Gartner 2021年人工智能技术成熟度曲线(Hype Cycle for Artificial Intelligence, 2021)中的四个趋势正在推动近期人工智能创新。这四个趋势是:负责任的人工智能、小而宽数据策略、人工智能平台的操作化,以及数据、模型和计算资源的有效利用。
Gartner高级首席研究分析师Shubhangi Vashisth表示:“人工智能的创新速度飞快,技术成熟度曲线中一半以上的技术将在二到五年内成为主流技术。边缘人工智能、计算机视觉、决策智能和机器学习等创新都将在未来几年对市场产生革命性的影响。”
人工智能市场仍处于逐步发展阶段,位于技术萌芽期的人工智能创新占据着很大的比例(见图一)。这表明终端用户正在寻求超出当前人工智能工具功能范围的特定技术功能这一市场趋势。
图一、人工智能技术成熟度曲线
来源:Gartner(2021年9月)
Gartner认为以下四项趋势正在推动人工智能创新:
负责任的人工智能(Responsible AI)
Gartner研究副总裁Svetlana Sicular表示:“提高人工智能技术的可信度、透明性、公平性和可审核性对各类利益相关者的重要性仍在日益增加。负责任的人工智能有助于:实现公平(即便数据中存在偏见也不例外)、获得信任(尽管透明度和可解释性方法正在逐步发展)以及在确保监管合规的同时,努力克服人工智能的概率性质。”
Gartner预测到2023年,所有人工智能开发和培训人员都必须具备负责任的人工智能方面的专业知识。
小而宽数据(Small and Wide Data)
数据是成功人工智能计划的基础。小而宽数据策略能够实现更强大的分析和人工智能、减少企业机构对大数据的依赖,并提供更丰富、更完整的情境感知。
根据Gartner的预测,到2025年,70%的企业机构将被迫把重点从大数据转向小而宽数据,这将为分析工具提供更多的上下文并减少人工智能对数据的需求。
Sicular表示:“小数据的关键在于使用只需较少数据就能提供实用洞察的分析技术,而宽数据则能实现各种数据源的分析和协同作用。把这些策略结合在一起就能够实现更强大的分析并有助于获得更加全方位的业务问题视角。”
人工智能平台的操作化(Operationalization of AI Platforms)
运用人工智能促进业务转型的紧迫性和关键性正在推动人工智能平台的操作化需求。这意味着将人工智能项目从概念转向生产,从而可以依靠人工智能解决方案来解决企业范围内的问题。
Sicular表示:“根据Gartner的研究,只有一半的人工智能项目能够从试点进入到生产,而这些项目的平均完成时间为9个月。人工智能编排和自动化平台(AIOAPs)和模型操作化(ModelOps)等创新正在实现可重用性、可扩展性和治理,加快人工智能的采用和增长速度。”
资源高效利用(Efficient Use of Resources)
鉴于人工智能部署所涉及到的数据、模型和计算资源复杂性与规模,人工智能创新需要最高效地利用这些资源。多重体验(multiexperience)、组合式人工智能(composite AI)、生成式人工智能(generative AI)和Transformer因能够以更高效的方式解决各类业务问题而引起了人工智能市场的关注。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。