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
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。