人工智能（AI）已成為多國科技發(fā)展領域的“香餑餑”，各國政府以及多家大企業(yè)也都不甘示弱，爭相砸重金支持該領域的發(fā)展，各種創(chuàng)新因此如雨后春筍般噴薄而出。

此外，新冠肺炎疫情的肆虐迫使我們進一步加大對于技術、在線活動以及人工智能的依賴。其中人工智能對企業(yè)而言尤其重要，其能大規(guī)模實現(xiàn)個性化服務，同時滿足客戶不斷提高的體驗需求。

美國《福布斯》雙周刊網站在3月15日的報道中，為我們列出了2021年人工智能領域備受期待的五大趨勢。其中包括低代碼/無代碼工具紛紛出現(xiàn)，以及變得越來越“親民”，兒童都可以很方便地創(chuàng)建自己的人工智能等。

2021年人工智能領域備受期待的五大趨勢

圖片來源：美國《福布斯》雙周刊網站

低代碼/無代碼工具

自動機器學習（AutoML）并非新鮮事物，2020年華為年薪百萬招聘的機器學習博士，其中一個研究方向就是AutoML。

機器學習是讓算法自動從數(shù)據中找出一組規(guī)則，從而提取數(shù)據中的相關特征，隨著機器學習的發(fā)展，其中人工需要干預的部分越來越多，而AutoML則是對機器學習模型從構建到應用的全過程自動化。

雖然AutoML能在沒有扎實數(shù)據科學知識的情況下構建高質量的人工智能模型，但低代碼/無代碼平臺更上一層樓——它能在沒有深入編程知識的情況下構建整個生產級人工智能驅動的應用程序。

去年低代碼/無代碼工具異軍突起并風靡全球，應用領域也不一而足，從構建應用程序到面向企業(yè)的垂直人工智能解決方案等，這股新鮮勢力有望在今年持續(xù)發(fā)力。

有數(shù)據顯示，低代碼/無代碼工具將成為科技巨頭們的下一個戰(zhàn)斗前線，這是一個總值達132億美元的市場，預計到2025年其總價值將進一步提升至455億美元。

美國亞馬遜公司于2020年6月發(fā)布的Honeycode平臺就是最好的證明，Honeycode是一種類似于電子表格界面的無代碼開發(fā)環(huán)境，被稱為產品經理們的“福音”。

高級預訓練語言模型

“來自變換器的雙向編碼器表征量”（BERT）是谷歌公司于2018年末開發(fā)并發(fā)布的一種新型語言模型。作為自然語言處理（NLP）領域的新秀，BERT成為過去幾年NLP重大進展的集大成者，一出場就技驚四座碾壓競爭對手，刷新了11項NLP測試的最高紀錄，甚至超越了人類的表現(xiàn)。

近年來，與BERT模型相似的預訓練語言模型（如問答、命名實體識別、自然語言推理、文本分類等）在許多自然語言處理任務中發(fā)揮著重要作用。

這些預訓練語言模型非常強大，并徹底改變了語言的翻譯、理解以及總結等等，但這些模型非常昂貴，而且訓練非常耗時。

好消息是，高級預訓練模型可以催生出新一代高效且極易構建的人工智能服務。

GPT-3是其中的翹楚！它是OpenAI斥巨資打造的自然語言處理模型，擁有1750億超大參數(shù)量，是NLP領域最強AI模型。自去年5月份首次推出以來，憑借驚人的文本生成能力，GPT-3在各大媒體平臺一直熱度不減。它不僅能夠答題、寫文章、寫詩、翻譯文章，還能生成代碼、做數(shù)學推理、數(shù)據分析、畫圖表制作簡歷，甚至玩游戲都可以，而且效果出奇的好。

合成內容生成

人工智能領域的算法創(chuàng)新并非僅僅出現(xiàn)在NLP。生成式對抗網絡（GANs）也涌現(xiàn)出大量創(chuàng)新，展示了科學家們在創(chuàng)造藝術和假圖像方面取得的非凡成就。

GANs由加拿大蒙特利爾大學AI學者伊恩·古德費洛首先提出，其訓練和調整也很復雜，因為它們需要大量數(shù)據集進行訓練。

但科學家們的創(chuàng)新極大地減少了創(chuàng)建GANs所需的數(shù)據量。例如，美國英偉達公司展示了一種新的方法來增強訓練GANs的效率，與此前的方法相比，其需要的數(shù)據更少。這使GANs可以廣泛適用于多個領域，從醫(yī)學應用（如合成癌癥組織學圖像）到更深層的“Deep Fake”（深度造假）。

“深度造假”是一種高能黑科技，其采用了最新的人工智能技術，能夠讓普通人通過計算機剪輯出一些視頻，且視頻中的人臉可以變成任何人的臉。“所謂成也蕭何，敗也蕭何”，給視頻“換臉”引發(fā)巨大關注的同時，也引發(fā)了巨大的爭議。在上線短短五天之后，這個黑科技便被全網唾棄，之后在全球范圍內遭到封殺。

供兒童使用的人工智能

隨著低代碼工具的流行，AI創(chuàng)建者也呈現(xiàn)出低齡化的特征?，F(xiàn)在，一名中小學生就可以創(chuàng)建人工智為自己所用——從給文本分類到繪制圖像。美國高中已經開設人工智能課程，初中也緊隨其后。

例如，在硅谷舉辦的2020 Synopsys科學博覽會上，31％的獲獎軟件項目在創(chuàng)新中使用了人工智能。更令人印象深刻的是，這些人工智能中有27％由6到8年級的學生創(chuàng)建而成。其中一位獲獎者是一名八年級學生，他創(chuàng)建了一個卷積神經網絡，可以通過眼部掃描檢測出糖尿病視網膜病變。

機器學習操作

機器學習操作（MLOps）是人工智能領域一個相對較新的概念，涉及最好的管理數(shù)據科學家和操作人員，以便有效地開發(fā)、部署和監(jiān)視模型。

2020年，由于新冠疫情肆虐，運營工作流程、庫存管理、交通模式等方面的巨大變化導致許多人工智能出現(xiàn)意外行為，這被稱為漂移——輸入數(shù)據與人工智能訓練的預期不匹配。

雖然在生產中部署機器學習的公司以前就曾面臨漂移等諸多挑戰(zhàn)，但新冠疫情使人們對MLOps的需求與日俱增。無獨有偶，隨著《2018年加州消費者隱私法案》等隱私法規(guī)的實施，對客戶數(shù)據進行操作的公司越來越需要治理和風險管理。有數(shù)據指出，MLOps的市場規(guī)模預計到2025年將達到40億美元。

這些并非人工智能領域全部的新趨勢，不過，它們值得我們注意，因為它們彰顯了三個重要方面。首先，人工智能在現(xiàn)實世界中的應用越來越多，新冠疫情引起的問題和MLOps的增長就證明了這一點。其次，相關人士在該領域不斷推陳出新，正如BERT和GANs的接踵而至。最后，人工智能的創(chuàng)建門檻越來越低，為其“飛入尋常百姓家”奠定了堅實的基礎。

人工智能的理想和未來總是美好的，但盡管有上述諸多創(chuàng)新，仍需要我們腳踏實地地去促進和引導其發(fā)展，以使其能更好地造福人類。