这一段时间以来，人工智能的发展速度非常快。我们周围事物的复杂性不时增长，这促使每个人都依赖人工智能的前提以多种方式帮助人类，从检测欺诈交易、预测市场价格到在高层利益相关者中做出决策。机会和资源是无限的，因此任何企业都没有理由不尝试人工智能。因此，我们应该知道之后人工智能将走向何方。以下是对年发生的事情的简要回顾。

(图1：整个年AI的简短时间表)

全年AI的好故事实际上始于2月，当时谷歌发布了Tensorflow3D，将深度学习模型升级到3D空间，实现3D场景理解，可用于虚拟现实、图像中的点云应用、激光雷达和自我视觉-自动驾驶汽车。3月，Facebook（自10月起成为Meta）发布了他们的名为SEER的自我监督学习，它能够执行识别文本、图像和其他主要在社交媒体中可用的非结构化数据的无监督任务。SEER建立在ImageNet上，该ImageNet对十亿个随机、未标记和未策划的公共Instagram图像进行了预训练。4月份没有什么新鲜事，然而，欧盟提出了新的人工智能法规，为该地区的人工智能横向提供法律框架。拟议的法律框架侧重于人工智能系统的具体利用和相关风险。

5月，谷歌发布了VertexAI，它与谷歌云服务集成，能够使用基于视觉、视频、自然语言等预训练API的自动化ML（或AutoML）的强大功能构建ML。使用Vertex，通过简化编码（低代码开发）消除了运行ML管道的复杂性。然后在6月，微软的GitHub发布了他们的GitHubCopilot，它使用户能够通过自动完成来加速编码。自动完成是在有人完成他们的代码之前，GitHubCopilot将自行完成代码。7月，谷歌的DeepMind使用他们一年前开发的AlphaFoldAI系统发布了超过,种蛋白质的预测形状。一些人声称，该数据库可以在许多方面发生革命性变化，例如提高了解疾病和开发新药的能力。

8月，来自卡内基梅隆大学和麻省理工学院的研究人员发表了一项开创性的发明，即一种新型的生成对抗网络(GAN)，它只能通过绘制草图来生成模仿图像，他们称之为GAN草图。然后在10月，NVIDIA结合了两个强大的语言转换器，创建了超越OpenAI强大的GPT-3的Megatron-Turing自然语言生成(NLG)。该Transformer模型旨在通过GPU加速基于数千亿自然语言标记将训练效率提高10倍。11月，NVIDIA再次发布了名为StyleGAN3的下一代GAN，它可以生成几乎99.9%逼真的模仿人类照片。最后，在12月，DeepMind发布了另一个名为Gopher的自然语言转换器模型，可以在人机交互中合成响应。

基于这些突破，以下是我认为年人工智能最有可能的5个预测。

01人工智能将在业务中更易于解释和自动化

Enthought的首席运营官MikeConnel表示，超过90%的工业AI或ML项目可能无法在年实现其业务目标，因为无法解释他们在业务中的模型。可解释的人工智能（或XAI）变得如此重要，因为它对许多企业构成了威胁，例如，产生有偏见的结果的模型。业务的高级利益相关者将

转载请注明:http://www.aideyishus.com/lkgx/2320.html