2022年值得关注的8大人工智能趋势

  人工智能（AI），从其问世以来，一直深受关注。近年来，AI技术的发展虽然如火如荼，但在实施环节也会存在一些“断点”。

NLP（自然语言处理）技术是AI技术中最困难的问题之一，被比尔•盖茨誉为“人工智能皇冠上的明珠”。它就好似机器人的大脑，可以处理有关逻辑判断与分析的工作。

  聊天机器人（Chatbot）是NLP技术在业界落地最热门的风向之一。有不少企业已开始将聊天机器人作为客户服务的“第一梯队”，去处理相对简单的、重复的问题。

  进入2022年，人工智能还有哪些新的趋势值得我们关注？

《最后的未来主义者》（Last Futurist）主编、“业余未来学家”——Michael Spencer，给我们列了一份清单。

一、AI-on-5G

  2022年，工业AI和AI-on-5G物联网应用将会成为主流。想象一下，当我们以元宇宙为目标的时候，我们对物理空间的升级方式同样令人印象深刻。

  AI-on-5G组合计算基础设施为传感器、计算平台和人工智能应用的整合提供了一种高性能、安全的链接结构，无论是在现场、场所还是云端中。具体包括：

汽车系统；

智能空间；

工业 4.0，如新的自动化和机器人系统。

  AI-on-5G通常与无线环境中的超低延迟、保证服务质量以及提高安全性有关。人工智能和工业物联网解决方案的融合，以及边缘人工智能的发展，使得这一切成为可能，并更容易实现。

二、生成式人工智能

  生成式人工智能，或评估现有数据（如文本、音频或视觉文件）的算法，主要识别该数据的基本模式，然后复制该模式以生成类似的内容。这种算法正在逐步改进。随着模型的输入数据的变化和业务结果的变化，模型本身也需要调整。缺乏维护会导致人工智能算法最终丧失价值。

  具体来说，生成式人工智能包括多种技术：

生成对抗网络：

  生成对抗网络是两个神经网络：一个生成器和一个判别器，它们相互竞争，以找到两个网络之间的平衡。生成器网络负责生成与源数据相似的新数据或内容。判别器网络负责区分源数据和生成的数据，以便识别哪些数据更接近原始数据。

Transformer：

  像GPT-3、LaMDA和Wu-Dao这样的 Transformer模拟了认知注意力，并对输入数据部分的重要性进行差异测量。它们被训练来理解语言或图像，学习一些分类任务，并从大量数据集中生成文本或图像。

变分自编码器：

  编码器将输入编码为压缩码，而解码器则从该码中重现初始信息。如果选择和训练正确，这种压缩表示将输入数据分布存储在一个更小的维度表示中。

三、增强的人类和人工智能混合劳动力的到 

  虽然工作流管理是工作中的新常态，但未来的工作更多的是在增强的环境中与人工智能配对。所有重复性的工作都是可能实现的，并且将是自动化的。

  无论你从事的是人力资源、行政、营销、销售还是工程领域，随着人工智能 / 机器学习工具的不断增加，你的工作效率也会提高。这也只是未来工作的一个常规部分。

  例如，人工智能 / 机器学习技术在诸如法学和医药等知识领域中得到了广泛的应用，以浏览不断增加的数据量，并为特定任务找到正确的信息。因此，许多白领工作都有很大的提升空间，他们可能会创造出更有成效的工作，使他们能够做自己擅长的事情。

  在每个行业中，都会涌现出人工智能驱动的智能工具，这些工具可以帮助该行业的个人高效工作。这通常被称为增强型劳动力或人类 - 人工智能混合工作。

四、IT中的云计算和边缘管理

  虽然边缘计算正迅速成为许多企业的必备工具，但部署仍处于早期阶段。云计算和边缘原生业务流程将在IT领域占据更多的主导地位，并在商业世界中更加无处不在。

  一些人认为人工智能管理将成为IT部门的责任。为了应对与可管理性、安全性和规模有关的边缘计算挑战，IT部门将转向云原生技术。例如，作为容器化微服务的平台，Kubernetes 已经成为大规模管理边缘人工智能应用的主要工具。

  那些在云端上使用 Kubernetes 的 IT 部门可以利用他们的经验来构建自己的边缘云原生管理方案。预期将会有更多的第三方和相关的服务被采用。

五、人工智能在网络安全中的应用

  现代企业环境中的网络攻击面是巨大的，并且它还在继续快速增长。这意味着，分析和改善一个组织的网络安全态势需要的不仅仅是人类的干预。人工智能在各个领域都有很好的应用前景，而网络安全正是其中的一项重要内容。具体包括：

威胁检测；

战斗机器人；

端点保护；

违约风险保护；

服务停机保护。

  在网络安全方面，人工智能的作用必须通过自动化来提高。有69%的机构相信，人工智能是处理网络攻击的必备条件，但是这一领域在2022到2032年期间都有升级的需求。

六、更大更好的语言模型

  OpenMind的GPT-4将能够做什么？北京智源人工智能研究院（Beijing Academy of Artificial Intelligence，BAAI）是否能跟上步伐？2022年将回答很多问题，即更大、更好的语言模型将如何能够创造新的工作、新的应用程序和新的商业模式——新型技术创业公司将改变互联网，并在元宇宙中帮助我们组织内容。

  更大的人工智能模型也许可以让人工智能完成一些事情，也可以让它学习一些新的可能性。人工智能和机器学习模型需要海量数据，这些模型将继续扩大，并利用更大的数据集来做出越来越准确的决策。

  虽然OpenAI的大规模生成性预训练 Transformer（GPT）模型的持续发展成为时尚的头条新闻，但DeepMind、微软研究院以及其他公司的做法也值得关注。围绕着高度进化的大型人工智能语言模型，已经出现了几十家新的初创公司。

2022年，它将把我们引向何处？

  一些分析家认为或透露，GPT-4可能包含大约 100万亿个参数，使其比GPT-3大500倍。我们可以推测，这一发展朝着离创造能够发展语言并进行与人类无异的对话的机器又近了一步。

七、人工智能在元宇宙中的应用

  人工智能在元宇宙和虚拟现实中更多的沉浸式工作和社交场景中可能会有哪些应用，并与消费者脑机接口的演变有关？手机最终将如何被颠覆？

  元宇宙是一个术语，是指一个环境，更具体地说是一个数字环境，多个用户可以一起工作和游戏。如果我们今天在有愚蠢算法和推荐引擎的平台上游戏，那么明天的人工智能确实会帮助我们在虚拟世界中导航和监控我们未来的工作、社交和约会生活？

  新类型的应用程序、更智能的数字代理、深度造假人类（实际上是机器人），所有这些都在互联网的未来等待着我们，似乎是元宇宙产品。

八、人工智能的民主化和可达性代码 / 无代码人工智能

  人工智能是否会真正实现民主化？在一个更加自动化的世界里，亿万富翁创造的财富会不会分配给我们其他人？在这个意义上，拯救地球的不是加密技术，而是低代码 / 无代码人工智能。

  在未来，人们无需昂贵的工程师团队，也无需非常专业的技能，就可以开始新的业务。尽管今天对人工智能工程师的需求很高，但是我们可以设想一个完全不同的世界。一个人工智能可以自己编码的世界。人工智能最终将能够修改自己的代码，在2022年，我相信我们会在这个方向上取得突破性进展。

  今天，组织面临的主要挑战之一是缺乏能够研发出所需要的工具和算法的有经验的人工智能工程师。随着无代码或低代码解决方案的出现，这一挑战可以通过提供简单而直观的界面来解决，这些界面可以用来创建人工智能上的复杂系统。

  随着我们加快人工智能在商业中的应用，并升级人工智能流程，随着程序员与人工智能 - 人类系统的合作，我们通过软件工程来制造产品的方法将会发生根本性的变化，并更容易被所有人接受，从而以更分散的方式分配其部分价值。

代码 / 无代码人工智能

  RPA与人工智能的关系，比我们想象的要更为紧密。我们可以将其理解成为人类的双手和大脑。

  人工智能，通常扮演人类大脑的角色，主要负责发出命令，具备“思考”与“学习”的能力。一方面，AI结合机器学习、深度学习，拥有了自主学习能力；另一方面，其通过计算机视觉、语音识别、自然语言处理等技术具备了认知能力；另外，AI还可以通过大数据不断矫正自己的行为，从而有预测、规划、调度以及流程场景重塑的能力。

  RPA，则更多地扮演着人类双手的角色，擅长重复地接收并执行命令，具有“动手”的能力。RPA作为一种软件机器人，需要依靠固定的脚本来执行命令，擅长执行基于明确规则，大量重复且机械性的工作。RPA无法独立思考，只能死板地按照人给它预设好的程序工作。

  AI主要以数据为中心，而RPA则高度以流程为中心。在具体的工作中，RPA可以将重复且机械的工作流程自动化，同时为人工智能提供大量数据。AI则根据RPA提供的数据，进行自主学习、模仿并将相关流程予以改进。

AI嵌入RPA，变身“超级机器人”

  毫无疑问，各行各业因为大幅爆发的数据而变得蒸蒸日上。谷歌、微软、脸谱等巨头每年都会花费数十亿美元用于抓取和存储数据的开发工作。而RPA+AI的组合，将会进一步打通企业数据的难题。

  通常企业的数据主要分为两大类：结构化数据和非结构化数据。

1、结构化数据

  即行数据,存储在数据库里，可以用二维表结构来逻辑表达实现的数据。大多数公司都在使用机器可理解并查询的结构化数据。

RPA天生就是处理结构化数据的能手。RPA通过记录人工操作的行为、依据人工操作规则，模拟人类员工自动执行一系列特定的工作流程。具备出错率低、效率高等特点。

2、非结构化数据

  包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频、视频信息等等。非结构化数据很难甚至不可能通过算法解释。大多数公司目前仍处于从非结构化数据中提取信息的阶段，而实现零接触操作更重要的在于处理非结构化数据的能力。

  搭载OCR、NLP等AI技术的RPA，对于非结构化数据的识别与提取将会绰绰有余。

  广泛应用RPA只是企业迈向智能化的第一步。伴随RPA技术的飞速发展，未来RPA与AI的“世纪组合”，将会在更多的行业掀起变革的潮流。

  麦肯锡曾预测，到2025年，全球人工智能应用市场规模总值将达到1270亿美元，并将成为智能产业领域发展的新突破点。在这样的发展中，RPA+AI必将大有可为。