Feng哥 多模式学习、ChatGPT、工业元宇宙——了解 2023 年人工智能的主要趋势，以及它们如何有望改变业务的完成方式。
人工智能的现状如何？
人工智能技术正在改变业务流程和整个社会。2023年企业应该关注的AI趋势是什么？
成功案例侧重于算法的成就和演变。ChatGPT是一种新的AI语言模型，可能会破坏现代搜索引擎。
同样令人印象深刻和值得企业关注的是自动化机器学习管道并大大加快开发过程的新工具。
此外，人工智能领域正在进入各种新领域，如概念设计、小型设备和多模式应用——这些创新将扩大人工智能在许多行业的应用范围。对于公司来说，密切关注前沿的人工智能技术也很重要，这些技术显示出巨大的前景，现在可以通过云进行实验 – 例如量子AI。
2023 年的 AI 和机器学习趋势是什么？
为了充分利用人工智能和机器学习趋势的优势，IT和业务领导者需要制定一项战略，使人工智能与员工的兴趣和业务目标保持一致。议程上应包括以下问题：
- 如何简化人工智能的访问并使其民主化;
- 如何解决对道德和负责任的人工智能日益增长的担忧;和
- 如何将 AI 薪酬与业务目标联系起来，以确保 AI 实施能够实现炒作。
以下是 IT 领导者应准备的 10 年 2023 大趋势。
1. 自动化机器学习
自动化机器学习的两个有前途的方面将是用于标记数据的改进工具和神经网络架构的自动调整，软件公司AI Clearing的首席执行官Michael Mazur说，该公司使用AI来改善施工报告。
- Mazur说，对标记数据的需求在印度，中东欧和南美洲等低成本国家创造了人类注释员的标签行业。与使用离岸劳动力相关的风险“促使市场寻找避免或最小化这一部分过程的不同方法。半监督和自我监督学习的改进正在帮助公司将手动标记的数据量降至最低。
- 通过自动化选择和调整神经网络模型的工作，人工智能将变得更便宜，新的解决方案将花费更少的时间进入市场。
展望未来，Gartner预测将专注于改进实施这些模型所需的各种流程：PlatformOps，MLOps和DataOps。Gartner将这些新功能统称为XOps。
2.AI概念设计
从历史上看，人工智能主要用于简化与数据、图像和语言分析相关的流程。
这非常适合用于金融、零售或医疗保健行业以及明确定义的重复性任务。但最近OpenAI开发了两个新模型，名为DALL·E 和 CLIP（对比语言图像预训练），将语言和图像相结合，从文本描述中生成新的视觉设计。
早期的工作展示了如何训练模型来做出新颖的设计。例子包括一把鳄梨形的扶手椅，它的设计是通过给AI一个标题“鳄梨扶手椅”来设计的。Mazur认为，新模式将促进人工智能在创意产业中的生产规模实施。“很快，我们就可以期待类似的事情颠覆时尚、建筑和其他创意产业，”马祖尔说。
3. 多模态学习
人工智能在单个 ML 模型中支持多种模式方面越来越好，例如文本、视觉、语音和物联网传感器数据。Google DeepMind凭借Gato成为头条新闻，Gato是一种多模式AI方法，可以执行视觉，语言和机器人运动任务。
与此同时，开发人员正在寻找创新的方式来组合模式，以改善文档理解等常见任务，NLP工具提供商John Snow Labs的创始人兼首席技术官David Talby说。
例如，医疗保健系统收集和处理的患者数据可以包括视觉实验室结果、基因测序报告、临床试验表格和其他扫描文件。这些信息的布局和呈现风格，如果做得好，可以帮助医生更好地了解他们正在看什么。使用机器视觉和光学字符识别等多模态技术训练的人工智能算法可以优化结果的呈现，改善医疗诊断。充分利用多模态技术将需要雇用或培训具有跨领域技能的数据科学家，例如自然语言处理和机器视觉技术。
4. 可以实现多个目标的模型
通常，AI 模型被赋予一个针对特定业务指标（例如最大化收入）的目标。随着早期努力的成熟，预计会有更多的公司投资于考虑多个目标的多任务模型，人工智能战略家兼人工智能驱动销售管理平台PROS的数据科学经理贾斯汀·西尔弗（Justin Silver）说。多任务模型不同于多模态学习，多模态学习旨在学习各种数据类型的联合表示。
针对单个业务指标而不考虑其他目标可能会产生次优结果。例如，如果产品推荐引擎仅针对客户转化率，则公司可能会错过与客户过去可能没有购买的新产品或不同产品相关的收入机会。此外，环境、社会和治理 （ESG） 目标的重要性日益增加，这意味着首席信息官需要规划能够平衡碳减排和循环等可持续发展目标与传统业务目标（如减少库存、交付时间和成本）的模型。
基于5.AI的网络安全
新的人工智能和机器学习技术将在检测和应对网络安全威胁方面发挥越来越大的作用。德勤咨询人工智能负责人兼董事总经理埃德·鲍恩（Ed Bowen）表示，一个重要的驱动因素是对手一直在将人工智能和机器学习武器化以发现漏洞。
他预计会有更多的企业防御性和主动性地使用人工智能来检测异常行为和新的攻击模式。未能集成人工智能的组织有可能落后于安全曲线，并遭受更高的负面影响率。
Bowen说：“人工智能支持的网络计划通常更能够通过提高检测效率以及在中断增加的情况下提高敏捷性和弹性来管理多方面的动态风险。
他补充说，未能整合人工智能的组织有可能落后于安全曲线并遭受更高的负面影响。
6. 改进的语言建模
ChatGPT 展示了一种思考在交互式体验中与 AI 互动的新方法，这种体验足以满足许多领域的广泛用例，包括营销、自动化客户支持和用户体验。
到 2023 年，预计对这些改进的 AI 语言模型的质量控制方面的需求将不断增长。已经出现了对编码中不准确结果的强烈反对。例如，在接下来的一年里，公司将面临不准确的产品描述和危险建议的阻力。这将推动人们的兴趣，寻找更好的方法来解释这些工具如何以及何时产生错误。
7. 商业中的计算机视觉不断扩展，但投资回报率是一个挑战
更便宜的相机和新的人工智能将在 2023 年推动用于分析和自动化的计算机视觉爆炸式增长。
普华永道创新与信任技术负责人Scott Likens表示：“对计算、传感器、数据和最先进的视觉模型的访问正在为自动化流程创造机会，这些流程需要人类在现实世界中目视检查和解释物体。
在后台操作中，改进的机器视觉将有助于简化文档工作流程。在前线，计算机视觉的采用将使业务运营的物理元素数字化。
Likens预计，首席信息官们会发现从这些努力中产生投资回报率具有挑战性。确定适当的用例至关重要。他预测，对“双语者”的需求将不断增长，或者说，那些能够连接技术和商业空间并发现计算机视觉新机会的人。
实现计算机视觉需要专业技能。高性能系统需要数千个标记示例，这些示例可能并非自然存在于公司内部，并且需要以高成本手动策划，从而造成进入的经济障碍。计算机视觉实现也带来了用于语言任务和预测的深度学习模型不一定遇到的障碍。某些应用程序可能需要特定的相机硬件和边缘计算功能来解决用例，从而为尚未将此类基础设施作为其技术生态系统的一部分进行积极管理的组织引入新的运营和基础设施技能。
8. 民主化的人工智能
AI 工具的改进正在降低构建 AI 模型所需的专业知识水平。这将使将主题专家纳入AI开发过程变得更加容易。Talby说，民主化的人工智能不仅会加速人工智能的发展，还会在主题专家的参与下提高准确性。一线专家可以看到新模型在哪些方面提供了最大的价值，并产生了问题或需要解决。
PS AI Labs的数据科学家Doug Rank预测，这一趋势将反映计算机和网络等技术的轨迹，这些技术从只有少数专家可以使用发展到在整个企业中广泛采用。最大的挑战将是清理数据并为访问提供适当的护栏。
“通过仔细规划，IT领导者可以确保他们的数据在整个云迁移过程中保持准确和完整，这样他们就可以实现可访问AI的价值，”Rank说。
简化人工智能工具的努力也可以推动在现有IT服务之外采用人工智能部署，GPU编排平台Run：ai的创新主管Pini Solomovitz说。影子 AI 反映了主要由低成本云服务驱动的其他类型的影子 IT。
人工智能民主化为企业带来了成本、道德和数据隐私。首席信息官将越来越需要审计人工智能的新用途，以帮助整合成本、识别新风险并简化人工智能工作流程。
9. ML 中的偏差消除
随着人工智能在企业中的采用加速，每天影响更多的用户，人工智能偏见和公平性的挑战成为一个真正的问题。目标是确保人工智能客观地做出预测，确保人们在申请贷款、在线购买产品或接受医疗时不受歧视。
“随着声誉的岌岌可危，偏见缓解对于企业建立对其ML产品的信任至关重要，”人工智能可解释性平台Aporia的联合创始人兼首席执行官Liran Hason说。
到 2023 年，由于数据科学实践和 ML 模型的复杂性，首席信息官将面临管理这些挑战。实施负责任的人工智能实践并为组织配备适当的工具将变得更加紧迫。Hason希望看到人们对监控和减轻生产AI偏见的工具的兴趣增加，以帮助捕获和解释导致有偏见的预测的确切数据点和特征。
10. 数字孪生推动工业元宇宙
在过去的一年里，领先的工业设计和人工智能供应商已经将数字孪生（模拟现实的虚拟模型）与元宇宙联系起来。英伟达和西门子合作创建了一个工业元宇宙。与此同时，建筑巨头宾利采用了基础设施元宇宙一词。
这些进步可能标志着数字孪生从晦涩的技术到IT战略基石的转折点，普华永道全球人工智能负责人Anand Rao表示。虽然数字孪生在过去几年中已在所有行业领域部署，但他认为 2023 年的采用将加速和扩大。
数字孪生的复杂性也在增加，从相对简单的基于合成或真实数据的数字孪生到由物联网提供支持的基于资产的数字孪生，再到基于客户和基于生态系统的数字孪生。专家表示，数字孪生现在还用于建模和模拟人类行为，并评估未来的替代场景，为数字孪生与传统工业模拟和基于人工智能的基于代理的模拟的融合铺平了道路。
“这种演变的下一阶段是科学计算，工业模拟和人工智能的融合，以创建模拟智能，其中基础模拟元素内置到操作系统中，”Rao说。
他继续说道，数字孪生的可能性是巨大的，为企业提供了利用和预测数据的新方法。借助更复杂、更通用的数字孪生，企业可以使用仿真智能来预测真实场景，如疾病进展、客户行为和大流行的经济影响。数字孪生也将成为致力于或扩展到ESG建模、智能城市、药物设计和其他应用的组织的关键技术。
如今，数字孪生项目的试点正在扩大规模并投入运营。首席信息官应考虑如何将它们纳入企业的整体分析架构和云/IT 堆栈中。公司需要同时提供用于运行模拟的开发环境和生产环境。模拟工作负载也是计算密集型的，需要在本地或云中进行按需计算。
对于首席信息官来说，这也是一项用于提高员工技能的重要技术。此外，公司应该有一个明确的流程来界定、构建、校准、部署和监控数字孪生。数字孪生可以帮助首席信息官实现业务转型，但前提是企业及其员工做好准备。