转自AI前线

作者

MichaelSpencer

译者

Sambodhi

策划

凌敏

1.AI-on-5G

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。2.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。3.增强的人类和人工智能混合劳动力的到来

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，使他们能够做自己天生擅长的事情。

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。

4.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。

5.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，但是这一领域在到年期间都有升级的需求。6.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（BeijingAcademyofArtificialIntelligence，BAAI）是否能跟上步伐？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

转载请注明:http://www.aideyishus.com/lkgx/1050.html