此前谷歌旗下公司研发的“阿尔法折叠2”能够利用人工智能准确预测蛋白质的三维结构，对结构生物学、药物设计乃至整个科学界都产生了巨大影响。但“阿尔法折叠2”只能预测蛋白质在一个瞬间的静态结构，尚未能解决蛋白质结构动态变化的预测。李子青团队此次开发的AI模型，在给定药物分子和靶点蛋白的情况下，可预测药物分子与生物体内靶点蛋白质结合（柔性对接）后蛋白质结构的变化过程，推断药物与靶标蛋白结合的稳定性，预测药物功能，从而提升AI药物设计的精度和效率。
李子青表示，预测蛋白质结构的动态变化对理解生命过程、研发新型药物都有着十分重要的意义。尤其在AI药物设计中，通过对药物分子与靶点蛋白结合后的动态结构变化进行预测，评估药物—靶点结合亲和力和药物效果，是提高AI药物筛选准确性和效能的重要思路。
多城市推动自动驾驶行业发展
我国自动驾驶行业正式向L3级迈进
2022年是自动驾驶行业具有里程碑意义的一年，有关政策密集出台，相关应用从研发测试走向大规模商业化试点。当前，全国近30个城市已累计为80余家企业发放了超过1000张道路测试牌照，允许高等级智能网联汽车在特定场景、特殊区域内开展规模化载人载物测试示范。越来越多的城市正在推进更高等级的自动驾驶商业化。
http://picx.zhimg.com/v2-f7948b428dcee47388650e5ed4418f37_r.jpg?source=1940ef5c
在国内首个乘用车无人化运营试点北京经济技术开发区，一辆“主驾无人、副驾驶配备安全员”的无人驾驶车在行驶中。新华社记者 彭子洋 摄
今年8月1日，《深圳经济特区智能网联汽车管理条例》开始实行，该条例提出L3级自动驾驶在行政区全域开放道路测试、示范应用，探索开展商业化运营试点，标志着我国自动驾驶行业正式向L3级迈进。
此后，重庆、武汉等地政府部门也先后发布了自动驾驶全无人商业化试点政策，并向百度发放全国首批无人化示范运营资格，允许车内无安全员的自动驾驶车辆在社会道路上开展商业化服务。
此外，为推动智能网联汽车产业健康有序发展，工业和信息化部会同公安部还组织起草了《关于开展智能网联汽车准入和上路通行试点工作的通知（征求意见稿）》，拟遴选符合条件的道路机动车辆生产企业和具备量产条件的搭载自动驾驶功能的智能网联汽车产品，开展准入试点；对通过准入试点的智能网联汽车产品，在试点城市的限定公共道路区域内开展上路通行试点。
AI绘画火了，AIGC元年开启
未来预计能够产生万亿级经济价值
今年8月，在美国科罗拉多州举办的新兴数字艺术家竞赛中，参赛者杰森·艾伦提交的AIGC绘画作品——《太空歌剧院》，获得了此次比赛“数字艺术/数字修饰照片”类别一等奖。没有绘画基础的杰森·艾伦借用了一款名叫Midjourney的AI绘图工具，通过一个类似“文字游戏”的过程，输入题材、光线、场景、角度、氛围等有关画面效果的关键词后，得到了初始作品，并在反复调整和修改后最终完成了这组“太空歌剧院”数字艺术作品。
这一年，AI绘画小程序、网站等开始迅猛增长，而美图秀秀、抖音等软件也加入了AI画图功能。抖音平台数据显示，截至12月6日，已有超2428.4万人使用该特效，迅速飙升至特效潮流榜第一位。AI绘画的百度指数也从日均两三千上升到日均3万，火爆程度可见一斑。
AI绘画的火爆也让AIGC这一概念逐渐进入大众视野。
http://picx.zhimg.com/v2-9aea3369bb100c35049696647565f805_r.jpg?source=1940ef5c
在世界人工智能大会上，用户输入文字，AI就能根据语意进行绘画创作。视觉中国供图
所谓AIGC（AI Generated Content），即基于人工智能技术自动生成内容的新型生产范式。其技术主要涉及两个方面：自然语言处理（NLP）和AIGC生成算法。其中，自然语言处理是实现人与计算机之间通过自然语言进行交互的手段。
最初，AIGC可生成的内容形式以文字为主，经过2022年指数级的发展，目前AIGC技术可生成的内容形式已经拓展到了包括文字、图像、视频、语音、代码、机器人动作等多种内容形式，2022年也因此被称为“AIGC元年”。生成式AI让机器开始大规模涉足知识类和创造性工作，未来预计能够产生数万亿美元的经济价值。
来源：科技日报
链接：晒科网 diffusion，AI绘画，很多上用了 进展及突破
[*]计算机视觉。取到了巨大的突破，个人感知比较明显的是：NeRF、diffusion models、大模型等技术的兴起促使行业落地成为可能，推测计算机视觉技术成熟周期从2-5年缩短到2年内。
[*]数据合成。数据合成技术取得了巨大进展，例如虚拟引擎、各种数据合成技术等。随着在计算机视觉和自然语言应用中的使用，各行各业的采用率都在增加，以通过原始数据的合成变化或部分数据的合成替换来训练机器学习(ML)模型时，避免使用个人可识别信息；降低ML开发的成本并节省时间；改进ML性能。
[*]生成式AI。融合不同的AI技术，以提高学习的效率，拓宽知识表示的层次。由于没有单一的人工智能技术是万能的，复合人工智能最终提供了一个平台，以更有效的方式解决更广泛的商业问题，这将导致行业动态的重大转变。
[*]边缘AI。例如自动驾驶、智能电动车、智能监控等各种智能终端设备。
http://pica.zhimg.com/v2-511ff18e7442f4a7e9744c661d949617_r.jpg?source=1940ef5c
25项新兴技术
[*]面向客户的数字孪生（Digital twin of the customer，简称DToC）
[*]去中心化身份（Decentralized identity，简称DCI）
[*]数字人 (Digital humans)
[*]内部人才市场（Internal talent marketplaces）
[*]元宇宙（Metaverse）
[*]不可替代代币（Non-fungible token ，简称NFT）
[*]超级应用（Superapp)
[*]Web3
[*]自主系统（Autonomic systems）
[*]因果人工智能（Causal artificial intelligence）
[*]基础模型（Foundation models）
[*]生成设计AI（Generative design AI）
[*]机器学习代码生成工具（Generative design AI）
[*]云数据生态系统（Cloud data ecosystems）
[*]增强版FinOps（Augmented FinOps ）
[*]云可持续性（Cloud sustainability）
[*]计算存储（Computational storage，简称CS）
[*]网络安全网格体系结构（Cybersecurity mesh architecture，简称CSMA）
[*]数据可观察性（Data observability ）
[*]动态风险治理（Dynamic risk governance，简称DRG）
[*]行业云平台（Industry cloud platforms）
[*]最小可行体系结构（Minimum viable architecture，简称MVA）
[*]可观察性驱动开发（Observability-driven development，简称ODD）
[*]OpenTelemetry
[*]平台工程（Platform engineering）
http://pic1.zhimg.com/v2-bc4a94013461a5e7f5667952ca8d7570_r.jpg?source=1940ef5c 全球权威的IT研究机构Gartner9月发布了“2022人工智能成熟度曲线（Hype Cycle for Artificial Intelligence (AI) ， 2022）”，确定了人工智能技术中的必知创新，这些创新超越了日常人工智能，已经被用来为以前静态的业务应用程序、设备和生产力工具添加智能。Gartner的首席分析师Afraz Jaffri表示， “要特别关注预计将在2-5年内达到主流采用的创新，包括复合人工智能、决策智能和边缘人工智能。
http://pica.zhimg.com/v2-ce94967074e132dc0c29ffac94fc4b3a_r.jpg?source=1940ef5c
图片来源于Gartner官网
报告中将人工智能创新分为4类：
1）以数据为中心的人工智能
2）以模型为中心的人工智能
3）以应用为中心的人工智能
4）以人为本的人工智能
[*]以数据为中心的人工智能
相较于传统上通过调整人工智能模型本身来改善方案结果，以数据为中心的人工智能将重点转移到增强和丰富用于训练算法的数据上。
以数据为中心的人工智能的创新包括合成数据、知识图谱、数据标签和注释。
例如，合成数据是一类人工生成的数据，而不是从现实世界的直接观察中获得的数据。可以使用不同的方法生成数据，例如从真实数据中进行统计严格抽样、语义方法和生成对抗网络，或者通过创建模型和过程交互的仿真场景来创建全新的事件数据集。 因其可以通过对原始数据合成变化从而避免直接使用个人信息、同时更便宜和易得，所以将在机器学习开发中被广泛采用。
[*]以模型为中心的AI
这里的创新包括基于物理的人工智能、复合人工智能、因果人工智能、生成人工智能、基础模型和深度学习。
复合人工智能是指融合不同的人工智能技术，以提高学习效率，拓宽知识表示水平。复合型人工智能产生的前提在于，任何一种人工智能方法都不能解决所有问题。复合型人工智能将“连接主义”派别的方法（如机器学习）与“符号主义”等派别的方法（如基于规则的推理、图分析、基于主体的建模和优化技术等）相结合，旨在减少人工智能解决方案学习时所需的数据和能量，使抽象化机制发挥更大作用。预计将在2-5年内达到主流采用
因果人工智能包括不同的技术，如因果图和仿真，有助于发现因果关系以改善决策。因果人工智能的好处包括：
l 将领域知识添加到具有较小数据集的自举因果AI模型从而提升效率
l 人工智能系统中更大的决策增强和自治
l 通过捕捉易于解释的因果关系来提高可解释性
l 通过利用在不断变化的环境中仍然有效的因果关系，提高稳健性和适应性
l 通过使因果联系更加明确来减少人工智能系统中的偏见
但因果人工智能至少需要5到10年的时间才能被主流采用
[*]以应用为中心的人工智能
这里的创新包括人工智能工程、决策智能、操作人工智能系统、模型运算、人工智能云服务、智能机器人、自然语言处理（NLP）、自动驾驶汽车、智能应用和计算机视觉。
决策智能和边缘人工智能都有望在2-5年内成为主流采用，并具有变革性的业务优势。
决策智能是一门实用的学科，它通过清楚理解并精心设计作出决策的方式，以及根据反馈评估、管理和改进结果的方式来改进决策。有助于通过正确捕捉和考虑业务环境中的不确定性因素并使决策模型更具弹性，减少决策结果的不可预测性。
http://pica.zhimg.com/v2-ee5fb99ff6ee8fea1ec38a252a5c9d6f_r.jpg?source=1940ef5c
决策产生的路径依然没有得到完全解释，正如图中水下的庞大冰山，图片来自https://www.sohu.com/a/595277727_121255906
边缘人工智能是指在从自动驾驶汽车到流媒体分析的应用程序中使用嵌入在物联网（IoT）端点、网关和边缘服务器中的人工智能技术。它的优势包括：提高运营效率，如制造视觉检测系统、增强客户体验、通过使用本地分析，减少决策延迟、降低连接成本，减少边缘和云之间的数据流量、持久的解决方案可用性，与网络连接无关。
[*]以人为本的人工智能
这组创新包括人工智能信任、风险和安全管理（TRiSM）、人工智能伦理（responsible AI）、数字伦理以及人工智能制造商和教学套件。
当人工智能取代人类决策时，它会放大好的和坏的结果。人工智能伦理（responsible AI）通过解决根植于交付价值和容忍风险的困境来实现正确的结果。人工智能伦理是一个总称，指在采用人工智能时做出适当的商业和道德选择的各个方面，包括商业和社会价值、风险、信任、透明度、公平、偏见缓解、可解释性、问责制、安全、隐私和法规遵从性。人工智能伦理将需要5到10年的时间才能被主流采用，但最终将对商业产生变革性影响。
数字伦理是一个较近的趋势（2-3年），可能会产生很大的商业影响。数字伦理包括人、组织和事物之间进行电子互动的价值观和道德原则体系。这些问题，尤其是与隐私和偏见有关的问题，仍然是许多人关注的问题。人们越来越意识到他们的信息是有价值的，对缺乏透明度、滥用和违规感到沮丧。组织正在采取行动降低管理和保护个人数据的风险，而政府正在实施更严格的立法。
总之，Gartner的这份成熟度曲线报告提醒了我们应该尽早关注预计将在2-5年内达到主流采用的创新，包括复合人工智能、决策智能和边缘人工智能。
参考资料：
1、What’s New in Artificial Intelligence from the 2022 Gartner Hype Cycle
2、AI潮向：计算机视觉进入成熟期，复合型AI与决策智能五年内将成主流_技术_应用_数据
<hr/>传播先进文化、推动社会进步，蒙您欢喜，不要忘记点赞、分享、关注@清华大学出版社 IT专栏
哦~
页:
[1]