为什么人工智能（AI）将成为 2023 年及以后的技术？
审视其过去、现在和未来
仅在10年前，几乎没有任何机器能够可靠地识别语音或图像。今天，机器已经学会在许多任务中胜过人类。最近几个月，我们看到了人工智能能力的进步，甚至给怀疑论者留下了深刻印象。正如一位研究人员所说，这是一个 “黄金十年”。在2023年及以后，我们将看到更多这样的系统（特别是像ChatGPT这样的生成性人工智能系统）在许多领域补充或取代我们人类创造者。
每年都会有新的技术成就：区块链、3D打印、Web 3.0和元空间。那么，2023年的技术是什么？
人工智能（AI）。 虽然我在这项技术上已经有10年的深入研究，但我们正处于人工智能的重大飞跃之中。就在过去的几个月里，我们看到了人工智能能力的进步，甚至让怀疑论者都感到震惊。但首先，让我们退后几步，看看人工智能在过去十年的演变。
Index
2012-2014年–图像识别、阅读理解和语言理解的雏形
一些研究人员说，2012年是深度学习的一个里程碑。正是在这一年，谷歌的研究人员建立了一个由16000个处理器组成的大型神经网络，拥有10亿个连接，可以识别猫的图片和视频。这是强化学习的一个例子，它与监督学习和概率程序归纳一起，是过去十年中非常成功的人工智能框架之一。识别猫的图像可能看起来是一个小成就。然而，在当时，机器刚刚开始使用深度学习进行图像识别。2012年，图像识别仍处于起步阶段，将人工智能与人类表现进行比较的测试发现，人工智能的表现约为-40，仍低于人类的表现（此处为零基线）。除了图像识别，十年前人工智能在其他任务上的表现甚至不如人类，如阅读理解和语言理解。尽管2013年发明了语义机器学习系统NELL（Never-Ending Language Learning），但人工智能仍然无法可靠地完成语言处理任务。随着2014年Alexa的发明，人工智能识别语音的能力有了很大的提高，在这之前，苹果的Siri允许用户通过语音控制他们的手机。然而，人工智能理解语音的能力仍然不如人类。在接下来的几年里，人工智能在语言理解方面的表现达到了优于人类的水平。这是由于语音识别的改进，语言处理和相关神经网络语言模型的进步，以及信息组织。尽管人工智能系统在撰写长而连贯的文本方面仍有困难，但像 “ChatGPT “这样的聊天机器人显示了迄今为止已经取得的巨大进步。
2015 – 2017年人工智能开始优于人类
2015年是允许任何人创建表达式人工智能模型的一年。在2011年IBM自己的人工智能系统 “Watson “因击败Jeopardy！冠军Ken Jennings而成名后，一些开源的机器学习平台进入市场（例如谷歌的开源深度学习框架TensorFlow）。这使公司和开发人员能够以新的方式使用这项技术。此外，今年在人脸和图像识别方面也取得了关键进展。今年还举办了第十届ImageNet大规模视觉识别挑战赛（ImageNet是一个标准化的数百万张照片的集合，用于训练和测试视觉识别程序）。2016年，深度强化学习–神经网络和强化学习的结合–在谷歌的AlphaGo击败世界上最好的围棋选手时在人工智能界引起了很大的反响。此外，2017年推出了Transformer，它增加了自我监督学习模型与深度神经网络的使用。今天，这些Transformer模型是自然语言处理（NLP）的主流方法，包括机器翻译和谷歌网络搜索等应用。
2018 – 2019年 医学中的数据安全、语言处理和人工智能
由于剑桥分析公司的丑闻，2018年是数据安全话题达到高峰的一年。与此相呼应，麦肯锡的一项调查发现，在2018年，风险是大多数受访者认为人工智能有价值的功能之一。此外，语音处理在2018年BERT的发展上有了很大的飞跃。BERT是一个神经网络语言模型的例子，它可以学习不同语境下的单词用法、语法、意义和基本事实。通过同时连接单词序列，而不是从左到右串起来，像BERT这样的模型可以生成与人类生成的文本几乎没有区别的摘要。这些语言处理模型对于支持聊天机器人等应用至关重要，并在过去十年中提供了巨大的进展。另外，在2019年，研究人员开始开发一个人工智能系统，在检测肺癌方面优于人类放射科医生。这是通过一种深度学习算法实现的，该算法可以解释计算机断层扫描（CT）扫描，以预测疾病的可能性。
2020 – 2021 由于大流行病的影响，人工智能进展迅速
2020年，由于COVID 19大流行病，人工智能的发展得到了推动和加速。人工智能在加速疫苗开发方面发挥了作用，通常需要几十年的时间。相反，由于人工智能帮助研究人员分析了大量的数据，这一过程被缩短了。全球企业投资680亿美元，在2019年和2020年之间增长40%，说明了人工智能的增长。此外，仅2021年与人工智能创新有关的专利申请数量就将是2015年的30倍，显示了人工智能发展的快速进步。去年，研究界主要关注将人工智能应用于计算机。在这个子领域中，机器被教导理解图像和其他视觉材料，使它们能够在图像分类、识别物体、映射人类关节的位置和运动以及识别人脸方面表现良好。
今天，我们不可能想象没有人工智能的生活。
人工智能（AI）在过去十年中经历了快速发展。就在10年前，几乎没有任何机器能够可靠地识别语音或图像。今天，机器已经学会在许多任务中胜过人类。例如，人工智能系统可以在你知道丢了卡之前发现欺诈性扣款，或者检查发放贷款的要求。人工智能在我们的日常生活中识别模式并评估选项。我喜欢哪个Instagram帖子，让我留在社交媒体平台上，亚马逊上哪个价格鼓励我购买，以及我是否想把我的AirPods留在家里。在过去的几个月里，特别是 “生成性人工智能 “的爆发–创造新可能性的系统。我们已经看到了人工智能能力的进步，甚至给怀疑论者留下了深刻印象。
生成式人工智能的烟花表演
在几个月内，三个不同的图像生成AI被发布。Dall-E、Midjourney和Stable Diffusion。你输入一个文本，几秒钟内就能生成一个图像。问 “一个宇航员在火星上骑马”，AI就会启动。2022年6月，Midjourney的一幅图像登上了《经济学人》的封面，另一幅图像在科罗拉多州博览会上获得了奖项。预示着2023年将会发生什么。
对我来说，文本生成人工智能方面的发展更加令人激动。美国初创公司OpenAI以其聊天机器人 “ChatGPT “在世界范围内引起了热议。这个聊天机器人模仿了人脑的神经网络。该机器人可以进行类似人类的对话，甚至对更复杂的技术问题和对话给出令人信服的答案。这是人工智能系统的一个重要里程碑，因为语言处理已被证明是过去人工智能最困难的任务之一。
人工智能在企业中的应用越来越多
今年的人工智能状况报告显示，工业界的进展也在加速。在2020年，没有一种药物的临床试验是采用人工智能优先的方法开发的。今天，有18种。 BioNTech的一个人工智能系统在世卫组织的跟踪系统发现之前几个月就成功地识别了许多高风险的科维德变体。
根据麦肯锡的数据，自2017年以来，人工智能的使用已经增加了一倍以上。机器人自动化和计算机视觉是每年使用最广泛的AI功能。此外，对人工智能的投资也在增加。今天，52%的受访者表示，他们的数字预算中有5%用于AI投资。在2017年，受访者的这一比例仍为40%。
然而，人工智能的应用仍然集中在人工智能领域的佼佼者。这意味着，那些在人工智能领域处于领先地位的公司如今仍在建立自己的竞争优势。这些人工智能领军企业更多地参与 “人工智能产业化”，将其人工智能战略与核心业务实践联系起来。这些公司之所以能持续保持优异表现，是因为它们比人工智能落后者投入更多、花费更多，从而吸引了更多更好的（技术）人才。
人工智能的未来会怎样？
到 2023 年，我们将看到更多这样的系统在许多领域补充或取代我们人类创造者。视频生成和定制媒体的创建正在开发中。(Siri，给我播放一部 90 分钟的电影，讲述一位首席执行官放弃自己的职业生涯，以演员的身份发家致富的故事，史蒂文-斯皮尔伯格风格”）。
尽管人工智能已经取得了巨大进步，越来越多的公司采用了人工智能，但在我们能够制造出完全通用的人工智能系统之前，仍有大量研究工作要做。未来几年，我们将看到自监督学习模型、持续学习和任务泛化方面的进一步进步。例如，神经网络语言模型（如 BERT）的未来应用可以实现跨语言和跨语境的人机交互。我们有可能获得更高质量的小语种数据，人工智能系统中的偏差也将更容易被发现和消除。因此，我们有望看到人工智能聊天机器人（如 “ChatGPT”）变得更像人类，并得到更广泛的应用，例如在中小学和大学。
未来几年，我们将看到越来越多的人脸识别技术被用于门禁控制和安防。中国是最突出的例子之一，政府几乎已将面部识别技术完全植入社会。不过，是否会有更多国家效仿中国的做法还有待观察，因为人工智能在社会中的普及很可能会引发隐私、监控和伦理方面的问题。
可以肯定的是，未来几年，人工智能的应用和投资将继续增长。事实上，根据麦肯锡的调查，63% 的受访者表示，他们的人工智能投资将在未来几年内增加，产生积极的收入效应和降低成本等效益。到 2025 年，人工智能相关企业应用的全球收入预计将达到 310 亿美元。然而，人工智能的发展必须透明，并加以管理，以解决隐私和道德问题。因此，政府和企业必须在今天制定人工智能法律，为未来的人工智能发展提供指导。
Comments are closed.