人工智慧未來發展趨勢（上）

隨著人工智慧 （AI）變得越來越普遍並嵌入到改變生活的決策中，對透明度的需求也越來越強烈。近年來，人工智慧助長偏見和歧視的案例屢見不鮮，使用面部識別進行治安只是一個例子。在未來幾年內，很有可能從鬆散的自我監管轉向政府參與人工智慧。反過來，大型科技公司越來越多地使用人工智慧來解決技術本身造成的隱私和偏見問題。

 

01技術趨勢

 

下面列出了全球資料公司確定的影響AI主題的關鍵技術趨勢：

 

可解釋人工智慧(XAI)

 

人工智能越來越多地參與改變生活的決策，例如福利支付、抵押貸款批准和醫療診斷。因此，透明度和可解釋性變得至關重要。圍繞AI模型偏見的爭議受到了很多關注，促使公司更新其內部AI開發指南以建立信任。僅擴展應用識別（XAI）不足以減輕資料中的偏見，因為它只會使公司能夠識別潛在的歧視。企業將根據需要修正他們的模型，擴展應用識別和的人工智慧已成為大多數與人工智慧相關公司的首要任務，例如谷歌和國防巨頭洛克希德馬丁公司。

 

聯邦學習

 

  人工智慧作為技術本身創造的隱私問題的解決方案可能聽起來有悖常理，該方法由谷歌於2017年推出，旨在使用本地設備（如智慧手機）上可用的豐富資料集，同時保護敏感資料。簡而言之，設備從雲端下載當前模型，透過從儲存在其記憶體中的資料中學習來改進它，然後根據本地化資料更新模型。谷歌是最著名的使用聯邦學習的應用程式，因此，在鍵盤應用程式會根據之前操作的資料建議單字或片語。在醫療保健行業，聯合學習允許不同的組織在一個模型上進行協作，該模型將在不共享敏感資料的情況下改善患者照護。

 

面部識別

 

        2020 年 6 月，亞馬遜、美國國際商用機器公司（IBM）和微軟都宣布他們將不再向執法部門或一般人出售面部識別(FR)工具。雖然亞馬遜將執法部門使用面部識別的期限推遲了一年，但微軟表示，在國家法律出台對該技術進行監管之前，它不會將面部識別出售給警察部門。反過來，美國國際商用機器公司宣布將不再提供通用面部識別或分析軟體。喬治·弗洛伊德 （喬治·弗洛伊德）在被殺以及隨後發生的反種族主義抗議活動之後，審查力度加大，這促使大型科技公司與面部識別技術保持距離，但道德問題和偏見的例子多年來一直普遍存在。

 

機器自主學習 （AutoML）

 

機器自主學習旨在減少將自主學習（ML）應用於現實世界問題所需的人力投入和能量。它通過自動化自主學習模型開發的耗時、迭代方面來實現這一點，允許具有有限 ML 專業知識的開發人員和數據科學家使用自主學習模型和技術，同時它還減少了機器學習模型中的人為錯誤和偏見。欺詐檢測、定價和銷售管理是機器自主學習的常見應用領域。谷歌雲、DataRobot（DataRobot） 和 H20.ai 是領先的機器自主學習軟體解決方案的示例。

 

效率事半功倍

 

  在 2019 年的一次採訪中，谷歌人工智慧負責人傑夫·迪恩說，我們希望構建可以泛化到新任務的系統，能夠用更少的資料和更少的計算來完成事情將會是有趣且重要的。大多數人都同意，從更少的資料點中學習的監管與商業優勢是顯著的。情感識別初創公司Affecta的首席執行官兼聯合創始人卡柳比表示，資料合成方法將允許公司獲取已收集的資料並進行合成以創造新資料。例如，某人駕駛汽車的影片可用於創造新場景，例如司機轉頭或發簡訊邊緣智能物聯網（AIoT）

 

頹覆性主題之間的主要融合領域之一是人工智慧和物聯網。這種組合催生了物聯網人工智慧。將連接的感測器和致動器收集的資料與AI相結合，可以在邊緣減少延遲、增加隱私和即時智慧。蘋果公司（Apple）於 2020 年 1 月收購了 Xnor.ai，該公司提供能在低功耗設備上運行的支援AI的圖像識別工具，以加強其在邊緣的產品。

 

量子計算

 

量子計算開始走向成熟，谷歌、微軟和美國國際商用機器公司處於領先地位，如果有量子計算機的支持，人工智慧應用程式可以更快地運作。根據芝加哥大學量子資訊教授大衛·奧沙洛姆博士的說法，量子計算機的使用可以加速許多強調機器學習的計算任務。它們將實現更快的運算，並允許開發資源效率更高的演算法，同時讓人工智慧處理更複雜的任務。美國國際商用機器公司自 2016 年以來一直為客戶提供量子雲端運算服務，2019 年，微軟（Azure Quantum）和亞馬遜量子解決方案實驗室都宣佈，客戶有機會在多台量子計算機上測試他們的實驗演算法。

 

下一代芯片

 

  芯片設計的重點已經從在1在平方毫米的矽片上放置更多電晶體的競賽，已轉移到將微處理器構建為一個系統，該系統由多個組件組成，每個組件執行一項專門的任務。在接下來的幾年裡，電腦將越來越多地模仿人腦儲存和處理資訊的方式。這就是神經形態運算與神經形態晶片大顯身手之處。神經形態晶片非常適合處理大量資料，並為使用神經網路的深度學習應用程式提供動力，同時比傳統處理器消耗更少的能量。美國國際商用機器公司與特魯諾斯（TrueNorth）合作，英特爾與羅希（Loihi）合作，目前在研發方面處於領先地位，但面臨來自高通、惠普企業（HPE）和三星等知名企業以及 思锐 與寒武紀等資金雄厚的初創企業的競爭。