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
Luminary Cloud宣布完成7200万美元B轮融资,专注开发"物理AI"技术。该公司云原生平台可将仿真速度提升100倍,利用物理信息模型实时预测汽车、飞机等产品性能。公司推出针对特定行业的预训练模型,包括与本田合作的汽车设计模型和与Otto航空合作的飞机开发模型。融资由西门子风投领投,将用于扩大研发团队和市场销售。
清华大学研究团队通过MotionBench发现,当前最先进的AI视频理解模型在精细动作理解方面存在严重不足,准确率不足60%。他们提出的通过编码器融合技术TE Fusion有效改进了这一问题。这项研究揭示了视频AI理解的基础能力缺陷,为该领域发展指明了新方向。
伦敦量子动态科技公司宣布交付业界首台采用传统半导体制造工艺的量子计算机。该系统已安装在英国国家量子计算中心,使用标准化300毫米硅晶圆,是首台自旋量子比特计算机。系统采用CMOS技术,占地约三个19英寸服务器机架,具备数据中心友好特性。公司开发的可扩展瓦片架构支持大规模生产,未来可扩展至每个量子处理单元数百万量子比特,为商业化应用奠定基础。
上海人工智能实验室联合多家机构推出OVO-Bench评测体系,首次系统评估视频AI的在线理解能力。研究发现当前最先进的模型如GPT-4o在实时视频理解任务中表现远不如人类,缺乏时间感知、实时记忆和主动响应能力。该研究为智能家居、在线教育、医疗监护等实际应用场景的AI升级指明方向。