2022年已經(jīng)過去，又到了一年一度展望未來發(fā)展的特別時期。依照慣例Ai時代前沿組織收集一波關(guān)于未來科技和趨勢的文章，以饗讀者。

近幾年來，人工智能一直在高速增長，似乎任何東西都難以阻止。隨著勢頭的增強(qiáng)，2023年人工智能將朝哪個方向發(fā)展？專家們有話說。

許多人工智能項目構(gòu)思不周，導(dǎo)致最終失敗。Pecan AI聯(lián)合創(chuàng)始人兼首席執(zhí)行官Zohar Bronfman表示，2023年，在評估人工智能的功效時，企業(yè)將更加警惕。

“2023年，企業(yè)領(lǐng)導(dǎo)人將比過去更加嚴(yán)格地評估潛在的數(shù)據(jù)科學(xué)項目。這些項目往往無法產(chǎn)生真正的影響，因為它們與業(yè)務(wù)需求不一致，或者因為它們從未投入生產(chǎn)。隨著數(shù)據(jù)科學(xué)所涉及的費用和時間承諾，領(lǐng)導(dǎo)者將更加仔細(xì)地審查擬議的工作，并尋求正確的計劃。” Bronfman說：“我們將繼續(xù)努力，以確保在短期內(nèi)根據(jù)模型的輸出能夠促進(jìn)業(yè)務(wù)改進(jìn)行動，或者在資源浪費之前停止?！?/p>

2023年，對數(shù)據(jù)科學(xué)家的需求將繼續(xù)增加。Domino數(shù)據(jù)實驗室的首席執(zhí)行官兼聯(lián)合創(chuàng)始人Nick Elprin預(yù)測，對GPU進(jìn)行深度學(xué)習(xí)模型訓(xùn)練的需求也將如此。

“人工智能的最大改進(jìn)來源是在訓(xùn)練系統(tǒng)中部署深度學(xué)習(xí)，尤其是Transformer模型，旨在模擬人類大腦神經(jīng)元動作的任務(wù)。這些突破需要巨大的計算能力來分析大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)集。與CPU不同，圖形處理單元（GPU）可以支持深度學(xué)習(xí)工作負(fù)載所需的并行處理。這意味著在2023年，隨著更多基于深度學(xué)習(xí)技術(shù)的應(yīng)用程序涌現(xiàn)，從翻譯菜單到治療疾病，對GPU的需求將繼續(xù)飆升”。

支持這一觀點的是英偉達(dá)DGX系統(tǒng)副總裁Charlie Boyle，他希望明年能銷售更多的GPU。

“2023年，無法支持并行處理的低效、基于x86的傳統(tǒng)計算架構(gòu)將被加速計算解決方案所取代，這些解決方案將提供構(gòu)建語言模型、推薦引擎等所需的計算性能、規(guī)模和效率。在經(jīng)濟(jì)逆風(fēng)中，企業(yè)將尋求能夠?qū)崿F(xiàn)目標(biāo)的AI解決方案，同時簡化IT合作流程和提高效率。使用軟件在基礎(chǔ)設(shè)施中集成工作流的新平臺將實現(xiàn)計算性能突破，降低總體擁有成本，減少碳足跡，加快變革性人工智能項目的投資回報，取代更浪費、更陳舊的架構(gòu)?！?/p>

你認(rèn)為雇傭一名合格的數(shù)據(jù)科學(xué)家需要多久？有人開玩笑說就像發(fā)現(xiàn)一只獨角獸一樣困難。Kyndi創(chuàng)始人兼首席執(zhí)行官Ryan Welsh認(rèn)為2023年會是世界達(dá)到“數(shù)據(jù)科學(xué)家高峰”的一年。

“數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)工程師的短缺一直是企業(yè)實現(xiàn)人工智能價值的瓶頸。結(jié)果發(fā)生了兩件事：越來越多的人追求數(shù)據(jù)科學(xué)學(xué)位和認(rèn)證，增加了數(shù)據(jù)科學(xué)家的數(shù)量；以及供應(yīng)商提出了新的方法，以盡量減少數(shù)據(jù)科學(xué)家在人工智能生產(chǎn)中的參與。這兩個趨勢同時干擾導(dǎo)致“數(shù)據(jù)科學(xué)家峰值”。因為隨著基礎(chǔ)模型的出現(xiàn)，公司可以在這些模型的基礎(chǔ)上構(gòu)建自己的應(yīng)用程序，而不是要求每個公司從頭開始訓(xùn)練自己的模型。更少的定制模型訓(xùn)練需要更少的數(shù)據(jù)科學(xué)家，同時更多的人正在畢業(yè)。在2023年，預(yù)計市場會做出相應(yīng)反應(yīng)，導(dǎo)致數(shù)據(jù)科學(xué)過度飽和”。

數(shù)據(jù)科學(xué)工具提供商Dataiku的負(fù)責(zé)人工智能主管Triveni Gandhi預(yù)測，有望看到合乎道德的人工智能繼續(xù)吸引企業(yè)的關(guān)注和資源。

“雖然我們在新聞中看到了一些公司削減道德人工智能崗位的新聞，但事實是，大多數(shù)公司將繼續(xù)投資于其道德人工智能團(tuán)隊。這一資源對于人工智能的規(guī)模和運(yùn)營至關(guān)重要，有助于公司確信其人工智能輸出符合其價值觀，并以穩(wěn)健可靠的方式執(zhí)行。此外，道德人工智能小組讓用戶相信他們正在與之互動的產(chǎn)品是經(jīng)過考慮的，并滿足安全和信任方面的期望。對于任何一家公司來說，要想保持領(lǐng)先地位，必須建立一個合乎道德的人工智能團(tuán)隊?！?/p>

深度學(xué)習(xí)的困境之一是預(yù)測模型的黑箱性質(zhì)。圖形數(shù)據(jù)庫制造商Franz的首席執(zhí)行官Jans Aasman表示，解決這一問題的一種方法是在2023年將人工智能與因果知識圖配對。

“未來幾年，因果人工智能將出現(xiàn)增長，首先是創(chuàng)建發(fā)現(xiàn)事件之間因果關(guān)系的知識圖。醫(yī)療保健、制藥、金融服務(wù)、制造業(yè)和供應(yīng)鏈組織將把特定領(lǐng)域的知識圖與因果圖聯(lián)系起來，并進(jìn)行模擬，以超越依賴歷史數(shù)據(jù)的基于相關(guān)性的機(jī)器學(xué)習(xí)。因果預(yù)測有可能通過使因果關(guān)系透明來提高人工智能的可解釋性”。

圖形數(shù)據(jù)庫制造商N(yùn)eo4j的產(chǎn)品營銷高級主管Maya Natarajan也預(yù)見到圖形和AI的結(jié)合會取得明顯進(jìn)展。

Natarajan表示：“企業(yè)將繼續(xù)尋找最佳方式，以利用知識圖來實現(xiàn)負(fù)責(zé)任的人工智能。通過利用知識圖提供的上下文，組織可以提高道德決策的準(zhǔn)確性，通過保持?jǐn)?shù)據(jù)流的來源來提高可解釋性，并通過開辟新的分析方法來幫助減輕偏見?！?/p>

明年人工智能將發(fā)現(xiàn)矢量數(shù)據(jù)庫更具魅力。Pinecone創(chuàng)始人兼首席執(zhí)行官Edo Liberty就是這么認(rèn)為的，Pinecone是矢量數(shù)據(jù)庫市場的早期領(lǐng)導(dǎo)者之一。

“隨著人工智能的不斷發(fā)展和越來越廣泛的應(yīng)用，將相應(yīng)地需要更先進(jìn)和可擴(kuò)展的基礎(chǔ)設(shè)施來支持其開發(fā)和部署。人工智能基礎(chǔ)設(shè)施投資的一個關(guān)鍵領(lǐng)域?qū)⑹菍ｉT的數(shù)據(jù)基礎(chǔ)設(shè)施，如矢量數(shù)據(jù)庫，其設(shè)計用于存儲和處理現(xiàn)代ML模型生成的大量數(shù)據(jù)。Liberty表示：“這將加速人工智能系統(tǒng)的開發(fā)和部署，這些系統(tǒng)在許多領(lǐng)域?qū)⒊^上一年的應(yīng)用?！?/p>

近年來，公司不斷增加對人工智能的使用，取得了喜憂參半的成績。但SAS咨詢業(yè)務(wù)解決方案經(jīng)理Kimberly Nevala預(yù)測，2023年，人工智能將進(jìn)入“少就是多”的增長階段。

“隨著組織意識到“少即是多”，人工智能將激增，并悄悄地將重點從大規(guī)模創(chuàng)新作為目標(biāo)變?yōu)閼?yīng)用于更廣泛的小決策點和行動，其集體影響大于各部分的總和。矛盾的是，作為組織和重要員工需要對這些技術(shù)有廣泛的認(rèn)識，并能自如地使用?！?/p>

所以你已經(jīng)在GPU上投入了大量資金來訓(xùn)練你的神經(jīng)網(wǎng)絡(luò)。你怎么處理它呢？SQream產(chǎn)品副總裁Matan Libis表示，總有一些SQL查詢需要額外的馬力。

“為AI/ML重復(fù)使用計算資源的能力對企業(yè)來說是一個激動人心的寶貴機(jī)會。重復(fù)使用不僅減少了AI所留下的碳足跡，而且更便宜的全球數(shù)據(jù)存儲解決方案的普遍增加也減少了對GPU硬件的依賴。此外當(dāng)您不需要將數(shù)據(jù)從一個地方移動到另一個地方時，可以降低延遲。然而，一旦企業(yè)在一個地方準(zhǔn)備數(shù)據(jù)，在另一個地方進(jìn)行訓(xùn)練，并將推理轉(zhuǎn)移到再一個地方，希望通過簡化流程，我們將看到AI/ML能力的準(zhǔn)確性和速度都有巨大的提高?！?/p>

深度學(xué)習(xí)公司Deci的首席執(zhí)行官兼聯(lián)合創(chuàng)始人Yonatan Geifman表示，云計算的高成本正在給每個人帶來壓力，但人工智能用戶可以通過優(yōu)化模型來對抗成本攀升。

“一直在云環(huán)境中運(yùn)行人工智能模型的企業(yè)正在看到高性能云處理可能會給他們帶來的財務(wù)損失。2023年，可能會看到更多公司尋求降低人工智能推理云成本。實現(xiàn)這一點的最有效方法之一是在保持其準(zhǔn)確性的同時提高人工智能模型速度，減少在云上的處理時間，并有效地節(jié)省了資金。”

Evinced首席科學(xué)家Yossi Synett預(yù)測，2023年，我們將看到無需標(biāo)記數(shù)據(jù)的自我監(jiān)督機(jī)器學(xué)習(xí)技術(shù)取得更多突破。

“阻礙人工智能發(fā)展的一個因素是缺乏高質(zhì)量的標(biāo)簽數(shù)據(jù)。雖然我們今天已經(jīng)看到了進(jìn)展，但2023年仍將繼續(xù)增長。我們正在尋找越來越多的方法，使用自我監(jiān)督學(xué)習(xí)對模型進(jìn)行預(yù)訓(xùn)練，然后根據(jù)特定任務(wù)對模型進(jìn)行微調(diào)。這方面最好、最有效的例子是NLP（自然語言處理），其中稱為掩蔽語言建模（使模型預(yù)測句子中隱藏的單詞）和因果語言建模（讓模型預(yù)測句子中下一個單詞）的技術(shù)徹底改變了游戲規(guī)則。由于自我監(jiān)督學(xué)習(xí)不需要標(biāo)記數(shù)據(jù)，而微調(diào)需要的標(biāo)記數(shù)據(jù)要少得多，這使得訓(xùn)練復(fù)雜模型變得更加容易?？捎糜诟玫剡x擇標(biāo)簽示例，這進(jìn)一步減少了AI項目的財務(wù)障礙?！?/p>

富國銀行（Wells Fargo）首席執(zhí)行官兼集團(tuán)首席信息官Chintan Mehta表示，要做好準(zhǔn)備，讓人工智能在2023年達(dá)到更高的水平，采用新的用戶交互模式，更好地理解意圖。

“2023年及以后，人工智能的部署和信號感知將呈指數(shù)級加速。人工智能將戰(zhàn)勝偏見感知、判斷和法律解釋。行業(yè)將為打破偏見構(gòu)建更多解決方案，以便人工智能在解釋其行動過程的同時為消費者提供解決方案。用戶界面將發(fā)生轉(zhuǎn)變。他們將超越基于應(yīng)用的體驗從非視覺的輕擊/觸摸交互到向上下文傳遞視覺的動作調(diào)用以及基于語言和手勢的交互。為這些體驗提供動力所需的人工智能將大幅增加，超越僅僅理解語言，真正掌握每一次交互的隱藏意圖。人工智能將產(chǎn)生人工智能?！?/p>

德國IT公司GFT的美國首席執(zhí)行官Marco Santos預(yù)測，2023年，我們將看到前所未有的人工智能和機(jī)器學(xué)習(xí)用例出現(xiàn)并最終成為主流。

“隨著公司擺脫傳統(tǒng)系統(tǒng)的限制，能夠?qū)碜圆煌到y(tǒng)的大量數(shù)據(jù)集匯集在一起，我們將看到人工智能和機(jī)器學(xué)習(xí)前所未有的使用案例。例如，在汽車制造業(yè)，剛剛開始看到下一代制造業(yè)數(shù)據(jù)平臺的出現(xiàn)，或單一且統(tǒng)一的基于云的平臺制造商正在聚合其整個組織中的所有數(shù)據(jù)。一旦有了數(shù)據(jù)，他們就可以開始構(gòu)建人工智能應(yīng)用程序。”